基于脈沖激勵下鋼軌振動響應的扣件失效識別方法

侯博文，李佳靜，高 亮，蔡小培

(北京交通大學土木建筑工程學院，北京100044)

在軌道交通大力發(fā)展的環(huán)境下，越來越多鐵路軌道安全及運營維護問題也隨之而來。伴隨著軌道交通的大范圍服役[1]，軌道病害問題不斷出現(xiàn)[2]。盡管目前我國無砟軌道系統(tǒng)整體服役良好，但在列車循環(huán)往復動力及復雜環(huán)境條件的共同作用下，軌道結構在服役過程中也涌現(xiàn)出不同類型的病害，如若不及時發(fā)現(xiàn)處理，嚴重時會對軌道結構的安全服役造成極大隱患。因此，研究提出針對軌道病害的識別與評價方法具有重要意義。

作為鋼軌與無砟軌道間的連接系統(tǒng)，扣件系統(tǒng)的服役性能直接關系到整個軌道結構的服役安全[3]。既有研究表明，當無砟軌道扣件系統(tǒng)出現(xiàn)諸如彈條折斷[4-5]、扣件螺栓松脫[6-8]、扣件墊板竄出等病害后，車輛與軌道結構的相互作用會進一步加劇[9]，從而導致病害發(fā)展速度加快。以往研究中，針對扣件問題的檢測方法大多通過人工巡檢的方式進行，但該方法較依賴于巡道工人自身的職業(yè)素養(yǎng)與操作習慣，通常檢測的效率及準確率低。

隨著計算機技術的不斷發(fā)展，廣大研究人員提出了基于機器視覺的場景識別和扣件失效定位方法[10-12]。閔永智等[13]利用開關型中值濾波和基于圖像梯度幅值的改進Canny 邊緣檢測方法，通過基于曲線特征投影的模板匹配實現(xiàn)了扣件缺失的實時檢測。Singh 等[14]利用邊緣密度來定位扣件和檢測丟失扣件；戴鵬等[15]提出基于半監(jiān)督深度學習的扣件缺陷圖像識別方法，可快速精確定位扣件并識別扣件缺失、彈條折斷、彈條移位3類缺陷。范宏等[16]利用相鄰兩扣件圖形的差別，同時預先設定閾值，當這一差值大于所設定值時即判斷扣件失效，實現(xiàn)扣件系統(tǒng)缺陷的自適應檢測。機器視覺的方法雖然大幅提高了檢測精度，但目前尚存在檢測設備復雜、難于現(xiàn)場布置、受光照等外界環(huán)境影響較大[17]等問題，限制了機器視覺在扣件失效檢測方面的應用。

王開云、朱勝陽等[18-19]基于車輛-軌道耦合動力學理論，分別研究了扣件系統(tǒng)的垂向振動特性和彈條在安裝過程中的受力及列車動荷載作用下的振動特性。對于扣件失效的理論及試驗研究方面[20-23]科研人員也進行了大量研究。尚紅霞等[24]建立了地鐵扣件系統(tǒng)有限元模型，表明Ⅲ型彈條的斷裂與彈條的安裝狀態(tài)密切相關，而隨著列車的反復通過，彈條在應力集中處容易發(fā)生疲勞斷裂，導致輪軌相互作用力加劇，車輛和軌道結構各部件加速破壞。余關仁等[25]建立鋼彈簧浮置板軌道三維有限元分析模型，研究列車行駛在扣件失效的鋼彈簧浮置板軌道上鋼軌垂向位移、加速度和臨近扣件支點反力的變化，且隨著失效扣件數目增加而顯著增大。Morales-Ivorra 等[26]通過VAMPIRE軟件研究了扣件失效在輪軌接觸位置產生的動力影響，并評估其在兩條不同特性曲線上的列車脫軌風險。由以上可知，國內外針對扣件失效引起軌道結構振動響應變化方面的研究較多，但從結構動力響應的角度開展對扣件失效識別的研究鮮見。

