基于工程標準工藝的輸變電質量智能檢測與分析技術研究

張富平，李志宏，王泉

（國網甘肅省電力公司建設分公司，甘肅蘭州 730050）

隨著我國經濟的發展，電力行業已向高質量發展的方向轉變，在施工過程中盡早發現缺陷對于質量控制至關重要。統計顯示，不合格的建筑項目浪費了6%～12%的建筑預算，輸變電工程的質量關系著電網的安全運行。當前在建筑工地上進行質量控制的方法較為耗時，且嚴重依賴于重復的數據輸入。此外，當前的建筑質量監測方法僅能在特定的位置和時間提供數據，來檢測與分析已完成的建筑質量情況。這限制了對于建筑質量的實時監控效率，增大了電力行業的運營成本。因此，行業內急需通過結合先進的計算技術改善輸變電質量監測的水平。

建筑信息模型（BIM）是一種建筑行業通用的模型標準，激光雷達（LiDAR）可使用多束激光準確獲得場景內的尺寸信息[1-3]。通過融合BIM 和LiDAR的相關信息，可以實時監測建筑物的缺陷，其效率與準確性遠超出傳統方法[4]。

文中開發了一個BIM 和LiDAR 集成的系統，以實現工程現場質量信息實時收集和處理，從而達到施工質量管控的目的。首先，對所提出的基于BIMLiDAR的建筑質量控制系統進行概述，包括5 個部分：基于LiDAR的實時跟蹤系統、基于BIM的實時檢查系統、質量控制系統、點云坐標轉換系統和數據處理系統。然后，該系統將演示飛行路徑控制和實時施工質量偏差分析的功能。結果表明，該系統可以有效地識別潛在的施工缺陷并支持實時質量控制。

1 智能檢測集成系統設計

該文的目的是開發BIM 和智能檢測技術的集成系統，以提供實時的現場質量信息收集、處理以及施工質量控制。該系統的設計架構，如圖1 所示。

圖1 系統設計架構

1.1 基于激光雷達的實時跟蹤系統

該部分為實時現場數據收集，其中包括3 個主要子系統[5]：無人機系統、飛行路徑控制系統和激光雷達LiDAR 系統。表1 顯示了檢測建筑數據的四旋翼系統[6]。在飛行路徑控制系統中，設計了3 個控制模塊：姿態控制器、航向控制器和高度控制器，其共同控制四旋翼飛機在BIM 中的預定飛行路徑上的飛行行為。LiDAR 系統用于掃描建成模型，并生成3D點云數據[7]。

表1 監控無人機參數

1.2 基于BIM模型的實時檢查系統

BIM 已廣泛應用于各個領域，例如可視化與協作、設計優化、施工計劃和維護。文中使用BIM 進行質量管理的可視化平臺建設并制定基準模型。

該節著重于的3D 數據提取和質量偏差可視化[8]，選擇Navisworks 軟件作為基于BIM的實時檢查系統開發的平臺。該文基于Navisworks 2013 應用程序接口和Parrot AR.Drone 應用程序接口開發了兩個主要模塊[9]：1）飛行路徑確定模塊，該模塊可以自動計算最佳路徑，以進行施工質量監測[10]。在實際環境中，根據特定約束生成多個潛在的飛行路徑[11]。2）飛行參數轉換模塊，可以將預定義的飛行路徑參數轉換為巡檢無人機飛行路徑控制系統[12]，以使真實場景中的巡檢無人機與虛擬環境中的預定義飛行路徑以相同的方式飛行。

1.3 質量控制體系

為了對不同的建筑對象（例如圓柱、梁、墻和樓板）和機械對象（例如管道、導管和電纜）提供質量評估與質量控制基準數據，表2 列出了某些現場澆筑結構物體的定義質量公差?；趯嶋H偏差與定義的公差之間的比較，確定最終的施工缺陷評估。

表2 現場澆筑結構物體定義質量公差

2 基于LiDAR的建筑掃描算法

2.1 點云坐標轉換系統

LiDAR 儀器能夠以大于150 kHz的采樣率快速測量建筑表面，輸出高精度地理信息參考的高程點（通常稱為點云），可用于生成建筑表面及其特征的三維表示[13]。

掃描系統捕獲的數據位于掃描儀確定的坐標系中。出于質量控制的目的，首先應將LiDAR 生產的點云數據轉換為適合與BIM 中的其他數據組合的坐標系[14]。

將點云數據的局部坐標系設為o-xyz，所需坐標系設為O-XYZ。在該次的軟件程序中，應保留形狀。引入Bursa 模型進行坐標轉換[15]。令(δx,δy,δz)為3 個平移參數，(α1,α2,α3)為3 個旋轉角度，μ為比例因子。然后，從坐標系o-xyz到坐標系O-XYZ的坐標變換可表示為：

為了實現式（1）給出的坐標變換，需要得知7 個參數δx、δy、δz、α1、α2、α3和μ。這些參數可通過最小二乘法確定[16]：讓點F的坐標在坐標系o-xyz中為(xiyizi)，在坐標系O-XYZ中為(XiYiZi)。其中(xiyizi)和(XiYiZi)已知，i=1,…,N，定義式（2）為：

