超高層建筑變形監測和形態檢測智能分析系統

邱冬煒 段明旭 王來陽 王彤 馮海濤

摘 要： 對超高層建筑進行綜合測控與分析是超高層建筑施工的一項重要環節，也是確保施工質量和安全的重要手段。根據超高層建筑變形所具有的時空聯動性的特點，提出UFK?SVR變形預測算法，研發了超高層建筑變形監測和形態檢測智能分析系統。系統實現了多源海量監測和檢測數據的信息化和安全化的全要素管理、變形信息的智能化分析、建筑形態的全景化展示、危險源的精確化定位以及自動化預警。該系統應用于北京市在建第一高樓“中國尊”施工監測，取得了良好的效果。

關鍵詞： 超高層建筑; UFK?SVR預測模型; 變形監測; 形態檢測; 智能分析系統; 數據處理

中圖分類號： TN915?34 文獻標識碼： A 文章編號： 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雜，風險極大，需要多種測控儀器和方法聯合施測進行變形監測、形態檢測和質量控制[1]。產生了多源海量的監測和檢測數據，數據管理和綜合分析難度大，對數據的安全存儲、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。

當前，國外一些專家學者已經在建筑物變形信息自動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意大利特蘭托的一座中世紀塔型建筑進行了為期4個月的振動檢測，并應用自主研發的軟件進行實時數據處理，其檢測結果證明了軟件系統的穩定性[2]。Seon P H等學者于2013年研發了建筑鋼結構健康監測系統，實現了監測數據無線遠程、實時傳輸，取得了良好的監測效果[3]。2000年以后，我國在建筑自動化監測領域也取得了較為突出的成績。2010年，尹堯國等人開發了基于3D GIS的建筑自動化監測與管理系統，該系統為“鳥巢”建設提供了有力的保障[4]。2017年，周予啟等研發了利用北斗GNSS測量技術的高層建筑變形監測系統，并應用于深圳平安金融中心施工監測[5]。

目前，國內外的建筑監測系統不適用于超高層建筑的施工特點和監測需求，無法進行整體變形的智能處理。因此，研發了超高層建筑變形監測和形態檢測智能分析系統。該系統依托于“云計算”以及“智能分析”實現了超高層建筑變形監測和檢測數據的綜合管理、智慧分析和智能預測，為超高層建筑變形監測、形態檢測和質量控制提供有效的指導。

1 系統設計

本文系統采用C#語言開發，采用C/S結構搭建主體框架。其運行環境為Windows 7/10。

1.1 系統主體框架

如圖1所示，該系統被劃分為四層，包括采集層、數據層、應用層及管理層。

采集層是系統的基礎層，它能夠與多款監測和檢測設備（全站儀、GPS、IBIS、數字水準儀、傳感器等）建立有線或無線連接，實現了數據的自動化采集。

數據層是系統的核心層，所有的數據交換、存儲和檢索都通過該層的數據庫來進行。本系統采用SQLite及PostgreSQL數據庫聯合管理方式，實現移動平臺、本地程序、云服務器及數據庫的動態交互。采用Oracle數據庫完成空間數據存儲、索引及更新。

應用層是該系統的具體功能實現層，實現了數據全景化瀏覽、成果輸出、數據在線傳輸、在線咨詢、智能分析和系統配置等功能。

管理層被劃分為系統管理及空間信息支撐平臺，主要負責空間數據的融合處理、業務數據的組織調用以及系統權限配置與管理。

1.2 子系統的構建

系統包括4個功能性子系統。各子系統圍繞“云管理中心”構成一個有機的整體，系統間相互協調，實現了數據流的云端交互、統一組織和安全管理。子系統數據交互流程如圖2所示。

數據采集子系統的設計是基于系統軟硬件運行性能、儀器通信端口協議、數據傳輸方式和數據采集策略的基礎上構建而成。該子系統受控制器驅動，完成數據校驗、結構化編碼及加密、安全備份、采樣頻率控制以及數據云端上傳。

數據管理子系統是整個系統的控制“心臟”，借助系統搭建在“云端”的中心數據庫，實現了數據云端交互、數據統一管理與組織、多用戶并發操作，支持數據分布式的處理及訪問，為其他子系統提供了可靠的數據共享和存儲平臺。

