尹健梅，劉 涵，代紅波，于 航，李永慶

（1. 中國(guó)電建集團(tuán)昆明勘測(cè)設(shè)計(jì)研究院有限公司， 昆明650000；2. 天津大學(xué) 水利工程仿真與安全國(guó)家重點(diǎn)實(shí)驗(yàn)室，天津300350；3. 水利部海河水利委員會(huì)科技咨詢(xún)中心，天津300170）

渡槽作為引水工程中的主要水工結(jié)構(gòu)， 如何進(jìn)行結(jié)構(gòu)狀態(tài)監(jiān)測(cè)、安全分析及加固檢修是重要的。渡槽的缺陷和病害對(duì)建筑物安全影響很大， 需要在科學(xué)的監(jiān)測(cè)檢測(cè)評(píng)估之后對(duì)癥下藥。 目前關(guān)于渡槽結(jié)構(gòu)運(yùn)行安全方面的研究，多為從功能性角度出發(fā)，在安全性、適用性、耐久性三方面對(duì)渡槽健康狀態(tài)進(jìn)行描述，采用的方法有不確定性層次分析法［1］、多元線(xiàn)性回歸法進(jìn)行渡槽沉降變形監(jiān)測(cè)［2］、模糊綜合評(píng)價(jià)法［3，4］對(duì)各評(píng)價(jià)指標(biāo)進(jìn)行定量劃分或定性描述，確定指標(biāo)權(quán)重，從而進(jìn)行渡槽健康狀態(tài)評(píng)價(jià)。而隨著物聯(lián)網(wǎng)技術(shù)、計(jì)算機(jī)技術(shù)等信息化水平的提高，各類(lèi)渡槽的安全監(jiān)測(cè)儀器的產(chǎn)出， 優(yōu)化布置傳感器對(duì)渡槽運(yùn)行狀態(tài)進(jìn)行科學(xué)的監(jiān)測(cè)同時(shí)結(jié)合智能算法實(shí)現(xiàn)渡槽健康狀態(tài)的實(shí)時(shí)監(jiān)控預(yù)警， 有助于發(fā)現(xiàn)渡槽結(jié)構(gòu)早期病害，及時(shí)維護(hù)與加固。

綜上， 本文首先本文對(duì)運(yùn)行期渡槽結(jié)構(gòu)健康狀態(tài)評(píng)價(jià)指標(biāo)進(jìn)行了分析， 采用監(jiān)測(cè)檢測(cè)數(shù)據(jù)進(jìn)行定量定性分析， 并對(duì)渡槽的運(yùn)行期狀態(tài)進(jìn)行了等級(jí)劃分。然后在第2節(jié)采用層次融合模型的思路提出渡槽結(jié)構(gòu)健康狀態(tài)診斷模型，通過(guò)對(duì)變形監(jiān)測(cè)傳感器、應(yīng)力應(yīng)變傳感器、 裂縫及人工檢測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，去除缺失值、冗余數(shù)據(jù)，獲得規(guī)范化的特征數(shù)據(jù)。在特征級(jí)處理環(huán)節(jié)， 將從預(yù)處理獲得的渡槽結(jié)構(gòu)特征數(shù)據(jù)， 如裂縫寬度、 裂縫深度等進(jìn)行支持向量分類(lèi)，獲得渡槽結(jié)構(gòu)健康狀態(tài)初步診斷的分類(lèi)結(jié)果，在決策層，采用D-S證據(jù)理論的思路進(jìn)行分類(lèi)診斷結(jié)果的融合， 從而實(shí)現(xiàn)對(duì)運(yùn)行期渡槽結(jié)構(gòu)健康狀態(tài)的診斷。 在第3節(jié)中通過(guò)將該方法應(yīng)用到工程實(shí)例中，從而驗(yàn)證了模型的可行性。

1 渡槽結(jié)構(gòu)健康狀態(tài)評(píng)價(jià)

1.1 渡槽結(jié)構(gòu)健康狀態(tài)診斷指標(biāo)

