李任瓊

（云南省公路科學(xué)技術(shù)研究院，云南 昆明 650000）

隨著公路交通的快速發(fā)展，路基狀態(tài)受到關(guān)注。路基細(xì)微處損毀靠人工很難發(fā)現(xiàn)。智能化技術(shù)和神經(jīng)網(wǎng)絡(luò)可有效檢測(cè)路基缺陷點(diǎn)[1]。在國(guó)外的研究中，美國(guó)研究人員運(yùn)用探地雷達(dá)對(duì)鐵路路基損毀進(jìn)行檢測(cè)[2]，找到了路基異常區(qū)。學(xué)者Dowding 利用時(shí)域反射同軸電纜對(duì)佛羅里達(dá)州損壞的公路路基進(jìn)行檢測(cè)[3]。希臘研究人員Vssilios Pagounisd 利用三維激光掃描法對(duì)道路進(jìn)行檢測(cè)[4]，獲取路基空間信息。加拿大學(xué)者利用三維激光掃描對(duì)塌方區(qū)變形情況進(jìn)行分析[5]。長(zhǎng)安大學(xué)樊振采用ABAQUS 軟件對(duì)路基沉降因素進(jìn)行分析[6]，得出砂質(zhì)黏土路基的變化規(guī)律。蘭州交通大學(xué)學(xué)者利用激光掃描和嵌入式方法對(duì)路基表面進(jìn)行檢測(cè)[7]。西南交通大學(xué)邱恩喜借助傳感器及數(shù)據(jù)分析工具，構(gòu)建了路基沉降檢測(cè)系統(tǒng)[8]。綜上，國(guó)內(nèi)外學(xué)者都對(duì)路基檢測(cè)展開(kāi)了研究，該文基于傳感器技術(shù)，對(duì)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，對(duì)路基的各種故障進(jìn)行高效地分類處理。

1 公路路基系統(tǒng)智能檢測(cè)功能

1.1 總體架構(gòu)設(shè)計(jì)

對(duì)于公路路基系統(tǒng)的搭建主要基于三個(gè)部分，分別是傳感器信息采集、數(shù)據(jù)處理與顯示以及異常數(shù)據(jù)檢測(cè)。首先，通過(guò)數(shù)據(jù)采集指令利用應(yīng)變傳感器、沉降傳感器以及溫濕度傳感器對(duì)公路路基的相關(guān)實(shí)時(shí)數(shù)據(jù)信息進(jìn)行采集，通過(guò)總線將數(shù)據(jù)傳遞到ARM 處理器中，處理器負(fù)責(zé)傳感數(shù)據(jù)的傳輸和控制，圍繞該處理器設(shè)計(jì)必要的外圍電路，其主要功能是用CPU 將傳感采集節(jié)點(diǎn)采集到的初始路基數(shù)據(jù)進(jìn)行簡(jiǎn)單數(shù)值轉(zhuǎn)換處理，之后將數(shù)據(jù)存儲(chǔ)在電路板中的SD 卡中，以供LCD 顯示屏進(jìn)行數(shù)據(jù)展示，也可將數(shù)據(jù)信息通過(guò)以太網(wǎng)發(fā)送到數(shù)據(jù)監(jiān)控的神經(jīng)網(wǎng)絡(luò)模型中，采用概率神經(jīng)網(wǎng)絡(luò)算法對(duì)其進(jìn)行解析處理并完成備份，一旦發(fā)現(xiàn)路基的數(shù)據(jù)異常值或者故障就進(jìn)行報(bào)警處理，并且同時(shí)發(fā)出提示警告，實(shí)現(xiàn)對(duì)公路路基的智能檢測(cè)控制。公路路基智能檢測(cè)系統(tǒng)的框架圖如圖1所示。

圖1 公路路基智能檢測(cè)系統(tǒng)的框架圖

1.2 公路路基傳感器信息采集

對(duì)于公路路基信息的采集主要是依靠各類傳感器來(lái)完成，涉及沉降傳感器、應(yīng)變傳感器以及溫濕度傳感器。該文采用電感式位移傳感器，基于其內(nèi)部的差動(dòng)變壓器實(shí)現(xiàn)功能[9]，并配備相應(yīng)的AD 采集電路、通信接口和機(jī)械結(jié)構(gòu)，完成對(duì)公路路基沉降現(xiàn)象的檢測(cè)。其沉降傳感器電路原理框圖如圖2 所示。傳感器采納RS485 總線與數(shù)據(jù)終端進(jìn)行數(shù)據(jù)交流，采用芯片STM32 作為控制器，AD 采集電路實(shí)現(xiàn)數(shù)模轉(zhuǎn)換，線性可變差接變壓器（LVDT）和驅(qū)動(dòng)電路組成傳感器。

