李紅波

（中船勘察設(shè)計(jì)研究院有限公司，上海 200063）

基于融合算法的沉降監(jiān)測(cè)數(shù)據(jù)反饋分析

李紅波

（中船勘察設(shè)計(jì)研究院有限公司，上海 200063）

沉降變形是安全監(jiān)測(cè)的重要內(nèi)容?；诜植际蕉嘣磾?shù)據(jù)智能融合算法，具有良好的修正性和互補(bǔ)性，可解決傳感器測(cè)量范圍局限與失準(zhǔn)及其數(shù)據(jù)誤差。某跨海大橋群樁基礎(chǔ)沉降監(jiān)測(cè)的應(yīng)用結(jié)果表明，該方法具有較高可靠性和識(shí)別精度，為安全監(jiān)測(cè)與分析提供了新的有效手段。

沉降監(jiān)測(cè)；數(shù)據(jù)處理；反饋分析；融合算法

近年來(lái)，隨著岸帶經(jīng)濟(jì)圈的崛起，沿海工程迅速發(fā)展，而由于地質(zhì)環(huán)境的復(fù)雜性，海上建筑物的基礎(chǔ)安全成為規(guī)劃、建設(shè)和管理必須面對(duì)與處置的重要問題。安全監(jiān)測(cè)是反映其與海洋地質(zhì)條件適應(yīng)性的重要評(píng)價(jià)內(nèi)容，健全和完善監(jiān)測(cè)網(wǎng)絡(luò)系統(tǒng)、采用自動(dòng)化監(jiān)測(cè)技術(shù)、完善地質(zhì)信息平臺(tái)、提高風(fēng)險(xiǎn)識(shí)別預(yù)警能力是重要途徑之一。

沉降變形監(jiān)測(cè)是評(píng)價(jià)樁基礎(chǔ)的一項(xiàng)重要指標(biāo)，但是海洋建筑物尤其是超大群樁基礎(chǔ)的沉降變化，受潮位、波浪、日照輻射等環(huán)境因素和偶然因素的影響，可導(dǎo)致觀測(cè)數(shù)據(jù)序列呈現(xiàn)異常過(guò)程，且這些環(huán)境因素不僅只影響某個(gè)測(cè)點(diǎn)，還會(huì)造成觀測(cè)系統(tǒng)出現(xiàn)異常群，從而嚴(yán)重干擾樁基礎(chǔ)工程特性的分析和預(yù)測(cè)。更重要的是，異常過(guò)程和異常群往往很難利用普通技術(shù)進(jìn)行識(shí)別和剔除。此外，不同類型的傳感器，因其精度、安裝方式和埋設(shè)位置不同，而使數(shù)據(jù)及其噪聲的特性存在差異。故有必要采用信噪分離技術(shù)剝離各種噪聲的影響，并根據(jù)不同類型傳感器觀測(cè)結(jié)果的可信度和重要性，進(jìn)行多傳感器數(shù)據(jù)融合。

對(duì)于監(jiān)測(cè)數(shù)據(jù)降噪，國(guó)內(nèi)外許多學(xué)者開展了大量研究，尤其是基于“軟計(jì)算”方法的修正數(shù)據(jù)得到廣泛應(yīng)用。Mallat提出多分辨分析的概念，使小波具有帶通濾波特性，從而可以利用小波分解與重構(gòu)的方法濾波降噪[1]。田勝利等利用小波去噪技術(shù)，對(duì)一組建筑物變形監(jiān)測(cè)數(shù)據(jù)進(jìn)行去噪處理，表明該方法能夠識(shí)別觀測(cè)噪聲和有用信息[2]。然而實(shí)測(cè)信號(hào)往往伴隨沖擊信號(hào)，從而限制了單一去噪方法的適用性。石雙忠等提出一種基于小波消噪時(shí)序分析改進(jìn)法[3]。潘國(guó)榮等采用把小波變換與神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合的小波神經(jīng)網(wǎng)絡(luò)法[4]。但小波神經(jīng)網(wǎng)絡(luò)法還存在結(jié)構(gòu)優(yōu)化問題，其收斂速度、魯棒性和預(yù)測(cè)精度還有待進(jìn)一步提高。