從功能性角度評(píng)價(jià)渡槽健康狀態(tài)的指標(biāo)較多且較復(fù)雜［4］。結(jié)合相關(guān)文獻(xiàn)的評(píng)價(jià)體系［1-5］，本文選擇建立層次結(jié)構(gòu)模型，以渡槽健康狀態(tài)為總目標(biāo)，確定評(píng)價(jià)體系目標(biāo)層；從材料劣化、滲漏破壞、結(jié)構(gòu)變形及外部荷載等方面， 將四個(gè)主要結(jié)構(gòu)損傷類(lèi)別作為渡槽健康狀態(tài)的評(píng)價(jià)指標(biāo)， 其中每個(gè)類(lèi)別又都包含有多個(gè)特征因子：

（1）材料劣化指標(biāo)：渡槽材料的劣化及混凝土產(chǎn)生裂縫、剝落、鋼筋銹蝕、碳化混凝土裂縫的產(chǎn)生和發(fā) 展［5］作為 結(jié) 構(gòu) 受 損 的 標(biāo) 志 之 一［6］，降 低 結(jié) 構(gòu) 耐 久性。本文將監(jiān)測(cè)的混凝土裂縫寬度，以及提取出的裂縫密度、剝蝕面積、碳化深度作為表示材料劣化程度的特征因子，反映渡槽結(jié)構(gòu)的耐久性。

（2）滲漏破壞指標(biāo)：由于渡槽的工作性質(zhì)，與水密切關(guān)聯(lián)，不可避免的水通過(guò)渡槽的薄弱點(diǎn)（例如裂縫、接縫等）流入和泄漏。將渡槽槽身的滲漏點(diǎn)個(gè)數(shù)、滲漏面積、滲漏水量、水的pH值等可作為滲漏破壞的特征因子。

（3）結(jié)構(gòu)變形指標(biāo)：變形類(lèi)的監(jiān)測(cè)項(xiàng)包括：結(jié)構(gòu)表面垂直位移、 不同結(jié)構(gòu)塊之間或不同結(jié)構(gòu)塊不同部位之間的差異沉降、撓度等，將槽身位移量、槽墩沉降量、槽臺(tái)傾斜位移量、撓度等可作為結(jié)構(gòu)變形的特征因子。

（4）外部荷載指標(biāo)：外部荷載作用危害渡槽結(jié)構(gòu)安全［3］。 將水壓力、溫度荷載及其變化量、過(guò)水量、風(fēng)荷載等特征因子作為外荷載的表現(xiàn)。 監(jiān)測(cè)橋址處環(huán)境溫度及其變化有助于分析和識(shí)別渡槽結(jié)構(gòu)內(nèi)力、變形及動(dòng)力特性的異常影響。

1.2 健康狀態(tài)等級(jí)劃分

結(jié)合渡槽工程特點(diǎn)，以及渡槽病害成因［1，4，6］，將渡槽結(jié)構(gòu)健康狀態(tài)評(píng)價(jià)等級(jí)劃分為4類(lèi)，如表1。

表1 健康狀態(tài)等級(jí)定性劃分

2 渡槽結(jié)構(gòu)健康狀態(tài)診斷模型

2.1 數(shù)據(jù)預(yù)處理

在渡槽運(yùn)行期間， 產(chǎn)生的數(shù)據(jù)由于傳感器受到干擾及本身的不穩(wěn)定性， 使得收集到的監(jiān)測(cè)數(shù)據(jù)具有冗余、缺失，而由于SVC模型對(duì)于數(shù)據(jù)的缺失值和冗余比較敏感，因此要進(jìn)行數(shù)據(jù)預(yù)處理，降低噪聲數(shù)據(jù)、不完整數(shù)據(jù)對(duì)于訓(xùn)練結(jié)果的影響。由于數(shù)據(jù)量綱和量級(jí)大小的差異， 為避免不同效應(yīng)量數(shù)據(jù)量間差異帶來(lái)的影響［7］，需要將特征數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，對(duì)于渡槽結(jié)構(gòu)健康狀態(tài)的各監(jiān)測(cè)數(shù)據(jù)標(biāo)準(zhǔn)化處理如下。

