唐孝林，周益凡，朱兆銀，張中兵，沈佳麗，晉良海

(1中國水利水電第七工程局有限公司，四川 成都 610000；2 三峽大學，湖北 宜昌 443000)

隨著城市排水基礎設施建設工程的逐步增多，管溝開挖與支護施工也越來越頻繁。城市管溝開挖基礎一般較深，埋設管道范圍廣，埋設地點一般臨近建筑物，易對臨近建筑物的地基造成損害，從而引發(fā)安全事故。且管道施工周期較短，開挖過程不確定因素多，對沉降、傾斜等數據要求較高，不利于對鄰近既有建筑的安全保護，特別是在建筑密集的城中村區(qū)域。因此，如何改進傳統(tǒng)監(jiān)測手段來確保雨污管網工程施工中對鄰近既有建筑的安全保護，是城中村密集房屋區(qū)域雨污管網施工急需解決的關鍵技術問題。

現(xiàn)有文獻大多利用機理分析方法，對地面沉降及監(jiān)測方法進行研究。 Fang Y等[1]引入了代表縱向地面沉降槽寬度系數，對地面沉降過程進行預測。謝飛鴻等[2]通過沉陷預計模型，實現(xiàn)了實測多點數據擬合分析、一般條件下的地面變性計算。楊曉杰等[3]開展了基于MSARMA法的邊坡穩(wěn)定性定量評價與敏感性分析，建立了排水條件下邊坡穩(wěn)定性分析方法，并驗證了排水有效性。Xie X Y等[4]通過三維有限差分建模方法對城中村管網施工過程進行模擬，總結了地面沉降影響因素和地面沉降控制規(guī)律。鐘登華等[5]提出土石方開挖的可視化設計方法，彌補了網格劃分不合理的問題。李悅等[6]基于BIM的基坑風險源自動識別和風險動態(tài)監(jiān)測評估實時感知與預警分析，進行綜合集成管理極大地提高了管理效率，節(jié)約了成本。蔡濤[7]依據現(xiàn)場軟巖隧道預警頻率,確定周邊收斂的分級預警閾值,建立了周邊收斂預警體系,總結了實時監(jiān)測的適用條件。Ibrahim O等[8]采用人工神經網絡，支持高斯過程構建地面沉降預測模型，對城中村施工過程中引起的地面沉降進行預測。Pourtaghi M A等[9]基于小波理論和人工神經網絡理論構建地面沉降預測分析模型，提高了神經網絡模型的擬合能力和泛化能力。Wang F等[10]通過三維數值建模方式，對地面沉降主要影響參數進行篩選。鄭文棠等[11]通過采用可視化模型與數值模型的結合和轉換，反映了地質信息的仿真性和動態(tài)可修改性。薛強等[12]根據檢測手段，把滑坡變形過程分為初始變形、加速變形、變形破壞和減速變形4個階段。Satar M等[13]采用支持向量機構建了地面沉降預測模型。Chen R P等[14]介紹了一個基于隨機森林的模型，利用幾何、地質和城中村管網施工參數來預測管網施工引起的最大地表沉降。Yao B Z等[15]構建了支持向量機模型和人工神經網絡模型來預測地面沉降，并通過比較發(fā)現(xiàn)向量機模型比人工神經網絡模型具有更高的預測精度。

從以上文獻可知，變形監(jiān)測水平目前停留在建立模型預測地面沉降方面，并在此基礎上不斷對模型進行修改完善，未能構建成熟的變形監(jiān)測可視化實時預警系統(tǒng)。本文提出地面沉降機理與數據分析過程進行有機融合的理論方法，變形監(jiān)測系統(tǒng)將實現(xiàn)遠程、實時、在線監(jiān)測，大量監(jiān)測不同對象的監(jiān)測工具將會組建成網絡，每個監(jiān)測結果將會通過無線通信網絡發(fā)送到監(jiān)測中心，由監(jiān)測中心統(tǒng)一安排和調度。對開挖施工地面沉降全生命周期的場景、流程、對象、問題和知識等進行抽取和表達，生成數據-知識融合的地面沉降大數據分析模型，可視化評估臨近密集房屋區(qū)開挖施工的實時安全態(tài)勢，為施工安全風險管控提供科學支撐。

