基于實(shí)測(cè)信息的海堤PHM系統(tǒng)框架及關(guān)鍵技術(shù)研究

藍(lán)祝光, 黃 銘,2

(1.合肥工業(yè)大學(xué) 土木與水利工程學(xué)院, 安徽 合肥 230009; 2.三峽大學(xué) 三峽庫區(qū)地質(zhì)災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室, 湖北 宜昌 443000)

基于實(shí)測(cè)信息的海堤PHM系統(tǒng)框架及關(guān)鍵技術(shù)研究

藍(lán)祝光1, 黃 銘1,2

(1.合肥工業(yè)大學(xué) 土木與水利工程學(xué)院, 安徽 合肥 230009; 2.三峽大學(xué) 三峽庫區(qū)地質(zhì)災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室, 湖北 宜昌 443000)

[目的] 解決海堤傳統(tǒng)維修方式存在維修保障能力差、易造成重大損失的問題,建立科學(xué)的海堤健康管理系統(tǒng)。[方法] 將先進(jìn)的故障預(yù)測(cè)與健康管理(prognostic and health management, PHM)技術(shù)應(yīng)用于海堤工程中,研究建立海堤PHM系統(tǒng),并深入探討海堤PHM系統(tǒng)的預(yù)測(cè)和健康評(píng)估方法。結(jié)合海堤特點(diǎn)及海量、高頻的實(shí)測(cè)信息,提出將具有強(qiáng)大尋優(yōu)能力的水循環(huán)算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合,形成海堤狀態(tài)預(yù)測(cè)模型;并綜合考量海堤健康影響因素,基于模糊數(shù)學(xué)建立系統(tǒng)健康評(píng)估模型。[結(jié)果] 實(shí)例分析表明,所建立的海堤PHM系統(tǒng)預(yù)測(cè)模型和健康評(píng)估模型可有效預(yù)測(cè)海堤狀態(tài),并對(duì)海堤現(xiàn)階段和未來一定時(shí)段的健康狀況進(jìn)行準(zhǔn)確的實(shí)時(shí)評(píng)估和預(yù)評(píng)估。[結(jié)論] 形成了適應(yīng)海堤工程特點(diǎn)的海堤PHM系統(tǒng)框架,所建立的預(yù)測(cè)模型和健康評(píng)估模型科學(xué)有效。

海堤PHM系統(tǒng); 實(shí)測(cè)信息; 預(yù)測(cè); 健康評(píng)估

文獻(xiàn)參數(shù)： 藍(lán)祝光, 黃銘.基于實(shí)測(cè)信息的海堤PHM系統(tǒng)框架及關(guān)鍵技術(shù)研究[J].水土保持通報(bào)，2017,37(3)：307-313.DOI:10.13961/j.cnki.stbctb.2017.03.053； Lan Zhuguang, Huang Ming. Framework and key technologies of seawall prognostic and health management system based on measured information[J]. Bulletin of Soil and Water Conservation, 2017,37(3)：307-313.DOI:10.13961/j.cnki.stbctb.2017.03.053

海堤的安全從古至今備受重視[1-4]，但由于設(shè)計(jì)施工能力所限，許多堤身年代久遠(yuǎn)，且海堤長(zhǎng)期抵抗潮水侵蝕、暴雨沖刷、臺(tái)風(fēng)侵害，自然災(zāi)害突發(fā)性強(qiáng)、破壞力大，海堤安全事故較為頻繁。鑒于海堤的重要性和安全隱患易發(fā)性，借助先進(jìn)的信息技術(shù)和自動(dòng)化技術(shù)，建立有效的海堤健康管理系統(tǒng)，實(shí)現(xiàn)海堤科學(xué)化、信息化管理顯得尤為重要。

針對(duì)海堤傳統(tǒng)維修方式存在維修保障能力差、無法預(yù)測(cè)未來健康狀態(tài)進(jìn)而采取相應(yīng)維修措施、經(jīng)濟(jì)可承受性差等不足，以及建立科學(xué)、有效的海堤健康管理系統(tǒng)的迫切需要，根據(jù)海堤運(yùn)行特點(diǎn)，結(jié)合海堤安全監(jiān)測(cè)，將近期快速發(fā)展的系統(tǒng)診斷預(yù)測(cè)決策研究熱點(diǎn)——故障預(yù)測(cè)與健康管理(prognostics and health management， PHM)技術(shù)應(yīng)用于海堤工程，研究建立海堤PHM系統(tǒng)，對(duì)海堤運(yùn)行狀況進(jìn)行預(yù)測(cè)和健康管理，預(yù)知海堤存在的故障隱患或可能發(fā)生的險(xiǎn)情，及時(shí)下達(dá)相應(yīng)預(yù)警及維修決策指令，避免海堤過度維修或維修不足的問題，實(shí)現(xiàn)海堤視情維修、科學(xué)管理、降低維修保障費(fèi)用、確保海堤安全運(yùn)行的目的。

