特高拱壩在線安全評判研究與應(yīng)用

傅春江，張秀麗，沈海堯，黎中原，楊 鴿，柳 翔，馮永祥

（1.國家能源局大壩安全監(jiān)察中心，浙江 杭州，311122；2.雅礱江流域水電開發(fā)有限公司，四川 成都，610051）

1 概述

大壩安全管理領(lǐng)域，以往通常是利用單測點的監(jiān)測資料建立數(shù)學(xué)模型或制訂監(jiān)控指標(biāo)來實現(xiàn)大壩安全評判。隨著對大壩安全狀態(tài)理解的深入，這種單測點、單源信息不足以描述大壩安全的狀態(tài)，很難對大壩安全狀況進行實時、可靠的分析和評估。

進入21世紀，我國有一批200～300 m特高拱壩相繼建成并投運，其中錦屏一級拱壩壩高（305 m）突破了300 m，成為當(dāng)今世界第一高拱壩。由于特高拱壩規(guī)模巨大、荷載和效應(yīng)復(fù)雜，無過往經(jīng)驗可供借鑒、參考，給運行管理帶來前所未有的技術(shù)和管理挑戰(zhàn)。因此有必要針對特高拱壩開展在線安全評判工作的研究，以求實時、客觀掌握特高拱壩的安全狀況，為大壩安全管理提供科學(xué)依據(jù)。

2 在線安全評判方法研究

2.1 在線安全評判模型

構(gòu)建的大壩在線安全評判模型見圖1，包括評判對象層、評判項目層、評判指標(biāo)層、評判信息層、評判方法層、評判結(jié)論層等6個層次。

評判對象層。通過對國內(nèi)外拱壩破壞案例的研究，分析各類破壞的原因、機理、破壞過程及對應(yīng)的性態(tài)轉(zhuǎn)異特征。研究特高拱壩結(jié)構(gòu)特點、存在的薄弱環(huán)節(jié)及可能發(fā)生的破壞模式，確定評判對象。評判對象應(yīng)包括整體結(jié)構(gòu)性態(tài)和重點部位結(jié)構(gòu)性態(tài)。整體結(jié)構(gòu)性態(tài)指特高拱壩的整體變形、滲流等典型性態(tài)；重點部位結(jié)構(gòu)性態(tài)是指結(jié)構(gòu)關(guān)鍵部位、缺陷和隱患部位（斷面）性態(tài)等。

評判項目層。每個評判對象下設(shè)評判項目。一般來講，評判項目包括監(jiān)測項目、巡視檢查項目及結(jié)構(gòu)安全度項目。

評判指標(biāo)層。不同的評判項目，設(shè)置不同的指標(biāo)，以識別異常。如監(jiān)測項目的評判指標(biāo)以測點的量值和趨勢作為指標(biāo)。

評判信息層。要實現(xiàn)特高拱壩安全評判，所需的信息包括監(jiān)測、巡視檢查、水情、荷載、結(jié)構(gòu)安全度等多源信息。

評判方法層。將上述多源信息進行組織、融合，得到評判的方法。主要包括監(jiān)測信息異常識別方法、巡檢信息異常識別方法及多源信息融合方法等。

評判結(jié)論層。通過評判方法得到大壩安全的分級評判結(jié)論。

圖1 大壩在線安全評判模型Fig.1 Online safety evaluation model for dam

2.2 在線安全評判方法

安全評判是一個充滿不確定性、多層次、多指標(biāo)的復(fù)雜非線性問題。安全評判需要的信息包括：監(jiān)測信息、巡查信息、水情信息、荷載信息、結(jié)構(gòu)安全度信息及其他工程信息。需要尋求一種能融合不同來源、不同模式、不同表示形式的信息，同時符合拱壩結(jié)構(gòu)基本工程原理的方法，以實現(xiàn)結(jié)構(gòu)安全評判的目標(biāo)。

2.2.1 信息融合方法綜述

將多源信息進行組織、融合，對評判對象性態(tài)精確描述的過程屬于“信息融合”的研究范疇?！靶畔⑷诤稀保ɑ蚍Q“數(shù)據(jù)融合”）的概念最早于20世紀70年代末被提出，目前其應(yīng)用已從最初的軍事領(lǐng)域拓展到智能制造、智能交通、醫(yī)療診斷等領(lǐng)域[1-3]。

比較常用的信息融合方法（模型）主要有：基于Dempster-Shafer證據(jù)推理法[4-5]、基于粗糙集理論法[6]、基于貝葉斯估計法[7]、基于卡爾曼濾波法[8-11]、基于加權(quán)平均法[12]、基于模糊數(shù)學(xué)、基于神經(jīng)網(wǎng)絡(luò)法、基于規(guī)則推理法[13-16]。

