羅 禪 劉 偉 胥 東

中國建筑第二工程局有限公司 云南 昆明 650224

灌注樁埋深一般較大，部分灌注樁深度達(dá)到15 m以上，現(xiàn)階段的有傷檢測法一般無法滿足對灌注樁樁基檢測的工程需求，所以尋求一種新型高精度探傷方法，是解決灌注樁后期質(zhì)量管理的重要途徑。超聲法檢測技術(shù)基于不同頻率超聲在灌注樁及周圍區(qū)域的反射特征，對灌注樁深埋部分的形態(tài)、氣泡、裂隙等進(jìn)行檢測。配合復(fù)合頻率超聲反饋信號的三維成像技術(shù)，該系統(tǒng)可提供較為精細(xì)的灌注樁檢測結(jié)果。當(dāng)前，使用機(jī)器學(xué)習(xí)技術(shù)配合連續(xù)小波變換對樁基礎(chǔ)的超聲成像進(jìn)行細(xì)化分析，成為當(dāng)前樁基礎(chǔ)超聲分析的重要技術(shù)[1-5]。

1 工程概況

1.1 樁基基本情況

某樓盤為單體高層建筑，地下4層，地上主樓65層，副樓6層。其中地上主樓部分為雙箍筒結(jié)構(gòu)，單層面積1 125 m2，箍筒高度相對地坪（±0 m）193 m，基坑深度18 m。該區(qū)域為黃河中下游沖積平原與魯中南低山丘陵區(qū)的交界地區(qū)，第四系發(fā)育，厚度28～37 m，底部基巖為奧陶系鮞狀灰?guī)r，持力29.7 MPa±2.8 MPa，厚度35～47 m。鮞狀灰?guī)r頂板成單斜構(gòu)造，西北高、東南低。該個案共施工灌注樁8個，在基坑底板向下施工，深度12～17 m。灌注樁采用圓形斷面，直徑600 mm，沉鋼筋籠后使用改性M5水泥砂漿進(jìn)行帶滲透壓的壓力灌注。

鋼筋籠直徑530 mm，骨料為直徑12 mm螺紋鋼，肋料為直徑6 mm圓鋼，輔料為直徑2.5 mm鍍鋅鐵絲。鋼筋籠截面共布置22根平行骨料，肋料間距為35 mm，骨料與肋料之間，使用輔料進(jìn)行綁扎。采用分段式鋼筋籠的沉籠法，每段長度為2.8 m，段間咬合400 mm，咬合段公用肋料不少于10根。

1.2 超聲系統(tǒng)基本情況

本文采用基于A R M 內(nèi)核與L I N U X 操作系統(tǒng)的 TS-QJ702（A）綜合超聲物探儀進(jìn)行樁基深度探測，其聲源設(shè)備為大功率超磁激發(fā)多頻帶聲波震源，最大聲波頻率為500 kHz，可分別采用平滑、LPF（低通濾波器）、BPF（帶通濾波器）、HPF（高通濾波器）、合成增幅等算法進(jìn)行噪聲過濾，可采用內(nèi)置積分處理、頻譜分析、相關(guān)分析、積算處理等對聲波信號進(jìn)行離線分析。

設(shè)備最小采樣間隔為2 μs，最大探測深度為60 m，最大缺陷探測精度為10 mm，數(shù)據(jù)采樣精度為24位。本次研究將利用多點多角度的聲波探測結(jié)果進(jìn)行深度數(shù)據(jù)挖掘，以在該設(shè)備原始精度基礎(chǔ)上，對超聲探測精度做到最大程度提升。

2 連續(xù)小波變換算法

2.1 小波變換的基函數(shù)

連續(xù)小波變換算法是以小波變換函數(shù)為基函數(shù)，而小波變換的目標(biāo)是一種特殊的長度有限、平均值為0的波形。

在進(jìn)行基函數(shù)構(gòu)建的過程中，需要先對小波變換的容許條件進(jìn)行判斷：

式中：R——積分區(qū)間；

ω——頻域自變量；

Ψ——原始函數(shù)。

小波變換有以下特征：

1）時域內(nèi)具有緊支集或似緊支集。

2）波動性具有正負(fù)交替性，即各矢量分量之和均 為0。

3）信號可以分解成一系列相同母小波函數(shù)的子函數(shù)，在小波函數(shù)中，尺度伸縮不影響小波函數(shù)的疊加。

將小波函數(shù)Ψ(t)進(jìn)行伸縮平移，可寫為：

式中：a——伸縮量；

τ——平移量。

小波基函數(shù)是由同一組母函數(shù)經(jīng)過伸縮和平移后得到的一系列函數(shù)序列，即小波基函數(shù)在時域、頻域等方面都具有有限的或近似有限的定義域。