目前，PHM技術(shù)已在航空航天、國(guó)防、工業(yè)以及機(jī)械、核電站、電子等領(lǐng)域逐步得到應(yīng)用，正顯露出其巨大的發(fā)展?jié)摿蛻?yīng)用前景[5-10]。溫祥西等[5]總結(jié)了目前網(wǎng)絡(luò)PHM關(guān)鍵技術(shù)存在的問題，提出了基于移動(dòng)代理的分層分布式PHM體系結(jié)構(gòu)和綜合型PHM管理框架；黃贊武[6]針對(duì)軌道電路故障，采用PHM開放式分層體系，構(gòu)建了軌道電路PHM體系結(jié)構(gòu)，并研制了軌道電路特征參數(shù)釆集及信息處理設(shè)備；JOUIN M等[7]將PHM技術(shù)運(yùn)用于燃料電池系統(tǒng)(FC)中，增加了燃料電池系統(tǒng)的使用壽命；莫固良等[9]闡述了PHM系統(tǒng)的含義，對(duì)當(dāng)前飛機(jī)PHM系統(tǒng)的應(yīng)用狀態(tài)進(jìn)行了全面的概述，并分析了PHM系統(tǒng)設(shè)計(jì)的主要關(guān)鍵技術(shù)。

本文擬以實(shí)時(shí)監(jiān)測(cè)信息為基礎(chǔ)，結(jié)合海堤結(jié)構(gòu)力學(xué)特性、工作環(huán)境特點(diǎn)，研究建立基于先進(jìn)故障預(yù)測(cè)與健康管理技術(shù)的海堤PHM系統(tǒng)，構(gòu)建系統(tǒng)整體結(jié)構(gòu)。重點(diǎn)研究海堤PHM系統(tǒng)的關(guān)鍵技術(shù)——預(yù)測(cè)方法和健康評(píng)估模型。提出具有強(qiáng)大尋優(yōu)能力的新型算法——水循環(huán)算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，形成水循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；綜合考量海堤健康影響因素，結(jié)合實(shí)測(cè)信息和預(yù)報(bào)信息，基于模糊數(shù)學(xué)建立海堤健康評(píng)估模型；實(shí)現(xiàn)海堤PHM系統(tǒng)對(duì)海堤進(jìn)行狀態(tài)預(yù)測(cè)、健康實(shí)時(shí)評(píng)估和預(yù)判評(píng)估等功能。并通過實(shí)例驗(yàn)證海堤PHM系統(tǒng)預(yù)測(cè)功能和健康評(píng)估功能的有效性。

1 PHM技術(shù)及海堤PHM系統(tǒng)框架結(jié)構(gòu)

隨著信息技術(shù)和自動(dòng)化技術(shù)的快速發(fā)展，各種大型系統(tǒng)的集成度和復(fù)雜度越來越高，系統(tǒng)的運(yùn)行維修保障問題日益突出，尋求一種既便捷可靠又經(jīng)濟(jì)高效的保障方式成為相關(guān)領(lǐng)域?qū)＜已芯康臒狳c(diǎn)[11]。故障預(yù)測(cè)與健康管理(PHM)就是在這種背景下，綜合利用現(xiàn)代信息技術(shù)、人工智能技術(shù)的最新研究成果而提出的一種全新的管理系統(tǒng)健康狀態(tài)的解決方案。

PHM是指利用先進(jìn)傳感器采集系統(tǒng)的各類數(shù)據(jù)信息，借助各種智能模型和先進(jìn)算法來監(jiān)控、評(píng)估、預(yù)測(cè)和管理系統(tǒng)自身的健康狀態(tài)，在系統(tǒng)故障發(fā)生前對(duì)其故障進(jìn)行預(yù)測(cè)，并結(jié)合各種可利用的資源信息提供一系列的維修保障措施以實(shí)現(xiàn)系統(tǒng)的視情維修，是一種故障檢測(cè)、故障預(yù)測(cè)、健康評(píng)估及維護(hù)決策相融合的綜合技術(shù)[12]。PHM技術(shù)使得原來以事件為主導(dǎo)的事后維修或與時(shí)間相關(guān)的計(jì)劃維修被基于狀態(tài)的視情維修所取代。

通常情況下，PHM的體系結(jié)構(gòu)主要由以下部分構(gòu)成：數(shù)據(jù)采集模塊、數(shù)據(jù)處理模塊、狀態(tài)監(jiān)測(cè)模塊、健康評(píng)估模塊、故障預(yù)測(cè)模塊、決策支持模塊。依照具體研究對(duì)象可形成不同組合及不同應(yīng)用的PHM系統(tǒng)，各模塊間相互聯(lián)系、有機(jī)融合[13]。本文依據(jù)海堤特點(diǎn)和實(shí)際需要，以海堤高頻、海量實(shí)測(cè)信息為基礎(chǔ)，針對(duì)PHM基本結(jié)構(gòu)和海堤實(shí)際安全運(yùn)行管理需要，構(gòu)建海堤PHM系統(tǒng)框架結(jié)構(gòu)(圖1)。

(1) 數(shù)據(jù)采集管理模塊。利用先進(jìn)傳感器采集海堤PHM系統(tǒng)所需各類信息，建立數(shù)據(jù)庫對(duì)各類信息進(jìn)行分類管理，并運(yùn)用數(shù)理統(tǒng)計(jì)等方法對(duì)海堤高頻率、大數(shù)量、多種類的環(huán)境量、狀態(tài)量、工程信息進(jìn)行信息融合、特征提取等處理。

(2) 海堤狀態(tài)監(jiān)測(cè)分析模塊。接受來自數(shù)據(jù)采集管理模塊處理后的各類信息，進(jìn)行閾值判斷和監(jiān)測(cè)分析。