首先，以渡槽結(jié)構(gòu)表面垂直位移、差異沉降、撓度等監(jiān)測(cè)物理量為例， 其都為越小對(duì)于渡槽結(jié)構(gòu)健康影響越小的監(jiān)測(cè)指標(biāo)：

式中 xi′為xi標(biāo)準(zhǔn)化后的形式；xmax，xmin分別為某一監(jiān)測(cè)點(diǎn)的最大值和最小值。

也可以將特征值縮放為大致符合標(biāo)準(zhǔn)的正態(tài)分布，

式中 xi′為xi標(biāo)準(zhǔn)化后的形式；x和σ分別為某一監(jiān)測(cè)點(diǎn)的數(shù)據(jù)的平均值和標(biāo)準(zhǔn)差。

其余指標(biāo)因子提取和處理同上。

對(duì)于采集到的圖片數(shù)據(jù)需要對(duì)圖片進(jìn)行篩選，并對(duì)圖像進(jìn)行圖像增強(qiáng)和平滑處理，降低圖片噪聲，常用的圖像平滑處理方法有均值濾波、方框?yàn)V波、高斯濾波等。

在本文中對(duì)于進(jìn)行渡槽位移、沉降量、溫度，渡槽裂縫寬度的確定，采用通過(guò)高清攝像儀、無(wú)人機(jī)拍攝渡槽采集圖片數(shù)據(jù)， 通過(guò)Python 語(yǔ)言、Opencv、Keras等對(duì)采集到的渡槽圖片進(jìn)行裂縫識(shí)別，采用基于歐氏距離的裂縫寬度算法進(jìn)行裂縫寬度計(jì)算［8］。裂縫像素點(diǎn)個(gè)數(shù)占照片像素點(diǎn)個(gè)數(shù)的百分比作為裂縫密度。

2.2 SVC分類(lèi)器訓(xùn)練

本文采用概率支持向量機(jī)分類(lèi)算法對(duì)各種指標(biāo)因素健康狀態(tài)等級(jí)進(jìn)行分類(lèi)。 為了便于理解， 可將SVC表示為［9］，如式（3）。

式中 β0為偏差；N為所有支持向量觀察者的集合；αi為學(xué)習(xí)的模型參數(shù)；（xi，x）是一對(duì)支持向量觀察值。

一般渡槽結(jié)構(gòu)健康狀態(tài)分類(lèi)數(shù)據(jù)不均衡， 本文對(duì)不同的分類(lèi)使用不同的權(quán)重， 以調(diào)節(jié)數(shù)據(jù)不均衡問(wèn)題帶來(lái)的不準(zhǔn)確性，如式（4）和式（5）。

式中 C為一個(gè)超參數(shù)，對(duì)渡槽結(jié)構(gòu)狀態(tài)錯(cuò)誤判斷的懲罰；Cj為渡槽健康等級(jí)j的C值；ωj為等級(jí)j的權(quán)重；n為進(jìn)行訓(xùn)練的監(jiān)測(cè)總樣本數(shù)量；nj為渡槽健康狀態(tài)等級(jí)分類(lèi)j的監(jiān)測(cè)樣本數(shù)量；k為等級(jí)劃分的數(shù)量。

考慮到預(yù)測(cè)的可信度， 以及為了能夠更好地應(yīng)用在D-S證據(jù)理論中，本文將SVC的輸出轉(zhuǎn)換為概率［9］，概率最大的標(biāo)簽作為所屬類(lèi)型，如式（6）。

式中 A和B是參數(shù)向量；f是第i個(gè)傳感器數(shù)值到超平面的距離。如果數(shù)據(jù)集中分類(lèi)不止兩種，需要進(jìn)行擴(kuò)展。

