报道详情

近日，美国科学促进会（AAAS）主办的全球科技新闻服务平台（EurekAlert！）以 Wavelet-based vibration analysis detects local defects in high-speed railway bridge tracks为题报道了Journal of Railway Science and Technology（JRST）期刊2025年第1期的文章： Local shortwave irregularities detection for high-speed railway bridges using wavelet energy features of train-induced accelerations（点击蓝字进入中文导读）

EurekAlert！网站报道截图

美国科学促进会（American Association for the Advancement of Science，AAAS）成立于1848年，是目前世界上最大的科学和工程学协会联合体，也是多种高影响力科学期刊的出版商，其中包括全球最具权威的学术期刊之一《科学》（Science）杂志。EurekAlert! 是AAAS运营的独立编辑、非营利的新闻发布平台，为公众提供来自世界顶尖科研机构和高校的前沿研究和重要科学新闻。 报道链接： https://www.eurekalert.org/news-releases/1099602

论文简介

Journal of Railway Science and Technology 2025年第1期发表了哈尔滨工业大学李顺龙教授团队的一项新研究，该研究针对高速铁路短波轨道病害这一严重影响行车安全与舒适性的问题，提出了一种基于桥梁振动分析的创新检测方法。与传统依赖昂贵检测列车的方式不同，该方法通过分析列车激励下桥梁加速度信号的小波能量特征，实现了更智能、高效、低成本的轨道状态监测。 研究团队发现，桥梁振动本身能够作为识别隐藏轨道病害的高灵敏指示信号。通讯作者李顺龙教授指出：“通过分析桥梁上不同传感器对细微高频振动的响应，我们无需在列车或轨道上布置传感器，就能高置信度地定位引发损伤的不平顺区域。”研究采用连续小波变换（CWT）提取桥梁振动的时频特征，并利用遗传算法优化最敏感频率区间，这种数据驱动又具有物理可解释性的技术在不同列车速度、轴重及高噪声环境下均表现出极高鲁棒性。 为验证方法可靠性，团队在32米钢箱梁桥上进行了列车-轨道-桥梁耦合动力仿真与实桥动载试验。结果显示，该方法的检测精度超过95%，能够成功识别振幅仅0.5毫米、波长约1米的细微不平顺。第一作者莫叶特别指出：“最优检测频率低于传统理论预测，这为理解桥梁动力学如何放大微弱轨道扰动提供了新视角。通过融合多传感器信号，该方法能够同时识别多个病害点，突破了传统单点检测的局限。” 该研究不仅提升了轨道病害的早期预警能力，还展示了如何将既有桥梁监测系统转化为智能诊断平台，为高速铁路智能运维提供了稳健且可扩展的解决方案，具有重要的工程应用价值与推广前景。

【扫码阅读论文原文】

https://doi.org/10.1016/j.jrst.2025.06.001.

一审：周书勤 二审：赵婧 三审：赵苗苗 原文链接：https://mp.weixin.qq.com/s/uYXUW-o7Mfu5HuKKXzYitA