基于分布式声学传感的CRTSⅡ型轨道板离缝上拱检测技术

高 亮，周陈一，黄伊琛

(1.北京交通大学 土木建筑工程学院，北京 100044；2.轨道工程北京市重点实验室，北京 100044)

CRTS Ⅱ型无砟轨道作为我国高速铁路无砟轨道的主要结构形式，在我国累计铺设已超过9 000 km[1]。CRTS Ⅱ型无砟轨道是由轨道板、CA砂浆层及底座板组成的多层异质材料复合结构，由于存在后浇结构的特点，结构层间的新老混凝土结合面容易成为薄弱环节[2]。在长期列车冲击、温度循环荷载及层间约束条件劣化等因素作用下，结构层间黏结易发生破坏[3]，在极端温度荷载下，离缝将进一步发展。根据现场调研，某高速铁路线路部分地段在夏季的垂向离缝上拱高度最大可达到10 mm[4]。这不仅带来了严重的轨道不平顺，影响行车安全，还会伴随一系列轨道主体结构破损的次生病害，在列车动力冲击下进一步恶化线路状态。

目前，我国高速铁路运营部门对无砟轨道离缝上拱的检测主要依靠夜间天窗人工检测，效率较低且精度较差。国内外学者针对这一问题也开展了大量研究。武思思[5]、赵佳[6]、廖红建等[7]分别提出了基于轨道板模态、冲击回波测试及探地雷达等方式的识别方法，但均为人工地面检测，单个断面的测试就需要布设大量的传感设备，推广应用难度较大。Ma等[8]及Li等[9]则采用轨检车动检数据，通过卷积神经网络及时频域分析等手段，识别轨道板病害病害。其局限性主要在于轨检车只能用于周期性检测(通常半月一次)，无法掌握轨道结构的实时状态，而轨道结构离缝上拱在极端恶劣条件下发展速度较快[10]，一旦在运营期间突发病害，将严重影响行车安全和舒适。

分布式光纤传感技术采用光纤作为唯一的信息获取及传输元件，利用光纤内在的散射特性，连续测量沿线温度及应变等物理量[11]。其广域、实时测试的特点与轨道结构单向延伸、长期服役的特性相适应，在铁路健康监测领域已成为国内外研究热点。Yoon等[12]率先通过在钢轨轨腰粘贴光纤的方式，测试了长度为2.8 m的钢轨在室内垂向力作用下的纵向应变分布，空间分辨率和应变测试精度分别达到了3.8 cm和15×10-6。Minardo等[13]在有砟线路上构建了长度为60 m的试验工点，通过在轨底以上30 mm的轨腰位置处粘贴光纤，实现对钢轨动态应变的初步测试及列车轮对定位。Bao等[14]通过在钢轨上粘贴光纤，对长度1 km范围内的钢轨接头轨缝进行了长期监控。然而，既有研究大多基于较为传统的布里渊散射光时域反射技术(BOTDR)，其缺点在于只能实现准静态测试，文献中已知的最高采样频率仅为31 Hz，且应变测试精度相对较低，无法满足高速铁路高频动力响应的精确测试需求。

相比之下，基于相位敏感型光时域反射原理(φ-OTDR)的分布式声学传感技术(Distributed Acoustic Sensing，DAS)，通过捕捉光纤中强度更强的瑞利后向散射特征，测试广域范围内结构动态应变，其测试精度、采样频率及空间分辨率均显著优于传统分布式传感技术[15]。在相关研究中[16-17]，DAS测试范围可达数十公里，空间分辨率最小可达0.3 m，应变测试精度达到亚微应变级别。因此，近年来DAS在结构动态应变精确测量方面的能力越发得到认可和关注，在输油管道[18]、输电装置[19]及海底光缆[20]等结构的健康监测中已经开展了一系列尝试。然而，由于相关测试理论的缺乏，DAS在铁路领域的应用仅局限于少量对列车位置[21]和异常事件[22]的定性判断，尤其在轨道结构健康监测方面仍属空白。

为此，本文率先从理论角度对DAS技术在高速铁路轨道结构健康监测中的可行性开展基础研究。通过构建车辆-CRTSⅡ型无砟轨道耦合动力学分析模型，仿真模拟DAS系统采集得到的钢轨动态应变光谱信号，首次提出基于光谱轨迹信号特征量的轨道板离缝上拱识别及定量分析方法，并分析行车速度及线路线型对结果的影响。