本文在現(xiàn)場1∶1實尺模型上提出了針對軌道結構扣件失效的檢測方法，通過對軌道結構施加脈沖激勵[27-28]，根據鋼軌在扣件狀態(tài)良好及失效條件下的振動響應特性，研究選取合適的扣件失效識別判斷參數，并對提出的扣件失效識別方法進行可靠性驗證。在此基礎上，進一步研究了操作偏差對于扣件失效識別準確率的影響。

1 現(xiàn)場激勵試驗

本文選取1∶1實尺模型進行脈沖激勵試驗，實尺模型如圖1所示，試驗布點方案[29]及現(xiàn)場試驗情況分別如圖2和圖3所示。測試時，4個振動加速度傳感器分別布置于鋼軌跨中斷面的軌腰和軌底外側以及鋼軌扣件斷面的軌腰和軌底外側，激勵點位置為扣件斷面處鋼軌頂面正中位置。

圖2 傳感器測點布設示意圖/m Fig.2 Sketch of the location of the transducer

圖3 測點布置圖Fig.3 Layout of measuring points

現(xiàn)場試驗儀器包括數據采集儀、振動加速度傳感器和力錘，試驗設備型號如表1所示。測試的采樣頻率為20 kHz，力信號作為觸發(fā)條件，采集儀記錄力、振動傳感器信號，每個工況下激勵30次，剔除偏差較大的數據后選取10組有效激勵力幅的試驗結果進行數據分析。

本文針對CRTSⅡ型無砟軌道進行脈沖激勵，所測得的力錘沖擊力的時域及頻域結果如圖4所示。由圖4可知，在當前脈沖激勵下，10 Hz～4000 Hz 頻段內的脈沖激勵頻譜較為平坦，說明頻段范圍內的激勵線性度較好，因此下文分析時主要選取該頻段范圍內的軌道結構響應進行分析。

表1 試驗設備信息Table 1 Test equipment information

圖4 激勵力數據Fig.4 Excitation force data

本文的試驗主要以扣件彈條失效開展研究，結合課題組前期研究成果及文獻調研[23,30-31]，在現(xiàn)場確實存在較多如圖5(a)所示螺栓預緊力不足的情況，且隨著扣件的扣壓力損失進一步增大，將無法提供限制鋼軌位移的能力，線路的邊界條件也隨之發(fā)生改變。此時扣件的工作狀態(tài)基本接近如圖5(b)中彈條斷裂不提供扣壓力的情形，故采用人工移除扣件彈條的方式表征扣件單側彈條失效的模擬，且為了驗證鄰近扣件彈條失效對于待檢測目標扣件識別準確率的影響，在后文中也進行了扣件失效組合工況試驗，扣件彈條編號示意圖及扣件組合失效模擬的類型分別如圖6和表2所示。

圖5 現(xiàn)場存在的扣件實際失效狀態(tài)及實驗室扣件失效模擬Fig.5 Laboratory simulation and actual status of fastener failureon site

圖6 扣件彈條編號及激勵點位置Fig.6 Numbering of the fastener clipsand excitation position

表2 扣件組合失效類型Table 2 Failure type of fastener

通過對扣件正常及單側彈條失效狀態(tài)下的鋼軌施加力錘脈沖激勵，測試得到扣件正上方及扣件跨中位置兩個斷面的鋼軌軌腰及軌底外側的振動加速度。分別將其轉換到1/3倍頻程后，對10組數據取平均值，得到的鋼軌軌腰及軌底外側的振動加速度1/3倍頻程曲線如圖7所示。

利用圖7中的測試結果，分別計算四組測點位置下扣件分別處于正常及單側彈條失效狀態(tài)下的鋼軌振動加速度振級差。通過分析可知，在10 Hz～128 Hz 頻段內，由于鋼軌全局振動模態(tài)剛度受多個扣件共同影響，失效某一個扣件對整體剛度的改變影響不大，故在低頻段相同測點處的鋼軌振級變化較小；在128 Hz～4000 Hz 頻段內，鋼軌高階彎曲變形模態(tài)使得振動響應對于局部[32]扣件剛度的變化更加敏感，相同測點的振極差變化較為明顯，且扣件存在失效條件下的振動響應普遍高于正常工況[33]。當前測試工況下，鋼軌振級差最大值在4.83 dB～6.26 dB，各1/3倍頻程中心頻率下的鋼軌振級差的平均值為1.58 dB～1.9 dB。為了更加顯著地表征扣件在不同狀態(tài)下對于鋼軌振級差的影響，因此初步選取2 dB作為鋼軌振級差的閾值用于識別扣件失效。