上述方法中，除了基于規(guī)則推理法，其余均屬量化方法（模型）。在大壩安全評判領(lǐng)域，量化方法無法規(guī)避以下問題：（1）評價指標(biāo)需要確定權(quán)重，而權(quán)重很難準確確定；（2）評價指標(biāo)確定權(quán)重的前提是指標(biāo)獨立，實際很難實現(xiàn)。而規(guī)則推理法作為事件因果關(guān)系的推理表達，符合工程師對大壩安全評判的邏輯，同時也能規(guī)避上述問題。

2.2.2 規(guī)則推理法

規(guī)則推理法是由美國數(shù)學(xué)家波斯特（E.POST）在1934年首先提出，其基本原理為：IF[P]THEN[Q]。式中，P表示一組前提條件或狀態(tài)，Q表示若干結(jié)論或動作。規(guī)則的含義就是：如果前提P滿足，則可推出結(jié)論Q（或應(yīng)執(zhí)行動作Q）。推理系統(tǒng)一般由三個基本部分組成：規(guī)則庫、綜合數(shù)據(jù)庫和推理機。它們之間的關(guān)系如圖2所示。

圖2 產(chǎn)生式系統(tǒng)的基本結(jié)構(gòu)Fig.2 Basic structure of production system

規(guī)則庫用于描述某領(lǐng)域內(nèi)知識的產(chǎn)生式集合。綜合數(shù)據(jù)庫又稱為事實庫，是存放輸入的事實、中間結(jié)果（事實）和最后結(jié)果的工作區(qū)。推理機是一組程序，用來控制和協(xié)調(diào)規(guī)則庫與綜合數(shù)據(jù)庫的運行，包含了推理方式和控制策略。

規(guī)則推理法已經(jīng)成了人工智能中應(yīng)用廣泛的一種知識表示模式，其最大優(yōu)點是可以模擬工程師來靈活表達大壩安全評價的各種推理過程，推理得到的大壩安全評價結(jié)論是客觀的，其前提是要建立符合工程實際的規(guī)則庫。

2.2.3 信息融合的流程

基于規(guī)則推理的信息融合模型，本質(zhì)上是要將反映大壩性態(tài)的監(jiān)測信息、巡視檢查信息、結(jié)構(gòu)安全度信息等有機地聯(lián)系起來，是一個以多源信息為基礎(chǔ)的、具有多指標(biāo)和多層次結(jié)構(gòu)的融合分析診斷問題。構(gòu)建的大壩結(jié)構(gòu)評判信息融合模型見圖3。

圖3 信息融合模型Fig.3 Information fusion model

2.3 安全評判規(guī)則庫

規(guī)則庫是在線安全評判最核心的內(nèi)容。規(guī)則庫應(yīng)包括工程技術(shù)類規(guī)則和管理類規(guī)則。

工程技術(shù)類規(guī)則確定依據(jù)為DL/T 5313-2014《水電站大壩運行安全評價導(dǎo)則》（以下簡稱導(dǎo)則），按評判流程可分為：單指標(biāo)評判規(guī)則、單層（監(jiān)測層、巡視檢查層等）融合評判規(guī)則、多層（單項目）融合評判規(guī)則、多項目融合評判規(guī)則和多對象融合評判規(guī)則。管理類規(guī)則主要涉及評判工作中人機交互部分，如評判結(jié)果的發(fā)布、確認和處理等。

下文主要介紹規(guī)則庫中較為核心的單指標(biāo)評判規(guī)則、單層融合評判規(guī)則和多層融合評判規(guī)則。

2.3.1 監(jiān)測層信息融合規(guī)則

監(jiān)測層內(nèi)的信息融合，基于單個監(jiān)測點的單個指標(biāo)的異常識別，其指標(biāo)包括趨勢的異常識別和量值的異常識別。趨勢的異常識別主要識別結(jié)構(gòu)向不利方向的發(fā)展，其方法主要為通過時效分量增量變化識別趨勢異常程度。量值異常程度的識別主要通過設(shè)定分級監(jiān)控指標(biāo)的方式實現(xiàn)，分級監(jiān)控指標(biāo)設(shè)定方法主要有：正反分析計算值、設(shè)計取用值（反算值）、可能發(fā)生的不利荷載組合計算值、工程經(jīng)驗值等。

