城市地下綜合管廊管線的數據采集及故障診斷研究

楊遠 王尉軍 茍華新 盛興隆

摘要：城市地下綜合管廊管線主要包含燃氣管道、電力電纜和給排水管道，與人們的生產生活息息相關。然而管線所處的環境惡劣，不可避免會出現各種故障，于是文章對其故障診斷進行研究。首先分析數據的收集和監測，然后使用BP神經網絡算法進行計算，得到管線發生故障的原因和位置。通過仿真實驗得知，系統能夠準確對管線進行故障診斷，從而能夠提高管線的安全運行。

關鍵詞：管廊管線;數據采集;故障診斷

中圖分類號：TU99

文獻標識碼：A

文章編號：1001-5922（2020）06-0184-05

0 引言

隨著我國經濟社會的不斷發展，城市地下綜合管廊管線變得越發的復雜，如果出現故障，對其進行故障排除效率非常低，就會造成較大的經濟損失，于是對其進行故障診斷非常重要，可以較大程度降低經濟損失[1]。于是文章通過對管線進行數據采集分析，然后進行故障診斷研究。

1 系統設計思路

系統的主要目的就可對城市地下綜合管廊管線進行故障診斷。在對城市地下綜合管廊進行研究時，很多系統的作用僅僅只是對管廊進行檢測，并不能對其發生的問題進行故障診斷，于是本系統能夠分析判斷出管道出現問題的原因，并且準確判斷出管廊管線出現問題的位置。達到該該目的需要收集城市地下綜合管廊管線的各種數據，然后對這些數據進行分析，從而得到故障診斷的依據。圖1即為系統的總體設計思路圖。

1.1 采集數據

在我國科學技術還不夠發達時，對城市地下綜合管廊管線進行數據收集采用的是人工在現場進行收集相關數據，使用這種不方式，不僅效率低、投人大，還會造成收集數據存在較大誤差的現象[23]。為了能夠改善這些問題，于是在城市地下綜合管廊管線中安裝不同的檢測設備，從而代替人工進行采集數據的方式。這些設備包含著采樣設備、傳感器等。使用這種方式大大提高了數據采集的效率，而且還有攝像機等工具進行實時監測，有效解決了對管廊管線的日常巡檢工作，搜集到的數據將會更加豐富，更有助于故障診斷的分析。

由于城市地下綜合管廊長度過長，僅僅安裝一套檢測設備收集到的數據比較有限，于是根據監測設備的監測范圍將管廊管線長200m劃分為一個區域，每個區域中都需要安裝一套監測設備。進行區域劃分之后，不僅有利于檢測數據的收集，還有利于區域管理。

1.2 監測數據

本文研究的不是整個城市地下綜合管廊，而是研究其中的各類管線，所以只需對管線進行數據監測。各類管管主要包含著電纜、燃氣管道和給排水管。通過監測設備收集到數據之后將其傳送給地上的控制中心。于是可以對收集到的數據進行整理、分析，通過與歷史的數據相比較從而可以得到數據的變化趨勢，從而發現更為中的管廊管線信息。對每種管線進行監測時，不同管線監測的內容不一樣，下面將對3種管線進行介紹。

1）給排水管道運行狀態的監測[4]：給排水管道主要負責水的傳輸，如果其中出現漏水或者積水過深就會造成一定的問題，所以需要對出水、如水還有積水進行監測。另外，還需要通過監測設備對漏水情況進行檢查，選擇城市地下綜合管廊中容易積水的地方的查看是否出現積水現象，當檢測到的數據超過限定值之后需要立即關閉閥門，然后發出警報。最后對監測到不正常的數據進行分析，研究其發生問題的原因。

2）電力電纜運行狀態的檢測[4]：電力電纜主要負責運輸和分配電能，所以需要對其電流、電壓進行檢測，另外，電能還會受到環境的溫度、濕度等的影響，所以也需對其進行檢測。而且電力電纜需要進行保護措施，以防其出現危險時造成更大設備損壞。對其運行狀態進行監測時，如果發現監測到的數據超過了規定值，要能立即關閉閥門，然后出現報警反應。最后就是對其進行分析研究，找到數據發生問題的原因。

3）燃氣管道運行狀態的檢測[4]：燃氣管道的作用就是負責燃氣的傳輸，相對于其他兩種管道而言，當其出現問題時沒有進行及時處理時，就會造成較大的安全事故，所以對其進行監測非常有必要。燃氣管道的監測主要為是否出現漏氣現象、漏氣嚴重程度等。如果發現所監測的數據超過規定值之后，需要立即關閉閥門，并發出警報。最后對漏氣情況進行數據分析，找到漏氣的位置，然后分析其造成漏氣的原因。

