基于BIM技術的水利工程大壩變形監測模型分析

李利劍

(山東水總有限公司，濟南 250000)

0 引 言

水利工程大壩分為攔河壩與防洪壩等不同用途，實現模式也有諸多不同形式，但其變形破壞一般分為3種，其一是水壓方向上的大壩壩體整體位移，其二是滲流暗涌等地下水活動造成的大壩沉降，其三是大壩基礎形變造成的底鼓型位移[1]。3種位移與大壩的滲流等地下水結構問題、裂隙等壩體結構問題等無固定邏輯關系，但大壩位移與大壩穩定性、可靠性等安全指標有直接關系[2]。

早期水利大壩變形監測技術依賴壩頂布局的測量控制點，使用全站儀或RTK(Real - time kinematic，實時差分定位測量系統)等進行持續觀測，但該過程需要大量人工操作且無法實現實時測量，且相關測量數據也需要人工內業導入，無法實現實時動態分析。而固定點位的傾斜攝影技術被應用到大壩變形測量中后，可以通過計算機系統持續監測大壩形變，且結合BIM(Building Information Modeling，建筑信息模型系統)中有限元分析、流體力學分析等水利大壩監控工具軟件，可以實現實時高精度監測[3]。

該研究基于BIM軟件工具，對壩體附近布置的固定點位可見光攝像頭系統提供的傾斜攝影數據，實現對水利工程大壩變形的實時監測，且對監測數據實時模擬分析并給出風險預警[4]。

1 BIM系統支持下的水利大壩變形監測系統

21世紀初，絕大多數水利工程大壩均部署了高清可見光攝像頭系統，早期部署目的為加強無人巡視，服務于大壩安保系統。隨著傾斜攝影技術日趨完善，只要在大壩范圍內部署密度足夠高的可見光攝像頭，保證每個測點均有3個以上攝像頭畫面多角度重合，且有衛星授時系統確保所有攝像頭的快門一致性，就可以實現對大壩壩體的實時三維建模，將不同時間的三維模型導入到BIM數據庫中，可以實現對大壩變形的實時監控。該系統與BIM系統的邏輯關系見圖1。

圖1 BIM系統支持下的水利大壩變形監測系統邏輯架構圖

圖1中，BIM系統之外主要包含2個子系統，其一是攝像頭的快門授時系統，確保所有攝像頭的快門動作同時性；其二是攝像頭圖像信息的采集系統，大部分攝像頭默認為每秒25～30幀圖像的采集速率，但該系統監測的大壩變形過程較為緩慢，早期監測系統盡可保證每天1次數據采集，該系統每小時采集1次數據即可完成監測任務[5-7]。使用Smart3D軟件生成圖三維模型后，將模型數據提交到BIM內置數據庫的模型數據庫部分，每次提交數據隨即觸發一次BIM系統數據分析過程，該分析過程包含了CAD(Computer Aided Design，計算機輔助三維模型設計)引擎下的當前模型與之前模型的點陣位移模型比較，進而將比較結果交給CAE(Computer Aided Engineering，計算機輔助力學分析設計軟件)的結構應力有限元分析和水體流體力學分析功能，最終分析結果由數據分析引擎生成數據預警信息，并在水利大壩BIM值班系統中給出預警顯示[8-9]。

2 水利大壩變形監測模型的關鍵算法

2.1 三維模型比較分析算法

傳統測量模式下，在壩頂布置一列測線，用于控制壩體整體的位移情況。所以該研究在此基礎上進行升級，在三維模型中重點描述壩頂2條邊線，每隔1 m布置迎水面和背水面各1個測點。每次模型比較分析中，分析每個測點的橫向位移距離和縱向位移距離，最終得到1組位移陣列。上述分析邏輯見圖2。