監(jiān)測層內(nèi)的信息融合路徑一般考慮：單個監(jiān)測點單個指標(biāo)→單個測點多個指標(biāo)→多個單測點（測點組）→多個測點組的融合，其代表的工程意義分別為局部、一定范圍和整體，表征異常的分布程度。根據(jù)工程實際情況，以上述方法制訂不同異常程度對應(yīng)評判等級的規(guī)則。

2.3.2 巡視檢查層信息融合規(guī)則

大壩巡視檢查工作是大壩管理人員為掌握大壩安全狀況而最廣泛采用的實用技術(shù)。傳統(tǒng)巡視檢查采用紙質(zhì)方式記錄巡檢結(jié)果，存在巡查工作質(zhì)量很難管控、巡查成果利用率低等問題。本課題研究開發(fā)移動設(shè)備巡視檢查系統(tǒng)[17]，通過系統(tǒng)設(shè)置巡檢對象和路線，采用手機或平板等移動設(shè)備掃描設(shè)置在巡檢對象的芯片，系統(tǒng)引導(dǎo)巡視檢查工作開展，并記錄巡視檢查成果（語音、視頻、文字等），實現(xiàn)了巡查結(jié)果的數(shù)字化，便于對其進行對比及分析。

參考《導(dǎo)則》和工程經(jīng)驗，制訂巡視檢查成果分級評判的規(guī)則，分兩級對巡查結(jié)果進行分級評判。第一級由現(xiàn)場檢查人員評為正常、異常、無法判斷三類，第二級由技術(shù)人員對第一級評判中除正常以外的其余類別進行判斷，形成分級評判結(jié)論。

2.3.3 多層信息融合規(guī)則

根據(jù)在線結(jié)構(gòu)評判模型，單個評判對象（或部位）的評判結(jié)論由監(jiān)測層、巡視檢查層或結(jié)構(gòu)安全度層評判結(jié)論融合得到。根據(jù)《導(dǎo)則》和工程經(jīng)驗，確定上述各層以或、與、非等各種邏輯關(guān)系的融合規(guī)則，以表征不同等級的異常。

大壩安全綜合評判等級，由所有評判對象的評判結(jié)論融合，其融合規(guī)則參考《導(dǎo)則》的規(guī)定，基本邏輯為“木桶短板效應(yīng)”，即大壩的綜合評判等級由其最薄弱部位的安全評判等級決定。

2.4 在線安全評判流程

在線安全評判流程見圖4。具體步驟如下：

（1）數(shù)據(jù)入庫進行有效性檢驗后，并行開展監(jiān)測層融合評判和巡視檢查層的融合評判，及時提醒管理人員存在的問題。

（2）根據(jù)事先設(shè)定的規(guī)則，決定是否啟用結(jié)構(gòu)計算。

圖4 在線安全評判流程圖Fig.4 Online security evaluation process

（3）進行單個對象的監(jiān)測層融合評判、巡視檢查層和結(jié)構(gòu)安全度層的融合評判。

（4）進行多個對象的融合評判。

（5）對評判結(jié)論為異常的進行合理性檢查。

（6）發(fā)布通過合理性檢查的異常信息。

（7）對異常現(xiàn)象進行會商和處理。

3 在線安全評判平臺開發(fā)

3.1 平臺軟件架構(gòu)

特高拱壩在線安全評判的主要業(yè)務(wù)類型可分為兩種：一種是前臺交互類型的，例如信息查詢、管理等，當(dāng)用戶在前臺提交指令后，其處理結(jié)果需要返回至前臺；另一種是后臺處理類型的，例如結(jié)構(gòu)安全評判等，當(dāng)監(jiān)測數(shù)據(jù)入庫時，后臺程序自動觸發(fā)處理，其處理結(jié)果保存在數(shù)據(jù)庫中，程序界面可只顯示處理是否成功等概要信息。

對于在線安全評判平臺，前臺交互類型軟件主要采用B/S（Browser/Server，瀏覽器/服務(wù)器）架構(gòu)，它將功能實現(xiàn)的核心部分以網(wǎng)站的形式集中部署到服務(wù)器上，客戶端只需安裝一個瀏覽器即可，這種架構(gòu)模式在方便多個用戶使用的同時，安裝部署和維護工作量大為降低。后臺處理類型軟件主要采用C/S（Client/Server，客戶機/服務(wù)器）架構(gòu)，它通過將任務(wù)合理分配到客戶端和服務(wù)端，使處理能力更強，速度更快。由于后臺處理軟件不需要在多處部署，因此，相比于采用B/S架構(gòu)，其安裝和后期維護工作量并未增加。

