文｜廣州市吉華勘測(cè)股份有限公司 王雪帆

0.引言

進(jìn)入新時(shí)代，我國(guó)國(guó)民經(jīng)濟(jì)得到快速發(fā)展，基礎(chǔ)設(shè)施和城鎮(zhèn)化建設(shè)進(jìn)入高質(zhì)量發(fā)展階段，大型結(jié)構(gòu)建筑物呈現(xiàn)出高凈空、大跨度、大界面、高荷載特點(diǎn)，結(jié)構(gòu)布局和形態(tài)越來越復(fù)雜，高大模板支架體系（以下簡(jiǎn)稱“高支?！保┳鳛榻Y(jié)構(gòu)工程的基礎(chǔ)得到了越來越廣泛的應(yīng)用。高支模體系受力復(fù)雜，呈現(xiàn)跨度大、荷載大特點(diǎn)，極易發(fā)生失穩(wěn)倒塌事故，給施工現(xiàn)場(chǎng)帶來巨大的安全威脅[1]。優(yōu)先發(fā)展信息化、智能化、無人化的安全生產(chǎn)風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警裝備，重點(diǎn)提升安全生產(chǎn)危險(xiǎn)工藝設(shè)備的機(jī)械化自動(dòng)化水平，著力破解重大安全風(fēng)險(xiǎn)的超前預(yù)測(cè)、動(dòng)態(tài)監(jiān)測(cè)、主動(dòng)預(yù)警等關(guān)鍵技術(shù)瓶頸[2]。傳統(tǒng)的高支模監(jiān)測(cè)手段是通過全站儀、水準(zhǔn)儀等光學(xué)儀器測(cè)量結(jié)構(gòu)的平面/豎向位移，分析了解工程的安全情況。由于人工測(cè)量方式監(jiān)測(cè)頻率低，支模系統(tǒng)內(nèi)部結(jié)構(gòu)復(fù)雜，通視條件差，只能監(jiān)測(cè)支模系統(tǒng)外圍形變，無法監(jiān)測(cè)內(nèi)部形變，諸多局限性，往往造成預(yù)警響應(yīng)不及時(shí)。隨著5G、云平臺(tái)大數(shù)據(jù)、AI 人工智能等新型技術(shù)在社會(huì)各行業(yè)應(yīng)用逐漸普及，物聯(lián)網(wǎng)（Internet of Things，簡(jiǎn)稱IOT）技術(shù)也逐漸應(yīng)用到基礎(chǔ)設(shè)施的安全監(jiān)測(cè)中，推動(dòng)了工程安全監(jiān)測(cè)和工程質(zhì)量檢測(cè)的技術(shù)進(jìn)步[3]。

1.研究背景

1.1 監(jiān)測(cè)項(xiàng)目和指標(biāo)要求[5]

高支模是指搭設(shè)高度8m 及以上；搭設(shè)跨度18m 及以上施工總荷載15KN/m2及以上；集中線荷載20KN/m 及以上；單點(diǎn)集中荷載700kg 及以上的模板支撐體系[4]。

高支模監(jiān)測(cè)點(diǎn)的布置應(yīng)能反映高大支模的受力狀態(tài)、變形特征和變化趨勢(shì)，應(yīng)布設(shè)在支架薄弱、荷載較大等關(guān)鍵部位；監(jiān)測(cè)點(diǎn)平面位置宜按網(wǎng)格形式布設(shè)，水平間距一般為10～15m。具體監(jiān)測(cè)項(xiàng)目報(bào)警值要求見表1。

表1 高支模工程監(jiān)測(cè)報(bào)警值

1.2 監(jiān)測(cè)項(xiàng)目指標(biāo)判別問題

高支模的模架、連接構(gòu)（扣）件等材料特性差異性較大，結(jié)構(gòu)較為復(fù)雜，具有多余約束的幾何不變體系的特點(diǎn)，屬于超靜定結(jié)構(gòu)；連接節(jié)點(diǎn)為半剛性，存在較多理論分析問題，設(shè)計(jì)存在較大困難導(dǎo)致報(bào)警值失真，使用時(shí)存在安全隱患。