1 施工安全監(jiān)測的可視化實時預警系統(tǒng)概述

基于數字孿生密集房屋建筑管溝施工安全監(jiān)測系統(tǒng)，利用各類傳感器實時監(jiān)測施工過程中的設備工作狀態(tài)和鄰近既有建筑的沉降、傾斜等數據，并將這些數據用于驅動施工系統(tǒng)數字孿生體仿真運行，實時評估施工過程對鄰近既有建筑物安全的影響。本監(jiān)測系統(tǒng)為將信息技術與雨污管溝施工安全監(jiān)測相結合，形成線上與線下監(jiān)測，線上處理數據，早期安全預警相結合的安全監(jiān)測系統(tǒng)。基于數字孿生的鄰近既有建筑雨污管溝施工安全監(jiān)測系統(tǒng)見圖1。

2 施工安全監(jiān)測的可視化實時預警系統(tǒng)原理分析

2.1 建筑結構健康監(jiān)測相關算法

為了提高城中村管網施工房屋建筑結構監(jiān)測系統(tǒng)的精確性，需要深入研究系統(tǒng)所涉及的主要算法。其中傾角撓度測量算法、神經網絡數據融合算法等為本系統(tǒng)實現(xiàn)過程中核心算法。

2.1.1傾角撓度測量算法

傾角測量轉換示意見圖2，設一房梁上需布設N個傾角儀。假設房屋房梁正常狀態(tài)時處于水平狀態(tài)，在加荷載的作用下會發(fā)生曲線變形。若在某一時刻加載后第i個傾角儀監(jiān)測到其位置上的傾角α,則可通過式(1)求出第i個測點相對于第i-1個測點的撓度增量值Δy(i-1)i：

Δy(i-1)i=xi·tanαi(1

(1)

其中xi為第i測點到第i-1測點的房梁縱向水平位移。通過式(2)可以求出房梁第i個測點撓度值y(i-1)i:

(2)

圖2 城中村管網施工房屋建筑傾角撓度測量示意

2.1.2BP神經網絡多傳感器數據融合算法分析

本文所分析的BP算法是有導師學習方式，其基本思想是:假設輸入的向量樣本為x1，x2，…，xn；對應的輸出樣本為d1，d2，…，dn；y1，y2，…，yn為實際的輸出值，將預測輸出與實際輸出的誤差用于修改神經元之間所連接的閾值和權值，若輸出正確，則加大連接的權值，反之減小連接的權值。設3層神經元節(jié)點的個數分別是m、s、n，隱藏層激活函數使用fj表示，輸出層激活函數使用fk表示，從而隱藏層輸出yi為：

(3)

式中Wji——輸入層、隱藏層兩者之間的連接權值；bj——閾值。輸出層的輸出通過式(4)計算得到：

(4)

式中bk——閾值；Wkj——隱藏層和輸出層兩者之間的連接權值。

設誤差函數為：

(5)

計算輸出層的權值變化為：

η(tk-yk)fkyk=ηδkjyj

(6)

式中η代表學習速率，η通常接近于1，而：

δkj=(tk-yk)fk=ekfk

(7)

ek=tk-yk

同理可得：

(8)

隱藏層的權值變化為：

(9)

同理可得：

Δbj=η·δji

(10)

經過不斷的循環(huán)計算，直到網絡輸出誤差達到設定期望值為止。

2.2 建筑結構健康監(jiān)測軟件架構設計

由于城中村管網施工房屋工程結構的巨大化、復雜化，需要在健康監(jiān)測系統(tǒng)上設置的觀測點也會增多，從而導致整個健康狀況的評估、分析算法復雜化，同時中間數據和健康狀況評估數據也越來越多，為了使數據能夠在沒有冗余情況下完成共享，數據庫管理系統(tǒng)也需要數據統(tǒng)一標準化管理，健康監(jiān)測系統(tǒng)建立相應的數據庫，完成對數據類型的分類。當結構健康監(jiān)測系統(tǒng)越來越復雜時，這些數據庫通過網絡共享分布在網絡各部分，形成分布式的數據庫管理集群。房屋建筑結構健康監(jiān)測系統(tǒng)功能結構見圖3。