智能分析子系統是整個系統的“大腦”，依托于超高層建筑數據處理模型、非線性測量數據分析模型和多種預測數學模型，實現了結構整體變形的精度分析、模式識別、結構損傷監測、數據挖掘、智能分析和變形趨勢預測等內容。

顯示及評定子系統搭載了多種可視化平臺，實現了數據的實時、動態和全景顯示。安全評定模塊主要是對結構危險源進行實時追蹤和精確化定位，并通過圖表、文檔報告、電子郵件、短信等方式反饋給技術人員及管理人員，方便及時處理問題。

2 系統核心技術

本文系統在數據存儲、分析及顯示過程中采用眾多算法和新技術，如數據集編碼及加密、UKF?SVR預測模型和結構形態檢測等。

2.1 數據采集編碼及安全存儲

為了保證有效數據信息的獲取和傳輸、加快數據存儲和處理速度、確保數據安全，數據在采集和傳輸過程中會被統一編碼和加密。每條記錄占用64個字節，劃分為序號域、時間域、數據域和信息域。

數據編碼索引建立之后，采用改進的RSA算法對數據編碼進行加密，同時將加密信息存儲于信息域并上傳于云平臺進行管理、備份和計算，以保證數據的完成性、安全性和可靠性。改進的RSA算法步驟如下：

通過上述實驗，改進RSA算法提高了系統加密和解密的性能，為數據快速傳輸提供了有力的保障。

2.2 UKF?SVR預測模型

超高層建筑變形信息具有高度的連續性、非線性和混沌性，變形序列中往往又混有系統誤差，使得SVR在該領域進行回歸分析時不能達到預期效果。因此，本文引入無跡卡爾曼濾波（Unscented Kalman Filter， UKF）對SVR進行改進，即發揮了SVR回歸預測的優勢，又有效地提高了它對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）是在統計學習理論基礎上發展起來的淺層機器學習方法，具有全局最優、強大的非線性處理能力以及優秀的泛化能力，在分類和回歸等問題中發揮了重要作用 [7]。

假設樣本空間中存在連續時間序列訓練樣本[X∈Rn]，則SVR對該樣本序列的線性回歸估計可以表示為：

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變體[8]，能夠有效處理非線性動態系統的狀態估計問題。

UFK算法的核心思想是UT變換。假設[sigma]點通過非線性函數[yi=g（xi）]轉換，則可根據式（7）計算轉換后的協方差。

2.2.3 UFK?SVR預測模型

如圖3所示，通過UFK?SVR對變形數據進行預測，大體可以分為四個階段，即數據歸一化階段、預處理階段、預測值微調階段以及預測評價階段。

首先，由于超高層建筑動態變形信息數據集的跨越很大，需要對樣本數據進行歸一化處理。

其次，通過SVR模型對歸一化后數據進行預訓練，并獲取先驗預測估計。

再次，通過UKF模型對先驗預測估計進行調整。該步驟是本算法的核心部分，大體步驟如下：

1） 初始化UKF狀態方程和觀測方程的參數。

2） 樣本數據的[sigma]采樣。

3） 根據先驗預測估計，通過UT轉換，計算預測均值[mk]和預測協方差[Pk]。

4 結 語

在超高層建筑變形監測和形態檢測的關鍵技術研究的基礎上，研發了智能分析系統，改變了傳統監測作業的模式，提高了超高層建筑、大型異構建筑變形監測和形態檢測的作業效率，實現了測控信息全要素的資源管理、智能分析、危險源定位。本系統實現了與大部分測量儀器的自動化數據傳輸，但仍有少部分儀器由于傳輸端口不匹配而無法完成自動化連接，需要進一步和儀器廠商溝通，以完善數據采集功能。

參考文獻

[1] 張旭喬，肖緒文，田偉，等.超高層建筑施工過程結構豎向變形的研究現狀[J].施工技術，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的建筑變形自動化監測與管理系統的研究與開發[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測系統的研發與應用[J].施工技術，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.新型大素數快速并行搜索策略[J].廈門大學學報（自然科學版），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.