鐵路路基沉降數據采集與處理系統設計

朱孝聰，王 翥

（哈爾濱工業大學（威海） 信息科學與工程學院，威海 264209）

隨著我國交通運輸事業的迅速發展，鐵路在交通運輸和人們的出行生活中占據著重要的地位。鐵路路基是鐵路基礎設施的重要組成部分，因此對路基沉降數據進行采集并實時監測是保障鐵路安全的關鍵技術之一。路基沉降數據采集的主要方法有監測樁法、沉降杯法、沉降板法等[1]，但是這些方法都存在缺點，后續需要消耗的人力資源比較大，并且無法實現長期的監測。文獻[2]設計了結合光學的方法和GPRS 遠程傳輸的路基沉降監測方案，其測量精度高，但是安裝測點的成本也高，且由于環境限制，實施條件苛刻。文獻[3]設計了基于LoRa 的路基沉降數據采集系統，其功耗低、穩定性高，但是LoRa 模塊在野外的故障率很高，現場維護困難。近年來物聯網技術和移動通信技術飛速發展，并具有低功耗、廣覆蓋等優點，物聯網技術被應用于很多領域，萬物互聯已是必然的趨勢，在上述基礎上本文設計了基于RS485 和4G-DTU 的鐵路路基沉降數據采集與處理系統。

1 系統整體結構

本研究系統結構包括數據采集模塊、數據遠傳模塊、數據監測模塊以及數據處理模塊。系統的整體結構如圖1所示。每條監測路線有多臺數據采集設備和1 個數據傳輸設備，1 條路線的數據匯聚到1 個點，然后通過4G 網絡將數據傳輸到服務器端。

圖1 系統整體結構圖Fig.1 Overall structure of the system

1.1 數據采集模塊

對比了幾種常用的數據采集方法，最終選取壓差式靜力水準儀作為數據采集單元。選取的壓差式靜力水準儀型號為HC-D300，量程為0.2～1500 mm，精度為±0.2 mm，分辨率為0.001 mm，系統誤差為±0.3 mm，通信方式有RS-485 和RS-232 兩種。它由儲液器、高精度感應器、處理模塊、保護罩等部件組成。壓差式靜力水準儀的工作原理是利用連通液進行沉降觀測[3]，多支連通管連接在一起的儲液面總是在同一水平面上，通過測量不同儲液罐的液面高度，經過計算可以得出各個靜力水準儀的相對差異高度值。工作原理如圖2所示，A1、B1、C1 為靜力水準儀初始狀態，A2、B2、C2 為沉降狀態。

圖2 靜力水準儀工作原理圖Fig.2 Working principle diagram of static level

1.2 數據遠傳實現

對于現場的本地數據傳輸，需要將所有的水準儀數據匯聚到1 個節點。由于本地通信距離比較近，因此可以采取近距離無線通信或者有線通信的方式。近距離無線通信方式包括ZigBee、藍牙、WiFi、LoRa 等方式，有線通信包括RS485 和RS232。其中藍牙、WiFi 和RS232 的通信距離短，不符合本設計的要求；LoRa 和ZigBee 這2 種常用的無線通信技術具有自主在免費頻段搭建網絡、通信距離長且功耗低等優點，但是在野外布設存在現場維護困難的問題；所以最終選擇RS485 有線傳輸作為本地的數據傳輸方式，RS485 通信距離最大可達1200 m，滿足本設計的要求。RS485 只支持串行總線式結構，采用1 條雙絞線作為總線將所有的靜力水準儀串接起來，同時為了避免信號反射、使引出的線的信號對總線信號影響最小，連接的時候需要注意讓總線到每個水準儀之間的距離盡可能短。

通過水準儀將數據采集上來后，下一步要將數據利用遠距離無線通信方式傳輸到遠程服務端。常用的遠距離無線通信方式有GPRS、NB-IoT、衛星通信、4G、5G 等[4]。GPRS 的通信速率滿足需求，但是在通信信號差的地方信號比較弱，存在通信死角；5G通信速度快，但覆蓋范圍不夠廣，且費用比較高；NBIoT 與4G 相比，NB-IoT 一次傳輸數據量較少，當水準儀數量很多時，很難滿足實時采集的要求。所以本設計選擇傳輸速率較快、信號更穩定且價格較便宜的4G 作為現場數據與遠程服務器的通信方式。

