基于智能檢測控制的公路路基系統設計與研究

李任瓊

（云南省公路科學技術研究院，云南 昆明 650000）

隨著公路交通的快速發展，路基狀態受到關注。路基細微處損毀靠人工很難發現。智能化技術和神經網絡可有效檢測路基缺陷點[1]。在國外的研究中，美國研究人員運用探地雷達對鐵路路基損毀進行檢測[2]，找到了路基異常區。學者Dowding 利用時域反射同軸電纜對佛羅里達州損壞的公路路基進行檢測[3]。希臘研究人員Vssilios Pagounisd 利用三維激光掃描法對道路進行檢測[4]，獲取路基空間信息。加拿大學者利用三維激光掃描對塌方區變形情況進行分析[5]。長安大學樊振采用ABAQUS 軟件對路基沉降因素進行分析[6]，得出砂質黏土路基的變化規律。蘭州交通大學學者利用激光掃描和嵌入式方法對路基表面進行檢測[7]。西南交通大學邱恩喜借助傳感器及數據分析工具，構建了路基沉降檢測系統[8]。綜上，國內外學者都對路基檢測展開了研究，該文基于傳感器技術，對神經網絡模型進行訓練，對路基的各種故障進行高效地分類處理。

1 公路路基系統智能檢測功能

1.1 總體架構設計

對于公路路基系統的搭建主要基于三個部分，分別是傳感器信息采集、數據處理與顯示以及異常數據檢測。首先，通過數據采集指令利用應變傳感器、沉降傳感器以及溫濕度傳感器對公路路基的相關實時數據信息進行采集，通過總線將數據傳遞到ARM 處理器中，處理器負責傳感數據的傳輸和控制，圍繞該處理器設計必要的外圍電路，其主要功能是用CPU 將傳感采集節點采集到的初始路基數據進行簡單數值轉換處理，之后將數據存儲在電路板中的SD 卡中，以供LCD 顯示屏進行數據展示，也可將數據信息通過以太網發送到數據監控的神經網絡模型中，采用概率神經網絡算法對其進行解析處理并完成備份，一旦發現路基的數據異常值或者故障就進行報警處理，并且同時發出提示警告，實現對公路路基的智能檢測控制。公路路基智能檢測系統的框架圖如圖1所示。

圖1 公路路基智能檢測系統的框架圖

1.2 公路路基傳感器信息采集

對于公路路基信息的采集主要是依靠各類傳感器來完成，涉及沉降傳感器、應變傳感器以及溫濕度傳感器。該文采用電感式位移傳感器，基于其內部的差動變壓器實現功能[9]，并配備相應的AD 采集電路、通信接口和機械結構，完成對公路路基沉降現象的檢測。其沉降傳感器電路原理框圖如圖2 所示。傳感器采納RS485 總線與數據終端進行數據交流，采用芯片STM32 作為控制器，AD 采集電路實現數模轉換，線性可變差接變壓器（LVDT）和驅動電路組成傳感器。

圖2 沉降傳感器電路原理框圖

該文采用的應變傳感器是以擴散硅作為傳感元器件，工作原理：力敏元件收到外力變化，內部的電容值也相應地產生變化[10]，將應變傳感器接入到激振電路中，根據電容值的變化將其轉換成相應的電信號，通過電路中濾波器和功率放大器對信號進行處理。將應變傳感器分別放置于路基內和土里，完成準備步驟。其應變傳感器檢測電路原理框圖如圖3所示。

圖3 應變傳感器電路原理框圖

對于溫濕度數據的采集，采用基于頻域反射法的溫濕度傳感器來實現[11]。對采集到的數據通過RS485 總線傳送到控制器。該控制器可掛載多個傳感器。為了應對不同土質的濕度，可設置多種量程并通過串口輪詢機制對數據進行讀取[12]，溫濕度傳感器的工作流程圖如圖4 所示。

圖4 溫濕度傳感器工作流程圖

2 路基數據處理功能的實現

2.1 功能軟件設計

該文將沉降、溫濕度、壓力傳感器采集到的數據上傳到后臺數據平臺上，該平臺對這些涉及路基內部靜態數據的信息進行管理、分析和展示，從而實現傳感數據的存儲與查詢功能，并依靠數據形成的圖像，顯示數據變化的曲線圖。該文基于微軟公司Visual Studio 2019 版本的開發環境，通過CLI 的方式進行編程，由于Visual Studio 集成了編輯、編譯和調試等諸多功能，所以對該路基數據分析與展示功能具有很好的操作性，并且該文采用面向對象的編程方法及C#語言以增加代碼的重用性和可讀性。

采用TCP/IP協議，利用Socket套接字完成通信方式的建立與傳輸[13]。首先，在服務器端建立Socket()函數進行監聽，利用Bind()函數和Listen()函數對已獲得IP 地址和端口號的Socket()函數進行綁定與監聽。其次，客戶端采用connect()函數，客戶端發出連接請求至服務器端。當服務器端接收到連接請求后，調用accept()函數進行請求申請，服務器端對連接進行判斷。如果有客戶端進行連接，則建立起通道，對傳輸的數據信息進行讀寫操作。當傳輸完成之后，客戶端利用close()函數發出關閉連接通道的請求，服務器端通過read()函數接收請求后，斷開連接，恢復監聽等待。TCP 服務器端與客戶端工作流程圖如圖5 所示。

圖5 TCP 服務器端與客戶端工作流程圖

2.2 功能及界面的實現

根據軟件設計方案和權限管理機制，設計公路路基智能檢測系統的用戶注冊和登錄功能。新用戶在輸入網址后，進入到用戶登錄界面，如果之前未注冊過，需要先進行注冊，注冊之后方可登錄系統。如果用戶忘記密碼，輸入三次錯誤密碼之后，系統會進行用戶鎖定，只有通過管理員進行解鎖、重置密碼，方能重新登錄系統。用戶登錄界面如圖6 所示。權限管理界面如圖7 所示。

