建筑物地基二次沉降變形位移智能檢測仿真

熊黎黎,賈 璐

(1. 南昌航空大學(xué)土木建筑學(xué)院,江西 南昌 330069;2. 南昌大學(xué)建筑工程學(xué)院,江西 南昌 330031)

1 引言

工人在建筑樓房時,地基的穩(wěn)固是必不可少的一部分,但露天開采會破壞地基地表平衡,導(dǎo)致地基邊緣位置穩(wěn)定性差,極易出現(xiàn)建筑坍塌、建筑質(zhì)量低、穩(wěn)固性差的問題,這種現(xiàn)象對工作人員及設(shè)備都會產(chǎn)生安全影響。而我國地質(zhì)結(jié)構(gòu)復(fù)雜、地形地貌起伏較大,南方地區(qū)容易出現(xiàn)地質(zhì)災(zāi)害,導(dǎo)致建筑地基出現(xiàn)二次變形的現(xiàn)象[1-2],地基巖土邊坡的失穩(wěn)或滑動給工程建設(shè)及人民生命財產(chǎn)帶來嚴重損失。為了保證人民群眾的生命安全,需要對建筑地基二次形變檢測方法展開研究,從而避免地質(zhì)災(zāi)害造成的危害。

王軍飛等人[3]提出地基合成孔徑雷達的邊坡形變監(jiān)測應(yīng)用研究方法,利用粗差探測技術(shù)對PS點解纏處理,通過對邊坡的監(jiān)測數(shù)據(jù),取得PS點在監(jiān)測期間的時間序列形變,以此實現(xiàn)地基二次形變檢測,該方法的確立結(jié)果存有誤差,存在檢測效果差的問題。宋強等人[4]提出基于匹配點變形估計的布標缺陷檢測算法,通過獲取的地基形變圖像,利用光流法計算出圖像與待檢測圖像之間的匹配點運動適量,通過逆變換去除待檢測圖像的受力形變,從而實現(xiàn)二次形變檢測,該方法獲取的圖像不完善,存在檢測精度低的問題。劉俊博等人[5]提出基于激光點云的鐵路邊坡表面形變檢測方法,通過檢測雷達裝置與三維點云數(shù)據(jù)采集系統(tǒng),獲得鐵路周邊環(huán)境的三維點云。與鐵路場景先驗知識配準算法相結(jié)合,通過獲取基準點云數(shù)據(jù),計算出地基邊坡表面變化量,實現(xiàn)形變檢測。該方法的處理結(jié)果不妥當,存在檢測可行性低的問題。

為了解決上述方法中存在的問題,提出基于神經(jīng)網(wǎng)絡(luò)的建筑地基二次形變檢測方法。通過采集與處理建筑地基二次形變數(shù)據(jù),獲得二次形變差異圖,利用NSCT方法融合差異圖像,并提取其特征向量,通過BP神經(jīng)網(wǎng)絡(luò)實現(xiàn)建筑地基二次形變檢測。

2 數(shù)據(jù)采集及處理

2.1 數(shù)據(jù)采集

由于建筑地形內(nèi)部結(jié)構(gòu)復(fù)雜,為此以激光雷達、慣性測量單元、GPS地形掃描系統(tǒng)作為采集設(shè)備[6]。根據(jù)選取的采集設(shè)備,分別對激光雷達、慣性測量單元及GPS接收機的基準時鐘表述:

T=ts=tc=tg

(1)

式中,T表述基準時鐘,ts表述激光雷達時間參量,tc記作慣性測量單位時間參量,tg表述GPS時間參量。

根據(jù)設(shè)定結(jié)果,選取1個控制器調(diào)節(jié)采集系統(tǒng)的多線程運行模式,從而確保數(shù)據(jù)采集有效性。分別設(shè)置各個采集設(shè)備、采集目標,利用下式表述激光雷達的采集目標,定義如下:

s={t,sx,sy,sz}

(2)

式中,s表述采集的地基數(shù)據(jù)目標,t表述采集時間,sx、sy、sz均表述x、y、z三個軸向的地形地基位置信息。

慣性測量單元采集的地基數(shù)據(jù)目標定義:

c={t,cy,ce,ch}

(3)

式中,c表述采集的目標數(shù)據(jù),cy表述仰角信息,ce表述側(cè)角信息、ch均表述航向信息。

GPS的建筑地基采集數(shù)據(jù)即可定義為:

g={t,gj,gw,gc}

(4)

