基于云平臺的深基坑水位智能監測系統設計

陳杰 張澤瑞 宋楚平

摘 要：針對深基坑水位監測不到位導致過度抽水或水位過高出現基坑失穩的問題，提出基于云平臺的智能應用系統用于水位的監測，系統主要由傳感器、PLC控制器、GPRS和應用程序構成。為實時感知基坑水位的變化和預測可能發生的水情，通過計算某時刻水位的變化幅度和利用BP神經網絡來預計未來2 h的水位，以達到水位智能監測和主動預警的目的。應用測試表明：系統具有良好的穩定性和可靠性，完全能滿足深基坑水位安全監測要求。

關鍵詞：深基坑;傳感器;BP神經網絡;智能監測

中圖分類號：TP399文獻標識碼：A文章編號：1003-5168（2020）34-0097-03

Design of Intelligent Monitoring System for Water Level

of Deep Excavation Based on Cloud Platform

CHEN Jie ZHANG Zerui SONG Chuping

（School of Information Engineering， Nanjing Polytechnic Institute，Nanjing Jiangsu 210048）

Abstract： In view of the problem of excessive pumping because of the failure to monitor water level of deep excavation or the instability of excavation due to the high water level， an intelligent application system based on cloud platform was proposed to monitor water level， which is mainly composed of sensors， PLC controllers， GPRS and Application programs. In order to perceive the real-time change of water level in excavation and predict the possible water situation， the change range of water level at a certain time was calculated and the water level in the next 2 hours was predicted by BP neural network， so as to achieve the purpose of intelligent water level monitoring and active early warning. Application test shows that the system has good stability and reliability， and can fully meet the requirements of deep foundation pit water level safety monitoring.

Keywords： deep excavation;sensor;BP neural network;intelligent monitoring

隨著土地資源的稀缺和超高層建筑施工技術的成熟，基坑工程向大深度、大面積發展。由于基坑開挖面下部的承壓水會引起坑底隆起、底板涌水等問題，容易導致基坑失穩等安全事故的發生[1]，因此必須對基坑的承壓水進行有效控制，以保障施工安全，確保工程質量。目前普遍采用井點降水法來控制基坑水位，即采用水泵不間斷抽水，另派專人巡查。這種工作模式下，由于缺乏對地下水位的精確觀察數據，因此，容易出現“無水空抽”“過度抽水”等現象，極易造成抽水不及時引起的基坑失穩，或者過度降排水引起周圍建筑物沉降等安全事故。隨著物聯網、云技術和傳感器的不斷發展，基于云平臺的遠程監測系統以其數據采集便捷、監測現場工況及時、運行成本低等特點，正在取代傳統的PC-Based監測方案或人工模式。因此，為適應深基坑安全施工要求，有必要對基坑水位的監測技術進行深入研究。

1 深基坑水位監測系統構架

深基坑水位監測系統總的結構如圖1所示。水位傳感器、轉速傳感器和流量傳感器將采集到的基坑水位、水泵工況和排水流量等數據通過GPRS傳送到云服務器，一旦發生水位警情或排水故障，云服務器就會向PC端和APP端發送報警消息，管理人員能在第一時間通過PLC控制器發出正確的控制指令和運行參數，調整水泵的運行狀態，或緊急處理系統故障，以達到穩定安全水位的目的。終端應用層的PC或手機能主動調用云平臺數據接口，以圖表形式動態顯示深基坑水位變化，并接收云服務推送的預警和其他工況信息。

2 系統的硬件設計

整個系統的硬件主要包括傳感器模塊、PLC控制模塊、GPRS通信模塊和云存儲。整個硬件的連接結構如圖2所示。

水位傳感器選用TEB SDI-12液位傳感器，通過水的壓力變化感知水位高度，經RS-485將數字信號輸出到控制模塊中的采集單元。流量傳感器采用上海嘉圖SN51B電子式傳感器，具有體積小、設定簡便等優點，可任意設置流量上下限報警值。轉速傳感器采用拓普瑞晟RC7100磁電傳感器，該傳感器體積小、結實可靠、無須外接電源、價格低廉，采用非接觸式來測量水泵的轉速。

PLC控制器采用STC15單片機開發，由于其內置高精度R/C時鐘和高可靠復位電路，因此通信速度快、抗干擾能力強[2]。控制器的采集單元通過RS-485串口與傳感器通信，每隔5 min采集水位傳感器數據，并通過GPRS模塊將數據上傳到云服務器。

云服務器是選用阿里云ECS，通過租賃的方式即可獲得可靠的遠程數據存儲服務，減少了人工運營成本。云服務器通過TCP/IP協議與GPRS模塊和應用層通信，利用云服務器提供的透傳設置，能將監測數據推送到系統管理員和施工人員的APP或現場PC上。