1 分布式声学传感技术应变测试原理

钢轨作为轨道系统最为重要的组成部分，直接承受并引导列车运行，并将上部荷载传递到轨下结构。轨道板离缝上拱的出现，会显著改变线路几何行为和轨下支承情况，最终以异常受力及变形的形式体现在钢轨上。因此，将钢轨作为直接测试对象，捕捉列车通过上拱离缝区域时的钢轨异常动力响应，从而识别轨道结构隐蔽病害，具有较高的理论可行性。

图1 DAS系统测试钢轨纵向应变示意图

如图1所示，DAS系统主要由两部分组成：激光脉冲发射器和光电数据采集器。测试过程中，激光发射器不断向光纤中注入脉宽为τ的激光脉冲。假设一束脉冲光的前端和后端分别为B1和B2，在某一时刻B1和B2分别到达了光纤中D1和D2位置，其距离DAS信号采集端的距离分别为X1和X2，则探测光所覆盖的光纤长度L可表示为

L=X1-X2

( 1 )

假设B1和B2到达D1和D2位置所耗费的时间分别为T1和T2，则X1和X2可以表示为脉冲光速度和传播时间，即

( 2 )

式中：c为真空中光速；n为光纤的有效折射率。

T1和T2的时间间隔即为脉冲宽度τ，由式(1)、式(2)可知

( 3 )

由此可见，探测光在任意时刻覆盖的光纤长度始终不变，该固定长度L通常被称作DAS的空间分辨率。在测试过程中，DAS以L为单位长度，依次评估单位长度范围内光纤微段的变形水平，从而反映被测物体的动态应变情况。以图 1中D1、D2之间的光纤微段为例，由于光纤介质的非均匀性，脉冲光在D1和D2截面上会产生后向传播的瑞利散射光[23]，其初始相位分别为φ1和φ2。在钢轨未受到扰动时，瑞利散射之间的相位差Δφ满足

( 4 )

式中：λ为脉冲光的波长；θ为随机的固定相位差[24]。

( 5 )

则光纤伸长导致的瑞利后向散射相位差变化ΔΦ可以表示为

( 6 )

式中：ε为光纤微段的纵向应变，ε=ΔL/L。

式(6)揭示了相位差变化和光纤纵向应变之间的线性关系。因此，通过分析瑞利后向散射的相位差变化，即可测试光纤微段的应变水平。在实际应用中，DAS不断分析每一个光纤微段的应变状态，从而获取光纤沿程的动态应变分布情况。

2 理论仿真

2.1 车辆-轨道耦合动力分析模型

如图 2所示，本文基于多体动力学理论和有限元方法，采用Abaqus软件建立车辆-轨道耦合动力模型，模拟轨道板上拱离缝对钢轨动态应变及DAS系统输出信号的影响。

图2 DAS车辆-轨道耦合动力模型

为了提高计算效率以及便于观察信号特征，车辆部分采用半车模型模拟，即将车体质量的一半通过二系悬挂与构架连接，与构架和轮对共同组成多刚体系统。由于DAS直接测试的是车轮荷载所引起的钢轨纵向应变，该指标以低频成分为主，采用整车模型和半车模型对计算结果的影响不大。车辆采用CRH3型车，建模参数参考文献[25]，具体见表1。

表1 车辆模型建模参数

轨道模型选取CRTSⅡ型板式无砟轨道，由钢轨、扣件、轨道板、CA砂浆层以及底座构成。钢轨及下部轨道结构均采用实体建模。钢轨几何不平顺采用TB/T 3352—2014《高速铁路无砟轨道不平顺谱》[26]推荐的随机不平顺，波长范围为2～200 m，通过修改钢轨节点坐标进行添加。模型总长度为52 m，包括8块轨道板的范围。扣件系统采用多根三向弹簧-阻尼单元进行建模，扣件纵、横向阻力为30 kN/mm，垂向刚度为50 kN/mm[27]。根据现场调研及相关文献，轨道层间离缝上拱主要集中在轨道板与CA砂浆层界面之间[28]。因此仅在轨道板与CA砂浆之间设置病害，认为CA砂浆层与底座板之间黏结状态良好，采用绑定约束。对于离缝上拱区段，对轨道板板底施加位移荷载，带动轨道结构整体发生变形，并将上下界面设置为接触，模拟界面间的相互“拍击”。假设离缝横向贯穿轨道板，纵向上从板边开始延伸至板中，上拱离缝量hd(z)分布采用余弦函数[29]模拟，即