圖7 各測點振動加速度響應Fig.7 Vibration acceleration response of each measuring point

2 扣件失效識別方法研究

2.1 扣件失效識別的思路與方法

本文扣件失效識別方法主要基于鋼軌在扣件狀態(tài)良好及失效條件下的振動響應差異來實現(xiàn)檢測，對于振動響應的差異只要保證扣件在不同狀態(tài)下施加在鋼軌上的激勵源相同。通常行車激勵受車輛形式、車速和隨機不平順等因素影響較大，無法保證施加的激勵具有較為一致的分布。相比之下，采用人工激勵可以保證激振力及頻域分布基本一致，激振點選擇也較為靈活。綜上，基于結構動力學原理，選定檢測中常用的“寬頻”力錘脈沖荷載作為激勵源。首先獲得脈沖激勵作用下軌道結構扣件正常及失效狀態(tài)下的鋼軌振動時域數據，經過快速傅里葉變換(FFT)轉化到頻域上進行對比，將頻域結果進一步轉化為振級(dB)后，比較兩者在各中心頻帶處的振級差，并利用超過某預設的振級差閾值(dB)的頻帶數占分析頻段內總頻帶數的百分比來評判扣件失效是否存在，識別程序流程圖如圖8所示。

根據公式計算不同的頻帶劃分方法，將頻譜的譜線匯總到不同的頻帶中取幅值均值作為該頻帶下的幅值。每個頻帶對應的上、下限由式(1)和式(2)確定：

窄帶譜計算公式：

式中：fi對應第i個頻帶的中心頻率；fu、fd為第i個頻帶的截止上限和截止下限；n可取1、3、6、12、24，當n=3時代表1/3倍頻程。

圖8 扣件失效識別程序流程圖Fig.8 Flow chart of fastening system failure identification

由式(1)、式(2)可知，不同的頻帶劃分方式會導致某一條譜線處于不同頻帶，從而造成不同頻帶內的振級差發(fā)生變化，因此必須首先分析不同頻帶劃分方式對于識別準確率的影響。分析時，對于窄帶譜劃分方式，帶寬分別選取為1 Hz、10 Hz、50 Hz 和100 Hz，對于倍頻程譜劃分方式，分別選取1/1、1/3、1/6及1/12倍頻程。初步對比式(1)、式(2)可知，窄帶譜計算方法將全頻段的能量平均到均勻分布的頻帶中，即某種帶寬下，各頻帶包含的譜線數量相同。對于倍頻程譜而言，在其低頻區(qū)域內，倍頻程譜的分辨率過細，當FFT的譜線分辨率大于倍頻程某條頻帶的帶寬時會導致倍頻程譜中存在若干空頻帶，降低倍頻程譜對于振級差差異性的表征；在高頻區(qū)域內，一個頻帶內包含的譜線過多，同樣會降低倍頻程譜對于振級差差異性的表征。因此結合前文圖7的倍頻程曲線可以看出，采用窄帶譜的頻帶劃分方式比倍頻程的劃分方式更適用于扣件失效識別，因此下文分析時主要研究窄帶譜劃分方式下不同帶寬對于識別準確率的影響。

根據上述描述，本文提出的扣件失效識別程序流程圖如圖8所示。在進行扣件失效識別時，首先選取一段目視狀態(tài)較為良好的軌道結構，對該區(qū)段內相鄰兩跨軌枕的每個扣件位置進行5組脈沖激勵測試，分別計算各個扣件位置的5組試驗對應的鋼軌窄帶譜在不同頻帶內的振級平均值。若每個測試位置的試驗結果在各頻帶內的振級差均小于2 dB時，則選取該15組數據均值作為扣件狀態(tài)正常下的鋼軌振級基準。將待檢測區(qū)段的測試結果進行窄帶譜分析并與正常狀態(tài)下的鋼軌振級基準在每個中心頻率下做差后得到當前窄帶譜劃分方式下的振級差曲線。設總頻帶數量為N，振級差曲線超過振級差閾值的頻帶數量為n，n占總頻帶數量N的比值為頻帶占比C。當C超過預設的頻帶占比閾值Y時，判斷存在扣件失效；反之判斷扣件狀態(tài)正常，具體判斷方式如式(3)：{