3 系統的軟件設計

云服務器的組件和接口設計以及基于APP的遠程監測客戶端開發是此系統軟件設計的重點。

3.1 PLC控制器與云服務器的數據通信

根據云服務器提供的IP地址和端口，PLC通過GRRS模塊與云服務器建立UDP/IP連接，然后再根據PLC注冊的ID和傳感器ID生成協議，協議內容主要包括用于維護與服務器通信的心跳包協議和傳感數據包。

3.2 云服務器端程序設計

該部分設計主要包括服務組件和數據接口。例如，傳感數據服務組件需要對上傳的信號數據及時處理，通過建立上報數據線程，調用數據信號轉換函數和數據庫通信接口，將解析后的水位采集數據保存到數據庫中，以供其他組件對數據的處理和訪問。水位預警監測組件的基本設計思想是：基于基坑歷史水位數據采用BP神經網絡來預測未來水位變化，神經網絡的拓撲結構如圖3所示。

3.2.1 輸入層的計算。輸入層節點24個，對應每天間隔5 min連續2 h內采集的水位數據，該層接收輸入水位樣本數據，樣本數據由[24×K]的矩陣構成，輸入向量[X={x1，x2，…，x24}]，即每個樣本數據為連續2 h內水位的時序值，[K]為樣本數，建議取值為[40，50]，預測未來2 h后的水位變化。

3.2.2 隱藏層的計算。隱藏層節點數[m]為13，節點激活函數選高斯函數，在MATLAB中利用NEWRB函數設計近似BP網絡，設定網絡目標均方誤差為10-6。經多次迭代試驗，[m]=13時網絡性能較為穩定，故隱藏層節點數取值為13。

3.2.3 輸出層的計算。輸出層的輸出值就是水位預測值，用一個實數表示，因此輸出層的節點數[k]為1，該節點的輸出值[y]為：

[y=fj=1nwjkφj]? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （1）

式（1）中，[wjk]為第個隱藏層節點到輸出節點[k]的權值;[φj]是隱層第[j]個節點的輸出值;[f]為高斯激活函數，根據輸出層的輸出值[y]就可以得到水位2 h后的預計值[3]。

3.3 APP端設計

該部分的程序設計采用Android和HTML5混合編程，頁面后端采用time線程控制頁面數值的變化和指令的發出。前端頁面通過對HTML5標簽的靈活使用完成整個頁面布局，運用echars圖表框架接收服務器傳來的水位變化數據，實時動態地顯示水位的變化。

4 系統主要性能測試

系統的性能表現事關深基坑工程施工和人員安全，必須進行穩定性和可靠性方面的測試。

4.1 穩定性測試

系統的主要安全監測數據是基坑水位，要確保系統監測數據與實測數據基本一致，其相對誤差在5%以內。為此，讓系統長時間運行在實際工作環境下，隨機抽取一天24 h共288條記錄，提取整點時刻的24條數據與人工測量儀數據進行比對，檢查系統監測數據是否出現異常。檢查結果如表1所示。

由表1可以看出，連續的系統監測值與實際值的誤差波動位于標準范圍，且沒有出現數據丟失的情況，監測數據正常有效。

4.2 可靠性測試

可靠性測試是指當系統工作狀態異常或水位環境發生巨變時，系統能否主動發出提示消息或仍保持正常工作，主要測試點及測試結果如表2所示。

通過調整系統的水位閾值參數來模擬深基坑現場水位的險情。這種模擬只涉及監測水位的閾值變化，其他的工作參數和外部環境與真實的運行工況是一致的，因此這方面的測試結果是有效的，說明系統具有良好的可靠性和抗災能力。

5 結語

①水位的監測既要考慮傳感器的選型，保證測量成本和數據精度，又要考慮水位的異常變化和水泵的運行狀態，全面觀測基坑工作現場，由此建立的系統才能滿足可靠性和穩定性要求。

②水位的智能監測關鍵在于“智”。基于BP神經網絡設計的服務控件能實時預測2 h后的水位變化，為施工安全應急爭取了寶貴的時間。

參考文獻：

[1]宋楚平.一種改進的BP神經網絡深基坑變形預測方法[J].土木工程與管理學報，2019（5）：45-49，55.

[2]陸海濤，成新民，雷雪，等.基于物聯網技術的電梯底坑進水監測及預警系統[J].數字技術與應用，2019（10）：178-179，182.

[3]吳美玲，楊侃，張鋮鋮.基于KG-BP神經網絡在秦淮河洪水水位預測中的應用[J].水電能源科學，2019（2）：74-77，81.