20 世紀(jì)60 年代初，Kalman 等提出遞推式濾波算法。它是一種對(duì)動(dòng)態(tài)系統(tǒng)進(jìn)行實(shí)時(shí)數(shù)據(jù)處理的有效方法，可實(shí)現(xiàn)對(duì)各種原始監(jiān)測(cè)數(shù)據(jù)的異常干擾進(jìn)行濾波處理，同時(shí)有效提高判定精度。何亮等通過(guò)采用離散Kalman 濾波估計(jì)和小波分析相結(jié)合的方法，建立了可應(yīng)用于結(jié)構(gòu)健康監(jiān)測(cè)的離散時(shí)間動(dòng)態(tài)模型[5]。王利等提出用Kalman 濾波法先對(duì)原始變形監(jiān)測(cè)數(shù)據(jù)進(jìn)行濾波處理，而后再建立GM 模型進(jìn)行灰色預(yù)測(cè)，并用實(shí)例證實(shí)了該法的有效性[6]。但無(wú)論是數(shù)據(jù)降噪還是數(shù)據(jù)融合，在深水群樁基礎(chǔ)整體沉降分析中的應(yīng)用研究仍較少見。

在多點(diǎn)監(jiān)測(cè)中，傳統(tǒng)的分析方法往往集中在對(duì)某一個(gè)傳感器采集的數(shù)據(jù)進(jìn)行分析判斷，這首先要求合理選取“關(guān)鍵點(diǎn)”，而該點(diǎn)的選取受人為影響因素較大；其次，該點(diǎn)是否具有代表性亦無(wú)法準(zhǔn)確驗(yàn)證，無(wú)法避免以偏概全；最后，該點(diǎn)的選取必須經(jīng)過(guò)大量的現(xiàn)場(chǎng)工作和研究，但是受工程條件和時(shí)間限制，顯然不易完成。而采取多個(gè)指標(biāo)分別進(jìn)行評(píng)判，很難準(zhǔn)確判斷出樁基的整體工作狀態(tài)，這是因?yàn)楦鱾€(gè)監(jiān)測(cè)點(diǎn)受到的外界影響不一致，如日照、波浪、溫度和潮位條件等，容易引起分析系統(tǒng)出現(xiàn)紊亂，從而嚴(yán)重干擾樁基礎(chǔ)沉降量和橋基安全的綜合分析和預(yù)測(cè)。因此如何將各傳感器采集的數(shù)據(jù)進(jìn)行綜合有效融合和提取，需要進(jìn)一步研究[7,8]。

已有研究表明，分布式融合算法能夠有效融合監(jiān)測(cè)數(shù)據(jù)[9]，其中Kalman濾波算法是其核心技術(shù)，監(jiān)測(cè)過(guò)程可視為對(duì)每一個(gè)傳感器運(yùn)動(dòng)軌跡的監(jiān)測(cè)。根據(jù)量測(cè)值提取目標(biāo)的綜合信息，實(shí)質(zhì)是建立多個(gè)固定的狀態(tài)方程和量測(cè)方程來(lái)描述樁基沉降量，并對(duì)各監(jiān)測(cè)點(diǎn)采集到的數(shù)據(jù)進(jìn)行跟蹤濾波去噪，以獲得被監(jiān)測(cè)對(duì)象的整體工程特性。

1 樁基沉降時(shí)間序列監(jiān)測(cè)模型

為便于數(shù)學(xué)描述，對(duì)于每一個(gè)傳感器監(jiān)測(cè)點(diǎn)，其沉降量可用下述方程組進(jìn)行描述：

其中，a(x)表示監(jiān)測(cè)點(diǎn)在x時(shí)刻到x+1時(shí)刻的加速度，v(x)表示樁基在x時(shí)刻的速度，s(x)表示樁基在x時(shí)刻的位置。a(x)是服從零均值、方差為Q的正態(tài)分布的噪聲序列，且a(x)和a(y)(x≠y) 互不相關(guān)，即，其中δ是克羅內(nèi)克函數(shù)，其特性為k=1時(shí)，δ(k)=0；k=0時(shí)，δ(k)=1。