規(guī)范[5]選取100 個(gè)高支模監(jiān)測(cè)案例，以傾斜指標(biāo)為例，占比96%的項(xiàng)目立桿傾斜最大監(jiān)測(cè)值小于10‰；占比90%的項(xiàng)目立桿傾斜最大監(jiān)測(cè)值小于8‰；占比75%的項(xiàng)目立桿傾斜最大監(jiān)測(cè)值小于6‰；占比50%的項(xiàng)目立桿傾斜最大監(jiān)測(cè)值小于4‰。

相關(guān)規(guī)范[5]要求，當(dāng)在其中任何一個(gè)或者幾個(gè)監(jiān)測(cè)項(xiàng)目監(jiān)測(cè)值超報(bào)警值時(shí)，應(yīng)觸發(fā)危險(xiǎn)報(bào)警，啟動(dòng)應(yīng)急避險(xiǎn)措施。楊勇[6]研究了影響高支模監(jiān)測(cè)的因素，由于高支模結(jié)構(gòu)復(fù)雜，影響因素多，監(jiān)測(cè)過程中出現(xiàn)“測(cè)不準(zhǔn)”的現(xiàn)象，導(dǎo)致大家對(duì)高支模監(jiān)測(cè)的困惑，現(xiàn)行規(guī)范和理論尚存在一定的局限性。結(jié)合表2 數(shù)據(jù)，加入支架水平位移值、支架沉降值、立桿軸力值的情況下，實(shí)際工程中報(bào)警率將超50%，其中“誤報(bào)警”的概率大增，因“誤報(bào)警”導(dǎo)致現(xiàn)場(chǎng)澆筑過程停止，二次進(jìn)場(chǎng)施工，造成了巨大的損失。

表2 樣本傾斜數(shù)據(jù)統(tǒng)計(jì)表

綜合以上分析，得出結(jié)論：依據(jù)單一監(jiān)測(cè)項(xiàng)目作為報(bào)警值，存在很大的局限性。單一監(jiān)測(cè)項(xiàng)目超報(bào)警值的原因是多種多樣的，只有建立起多源監(jiān)測(cè)數(shù)據(jù)及時(shí)相互驗(yàn)證才能確保監(jiān)測(cè)數(shù)據(jù)真實(shí)反應(yīng)現(xiàn)場(chǎng)安全/失穩(wěn)狀態(tài)。由于坍塌數(shù)據(jù)樣本不足、臨界數(shù)據(jù)難以獲得，報(bào)警值具有一定的局限性。國(guó)內(nèi)學(xué)者宋世軍[7]研究了高支模坍塌安全監(jiān)測(cè)模型，指出高支模支撐體系在加載受力過程中存在姿態(tài)變換現(xiàn)象，當(dāng)達(dá)到坍塌臨界點(diǎn)時(shí)存在整體失穩(wěn)導(dǎo)致坍塌，在臨界點(diǎn)之前力學(xué)模型存在因素變化，對(duì)臨界點(diǎn)之前階段的詳細(xì)分析存在諸多困難。

解決思路，基于IOT 決策級(jí)數(shù)據(jù)融合技術(shù)，建立高支模監(jiān)測(cè)坍塌模型和智能檢測(cè)系統(tǒng)，用多指標(biāo)顯性指標(biāo)體系，識(shí)別高支模工程安全、失穩(wěn)狀態(tài)。

1.3 感知設(shè)備問題

目前，用于高支模監(jiān)測(cè)的傳感器主要是光電傳感器。測(cè)量?jī)A角使用傾角計(jì)，測(cè)量荷載使用荷重計(jì)，測(cè)量沉降和位移使用激光測(cè)距儀、位移計(jì)、靜力水準(zhǔn)儀等。基于傳感器光電原理和特點(diǎn)，噪聲自適應(yīng)控制有效率低，在測(cè)量過程中易產(chǎn)生噪聲信號(hào)，影響監(jiān)測(cè)數(shù)據(jù)質(zhì)量。

解決思路，在系統(tǒng)設(shè)計(jì)時(shí)，通過遷移學(xué)習(xí)實(shí)現(xiàn)真實(shí)高支模結(jié)構(gòu)的預(yù)警，引入濾波算法，保障數(shù)據(jù)質(zhì)量。

