La détection acoustique distribuée peut être utilisée pour analyser les vibrations des câbles à fibres optiques longeant les voies ferrées afin de détecter les problèmes d’infrastructure, tels que les écrans antibruit défectueux bordant les voies. Image source : Yuanyuan Yao, Xuping Zhang, et al.

 Les réseaux ferroviaires sont vastes, ce qui rend difficile la mise en œuvre d’une surveillance de sécurité complète et continue. Des chercheurs chinois ont suggéré d’analyser les vibrations des câbles à fibres optiques existants, enterrés le long des voies ferrées, afin de détecter les problèmes.

Dans une étude publiée le 5 mars dans le Journal of Optical Communications and Networking , le groupe de recherche a démontré par des expériences comment cette technique permet d’identifier avec succès un certain nombre de problèmes liés à la sécurité ferroviaire, notamment les roues de train défectueuses et les écrans antibruit cassés le long des voies ferrées.

Sasha Dong est professeure adjointe à l’École des transports des transports de l’Université du Sud-Est (Southeast University’s School of Transportation), à Nankin, en Chine. Elle souligne que les méthodes traditionnelles de surveillance des voies ferrées — telles que la vidéosurveillance , le radar et la détection ultrasonique — peuvent être efficaces, mais qu’elles se limitent souvent à la surveillance de points précis le long de réseaux entiers.

« Par conséquent, elles ne sont pas bien adaptées à une couverture continue le long d’une ligne ferroviaire complète et sont également plus vulnérables aux conditions météorologiques, aux facteurs environnementaux et aux contraintes d’approvisionnement en électricité », explique-t-elle.

Dong, Yixin Zhang de l’Université de Nanjiang et leurs collègues ont utilisé une technique appelée détection acoustique distribuée (DAS) pour analyser les vibrations d’un câble à fibre optique souterrain longeant une voie ferrée et ainsi détecter d’éventuels problèmes de sécurité. Concrètement, une lumière pulsée est envoyée le long du câble, et la propagation de la lumière diffusée permet de détecter et de quantifier les vibrations.

Les chercheurs ont développé des modèles d’IA pour filtrer le bruit de ces signaux et identifier les vibrations particulières associées à différents types de conditions dangereuses, telles que des roues endommagées ou défectueuses.

Sasha Dong souligne que les réseaux ferroviaires disposent déjà de vastes réseaux de fibres optiques souterrains pour les communications, ce qui signifie que ces câbles peuvent être utilisés comme support de détection sans nécessiter d’alimentation électrique supplémentaire ni la construction d’un nouveau réseau coûteux. Des stations de surveillance pourraient ainsi être installées à intervalles réguliers le long de la voie ferrée, des câbles d’extension reliant un système DAS au câble principal.

L’apprentissage automatique au service de la sécurité ferroviaire

Pour développer leur système DAS, les chercheurs ont entrepris de collecter des données sur différents problèmes de sécurité ferroviaire et d’entraîner des algorithmes d’apprentissage automatique à identifier les vibrations spécifiques associées à chacun d’eux.

Par exemple, ils ont entraîné un modèle pour détecter la trajectoire des trains à partir de données DAS. Cet entraînement a porté sur plus de 13 000 échantillons de trains circulant sur les voies, dont la direction a été confirmée grâce aux données. Ce modèle a atteint une précision de 98,75 %.

Dans le cadre d’une autre étude, les chercheurs ont prélevé des échantillons sur un train présentant des défauts d’essieu (des dommages ou des défauts sur les roues ou leurs essieux) circulant sur un tronçon de voie ferrée de 60 kilomètres à Kunming, dans le Yunnan, en Chine. Ils ont ainsi pu détecter clairement le problème : les fréquences de vibration des roues en bon état étaient principalement inférieures à 60 hertz, tandis que celles des roues défectueuses pouvaient atteindre 100 Hz.

Le DAS peut également s’avérer utile pour détecter les problèmes liés aux écrans antibruit, ces murs à panneaux situés de part et d’autre de la voie ferrée qui atténuent le bruit des trains traversant les quartiers environnants. Les chercheurs ont retiré les panneaux en caoutchouc des écrans antibruit afin de simuler des écrans défectueux et ont frappé ces derniers à plusieurs reprises avec un maillet en caoutchouc, utilisant les données sonores obtenues pour entraîner un autre modèle. Ce modèle a permis de détecter avec une précision de 99,6 % les écrans antibruit défectueux.

L’équipe a également étudié la capacité des algorithmes d’apprentissage automatique à détecter les événements anormaux sur les voies ferrées, tels que l’escalade des barrières par des personnes, les chutes de pierres sur les voies, les travaux illégaux (comme l’utilisation d’excavatrices) ou d’autres perturbations environnementales. Ces types d’événements étaient initialement plus difficiles à distinguer, mais grâce à l’intégration d’un grand nombre de données dans le modèle, les chercheurs ont pu améliorer sa précision à 97,03 % pour ces événements.

Ces résultats suggèrent que le DAS pourrait constituer un outil efficace pour la surveillance des systèmes ferroviaires. « Ce qui nous a le plus surpris, c’est qu’une simple fibre optique existante déployée le long de la voie ferrée, grâce à une modélisation et une conception algorithmique appropriées, puisse prendre en charge simultanément de nombreuses tâches de surveillance différentes », explique Sasha Dong. « Ce type d’utilisation polyvalente d’un système à fibre unique présente un grand intérêt technique. »

Dong reconnaît que ces expériences ont été réalisées en milieu contrôlé et souligne la nécessité de recueillir davantage de données vibratoires dans des conditions réelles d’exploitation de trains à grande vitesse. Néanmoins, elle affirme : « Les résultats de cette étude suggèrent que cette approche est réalisable et présente un fort potentiel d’application pratique. »

https://spectrum.ieee.org/distributed-acoustic-sensing-trains-railways