[发明专利]一种基于探地雷达的铁路路基病害智能识别方法

说明书

本发明涉及一种基于探地雷达的铁路路基病害智能识别方法，属于铁路路基检测技术领域。该方法的实现步骤为：建立铁路路基病害智能识别软件系统，包括探地雷达数据采集、预处理、二维离散、特征提取、特征降维和构建识别模型；利用建立的智能识别软件进行铁路路基病害识别。本发明利用机器视觉、模式识别技术，代替人工判读探地雷达数据，可实现多种铁路路基病害的快速、准确、无损的智能识别，提升探地雷达检测的时效性，推动铁路路基检测的智能化。

技术领域

本发明属于铁路路基检测技术领域，涉及一种基于探地雷达的铁路路基病害智能识别方法。

背景技术

铁路路基状态检测评价是铁路养护维修的关键环节。目前检测手段中，探地雷达（GPR）是一种最为理想的检测方法。但目前国内外GPR数据处理和解释主要依靠人工判读，效率低、时效性差。因此，建立一种快速、准确的铁路路基GPR数据处理方法，是我国铁路路基检测中亟待解决的问题。

2008年起，开始出现少量铁路路基病害智能识别方法的研究。目前研究多以铁路专业工作者为主体，机器视觉、模式识别等技术背景薄弱，考虑的病害类型较少，并且未考虑道岔、桥梁等主要构筑物；以一维的单道雷达数据为识别单位，沿深度方向分段，提取一维的雷达信号特征值；最后进行模式识别的准确率不高，难以投入到实际的工程应用中。

发明内容

本发明的目的在于提供一种基于探地雷达的铁路路基病害智能识别方法，实现快速、准确、无损的铁路路基病害识别。

本发明解决其技术问题采用的技术方案是：一种基于探地雷达的铁路路基病害智能识别方法，具体包括：

（1）建立铁路路基病害智能识别软件系统

a）使用探地雷达检测正常铁路路基、包含不同类型路基病害的铁路路基、铁路桥梁、道岔，保存检测数据；

b）预处理：将检测数据进行零线校正，转换为灰度图像；

c）二维离散：将获取的探地雷达图像沿里程方向均分为若干个识别单元，每个识别单元包含50~150道数据，再将每个识别单元沿深度方向均分为若干个识别子单元，相邻的两个识别子单元有50%重叠区域；

d）特征提取：以识别子单元为单位提取各项特征值，每个识别单元的所有识别子单元的特征值构成该识别单元的特征向量，特征向量的初始维度M=识别子单元个数×特征值个数；

e）特征降维：确定降维维度N，利用主成分分析对特征向量进行降维，构建低维特征向量；

f）构建识别模型：建立支持向量机分类器，将低维特征向量输入到分类器中，训练该分类器，构建基于探地雷达的铁路路基病害智能识别模型；

（2）进行铁路路基病害识别

使用探地雷达检测待识别的铁路路基，保存检测数据；由建立的智能识别软件进行预处理、二维离散和特征提取，以降维维度N进行特征降维；利用识别模型对该段铁路路基进行识别，获取该段铁路路基每个识别单元的路基类型。

所述的路基病害包括翻浆冒泥、道床脏污、下沉、含水、空洞。

所述的特征值包括雷达图像的信号特征，如能量、方差；直方图统计特征，如均值、标准方差、平滑度、三阶矩、一致性、熵。

所述的确定降维维度N的具体过程如下：

（1）在8~M的范围内设定一系列维度值，分别利用主成分分析对特征向量进行降维，每个维度值下获取一组降维后的数据集；

（2）分别利用各组降维后的数据集重构原始数据集，计算重构数据集与原始数据集的均方根误差；

（3）在均方根误差小于0.5%的维度值中，选择最小的维度值作为降维维度N。

有益效果