在有限的定義域下，不論進(jìn)行何種時域變換和頻域變換，其結(jié)果仍是有限的。因為窗口尺度不同，當(dāng)a逐漸增大時，其基函數(shù)的時域窗口也隨之僧大，而其頻域窗口隨之減小，反之亦然。

在此基礎(chǔ)上，假定一個原函數(shù)如下：

式中：t——自變量控制區(qū)間變量。

對其進(jìn)行Haar小波變換，變換公式為：

式中：ω——頻域自變量；

－iω/2——小波變換Haar常數(shù)。

2.2 連續(xù)小波變換算法

連續(xù)小波變換是將任意的L2(r)空間的函數(shù)f(t)進(jìn)行小波基函數(shù)展開，即：

式中：a——伸縮量；

τ——平移量；

R——小波變換的積分區(qū)間。

與小波變換基函數(shù)和傅里葉變換相比，連續(xù)小波變換有以下相同特征：

1）二者均為積分變換過程。

2）均為相對固定的變換系數(shù)。

與小波變換基函數(shù)和傅里葉變換相比，連續(xù)小波變換有以下不同特征：

1）連續(xù)小波變換是小波變換的有效延伸，且對尺度和平移2個參數(shù)有函數(shù)體現(xiàn)。

2）連續(xù)小波變換函數(shù)在小波基函數(shù)下展開，即其本質(zhì)是將一個時域函數(shù)投影到具有二維時間特征的時域平 面上。

3 樁基檢測的基本需求分析

分析上述測量過程，如果單純使用TS-QJ702（A）綜合超聲物探儀進(jìn)行檢測，需要將檢測數(shù)據(jù)拷貝到工作站中，甚至結(jié)合云計算IDC（互聯(lián)網(wǎng)數(shù)據(jù)中心）設(shè)備進(jìn)行后置分析，才可以得到更加精細(xì)的結(jié)果，此過程并不能對 TS-QJ702（A）綜合超聲物探儀性能進(jìn)行全面開發(fā)，且嚴(yán)重影響了測量效率。今天的智能化物探過程，基本拋棄了以往的外業(yè)測量、內(nèi)業(yè)分析的數(shù)據(jù)處理方式，而是更側(cè)重內(nèi)業(yè)工作時向外業(yè)提供數(shù)據(jù)分析平臺支持，而確保外業(yè)工作可以得到更加直觀的數(shù)據(jù)。此數(shù)據(jù)重新提交到內(nèi)業(yè)部門后，再由內(nèi)業(yè)部門根據(jù)數(shù)據(jù)表達(dá)和數(shù)據(jù)可視化結(jié)果編制相應(yīng)的勘探報告書。所以，應(yīng)充分利用TS-QJ702（A）綜合超聲物探儀提供的數(shù)據(jù)接口，利用其LINUX系統(tǒng)的開源特性，對TS-QJ702（A）綜合超聲物探儀進(jìn)行二次開發(fā)，使其在基本物探功能的基礎(chǔ)上，實現(xiàn)更豐富的數(shù)據(jù)分析能力。

所以，可以將本文的樁基檢測系統(tǒng)開發(fā)需求，歸納為以下幾個組成部分。

3.1 TS-QJ702（A）綜合超聲物探儀的二次開發(fā)

根據(jù)前文分析，TS-QJ702（A）綜合超聲物探儀是基于LINUX操作系統(tǒng)的ARM架構(gòu)，其本身是一個通用計算機(jī)系統(tǒng)，基于LAMP的LINUX開發(fā)平臺，可以對TS-QJ702（A）綜合超聲物探儀進(jìn)行較為系統(tǒng)的二次開發(fā)。但此開發(fā)過程在終端設(shè)備TS-QJ702（A）綜合超聲物探儀上的開發(fā)任務(wù)較為簡單，需要在終端設(shè)備上采集相關(guān)數(shù)據(jù)并上傳到云端，由云端進(jìn)行數(shù)據(jù)深度挖掘后，將計算結(jié)果返回給終端設(shè)備，如圖1所示。

圖1 二次開發(fā)終端設(shè)備開發(fā)任務(wù)

1）元數(shù)據(jù)庫采用MySQL的開發(fā)平臺，將原始系統(tǒng)中的24位采集數(shù)據(jù)讀取后進(jìn)行備份，數(shù)據(jù)表參照表1。

表1 元數(shù)據(jù)庫數(shù)據(jù)結(jié)構(gòu)