圖2 三維模型測點比較方法示意圖

圖2中，測點橫向位移距離向遠離迎水面方向時為正，反之為負；測點縱向位移向下(指向地心)時為正，反之為負。最終按照壩體測點順序，標記測點序號，以1 600 m攔水壩為例，迎水面測線共1 600個測點，背水面測線共1 600個測點，每組記錄1個迎水面測點和1個背水面測點，每個測點共記錄4個數據，合計4×1 600個(6 400個)測點數據。因為該設計中每小時記錄1組數據，每組數據包含6 400個測點數據，每天記錄24組數據共153 600個數據。實際比較中，按照連續數據計算差值，或按照每天、每周、每月、每年等時間周期計算差值，均可實現相關分析[10]。

如前文所述，上述位移數據，包括其原始三維矢量位移數據，導入到BIM系統中的CAE子系統中，進行結構應力分析、流體力學分析，分析過程均使用經過完整封裝的內置控件相關功能，因篇幅所限不展開論述。經過分析的數據投影到上述2條測線上，形成間隔1 m的水利大壩壩體應力分布情況和間隔1 m的壩體滲流流量情況。即經過前置分析，1 600個測點中包含迎水面水平位移、迎水面縱向位移、背水面水平位移、背水面縱向位移、壩體結構應力、壩體滲流流量等6個數據，該6個數據作為數據預警背景數據供數據預警環節調用[11]。

2.2 數據預警生成算法

采用線性投影結合加權整合算法，生成數據預警信息。其中：①線性投影算法指選擇整列數據的最大值和最小值，使用當前值與最小值的差值與最大值和最小值的差值求取比值，得到一個位于[0,1]區間上的雙精度浮點型變量。此處，一列數據指上述迎水面水平位移、迎水面縱向位移、背水面水平位移、背水面縱向位移、壩體結構應力、壩體滲流流量等6個數據中任何一列，在每天、每周、每月、每年等計量周期下的全部數據[12]。②計算每個統計步長下的當前數據與上一計量周期數據的差值，數據上一計量數據計算比值，再次得到一個位于[0,1]區間上的雙精度浮點型變量，作為計量差值。③將線性投影數據與差值數據相乘，對乘積結果再進行一次線性投影計算，將結果數據重新整理到[0,1]區間上。每列數據的分析經過作為預警依據背景數據。④將上述迎水面水平位移、迎水面縱向位移、背水面水平位移、背水面縱向位移、壩體結構應力、壩體滲流流量等6個數據賦予權重值，將上述3步計算結果按照權重累加，最終得到的序列數據再次進行一次線性投影計算，得到整體預警結果。上述4步處理的算法邏輯見圖3。

圖3 壩體位移數據預警算法邏輯架構圖

圖3中，6項單項預警結果和最終預警結果，均為經過線性投影治理后位于[0,1]區間上的雙精度浮點型變量[13]。且預警之前經過了包含實時值的線性序列數據和包含變量值的差值序列數據的乘積計算，預警結果包含了數據實時量和數據變化量的整體信息，所以預警數據僅需要經過分段處理即可實現相應預警功能。參考其他相關研究給出的攔河壩位移預警方案，當預警值位于[0.00,0.15]區間時處于無預警狀態；當其位于(0.15，0.25]時處于一般預警狀態；在(0.25,1.00]區間時處于緊急預警狀態。當發現預警信息時，可以查看三維模型比較算法得到的1 600個測點的數據分布圖，精確獲得位移相關定位信息，從而指定搶修維護措施[14]。

3 大壩變形監測模型的實際運行效果分析

3.1 壩體滲流沉降問題的數據表現

仿真環境中，根據研究個案設定一處重力型攔河土石壩，壩體長度為1 600 m，壩體高度16.5 m，壩頂寬度12.5 m，壩底寬度42.7 m，最大設計蓄水深度13.5 m，常規蓄水深度7～9 m。壩體用途為灌溉性小流域山間攔河壩。使用Matlab大數據分析工具加載Simulink控件運行BIM系統仿真程序，利用BIM仿真程序中的CAD、CAE控件運行該模型驅動的仿真程序，使用sBlood控件對壩體物理運行引擎進行仿真，且在sBlood控件中運行攝像頭仿真程序。仿真實驗中在壩體830 m處人為設置一處小規模滲流異常，觀察系統給出的預警信息，最終仿真預警結果見圖4。