( 7 )

式中：z为上拱范围内某一点到离缝边缘的距离；Lslab为轨道板的长度，此处取为CRTSⅡ型板式无砟轨道板长的一半3.25 m；A为最大上拱量幅值。

利用上述模型，计算行车速度为200 km/h，轨道结构正常条件下轮轨垂向力、钢轨垂向位移、扣件压力等指标。由于缺少CRTSⅡ型无砟轨道实测数据，而CRTSⅠ型无砟轨道轨下结构对钢轨的垂向限位能力与CRTSⅡ型无砟轨道区别不大，因此采用CRTSⅠ型无砟轨道的实测数据进行对比验证。文献[30]中遂渝线CRTSⅠ型板的测试结果与本文的仿真结果见表2。由表2可以看出，本文计算结果与文献中的实测结果基本一致，验证了模型的可靠性。

表2 计算结果与实测结果对比

2.2 轨道结构正常条件下DAS输出信号

正如第1节理论分析，DAS直接采集的信号为一定长度光纤微段上瑞利后向散射相位差，其与光纤纵向应变存在线性关系。假设钢轨和光纤之间黏结效果良好，钢轨纵向应变可以有效传递到光纤上，因此可以将钢轨纵向应变作为DAS的输出信号。目前，通用的DAS设备可以达到的空间分辨率为0.5 m左右，与轨枕间隔相当。利用车辆-轨道耦合动力模型，计算钢轨上每个微段的纵向动应变时程，按照空间位置进行排列，则得到由时间、空间和信号强度构成的三维光谱数据。根据材料力学理论，钢轨纵向弯曲应变与检测位置到中性轴的距离成正比，在不影响线路运营安全的前提下，光纤粘贴位置越远离中性轴，测试效果越好。因此，采样位置在钢轨横截面上取为中性轴上方40 mm处的轨腰位置。

图 3展示了线路状态良好条件下转向架的运动过程。其中图3(a)和图3(b)展示了转向架通过过程中的钢轨应变响应情况，如图 3(b)所示，在转向架匀速通过过程中，DAS测试区段光谱显示出5条显著的平行轨迹，代表转向架在该测试区段的通过过程。其中，2条负轨迹对应前后车轮通过区段的过程，而3条正轨迹则是由钢轨反向挠曲形成的。为了便于描述，将光谱图中应变为负的轨迹称为“车轮运动轨迹”，将应变为正的轨迹称为“钢轨上挠轨迹”。

钢轨应变分布光谱反映了列车的通行过程，轨迹上的点代表了转向架在某一时刻所处的空间位置，轨迹的斜率则代表了行车速度。此外，光谱同时蕴藏着结构的健康状态信息，当轨道结构出现伤损时，一方面会放大轮轨之间的动力响应，另一方面会削弱钢轨自身的约束条件，最终造成钢轨应变响应的改变，这也是通过DAS识别轨道板离缝上拱的理论依据。

图3 正常轨道状态下转向架通过钢轨响应情况

需要注意的是，由于DAS分布式高频采集的特点，产生的数据量非常可观，对数据存储与分析带来巨大挑战。为此，如图 3(a)中红色虚线所示，采用A-A、B-B和C-C三种分割方法提取光谱特征，具体定义如下：

(1)A-A截面(图 3(c))反映某一采样位置处的钢轨应变响应时程，其测试效果与典型的点式应变传感器类似，只是传感器采样范围要大得多。

(2)B-B截面(图 3(d))反映某一时刻钢轨沿程的应变分布情况，从图像中可以明确各车轮所处位置，进而获取车辆轴距、定距等信息。

(3)C-C截面(图 3(e))代表沿着光谱中某一条轨迹进行分割。该截面提供了一种新视角来观察DAS输出信号。以前轮的通过轨迹为例，仿佛一个“可以移动的”应变传感器不断跟随着车轮运动，实时输出着车轮移动到某一位置时其正下方钢轨的应变响应，其测试效果与轨检车具有相似性。区别在于轨检车的传感器安装车辆上，实时采集车辆响应，并以此计算轨道的几何及状态信息；而上述“可移动传感器”安装在钢轨上，采集车辆通过区段时的钢轨响应，这一响应由轨上荷载和轨下结构支承刚度共同决定。