由以上分析可建立樁基在沉降階段的時(shí)間序列動(dòng)態(tài)監(jiān)測(cè)模型：

式中：

Z(k)為樁基的實(shí)際沉降量監(jiān)測(cè)值，v(k)是均值為零、方差為Q的量測(cè)噪聲序列，且與W(k)不相關(guān)[10]。

2 分布式多傳感器數(shù)據(jù)融合

分布式多傳感器數(shù)據(jù)融合是一種決策級(jí)融合方法，通過(guò)一系列的數(shù)據(jù)關(guān)聯(lián)和互補(bǔ)，能夠最大限度地改正錯(cuò)誤，使誤差達(dá)到最小，從而避免誤差延續(xù)造成結(jié)果不精確。在樁基的沉降量監(jiān)測(cè)中，由于各個(gè)監(jiān)測(cè)點(diǎn)在單位采樣時(shí)間內(nèi)沉降量都是唯一的且反映了樁基的變形，因此各傳感器產(chǎn)生的沉降量是相關(guān)的，可采用有反饋信息結(jié)構(gòu)的卡爾曼濾波進(jìn)行融合計(jì)算。

有反饋信息的分布式融合結(jié)構(gòu)[11]，是指在數(shù)據(jù)處理前后均要進(jìn)行卡爾曼濾波的修正，即有一個(gè)數(shù)據(jù)信息反饋溝通的過(guò)程，最后才能進(jìn)行融合計(jì)算，融合計(jì)算方法如下[12]：

3 工程應(yīng)用實(shí)例

3.1 工程概況

東部某跨海大橋8號(hào)索塔塔墩采用了“超深、大直徑、樁距與樁徑比小”的群樁基礎(chǔ)，由于該樁基礎(chǔ)位于海中，且屬于高樁，上部裸露于海水中，故在其中上部布設(shè)了不銹鋼護(hù)筒；同時(shí)考慮到地震影響及水平承載力提高的需求，鋼護(hù)筒通常被永久保留為樁基礎(chǔ)的受力結(jié)構(gòu)。該結(jié)構(gòu)的主要特征是受力復(fù)雜，外界影響因素較多，尤其是潮汐作用和復(fù)合群樁影響效應(yīng)。由于自然條件限制，其量化影響程度無(wú)法精確計(jì)算出。為此，基于廣角度多源監(jiān)測(cè)理念，開展了多項(xiàng)自動(dòng)化原位跟蹤監(jiān)測(cè)，內(nèi)容包括壓力、軸力、承臺(tái)受力狀態(tài)、基樁彎曲變形、沉降量等， 由于監(jiān)測(cè)位置及樁身材料不同，對(duì)沉降量的監(jiān)測(cè)，采用了不同類型的傳感器。在該群樁基礎(chǔ)施工時(shí)期一共布置了10個(gè)自動(dòng)化采集點(diǎn)，均布于最外側(cè)的樁身。觀測(cè)時(shí)間開始于樁基礎(chǔ)施工完成，并一直延續(xù)至今。由于日照、潮水沖刷等原因，2008年7月和2010年11月，分別有2個(gè)傳感器失效，始終處于正常工作狀態(tài)的有8個(gè)。近年來(lái)，該樁基沉降量出現(xiàn)了個(gè)別傳感器測(cè)量的沉降量有反復(fù)變化的現(xiàn)象，且傳感器間采集的數(shù)據(jù)有矛盾等值得關(guān)注的問題。

3.2 融合結(jié)果及分析

以2007～2012年樁基沉降量實(shí)測(cè)數(shù)據(jù)為研究對(duì)象，起始點(diǎn)選在2007年1月1日，并將其賦值為0，歷年12月31日與起始點(diǎn)的總差值作為數(shù)據(jù)融合前的值，建立樁基沉降量的時(shí)間序列，進(jìn)行數(shù)據(jù)融合分析，以判斷整個(gè)超大群樁基礎(chǔ)的沉降值。