2.3 多分類(lèi)結(jié)果信息融合

在對(duì)各個(gè)渡槽的指標(biāo)進(jìn)行分類(lèi)時(shí)， 由于不同的支持向量分類(lèi)器訓(xùn)練模型會(huì)產(chǎn)生多個(gè)分類(lèi)結(jié)果沖突問(wèn)題，因此需要一種數(shù)據(jù)融合方法。 D-S證據(jù)理論可清楚地表達(dá)不確定、不知道的信息，支持無(wú)先驗(yàn)知識(shí)情況下的信息融合［9，10］。然而式（9）中的k值計(jì)算會(huì)得到較大值，當(dāng)k值較大時(shí)，會(huì)影響信度m（A）的判斷，為了解決k值較大產(chǎn)生的沖突所帶來(lái)的較大的負(fù)面影響，本文定義為當(dāng)k<0.95時(shí)采用，式（9）進(jìn)行m（A）的計(jì)算。 而當(dāng)k>0.95時(shí)，采用證據(jù)理論與加權(quán)平均融合的算法，進(jìn)行m（A）的計(jì)算［11］，計(jì)算過(guò)程如式（10）～式（12）。

設(shè)為m1，m2，…，mn為n個(gè)證據(jù)源，則證據(jù)源mi和mj之間的沖突用kij來(lái)表示，如式（7）：

式中 Ax，Ay在本文代表結(jié)構(gòu)健康狀態(tài)診斷的不同結(jié)果。

證據(jù)可信度ε為證據(jù)沖突因子平均值的減函數(shù)，當(dāng)證據(jù)之間的沖突增大時(shí)，ε將降低，其計(jì)算方如式（8）：

合成規(guī)則計(jì)算方法如式（9）。

式中 k為沖突因子；q（A）表示證據(jù)源對(duì)結(jié)論A的平均支持度；m（A）為結(jié)論A的證據(jù)合成結(jié)果。

式中 d為計(jì)算的不同證據(jù)之間的歐幾里得距離，來(lái)衡量證據(jù)之間的相似度；ωi為不同命題所占的權(quán)重；m（A）為結(jié)論A的證據(jù)合成結(jié)果。

綜上，整體的評(píng)價(jià)模型步驟如圖1。 將經(jīng)處理的檢測(cè)數(shù)據(jù)B1、B2、B3、B4分別進(jìn)行SVC訓(xùn)練， 經(jīng)式（6）得到各指標(biāo)評(píng)價(jià)等級(jí)的概率，通過(guò)D-S證據(jù)理論融合算法，進(jìn)行k值的計(jì)算與判斷，將多個(gè)指標(biāo)評(píng)價(jià)等級(jí)的概率結(jié)果經(jīng)過(guò)代入式（9）或式（12）進(jìn)行信息融合，從而得到最終的唯一值， 該值即為監(jiān)測(cè)段渡槽結(jié)構(gòu)健康狀態(tài)的最終診斷結(jié)果。 關(guān)于健康狀態(tài)診斷的融合結(jié)果是從最大的m（A）即BPA中得出的，如式（13）。

變壓器的功能便是電壓的合理調(diào)換。如今，節(jié)能型變壓器已經(jīng)涌現(xiàn)在好多地方。顯著的優(yōu)點(diǎn)是，以更少的損耗來(lái)運(yùn)行。無(wú)論是單相配變還是三相配變，都擁有了新的功能。一些變壓器還能應(yīng)對(duì)一些特殊的要求，結(jié)合考慮到噪聲等問(wèn)題，更好的服務(wù)于居民。有條件的農(nóng)村，可以用新變壓器替換村里的老式S7及以下型號(hào)的變壓器。

式中 m（Az）為在Aj結(jié)論中Az反映為信度最大值，在本文中表示對(duì)健康狀態(tài)等級(jí)的中支持度最大值；Φ為不確定集合；m（φ）為不確定集合的信度，應(yīng)該小于一定的閾值ε′，本文中定為1×10-5。

