海量GPR检测数据负载均衡并行处理技术

探地雷达单机处理软件性能较低,难以满足较长里程或周期性检测的海量数据处理场景需求。针对这一问题,本文在集群模式下基于Hadoop平台的MapReduce并行计算框架,采用HDFS和MySQL的混合存储方法,对数据流进行细粒度切片,建立主从节点架构的动态调度模式,实现海量检测数据的负载均衡并行处理。在Linux系统搭建了1主+8从的Hadoop集群环境并对其进行了测试试验。结果表明:动态调度可使迭代算法达到负载均衡,高复杂度算法适用于并行处理,性能可提升100倍左右,加速比接近物理核数。     

基于探地雷达的路桥过渡段病害检测识别方法

由于桥梁护轨与路基的结构差异导致过渡段处探地雷达信号出现边界效应干扰,无法判读该区域路基结构与病害情况。针对这一问题,本文提出了一种探地雷达信号边界效应压制算法。首先定位探地雷达信号中桥梁的里程范围,采用适当的重采样方法,形成滤除桥梁结构的时空过滤筛,再进行常规信号处理,最后将桥梁结构的探地雷达信号移回相应位置,得到最终的处理结果。采用实测数据进行了测试试验。结果表明:经该方法处理后,过渡段处探地雷达图像信噪比显著提高,可以更准确地辨识下沉、含水异常等病害以及道床与基床表层界面。     

铁路隧道检测与监测技术的现状及发展趋势

总结了铁路隧道检测与监测技术的现状,介绍国内外新的检测与监测技术,根据当前隧道建设特点和现场实际情况,指出了隧道检测与监测技术仍存在的数据传输速度慢、人工识别效率低、检测与监测体系不完善3大问题。针对这些问题,结合最新的科学技术进展,分析了隧道检测与监测技术的发展趋势。     

基于无人机的重载铁路线桥隧巡检作业体系研究

结合朔黄铁路现状和相关标准分析了无人机巡检需求。通过对比国内外无人机类型及特点,建议采用国内大疆M300RTK无人机平台以及P1、H20相机,L1激光雷达进行线桥隧巡检。根据桥梁、路基和隧道洞口的巡检要求,提出了线桥隧的巡检作业模式。从无人机作业管控、数据存储和智能识别、统计分析和综合展示三个方面开发了无人机巡检系统。建议编制无人机巡检管理类、技术类标准。从无人机平台和载荷、巡检作业模式、巡检系统和标准体系四个方面构建的重载铁路线桥隧无人机巡检作业体系,能提高线桥隧巡检的安全性和工作效率。     

铁路GPR检测数据智能管理分析系统的研究与设计

为提高铁路基础设施检测探地雷达数据处理效率,提出了一种铁路探地雷达(GPR)检测数据智能管理分析系统方案。结合铁路基础设施检测工程需求与探地雷达数据特点,开展系统需求分析和设计。优化数据管理、工作流处理、交互解释和统计分析等步骤,克服目前软件的不足;利用Hadoop大数据技术进行多通道探地雷达数据的快速处理,实现海量探地雷达文件的并行计算;利用深度神经网络技术对探地雷达图像进行智能识别。对高铁隧道衬砌检测车采集的数据进行系统应用测试,测试效果显示,该系统可以提高探地雷达检测数据的管理和处理效率,推动铁路基础设施探地雷达检测向信息化、智能化和标准化发展。     

铁路路基地质雷达检测数据智能里程校正方法

针对铁路路基地质雷达(Ground Penetrating Radar,GPR)检测数据里程校正效率低的问题,提出了一种智能里程校正方法。以GPR原始检测数据为数据源,通过构建特征向量和支持向量机识别模型,实现桥梁的智能识别;再根据桥梁里程进行回归计算,得到GPR检测数据的实际里程。采用京九线路基检测数据进行测试,结果表明,本文提出的铁路路基GPR检测数据智能里程校正方法具有较高的精度,里程校正误差约2 m,满足铁路路基检测工程的实际需求。     

探地雷达铁路检测大数据多线程并行处理方法北大核心

为了提升探地雷达(Ground Penetrating Radar,GPR)数据信号处理算法的性能,建立了一种适用于单机模式的多线程并行处理方法。分析了GPR信号处理算法的并行性特征,对文件头和数据道分离存储以支撑任意道集的细粒度数据划分,采用简便的静态调度实现并行任务调度。对5种常用算法进行了串并行对比试验。结果表明:复杂度较高的算法更适宜进行并行化改造,加速比约为硬件环境物理核数,线程数可根据物理核数和CPU线程数进行优选。当数据量变化时,算法的并行加速比保持稳定,表现出良好的适应性。     

有砟铁路路基层位变形智能识别方法

针对探地雷达单期数据无法获取路基层位变化情况的问题,提出了一种基于周期性检测的铁路路基层位变形智能识别方法。首先采用YOLO v5模型识别雷达图像中的桥梁设备,通过与设备表模糊匹配实现多时相数据的里程配准,再基于U-Net模型对多期数据中的路基层位线进行准确识别,最后根据年变形量提取路基显著变形的里程范围,为养护维修决策提供数据支撑。采用实测数据进行了测试试验。结果表明：多期数据配准精度满足应用需求,自动识别的层位线与人工追踪结果相近,有效提升了探地雷达周期性检测数据的处理效率和精度,为铁路路基层位变形检测提供了一种新方法。