由2007～2012年間8號(hào)索塔各沉降傳感器采集的監(jiān)測(cè)值可知（表1），該群樁基礎(chǔ)在監(jiān)測(cè)時(shí)間內(nèi)大部分傳感器采集的沉降量數(shù)據(jù)均隨時(shí)間推移有增大趨勢(shì)。自監(jiān)測(cè)以來(lái)，最大沉降量發(fā)生在監(jiān)測(cè)點(diǎn)S8-4，沉降量達(dá)81.9mm；最小沉降量發(fā)生在監(jiān)測(cè)點(diǎn)S8-1，沉降量為62.5mm；年間最大沉降量變幅發(fā)生在2007～2008年的監(jiān)測(cè)點(diǎn)S8-5，沉降量達(dá)41.2mm；年間最小沉降量變幅發(fā)生在2010～2011年的監(jiān)測(cè)點(diǎn)S8-6，沉降量?jī)H有2mm。但不難看出，S8-7在2007～2011年間，其沉降量隨時(shí)間有增大趨勢(shì)，但2011年間以來(lái)，卻發(fā)生了“回彈”；同樣，S8-8在2007～2010年間，沉降量為增大趨勢(shì)，但2010～2011年間也有“回彈”，而2011～2012年間又呈增大趨勢(shì)。同時(shí)，還有個(gè)別傳感器采集的數(shù)據(jù)具有“跳躍性”，具體表現(xiàn)在反復(fù)無(wú)規(guī)律的變化趨勢(shì)，即出現(xiàn)同一時(shí)期各個(gè)監(jiān)測(cè)點(diǎn)的指標(biāo)對(duì)樁基整體沉降的評(píng)價(jià)出現(xiàn)不一致的現(xiàn)象，如圖1所示。

表1 沉降量實(shí)測(cè)及融合處理值 (mm)Table 1 The actual measurement and the fusion value of subsidence

圖1 沉降量實(shí)測(cè)值與融合值變化曲線Fig.1 The changing curve of actual measurement and the fusion value of subsidence

分析此現(xiàn)象，其原因是由于采用的不同類型傳感器的精度存在偏差，加之傳感器分布位置也有差異，引起數(shù)據(jù)矛盾，進(jìn)而引發(fā)數(shù)據(jù)間的冗余性[13]。為了消除這種矛盾性，根據(jù)傳感器分布特征，采用分布式多源數(shù)據(jù)融合處理方法進(jìn)行融合，融合結(jié)果見表1。

對(duì)比圖表可知，融合后的數(shù)據(jù)首先消除了傳感器采集數(shù)據(jù)的矛盾性，可修正融合前數(shù)據(jù)的冗余性和不準(zhǔn)確性，獲得了被測(cè)對(duì)象的一致性描述和解釋。采用具有反饋式融合方法后，去除了某些傳感器數(shù)據(jù)的反復(fù)無(wú)規(guī)律現(xiàn)象，在總體上降低了數(shù)據(jù)的矛盾性，這是因?yàn)槊總€(gè)傳感器的誤差是不相關(guān)的，融合處理后可抑制誤差。

其次，融合后的數(shù)據(jù)值處于各傳感器采集的數(shù)據(jù)之間，接近該時(shí)間內(nèi)分布較多的數(shù)值，符合正態(tài)分布，這是因?yàn)檠芯繉?duì)象為整個(gè)樁基平臺(tái)的沉降量，該融合方法具有良好的修正性和互補(bǔ)性。這種修正性和互補(bǔ)性，可以補(bǔ)償單一傳感器的不準(zhǔn)確性和測(cè)量范圍的局限性，這樣也就糾正了數(shù)據(jù)誤差，消除了“回彈”現(xiàn)象，同時(shí)也改正了個(gè)別傳感器采集數(shù)據(jù)的“跳躍性”。