式中,g表述GPS采集數(shù)據(jù),gj表述地基經(jīng)度信息,gw表述緯度信息,gc表述高程信息。

選取的地形掃描裝置設(shè)備的實際輸出值會影響建筑地基形變數(shù)據(jù)采集效果,為確保數(shù)據(jù)采集可靠性,需要利用控制系統(tǒng)改進采集設(shè)備,因而設(shè)立的控制邏輯表示如下:

K=(Ti,Pis,Pic,Pig)

(5)

式中,K表述多線程控制指令,Ti表述參量設(shè)置,Pis表述激光雷達采樣效率,Pic表述慣性測量單元采樣效率,Pig表述GPS接收機采樣效率。

通過單一指令控制采集設(shè)備對建筑地形形變數(shù)據(jù)的不同單元采集,以此避免滯后影響。

針對以上設(shè)置的控制邏輯,對采集的地基形變數(shù)據(jù)波動情況分析,為此綜合激光雷達、慣性測量單位、GPS數(shù)據(jù)信息采集后的波動情況,利用下式計算表示:

(6)

式中,ε表述波動強度,st、st-1表述相鄰采集時刻所采集的數(shù)據(jù),ct、ct-1表述相鄰時刻慣性測量單元采集結(jié)果,gt、gt-1表述相鄰時刻GPS采集的數(shù)據(jù),T表述基準時刻。

從方程(6)可以看出,當ε的取值越高時,說明所采集的建筑地基二次形變數(shù)據(jù)波動強,證明該地形采集結(jié)果復(fù)雜;反之說明形變穩(wěn)定。

將上述過程作為基礎(chǔ),設(shè)定數(shù)據(jù)采集過程中的參數(shù),定義如下:Ki/ε≤d。式中,Ki表述目標指令,d表述地基形變采集數(shù)據(jù)精度。

根據(jù)設(shè)定結(jié)果,從而實現(xiàn)建筑地基二次形變數(shù)據(jù)采集。

2.2 變差異圖獲取

基于采集的建筑地基數(shù)據(jù),采用數(shù)字成像技術(shù)對采集的數(shù)據(jù)處理,獲取建筑地基二次形變差異圖。考慮到圖像像素點周圍特征,利用均值對數(shù)比表述獲取的差異圖,定義如下:

(7)

式中,(i,j)表述像素點,Xd表述差異圖,m1(i,j)表述X1圖像位于像素點的均值,m2(i,j)表述X2圖像的均值。

由于圖像之間的相干系數(shù)會對圖像的相似度產(chǎn)生影響,所以采用相干系數(shù)獲取成像處理后變化區(qū)域較明顯、背景信息較平滑,因而兩個圖像的相干系數(shù)定義如下:

(8)

式中,*表述共軛復(fù)數(shù),Xm(i,j)表述相關(guān)系數(shù)取值。

2.3 差異圖處理

由于獲取的差異圖中子帶圖像與原始圖像內(nèi)部細節(jié)一致,所以根據(jù)NSCT的特點及優(yōu)勢,采用NSCT處理獲取的差異圖[7-8],達到去噪目的后融合差異圖像[9],有利于更好的捕捉圖像細節(jié),便于檢測出建筑地基二次形變。

采用拉普斯金字塔濾波器、方向組濾波器作為濾波設(shè)備,分別對差異圖Xd、Xm采取NSCT變換,取得兩種差異圖像之間的低頻系數(shù),即Ld、Lm,高頻系數(shù)Hd、Hm,從獲取的系數(shù)中反映出高低頻圖像信息。

為了使圖像的二次形變區(qū)域更加明顯,采用加權(quán)平均法進一步處理圖像低頻系數(shù),令圖像與系數(shù)融合,那么低頻系數(shù)計算如下:

Lf=αLm+(1-α)+Ld

(9)

式中,Lf表述融合后的低頻系數(shù),α表述加權(quán)平均融合系數(shù)。

經(jīng)上述融合處理后,采用NSCT方法對Lf與差異圖Xd、Xm反變換,從中取得融合后的差異圖像Fd、Fm。采用局部能量法對背景圖像噪聲數(shù)據(jù)抑制,最終融合后的差異圖像定義如下:

(10)

式中,Ed(i,j)表述差異圖Fd的局部能量,Em(i,j)表述Fm的局部能量,Li,j表述像素中心,F(m,d)(q)表述第q個像素值,Fh表述合成后的差異圖。