2.2 評判指標的計算

根據實際情況，存在2種識別出錯的可能：①扣件正常而判斷成失效，造成誤判；②扣件失效但判斷成正常，造成漏判。為了分析計算程序識別準確率，假設總測試次數為T，將存在失效但判斷為正常工況的個數為P，將正常工況判斷為存在失效的個數為Q，誤判率W及漏判率M分別定義如下：

扣件失效識別誤判率W：

2.3 扣件失效識別參數選取

本節(jié)主要研究窄帶譜頻帶帶寬的選擇，各頻帶內的振級差閾值以及頻帶占比閾值對于扣件失效識別準確率的影響，從而確定三個參數的合理取值。在進行試驗時，以拆除扣件單側彈條模擬扣件失效為例，在該扣件所在位置處的軌頂進行激勵并在軌腰及軌底安裝加速度計。在進行扣件失效識別時，為了保證數據的可靠性，故選取了20組激振力幅值較為接近的試驗結果進行分析，避免造成由于力幅大小不一而導致的軌道振動響應非線性，其中前10組試驗扣件狀態(tài)保持正常，后10組測試扣件狀態(tài)為單側彈條失效。試驗時考慮到扣件失效會對振動響應產生較為明顯的影響，因此利用軌腰及軌底外側測點同時進行判斷時，考慮如下判斷準則：只有當軌腰及軌底測點同時判斷該扣件不存在失效時，判斷扣件正常；當軌腰或軌底外側測點中至少一個測點判斷扣件存在失效時，判斷為扣件失效。表3給出了當選取振級差閾值和頻帶占比閾值分別為2 dB和70%，帶寬分別為1 Hz、10 Hz、50 Hz、100 Hz 時的程序識別準確率結果。

表 3不同頻譜帶寬下的扣件失效識別率Table3 Fastening system failureidentification rate under different frequency band division

從表3可以看出，當計算分析帶寬選擇為10 Hz時，扣件單側彈條失效識別的準確率達最高，為100%，當計算分析帶寬選擇其他帶寬時，扣件失效識別的準確率在95%以上，由此說明窄帶譜的帶寬的選取對于識別結果準確率有影響。因此，在進行后續(xù)識別過程中，分析帶寬選為10 Hz。

在確定窄帶譜帶寬為10 Hz 基礎上，進一步研究振級差閾值及頻帶占比閾值對于識別準確率的影響。其中，振級差閾值分別選取為1 dB、2 dB、3 dB，頻帶占比閾值分別為60%、70%、80%，程序識別準確率結果如表4所示。由表4數據可知，在相同的頻帶占比閾值下，振級差閾值越大會導致誤判率越低，漏判率越高；在相同振級差閾值下，頻帶占比閾值越高會導致誤判率越低，漏判率越高?？梢园l(fā)現(xiàn)，對于振級差閾值和頻帶占比閾值兩個參數來說，振級差閾值參數更為敏感，要綜合選取最合適的參數達到最好的識別效果。在當前工況下，振級差閾值和頻帶占比閾值分別為2 dB和70%時，扣件單側彈條失效的識別準確率可達100%。由此可知，選用2 dB的振級差閾值和70%的頻帶占比閾值有利于提高識別準確率。綜上，后續(xù)分析時，以上參數按照窄帶譜帶寬10 Hz，振級差閾值2 dB，頻帶占比閾值70%的方式進行選取。