值得注意的是，DAS的空间分辨率可达到0.5 m，量级与轨检车检测间隔相当，而轨检车必须采用特殊的非运营车辆才能测试，成本较高且周期较长。相比之下，DAS可将任意一辆列车作为探针，实时检测轨道结构状态，并在一定程度上同时兼顾车辆的运动状态。这显示了DAS技术在轨道交通结构健康监测中的潜力。

以上3个截面分别提取了钢轨应变光谱的时间、空间及幅值分布特性，为原本规模巨大的测试数据提供了更为高效的分析手段。

3 基于DAS输出信号的轨道板离缝上拱识别方法

3.1 轨道板离缝上拱高度的影响

利用建立的模型，计算车速度为350 km/h、上拱离缝量为1～10 mm条件下的DAS输出信号，如图 4所示。从图4中红圈区域可以看出，离缝量的发展导致输出信号峰值、谷值均发生了明显变化，进而对钢轨上挠轨迹和车轮运动轨迹产生显著影响。

图4 不同上拱离缝量对DAS输出结果的影响

参考图 3中的B-B及C-C截面，提取上拱量8 mm条件下10 m(图中蓝色剖面)和25 m(红色剖面)处的信号时程，并提取前轮负向运动轨迹(绿色剖面)，结果如图 5所示。从图 5(a)可以看出，上拱区域和非上拱区域应变时程正应变幅值基本一致，而上拱区域负应变显著大于非上拱区域。

图 5(b)展示了前轮通过测试区段过程中车轮正下方钢轨的应变响应。在车轮尚未进入上拱区域时，轨迹信号变化幅度不大，说明轨下支承条件基本一致。当车轮进入上拱区域后，首先钢轨负向应变显著增大，这是由于轨道板与砂浆层之间的缝隙被车轮荷载瞬间压至密贴状态，导致钢轨动挠度明显放大。图5(b)中①位置即代表离缝被彻底压实时的钢轨应变，将该谷值定义为压实谷值。之后，离缝上下界面发生剧烈冲击，导致钢轨向上回弹，直至回到平衡位置，此时轨迹信号峰值定义为平衡峰值②。由于工况中离缝量较大，钢轨应变甚至恢复到了0附近，说明轮轨之间因巨大的动力效应而出现脱离。最后，车轮因重力再次冲击在钢轨上，使钢轨负向应变达到最大，此时钢轨动挠度达到最大，将该信号谷值定义为极限谷值③。之后车轮在钢轨上反复颠簸，直至离缝上拱的影响完全消失。

图5 不同区域应变响应时程及车轮运动轨迹数据

由以上分析可知：压实谷值①反映了上拱离缝能够被完全压实的程度；平衡峰值②反映了钢轨回弹过程中能够达到的最大反向挠曲，可以作为行车过程中轮轨是否出现严重减载甚至脱离的依据；极限谷值③则反映了车轮经过时最大异常动力响应的剧烈程度。以轨道结构正常情况作为基准，分别提取不同离缝量下上述三个指标的变化量如图 6所示。

图6 不同上拱离缝量条件下DAS轨迹信号特征值变化量(v=350 km/h)

由图 6可以看出，随着离缝量的增大，轨迹信号的压实谷值和极限谷值均逐渐减低，其相关性较强，可以作为离缝量识别的判断依据。而平衡峰值在离缝量7 mm以下时变化较为显著，而在7 mm以上时变化不大。这是由于车速350 km/h条件下，7 mm的离缝量足以使轮轨之间发生脱空，更大的离缝量对平衡峰值的影响不大。因此，通过提取DAS输出信号中的轨迹特征量，利用离缝量与压实谷值、极限谷值间相互对应的特性，可以实现对轨道板离缝量的定量判断。

3.2 测试噪声对识别准确性的影响

在实际测试过程中，随机测试噪声不可避免，因此以下针对测试噪声对离缝上拱定量识别准确性的影响进行分析。由3.1节计算结果可知，因轮轨二次冲击而产生的极限谷值对上拱量发展最为敏感，其关于上拱量的线性拟合函数为

Δy=-16.546x-6.805

( 8 )