圖6 用戶登錄界面

圖7 權限管理界面

進入系統后，根據管理員分配給不同用戶的操作權限進行使用。系統將采集到的公路路基數據存儲到數據庫中，使用人員對數據庫中的內容進行分析和管理，以便調取數據，歸納路基狀態的變化規律。沉降傳感器數據的記錄圖如圖8 所示。

圖8 沉降傳感器數據的記錄圖

將采集到的沉降傳感器數據實時展現出來，顯示某一時段的各組數據。設置某一范圍內的數據預警閾值，當有路基采集到的傳感數據超過限值時，系統發出預警，操作人員根據該信息進行記錄。同時，根據系統的歷史查詢功能，對系統數據庫存儲的數據進行調用查看，指定序號、查詢數據的起止日期、時間與查詢數據的類型。數據庫管理查詢圖如圖9所示。

圖9 數據庫管理查詢圖

3 公路路基監測的網絡功能

3.1 概率神經網絡

在公路路基的智能檢測中，除了獲取路基的異常數據之外，還要將超過閾值的數據放入到神經網絡之中，對其進行模型訓練[15]，完成對路基故障的分類處理，尋找適當的解決方案。概率神經網絡（PNN）算法較簡單，具有收斂速度快、抗干擾強特點[16]。概率神經網絡的網絡結構圖如圖10 所示。

圖10 概率神經網絡的網絡結構圖

神經網絡輸入層獲取訓練樣本集合，將樣本X輸入到網絡中，其中，Xij表示第i類的第j個樣本。神經網絡中的模式層用于計算輸入層的數據與訓練集中各個模式的關系[14]，模式層單元的輸出用第i類的第j個樣本的概率密度函數fij來表示，具體如式（1）所示：

其中，i=1,2,…,Xi表示i類樣本的數量，同時也是i類隱層神經元的數目；x表示樣本的種類數量；P代表樣本空間的維度；σ表示模式層的平滑因子，范圍是（0,∞）。累加層的作用是將概率神經網絡中的樣本進行加和并取平均值，每個模式對應一個累加層單元，與該模式層的神經單元進行連接，可以得到該類模式下的概率估計值fi(x)，如式（2）所示：

其中，Ni表示i類樣本的數量，同時也是i類隱層神經元的數目。

輸出層根據閾值辨別器的識別結果，輸出將后驗概率密度最大的神經網絡單元。概率密度函數最大的輸出層神經元輸出為1，其余輸出層神經元的輸出為0。輸出層單元的數值為1 表示該樣本屬于該輸出層的模式類別，否則就表示不屬于該模式類別。假設存在兩種故障模式，分別為φA、φB，對應的概率密度函數為fA和fB，由于無法直接計算出概率密度，采取核密度估計的方法，得出故障模式A 的概率密度函數如式（3）所示：

借助概率神經網絡分析公路路基的數據，識別出路基受損的原因。將采集到的沉降、應變、溫度、濕度數據組成的四維向量轉換為二維向量，完成數據的歸一化處理。歸一化計算如式（4）所示：

對部分采集到的傳感器數據進行歸一化處理，處理前數據如表1所示，處理后數據如表2所示。將應變和沉降因素作為對路基損壞影響較為重要的特征指標。

表1 歸一化處理前數據

表2 歸一化處理后數據

3.2 基于神經網絡的路基檢測

利用上述收集的傳感器數據進行分類，將其分成路基正常模式以及5 種故障模式。故障類型1 表示路基崩塌碎落，故障類型2 表示路基產生裂縫，故障類型3 表示坡面損壞，故障類型4 表示路基遭遇水流毀壞，故障類型5 表示路基發生不規則的沉降現象。根據4 種傳感器數據類型形成一個四維向量x=[x1,x2,x3,x4]，對于每種路基狀態模式可選取30 份數據作為樣本空間的數據，共計180 份。為了構建并測試四維向量數據的神經網絡模型，選取前20 組數據作為訓練集合，后10 組用來進行測試。依據概率神經網絡的分析，確認輸入層的數據為120 份，分成正常狀態和故障狀態共6 種情形。概率神經網絡模型的模式層神經元為120 個，累加層的神經單元為6個。該文在Matlab 中采用newpnn 函數創建網絡模型。該函數的表達式如式（5）所示：

故障的識別準確率與參數Spread 相關，且Spread參數較小時，準確率一般較高，所以可設置Spread 為1，同時樣本數量為120 個。在訓練模型之后，采用測試集對其模型進行實驗。路基損壞類型的測試結果如表3 所示，根據公路路基的故障類型，也推薦出對應的修補維護方案，模型訓練的時間為0.142 43 s，對60 組樣本數據進行分析測試，正確組數量為59 個，該概率神經網絡模型的準確率可達98.4%左右。

表3 路基損壞類型的測試結果

4 結論

該文首先闡述了國內外對于公路路基檢測的研究現狀。其次，分析了關于傳感器路基檢測數據采集的相關技術，分析表明，通過傳感器技術可以有效地提升公路路基檢測的智能化效果。然后，設計了公路路基檢測中的信息采集功能和檢測展示功能，并借助Visual Studio 開發平臺進行實現。對路基故障模式的分類處理，則采用概率神經網絡結構，完成損壞類型的判定。依據Matlab 的實驗結果，證明了算法的有效性和正確性。在未來的研究中，會增加訓練樣本的數量與維度，后續還會關注探地雷達等采集手段，對公路路基的缺陷實行更加細致的檢測，在檢測系統中集成更多的智能化模塊，為公路路基檢測的發展提供更多的智能化解決方案。