圖1 渡槽結(jié)構(gòu)健康診斷模型

3 應(yīng)用實(shí)例

某渡槽總長(zhǎng)約268.3m， 進(jìn)口段46.6m， 出口段41.3m，渡槽180m，共六跨，單跨長(zhǎng)30m，設(shè)計(jì)過(guò)槽流量為115m3/s，渠底比降i=1/4000，槽身采用雙箱形結(jié)構(gòu)形式，單箱凈寬4.7m，凈高7.371m；結(jié)構(gòu)形式為梁式渡槽。 渡槽周?chē)荚O(shè)有高清攝像儀，在每段槽身跨中和兩端布置監(jiān)測(cè)儀器，每個(gè)測(cè)點(diǎn)布設(shè)2支測(cè)縫計(jì)監(jiān)測(cè)槽身錯(cuò)縫情況，在每段槽身兩端及中間布置3個(gè)測(cè)點(diǎn)通過(guò)收斂計(jì)觀測(cè)撓度共計(jì)18個(gè)測(cè)點(diǎn)； 該渡槽監(jiān)測(cè)儀器布置示意圖如圖2、圖3所示。 依據(jù)渡槽監(jiān)測(cè)、檢測(cè)設(shè)備對(duì)照1.1節(jié)指標(biāo)體系，并結(jié)合工程實(shí)際情況，采用圖4的指標(biāo)進(jìn)行該渡槽的結(jié)構(gòu)健康狀態(tài)分析。 將各項(xiàng)監(jiān)測(cè)、 檢測(cè)數(shù)據(jù)依據(jù)2.1節(jié)進(jìn)行標(biāo)準(zhǔn)化及歸一化處理提取出同一時(shí)段特征數(shù)據(jù)集共18組。

3.1 支持向量分類(lèi)器訓(xùn)練

3.1.1 核函數(shù)與核參數(shù)的選擇

K核函數(shù)、C與λ參數(shù)的確定，這些變量有助于在高維特征空間中找出進(jìn)行分離的最佳超平面。 本文通過(guò)參數(shù)的調(diào)節(jié)，采用交叉驗(yàn)證的方法進(jìn)行訓(xùn)練。以指標(biāo)B1為例，將同一時(shí)段處理后的18組數(shù)據(jù)［裂縫寬度，裂縫密度，剝蝕面積，剝蝕深度］進(jìn)行訓(xùn)練。

（1）選擇核函數(shù)。 由圖3可見(jiàn)因素C1和C2的分布為非線(xiàn)性分布，并且由分類(lèi)的結(jié)果能夠看出，圖5（a）的分類(lèi)效果最好，因此選擇徑向基函數(shù)為核函數(shù)，

（2）確定C與λ參數(shù)，在RBF核函數(shù)確定的基礎(chǔ)上，通過(guò)對(duì)四組模型中不同參數(shù)下預(yù)測(cè)精度的比較，選擇值為C=1，λ=0.1。

3.1.2 SVC分類(lèi)結(jié)果分析

圖2 測(cè)點(diǎn)平面布置圖

圖3 部分監(jiān)測(cè)儀器布設(shè)位置示意圖

圖4 渡槽結(jié)構(gòu)健康狀態(tài)診斷指標(biāo)

圖5 三種核參數(shù)對(duì)特征因子C1和C2分類(lèi)結(jié)果圖

通過(guò)訓(xùn)練四組分類(lèi)器，各自的預(yù)測(cè)精度由圖6可視化結(jié)果得知分別為94.4%，83.3%，94.4%，88.9%，有較高的準(zhǔn)確性。 各個(gè)分類(lèi)器結(jié)構(gòu)健康狀態(tài)的評(píng)價(jià)，部分結(jié)果如表2，由表可知1號(hào)位置的診斷結(jié)果B1和B3為I級(jí)，而B(niǎo)2和B3分別為II級(jí)和III級(jí)，不能夠反映監(jiān)測(cè)位置的整體結(jié)構(gòu)健康狀態(tài)，2號(hào)測(cè)點(diǎn)的診斷結(jié)果同樣不能反映監(jiān)測(cè)位置的整體結(jié)構(gòu)健康狀態(tài)。 因此需要進(jìn)行D-S證據(jù)融合分析處理。

