超高層建筑變形監(jiān)測和形態(tài)檢測智能分析系統(tǒng)

邱冬煒 段明旭 王來陽 王彤 馮海濤

摘 要： 對(duì)超高層建筑進(jìn)行綜合測控與分析是超高層建筑施工的一項(xiàng)重要環(huán)節(jié)，也是確保施工質(zhì)量和安全的重要手段。根據(jù)超高層建筑變形所具有的時(shí)空聯(lián)動(dòng)性的特點(diǎn)，提出UFK?SVR變形預(yù)測算法，研發(fā)了超高層建筑變形監(jiān)測和形態(tài)檢測智能分析系統(tǒng)。系統(tǒng)實(shí)現(xiàn)了多源海量監(jiān)測和檢測數(shù)據(jù)的信息化和安全化的全要素管理、變形信息的智能化分析、建筑形態(tài)的全景化展示、危險(xiǎn)源的精確化定位以及自動(dòng)化預(yù)警。該系統(tǒng)應(yīng)用于北京市在建第一高樓“中國尊”施工監(jiān)測，取得了良好的效果。

關(guān)鍵詞： 超高層建筑; UFK?SVR預(yù)測模型; 變形監(jiān)測; 形態(tài)檢測; 智能分析系統(tǒng); 數(shù)據(jù)處理

中圖分類號(hào)： TN915?34 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2018）12?0128?05

Abstract： Comprehensive measurement， control and analysis of the super high?rise building is an important link of super high?rise building construction， and also an important means to ensure the quality and safety of construction. According to the time?space linkage characteristic of super high?rise building deformation， a UFK?SVR deformation prediction algorithm is proposed， and an intelligent analysis system for deformation monitoring and shape inspection of the super high?rise building is developed. The system can realize total?factor management for informatization and securitization of multi?source massive monitoring and detection data， intelligent analysis of deformation information， panoramic display of architectural form， precise location of dangerous sources， and automatic pre?warning. The system was applied to the construction monitoring of the first high?rise building "CHINA ZUN" under construction in Beijing， and good results have been achieved.

Keywords： super high?rise building; UFK?SVR prediction model; deformation monitoring; shape inspection; intelligent analysis system; data processing

0 引 言

超高層建筑施工期間變形復(fù)雜，風(fēng)險(xiǎn)極大，需要多種測控儀器和方法聯(lián)合施測進(jìn)行變形監(jiān)測、形態(tài)檢測和質(zhì)量控制[1]。產(chǎn)生了多源海量的監(jiān)測和檢測數(shù)據(jù)，數(shù)據(jù)管理和綜合分析難度大，對(duì)數(shù)據(jù)的安全存儲(chǔ)、快速處理、智能分析和全方位展示等方面提出了更高的要求。

當(dāng)前，國外一些專家學(xué)者已經(jīng)在建筑物變形信息自動(dòng)化管理方面取得了重要成果。2009年，Ceriotti M等人通過多種無線傳感器對(duì)意大利特蘭托的一座中世紀(jì)塔型建筑進(jìn)行了為期4個(gè)月的振動(dòng)檢測，并應(yīng)用自主研發(fā)的軟件進(jìn)行實(shí)時(shí)數(shù)據(jù)處理，其檢測結(jié)果證明了軟件系統(tǒng)的穩(wěn)定性[2]。Seon P H等學(xué)者于2013年研發(fā)了建筑鋼結(jié)構(gòu)健康監(jiān)測系統(tǒng)，實(shí)現(xiàn)了監(jiān)測數(shù)據(jù)無線遠(yuǎn)程、實(shí)時(shí)傳輸，取得了良好的監(jiān)測效果[3]。2000年以后，我國在建筑自動(dòng)化監(jiān)測領(lǐng)域也取得了較為突出的成績。2010年，尹堯國等人開發(fā)了基于3D GIS的建筑自動(dòng)化監(jiān)測與管理系統(tǒng)，該系統(tǒng)為“鳥巢”建設(shè)提供了有力的保障[4]。2017年，周予啟等研發(fā)了利用北斗GNSS測量技術(shù)的高層建筑變形監(jiān)測系統(tǒng)，并應(yīng)用于深圳平安金融中心施工監(jiān)測[5]。

目前，國內(nèi)外的建筑監(jiān)測系統(tǒng)不適用于超高層建筑的施工特點(diǎn)和監(jiān)測需求，無法進(jìn)行整體變形的智能處理。因此，研發(fā)了超高層建筑變形監(jiān)測和形態(tài)檢測智能分析系統(tǒng)。該系統(tǒng)依托于“云計(jì)算”以及“智能分析”實(shí)現(xiàn)了超高層建筑變形監(jiān)測和檢測數(shù)據(jù)的綜合管理、智慧分析和智能預(yù)測，為超高層建筑變形監(jiān)測、形態(tài)檢測和質(zhì)量控制提供有效的指導(dǎo)。