在線安全評判平臺整體開發(fā)環(huán)境為Windows7，所用服務(wù)器操作系統(tǒng)為Windows Server2008。B/S軟件前端用戶界面開發(fā)框架采用EasyUI，后端開發(fā)框架采用struts+spring+hibernate實現(xiàn)。C/S軟件開發(fā)平臺采用MicroSoft.Net，采用三層架構(gòu)模式，客戶端接受用戶的請求，客戶端向應(yīng)用服務(wù)提出請求，應(yīng)用服務(wù)從數(shù)據(jù)庫服務(wù)中獲得數(shù)據(jù)，應(yīng)用服務(wù)將數(shù)據(jù)進行計算并將結(jié)果提交給客戶端，客戶端將結(jié)果呈現(xiàn)給用戶。

3.2 平臺功能

前臺客戶端功能，包括規(guī)則管理功能、模型管理功能、監(jiān)控指標(biāo)設(shè)置功能、結(jié)構(gòu)評判項目管理功能、異常管理功能、信息查詢及顯示功能。

后臺服務(wù)功能，包括信息有效性檢驗功能、規(guī)則推理功能和異常報警功能。

4 應(yīng)用案例：錦屏一級特高拱壩工程

4.1 工程概況

錦屏一級水電站位于四川省涼山彝族自治州鹽源縣和木里縣境內(nèi)，是雅礱江干流中下游水電開發(fā)規(guī)劃的“控制性”水庫梯級。大壩最大壩高305.0 m，水庫正常蓄水位1 880 m，死水位1 800 m。

4.2 結(jié)構(gòu)安全評判對象設(shè)置

錦屏一級高拱壩的結(jié)構(gòu)安全評判對象包括整體結(jié)構(gòu)性態(tài)和重點部位結(jié)構(gòu)性態(tài)。根據(jù)工程實際情況，確定評判對象如下。

整體結(jié)構(gòu)性態(tài)項目包括：拱梁變形、橫縫變形、垂直位移、墊座變形、壩體應(yīng)力、壩基揚壓力、壩基滲漏量、拱座變形、拱座地下水位、兩岸邊坡變形。

重點部位結(jié)構(gòu)性態(tài)項目包括：壩體應(yīng)力重點監(jiān)控部位、左抗力體置換洞及抗剪洞、谷幅變形、變形尚未穩(wěn)定的左岸邊坡、解放溝邊坡、三灘變形體等。

4.3 規(guī)則設(shè)置

每個評判對象即為推理目標(biāo)，通過監(jiān)測信息、巡視檢查信息或結(jié)構(gòu)安全度信息及其組合的評判融合規(guī)則來實現(xiàn)。圖5為建立三灘變形體評判對象中的“三灘變形體變形”評判項目為推理目標(biāo)，其由邏輯關(guān)系為“和”的“X向（河床向）變形”和“變形體拉裂縫巡查”的評判規(guī)則組成。

圖5 規(guī)則設(shè)置界面Fig.5 Rule setting interface

4.4 成果展示

根據(jù)錦屏一級拱壩的結(jié)構(gòu)特性，建立大壩結(jié)構(gòu)安全評判對象的樹狀結(jié)構(gòu)，每個對象分別關(guān)聯(lián)對應(yīng)的評判規(guī)則，根據(jù)規(guī)則得到評判的結(jié)論，以列表（圖6）或圖形（圖7）的方式全局展示。點擊評判對象，可以列表或圖形的方式展示單個對象的評判結(jié)論，點擊單測點顯示具體規(guī)則及評判推理過程和結(jié)論（圖8）。

圖6 結(jié)構(gòu)安全評判對象列表展示界面Fig.6 List display of evaluation object

圖7 結(jié)構(gòu)安全評判全局圖形展示界面Fig.7 Global graphical display of structural safety evaluation

圖8 結(jié)構(gòu)安全評判單項圖形展示界面Fig.8 Graphic display for single item in structural safety evalua?tion

通過錦屏一級拱壩的實際評判結(jié)果來看，因規(guī)則推理體系建立基于《導(dǎo)則》，故推理得到的大壩安全評判結(jié)論符合結(jié)構(gòu)的基本工程原理和《導(dǎo)則》的規(guī)定。目前已利用在線安全評判平臺對在國家能源局大壩安全監(jiān)察中心注冊的557座大壩進行了在線監(jiān)控，取得了較好的效果。

5 結(jié)語

對特高拱壩在線安全評判進行研究和應(yīng)用，主要內(nèi)容如下：

（1）通過分析拱壩破壞案例，研究目標(biāo)特高拱壩結(jié)構(gòu)特點，得到了含評判對象層、評判項目層、評判指標(biāo)層、評判信息層、評判方法層、評判結(jié)論層等6個層次的特高拱壩在線安全評判模型。