2）將生成完畢的元數(shù)據(jù)庫中數(shù)據(jù)提交到云端IDC機(jī)房，并等待云端的信息回饋。云端信息回饋主要有兩類數(shù)據(jù)。其一是數(shù)據(jù)的可用性，通過云端對數(shù)據(jù)可用性做出評價，如果數(shù)據(jù)質(zhì)量不佳，則會要求終端重新測量。其二是云端返回的數(shù)據(jù)報告，該報告會在云端存儲的同時在終端也進(jìn)行存儲，以便后續(xù)內(nèi)業(yè)編輯過程的數(shù)據(jù)調(diào)取。該功能可在Web-Service架構(gòu)上進(jìn)行搭建。

3）根據(jù)云端返回的數(shù)據(jù)報告，在終端構(gòu)建一個可視化界面，可以在終端查看云端生成的三維全息模型，并可在終端對三維全息模型進(jìn)行切割并觀察截面。該功能可在MATLAB架構(gòu)上進(jìn)行搭建。

3.2 大數(shù)據(jù)云端分析功能的搭建與開發(fā)

將設(shè)計目標(biāo)精度±10 mm的TS-QJ702（A）綜合超聲物探儀單點數(shù)據(jù)進(jìn)行整合，形成多點測試數(shù)據(jù)集，進(jìn)而對數(shù)據(jù)集進(jìn)行深度挖掘的過程，屬于大宗數(shù)據(jù)的深度挖掘過程。這一過程對計算資源的需求量較高，對計算資源的占用時間較長，所以TS-QJ702（A）綜合超聲物探儀自身的計算資源遠(yuǎn)不能滿足該計算需求，且需要使用集群服務(wù)器構(gòu)建更大資源量的IDC資源對該計算任務(wù)進(jìn)行功能實現(xiàn)。該計算任務(wù)可以通過圖2表達(dá)。

圖2 云端數(shù)據(jù)處理流程

3.2.1 數(shù)據(jù)去量綱模塊

云端讀入數(shù)據(jù)后，對3個探頭定位數(shù)據(jù)，3個回波矢量方向數(shù)據(jù)，1個回波信息數(shù)據(jù)進(jìn)行去量綱計算，確保其量綱得到統(tǒng)一且投影區(qū)間保持一致。去量綱的實際意義是在不同測量點數(shù)據(jù)之間保持?jǐn)?shù)據(jù)的一致性。而當(dāng)前最常用的數(shù)據(jù)去量綱計算過程多采用min max算法，即輸入變量與整列數(shù)據(jù)最小值的差距與數(shù)列總差距之間的比值。如不加系數(shù)，則經(jīng)過min max計算的所有數(shù)據(jù)列，其投影點會投影在[0,1]區(qū)間上，其中最小值為0，最大值為1，所有數(shù)據(jù)之間的排列順序和比例關(guān)系在投影后保持不變。

3.2.2 數(shù)據(jù)篩選模塊

數(shù)據(jù)篩選分為兩步：第一步將不完整數(shù)據(jù)刪除，即表1中字段數(shù)據(jù)存在缺失的數(shù)據(jù)，應(yīng)被剔除。這些不完整數(shù)據(jù)可能來自終端設(shè)備的實測數(shù)據(jù)，也可能來自數(shù)據(jù)轉(zhuǎn)化和數(shù)據(jù)傳輸過程中出現(xiàn)的錯誤。第二步將離群數(shù)據(jù)單獨成表。使用K-mean算法對數(shù)據(jù)進(jìn)行聚類分析，對小規(guī)模離群數(shù)據(jù)進(jìn)行單獨成表，在數(shù)據(jù)歸類模塊和目標(biāo)點定位算法中再對這些數(shù)據(jù)進(jìn)行重新確認(rèn)。

3.2.3 數(shù)據(jù)歸類模塊

數(shù)據(jù)歸類模塊的特征是將同一個測量點下，同一個信息發(fā)送時間戳下的數(shù)據(jù)進(jìn)行歸類，并對這些數(shù)據(jù)進(jìn)行單獨分析。同一個測量點在同一個信息發(fā)送時間戳下可能會收到1～3 s的數(shù)據(jù)，按照20 μs的回波采樣頻率，每秒鐘采集的數(shù)據(jù)量可能達(dá)到5萬個時間戳以上，且每個時間戳可能有不同矢量值進(jìn)入的數(shù)據(jù)，因此可能會出現(xiàn)達(dá)到百萬條以上的數(shù)據(jù)量。但這些數(shù)據(jù)多數(shù)為空數(shù)據(jù)和噪聲數(shù)據(jù)，在數(shù)據(jù)篩選過程中，這些數(shù)據(jù)會被大量剔除，可能1～3 s的偵聽周期內(nèi)，可能回收1萬～2萬條有效數(shù)據(jù)，這些數(shù)據(jù)將會被用作模型的最終成像。