圖2 沉降傳感器電路原理框圖

該文采用的應(yīng)變傳感器是以擴(kuò)散硅作為傳感元器件，工作原理：力敏元件收到外力變化，內(nèi)部的電容值也相應(yīng)地產(chǎn)生變化[10]，將應(yīng)變傳感器接入到激振電路中，根據(jù)電容值的變化將其轉(zhuǎn)換成相應(yīng)的電信號(hào)，通過(guò)電路中濾波器和功率放大器對(duì)信號(hào)進(jìn)行處理。將應(yīng)變傳感器分別放置于路基內(nèi)和土里，完成準(zhǔn)備步驟。其應(yīng)變傳感器檢測(cè)電路原理框圖如圖3所示。

圖3 應(yīng)變傳感器電路原理框圖

對(duì)于溫濕度數(shù)據(jù)的采集，采用基于頻域反射法的溫濕度傳感器來(lái)實(shí)現(xiàn)[11]。對(duì)采集到的數(shù)據(jù)通過(guò)RS485 總線傳送到控制器。該控制器可掛載多個(gè)傳感器。為了應(yīng)對(duì)不同土質(zhì)的濕度，可設(shè)置多種量程并通過(guò)串口輪詢機(jī)制對(duì)數(shù)據(jù)進(jìn)行讀取[12]，溫濕度傳感器的工作流程圖如圖4 所示。

圖4 溫濕度傳感器工作流程圖

2 路基數(shù)據(jù)處理功能的實(shí)現(xiàn)

2.1 功能軟件設(shè)計(jì)

該文將沉降、溫濕度、壓力傳感器采集到的數(shù)據(jù)上傳到后臺(tái)數(shù)據(jù)平臺(tái)上，該平臺(tái)對(duì)這些涉及路基內(nèi)部靜態(tài)數(shù)據(jù)的信息進(jìn)行管理、分析和展示，從而實(shí)現(xiàn)傳感數(shù)據(jù)的存儲(chǔ)與查詢功能，并依靠數(shù)據(jù)形成的圖像，顯示數(shù)據(jù)變化的曲線圖。該文基于微軟公司Visual Studio 2019 版本的開(kāi)發(fā)環(huán)境，通過(guò)CLI 的方式進(jìn)行編程，由于Visual Studio 集成了編輯、編譯和調(diào)試等諸多功能，所以對(duì)該路基數(shù)據(jù)分析與展示功能具有很好的操作性，并且該文采用面向?qū)ο蟮木幊谭椒癈#語(yǔ)言以增加代碼的重用性和可讀性。

采用TCP/IP協(xié)議，利用Socket套接字完成通信方式的建立與傳輸[13]。首先，在服務(wù)器端建立Socket()函數(shù)進(jìn)行監(jiān)聽(tīng)，利用Bind()函數(shù)和Listen()函數(shù)對(duì)已獲得IP 地址和端口號(hào)的Socket()函數(shù)進(jìn)行綁定與監(jiān)聽(tīng)。其次，客戶端采用connect()函數(shù)，客戶端發(fā)出連接請(qǐng)求至服務(wù)器端。當(dāng)服務(wù)器端接收到連接請(qǐng)求后，調(diào)用accept()函數(shù)進(jìn)行請(qǐng)求申請(qǐng)，服務(wù)器端對(duì)連接進(jìn)行判斷。如果有客戶端進(jìn)行連接，則建立起通道，對(duì)傳輸?shù)臄?shù)據(jù)信息進(jìn)行讀寫操作。當(dāng)傳輸完成之后，客戶端利用close()函數(shù)發(fā)出關(guān)閉連接通道的請(qǐng)求，服務(wù)器端通過(guò)read()函數(shù)接收請(qǐng)求后，斷開(kāi)連接，恢復(fù)監(jiān)聽(tīng)等待。TCP 服務(wù)器端與客戶端工作流程圖如圖5 所示。

圖5 TCP 服務(wù)器端與客戶端工作流程圖

2.2 功能及界面的實(shí)現(xiàn)

根據(jù)軟件設(shè)計(jì)方案和權(quán)限管理機(jī)制，設(shè)計(jì)公路路基智能檢測(cè)系統(tǒng)的用戶注冊(cè)和登錄功能。新用戶在輸入網(wǎng)址后，進(jìn)入到用戶登錄界面，如果之前未注冊(cè)過(guò)，需要先進(jìn)行注冊(cè)，注冊(cè)之后方可登錄系統(tǒng)。如果用戶忘記密碼，輸入三次錯(cuò)誤密碼之后，系統(tǒng)會(huì)進(jìn)行用戶鎖定，只有通過(guò)管理員進(jìn)行解鎖、重置密碼，方能重新登錄系統(tǒng)。用戶登錄界面如圖6 所示。權(quán)限管理界面如圖7 所示。