綜上所述，融合后的數(shù)據(jù)比原始采集數(shù)據(jù)的子集具有更優(yōu)良的兼容性，即融合后的效果更加理想。融合后的值可以作為評(píng)價(jià)群樁基礎(chǔ)的“關(guān)鍵點(diǎn)”，其首先不受人為影響因素的控制；其次具有良好的代表性；最后，其不需要進(jìn)行大量的現(xiàn)場(chǎng)試驗(yàn)，能夠節(jié)省成本，降低風(fēng)險(xiǎn)。

就實(shí)際情況而言，樁基在投入使用時(shí)，對(duì)周圍環(huán)境有一個(gè)適應(yīng)過(guò)程；大橋運(yùn)行一段時(shí)間后，樁基才趨于穩(wěn)定。其沉降量變化表現(xiàn)出一種由大變小的趨勢(shì)，顯然，融合后的數(shù)據(jù)更加符合這一規(guī)律。

4 結(jié)論

（1）分布式融合算法能夠有效融合大橋群樁基礎(chǔ)沉降量的監(jiān)測(cè)數(shù)據(jù)，文中采用的卡爾曼濾波算法是其核心技術(shù)，監(jiān)測(cè)過(guò)程可視為對(duì)每一個(gè)傳感器運(yùn)動(dòng)軌跡的監(jiān)測(cè)，根據(jù)量測(cè)值提取目標(biāo)的綜合信息，建立的多個(gè)固定的狀態(tài)方程和量測(cè)方程來(lái)描述樁基沉降量是可行的；對(duì)各監(jiān)測(cè)點(diǎn)采集到的數(shù)據(jù)進(jìn)行跟蹤濾波去噪是有效的，能夠獲得被監(jiān)測(cè)對(duì)象的整體工程特性。證明基于卡爾曼濾波融合算法，可應(yīng)用于大橋群樁樁基沉降監(jiān)測(cè)數(shù)據(jù)綜合信息的提取。

（2）分布式融合算法，充分利用各個(gè)監(jiān)測(cè)點(diǎn)采集的數(shù)據(jù)，獲得了被測(cè)對(duì)象的一致性描述和解釋，消除了融合前數(shù)據(jù)的矛盾性和冗余性，發(fā)揮了數(shù)據(jù)的互補(bǔ)性，而且符合一般工程特性和沉降量變化規(guī)律，結(jié)果較為理想。

（3）傳感器數(shù)量越多，越能提高系統(tǒng)的可靠性。一方面可以增加數(shù)據(jù)間的互補(bǔ)性，另一方面當(dāng)某個(gè)或某幾個(gè)傳感器失效時(shí)，系統(tǒng)仍能正常運(yùn)行。該融合方法還可以將河床沖刷、樁頂軸力、基樁軸力、樁底土壓力、承臺(tái)受力狀態(tài)、基樁彎曲變形等一系列不同類型的傳感器采集的數(shù)據(jù)進(jìn)行綜合評(píng)判，應(yīng)用面較廣。

References)

[1] Mallat S G. A theory for multiresolution signal decomposition: the wavelet representation[J].Pattern Analysis and Machine Intelligence, 1989,11(7):674-693.

[2] 田勝利,周擁軍,葛修潤(rùn),等. 基于小波分解的建筑物變形監(jiān)測(cè)數(shù)據(jù)處理[J]. 巖石力學(xué)與工程學(xué)報(bào),2004,23(15):2639-2642.

Tian S L, Zhou Y J, Ge X R, et al. Processing of monitoring data of building deformation based on wavelet transform[J].Chinese Journal of Rock Mechanics and Engineering, 2004,23(15):2639-2642.

[3] 石雙忠,岳東杰. 基于小波消噪技術(shù)的時(shí)序分析法用于GPS 監(jiān)測(cè)數(shù)據(jù)處理[J]. 現(xiàn)代測(cè)繪,2006,29(4):17-19.