3.2.4 數(shù)據(jù)矢量化模塊

采用arctan函數(shù)，將3個矢量數(shù)據(jù)進(jìn)行矢量還原，即：

數(shù)據(jù)矢量化模塊的統(tǒng)計學(xué)意義是將去量綱模塊中經(jīng)過去量綱的矢量數(shù)據(jù)重新構(gòu)建成矢量數(shù)據(jù)。矢量數(shù)據(jù)去量綱后會變成4個單列數(shù)據(jù)，分別為3個方向數(shù)據(jù)和1個矢量絕對值數(shù)據(jù)，矢量絕對值數(shù)據(jù)即是經(jīng)過去量綱的Main-Data 數(shù)據(jù)。

3.2.5 目標(biāo)點定位模塊

經(jīng)過數(shù)據(jù)矢量化的數(shù)據(jù)，經(jīng)過平差后可以得到目標(biāo)點定位結(jié)果。常規(guī)的平差方案如圖3所示。

圖3 平差算法示意

可以看到，系統(tǒng)測量結(jié)果基本可以斷定相應(yīng)的回波響應(yīng)點距離測點的距離。根據(jù)該距離，可以得到各個理論距離球弧面的交點，這些交點會構(gòu)成一個模糊區(qū)域，采用幾何平均值方法，求出該模糊區(qū)域的質(zhì)心，即可得到平差后的目標(biāo)點定位信息。即對于N個測量點得到的對應(yīng)X值，其定位平差方法為所有X的乘積的負(fù)N次方。對Y值、Z值的平差方法與上述X值的平差方法一致。

經(jīng)過平差后，其理論誤差為視線所有誤差的乘積，即在20 m距離內(nèi)出現(xiàn)±10 mm的誤差，其單點誤差率為5×10-4，在三點聯(lián)合平差后，其誤差可降至1.5×10-12級別。

3.2.6 三維模型生成模塊

將上述所有目標(biāo)點之間實現(xiàn)曲面連接和平滑計算，即可得到基于超聲數(shù)據(jù)的三維模型。受篇幅限制，本文不再對曲面連接的平滑計算展開分析。經(jīng)過三維模型生成模塊生成的三維模型，將通過網(wǎng)絡(luò)返回到對應(yīng)的測量終端 TS-QJ702（A）綜合超聲物探儀中，可在測量終端查看測量結(jié)果的三維模型結(jié)果。

4 系統(tǒng)的實現(xiàn)及測試

該系統(tǒng)在云端IDC系統(tǒng)中，主要需要的是數(shù)據(jù)倉庫主機(jī)組和計算中心主機(jī)組。根據(jù)前文分析，因為該系統(tǒng)需要對上百萬條大宗數(shù)據(jù)進(jìn)行聯(lián)合計算，所以對計算中心的需求量要求較高，但對數(shù)據(jù)倉庫存儲容量的要求較低，所以，系統(tǒng)可構(gòu)建2套可以動態(tài)擴(kuò)容的負(fù)載均衡系統(tǒng)對數(shù)據(jù)倉庫和計算中心進(jìn)行管理，如圖4所示。

在該系統(tǒng)的架構(gòu)下，進(jìn)行系統(tǒng)黑箱測試，發(fā)現(xiàn)使用4臺計算中心主機(jī)（2個四核2.4 GHz中央處理器加4個八核2.0 GHz浮點處理器，搭配192 GB動態(tài)存儲器）配合1臺數(shù)據(jù)倉庫主機(jī)（2個四核2.4 GHz中央處理器搭配64 GB動態(tài)存儲器，配合2 T高速機(jī)械硬盤，使用RAID5架構(gòu)），可在340 s內(nèi)完成對本文個案的數(shù)據(jù)分析。

圖4 本文系統(tǒng)的云端IDC布局

5 結(jié)語

結(jié)合工程案例，本文在TS-QJ702（A）綜合超聲物探儀的LINUX開源系統(tǒng)的基礎(chǔ)上，使用LAMP開發(fā)平臺，繞過其物探控制和數(shù)據(jù)采集的非開源部分，對其進(jìn)行二次 開發(fā)。

結(jié)合云計算技術(shù)實現(xiàn)了對其功能的有效擴(kuò)充。將該系統(tǒng)的理論誤差從±5×10-4級別提升到±1.5×10-12級別，且該計算過程在可動態(tài)擴(kuò)容IDC系統(tǒng)基礎(chǔ)上實現(xiàn)了340 s的系統(tǒng)響應(yīng)時間。將以往需要長時間離線分析才可以得到的高精度灌注樁超聲探測結(jié)果實現(xiàn)了準(zhǔn)實時響應(yīng)。因此，該系統(tǒng)具有一定的工程實踐意義。