(3) 海堤狀態(tài)預(yù)測(cè)模塊。接受海堤狀態(tài)監(jiān)測(cè)分析模塊的分析結(jié)果，借助神經(jīng)網(wǎng)絡(luò)、水循環(huán)算法等方法建立海堤狀態(tài)預(yù)測(cè)模型，實(shí)現(xiàn)海堤狀態(tài)預(yù)測(cè)分析功能，并將預(yù)測(cè)結(jié)果傳送至健康評(píng)估模塊，為海堤PHM系統(tǒng)實(shí)現(xiàn)預(yù)判未來一定時(shí)段的海堤健康狀況提供依據(jù)。

(4) 健康評(píng)估模塊。接受海堤狀態(tài)監(jiān)測(cè)分析模塊和海堤狀態(tài)預(yù)測(cè)模塊的數(shù)據(jù)，結(jié)合模糊數(shù)學(xué)、層次分析法等健康評(píng)估算法，形成海堤PHM系統(tǒng)健康評(píng)估模型，對(duì)海堤現(xiàn)階段和未來一定時(shí)段的健康狀態(tài)進(jìn)行健康評(píng)估。并將評(píng)估結(jié)果傳送至預(yù)警及維修決策模塊。

(5) 預(yù)警及維修決策模塊。依據(jù)海堤工程特點(diǎn)和實(shí)際需求，建立海堤PHM系統(tǒng)安全預(yù)警級(jí)別、預(yù)警模式、維修及統(tǒng)籌決策機(jī)制，依據(jù)健康評(píng)估模塊得出的海堤當(dāng)前與未來時(shí)段的健康評(píng)估結(jié)果，及時(shí)預(yù)警，并統(tǒng)籌可利用資源及協(xié)調(diào)各相關(guān)部門采取科學(xué)有效的維修保障措施。

PHM的顯著特征是具有預(yù)測(cè)能力，有效預(yù)測(cè)系統(tǒng)的各指標(biāo)狀態(tài)并依此進(jìn)行健康預(yù)判是進(jìn)行預(yù)警和視情維修的基礎(chǔ)。健康評(píng)估模塊主要進(jìn)行實(shí)時(shí)評(píng)估和預(yù)判系統(tǒng)的健康狀況，是整個(gè)系統(tǒng)的核心環(huán)節(jié)之一。本文在構(gòu)建合理有效的海堤PHM系統(tǒng)框架的同時(shí)，重點(diǎn)研究海堤PHM系統(tǒng)關(guān)鍵技術(shù)——預(yù)測(cè)模型和健康評(píng)估模型的構(gòu)建方法。

圖1 海堤PHM系統(tǒng)框架結(jié)構(gòu)

2 海堤PHM系統(tǒng)關(guān)鍵技術(shù)

海堤PHM系統(tǒng)的關(guān)鍵技術(shù)主要包括：信息融合方法、狀態(tài)監(jiān)測(cè)分析手段、海堤狀態(tài)預(yù)測(cè)模型、海堤健康評(píng)估模型及預(yù)警維修決策模型等。因篇幅所限，結(jié)合目前研究成果，本文主要對(duì)海堤PHM系統(tǒng)的預(yù)測(cè)模型和健康評(píng)估模型進(jìn)行闡述。預(yù)測(cè)方法與健康評(píng)估手段作為海堤PHM系統(tǒng)得以實(shí)現(xiàn)的關(guān)鍵技術(shù)之一，建立科學(xué)有效的海堤狀態(tài)預(yù)測(cè)模型和健康評(píng)估模型是本文的研究重點(diǎn)。在充分研究海堤狀態(tài)量與快速變化潮位、暴雨、時(shí)效等重要環(huán)境量間的因果關(guān)系條件下，將水循環(huán)算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立準(zhǔn)確性高、有效合理反映多因素因果關(guān)系的海堤狀態(tài)預(yù)測(cè)模型；并綜合考量海堤健康影響因素，結(jié)合預(yù)測(cè)信息與海洋氣象預(yù)報(bào)信息，采用廣泛運(yùn)用于復(fù)雜系統(tǒng)綜合安全評(píng)判的模糊數(shù)學(xué)方法，建立符合海堤健康管理需求的綜合評(píng)判結(jié)構(gòu)，構(gòu)建健康等級(jí)體系，形成海堤PHM系統(tǒng)健康評(píng)估模型，實(shí)現(xiàn)海堤健康實(shí)時(shí)評(píng)估和預(yù)判評(píng)估。

2.1 基于水循環(huán)神經(jīng)網(wǎng)絡(luò)的海堤PHM系統(tǒng)狀態(tài)預(yù)測(cè)模型

滲壓作為反映海堤健康狀態(tài)的重要指標(biāo)，對(duì)其實(shí)測(cè)數(shù)據(jù)進(jìn)行預(yù)測(cè)分析，是構(gòu)建海堤PHM系統(tǒng)狀態(tài)預(yù)測(cè)模塊的重要環(huán)節(jié)。本文以海堤滲壓為分析對(duì)象，詳細(xì)介紹海堤PHM系統(tǒng)狀態(tài)預(yù)測(cè)模型的構(gòu)建方法。