Shi S Z, Yue D J. Application of time-series analysis based on wavelet to GPS deformation monitoring data-processing[J].Modern Surveying and Mapping,2006,29(4):17-19.

[4] 潘國(guó)榮,谷川. 變形監(jiān)測(cè)數(shù)據(jù)的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[J]. 大地測(cè)量與地球動(dòng)力學(xué),2007,27(4):47-50.

Pan G R, Gu C. Wavelet neural network prediction method of deformation monitoring data[J].Journal of Geodesy and Geodynamics,2007,27(4):47-50.

[5] 何亮,敖鵬,孫炳楠. 結(jié)構(gòu)健康監(jiān)測(cè)信息的多尺度分析[J]. 市政技術(shù),2006,24(3):182-186.

He L, Ao P, Sun B N. Analysis of information in multiple measures for structure health monitoring[J].Municipal Engineering Technology, 2006,24(3):182-186.

[6] 王利,張勤,劉萬(wàn)林. 基于卡爾曼濾波的GM 模型及其在公路邊坡變形預(yù)測(cè)中的應(yīng)用[J]. 工程勘察,2007,(3):56-59.

Wang L, Zhang Q, Liu W L. Application of Kalman filter based on GM model to road slop deformation monitoring[J].Engineering Investigation,2007, (3):56-59.

[7] Hall D L. Mathematical techniques in multi sensor data fusion[M]. Artech House, London, 1992.

[8] Waltz E, Llinas J. Multisenser data fusion[M]. New York: Artech House, Inc., 1990.

[9] 蘇懷智,顧沖時(shí),吳中如. 大壩工作性態(tài)的模糊可拓評(píng)估模型及應(yīng)用[J]. 巖土力學(xué),2006,27(12):2115-2121.

Su H Z, Gu C S, Wu Z R. Assessment model of dam behavior with fuzzy extension theory and its application[J].Rock and Soil Mechanics,2006,27(12):2115-2121.

[10] 涂國(guó)平,鄧群釗. 多傳感器數(shù)據(jù)的統(tǒng)計(jì)融合方法 [J]. 傳感器技術(shù),2007,20(3),28-32.

Tu G P, Deng Q Z. A statistical method for the data fusion of multisensor[J].Journal of Transducer Technology,2007,20(3):28-32.

[11] 郭科,彭繼兵,許強(qiáng),等. 滑坡多點(diǎn)數(shù)據(jù)融合中的多傳感器目標(biāo)跟蹤技術(shù)應(yīng)用[J]. 巖土力學(xué),2006, 27(3):479-481.

Guo K, Peng J B, Xu Q, et al. Landslide multi-point multisensor data fusion target tracking technology[J].Rock and Soil Mechanics,2006,27(3):479-481.

[12] Singer R A, Sea R G, Housewright K. Derivation and evaluation of improved tracking filters for use in dense multi sensor environments[J].Information Theory,1974,20(4):423-432.

[13] Shalom B Y, Tse E. Tracking in a cluttered environment with Probabilistic data association[J].Automatic,2005,11(5):451-460.

Feedback Analysis of Subsidence Monitoring Based on Data Fusion Algorithm

LI Hong-Bo
(China Shipbuilding Industry Institute of the Engineering Investigation & Design Co, Ltd, Shanghai 200063, China)

Subsidence deformation is an important index of safety monitoring. The fusion algorithm with the distributed intelligent multi-source data can be the good correction and complementarity, and solve the sensor measuring range limitation and its misalignment and data error. The piles group foundation subsidence monitoring results from a bridge cross the sea show that it is a good method with higher reliability and recognition precision and provides a new effective measure for safety monitoring and analysis.

subsidence monitoring; data processing; feedback analysis; fusion algorithm

P229.5

A

2095-1329(2013)02-0084-04

10.3969/j.issn.2095-1329.2013.02.020

2013-05-27

2013-06-17

李紅波(1967-),女,高級(jí)工程師,主要從事巖土工程勘察與設(shè)計(jì)研究.

電子郵箱：lhb2150607@126.com

聯(lián)系電話：021-62548041×8663