城市地下綜合管廊因其所處的地方陰暗潮濕，將檢測到的數據傳輸上來使用有線方式不適合，容易造成線路出現各種損傷。所以使用無線通訊方式最為適合，尤其是當前5G的使用，使的數據傳輸效率更高。于是可以利用地下安置的報警器和傳感器，將監測到的數據使用無線通訊方式傳到地上控制中心，從而可以達到數據檢測和收集的作用。

上文已經提到過城市地下綜合管廊管線需要化分為不同的區域進行檢測，所以在用戶的界面上需要能夠顯示不同的監測區域[5]。然后將每個區域中安裝一個工業交換機，最后將所有設備收集到的不同信息集中傳輸到地上的控制中心中，比如視頻信息、監控主機收集到的數據等。

城市地下綜合管廊管線監測系統完成之后，還需要對地上的監控中心設置管理系統，其主要宗旨就是方便對地下的不同監控區域進行集中管理。控制中心有以下兩點作用：

①登陸到控制中心的管理系統之后，就可以查看到每個區域中的實時數據，能夠實時的發現地下管廊光線是否出現問題。

②控制中心能夠對地下的影像數據進行自動管理，將每個影像生成歷史數據，通過控制中心就可以對這些數據進行管理和查詢。

2 故障診斷

由于地下的各種管線對整個城市的生活生產有著直接的影響，當其中管線發生問題就會造成不同程度的影響，較為常見的就是帶給人類停電、停水的影響，嚴重時還會造成爆炸危害。所以需要保證地下綜合管廊管線的安全運行。然而隨之時間的不斷延長，管線發生問題難以避免，于是需要對其進行實時監控，為了能夠及時的發現問題，并且對其進行修理，從而避免造成較大的安全事故。

上文中主要分析了對管廊管線的數據收集和監測，并且在監測過程中如有發現數據超過設定值就會關閉閥門，發出預警，于是可以降低事故發生的嚴重程度。通過控制中心對地下傳輸的各種數據信息進行整理分析，可以發現出現故障的原理，并且確定出故障發生的位置，即故障診斷，就可快速對出現問題的管線作出反應，從而高效率解決發生的故障問題，并且有助于今后該故障的發生概率，從而提高地下綜合管廊管線的安全運行。

對管廊管線進行故障診斷時，不僅需要完成上述數據的收集和監測，還需要了解不同管線的常見故障，然后再通過故障診斷檢測方式判斷管線的問題所在，具體的操作方式如下。

2.1 電力電纜常見故障

電力電纜常年處于地下潮濕的環境，隨著工作時間的增長，必然會受到環境的影響和自身因素的影響造成電力電纜出現問題。電力電纜常見的故障有如下三種狀況：

2.1.1 保護層損壞

因為電力電纜處于城市地下，成年累月見不到陽光，受到潮濕環境影響，而且地下會有各種化學物質，電力電纜長時間的處于這種環境，其表現的保護層雖然具有一定的抵抗能力，但是時間長了之后抵抗能力就會減弱，造成表面發生侵蝕，保護層就會損壞，可能就會造成電力電纜短路、斷裂等現象。

2.1.2 承受壓力較大

由于電纜本身會承受很大的電壓，在鋪設電力電纜過程中，如果沒有將其鋪設到同一個水平面，就會造成電力電纜起伏現象，就會較為容易的發生短路，短路的電纜就會承受非常大的電壓，超過了電纜的承受范圍，于是就會造成燒毀現象，發生這種情況之后的危險性會很高[6]。

2.1.3 電纜本身質量問題

電力電纜本身不僅要能夠在潮濕的地下環境中長存，而且還需要受到高強度的電壓，當電力電纜本身采用的是劣質材料，表面處理不光滑，電纜的絕緣層容易出現破損現象，就會造成短路等故障。

2.2 燃氣管道常見故障

燃氣管道負責運輸作用，所以不能出現泄漏和堵塞的情況，不然就會造成安全事故。所以在燃氣管道中較為常見的故障有兩種，分別為泄漏和堵塞[7]。下面將對其進行簡要分析：

2.2.1 燃氣管道的泄漏

由于地下具有各種酸堿化學物質，再加上地下環境潮濕，對燃氣管道具有較大的腐蝕作用，腐蝕嚴重之后就會造成管道出現缺口，或者是燃氣管道施工安裝過程中出現失誤現象，造成管道出現缺口，在管道中就會造成天然氣泄漏，從而可以引發其他嚴重問題。