2.4 程序可靠性驗證

2.4.1實驗室測試數據驗證

考慮到實際現(xiàn)場中扣件出現(xiàn)失效的情況具有一定的隨機性，因此本節(jié)主要針對程序的可靠性進行驗證。考慮到此次試驗場地內實尺模型長度有限，軌道板兩側與實際線路中的鋼軌約束狀態(tài)有一定差異，因此在試驗時只針對板正中間的扣件進行隨機拆除，激勵位置與加速度計安裝位置均位于扣件所在斷面。試驗過程中，在每次錘擊之前對目標扣件進行隨機拆除，從多次試驗結果中隨機選擇60次的試驗結果，并分為3組不同的隨機驗證工況。當扣件彈條拆除時記錄為“1”，當扣件保持原安裝狀態(tài)記為“0”。進行驗證試驗過程中軌腰和軌底測點在該測試工況下存在扣件失效記錄為“1”，扣件狀態(tài)正常記錄為“0”。評價該位置扣件狀態(tài)時采用軌腰和軌底的測點共同進行判斷，只有當軌腰及軌底測點同時判斷該扣件不存在失效時，試驗結果記錄為扣件正常；當軌腰或軌底外側測點中至少1個測點判斷扣件存在失效時，試驗結果記錄為扣件失效。如無特殊說明，后文在進行試驗過程中均按此過程進行。3組隨機試驗的識別結果如表5所示。

表4 不同振級差和頻帶占比閾值下的扣件失效識別率/(%)Table 4 Fastening system failure identification rate under different vibration level threshold and percentage threshold

表5 不同驗證工況下扣件失效識別結果Table 5 Identification results of fastener failure under different validation cases

由表5結果可知，驗證工況1 的程序識別準確率達100%；在當前的判斷準則下，驗證工況2及驗證工況3各出現(xiàn)了一組誤判情況，但不存在漏判。三組驗證試驗下的程序識別準確率均在95%以上。以上驗證結果可以說明，該算法有較好的可靠性。

2.4.2京沈高鐵現(xiàn)場應用驗證

本文的現(xiàn)場應用驗證試驗在京沈高鐵正線開展，現(xiàn)場的軌道結構類型為CRTSIII型板式無砟軌道，扣件采用WJ-8B型彈條，扣件節(jié)點間距為630 mm，無砟軌道結構由鋼軌、彈性扣件、軌道板、自密實混凝土層、隔離層以及具有限位結構的鋼筋混凝土底座等部分組成。在現(xiàn)場測試中，我們通過手持式數據采集儀進行現(xiàn)場設置扣件失效病害前后的軌道結構動力響應數據的采集，并應用病害識別算法的即時分析來實現(xiàn)對于扣件狀態(tài)的檢測，采用彈簧懸掛和磁鐵支座固定加速度計的安裝方式，可以實現(xiàn)對于軌腰和軌底測試位置的快速移位和安裝。

由于京沈段剛開通，軌道狀態(tài)良好，尚未出現(xiàn)扣件失效情況，征得上級主管部門同意，我們在現(xiàn)場采用與實驗室相同的方式進行了扣件失效模擬試驗?，F(xiàn)場測試的兩種工況分別為：1)扣件單側彈條失效；2)扣件雙側彈條失效。在京沈段對于2種不同失效工況分別進行50次錘擊測試，測試得到的激勵力幅和扣件正常及失效條件下的鋼軌振動響應結果如圖9所示。

現(xiàn)場測試時激勵點位置仍為扣件斷面處鋼軌頂面正中位置，選取扣件斷面位置的軌腰及軌底測點共同進行失效識別判斷，采用本文的病害識別程序檢測扣件狀態(tài)的識別準確率如表6所示。

圖9 現(xiàn)場測試數據Fig.9 Field test results

表6 現(xiàn)場測試扣件失效識別準確率Table 6 Fastening system failureidentification rate on field test

從表6中的數據結果可以看出，利用該識別程序在現(xiàn)場進行扣件失效識別時，識別的準確率能達到94%以上，檢測結果的準確率高。值得說明的是，我們進行50次試驗是為了驗證算法的魯棒性，對于同一扣件位置盡管會出現(xiàn)在某一次的結果中未識別的情形，但在后面的幾次測試結果仍然可以檢測出失效，因此在以后的現(xiàn)場檢測過程中，每個測點敲擊3次進行分析判斷，現(xiàn)場測點位置的加速度傳感器安裝控制在20 s完成，力錘敲擊鋼軌的測試過程可以控制在5 s敲擊3次的作業(yè)頻率，根據振動加速度曲線的衰減時間，可以保證前后兩次的振動響應結果不疊加，對于某一個測點位置檢測時間控制在30 s左右，現(xiàn)場每個扣件位置的測試流程和每一步所用的時間如圖10所示。在振動加速度傳感器的下方附有磁座，測試時只需將測點進行移動，根據下文的分析只要保證測點安裝位置偏差小于6 cm，均能保證算法識別的魯棒性。本文的扣件失效的檢測效率相比人工檢測方式稍有下降，但存在很多明顯的優(yōu)勢。通過本文的病害識別方法檢測準確性更高，設備的使用對人的依賴性和經驗性顯著下降，且通過振動響應獲得的數據信息更加全面、可靠。因此，本文提出的病害識別方法對于人工經驗難以判別的情況下，配合人工巡檢共同完成對于扣件失效的檢測是有必要的。

