准确率超97%！光纤传感技术解锁铁路安全监测新可能
分布式声学传感技术可用于分析铁轨旁光纤光缆中的振动信号，以此检测基础设施故障，例如沿线隔音屏障损坏等问题。图片来源：研究团队
铁路网络 覆盖面极广，难以实现全面、持续的安全监测。中国研究人员提出，可通过分析埋设在铁路沿线地下的现有光纤光缆振动情况来排查故障。
在3月5日发表于《光通信与网络期刊》的一项研究中，该团队通过实验验证了该技术能够成功识别多项与列车安全相关的问题，包括列车车轮故障、铁路沿线隔音屏障破损等。
东南大学交通学院青年首席教授董智捷表示，视频监控、雷达、超声波传感等传统铁路监测手段虽有一定效果，但通常只能对铁路系统的单点位置进行监测。
“因此，这类方式难以实现整条铁路线路的连续覆盖监测，同时也更容易受天气、环境因素及供电条件限制影响。”她说道。
为此，董教授与南京大学的张益昕等人采用分布式声学传感技术，通过分析铁路沿线地下光纤光缆的振动来识别安全隐患。具体原理为：向光纤中发射脉冲光，利用散射光的传播特性检测并量化整条光缆上的振动信号。
研究团队构建了人工智能模型，对信号进行降噪处理，并识别出与各类安全隐患相对应的特定振动特征，例如车轮损伤或故障引发的振动。
董教授指出，铁路沿线地下已铺设大量用于通信的光纤网络，这意味着可直接将这些光缆作为传感介质，无需额外供电，也不必再搭建成本高昂的专用网络。只需在铁轨沿线间隔设置监测站，通过延伸光缆将分布式声学传感系统接入主干光纤即可。
机器学习 赋能铁路安全
为研发这套分布式声学传感系统，研究团队采集了各类铁路安全隐患相关数据，并训练 机器学习 算法识别每种隐患对应的特定振动。
例如，团队利用分布式声学传感数据训练模型以识别列车运行轨迹，所用训练样本超1.3万条列车行驶数据，并通过相关数据核验列车行驶方向。该模型识别准确率达98.75%。
在另一项实验中，研究团队在昆明一段60公里长的铁路上，采集了存在轮对故障（车轮或连接车轴受损、有缺陷）的列车运行样本。研究人员可清晰识别故障状态：正常车轮的振动频率主要集中在60赫兹以下，而故障车轮振动频率最高可达100赫兹。
分布式声学传感还可用于检测隔音屏障故障。隔音屏障是铁路两侧的板式墙体，用于降低列车行驶时对周边居民区的噪音。研究人员移除隔音屏障的橡胶面板以模拟故障状态，并用橡胶锤反复敲击屏障，利用采集的声学数据训练另一款模型。该模型对故障隔音屏障的检测准确率高达99.6%。
该团队还研究了 机器学习 算法对铁路沿线异常事件的识别能力，例如人员翻越轨道围栏、落石侵入轨道、挖掘机作业等违规施工行为，以及其他环境干扰。这类事件起初较难区分，但通过向模型输入大量数据，研究人员将此类事件的识别准确率提升至97.03%。
上述结果表明，分布式声学传感有望成为铁路系统监测的有效手段。“最令我们意外的是，仅依靠铁路沿线已铺设的单根光纤，配合合适的模型与算法设计，就能同时支持如此多类别的监测任务。”董教授表示，“这种单套光纤系统的多用途应用具备极高的工程应用价值。”
董教授坦言，目前实验均在可控环境下开展，亟需采集更多真实高铁运行工况下的振动数据。尽管如此，她仍表示：“本研究结果表明，该方案具备可行性，且拥有很强的实际应用潜力。”