式中：Δy为极限谷值变化量；x为离缝上拱量。式(8)的拟合优度R2=0.986 9，说明极限谷值与上拱量存在较强的线性关系，可将其作为评估病害程度的主要指标。以下根据DAS轨迹信号的统计特征，分析仅采用极限谷值作为评估指标时，轨道板离缝上拱定量识别的准确。

不考虑测试噪声，对于轨迹时程信号ST={ε1,ε2,…,εn}T，其中n为轨迹信号的长度，假设ST的统计均值为μ，统计方差为σ2，即

E(ST)=μ

( 9 )

(10)

式中：E(ST)为ST的期望；D(ST)为ST的方差。

而对于离散时间序列，其信号功率P(ST)可表示为

(11)

SNR=10×lg[P(ST)/P(SN)]

(12)

结合式(11)和式(12)可知

P(SN)=10-SNR/10×P(ST)

(13)

通常情况下，噪声序列应当服从正态分布，假设其均值E(SN)=0，方差为D(SN)，则信号功率可表示为

(14)

结合式(13)和式(14)可知

D(SN)=10-SNR/10×(μ2+σ2)

(15)

因此，在已知原始信号及信噪比水平的前提下，可以根据式(15)得到噪声信号的分布特征，进而估算噪声信号的置信区间。在本算例中，当轨道结构处于正常状态时，轨迹信号的平均值μ=-84.17×10-6，方差σ2=46.10×(10-6)2。若信噪比为13 dB(噪声能量占总信号能量的5%)，则噪声信号应当服从均值为0的正态分布，即有SN～N(0,18.902)。

由式(8)可知，当上拱量发展1 mm，极限谷值平均变化约为16.55×106ε。对于噪声信号SN，当噪声波动范围大于极限谷值的实际变化量时，则可能影响对离缝上拱病害的定量判断。利用正态分布累积分布函数，可以计算噪声幅值SN不超过极限谷值变化量Δy的概率，即

P(|SN|≤Δy)=F(Δy)-F(-Δy)

(16)

式中：F(·)为测试噪声所服从正态分布的累计分布函数。在此条件下，可以认为因病害而造成的极限谷值变化不会被噪声掩盖，能够较为显著的反映轨道板离缝上拱程度。

表 3计算了不同上拱量条件下，噪声幅值不超过极限谷值变化量的概率，以此作为评估上拱量识别准确性的指标。可以看出，当上拱量小于2 mm时，识别准确性一定程度上会受到测试噪声的影响；而当上拱量大于2 mm时，极限谷值变化均显著大于测试噪声，因此不会受到噪声显著影响。此外，测试噪声可通过Savitzky-Golay滤波等时域滤波手段进一步削弱。

表3 噪声波动范围对离缝上拱定量判断的影响

值得注意的是，尽管上拱量较小时，噪声波动范围与极限谷值变化幅度存在一定重叠，但以上分析仅针对单一车轮产生的轨迹信号。在实际测试过程中，列车上的每一个车轮都将形成各自的轨迹信号，相当于对同一区段的轨道状态进行多次独立重复检测。通过综合考虑各次检测的识别结果，可以进一步降低识别误差。综上所述，可以认为提出的轨道离缝上拱检测技术能够有效避免测试随机噪声的干扰，上拱量发展过程中轨迹信号的敏感表征会发生较为明显变化，从而实现对上拱量的毫米级定量判断。

3.3 行车速度对定量判断的影响

以下分析速度改变对离缝量定量判断的影响。采用相同的方法，模拟行车速度为250 km/h条件下的DAS输出信号，并提取不同离缝量条件下轨迹特征量，如图 7所示。压实谷值、平衡峰值及极限谷值随离缝量的变化趋势与350 km/h车速条件下基本一致。各特征量与离缝量之间均存在较强的相关性。只是平衡峰值的平台出现相对较晚，这是由于较低车速条件下，轨道板上拱只能使车轮出现减载，无法使轮轨之间彻底脱空。由此可见，车辆运行速度的改变并不会影响DAS输出信号对轨道板上拱离缝量的表征能力。

图7 不同上拱离缝量条件下DAS轨迹信号特征值变化量(v=250 km/h)

3.4 曲线地段对定量判断的干扰

以下重点分析在曲线地段对DAS输出信号的影响，并研究相应的解决方法。根据TB 10621—2014《高速铁路设计规范》[31]，行车速度350 km/h条件下无砟轨道一般最小半径为7 000 m。通过修改节点坐标，将曲线半径导致的横向偏移量施加于钢轨截面上。