圖10 現(xiàn)場測試流程及所用時間Fig.10 Field test process and time

2.5 鄰近扣件失效影響

根據調研結果，現(xiàn)場除存在單個扣件彈條失效外，通常還存在多個扣件連續(xù)失效等情況[26]。當待檢測扣件附近存在其他失效扣件時可能會對當前扣件的識別結果造成影響。因此，本節(jié)主要分析目標扣件附近存在其他失效狀態(tài)扣件時，程序對扣件失效識別準確性的影響。扣件組合失效工況及對應的識別結果如表7所示。

根據表7的識別結果，對于扣件雙側彈條失效、彈條連續(xù)失效及彈條間隔失效三種工況，程序識別的準確率均可達100%。經分析可知，當扣件狀態(tài)正常時，由軌腰及軌底振動測點判斷結果未出現(xiàn)任何誤判情況，但當扣件發(fā)生不同類型的失效后，軌腰及軌底外側測點振動響應發(fā)生了顯著變化，因此程序可以較好地對扣件失效狀態(tài)進行識別。隨著彈條失效數量的增加，鋼軌振動響應將更加不同于扣件狀態(tài)正常下的鋼軌振動響應，因此扣件失效的識別準確性更好。綜上可知，當待檢測扣件附近存在其他失效扣件時基本不會對程序的識別準確率造成影響。

表7 不同扣件失效方式下的識別結果Table 7 Identification results of different fastener failure modes

2.6 測點安裝位置影響

為了進一步評估不同測點位置對于識別結果的影響，保持2.5節(jié)試驗工況不變，進一步增加了兩相鄰扣件跨中位置處的鋼軌斷面安裝振動加速度計，從而比較不同測點所在斷面及位置對于識別結果的影響。限于篇幅，故僅給出不同位置處的識別準確率，匯總如表8所示。

表8 不同測點位置下扣件失效識別準確率/(%)Table 8 Identification accuracy rates of fastening system failure under different sensor fixing position

從表8結果可知，對于不同扣件失效工況而言，當測點位置位于目標扣件所在的鋼軌斷面時，程序的識別準確率明顯高于測點安裝于鄰近跨中位置斷面。利用扣件上方的軌腰及軌底測點進行識別時，準確率可達95%以上。因此，在利用本文提出的程序算法進行扣件失效識別時，建議將測點安裝位置位于待檢測目標扣件所在位置的鋼軌軌腰及軌底外側，用兩個位置的測點共同判斷軌道病害。

3 操作偏差對識別準確率的影響

由于脈沖激勵在現(xiàn)場需要人工進行施加，不同操作者的操作習慣可能對識別結果造成影響。本節(jié)主要研究操作誤差對扣件失效識別準確率的影響，以扣件出現(xiàn)單側彈條失效為例，激勵點位于待檢測目標處，選取扣件位置的振動響應作為判斷標準，分別研究激勵點位置偏差和測點位置偏差的影響。

3.1 激勵點位置偏差影響

本節(jié)主要研究激勵點位置的偏差對扣件失效識別準確率的影響。測點位置位于目標扣件對應的鋼軌軌腰及軌底外側并保持不變，分別研究激勵點位于扣件正上方以及偏移2 cm、4 cm、6 cm、8 cm共計5個工況下激勵點位置偏差對于識別準確率的影響，如圖11所示。每個工況下各進行20組錘擊試驗，其中包含10組扣件狀態(tài)正常試驗，10組扣件單側彈條失效試驗。利用本文算法進行識別后得到的結果如表9所示。