本研究選用的4G 遠傳設備為4G-DTU，型號為USR-G780 V2，傳輸速率為1200 bps～460800 bps，工作溫度為-25 ℃～75 ℃，端口包含RS485 和RS232，滿足設計需求。4G-DTU 與靜力水準儀通過RS485總線連接，如圖3所示。

圖3 4G-DTU 與靜力水準儀連接示意圖Fig.3 Schematic diagram of connection between 4G-DTU and static level

1.3 云端監測模塊

云端監測模塊為B/S 架構，即利用網頁可以查看路基沉降的狀態。同時還可以看到測點累積沉降變化量的曲線圖，對沉降有一個更直觀的觀測。當累積沉降量達到設定的閾值時，立即將情況反饋給上級。云端監測模塊還提供歷史數據的下載，為后續路基沉降擬合預測提供便利。

2 系統上位機軟件設計

2.1 上位機采集數據程序

在上位機端，利用Java socket 與4G-DTU 通信將數據采集上來，上位機作為服務端，4G-DTU 作為客戶端。由于原生的socket 較為簡單，本設計采用Netty 框架來完成通信。Netty 是一個高性能、異步事件驅動的NIO 框架，專門針對TCP 協議下的高并發應用，使得整個通信過程更加的穩定。數據采集流程如圖4所示。

圖4 數據采集流程Fig.4 Data collection flow chart

首先在服務端啟動監聽端口，當監聽到4G-DTU的連接請求時通過TCP 的3 次握手來完成連接。連接成功后，4G-DTU 給服務器發送自己的注冊包號，用此注冊包來區分不同的DTU。后續即可對4G-DTU發送指令來讀取水準儀的數據，流程中Sleep 等待為自定義的循環采集間隔時長。在通信協議方面本設計采用Modbus 通信協議作為數據采集應用層的協議。將數據采集上來后，首先通過CRC-16 校驗確認數據傳輸無誤，再將數據解析存入數據庫，供后續使用。

2.2 監測頁面顯示

在監測頁面，根據數據庫的實時數據自動生成曲線圖，實現對沉降數據的直觀展示。曲線包括2種，一是每個測點每天的沉降趨勢圖，二是所有測點的實時沉降數據圖，可以根據不同的需求進行查看。此外還可以對歷史數據進行下載，包括日報表、周報表和月報表等。

2.3 自動化預警

根據需求將預警值按照嚴重程度由大到小分為3 級：紅色監測預警、橙色監測預警、黃色監測預警。按照控制值的90%、75%、60%作為3 個等級的預警值。當累計沉降達到預警值的時候，系統發出警告，及時通知工作人員加以分析解決，同時傳輸測點位置信息與實際情況，方便施工人員及時處理。

3 沉降監測數據處理分析

3.1 粗大誤差檢驗

對于任意監測系統，其觀測數據或多或少都會存在粗大誤差[5]。為了防止誤差數據對后續變形分析產生不良的影響，在變形分析開始之前有必要對數據進行預處理，將粗大誤差進行剔除。3σ 準則具有簡單實用的優點，因此在粗大誤差檢驗中應用較為廣泛。下面介紹3σ 準則剔除粗大誤差的原理。

對于觀測序列｛x1，x2，…，xn｝，描述該序列數據變化特征為

這樣由N 個觀測數據可得到（N-2）個dj。然后由dj的值可以計算出序列變化統計的均值和方差σ，計算公式為

那么dj偏差的絕對值與均方差的比值為

如果qj>3，那么認為此xj為粗大誤差值，要予以剔除。

選用的工程實例為膠州鐵路路基某一監測點半年的沉降數據，共24 期，見表1。

表1 沉降監測數據Tab.1 Settlement monitoring data

根據表1的數據，通過3σ 準則計算出該測點的沉降數據沒有奇異值，可以繼續進行下一步的處理。

3.2 數據平滑去噪處理

在信號測量和傳輸過程中，或多或少都會遇到噪聲和干擾。因此在進行預測前還需要對數據進行去噪處理，才能更好地實現預測。下面介紹幾種常用的去噪方法，并利用這些方法對已有的實際工程數據進行處理，下文對比分析不同方法的去噪效果。

