Page 31 - 2025年第56卷第9期

点的距离，能够有效评价连续空间中两个样本的相似性。在训练阶段中，将验证集输入训练好的网络
模型中，计算上述两个函数，定义误差函数最大值的 95% 为对应函数的异常阈值。在测试阶段中，当
样本的两类重构误差都小于相应阈值时才判定为正常。

3 原型监测

某日调节水电站汛期坝身表孔泄洪长期高频运行，在上游来水偏丰年份，运行次数会超 100 次，
相对而言运行异常风险偏高。因此，以坝身中表孔闸门及相关结构为监测目标，构建了泄流安全监测
预警系统。为了克服传统高坝泄流振动监测数据类型单一、信息量不足的缺点，在水工结构低频振动
位移监测的基础上，增加了空气声压和流态图像等监测项目，以充分利用多源异构数据的互补信息，
提升运行状态判断准确度。
所构建的监测预警系统包含低频振动位移传感器 8 支，对称布置在两侧闸墩和启闭机室边墙，尽
可能捕捉结构动力特性的局部变化和异常；摄像头 2 个，分别拍摄闸下水流和尾流流态图像；由于空
气声压的空间变异性较低，因此仅在左侧闸墩侧墙外布置 1 支声压传感器。相关测点的类型、位置和
传感器参数详见图 2，试验工况如表 1 所示。

图 2 传感器安装测点

表 1 某水电站泄洪工况
泄洪工况 上游水位/m 下游水位/m 流量/（m /s） 闸门开度/m
3
工况一 1905.23 1821.70 692.23 3.2
工况二 1905.12 1821.54 522.13 3.1
工况三 1904.65 1821.39 280.71 1.6
工况四 1905.41 1820.43 152.29 1.0

4 数据融合策略

基于原型监测获得的振动位移、空气声压和流态图像的大规模样本库，提出了多源异构数据的特
征级融合方法，该方法一方面在一定程度上进行了信息压缩，相比数据级融合更加灵活、简便、高
效；另一方面仍然保留了大量特征数据，相比决策级融合信息损失更小，准确度更高。

— 1135 —