在充分考慮周期性快速變化的潮位、降雨、時(shí)效對(duì)滲壓的影響，以及滲壓與其影響因素間具有明顯的非線性與不確定性關(guān)系的條件下，采用于2012年HadiEskandar[14]等人提出的具有強(qiáng)大尋優(yōu)能力、魯棒性和快速收斂特性的新型智能優(yōu)化算法——水循環(huán)算法[15-16](water cycle algorithm， WCA)與BP神經(jīng)網(wǎng)絡(luò)相結(jié)合，以潮位、降雨、時(shí)效作為模型輸入層，滲壓作為模型輸出層，利用水循環(huán)算法取代BP神經(jīng)網(wǎng)絡(luò)的誤差反向計(jì)算來求解模型權(quán)值，建立基于水循環(huán)神經(jīng)網(wǎng)絡(luò)的海堤PHM系統(tǒng)滲壓預(yù)測(cè)模型。BP神經(jīng)網(wǎng)絡(luò)的原理詳見文獻(xiàn)[17-18]。

2.1.1 水循環(huán)算法具體過程

(1) 基本參數(shù)。在N維變量問題中，由m個(gè)雨滴層(raindrops)形成種群X=[X1,X2,…,Xm]，其中第i個(gè)雨滴層的位置是大小為1×N的一組向量Xi=[xi,1,xi,2,…,xi,N]，每個(gè)雨滴層的位置Xi代表所求問題的一個(gè)潛在解。每個(gè)雨滴層的代價(jià)函數(shù)表示為：

costi=f(xi,1,xi,2,…,xi,N) (i=1,2,…,m)

(1)

比較每個(gè)雨滴層代價(jià)函數(shù)的大小，定義雨滴層種群中最優(yōu)雨滴層(即該雨滴層的代價(jià)函數(shù)最小)作為大海，定義N河個(gè)較好的雨滴層(即雨滴層的代價(jià)函數(shù)相對(duì)較小)作為河流，剩余雨滴層作為溪流。

Nsr=N河+1

(2)

N溪=m-Nsr

(3)

式中：N河——河流個(gè)數(shù)；Nsr——河流和大海個(gè)數(shù)總和；N溪——溪流個(gè)數(shù)。

(4)

式中：NSn——流向指定河流和大海的溪流個(gè)數(shù)； round{f}——取f四舍五入后的整數(shù)值。

(2) 匯流過程。初始時(shí)刻，溪流與河流的位置有一定的距離，隨著匯流作用，溪流逐漸向河流靠近，并達(dá)到新的位置，對(duì)比此時(shí)溪流與河流的代價(jià)函數(shù)，若溪流的代價(jià)函數(shù)較河流的小，則溪流與河流互換位置。類似的，經(jīng)過匯流作用后，若河流的代價(jià)函數(shù)較大海的小，則河流與大?；Q位置。匯流公式如下：

(5)

(6)

(7)

(3) 蒸發(fā)與降雨。在水循環(huán)算法中，蒸發(fā)是能夠防止該算法因快速收斂而陷入局部最優(yōu)的重要措施。蒸發(fā)條件為：

(8)

較大的dmax可以防止算法陷入局部極小值，較小的dmax可以提高算法搜索精度。因此， 采用逐漸遞減的方式進(jìn)行計(jì)算：

(9)

式中：kmax——最大迭代次數(shù)。

當(dāng)滿足蒸發(fā)條件后，進(jìn)入降雨過程，即第h條河流和流入該河流的溪流蒸發(fā)消失，隨機(jī)形成與消失河流、溪流數(shù)量相同的雨滴層，計(jì)算其代價(jià)函數(shù)，選擇其中最好的雨滴層為第h條河流，其余為流入該河流的溪流，并進(jìn)入?yún)R流過程。

(4) 收斂準(zhǔn)則。當(dāng)達(dá)到最大迭代次數(shù)或最小誤差要求時(shí)，終止迭代；否則返回匯流、蒸發(fā)與降雨過程繼續(xù)迭代。最終得出的大海位置X海=[x1,x2,…,xN]即為問題最優(yōu)解。

2.1.2 海堤滲壓水循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型實(shí)現(xiàn)步驟

(1) 海堤PHM系統(tǒng)預(yù)測(cè)模塊的滲壓預(yù)測(cè)模型采用3層網(wǎng)絡(luò)結(jié)構(gòu)，輸入層分別為經(jīng)過處理的潮位因子、降雨因子和時(shí)效因子[19]，輸出層為滲壓，根據(jù)經(jīng)驗(yàn)公式[20]取隱含層節(jié)點(diǎn)數(shù)為5。

(2) 設(shè)定水循環(huán)算法控制參數(shù)：雨滴層總數(shù)m；河流個(gè)數(shù)N河；極小值dmax；最大迭代次數(shù) 。

(3) 隨機(jī)形成m個(gè)雨滴層，每個(gè)雨滴層的位置Xi=[xi,1,xi,2,xi,N]代表模型中所有的權(quán)值，根據(jù)每一組權(quán)值和BP神經(jīng)網(wǎng)絡(luò)前向計(jì)算，對(duì)q組潮位、降雨、時(shí)效輸入樣本進(jìn)行訓(xùn)練，求得q組模型滲壓輸出值 ，則每個(gè)雨滴層的代價(jià)函數(shù)可表示為：

(10)