1 系統(tǒng)設(shè)計(jì)

本文系統(tǒng)采用C#語言開發(fā)，采用C/S結(jié)構(gòu)搭建主體框架。其運(yùn)行環(huán)境為Windows 7/10。

1.1 系統(tǒng)主體框架

如圖1所示，該系統(tǒng)被劃分為四層，包括采集層、數(shù)據(jù)層、應(yīng)用層及管理層。

采集層是系統(tǒng)的基礎(chǔ)層，它能夠與多款監(jiān)測和檢測設(shè)備（全站儀、GPS、IBIS、數(shù)字水準(zhǔn)儀、傳感器等）建立有線或無線連接，實(shí)現(xiàn)了數(shù)據(jù)的自動(dòng)化采集。

數(shù)據(jù)層是系統(tǒng)的核心層，所有的數(shù)據(jù)交換、存儲(chǔ)和檢索都通過該層的數(shù)據(jù)庫來進(jìn)行。本系統(tǒng)采用SQLite及PostgreSQL數(shù)據(jù)庫聯(lián)合管理方式，實(shí)現(xiàn)移動(dòng)平臺(tái)、本地程序、云服務(wù)器及數(shù)據(jù)庫的動(dòng)態(tài)交互。采用Oracle數(shù)據(jù)庫完成空間數(shù)據(jù)存儲(chǔ)、索引及更新。

應(yīng)用層是該系統(tǒng)的具體功能實(shí)現(xiàn)層，實(shí)現(xiàn)了數(shù)據(jù)全景化瀏覽、成果輸出、數(shù)據(jù)在線傳輸、在線咨詢、智能分析和系統(tǒng)配置等功能。

管理層被劃分為系統(tǒng)管理及空間信息支撐平臺(tái)，主要負(fù)責(zé)空間數(shù)據(jù)的融合處理、業(yè)務(wù)數(shù)據(jù)的組織調(diào)用以及系統(tǒng)權(quán)限配置與管理。

1.2 子系統(tǒng)的構(gòu)建

系統(tǒng)包括4個(gè)功能性子系統(tǒng)。各子系統(tǒng)圍繞“云管理中心”構(gòu)成一個(gè)有機(jī)的整體，系統(tǒng)間相互協(xié)調(diào)，實(shí)現(xiàn)了數(shù)據(jù)流的云端交互、統(tǒng)一組織和安全管理。子系統(tǒng)數(shù)據(jù)交互流程如圖2所示。

數(shù)據(jù)采集子系統(tǒng)的設(shè)計(jì)是基于系統(tǒng)軟硬件運(yùn)行性能、儀器通信端口協(xié)議、數(shù)據(jù)傳輸方式和數(shù)據(jù)采集策略的基礎(chǔ)上構(gòu)建而成。該子系統(tǒng)受控制器驅(qū)動(dòng)，完成數(shù)據(jù)校驗(yàn)、結(jié)構(gòu)化編碼及加密、安全備份、采樣頻率控制以及數(shù)據(jù)云端上傳。

數(shù)據(jù)管理子系統(tǒng)是整個(gè)系統(tǒng)的控制“心臟”，借助系統(tǒng)搭建在“云端”的中心數(shù)據(jù)庫，實(shí)現(xiàn)了數(shù)據(jù)云端交互、數(shù)據(jù)統(tǒng)一管理與組織、多用戶并發(fā)操作，支持?jǐn)?shù)據(jù)分布式的處理及訪問，為其他子系統(tǒng)提供了可靠的數(shù)據(jù)共享和存儲(chǔ)平臺(tái)。

智能分析子系統(tǒng)是整個(gè)系統(tǒng)的“大腦”，依托于超高層建筑數(shù)據(jù)處理模型、非線性測量數(shù)據(jù)分析模型和多種預(yù)測數(shù)學(xué)模型，實(shí)現(xiàn)了結(jié)構(gòu)整體變形的精度分析、模式識(shí)別、結(jié)構(gòu)損傷監(jiān)測、數(shù)據(jù)挖掘、智能分析和變形趨勢預(yù)測等內(nèi)容。

