本发明属于土木工程领域和计算机技术领域，涉及一种盾构隧道损伤检测方法，特别涉及一种基于移动列车振动信号的隧道损伤检测管理方法。
背景技术：
目前，随着城市迅速发展，大量的隧道建设，使地铁成为城市交通主命脉。但是，隧道安全也成为一个越来越重要的课题。目前，隧道损伤检测的方法主要依靠变形监测与振动监测，受成本约束，通常只能在敏感区域布设固定传感器监测；其余地区只能依靠检修人员在列车停运后进行现场巡视或机器视觉识别，并且基本只能识别表观损伤，对隧道衬砌内部以及壁后损伤，还没有更高效的检测方法。同时，限于传感器技术限制，隧道结构的健康监测更多的是采用“以点代面”的形式，难以对地铁网络内区域隧道全覆盖监测，无法及时检测到隧道结构损伤而造成不必要的运营事故。因此研究高效、低成本的盾构隧道结构损伤识别方法具有重要的学术意义以及工程应用价值。
技术实现要素：
本发明的目的是改善现有盾构隧道损伤检测的不足，提供一种低成本、快速高效的隧道损伤检测方法，大大提高了盾构隧道安全运营。
本发明是通过如下技术方案实现的：
一种基于移动列车振动信号的隧道损伤检测管理系统，其特征在于，设计原理：利用传感器采集服役列车的振动信号，数据通过无线发射模块及网络传输至服务器，经分析处理后识别隧道损伤，判断损伤的大致位置，并发布在管理云平台，为实时掌握隧道健康状态提供参考，大大提高了隧道检测效率，降低了其成本和运营风险。
所述的盾构隧道损伤检测管理系统由四个子系统组成：信号采集系统，信号传输系统，数据处理系统，隧道健康状态管理平台。
所述的信号采集系统，服役中的地铁列车在盾构隧道中运行时，与隧道结构、地层组成耦合振动系统，利用安装在列车上的传感器采集传递到列车上的振动信号。所述的传感器包含若干加速度传感器、速度传感器、定位传感器，所述的加速度传感器、速度传感器均安装在车轴、装箱架及车厢内上，利用磁力座及绑扎带固定；所述的定位传感器安装在车厢内，利用磁力支座固定。所述的传感器为无线传感器，采样频率为2khz，采集到数据后，将数据实时发送至车厢内的采集模块。所述的传感器内置可充电电池，可循环使用，电量可以支持长时间实时监测。所述的传感器在晚上地铁列车停运时，将自动休眠，以节省电量。
所述的信号传输系统，所述的信号传输系统包括数据接收模块、数据处理模块、数据无线传输模块、电源模块。所述的信号传输系统封包在一个箱体内，可安装在与传感器相同列车的车厢内车座下，避免影响乘客。所述的数据接收模块，实时接收传感器传输的测量数据。所述的数据处理模块包含微处理器、存储器和编码器，缓存一定的数据，将数据进行初步整理和压缩，并重新编码。所述的数据传输模块，将编码好的数据通过5g网络或者intel网上传至服务器，进行数据处理与分析。所述的电源模块，包括变压器、电源线、蓄电池等，可直接由车厢内供电，若无可用电源则由蓄电池供电。
所述的数据处理系统，所述的数据处理系统包括高性能计算处理器、超大容量存储器、网络模块、电源模块以及分析软件。所述的高性能计算处理器包括若干中央处理器cpu和图形处理器gpu，支持并行计算和快速处理大量数据。所述的超大容量存储器可以长时间、稳定地存储大量的测量数据。所述的网络模块提供稳定的网速和尽可能多的带宽，稳定地接收通过互联网传输的数据。所述的电源模块包含电源线及大容量蓄电池，提供稳定的电源，同时避免突发停电造成数据丢失。
所述分析软件：
首先，利用matlab、spss等已有数据处理软件对采集到的列车振动信号的数据，进行解码、解压缩得到加速度、速度及位置原始数据x(t，ax，ay，az，v，s),t为时间,v为速度，s是位置，ax为x轴加速度，为y轴加速度ay，为z轴加速度az；
进一步利用已有的小波包变换、赫尔伯特黄变换算法对原始数据进行去噪、增强信噪比等一系列预处理过程；
然后，通过为已有的主成分分析(pca)算法降维，构造出特征向量f(t，α)，t为时间，α为降维后特征向量，作为机器学习的样本集；
再，采用循环神经网络分类器和决策树分类器，通过初始样本训练循环神经网络使之具有判断损伤的能力；训练决策树分类器使之可以确定损伤位置、损伤类型、损伤程度。利用循环神经网络快速判断是否存在隧道损伤，若存在损伤则利用决策树分类器初步判断隧道损伤的位置及损伤的类型，输出后用于评估隧道健康状态；