(4) 比較每個(gè)雨滴層代價(jià)函數(shù)的大小，選擇最小的cost對(duì)應(yīng)的雨滴層作為大海，選擇N河個(gè)次小的cost對(duì)應(yīng)的雨滴層作為河流。并按公式(4)確定流向指定河流和大海的溪流個(gè)數(shù)。

(7) 當(dāng)達(dá)到最大迭代次數(shù)或最小誤差要求時(shí)，結(jié)束計(jì)算；否則返回步驟(5) 繼續(xù)計(jì)算。最終的大海位置X海=[x1,x2,…,xN]即為神經(jīng)網(wǎng)絡(luò)權(quán)值。

(8) 模型依據(jù)最終的權(quán)值，對(duì)預(yù)測(cè)樣本進(jìn)行計(jì)算，即可預(yù)測(cè)出滲壓。

2.2 基于模糊數(shù)學(xué)的海堤PHM系統(tǒng)健康評(píng)估模型

建立科學(xué)有效的健康評(píng)估模型是海堤PHM系統(tǒng)對(duì)海堤健康進(jìn)行實(shí)時(shí)評(píng)估和預(yù)判評(píng)估的基礎(chǔ)，也是系統(tǒng)進(jìn)行預(yù)警、視情維修的前提。以上海浦東海堤為研究對(duì)象，基于模糊數(shù)學(xué)建立海堤健康評(píng)估模型，實(shí)現(xiàn)海堤PHM系統(tǒng)健康實(shí)時(shí)評(píng)估和預(yù)判評(píng)估。

2.2.1 評(píng)判指標(biāo) 海堤的健康影響因素包括滲壓、位移、潮位、降雨量、波浪爬高、堤身內(nèi)部隱患、堤前灘地變化、護(hù)坡條件、堤基隱患等。影響海堤健康的因素眾多，建立海堤PHM系統(tǒng)健康評(píng)估模型時(shí)，應(yīng)篩選主要影響因素作為評(píng)判指標(biāo)?？紤]到滲壓是反映海堤安全狀態(tài)的重要效應(yīng)量，潮位和降雨是影響海堤安全的主要環(huán)境量，且上海浦東海堤監(jiān)測(cè)資料主要收

集了大量、高頻的滲壓、潮位、降雨量信息。因此，以滲壓、潮位、降雨量作為浦東海堤健康評(píng)判指標(biāo)，構(gòu)建海堤PHM系統(tǒng)健康評(píng)估框架如圖2所示。

圖2 海堤PHM系統(tǒng)健康評(píng)估框架

2.2.2 評(píng)判集劃分 參照堤防工程對(duì)安全等級(jí)的定義[21]，將海堤安全分為4個(gè)等級(jí)：安全、較安全、不安全、很不安全。即：v={v1，v2，v3，v4}={安全，較安全，不安全，很不安全}。海堤PHM系統(tǒng)健康評(píng)價(jià)指標(biāo)中，潮位和降雨量可根據(jù)其相應(yīng)特征值進(jìn)行安全等級(jí)劃分。而滲壓可采用數(shù)理統(tǒng)計(jì)和概率論方法對(duì)其安全等級(jí)進(jìn)行劃分。具體劃分原理和方法詳見參考文獻(xiàn)[22]。滲壓、潮位、降雨量的評(píng)判集具體劃分如表1所示。

表1 評(píng)判集劃分

注：μ為均值；σ為標(biāo)準(zhǔn)差；y滲壓為滲壓值；ki的取值與置信水平有關(guān)，本文選取置信水平0.84，0.93，0.99為各評(píng)判等級(jí)的分界線，則相應(yīng)的k1=1，k2=1.5，k3=2。

2.2.3 評(píng)判指標(biāo)隸屬度計(jì)算 采用模糊統(tǒng)計(jì)法計(jì)算潮位和降雨量的隸屬度；以隸屬函數(shù)法計(jì)算滲壓的隸屬度。模糊統(tǒng)計(jì)法的定義是評(píng)判指標(biāo)y對(duì)評(píng)判等級(jí)vi的隸屬度ri由下式確定：

ri=ni/n

(11)

式中:ni——評(píng)判指標(biāo)屬于評(píng)判等級(jí)vi的次數(shù)。

針對(duì)海堤滲壓的特性，采用正態(tài)分布函數(shù)來計(jì)算滲壓的隸屬度。滲壓隸屬函數(shù)為：

(12)

式中:y——評(píng)判指標(biāo)值；σ——評(píng)判指標(biāo)標(biāo)準(zhǔn)差；ai(i=1,2,3,4)——對(duì)應(yīng)評(píng)判集vi在該區(qū)域的中間值。

2.2.4 權(quán)重計(jì)算及綜合評(píng)價(jià) 評(píng)判指標(biāo)權(quán)重計(jì)算是否合理，直接關(guān)系到海堤PHM系統(tǒng)健康評(píng)估的效果。本文采用應(yīng)用廣泛且有效的層次分析法來計(jì)算各評(píng)判指標(biāo)的權(quán)重。層次分析法的原理詳見參考文獻(xiàn)[23]。

計(jì)算出各評(píng)判指標(biāo)的隸屬度和權(quán)重后，采用加法合成法得到海堤綜合健康評(píng)判矩陣，并根據(jù)最大隸屬度原則得出海堤健康評(píng)估結(jié)果。

B=W°R

(13)

