基于GPR技术的铁路轨道监测高级技术综述

铁路轨道的亚表层评估对于安全运行至关重要，因为它允许及时检测和修复可能导致事故或脱轨的潜在结构弱点或缺陷。地面穿透雷达(GPR)是一种电磁测绘技术，可作为一种先进的无损技术(NDT)用于监测铁路轨道。该技术因轨道的多层组成(包括砖石、砾石、亚砾石和次土层区域)而特别适用于铁路应用。它可以检测缺陷，如砾石空洞、受污染砾石、排水不良和次土沉降。本文综述了近期用于不同层次的GPR数据收集的先进技术和解释方法。进一步地，本文演示了使用合成建模来校准实际GPR数据的当前技术，从而提高识别亚表特征（如砾石状况和结构异常）的准确性，并应用各种算法来细化GPR数据分析。这些包括用于分类铁路砾石类型的支持向量机(SVM)、模糊C均值和广义回归神经网络，用于高精度缺陷分类。深度学习技术，特别是卷积神经网络(CNN)和循环神经网络(RNN)，也被强调在识别GPR图像中与缺陷相关的模式方面具有有效性。本文特别关注开发卷积循环神经网络(CRNN)模型，该模型结合了CNN和RNN架构，用于高效处理GPR数据。该模型在检测能力和处理速度方面均优于传统目标检测模型如Faster R-CNN。