（2）通過對國內(nèi)外信息融合方法的梳理比較，認為規(guī)則推理法在大壩安全領(lǐng)域的適用性最強。

（3）基于《導(dǎo)則》建立了多源信息融合評判的規(guī)則推理體系，該體系符合工程結(jié)構(gòu)的基本原理，注重異常發(fā)展趨勢，以單測點評判為基礎(chǔ)，融合多測點、多相關(guān)信息（含巡檢、結(jié)構(gòu)安全度計算等）進行綜合評判。

（4）開發(fā)在線安全評判平臺，前臺交互類型軟件主要采用B/S架構(gòu)，后臺處理類型軟件主要采用C/S架構(gòu)，實現(xiàn)了從“監(jiān)”到“控”的全流程信息化。

（5）通過對錦屏一級特高拱壩在線安全評判的應(yīng)用實例，表明在線安全評判平臺能實時、準確評判大壩安全狀況。目前研究成果已成功運用于在國家能源局大壩安全監(jiān)察中心注冊的391座大壩的在線監(jiān)控工作中。 ■

[1]Waltz EL,Buede DM.Data Fusion and Decision Support for Command and Control[J].Ieee Transactions on Systems Man&Cybernetics,1986,16(6):865-879.

[2]Comparato VG.Fusion-the Key to Tactical Mission Suc?cess[M].International Society for Optics and Photonics,1988.

[3]Hamilton M K,Kipp T A.ATR architecture for multisensor fusion[C].Aerospace/Defense Sensing and Controls.Inter?national Society for Optics and Photonics,1996.

[4]何金平,馬傳彬,施玉群.基于改進型證據(jù)理論的高拱壩多效應(yīng)量融合模型[J].西北水電,2011(z1):71-75.

[5]何金平,馬傳彬,施玉群.高拱壩多效應(yīng)量改進型D-S證據(jù)理論融合模型[J].武漢大學(xué)學(xué)報(信息科學(xué)版),2012,37(12):1397-1400.

[6]雷鵬,顧沖時,鄭東健.應(yīng)用粗糙隸屬度確定大壩效應(yīng)量分量比例[J].長江科學(xué)院院報,2005,22(5):29-32.

[7]蘇懷智.大壩安全監(jiān)控感智融合理論和方法及應(yīng)用研究[D].南京:河海大學(xué),2002.

[8]宋培玉,張豐產(chǎn).卡爾曼濾波在尾礦壩變形GPS監(jiān)測中的應(yīng)用[J].水利信息化,2009(4):33-36.

[9]張黎明,劉為東,秦鵬.基于卡爾曼濾波法的碾壓混凝土拱壩垂直位移變形分析[J].水電與抽水蓄能,2011,35(6):52-54.

[10]陳帥,趙麗,李超,等.卡爾曼濾波在壩體變形監(jiān)測中的應(yīng)用[J].全球定位系統(tǒng),2011,36(5):83-84.

[11]彭鵬,單治鋼,董育煩,等.基于Kalman濾波融合算法的庫區(qū)滑坡動態(tài)變形監(jiān)測綜合信息提取[J].巖石力學(xué)與工程學(xué)報,2014,33(8):1520-1525.

[12]王建,伍元.大壩安全監(jiān)測數(shù)據(jù)誤差檢測的MSDF方法[J].水電能源科學(xué),2004,22(1):60-62.

[13]吳中如,顧沖時.綜論大壩安全綜合評價專家系統(tǒng)[J].水電能源科學(xué),2000,18(2):1-5.

[14]張進平,黎利兵,盧正超,等.大壩安全監(jiān)測決策支持系統(tǒng)的開發(fā)[J].中國水利水電科學(xué)研究院學(xué)報,2003,1(2):84-89.

[15]M.Lazzari,P.Salvaneschi.MISTRAL:an expert system for the management of warnings from automatic monitor?ing systems of dams[C].Second Specialist Seminar on In?tegrated CAD of Earthquake Resistant Buildings and Civ?il Engineering Structures,Slovenia,April 19-23,1993.

[16]J.B.Comerford,M.Lazzari,G.Ruggeri,P.Salvaneschi,M.Fanelli,G.Giuseppetti,G.Mazzà.Qualitative causal models and knowledge integration in system monitoring:the DAMSAFE system[C].2nd Colloquium on Knowl?edge-Based Systems in Civil Engineering,1993.

[17]儲兆偉,馮濤,李小偉.水電站大壩安全巡視檢查系統(tǒng)的改進[J].大壩與安全,2016(1):32-36.