式中:B——海堤綜合健康評(píng)判矩陣；W——評(píng)判指標(biāo)權(quán)重矩陣；R——評(píng)判指標(biāo)隸屬度矩陣。

根據(jù)建立的預(yù)測(cè)模型和健康評(píng)估模型，可實(shí)現(xiàn)海堤PHM系統(tǒng)狀態(tài)預(yù)測(cè)、健康實(shí)時(shí)評(píng)估及預(yù)判評(píng)估的功能，為海堤PHM系統(tǒng)進(jìn)行預(yù)警及維修決策提供可靠依據(jù)。

3 實(shí)例分析

以浦東海堤某年9月30日至10月7日的滲壓、潮位、降雨量實(shí)測(cè)數(shù)據(jù)，驗(yàn)證所建立的海堤PHM系統(tǒng)預(yù)測(cè)模型及健康評(píng)估模型的有效性。

3.1 預(yù)測(cè)模型驗(yàn)證分析

將9月30日至10月6日的潮位、降雨量、時(shí)間、滲壓的實(shí)測(cè)數(shù)據(jù)作為訓(xùn)練樣本，依據(jù)前文所建立的水循環(huán)神經(jīng)網(wǎng)絡(luò)滲壓預(yù)測(cè)模型，將潮位、降雨量、時(shí)間作為模型輸入層，滲壓作為模型輸出層，按2.1.2節(jié)模型實(shí)現(xiàn)步驟進(jìn)行訓(xùn)練。以下式計(jì)算平均相對(duì)誤差和平均絕對(duì)誤差：

(14)

訓(xùn)練結(jié)果如圖3所示，模型訓(xùn)練平均相對(duì)誤差為0.433%，平均絕對(duì)誤差為0.013m。可見水循環(huán)神經(jīng)網(wǎng)絡(luò)模型能很好地描述、跟蹤滲壓的主導(dǎo)規(guī)律及整體變化趨勢(shì)，訓(xùn)練效果顯著。將訓(xùn)練后的預(yù)測(cè)模型對(duì)10月7日的滲壓值進(jìn)行預(yù)測(cè)，模型預(yù)測(cè)結(jié)果如圖4所示。模型預(yù)測(cè)平均相對(duì)誤差為0.326%，平均絕對(duì)誤差為0.009m。由此可知，水循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在整個(gè)預(yù)測(cè)期都取得很好的預(yù)測(cè)效果，具有很高的預(yù)測(cè)精度。表明建立的預(yù)測(cè)模型可有效預(yù)測(cè)海堤滲壓，實(shí)現(xiàn)海堤PHM系統(tǒng)狀態(tài)預(yù)測(cè)的功能，為海堤PHM系統(tǒng)健康預(yù)判評(píng)估提供可靠依據(jù)。

圖3 水循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型訓(xùn)練結(jié)果

圖4 水循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型預(yù)測(cè)結(jié)果

3.2 健康評(píng)估模型驗(yàn)證分析

3.2.1 海堤健康實(shí)時(shí)評(píng)估 以9月30日至10月6日為健康實(shí)時(shí)評(píng)估時(shí)段，對(duì)該時(shí)段內(nèi)的滲壓、潮位、降雨量實(shí)測(cè)值進(jìn)行健康評(píng)估計(jì)算。依據(jù)2.2節(jié)健康評(píng)估模型構(gòu)建過程，計(jì)算出潮位隸屬度為(0.016 0.755 0.229 0)，降雨量隸屬度為(1 0 0 0)，滲壓隸屬度為(0.398 0.336 0.209 0.057)。匯總可得到評(píng)判指標(biāo)隸屬度矩陣R：

以層次分析法計(jì)算得到潮位、降雨量、滲壓的權(quán)重向量為W=(0.23 0.122 0.648)。依公式(13)可求解得海堤綜合健康評(píng)估矩陣B=(0.383 0.392 0.188 0.037)。按最大隸屬度原則，可判斷出9月30日至10月6日時(shí)間段內(nèi)，海堤處于較安全的健康狀態(tài)。

3.2.2 海堤健康預(yù)判評(píng)估 健康預(yù)判評(píng)估體現(xiàn)了海堤PHM系統(tǒng)的先進(jìn)性。以10月7日作為健康預(yù)判評(píng)估時(shí)段，依據(jù)前文建立的海堤PHM系統(tǒng)中海堤狀態(tài)預(yù)測(cè)模塊的預(yù)測(cè)模型，預(yù)測(cè)該時(shí)段的滲壓預(yù)測(cè)值，結(jié)合海洋預(yù)報(bào)信息得到10月7日的潮位預(yù)報(bào)值和降雨量預(yù)報(bào)值，采用前文健康評(píng)判步驟，可求得10月7日潮位隸屬度為(0.042 0.875 0.083 0)，降雨量隸屬度為(1 0 0 0)，滲壓隸屬度為(0.185 0.365 0.328 0.122)，評(píng)判指標(biāo)隸屬度矩陣R為：

評(píng)判指標(biāo)權(quán)重向量不變，可得預(yù)測(cè)時(shí)段的海堤綜合健康評(píng)估矩陣為B=(0.251 0.438 0.232 0.079)。按最大隸屬度原則，可預(yù)判出10月7日海堤處于較安全的健康狀態(tài)。