2.4 差異圖特征提取

通過對差異圖像的濾波處理及融合,取得建筑地基二次形變?nèi)诤喜町悎D。采用PCA方法提取融合差異圖像的二次形變特征[10-11],根據(jù)分塊思想劃分融合差異圖,成為n個3×3的相鄰小塊,同時不具備重疊性。為此將各個小塊看成矩陣,對其轉(zhuǎn)換成列向量,利用下式計算出全部小塊均值向量。

(11)

式中,Pt表述列向量,m表述均值向量,t表述分塊數(shù)量。

重構(gòu)所有列向量,將其重構(gòu)為尺寸大小為32×n的矩陣,定義為S,因而利用下式計算S的協(xié)方差矩陣,表示如下:

(12)

式中,T表述矩陣轉(zhuǎn)置。

由于協(xié)方差矩陣C的尺寸為32×32,對其特征分解后獲取特征值、特征向量,從中挑選出相應(yīng)特征向量后構(gòu)成正交基。因而向量構(gòu)成的矩陣由A,該矩陣A的大小尺寸在32×r。

依據(jù)融合后的差異圖Fh,挑選出圖像各個像素的鄰域小塊,對小塊轉(zhuǎn)換后取得列向量,即Yη,其中η=1,2,…,k,k表述圖像總數(shù)量。

將列向量映射到矩陣A中,其定義如下:

Yη=AT(Vη-m)

(13)

式中,Yη表述提取的特征向量,AT表述轉(zhuǎn)置矩陣。

融合差異圖中的各個像素都可以通過R維特征向量表述,為此根據(jù)圖像像素點[Y1,Y2,…,Yk]組建成特征向量空間Q,以此實現(xiàn)建筑地基差異圖形變特征向量的提取。

3 建筑地基二次形變檢測

根據(jù)提取的建筑地基差異圖二次形變特征向量,將其輸入到建立的神經(jīng)網(wǎng)絡(luò)中訓(xùn)練[12-13],從而實現(xiàn)建筑地基二次形變檢測。

結(jié)合小波神經(jīng)網(wǎng)絡(luò)思想,改進激勵函數(shù),為此提取出圖像相位信息:

h(x)=cos(5x)·e-x2/2

(14)

式中,h(x)表述相位信息,e表述誤差。

設(shè)置網(wǎng)絡(luò)輸入數(shù)量由R表述,節(jié)點輸出由N表述,那么神經(jīng)網(wǎng)絡(luò)中第p個樣本的第n個節(jié)點的輸入用下式定義:

(15)

式中,k表述隱含層單元數(shù)量,M表述輸入層單元數(shù)量,ωn,k表述各個單元之間的連接權(quán)值,ak表述伸縮因子,bk表述平移因子,SP(xm)表述輸入信號,fn,p表述輸入期望。

為此輸出層函數(shù)通過下式定義:

(16)

式中,fz表述輸出層,e-z表述輸出層函數(shù)。

根據(jù)設(shè)置結(jié)果,將形變特征輸入到網(wǎng)絡(luò)內(nèi)訓(xùn)練從而實現(xiàn)建筑地基二次形變檢測,其具體流程如下所示:

1)對提取的特征樣本數(shù)據(jù)預(yù)處理[14-15],用下式定義:

(17)

2)采用主成分分析法分析提取的特征向量,并確定神經(jīng)網(wǎng)絡(luò)輸入節(jié)點。

3)初始化網(wǎng)絡(luò)設(shè)置相關(guān)參數(shù),即學(xué)習(xí)效率a、動量系數(shù)b、迭代誤差e。

4)向網(wǎng)絡(luò)中輸入一組學(xué)習(xí)樣本特征向量,設(shè)置輸入節(jié)點為輸入向量,并將fn,p輸入其中。

5)根據(jù)特征向量在網(wǎng)絡(luò)中的自學(xué)習(xí)流程,基于神經(jīng)網(wǎng)絡(luò)當前參數(shù),進一步計算網(wǎng)絡(luò)的實際輸出。當輸出誤差小于e時,則訓(xùn)練結(jié)束。

6)若不滿足上述條件,進一步實施誤差反向傳播,進一步修正神經(jīng)網(wǎng)絡(luò)參數(shù)。

7)利用修正后的神經(jīng)網(wǎng)絡(luò)再次訓(xùn)練形變特征向量,其輸出結(jié)果就是最終檢測結(jié)果。

基于上述流程,實現(xiàn)基于神經(jīng)網(wǎng)絡(luò)的建筑地基二次形變檢測。

4 實驗與分析

為了驗證基于神經(jīng)網(wǎng)絡(luò)的建筑地基二次形變檢測方法的整體有效性,需要對該方法開展實驗對比測試。

采用基于神經(jīng)網(wǎng)絡(luò)的建筑地基二次形變檢測方法(方法1)、地基合成孔徑雷達的邊坡形變監(jiān)測應(yīng)用研究方法(方法2)和基于激光點云的鐵路邊坡表面形變檢測方法(方法3)實施實驗測試。