圖6 用戶登錄界面

圖7 權(quán)限管理界面

進(jìn)入系統(tǒng)后，根據(jù)管理員分配給不同用戶的操作權(quán)限進(jìn)行使用。系統(tǒng)將采集到的公路路基數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)庫(kù)中，使用人員對(duì)數(shù)據(jù)庫(kù)中的內(nèi)容進(jìn)行分析和管理，以便調(diào)取數(shù)據(jù)，歸納路基狀態(tài)的變化規(guī)律。沉降傳感器數(shù)據(jù)的記錄圖如圖8 所示。

圖8 沉降傳感器數(shù)據(jù)的記錄圖

將采集到的沉降傳感器數(shù)據(jù)實(shí)時(shí)展現(xiàn)出來(lái)，顯示某一時(shí)段的各組數(shù)據(jù)。設(shè)置某一范圍內(nèi)的數(shù)據(jù)預(yù)警閾值，當(dāng)有路基采集到的傳感數(shù)據(jù)超過(guò)限值時(shí)，系統(tǒng)發(fā)出預(yù)警，操作人員根據(jù)該信息進(jìn)行記錄。同時(shí)，根據(jù)系統(tǒng)的歷史查詢功能，對(duì)系統(tǒng)數(shù)據(jù)庫(kù)存儲(chǔ)的數(shù)據(jù)進(jìn)行調(diào)用查看，指定序號(hào)、查詢數(shù)據(jù)的起止日期、時(shí)間與查詢數(shù)據(jù)的類型。數(shù)據(jù)庫(kù)管理查詢圖如圖9所示。

圖9 數(shù)據(jù)庫(kù)管理查詢圖

3 公路路基監(jiān)測(cè)的網(wǎng)絡(luò)功能

3.1 概率神經(jīng)網(wǎng)絡(luò)

在公路路基的智能檢測(cè)中，除了獲取路基的異常數(shù)據(jù)之外，還要將超過(guò)閾值的數(shù)據(jù)放入到神經(jīng)網(wǎng)絡(luò)之中，對(duì)其進(jìn)行模型訓(xùn)練[15]，完成對(duì)路基故障的分類處理，尋找適當(dāng)?shù)慕鉀Q方案。概率神經(jīng)網(wǎng)絡(luò)（PNN）算法較簡(jiǎn)單，具有收斂速度快、抗干擾強(qiáng)特點(diǎn)[16]。概率神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)圖如圖10 所示。

圖10 概率神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)結(jié)構(gòu)圖

神經(jīng)網(wǎng)絡(luò)輸入層獲取訓(xùn)練樣本集合，將樣本X輸入到網(wǎng)絡(luò)中，其中，Xij表示第i類的第j個(gè)樣本。神經(jīng)網(wǎng)絡(luò)中的模式層用于計(jì)算輸入層的數(shù)據(jù)與訓(xùn)練集中各個(gè)模式的關(guān)系[14]，模式層單元的輸出用第i類的第j個(gè)樣本的概率密度函數(shù)fij來(lái)表示，具體如式（1）所示：

其中，i=1,2,…,Xi表示i類樣本的數(shù)量，同時(shí)也是i類隱層神經(jīng)元的數(shù)目；x表示樣本的種類數(shù)量；P代表樣本空間的維度；σ表示模式層的平滑因子，范圍是（0,∞）。累加層的作用是將概率神經(jīng)網(wǎng)絡(luò)中的樣本進(jìn)行加和并取平均值，每個(gè)模式對(duì)應(yīng)一個(gè)累加層單元，與該模式層的神經(jīng)單元進(jìn)行連接，可以得到該類模式下的概率估計(jì)值fi(x)，如式（2）所示：

其中，Ni表示i類樣本的數(shù)量，同時(shí)也是i類隱層神經(jīng)元的數(shù)目。

輸出層根據(jù)閾值辨別器的識(shí)別結(jié)果，輸出將后驗(yàn)概率密度最大的神經(jīng)網(wǎng)絡(luò)單元。概率密度函數(shù)最大的輸出層神經(jīng)元輸出為1，其余輸出層神經(jīng)元的輸出為0。輸出層單元的數(shù)值為1 表示該樣本屬于該輸出層的模式類別，否則就表示不屬于該模式類別。假設(shè)存在兩種故障模式，分別為φA、φB，對(duì)應(yīng)的概率密度函數(shù)為fA和fB，由于無(wú)法直接計(jì)算出概率密度，采取核密度估計(jì)的方法，得出故障模式A 的概率密度函數(shù)如式（3）所示：

