基于超聲波掃描和SVM 的綜合管廊故障診斷模型

楊萌宇，張 雷

（重慶交通大學，重慶400074）

“創新、協調、綠色、開放、共享”作為當前社會發展新理念，已經在各行各業提出了新的要求。地下綜合管廊應運而生，在緩解交通擁堵問題的同時，極大提高了城市電力、通信、燃氣、供排水等設施的維護效率。但是，目前綜合管廊的維護仍然存在著一些不足。在綜合管廊背景下，為更加高效地對相關設施進行檢修和維護，本文構造了一個基于超聲波掃描和SVM 的綜合管廊故障診斷模型[1]。模型利用超聲波對管道內部結構進行定期掃描，然后使用SVM 對得到的管廊數據進行故障識別。

1 綜合管廊模型

地下綜合管廊是建設在城市地下的一種建筑，用來鋪設電網、通信網絡、電視信號、水利設施等管線的新一代綜合隧道。但是，中國的地下管道欠缺更加智能化的監測和維護模型[2]。因此，本文在文獻[2]的基礎上，在市政綜合管廊優化維護中融合了基于超聲波和SVM 的故障檢測模型。利用BIM 技術建立包含管廊自身各項信息完備的三維建筑模型，賦予模型以各種信息，技術人員可從任何視角查看模型，而GIS 地理信息模型用于確定管廊整體在城市地下空間中的位置。通過技術的結合，技術人員無需反復開挖路面，在綜合管廊中就可對各類管線進行檢測、維護、改造等，減少了施工對交通和居民生活帶來的影響。地下綜合管廊內部如圖1 所示。

圖1 地下綜合管廊內部圖

由于市政綜合管道里程較長，數據存儲負荷較大，所以本文采取分區域監控的方式，在不同區域內設置信息操作臺，對該段區域進行分段數據搜集與處理，能夠有效解決由于數據過多導致模型崩潰的問題。

地下空間改造前后區別如圖2 所示。優化后的地下綜合管廊有以下優勢：綜合管廊消除了城市各類管線系統在城市上空布下的豎立的電線桿、高壓塔等，減少了路面、人行道上各種管線的檢查井、室等，優化了城市環境；綜合管廊在智能維護系統管理下可以較快定位管線故障位置和故障狀況，進而提升了維護效率；綜合管廊的建設，避免了由于鋪設和維修地下管線而導致的對路面的頻繁挖掘，減少對城市交通和居民出行造成的影響和干擾；有效利用城市地下空間，節約了城市用地，提升了城市土地的利用率；確保城市各類管線的穩定安全，而且減少了后期維護費用；增強城市對于各類災害的承受能力，城市各種管線設施由于設置在綜合管廊內，當面對洪水、地震等自然災害時，抗災能力有大幅度提升。

圖2 地下空間改造前后區別

2 超聲波檢測技術

超聲波檢測[4-5]是一種對金屬、非金屬以及復合材料等多種材料的無損檢測方法。其通過超聲波與檢測元件的相互作用，對得到的反射、透射和散射波進行研究，進而得到對檢測元件的故障診斷評價結果，缺陷定位準確，檢測成本低，速度快，設備輕便。超聲波掃描如圖3 所示。

圖3 超聲波掃描示意圖

超聲波檢測有較強的穿透能力，探測深度可達數米，而且不易損傷檢測物體；靈敏度高，對于細微的管線裂縫有較高的識別成功率；檢測速度快，可立即提供缺陷檢驗結果；操作簡便，設備易于布置；頻率較高（20 000 Hz 以上），不會對操作人員造成影響。

3 支持向量機故障檢測模型

支持向量機[5]（Support Vector Machine ，SVM）是由VAPNIK 等人在1995 年提出的，是一種基于統計學理論和結構風險最小化原理的機器學習方法。作為一種借助最優化方法解決機器學習問題的工具，是克服“維數災難”和“過學習”問題的強有力手段。基本思想是基于間隔最大化的原則尋找一個超平面對樣本空間進行分割。當樣本空間線性可分時，支持向量機通過一個劃分超平面，將不同類別的樣本分開；當樣本空間線性不可分時，為了使樣本在高維空間線性可分，使用核函數將訓練集樣本從原始空間映射到一個高維空間。已經證明，如果原始空間維數有限（即樣本屬性有限），那么一定存在一個高維空間使樣本線性可分。支持向量機原理如圖4 所示。

圖4 支持向量機原理圖

對于訓練集樣本：（x1，y1）（x2，y2），…，（xN，yN），x∈Rn，y∈（-1，1）。

尋找其最優分類超平面的二次規劃問題如下：

可以推得其Lagrange 函數為：

式中，λi≥0，i=1，2，…，N。

可得式的對偶問題可表示為：

可得決策函數為f（x，l）=sgn[yihi（xixj）+b]。

則對線性不可分的對偶函數為：

決策函數為f（x，l）=sgn[yiλiK（xi，xj）+b]。

4 結語

為了實現對地下管廊的實時監控和管道及線路損壞的有效診斷，本文構造了一個基于超聲波掃描和SVM 的綜合管廊故障診斷模型，使用SVM 對得到的管廊數據進行故障識別，為市政綜合管廊的改造和升級提供了一種可靠的思路。除此之外，還可以對管道進行分段掃描，在相應區域設置信息操作臺，避免出現模型癱瘓、數據丟失的情況。