圖11 激勵點位置偏差示意圖 /cm Fig.11 Sketch of the deviation of the excitation position

表9 激勵點偏差對識別結果影響Table9 Influence of excitation position deviationson identification accuracy

從表9結果可知，當測點位置保持不變時，激勵點位置出現(xiàn)偏差后對于識別結果影響較小。當力錘激勵位置偏差超過6 cm 以上時，20組試驗中僅出現(xiàn)了一組漏判情況，導致識別準確率由100%下降至95%。整體來看，激勵點位置偏差對于本文提出的識別算法影響較小，即沿線路方向上，當激勵點位置距目標扣件所在位置的偏差小于6 cm 以內時可以保證大于95%的識別準確率。

3.2 測點位置偏差影響

本節(jié)主要研究當測點安裝位置在沿線路方向上出現(xiàn)偏差后對于扣件失效識別準確率的影響。保持激勵位置不變，分別研究測點位于扣件正上方以及偏移2 cm、4 cm、6 cm、8 cm 共計5個工況下測點安裝位置偏差對于識別準確率的影響，如圖12所示。每個工況下各進行20組錘擊試驗，其中包含10組扣件狀態(tài)正常試驗，10組扣件單側彈條失效試驗。利用本文算法進行識別后得到的結果如表10所示。

圖12 傳感器安裝位置偏差示意圖/cm Fig.12 Sketch of deviationsof sensorsfixing position

表10 測點偏差對識別結果影響Table 10 Influence of sensor fixing position deviation on identification results

從表10結果可知，當激勵點位置保持不變時，測點位置出現(xiàn)偏差后對于識別結果有一定影響。當測點位置距離扣件中心線偏差從0 cm 增大至8 cm 時，識別準確率由100%下降至80%。當傳感器安裝位置偏差在6 cm 以內時，程序識別準確率可達95%。由此可見，當現(xiàn)場進行操作時，建議傳感器安裝位置距離目標扣件中心線的偏差不大于6 cm，此時可以保證至少95%的識別準確率。

4 結論

本文對高速鐵路無砟軌道扣件失效識別方法進行了研究，通過開展場地1∶1實尺模型試驗，采用人工移除扣件彈條的方式模擬扣件失效，根據自編程序設計了針對扣件失效狀態(tài)的識別算法，并對程序的可靠性進行了驗證。利用該算法，分析了測點安裝位置、鄰近存在非目標失效扣件以及人為操作誤差等因素對于識別準確性的影響，得到的主要結論如下：

(1)提出了基于脈沖激勵下鋼軌振動響應的扣件失效識別算法，通過將鋼軌加速度進行頻譜分析后，按照窄帶譜的頻帶劃分方式識別效果優(yōu)于倍頻程譜的頻帶劃分方式，當選取頻譜帶寬10 Hz，振級差閾值2 dB，頻帶占比閾值70%時針對單目標扣件失效的識別準確率可達100%。

(2)當待檢測目標點扣件相鄰扣件中存在失效情況時，該算法對目標扣件失效的識別準確率最高可達100%，說明當待檢測扣件附近存在其他失效扣件時基本不會對程序的識別準確率造成影響。

(3)當測點安裝位置位于待檢測目標扣件對應鋼軌斷面時，程序識別的準確率可達95%以上，識別準確率明顯高于將測點安裝于相鄰兩扣件跨中的鋼軌斷面。

(4)在京沈高鐵正線開展了扣件失效識別驗證，識別準確率在94%以上?，F(xiàn)場通過手持式數據采集儀與病害識別算法的即時分析來實現(xiàn)對于扣件狀態(tài)的檢測，保證單個扣件位置的檢測時間控制在30 s左右，實現(xiàn)在人工經驗難以判別的情況下配合人工巡檢進行扣件狀態(tài)的檢測。

(5)激勵點位置偏差對于程序識別準確率影響較小，測點安裝位置偏差對于程序識別準確率影響較為明顯。在沿線路方向上，以扣件中心線為基準，當激勵點位置與基準位置的偏差小于6 cm、測點位置與基準位置偏差不大于6 cm 時程序對于扣件失效的識別準確率在95%以上。