圖6 各指標(biāo)分類(lèi)器的準(zhǔn)確度可視化

表2 1號(hào)測(cè)點(diǎn)和2號(hào)測(cè)點(diǎn)各指標(biāo)的預(yù)測(cè)等級(jí)

3.2 融合診斷結(jié)果分析

采用2.3節(jié)中的D-S證據(jù)理論方法進(jìn)行多分類(lèi)結(jié)果的融合，診斷結(jié)果見(jiàn)表3，與實(shí)際進(jìn)行對(duì)比，具有較高的準(zhǔn)確率。

表3 各監(jiān)測(cè)、檢測(cè)點(diǎn)的分類(lèi)融合結(jié)果

（1）從整體的預(yù)測(cè)結(jié)果來(lái)看，m（?）均滿(mǎn)足要求，在18組監(jiān)測(cè)數(shù)據(jù)的情況下有較好的預(yù)測(cè)結(jié)果。

（2）整個(gè)監(jiān)測(cè)段中，大多監(jiān)測(cè)段處于良好或較好的結(jié)構(gòu)狀態(tài)， 其中9號(hào)和10號(hào)監(jiān)測(cè)段分別處于III級(jí)、IV級(jí)狀態(tài)， 為渡槽跨中位置， 需要進(jìn)行除險(xiǎn)加固處理。 此外1號(hào)對(duì)于I等級(jí)的可信度支持度較低，由表2中對(duì)照的各指標(biāo)等級(jí)， 需要進(jìn)一步研究B4外部加載因素對(duì)渡槽的影響。

（3）對(duì)于2號(hào)、3號(hào)、17號(hào)、18號(hào)測(cè)點(diǎn)為IV等級(jí)，即渡槽進(jìn)口段、出口段以及與隧洞連接處危險(xiǎn)等級(jí)高，結(jié)合表2各指標(biāo)的風(fēng)險(xiǎn)等級(jí)并結(jié)合現(xiàn)場(chǎng)實(shí)際得出，B1指標(biāo)和B4指標(biāo)對(duì)于該段的風(fēng)險(xiǎn)起了主導(dǎo)作用， 結(jié)合現(xiàn)場(chǎng)實(shí)際情況該監(jiān)測(cè)段渡槽材料損失嚴(yán)重， 連接處混凝土裂縫多，表面混凝土嚴(yán)重脫落，地基沉降量較大需要立即進(jìn)行加固處理。

4 結(jié)語(yǔ)

在渡槽結(jié)構(gòu)健康狀態(tài)評(píng)價(jià)中， 本文將多分類(lèi)器融合模型運(yùn)用在渡槽結(jié)構(gòu)健康狀態(tài)的評(píng)價(jià)中， 從獲取檢測(cè)監(jiān)測(cè)數(shù)據(jù)中進(jìn)行健康狀態(tài)的特征值提取， 相比于層次分析法減少了權(quán)重分析中進(jìn)行打分的主觀性對(duì)結(jié)果的影響。 同時(shí)，利用SVC在少量訓(xùn)練集的基礎(chǔ)上能得到較精確的結(jié)果的特點(diǎn)， 也為老舊渡槽在監(jiān)測(cè)檢測(cè)信息較少的情況下進(jìn)行渡槽健康狀態(tài)診斷提供了一種方法。 但采用多分類(lèi)器評(píng)價(jià)模型還存在一定局限性：

（1）根據(jù)各種監(jiān)測(cè)儀儀器對(duì)渡槽分段進(jìn)行評(píng)價(jià)，監(jiān)測(cè)儀儀器的布置方式至關(guān)重要， 在創(chuàng)建分類(lèi)指標(biāo)時(shí)不同的渡槽所選取的分類(lèi)指標(biāo)有所差異， 需結(jié)合現(xiàn)場(chǎng)情況進(jìn)行相應(yīng)修改。

（2）后續(xù)工作中，需研究不同類(lèi)型渡槽病害特點(diǎn)，提取特征值，優(yōu)化多分類(lèi)融合模型，從而更高效、準(zhǔn)確地完成對(duì)渡槽結(jié)構(gòu)健康的診斷。