2.2.2 燃氣管道堵塞

管道發生堵塞現象，天然氣就難以運輸到目的地，然而引起燃氣管道堵塞的情況比較多，比如有常見的雜質堵塞、水化物堵塞、煤氣膠堵塞和碳酸銨鹽堵塞，不同類型發生堵塞的原因如表1所示。

2.3 故障診斷的測試方式

本文對城市地下綜合管廊管線進行故障診斷時使用到的算法為BP神經網絡算法，其中包含著輸入層、隱層和輸出層[8]。該算法的輸入層為電纜的電壓、溫度、電流、濕度。需要設定誤差范圍，如果監測系統監測到的數據超過誤差值時，則需要將數據進行逆向傳輸，然后對相關的誤差和權重進行調整，像這種方式不停的進行反復傳輸，直至誤差復合規定。圖2即為BP神經網絡結構圖。圖中的第1豎排為輸入層，有n個節點，n=3，第2排為隱層，第3層即為輸出層，q和m為各種的節點數。其涉及的各種公式如下所以：

隱層的輸出為：

其中η為學習率，f1和f2分別表示隱層和輸出層的激活函數。

首先通過輸入信息，然后就會產生各種輸出信息，通過不斷的計算之后可以將誤差和權重進行調整到合適的值，從而確定地下綜合管廊管線發生故障的原因，即可以進行故障診斷。

3 仿真和結果分析

通過上述的診斷方式可以進行仿真研究，看是否能夠起到故障診斷作用。本文通過使用MATLAB進行仿真實驗。如果在監測過程中發現數據異常，系統會自動關閉閥門，并且發生預警。圖3即為神經網絡仿真結構圖。

為了得到有效的參數，需要對神經網絡結構圖進行多次的反復訓練，于是得到如圖4所示的波形和均方誤差曲線。圖中藍色表示為系統的正常波形，于是將正常波形和仿真的波形進行比較，如果出現不相符的現象，就會出現如圖4所示的紅色曲線，從而可以判斷出管廊管線出現了故障。即使對于波動非常小的變化，系統也能發現出故障。

從圖4中的右圖中可以看出，剛開始時誤差迅速減小，后來保持在平穩的變化，當訓練程度大約達到550次時，誤差又會發生迅速的減小，后來當隨著訓練次數的不斷增多誤差逐漸降低，直到誤差為10-3時滿足預先設定的值，此時的訓練次數達到了712次。

然后通過使用仿真得到的數據對系統進行測試。將其訓練誤差設定為10^-3，其訓練次數可以盡量設置大一點，設置為3000次，然后對相關數據進行檢測，最后得到如圖5所示的結果。

從圖中可以看出來，能夠檢測到管廊管線發生故障為電壓失衡，并且通過數據分析得到出現這種故障的原因為斷線和接地系統不夠完善。于是就可以針對具體問題及時的對其進行解決。于是通過仿真實驗進行研究可以得到通過使用神經網絡算法可以對管線進行故障診斷，能夠提高診斷效率，降低事故危險程度。

4 結語

城市地下綜合管廊管線安全運行至關重要，必須對其進行實時監控和故障診斷。文章通過對相關數據的收集進行分析，然后使用神經網絡算法進行故障預測，通過仿真實驗得到系統能夠有較好的故障診斷作用，能夠保障城市地下綜合管廊管線的安全運行。

參考文獻

[1]謝瑋，曹二星.城市地下綜合管廊工程總體設計[J].建材世界，2014（4）：140-143.

[2]張可佳，李天華，白文英，等.基于CPRS網絡的綜合管廊煤氣管道實時監測系統[J].機械與電子，36（11）：47-49+54.

[3]張聰蕾，基于BIM模型的綜合管廊監測系統研究[D].北京：北京建筑大學，2017.

[4]楊穎.城市地下綜合管廊監控系統研究及應用[J].昆明冶金高等專科學校學報，2017（3）：67-70.

[5]王育紅.城市地下綜合管廊監測與預警系統研究與應用[D].西安：西安建筑科技大學，2017.

[6]魯志偉，葛麗婷，鄭良華，等.地下電力電纜集群的不等間距優化設計[J].高電壓技術，2010（08）：2068-2073.

[7]黃小美.城市燃氣管道系統風險評價研究[D].重慶：重慶大學，2004.

[8]陳樺，程云艷.BP神經網絡算法的改進及在Matlab中的實現[J].陜西科技大學學報，2004，22（2）：45-47.

作者簡介：楊遠（1982-），男，貴州貴陽人，工程師，主要從事主網輸電電纜運維檢修管理工作。