进一步优化，同时将新采集到的数据补充到样本集，继续训练神经网络、决策树分类器，不断提高分类器的精度；
最后，将评估结果发布到隧道健康状态管理平台，为相关人员维护隧道提供参考。
所述的隧道健康状态管理平台，包含隧道健康状态、隧道损伤位置、隧道损伤评估等内容，可以作为手机应用安装在地铁运营维护公司相关人员的手机中。当隧道发生较危险的损伤时，可将消息实时推送至相关人员。
本发明系统，实时测量服役列车在耦合系统中的振动，同时分析信号，快速评估隧道健康状态，初步判断隧道损伤的位置，将评估结果推送至相关人员后，运营维护人员再利用更加专业和精确的设备进行深入检测，可以大大提高隧道维护效率，降低成本和风险。
根据上述技术方案，本发明具有以下优点：
1.本发明提出基于移动列车的车载振动加速度信号的隧道损伤识别方法，能快速识别隧道及其附属结构内部的损伤，初步给出隧道损伤的位置，高效率地进行地铁隧道健康监测，及时提供隧道健康状态，及时维修，从而避免重大事故。
2.本发明利用服役运行的列车为载体，无需特意生产检测车，传感器布设也大大精简，极大地降低了监测与维护成本。
3.本发明建立了基于机器学习的隧道损伤识别算法，在列车运行过程中，通过采集的样本数据，提取特征向量，不断训练循环神经网络分类器，不断提高损伤识别效率和准确度。
4.本发明建立了完整的隧道健康监测管理平台，实时掌握隧道健康状态，及时发现隧道损伤，为安全运营及进一步维护隧道提供参考，以保障人民财产安全。
附图说明
图1为基于基于移动列车振动信号的隧道损伤检测系统组成示意图
图2为基于基于移动列车振动信号的隧道损伤检测系统流程图
图3为基于机器学习的振动数据分析算法
具体实施方式
下面通过实例结合附图进一步描述本发明。
实施例1
如图1所述，本发明提供了一种基于基于移动列车振动信号的隧道损伤检测管理方法，该方法主要流程如图2所示：利用传感器采集服役列车的振动信号，获得列车振动数据，通过无线电传输至车载信号传输系统，进行预处理和压缩，再通过5g网络传输至云端服务器，经处理分析数据后识别隧道及其附属结构的损伤，判断损伤的大致位置，并发布在管理云平台，为实时掌握隧道健康状态提供参考，大大提高了隧道检测效率，降低了其成本和运营风险。
由图1所示，盾构隧道损伤检测管理方法由四个子系统组成：信号采集系统，信号传输系统，数据处理系统，隧道健康状态管理平台。
服役中的地铁列车在盾构隧道中运行时，与隧道结构、地层组成耦合振动系统，利用安装在列车上的传感器采集传递到列车上的振动信号。传感器主要包含若干加速度传感器、速度传感器、定位传感器，其中加速度传感器、速度传感器安装在车轴、转向架上及车厢内，利用磁力座及绑扎带固定；定位传感器安装在车厢内，利用磁力支座固定。所采用的传感器为无线传感器，采样频率为2khz，内置可充电电池，可循环使用，电量可以支持长时间实时监测，而在晚上地铁列车停运时，将自动休眠，以节省电量。
传感器采集到数据后，将数据实时发送至车厢内的采集模块再传输到服务器进行分析。信号传输系统包括数据接收模块、数据处理模块、数据无线传输模块、电源模块，封包在一个箱体内，可安装在与传感器相同列车的车厢内车座下，避免影响乘客。数据接收模块可以实时接收传感器传输的测量数据。数据处理模块包含微处理器、存储器和编码器，缓存一定的数据，将数据进行初步整理和压缩，并重新编码，然后由无线传输模块通过5g网络或者intel网上传至服务器，进行数据处理与分析。该部分可直接由车厢内供电，若无可用电源则由蓄电池供电。
数据通过网络传输到数据处理系统进行分析。所述的数据处理系统包括高性能计算处理器、超大容量存储器、网络模块、电源模块以及分析软件。通过网络模块，利用稳定的网速和尽可能多的带宽，稳定地接收通过互联网传输的数据，再由若干中央处理器cpu和图形处理器gpu，进行并行计算和快速处理大量数据，分析隧道及其附属结构和土层是否存在损伤或缺陷，评估地铁隧道的健康状态。主要的损伤类型包括但不限于轨道缺陷、轨道板缺陷、轨道扣件缺陷、钢弹簧缺陷、隧道衬砌裂缝或混凝土剥落、衬砌壁后土体脱空缺陷等。分析后的数据会存储再超大容量存储器中，可以长时间、稳定存储，再将结果发布在地铁隧道健康状态管理平台中，告知相关人员。同时，处理系统应具备稳定的电源，避免突发停电造成数据丢失。