借助概率神經(jīng)網(wǎng)絡(luò)分析公路路基的數(shù)據(jù)，識(shí)別出路基受損的原因。將采集到的沉降、應(yīng)變、溫度、濕度數(shù)據(jù)組成的四維向量轉(zhuǎn)換為二維向量，完成數(shù)據(jù)的歸一化處理。歸一化計(jì)算如式（4）所示：

對(duì)部分采集到的傳感器數(shù)據(jù)進(jìn)行歸一化處理，處理前數(shù)據(jù)如表1所示，處理后數(shù)據(jù)如表2所示。將應(yīng)變和沉降因素作為對(duì)路基損壞影響較為重要的特征指標(biāo)。

表1 歸一化處理前數(shù)據(jù)

表2 歸一化處理后數(shù)據(jù)

3.2 基于神經(jīng)網(wǎng)絡(luò)的路基檢測(cè)

利用上述收集的傳感器數(shù)據(jù)進(jìn)行分類，將其分成路基正常模式以及5 種故障模式。故障類型1 表示路基崩塌碎落，故障類型2 表示路基產(chǎn)生裂縫，故障類型3 表示坡面損壞，故障類型4 表示路基遭遇水流毀壞，故障類型5 表示路基發(fā)生不規(guī)則的沉降現(xiàn)象。根據(jù)4 種傳感器數(shù)據(jù)類型形成一個(gè)四維向量x=[x1,x2,x3,x4]，對(duì)于每種路基狀態(tài)模式可選取30 份數(shù)據(jù)作為樣本空間的數(shù)據(jù)，共計(jì)180 份。為了構(gòu)建并測(cè)試四維向量數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型，選取前20 組數(shù)據(jù)作為訓(xùn)練集合，后10 組用來(lái)進(jìn)行測(cè)試。依據(jù)概率神經(jīng)網(wǎng)絡(luò)的分析，確認(rèn)輸入層的數(shù)據(jù)為120 份，分成正常狀態(tài)和故障狀態(tài)共6 種情形。概率神經(jīng)網(wǎng)絡(luò)模型的模式層神經(jīng)元為120 個(gè)，累加層的神經(jīng)單元為6個(gè)。該文在Matlab 中采用newpnn 函數(shù)創(chuàng)建網(wǎng)絡(luò)模型。該函數(shù)的表達(dá)式如式（5）所示：

故障的識(shí)別準(zhǔn)確率與參數(shù)Spread 相關(guān)，且Spread參數(shù)較小時(shí)，準(zhǔn)確率一般較高，所以可設(shè)置Spread 為1，同時(shí)樣本數(shù)量為120 個(gè)。在訓(xùn)練模型之后，采用測(cè)試集對(duì)其模型進(jìn)行實(shí)驗(yàn)。路基損壞類型的測(cè)試結(jié)果如表3 所示，根據(jù)公路路基的故障類型，也推薦出對(duì)應(yīng)的修補(bǔ)維護(hù)方案，模型訓(xùn)練的時(shí)間為0.142 43 s，對(duì)60 組樣本數(shù)據(jù)進(jìn)行分析測(cè)試，正確組數(shù)量為59 個(gè)，該概率神經(jīng)網(wǎng)絡(luò)模型的準(zhǔn)確率可達(dá)98.4%左右。

表3 路基損壞類型的測(cè)試結(jié)果

4 結(jié)論

該文首先闡述了國(guó)內(nèi)外對(duì)于公路路基檢測(cè)的研究現(xiàn)狀。其次，分析了關(guān)于傳感器路基檢測(cè)數(shù)據(jù)采集的相關(guān)技術(shù)，分析表明，通過(guò)傳感器技術(shù)可以有效地提升公路路基檢測(cè)的智能化效果。然后，設(shè)計(jì)了公路路基檢測(cè)中的信息采集功能和檢測(cè)展示功能，并借助Visual Studio 開(kāi)發(fā)平臺(tái)進(jìn)行實(shí)現(xiàn)。對(duì)路基故障模式的分類處理，則采用概率神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，完成損壞類型的判定。依據(jù)Matlab 的實(shí)驗(yàn)結(jié)果，證明了算法的有效性和正確性。在未來(lái)的研究中，會(huì)增加訓(xùn)練樣本的數(shù)量與維度，后續(xù)還會(huì)關(guān)注探地雷達(dá)等采集手段，對(duì)公路路基的缺陷實(shí)行更加細(xì)致的檢測(cè)，在檢測(cè)系統(tǒng)中集成更多的智能化模塊，為公路路基檢測(cè)的發(fā)展提供更多的智能化解決方案。