2.研究方向及內(nèi)容

國(guó)內(nèi)眾多高支模監(jiān)測(cè)預(yù)警系統(tǒng)，都存在“監(jiān)測(cè)數(shù)據(jù)單一、模型簡(jiǎn)單，參數(shù)孤立，計(jì)算結(jié)果較為片面”的問題。通過高支模坍塌模型建立起各參數(shù)間相互作用的關(guān)聯(lián)關(guān)系成為研究重點(diǎn)。研究?jī)?nèi)容包括以下參數(shù)：立桿荷載穩(wěn)定性、立桿傾斜和水平位移、立桿沉降。

在進(jìn)行新型監(jiān)測(cè)系統(tǒng)設(shè)計(jì)時(shí)，考慮不同工況條件下的立桿極限穩(wěn)定承載力，預(yù)設(shè)立桿材質(zhì)型號(hào)，模架縱距、橫距、步距以及剪刀撐，掃地桿等多種工況組合。同時(shí)，對(duì)扣件式鋼管模板支撐架的計(jì)算長(zhǎng)度取值應(yīng)考慮支撐架的高度。

3.系統(tǒng)研究路線

系統(tǒng)研究設(shè)計(jì)技術(shù)路線基于以下四種新技術(shù)：數(shù)字孿生模型、神經(jīng)網(wǎng)絡(luò)技術(shù)、決策級(jí)融合技術(shù)和遷移學(xué)習(xí)技術(shù)。具體技術(shù)方案路線如圖1 所示。

圖1 技術(shù)方案路線

3.1 建立高支模的數(shù)字孿生模型

數(shù)字孿生的技術(shù)架構(gòu)，包含五層，自下而上為感知、數(shù)據(jù)、建模、可視化和應(yīng)用。目前的高支模監(jiān)測(cè)系統(tǒng)已經(jīng)具備了感知和數(shù)據(jù)，下一步通過PYTHON 實(shí)現(xiàn)ABAQUS的自動(dòng)化數(shù)值建模。通過PYTHON 建立在隨機(jī)荷載影響下的高支模數(shù)值模型，并考慮隨機(jī)尺寸因素、荷載位置等的影響下的數(shù)字孿生模型群，通過該數(shù)字孿生模型群分析各個(gè)力學(xué)參數(shù)潛在的模型關(guān)系，為建立預(yù)測(cè)、預(yù)警機(jī)制打下理論基礎(chǔ)。

3.2 神經(jīng)網(wǎng)絡(luò)技術(shù)智能分析

神經(jīng)網(wǎng)絡(luò)具有強(qiáng)大的數(shù)據(jù)特征提取能力，以分散的局部的數(shù)據(jù)為基礎(chǔ)，通過各種工具和處理邏輯，建立全局的噪音數(shù)據(jù)濾波，通過先進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)和長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)相關(guān)力學(xué)參數(shù)進(jìn)行分析；神經(jīng)網(wǎng)絡(luò)能準(zhǔn)確區(qū)分正常信號(hào)和異常信號(hào)，并能消除虛假信號(hào)對(duì)正常信號(hào)的干擾。該過程的實(shí)施為下一步預(yù)警機(jī)制的建立打下基礎(chǔ)。通過神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)相關(guān)參數(shù)（軸力、傾角、沉降、位移）進(jìn)行智能分析，建立監(jiān)測(cè)信號(hào)的智能分析方法。

3.3 決策級(jí)融合技術(shù)預(yù)警機(jī)制

決策級(jí)融合技術(shù)通過整合多個(gè)子決策來獲得更加準(zhǔn)確的分析結(jié)果。決策級(jí)融合技術(shù)主要應(yīng)用到系統(tǒng)兩個(gè)方面：第一步，對(duì)于同一個(gè)力學(xué)參數(shù)，通過融合多個(gè)傳感器的決策信息來獲得該力學(xué)參數(shù)的準(zhǔn)確評(píng)估結(jié)果；第二步，根據(jù)第一步各個(gè)力學(xué)參數(shù)的融合結(jié)果，將多個(gè)力學(xué)參數(shù)得評(píng)估結(jié)果進(jìn)行融合，削弱虛假信號(hào)對(duì)決策的影響，獲得最終結(jié)果。通過以上兩步建立高準(zhǔn)確度的高支模預(yù)警機(jī)制。

