1.课题来源与背景： “十四五” 规划及 2035 年远景目标纲要提出推进城市群交通一体化，加快城际、市域（郊）铁路建设。在此指引下，2021 年 4 月广东省也明确要加快大湾区城际铁路建设，打造 “轨道上的大湾区” 。随着铁路运输规模扩大，列车载重、速度和密度增加，铁路系统安全性面临更高要求，保障铁路长期安全运行成为重大课题。铁路辙叉作为关键基础设施，关乎火车运行平稳与安全。声发射的敏感性和非侵入式的特点使它非常适合钢结构的健康监测。前期研究证明了声发射技术用于辙叉状态监测的可行性,但针对不同加载条件下声发射特点的研究还比较欠缺。项目获得广东省基础与应用基础研究基金项目粤莞基金项目资助，项目经费10万元（省级），根据省财政相关经费管理办法，合理合规使用项目经费，并进行了项目决算。

2.技术原理及性能指标：声发射技术是无损检测方法之一。它是一种基于材料受力变形释放应力波这一现象，利用传感器将应力波转化成电信号来进行后续分析的技术。与其他无损检测技术相比，作为一种“被动”技术，声发射对扩展中的裂纹极为敏感，精度可达纳米级。它能够检测对象的动态裂纹、裂纹萌生及裂纹生长等，即它检测到的信息是缺陷本身发出的信息，无需外部输入信号对缺陷进行扫描。

3.技术的创造性和先进性：本项目通过分析声发射参数分布来监测Hadfield钢中疲劳损伤的演变，这与现有的仅依赖于分析信号参数趋势的声发射疲劳监测方法不同：基于参数分布的分析受参数绝对值的影响较小，因此分析的准确性受外部环境干扰较小；其次，本项目开发了基于声发射信号和机器学习技术的疲劳子阶段识别方法，结果表明机器学习分类器可以有效识别疲劳裂纹扩展的两个子阶段。和传统方法不同，基于声发射信号和机器学习技术的疲劳子阶段识别方法不需要知道结构的承载历史等信息，而且不需要计算应力强度因子以及声发射信号历史，因此非常适合在役结构疲劳子阶段的识别。

4.技术的成熟程度，适用范围和安全性：目前研究主要集中在实验室阶段，服役辙叉所处环境的噪音水平可能会更高，因此有必要在更复杂环境下对本技术进行验证与完善，进一步提高成熟度。除了轨道交通领域以外，本技术潜在应用领域还包括石油化工、电力、民用工程等领域。本技术本质上是一种被动监测技术，它不会对结构施加额外的应力或造成任何物理性破坏，具有较高的安全性。

5.应用情况及存在的问题：目前尚未在服役辙叉进行应用。

6.历年获奖情况：无。