由此可見，所建立的海堤PHM系統(tǒng)健康評(píng)估模型可有效的對(duì)現(xiàn)階段和未來一定時(shí)段的海堤健康狀態(tài)進(jìn)行評(píng)估和預(yù)判，為海堤PHM系統(tǒng)實(shí)現(xiàn)安全預(yù)警、視情維修及統(tǒng)籌決策等功能提供重要保障。

上述海堤PHM系統(tǒng)健康評(píng)估計(jì)算表明，在9月30日至10月7日這一時(shí)間段內(nèi)，海堤均處于較安全的健康狀態(tài)，可不進(jìn)行預(yù)警，不采取故障維護(hù)措施。若得出的健康結(jié)果為不安全或很不安全，海堤PHM系統(tǒng)可下達(dá)相應(yīng)預(yù)警指令和維修決策。

4 結(jié) 論

(1) 形成了適應(yīng)海堤工程特點(diǎn)的海堤PHM系統(tǒng)框架，為后期進(jìn)一步形成系統(tǒng)性、完善性、高效性的海堤故障預(yù)測(cè)與健康管理系統(tǒng)打下堅(jiān)實(shí)基礎(chǔ)。

(2) 將具有強(qiáng)大尋優(yōu)能力和快速收斂特性的水循環(huán)算法與神經(jīng)網(wǎng)絡(luò)相結(jié)合，建立適用于海堤狀態(tài)預(yù)測(cè)模塊的水循環(huán)神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，實(shí)現(xiàn)海堤PHM系統(tǒng)的預(yù)測(cè)功能。通過實(shí)例分析可知，該預(yù)測(cè)模型可有效預(yù)測(cè)海堤滲壓，具有很高的預(yù)測(cè)能力和預(yù)測(cè)精度。

(3) 充分考量海堤健康的影響因素，基于模糊數(shù)學(xué)形成海堤PHM系統(tǒng)健康評(píng)估模型，依據(jù)實(shí)時(shí)信息對(duì)海堤健康進(jìn)行實(shí)時(shí)評(píng)估。并結(jié)合海堤狀態(tài)預(yù)測(cè)模塊的預(yù)測(cè)模型的預(yù)測(cè)結(jié)果和海洋預(yù)報(bào)信息，對(duì)未來一定時(shí)段的海堤進(jìn)行健康預(yù)判評(píng)估，實(shí)現(xiàn)健康預(yù)判功能，也為后續(xù)的海堤PHM系統(tǒng)進(jìn)行預(yù)警、維修決策提供依據(jù)。實(shí)例分析表明，健康評(píng)估模型可有效對(duì)海堤現(xiàn)階段和未來一定時(shí)段進(jìn)行健康評(píng)估和預(yù)評(píng)估。

(4) 海堤PHM系統(tǒng)的最終目的是依據(jù)海堤當(dāng)前與未來健康狀況，及時(shí)預(yù)警、制定維修決策，減少損失、實(shí)現(xiàn)海堤安全運(yùn)行。本文對(duì)海堤PHM系統(tǒng)的預(yù)警和維修決策機(jī)制探討較少，后續(xù)將深入研究該方面的內(nèi)容，實(shí)現(xiàn)海堤PHM系統(tǒng)各結(jié)構(gòu)模塊的有機(jī)融合和科學(xué)有效的運(yùn)行。

[1] Gambolati G, Teatini P. GIS simulations of the inundation risk in the coastal lowlands of the Northern Adriatic Sea[J]. Mathematical and Computer Modelling, 2002,35(9):963-972.

[2] 謝婕,龔政,陳永平.海堤安全評(píng)價(jià)指標(biāo)體系的構(gòu)建及應(yīng)用[J].水利水電科技進(jìn)展,2016,36(2):59-63.

[3]Huang Ming, Liu Jun. Monitoring and analysis of Shanghai Pudong seawall performance[J]. Journal of Performance of Constructed facilities, 2009,23(6):399-405.

[4] 黃銘.數(shù)學(xué)模型與工程安全監(jiān)測(cè)[M].上海:上海交通大學(xué)出版社,2008.

[5] 溫祥西,孟相如,李明迅.網(wǎng)絡(luò)故障預(yù)測(cè)與健康管理關(guān)鍵技術(shù)綜述[J].系統(tǒng)工程理論與實(shí)踐,2012,32(1):146-154.

[6] 黃贊武.軌道電路故障預(yù)測(cè)與健康管理關(guān)鍵技術(shù)研究[D].北京：北京交通大學(xué),2013.

[7] Jouin M, Gouriveau R, Hissel D, et al. Prognostics and Health Management of PEMFC: State of the art and remaining challenges[J]. International Journal of Hydrogen Energy, 2013,38(35):15307-15317.

[8] Dong Ming, Peng Ying. Equipment PHM using non-stationary segmental hidden semi-Markov model[J]. Robotics and Computer-Integrated Manufacturing, 2011,27(3):581-590.

[9] 莫固良,汪慧云,李興旺,等.飛機(jī)健康監(jiān)測(cè)與預(yù)測(cè)系統(tǒng)的發(fā)展及展望[J].振動(dòng)測(cè)試與診斷,2013,33(6):925-930,1089.

[10] 劉大同,周建寶,郭力萌,等.鋰離子電池健康評(píng)估和壽命預(yù)測(cè)綜述[J].儀器儀表學(xué)報(bào),2015,36(1):1-16.