圖4中，展示該預警信息中迎水側縱向位移和壩體滲流量2項發出預警的數據表現情況，其他4項表現因為沒有發出數據預警，此處不進行全面展示。分析上述數據表現特征，共得到以下規律：①該算法對壩體縱向位移的數據敏感性高于壩體應力數據敏感性，從邏輯角度分析，當出現較大幅度壩體縱向位移且有顯著的壩體滲流流量時，壩體內結構應力應有顯著表現，但該研究中并未給出顯著的數據預警。②該算法設計目標是在壩體出現結構性位移問題時，系統可以給出較為精確的預警結果，所以綜合分析下，該運行表現可以基本滿足設計需求。③數據并未表現出完整且合理的工程學邏輯，根本原因是如前文圖3中對原始數據進行了較為深入的數據挖掘，導致數據間線性邏輯被打破，但該預警中對實際故障位置的判斷精度較高，可不考慮數據的工程學邏輯，僅在數據層面探討數據的實際表現。

圖4 壩體滲流沉降問題的數據表現圖

使用上述分析方法，對該壩體人為設置300次滲流、沉降、裂隙、盜挖等需進行及時工程干預的壩體結構損傷事件，統計該模型驅動的預警軟件給出預警的位置精度、預警時間周期等具體表現，參照數據來自本公司當前使用的專用壩體結構安全實時預警軟件，預警原理為埋置在壩體中的巖層離層儀、應力計探頭綜合數據分析，其測試方法同樣為在仿真環境下運行。比較結果見表1。

表1 該模型驅動軟件的預警實際效果統計表

表1中，當前系統相比較之前系統，預警范圍縮小38.19%，中心點偏移量縮小31.19%，預警周期基本保證在1個測量周期內。其中，預警范圍指發出數據預警時預警數據中異常數據的影響范圍，按照數據涉及的壩體長度計算；中心點偏移量指預警影響范圍中數據峰值點與預設壩體結構問題發生點之間的水平投影距離；預警周期指預設問題發生到系統給出數據預警的時間間隔。

3.2 壩體微小變形的監測效率

除對上述壩體滲流引起壩體結構失穩的預警外，對壩體常規受力狀態下發生的微小位移也應有檢測結果。根據以往監測記錄，該位移量每年在數毫米到十余毫米之間，根據上述預警機制，該過程不會觸發預警機制，但系統應在監測記錄過程中給出監測記錄。在上述仿真環境中，不設置失穩性滲流沉降問題，將監測時間窗口擴展到1～5年，觀察系統的觀測精度，見表2。

表2 該模型驅動軟件對壩體微小變形的監測效果統計表

表2中，監測精度指系統監測記錄中的壩體測線點位與仿真原始模型中實際測量出的測線點位之間的差距，時序數據標準差指將測量時序數據計算標準差，觀察數據的連續性。實際數據中，當前系統較之前系統，其監測精度提升42.75%，時序數據標差提升53.44%。上述數據表明，該模型驅動的監測軟件相比較使用巖土離層儀和應力計監測系統給出的壩體微小位移數據，精度更高，數據連續性更為顯著。

4 總 結

基于BIM系統，使用壩體附近固定點位高清攝像頭給出的傾斜攝影數據構建水利工程壩體變形監測系統，相比較早期通過在壩體中埋設離層儀和應力計的監測方式，監測精度更高、數據連續性更顯著、對滲流沉降等較嚴重壩體結構穩定性問題的預警更為準確。該研究采用了間隔1h的數據采樣周期，未來研究中可以進一步縮短采樣周期，從而獲得更精細的數據分析結果。該研究主要在仿真環境中對該模型驅動的BIM應用軟件進行測試，后續研究中也會進行實地測試，以獲得更為直觀的研究數據。