1)濾波效果

開展建筑地基二次形變檢測前,為保證建筑地基二次形變檢測可靠性,將某城市施工場地建筑地基作為本次實驗場景,詳情如圖1所示。

圖1 建筑地基場景示意圖

采用地基SAR系統(tǒng)工作,并按照每20分鐘采集一張建筑地基黑白圖像,且相鄰的圖像數(shù)據(jù)采集間隔時間為5分鐘,連續(xù)采集5天即可獲取建筑地基序列圖像,有利于檢測建筑地基二次變形。那么設(shè)定地基SAR系統(tǒng)工作參數(shù),詳情如表1所示。

表1 地基SAR系統(tǒng)工作參數(shù)

由于采集的建筑地基圖像內(nèi)會因為噪聲影響致使圖像相位點出現(xiàn)不連續(xù)的斷點,導(dǎo)致相位解纏失敗,影響建筑地基二次形變檢測效果,所以為了可以獲取高質(zhì)量圖像,降低殘差點數(shù)目,需要對采集的圖像濾波處理,從而達到抑制噪聲的目的。

那么利用方法1、方法2和方法3分別對具有噪聲的建筑地基圖像濾波處理,三種方法的濾波效果測試如圖2所示。

圖2 三種方法的濾波效果測試

從圖2的實驗結(jié)果可知,方法1對含噪聲的建筑地基圖像濾波處理后,圖像更能體現(xiàn)出內(nèi)部細節(jié)信息,驗證了該方法的濾波性能強。而方法2、方法3在濾波處理時,處理后圖像內(nèi)部依然存有較多噪聲,同時方法2的處理結(jié)果與原始圖像相同,說明方法2的濾波效果不佳,也因此證明方法2和方法3的濾波效果要低于方法1。

2)形變位移檢測

在上述研究的基礎(chǔ)上,將Visual Studio.NET用作開發(fā)平臺,C++用作開發(fā)語言,SQL Server作為數(shù)據(jù)庫平臺,根據(jù)連續(xù)五天采集的建筑地基圖像數(shù)據(jù),結(jié)合貝葉斯估計方法,分別利用方法1、方法2和方法3對建筑地基二次形變開展詳細檢測,測試結(jié)果如圖3所示。

圖3 建筑地基二次形變檢測測試

分析圖3中的數(shù)據(jù)發(fā)現(xiàn),選取的采集時間分別為10月11～10月15日,根據(jù)檢測結(jié)果可知,方法1的位移測試結(jié)果與實際位移結(jié)果基本一致,且運動軌跡相同,表明方法1的檢測精度最佳。而方法2的在10月11日～10月13日時,運動軌跡與實際結(jié)果相同,但兩者之間存有誤差,同時方法2在10月13日～10月14日時運動軌跡發(fā)生轉(zhuǎn)變,偏離實際軌跡,可見方法2的檢測效果不佳。方法3的整體檢測結(jié)果與實際軌跡相差大,說明方法3與實際結(jié)果偏差高。

綜上所述,方法1的檢測結(jié)果明顯優(yōu)于其余兩種方法,這是因為方法1對獲取的圖像實施濾波處理,以此消除圖像內(nèi)的噪聲,更有利于捕捉圖像細節(jié),從而提升了該方法的建筑地基二次形變檢測效果,使其具備更高的檢測精度。

5 結(jié)束語

建筑地基二次形變導(dǎo)致建筑邊緣位置穩(wěn)定性差,為有效避免這種問題,提出基于神經(jīng)網(wǎng)絡(luò)的建筑地基二次形變檢測方法。

該方法采集了建筑地基二次形變數(shù)據(jù),對采集結(jié)果成像處理后,獲取建筑地基二次形變差異圖,通過對圖像的濾波處理及特征向量的提取,將其輸入到建立的BP神經(jīng)網(wǎng)絡(luò)內(nèi)訓(xùn)練,其輸出結(jié)果就是最終檢測結(jié)果。實驗表明所提方法的濾波性能強,且位移檢測結(jié)果與實際值基本一致,檢測精度高,該方法在建筑地基二次形變檢測方法中發(fā)揮著重要作用。