顯示及評(píng)定子系統(tǒng)搭載了多種可視化平臺(tái)，實(shí)現(xiàn)了數(shù)據(jù)的實(shí)時(shí)、動(dòng)態(tài)和全景顯示。安全評(píng)定模塊主要是對(duì)結(jié)構(gòu)危險(xiǎn)源進(jìn)行實(shí)時(shí)追蹤和精確化定位，并通過圖表、文檔報(bào)告、電子郵件、短信等方式反饋給技術(shù)人員及管理人員，方便及時(shí)處理問題。

2 系統(tǒng)核心技術(shù)

本文系統(tǒng)在數(shù)據(jù)存儲(chǔ)、分析及顯示過程中采用眾多算法和新技術(shù)，如數(shù)據(jù)集編碼及加密、UKF?SVR預(yù)測模型和結(jié)構(gòu)形態(tài)檢測等。

2.1 數(shù)據(jù)采集編碼及安全存儲(chǔ)

為了保證有效數(shù)據(jù)信息的獲取和傳輸、加快數(shù)據(jù)存儲(chǔ)和處理速度、確保數(shù)據(jù)安全，數(shù)據(jù)在采集和傳輸過程中會(huì)被統(tǒng)一編碼和加密。每條記錄占用64個(gè)字節(jié)，劃分為序號(hào)域、時(shí)間域、數(shù)據(jù)域和信息域。

數(shù)據(jù)編碼索引建立之后，采用改進(jìn)的RSA算法對(duì)數(shù)據(jù)編碼進(jìn)行加密，同時(shí)將加密信息存儲(chǔ)于信息域并上傳于云平臺(tái)進(jìn)行管理、備份和計(jì)算，以保證數(shù)據(jù)的完成性、安全性和可靠性。改進(jìn)的RSA算法步驟如下：

通過上述實(shí)驗(yàn)，改進(jìn)RSA算法提高了系統(tǒng)加密和解密的性能，為數(shù)據(jù)快速傳輸提供了有力的保障。

2.2 UKF?SVR預(yù)測模型

超高層建筑變形信息具有高度的連續(xù)性、非線性和混沌性，變形序列中往往又混有系統(tǒng)誤差，使得SVR在該領(lǐng)域進(jìn)行回歸分析時(shí)不能達(dá)到預(yù)期效果。因此，本文引入無跡卡爾曼濾波（Unscented Kalman Filter， UKF）對(duì)SVR進(jìn)行改進(jìn)，即發(fā)揮了SVR回歸預(yù)測的優(yōu)勢，又有效地提高了它對(duì)非線性問題處理的能力。

2.2.1 支持向量回歸算法

支持向量回歸（Support Vector Regression， SVR）是在統(tǒng)計(jì)學(xué)習(xí)理論基礎(chǔ)上發(fā)展起來的淺層機(jī)器學(xué)習(xí)方法，具有全局最優(yōu)、強(qiáng)大的非線性處理能力以及優(yōu)秀的泛化能力，在分類和回歸等問題中發(fā)揮了重要作用 [7]。

假設(shè)樣本空間中存在連續(xù)時(shí)間序列訓(xùn)練樣本[X∈Rn]，則SVR對(duì)該樣本序列的線性回歸估計(jì)可以表示為：

2.2.2 無跡卡爾曼濾波

無跡卡爾曼濾波（UFK）是卡爾曼濾波的一個(gè)變體[8]，能夠有效處理非線性動(dòng)態(tài)系統(tǒng)的狀態(tài)估計(jì)問題。

UFK算法的核心思想是UT變換。假設(shè)[sigma]點(diǎn)通過非線性函數(shù)[yi=g（xi）]轉(zhuǎn)換，則可根據(jù)式（7）計(jì)算轉(zhuǎn)換后的協(xié)方差。

2.2.3 UFK?SVR預(yù)測模型

如圖3所示，通過UFK?SVR對(duì)變形數(shù)據(jù)進(jìn)行預(yù)測，大體可以分為四個(gè)階段，即數(shù)據(jù)歸一化階段、預(yù)處理階段、預(yù)測值微調(diào)階段以及預(yù)測評(píng)價(jià)階段。

首先，由于超高層建筑動(dòng)態(tài)變形信息數(shù)據(jù)集的跨越很大，需要對(duì)樣本數(shù)據(jù)進(jìn)行歸一化處理。

其次，通過SVR模型對(duì)歸一化后數(shù)據(jù)進(jìn)行預(yù)訓(xùn)練，并獲取先驗(yàn)預(yù)測估計(jì)。

再次，通過UKF模型對(duì)先驗(yàn)預(yù)測估計(jì)進(jìn)行調(diào)整。該步驟是本算法的核心部分，大體步驟如下：

1） 初始化UKF狀態(tài)方程和觀測方程的參數(shù)。

2） 樣本數(shù)據(jù)的[sigma]采樣。

3） 根據(jù)先驗(yàn)預(yù)測估計(jì)，通過UT轉(zhuǎn)換，計(jì)算預(yù)測均值[mk]和預(yù)測協(xié)方差[Pk]。