理論上，3 個點足以確定這7 個參數。但由于上述最小二乘問題是高度非線性的，無法精確求解。因此，應引入4 個或更多點來減小誤差。

2.2 數據處理系統

出于質量控制的目的，應實時監視施工過程，以了解產品滿足規格的程度。控制圖可用于例行監視質量。假設建筑參數服從正態分布N(μ,σ2)，其中μ是平均值，σ是標準偏差。在實際應用中，均值μ為中心線?？刂粕舷捱x擇為μ+3σ，控制下限選擇為μ-3σ。監測系統的合格觀測數據落入圖2 所示的陰影部分。

圖2 監測數據正態分布

使用圖3 給出的檢查流程，對無人機采集到的建筑數據進行分析。并找出異常數據，再將異常數據發送給主管質量工程師。

圖3 檢查流程

圖3 中的流程可以實時可視化質量評估結果。若點云與BIM 標準差“UCL＜偏差值≤UT”或“LT≤偏差值＜LCT”，則檢測軟件輸出“低質量”關鍵詞。若“LCL≤偏差值≤UCL”，則檢測軟件輸出“高質量”關鍵詞。若“偏差值＞UT”或“偏差值＜LT”，則系統將警告使用者出現無效數據。此外，質量控制圖將顯示精確的質量數據，以得到BIM 模型。根據預定義的顏色編碼對所有施工缺陷進行分類和可視化，以便現場工作人員能夠迅速發現并解決缺陷。

3 系統驗證

該驗證實驗針對某個在建混凝土項目展開，根據設計人員制定的施工計劃，測試人員使用安裝在變電站的監控工作站上的客戶端軟件來監控建筑建設情況。建筑質量實時監控界面如圖4 所示。

圖4 建筑質量實時監控界面

若實時監控端軟件上顯示任何錯誤操作，則監控人員將使用對講機連接現場管理人員，并指導其糾正不當操作。觸發警告后，警告窗口將出現在客戶端軟件的界面上，且警告消息將發送給負責監督與施工的管理人員。

對120 組數據進行初步分析后，從中隨機選擇100 組數據。選擇的組用于分析相關性并建立模型，其余20 組數據用于驗證構建的模型。

首先，使用一個樣本的K-S（Kolmogorov-Smirnov）測試對100 組數據進行正態性測試。再使用SPSS 軟件，進行一次抽樣的K-S 測試，結果如表3 所示。

表3 抽樣的K-S測試結果

表3 中，壓實道次、軋制速度、壓實厚度、水分含量和壓實度的檢驗結果均大于0.05。結果表明，以上所有參數均服從正態分布。

皮爾遜相關系數是一種測試兩個變量之間線性相關程度的方法。在該系統中，用于分析壓實度、壓實道次、軋制速度、壓實厚度和含水量之間的相關性。分析結果如表4 所示。

表4 檢驗變量間的相關性分析

表4 中的結果表明，這3 個因素與緊實度之間的相關性在統計上具有顯著性（兩尾檢驗，P＜0.05）；這3 個因素為壓實道次（r=0.456）、壓實厚度（r=-0.526）和含水量（r=0.198），軋制速度與致密性之間沒有相關性。

使用部分相關分析來測量兩個隨機變量之間的關聯程度，并去除一組控制隨機變量的影響。該文將其用于深入分析密實度與每個因素之間的相關性，壓實度和壓實道次、壓實厚度和含水量之間存在顯著相關性（兩尾試驗，P＜0.05）；軋制速度與緊密度之間的相關性在統計學上不顯著（雙尾檢驗，P＜0.05）?；谝陨舷嚓P分析結果和多元回歸分析方法，建立緊湊性預測模型如下：

其中，Cd是壓實度的預測值，β0是常數項，βN、βTh、βMc是偏相關系數，N是壓實的實際次數，Th是實際的壓實厚度，Mc是實際的含水量。

上文提及的其余20 組數據用于驗證構建的模型。預測值與測量值之間的比較，如圖5 所示。表明預測模型具有理想的精度，預測值和測量值之間的殘差小于1.5%，相對誤差的絕對值小于1.6%。數據分析結果表明，所建立的預測模型滿足了施工質量控制的要求?；趯崟r施工質量監控系統，主管和施工質量管理人員可使用該模型來預測密實度，并提供相應的反饋。

圖5 預測值與測量值比較

4 結束語

由于傳統方法難以有效控制電力系統的施工質量，因此本次尋求實現對整個施工過程實時監控，了解施工質量。基于上述目的，基于建筑特征建立了數學模型，最終形成了施工質量控制體系。首先基于激光雷達與BIM 模型，設計建筑物實時施工質量監測方法，包括數據收集、數據傳輸、數據集成和數據分析等部分。通過對整個施工過程綜合數據的實時處理，實現了對工程進展的監控，未來工作的重點將在于對監控數據的深入分析。