以上拱离缝量4 mm为例，图 8对比了线路直线区段和曲线区段DAS应变输出轨迹信号。图中直线区段钢轨左、右两侧各自测量的前轮运动轨迹信号的幅值和趋势基本一致。因此，对于直线区段只需要对钢轨单侧的纵向应变进行测试，即可掌握线路的离缝上拱状态。曲线外股钢轨内、外两侧的测试结果相较于直线区段，外轨外侧测试结果明显偏大，而外轨内侧测试结果则相对偏小。

图8 不同线型对DAS轨迹输出信号的影响

其原因在于，在直线区段，轮轨横向力相对较小，可以近似认为DAS所测得的钢轨纵向应变完全由轮轨垂向力引起。而转向架通过曲线区段时，除垂向荷载外，钢轨还同时承受着由于轮轨横向力及车轮偏载导致的弯矩和扭转(如图9所示)，使得钢轨横截面上的应变分布更加复杂。以外股钢轨为例，钢轨受到指向曲线外侧的轮轨横向力作用，导致钢轨外侧受拉而产生符号为正的纵向应变，与垂向力导致的纵向应变叠加，导致外侧光纤测得的信号偏大。同样的，钢轨内侧受压而产生的负值纵向应变，使内侧光纤测得的信号相对偏小。

图9 光纤布置及钢轨受力情况

由此可见，曲线区段轮轨横向力会对DAS输出信号产生较为显著的干扰。若仅采用钢轨一侧的测试结果，则可能会得到偏大或偏小的结果，导致误判或漏判。为此，如图 9所示，在曲线区段钢轨两侧同时设置光纤，距离轨腰中性轴的距离均为hu，轮轨作用点偏心距为δ和ξ，垂横向力为Fv和Fl。考虑应力正负号，截面上内、外侧光纤处的纵向应变为

(17)

式中：E为钢轨弹性模量；σMx、σMy分别为垂、横向弯矩Mx、My产生的弯曲应力；σTz为扭矩Tz产生的翘曲正应力，Tz=Fv·δ-Fl·ξ。式(17)中两式相加得到式(18)，可消除水平弯曲和扭转的影响，使叠加后的修正信号ε′只对钢轨垂向弯曲敏感，即

(18)

式中：Ix为钢轨截面对x轴的惯性矩。

曲线区段钢轨内外侧输出信号的叠加结果如图 10所示。叠加后的信号与直线区段测试结果基本一致，证明可以通过上述方法消除曲线区段对测试结果的干扰。

图10 内外侧信号叠加消除曲线干扰

4 结论

本文通过构建高速铁路车辆-轨道耦合动力分析模型，基于分布式声学传感技术(DAS)应变测试原理，仿真计算了CRTSⅡ型无砟轨道轨道结构正常及不同离缝上拱条件下的DAS输出信号，通过分析模拟数据特征，得到如下结论：

(1)DAS输出信号是由时间-空间-信号强度构成的三维光谱数据，列车通过过程会在光谱上形成“光带”状的轨迹，轨迹斜率代表列车瞬时速度。提取的光谱轨迹信号，能够反映车轮运动到某一位置时其正下方钢轨的动态变形情况，为评估轨下结构支承性能提供了一种全新的角度，可补充轨检车巡检周期外的状态感知空白。

(2)轨道板离缝上拱对DAS输出信号影响显著。提取车轮经过上拱区段形成的轨迹信号，其信号特征量压实谷值和极限谷值与离缝量存在较强的线性关系，可定量表征轨道板的上拱程度；特征量平衡峰值在离缝量相对较小时，随离缝量线性变化，当离缝量较大时则变化较小，可作为轮轨是否发生脱离现象的判断依据。

(3)从概率分布角度，分析了测试过程中随机噪声对识别准确性的影响，结果表明噪声对测试效果影响并不显著，可通过滤波手段及综合考虑多轮测试结果，进一步提高测试准确性。通过分析行车速度及曲线区段对DAS输出结果的影响，可知行车速度对轨道板离缝上拱识别的影响较小，而曲线区段影响较大，可能造成漏判或误判情况。为此，提出了基于双股光纤对称布置的方法对DAS信号进行修正，可削弱曲线对测试结果的干扰。