Page 86 - 2023年第54卷第5期
P. 86

Ｘｉｅ等  ［２２］ 将电磁法应用于 ＰＣＣＰ断丝监测中，结果表明电磁信号能够反映断丝事件的特征，但是钢筒
              和钢丝的电磁信号会相互影响，需要经验丰富的工程师对断丝事件进行判别，因此也难以应用于工程
              实践。
                  分布式光纤因信号抗干扰性强、信噪比高以及设备体积小、便携性强的特点，在不同的结构监测
              领域得到了广泛应用。Ｍｕｇｇｌｅｔｏｎ等            ［２３］ 采用专门设计的埋地管道分布式光纤监测油气泄漏，比较泄露
              处的信号和管壁辐射信号，证明了光纤信号能够反映损伤特征。Ｌｉｕ等                                 ［２４］ 将分布式光纤声学传感技术
              用于实时车辆检测任务，通过分布式传感器信号特征识别车辆类别和估计车辆数量。Ｃａｏ等                                           ［２５］ 在湖泊
              中设置分布式传感光纤并对水下目标进行监测，证明了光纤信号能够反映水下目标的特征。分布式光
              纤在 ＰＣＣＰ结构损伤监测中也有应用。姚宣德                    ［２６］ 研发了基于光纤光栅传感技术的 ＰＣＣＰ管道断丝和漏
              水实时监测集成系统。骆建军等               ［２７］ 则采用光纤传感技术对大口径 ＰＣＣＰ管道断丝频谱响应进行了试验
              研究，证明光纤信号能够反映不同敲击声音频谱特征，进而可判断 ＰＣＣＰ断丝位置。齐海铭等                                           ［２８］ 采用
              分布式光纤光栅传感器识别断丝信号并实现断丝位置的精准定位。Ｌｉ等                                  ［２９］ 则用分布式光纤传感器收
              集断丝信号，利用小波分析方法对不同断丝信号特征进行了简要概述。以上研究说明分布式光纤能够
              应用于 ＰＣＣＰ断丝监测，且在工程实践中应用也具有广阔的前景。
                  近几年，智能学习方法开始应用于工程领域，如施工日志分析                               ［３０］ ，大坝安全监测      ［３１ － ３２］ 以及工程
              日常巡检     ［３３］ 等。在振动信号处理方面，机器学习和深度模型迁移方法也得到了广泛应用。Ｒｅｎ等                                      ［３４］
              通过地质锤采集了不同岩石的声音信号，对比分析了 ５种智能算法在岩体分类中的表现，认为支持向
              量机具有优势。Ｈａｎ等          ［３５］ 在基于声信号的岩体分类和强度回归的研究中，采用深度模型网络迁移的方
              法建立岩体的强度区间，最终实现了岩体强度的准确估计。Ｈａｎ                              ［３６］ 同时采用了 Ｋ － 近邻算法、随机森
              林和支持向量机来拟合岩体表面强度，取得了良好的效果。在地震动信号监测方面，智能算法也得到
              了广泛应用。Ｌｕ等         ［３７］ 将地震动的时频分布图作为输入，利用卷积神经网络对地震损失进行评价。Ｌｉａｏ
              等  ［３８］ 采用深度迁移学习方法重构振动信号的时频特性，并证明了重构特征能够较好地反映振动信号特
              征。以上研究对于 ＰＣＣＰ断丝识别具有一定的启发，但是 ＰＣＣＰ断丝信号收集较为困难，数据量少，
              是否能够采用智能算法构建模型仍需要进一步讨论。同时基于不同架构的深度模型陆续被学者提出，
                       ［３９］
              如 ＲｅｓＮｅｔ 、Ｉｎｃｅｐｔｉｏｎ － ｖ４ ［４０］ 和 Ｉｎｃｅｐｔｉｏｎ － ＲｅｓＮｅｔ － ｖ２ ［４０］ 。一般来说，网络深度较大会导致网络训练困
              难。ＲｅｓＮｅｔ通过使用深度残差学习模块解决了梯度消失问题。Ｉｎｃｅｐｔｉｏｎ － ｖ４和 Ｉｎｃｅｐｔｉｏｎ － ＲｅｓＮｅｔ － ｖ２一
              起由 Ｇｏｏｇｌｅ提出。残差网络的思想被尝试应用在 Ｉｎｃｅｐｔｉｏｎ网络中，从而实现了 Ｉｎｃｅｐｔｉｏｎ － ＲｅｓＮｅｔ － ｖ１和
              ｖ２模型。同时，Ｇｏｏｇｌｅ设计出了更为复杂和精巧的 Ｉｎｃｅｐｔｉｏｎ － ｖ４网络，在不使用残差网络的情况下也
              达到了与 Ｉｎｃｅｐｔｉｏｎ － ＲｅｓＮｅｔ － ｖ２近 似 的 精 度。 ＲｅｓＮｅｔ强 调 残 差 模 块， Ｉｎｃｅｐｔｉｏｎ － ｖ４强 调 网 络 设 计，
              Ｉｎｃｅｐｔｉｏｎ － ＲｅｓＮｅｔ － ｖ２则是在一定程度上综合了二者的特性。三种模型架构差异性强，可用于分析不同
              模块在断丝信号重构中的作用。
                  在本研究中，采用分布式光纤传感技术对单节埋置式 ＰＣＣＰ的断丝信号进行了实时监测，利用切
              割、腐蚀和敲击的方式，模拟 ＰＣＣＰ断丝信号和噪声信号，之后采用傅里叶变换和深度学习模型对信
              号特征进行处理分析，重构 ＰＣＣＰ断丝信号特征，并将智能识别算法应用于断丝信号的最终识别，为
              长距离输水工程中 ＰＣＣＰ断丝长期监测提供技术支撑。

              ２ 原型试验


              ２．１ 试验设计 在 ＰＣＣＰ断丝原型试验中，采用 ＮＺＳ － ＤＳＳ － Ｃ０９型号的光纤传感器进行断丝信号监测，
              采样频率为 １ｋＨｚ。该传感器是由碳纤维和玻璃纤维等组成，携带方便、布置简易且可靠性强。由于光
              纤传感器柔韧性好，因此采用螺旋缠绕的方式在管壁内外侧分别进行布设，光纤布设总长度约为 ８０ｍ，
              其中内外管壁分别约为 ４０ｍ。在距离承口（管底部）１．０、２．５和 ４．０ｍ的位置选定 ３个断面进行光纤传
              感器布设，３个断丝区域 Ａ、Ｂ、Ｃ分别在距离承口（管底部）１．２、２．７和 ４．２ｍ的位置，即断丝区域比
              最近的光纤传感器监测断面高 ０．２ｍ，如图 １（ａ）所示。这样布置主要是为了使光纤传感器能够近距离

                     ８
                —  ５ ８  —
   81   82   83   84   85   86   87   88   89   90   91