[11] 孫博,康銳,謝勁松.故障預(yù)測(cè)與健康管理系統(tǒng)研究和應(yīng)用現(xiàn)狀綜述[J].系統(tǒng)工程與電子技術(shù),2007,29(10):1762-1767.

[12] 劉志偉,劉銳,徐勁松,等.復(fù)雜系統(tǒng)故障預(yù)測(cè)與健康管理(PHM)技術(shù)研究[J].計(jì)算機(jī)測(cè)量與控制,2010,18(12):2687-2689.

[13] 張叔農(nóng),謝勁松,康銳.電子產(chǎn)品健康監(jiān)控和故障預(yù)測(cè)技術(shù)框架[J].測(cè)控技術(shù),2007,26(2):12-16,18.

[14] Eskandar H, Sadollah A, Bahreininejad A, et al. Water cycle algorithm: A novel metaheuristic optimization method for solving constrained engineering optimization problems[J]. Computers & Structures, 2012,110:151-166.

[15] Sadollah A, Eskandar H, Bahreininejad A, et al. Water cycle algorithm for solving multi-objective optimization problems[J]. Soft Computing, 2015,19(9):2587-2603.

[16] 章純,劉峰,廖國(guó)維,等.基于WCA優(yōu)化算法的空間桁架結(jié)構(gòu)優(yōu)化設(shè)計(jì)[J].建筑鋼結(jié)構(gòu)進(jìn)展,2014,16(1):34-40.

[17] 宋安,王世杰,盧海.基于BP神經(jīng)網(wǎng)絡(luò)的流凌開河日期預(yù)報(bào)模型應(yīng)用[J].天津大學(xué)學(xué)報(bào),2008,41(6):731-735.

[18] 周娟,黃銘.基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的海堤滲壓監(jiān)測(cè)模型研究[J].人民長(zhǎng)江,2014,45(3):90-93.

[19] 黃銘,劉俊.海堤滲壓監(jiān)測(cè)因果模型基本結(jié)構(gòu)和因子選擇[J].上海交通大學(xué)學(xué)報(bào),2008,42(11):1931-1934.

[20] 王德明,王莉,張廣明.基于遺傳BP神經(jīng)網(wǎng)絡(luò)的短期風(fēng)速預(yù)測(cè)模型[J].浙江大學(xué)學(xué)報(bào):工學(xué)版,2012,46(5):837-841.

[21] 汪自力,顧沖時(shí),陳紅.堤防工程安全評(píng)估中幾個(gè)問題的探討[J].地球物理進(jìn)展,2003,18(3):391-394.

[22] 吳德娟.海塘安全監(jiān)測(cè)的模糊綜合評(píng)判研究[D].上海:上海交通大學(xué),2007.

[23] 駱正清,楊善林.層次分析法中幾種標(biāo)度的比較[J].系統(tǒng)工程理論與實(shí)踐,2004,24(9):51-60.

Framework and Key Technologies of Seawall Prognostic and Health Management System Based on Measured Information

LAN Zhuguang1, HUANG Ming1,2

(1.SchoolofCivilEngineering,HefeiUniversityofTechnology,Hefei,Anhui230009,China; 2.KeyLaboratoryofGeologicalHazardsonThreeGorgesReservoirArea,ChinaThreeGorgesUniversity,MinistryofEducation,Yichang,Hubei443000,China)

[Objective] To solve the problems of maintenance support inability and easily causing significant loss in the traditional maintenance mode of seawall, in order to establish a scientific health management system of seawall. [Methods] The advanced prognostic and health management(PHM) technology was applied to the seawall project. The PHM system of seawall was set up, and the prediction model and health assessment model of seawall PHM system were studied. Combining with the characteristics of seawall and the massive high frequency-measured information, the prediction model of seawall state was put forward based on the water cycle algorithm with strong searching ability combined with the neural network. On the premise of the seawall health factors were considered comprehensively, the system health assessment model was set up based on fuzzy mathematics. [Results] The example analysis showed that the prediction model could predict seawall condition effectively and the health assessment model could assess seawall health in real-time and can pre-estimate seawall health accurately for present and future. [Conclusion] The seawall PHM system framework established meet the characteristics of seawall project. The prediction model and health assessment model are scientific and effective.

seawall PHM system; measured information; prediction; health assessment

2016-11-04

2016-11-19

水利部公益性行業(yè)專項(xiàng)“皖江城市帶長(zhǎng)江河勢(shì)變化與洲灘綜合利用研究” (201401063-02); 三峽庫區(qū)地質(zhì)災(zāi)害教育部重點(diǎn)實(shí)驗(yàn)室開放研究基金“庫區(qū)邊坡安全監(jiān)測(cè)PHM系統(tǒng)關(guān)鍵技術(shù)研究”(2015KDZ03); 安徽省科技攻關(guān)計(jì)劃項(xiàng)目(1604a0802106)

藍(lán)祝光(1990—),男(瑤族),廣西壯族自治區(qū)南寧市人,博士研究生,研究方向?yàn)樗ㄖY(jié)構(gòu)。E-mail:lanzhuguang163@163.com。

黃銘(1972—),男(漢族),江西省樂平市人，博士,教授,主要從事水利工程、巖土工程安全監(jiān)測(cè)研究。E-mail:Lsxhuangm@hotmail.com。

B

1000-288X(2017)03-0307-07

TV698.1