（1）滑動平均法

滑動平均法（moving average）又稱移動平均法，是一種時域上的信號平滑方法。算法的原理為通過順序逐期增減新舊數據求移動平均值，用來消除偶然誤差[6]。

窗口一般為對稱窗口，同時防止出現相位偏差，窗口一般為奇數。由于本工程數據量較多，因此采用五點、七點和九點滑動平均濾波。下面以三點滑動平均公式為例，原數據為x，平滑后的數據為y：

將表1的24 期數據進行滑動平均濾波后得到的結果如圖5所示。

圖5 滑動平均法去噪效果圖Fig.5 Moving average method denoising effect picture

（2）小波去噪法

小波變換作為一種繼承傅里葉變換局部化思想的新的變換方法[7]，其克服了在變換過程中窗口大小不能隨著頻率而改變的缺點。在變換的時候，通過對輸入信號進行伸縮變換和平移運算后，可以實現信號頻率的多層細化，不僅可以實現信號頻段在高頻處進行時間細分和在低頻處頻率細分的目的，而且可以實現自動適應時頻信號分析的各種要求。

小波去噪過程主要分為以下3 個步驟：①小波或小波包的分解；②設定各層細節的閾值；③重構信號。

根據上述小波去噪步驟，利用軟件對數據進行小波去噪處理，結果如圖6所示。

圖6 小波去噪效果圖Fig.6 Wavelet denoising effect diagram

小波去噪的優點是能夠在去除噪聲的同時最大程度地保護有用數據或信息不丟失。

上文分析了幾種不同的去噪方法，并用不同的方法對數據進行處理，接下來對比分析哪個方法更適用于本工程實際應用。

相關系數是判斷曲線擬合程度的好壞，分別將五點滑動平均濾波、七點滑動平均濾波、九點滑動平均濾波以及小波去噪后的數據用不同方法進行擬合，并計算相關系數判斷哪種去噪方法在本工程實例應用中效果最好。采用的曲線擬合方法為雙曲線法、灰色GM 法和灰色verhulst 法。

雙曲線法是將路基沉降數據與觀測時間之間的關系用雙曲線函數表示出來。其數學方程為

式中：St為觀測時刻t 的沉降量；S0為初期沉降量；a，b 為實測數據經過曲線擬合求得的系數。

灰色理論可以對事物的發展變化做出模糊性的預測分析[8]，因此可以采用灰色模型基于動態監測數據實現路基沉降擬合預測分析。灰色理論兩個重要的模型是灰色GM 模型和灰色verhulst 模型，分別利用這兩個模型進行擬合分析。

采用相關系數反應實測數據與擬合數據的密切程度。表2為擬合后的相關系數的對比。

表2 相關系數R 對比Tab.2 Correlation coefficient R comparison

由表2可以看出，九點滑動平均濾波法在本工程實例中有更好的去噪效果。滑動平均便于實時處理非平穩數據，本研究選取的路基沉降數據較為不平穩，因此滑動平均去噪法有更好的效果。對數據進行一系列預處理的目的是為了方便后續進行預測研究的工作。

4 結語

本文設計的以靜力水準儀為采集單元、RS485為現場數據傳輸方式、4G-DTU 為數據遠傳單元的路基沉降監測及數據采集系統，可以快速、精準地掌控鐵路路基的實時狀態，幫助工作人員迅速定位路基沉降地點并做出預警決策，降低因災害帶來的生命安全及財產損失。同時也解決了傳統方法存在的工作量大、距離受限等問題，具有高精度、全天候等優點，同時將物聯網技術成功應用于本系統設計中，具有很重要的實際意義以及廣闊的發展前景。本文還對實際工程數據進行了預處理，包括粗大誤差的剔除和噪聲的處理，得到的結論是，在本工程實際應用中，九點滑動平均濾波的效果優于其他去噪方法，相關系數達到0.952，滿足要求。對數據進行預處理的目的是方便未來進行預測的工作的研究，給后續工作提供了便利。