3.4 遷移學(xué)習(xí)實(shí)現(xiàn)真實(shí)高支模結(jié)構(gòu)的預(yù)警

遷移學(xué)習(xí)是一種新穎的機(jī)器學(xué)習(xí)方法，它將知識(shí)從一個(gè)領(lǐng)域（源域）遷移到另一個(gè)領(lǐng)域（目標(biāo)域）。通過源域數(shù)據(jù)對(duì)神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，網(wǎng)絡(luò)模型對(duì)相似數(shù)據(jù)已經(jīng)具有很強(qiáng)的特征提取能力，隨后，只需在不同場(chǎng)景中用新數(shù)據(jù)對(duì)其進(jìn)行微調(diào)并重復(fù)訓(xùn)練，網(wǎng)絡(luò)模型將快速適應(yīng)新的任務(wù)。將數(shù)字孿生模型獲得的神經(jīng)網(wǎng)絡(luò)遷移到實(shí)際結(jié)構(gòu)中，完成實(shí)際施工過程高支模監(jiān)測(cè)任務(wù)，通過智能濾波消除噪音信號(hào)帶來的誤報(bào)警影響，以驗(yàn)證該方法的實(shí)際應(yīng)用價(jià)值。

系統(tǒng)結(jié)構(gòu)自上而下包括綜合應(yīng)用層、平臺(tái)決策層、網(wǎng)絡(luò)數(shù)據(jù)層和傳感器感知層，將基于IOT 技術(shù)建立高支模的數(shù)字孿生模型，對(duì)各種高支模的工作狀態(tài)進(jìn)行結(jié)構(gòu)分析，了解不同工作狀態(tài)下桿件和節(jié)點(diǎn)的力學(xué)參數(shù)變化；采用神經(jīng)網(wǎng)絡(luò)技術(shù)對(duì)結(jié)構(gòu)相關(guān)力學(xué)和變形參數(shù)進(jìn)行智能分析，建立監(jiān)測(cè)信號(hào)的智能分析方法；采用決策級(jí)融合技術(shù)對(duì)分析結(jié)果進(jìn)行整合，建立合理的高支模異常預(yù)警機(jī)制；利用遷移學(xué)習(xí)技術(shù)將上述方法遷移到實(shí)際結(jié)構(gòu)，完成施工現(xiàn)場(chǎng)的高支模監(jiān)測(cè)任務(wù)。

圖2 系統(tǒng)架構(gòu)模型

4.系統(tǒng)實(shí)現(xiàn)手段

以C/S 和B/S 融合架構(gòu)為核心構(gòu)建應(yīng)用監(jiān)測(cè)系統(tǒng)的架構(gòu)模型，自下而上為五層，分別為：傳感器、數(shù)據(jù)采集層、C/S 和B/S 融合架構(gòu)、數(shù)據(jù)庫層、用戶層。該結(jié)構(gòu)系統(tǒng)耦合性低、增強(qiáng)了系統(tǒng)的構(gòu)架水平，使得各層之間分工明確、模塊清晰，基礎(chǔ)框架和擴(kuò)展之間功能定位清晰，開發(fā)周期短、成本低。

系統(tǒng)架構(gòu)的設(shè)計(jì)有較好的可移植性、可擴(kuò)展性和可維護(hù)性，支持多種傳感器設(shè)備。

5.結(jié)語及展望

本文研究在數(shù)字孿生環(huán)境下基于深度神經(jīng)網(wǎng)絡(luò)技術(shù)的高支模監(jiān)測(cè)系統(tǒng)設(shè)計(jì)，實(shí)現(xiàn)通過力學(xué)分析、多參數(shù)決策級(jí)融合技術(shù)、模型新算法解決目前高支模監(jiān)測(cè)中存在的難點(diǎn)問題，能更加符合高支模受力應(yīng)變、變形規(guī)律。未來，以數(shù)字孿生技術(shù)為主線的決策級(jí)融合系統(tǒng)將大幅提高高支模監(jiān)測(cè)數(shù)據(jù)的可靠性、準(zhǔn)確度和智能化，實(shí)現(xiàn)更加科學(xué)、高效的事故預(yù)防預(yù)警，更好保護(hù)人民生命和財(cái)產(chǎn)安全，具有良好的經(jīng)濟(jì)效益和社會(huì)價(jià)值。