圖3 城中村管網施工房屋建筑結構健康監(jiān)測系統(tǒng)功能結構

該系統(tǒng)有四大主要模塊，分別為：房屋健康監(jiān)測數據展示模塊，用戶或者管理員可以查看各類房屋結構監(jiān)測的實時數據，系統(tǒng)自動根據實時的數據生成對應的曲線走勢圖；房屋監(jiān)測管理模塊，在該系統(tǒng)中，房屋結構監(jiān)測管理模塊的設計包含4個方面，分別是對監(jiān)測點、傳感器、監(jiān)測因素、拓撲圖等進行管理。包括增、刪、改、查4項最基本的操作；房屋健康狀態(tài)評估模塊，健康狀況評估模塊的設計包含評分標準的建立、權重配置和整體評分。當評分超出正常值時，交給后面的報警模塊來處理；平臺報警管理模塊，房屋結構智能監(jiān)測的主要目的就是監(jiān)測房屋的健康狀況，一旦發(fā)現(xiàn)房屋結構出現(xiàn)異?；蛘摺皝喗】怠睜顟B(tài)時，系統(tǒng)需提醒管理員及時處理，避免事故發(fā)生。

3 案例分析

為驗證本項目開發(fā)的城中村管網施工過程房屋建筑安全監(jiān)測及評估技術，項目組選擇廣東省廣州市海珠區(qū)房屋密集住宅區(qū)域下田巷10號雨污分流管網Wi954井對應巷道施工現(xiàn)場，部署城中村密集房屋區(qū)域安全監(jiān)測系統(tǒng)，進行可視化實時預警研究，見圖4。

圖4 Wi 954井對應巷道施工現(xiàn)場

Wi954井對應巷道比較狹窄，僅有3 m左右寬，兩邊居民樓為老式7層磚混結構樓，地基較淺，管網施工基坑設計深為約2 m，采用人工和小型挖機結合的方式開挖，施工過程對鄰近建筑有安全風險。根據有限元分析結果，開挖現(xiàn)場鄰近建筑物為裙樓結構，現(xiàn)場施工強度造成房屋裂縫的可能性比較小，主要的風險表現(xiàn)形式為沉降和房屋傾斜。鑒于此，部署系統(tǒng)時主要監(jiān)測鄰近建筑物的沉降、傾斜和環(huán)境因素。

城中村密集房屋區(qū)域施工安全監(jiān)測系統(tǒng)部署后，施工方開始開挖作業(yè)，對比有限元分析的結果與實際監(jiān)測到的沉降和傾斜數據，不斷優(yōu)化有限元的網格劃分，提高模型的精度。城中村管溝施工臨近建筑安全監(jiān)測數字孿生系統(tǒng)主界面見圖5，可實時查看施工作業(yè)及回填后各監(jiān)測點位的數據變化，安全監(jiān)測模型根據現(xiàn)場數據實時仿真預測并與預設閾值對比，評估施工過程對鄰近建筑物的安全影響。同時對傾角的監(jiān)測設定安全范圍內的上下限，對沉降設定下限，若沉降或傾斜超過指定閾值的50%即通過短信方式給現(xiàn)場施工人員發(fā)出黃色預警；當超過指定閾值的80%時，立即以聲光報警的形式告知現(xiàn)場施工人員立馬停止施工，采取必要的回填和支護措施。圖中可見沉降或傾斜均未超過上下限，在安全預警范圍內。城中村管溝施工臨近建筑安全監(jiān)測數字孿生系統(tǒng)表格見圖6，各點位監(jiān)測量隨時間變化曲線見圖7。從案例可以看出，施工過程中各監(jiān)測點位數據確實存在微小變化，但根據JGJ 8—2016《建筑變形測量規(guī)范》，均在安全范圍內。

圖5 城中村密集房屋區(qū)域管溝施工臨近建筑安全監(jiān)測數字孿生系統(tǒng)主界面

圖6 城中村管溝施工臨近建筑安全監(jiān)測數字孿生系統(tǒng)表格

a)測點5氣溫變化曲線

4 結論

a)基于數字孿生技術，利用物理實體、傳感器、檢測數據、數字模型等虛實件，集成多參數、多尺度、多情景的虛實映射系統(tǒng)，可視化評估建筑結構的實時安全態(tài)勢、感知建筑物結構變形狀態(tài)，適應了現(xiàn)代安全監(jiān)測、數字建造等先進技術發(fā)展態(tài)勢，具有技術領先型、適用性。

b)案例結果表明：部署在雨污分流管網Wi954井對應巷道的安全監(jiān)測系統(tǒng)，其結果顯示觀測點處的氣溫隨當地溫差發(fā)生波動，而傾角與位移均未發(fā)生明顯變化，或發(fā)生的微小波動在安全范圍內，結果可作為評判密集房屋區(qū)管道施工安全性的重要指標，對提高施工安全和縮短施工周期具有較好的工程價值和現(xiàn)實意義。