4 結(jié) 語

在超高層建筑變形監(jiān)測和形態(tài)檢測的關(guān)鍵技術(shù)研究的基礎(chǔ)上，研發(fā)了智能分析系統(tǒng)，改變了傳統(tǒng)監(jiān)測作業(yè)的模式，提高了超高層建筑、大型異構(gòu)建筑變形監(jiān)測和形態(tài)檢測的作業(yè)效率，實(shí)現(xiàn)了測控信息全要素的資源管理、智能分析、危險(xiǎn)源定位。本系統(tǒng)實(shí)現(xiàn)了與大部分測量儀器的自動(dòng)化數(shù)據(jù)傳輸，但仍有少部分儀器由于傳輸端口不匹配而無法完成自動(dòng)化連接，需要進(jìn)一步和儀器廠商溝通，以完善數(shù)據(jù)采集功能。

參考文獻(xiàn)

[1] 張旭喬，肖緒文，田偉，等.超高層建筑施工過程結(jié)構(gòu)豎向變形的研究現(xiàn)狀[J].施工技術(shù)，2017，46（16）：58?63.

ZHANG Xuqiao， XIAO Xuwen， TIAN Wei， et al. An overview of the research on structural vertical deformation occurred in the construction process of high?rise buildings [J]. Construction technology， 2017， 46（16）： 58?63.

[2] CERIOTTI M， MOTTOLA L， PICCO G P， et al. Monitoring heritage buildings with wireless sensor networks： the Torre Aquila deployment [C]// Proceedings of International Conference on Information Processing in Sensor Networks. San Francisco： IEEE， 2009： 277?288.

[3] PARK H S， SHIN Y， CHOI S W， et al. An integrative structural health monitoring system for the local/global responses of a large?scale irregular building under construction [J]. Sensors， 2013， 13（7）： 9085?9103.

[4] 伊堯國，周俊召，危雙豐，等.基于3D GIS的建筑變形自動(dòng)化監(jiān)測與管理系統(tǒng)的研究與開發(fā)[J].工程勘察，2010，38（8）：59?63.

YI Yaoguo， ZHOU Junzhao， WEI Shuangfeng， et al. Study on development of an information management system for building deformation monitoring based on 3D GIS [J]. Geotechnical investigation & surveying， 2010， 38（8）： 59?63.

[5] 周予啟，過靜珺，張勝良，等.深圳平安金融中心高精度北斗變形監(jiān)測系統(tǒng)的研發(fā)與應(yīng)用[J].施工技術(shù)，2017，46（8）：76?79.

ZHOU Yuqi， GUO Jingjun， ZHANG Shengliang， et al. Development and application of the high precision Beidou deformation monitoring system in Shenzhen Pingan Financial Center [J]. Construction technology， 2017， 46（8）： 76?79.

[6] 陳曉文，鄭建德.新型大素?cái)?shù)快速并行搜索策略[J].廈門大學(xué)學(xué)報(bào)（自然科學(xué)版），2008，47（2）：207?210.

CHEN Xiaowen， ZHENG Jiande. Novel fast parallel large prime search algorithm [J]. Journal of Xiamen University （Natural science）， 2008， 47（2）： 207?210.

[7] HASANIPANAH M， SHAHNAZAR A， AMNIEH H B， et al. Prediction of air?overpressure caused by mine blasting using a new hybrid PSO： SVR model [J]. Engineering with computers， 2017， 33（1）： 23?31.

[8] HARTIKAINEN J， SOLIN A， S?RKK? S. Optimal filtering with Kalman filters and smoothers： a manual for Matlab toolbox EKF/UKF [M/OL]. [2011?08?16]. https：//www.researchgate.net/publication/228683456_Optimal_filtering_with_Kalman_filters_and_smoothers?a_Manual_for_Matlab_toolbox_EKFUKF.

[9] JANELIUKSTIS R， RUCEVSKIS S， WESOLOWSKI M， et al. Multiple damage identification in beam structure based on wavelet transform [J]. Procedia engineering， 2017， 172： 426?432.

[10] TALAI S M， DESAI D A， HEYNS P S. Vibration characteristics measurement of beam?like structures using infrared thermography [J]. Infrared physics and technology， 2016， 79： 17?24.