分布式光纖傳感技術應用于地鐵隧道安全監測

文/姚明遠 張浩霖 楊玥

隨著我國城市化水平不斷提高，發展軌道交通已經成為城市公共交通建設的必然選擇，但對地鐵隧道的結構健康安全狀態缺乏有效的監測手段，地鐵隧道所處地質結構復雜多變，對于運營的地鐵，運行的列車會對隧道結構產生振動的激勵，地質沉降、軌道變形都會引起振動信號的畸變，通過對隧道土木結構的振動模態進行測量，可以實現對地鐵隧道結構缺陷、人流車流高密度復雜載荷、土壓力變化以及輪軌配合狀態的觀察。

分布式光纖傳感網絡突破了傳統的點式傳感，實現長距離、無盲區式連續在線監測，但此時采集的信號是雜亂無章的，數據處理系統無法將這些信號與結構或環境變化的不同模式對應起來。需要建立起合適的學習系統，并經過對數據的不斷更新、訓練和學習，才能擁有成熟的判別模型，通過傳感系統在地鐵運營的過程中不斷采集大量信息，并根據人工的輔助標簽，對結構本身和外界環境的各種變化進行解析，生成能夠對監測數據進行分析和認知的網絡模型。

1 基于分布式光纖傳感的地鐵安全監測系統

分析平臺架構主要由采集、判別、標記、訓練等4個模塊組成。首先，在地鐵隧道結構中布設光纖傳感網絡，采集已知類別的數據樣本，進行人工標記后建立數據庫，分析平臺在此基礎上，利用深度學習算法對已知標簽的各類行為數據樣本進行訓練，再將訓練得到的網絡模型更新到判別模塊，對地鐵隧道沿線的各種外界行為進行有效的模式識別，及時對破壞行為進行預警，保證地鐵運營環境的安全。

采集模塊：通過布設在地鐵隧道結構中的光纖傳感網絡，解調和采集各類振動信號數據。

標記模塊：對類別已知的數據樣本進行標記，并在運營過程中對樣本庫進行更新。

訓練模塊：利用卷積神經網絡，從訓練數據中進行學習，得到用于事件判別的網絡模型。

判別模塊：根據訓練模塊提供的網絡模型，對采集模塊提供的振動信號進行判別。

2 基于1D CNN的事件判別模型

CNN隱式地從訓練數據中進行學習特征，1D CNN可以很好地應用于傳感器數據的時間序列分析，同樣也可以很好地用于分析具有固定長度周期的信號數據。

分析平臺采用的1D CNN模型描述如下：

輸入數據：數據經過解調預處理后，每條數據樣本中包含有10000個采樣點（采樣率500Hz，每條樣本記錄時長為20s），得到一個10000×1的矩陣。

第一個1D CNN層：卷積核大小500，濾波器數量100。輸出矩陣9501×100。

第二個1D CNN層：卷積核大小500，濾波器數量100。輸出矩陣9002×100。

第一個池化層：池化層大小設置為5，步幅（stride）設置為1。輸出矩陣1800×100。計算區域中的最大值作為池化后的值（最大池化層）。

第三個1D CNN層：卷積核大小900，濾波器數量180。輸出矩陣901×180。

第四個1D CNN層：卷積核大小900，濾波器數量180。輸出矩陣2×180。

表1：分3類的CNN測試統計

表2：分4類的CNN測試統計

第二個池化層：池化層大小設置為2，步幅（stride）設置為1。輸出矩陣1×180。計算區域中的平均值作為池化后的值（平均池化層）。

Dropout層：比率設置為0.5，輸出矩陣1×180。

全連接層：將長度為180的向量降為長度為3的向量（因為此時有3種事件類別需要進行識別，分別是：“人工挖掘”、“機械挖掘”、“機械行駛”）。激活函數為Softmax（多分類的概率之和為1）。若事件類別增加，相應地需要增加全連接層的長度。

3 測試統計

在地鐵隧道多個區段采集“人工挖掘”、“機械挖掘”、“機械行駛”的振動信號數據樣本，采樣率500Hz，每組包含20s數據，訓練得到分3類的CNN神經網絡。在系統運行期間，在存在機械施工的區段收集“機械打樁”的振動信號數據樣本，加入樣本庫，訓練得到分4類的CNN神經網絡。

分3類的CNN識別率統計如表1所示。

分4類的CNN識別率統計如表2所示。

由以上測試結果，基于地鐵安全監測系統的分析平臺，訓練識別“人工挖掘、機械挖掘、機械行駛”3類的CNN，訓練集的分類識別正確率可達99%（“機械挖掘”類別），測試集的分類識別正確率可達98.2%（“機械挖掘”類別）；訓練識別“人工挖掘、機械挖掘、機械行駛、機械打樁”4類的CNN，訓練集的分類識別正確率可達98.1%（“機械挖掘”類別），測試集的分類識別正確率可達97.6%（“機械行駛”類別）。當樣本庫中加入新類別的數據樣本后，再次訓練的判別模型仍具有較高的模式識別準確率。

4 小結

利用分布式光纖傳感技術監測距離長、現場無需供電，連續實時測量等特點，構建地鐵健康安全狀態監測系統。分析平臺在系統運行的過程中，不斷采集大量信息和新出現的事件樣本，利用卷積神經網絡CNN，自動提取數據樣本中的特征，對判別模型持續進行更新，使之更適應于真實的應用場景，判別模型的模式識別準確率可達96.8%以上，可以滿足工程應用的要求。