在分析过程中会应用到已开发好的分析软件，利用专业数据软件对列车振动信号的数据进行解码、解压缩，进一步去噪、增强信噪比，然后进行模态分析、小波变换，并利用卷积神经网络等机器学习方法快速识别隧道损伤，初步判断隧道损伤的位置，评估隧道健康状态，最后将评估结果布到隧道健康状态管理平台。该平台包含隧道及其附属结构的健康状态、损伤位置以及损伤评估等内容，可以作为手机应用安装在地铁运营维护公司相关人员的手机中，或者安装在电脑端，实时掌握隧道健康状态。当发现隧道及其附属结构存在较危险的损伤时，相关人员可以及时采取措施，利用更加精细和专业的检测仪器或方法对隧道进行检测，一方面避免无法及时发现隧道损伤而威胁到人民财产安全，另一方面也降低了检测损伤成本，提高了运维效率。
1.一种基于移动列车振动信号的隧道损伤检测管理系统，其特征在于，设计原理：利用传感器采集服役列车的振动信号，数据通过无线发射模块及网络传输至服务器，经分析处理后识别隧道及其附属结构损伤，判断损伤或缺陷的类型与大致位置，并发布在管理云平台；
由四个功能子系统组成：信号采集系统，信号传输系统，数据分析系统，隧道健康状态管理平台，其中
所述信号采集系统，服役中的地铁列车在盾构隧道中运行时，与隧道结构、地层组成耦合振动系统，利用安装在列车上的传感器采集传递到列车上的振动信号；所述的传感器包含若干加速度传感器、速度传感器、定位传感器，所述的加速度传感器、速度传感器均安装在车轴、装箱架及车厢内上，利用磁力座及绑扎带固定；所述的定位传感器安装在车厢内，利用磁力支座固定；所述的传感器为无线传感器，采样频率为2khz，采集到数据后，将数据实时发送至车厢内的采集模块；
所述的信号传输系统包括数据采集模块、数据处理模块、数据无线传输模块、电源模块。所述的信号传输系统封包在一个箱体内，安装在与传感器相同列车的车厢内车座下；所述的数据接收模块，实时接收传感器传输的测量数据；所述的数据处理模块包含微处理器、存储器和编码器，缓存一定的数据，将数据进行初步整理和压缩，并重新编码；所述的数据传输模块，将编码好的数据通过5g网络或者intel网上传至服务器，进行数据处理与分析；所述的电源模块为信号传输系统供电；
所述的数据处理系统包括高性能计算处理器、超大容量存储器、网络模块、电源模块、分析软件；所述的高性能计算处理器包括若干中央处理器cpu和图形处理器gpu，支持并行计算和快速处理大量数据；所述的超大容量存储器存储大量的测量数据；所述的网络模块，接收通过互联网传输来的数据；所述的电源模块为数据处理系统供电；
所述分析软件：
首先，利用matlab、spss等已有数据处理软件对采集到的列车振动信号的数据，进行解码、解压缩得到加速度、速度及位置原始数据x(t，ax，ay，az，v，s),t为时间,v为速度，s是位置，ax为x轴加速度，为y轴加速度ay，为z轴加速度az；
进一步，利用已有的小波包变换、赫尔伯特黄变换算法对原始数据进行去噪、增强信噪比等一系列预处理过程；
然后，通过为已有的主成分分析(pca)算法降维，构造出特征向量f(t，α)，t为时间，α为降维后特征向量，作为机器学习的样本集；
再，采用循环神经网络分类器和决策树分类器，通过初始样本训练循环神经网络使之具有判断损伤的能力；训练决策树分类器使之可以确定损伤位置、损伤类型、损伤程度。利用循环神经网络快速判断是否存在隧道损伤，若存在损伤则利用决策树分类器初步判断隧道损伤的位置及损伤的类型，输出后用于评估隧道健康状态；
同时将新采集到的数据补充到样本集，继续训练神经网络、决策树分类器，不断提高分类器的精度；
最后，将评估结果发布到隧道健康状态管理平台，为相关人员维护隧道提供参考；
所述的隧道健康状态管理平台，包含隧道健康状态、隧道损伤位置、隧道损伤评估等内容，可以作为手机应用安装在地铁运营维护公司相关人员的手机中。当隧道发生较危险的损伤时，可将消息实时推送至相关人员。
技术总结