基于云平台的深基坑水位智能监测系统设计

陈杰 张泽瑞 宋楚平

摘 要：針对深基坑水位监测不到位导致过度抽水或水位过高出现基坑失稳的问题，提出基于云平台的智能应用系统用于水位的监测，系统主要由传感器、PLC控制器、GPRS和应用程序构成。为实时感知基坑水位的变化和预测可能发生的水情，通过计算某时刻水位的变化幅度和利用BP神经网络来预计未来2 h的水位，以达到水位智能监测和主动预警的目的。应用测试表明：系统具有良好的稳定性和可靠性，完全能满足深基坑水位安全监测要求。

关键词：深基坑;传感器;BP神经网络;智能监测

中图分类号：TP399文献标识码：A文章编号：1003-5168（2020）34-0097-03

Design of Intelligent Monitoring System for Water Level

of Deep Excavation Based on Cloud Platform

CHEN Jie ZHANG Zerui SONG Chuping

（School of Information Engineering， Nanjing Polytechnic Institute，Nanjing Jiangsu 210048）

Abstract： In view of the problem of excessive pumping because of the failure to monitor water level of deep excavation or the instability of excavation due to the high water level， an intelligent application system based on cloud platform was proposed to monitor water level， which is mainly composed of sensors， PLC controllers， GPRS and Application programs. In order to perceive the real-time change of water level in excavation and predict the possible water situation， the change range of water level at a certain time was calculated and the water level in the next 2 hours was predicted by BP neural network， so as to achieve the purpose of intelligent water level monitoring and active early warning. Application test shows that the system has good stability and reliability， and can fully meet the requirements of deep foundation pit water level safety monitoring.

Keywords： deep excavation;sensor;BP neural network;intelligent monitoring

随着土地资源的稀缺和超高层建筑施工技术的成熟，基坑工程向大深度、大面积发展。由于基坑开挖面下部的承压水会引起坑底隆起、底板涌水等问题，容易导致基坑失稳等安全事故的发生[1]，因此必须对基坑的承压水进行有效控制，以保障施工安全，确保工程质量。目前普遍采用井点降水法来控制基坑水位，即采用水泵不间断抽水，另派专人巡查。这种工作模式下，由于缺乏对地下水位的精确观察数据，因此，容易出现“无水空抽”“过度抽水”等现象，极易造成抽水不及时引起的基坑失稳，或者过度降排水引起周围建筑物沉降等安全事故。随着物联网、云技术和传感器的不断发展，基于云平台的远程监测系统以其数据采集便捷、监测现场工况及时、运行成本低等特点，正在取代传统的PC-Based监测方案或人工模式。因此，为适应深基坑安全施工要求，有必要对基坑水位的监测技术进行深入研究。

1 深基坑水位监测系统构架

深基坑水位监测系统总的结构如图1所示。水位传感器、转速传感器和流量传感器将采集到的基坑水位、水泵工况和排水流量等数据通过GPRS传送到云服务器，一旦发生水位警情或排水故障，云服务器就会向PC端和APP端发送报警消息，管理人员能在第一时间通过PLC控制器发出正确的控制指令和运行参数，调整水泵的运行状态，或紧急处理系统故障，以达到稳定安全水位的目的。终端应用层的PC或手机能主动调用云平台数据接口，以图表形式动态显示深基坑水位变化，并接收云服务推送的预警和其他工况信息。

2 系统的硬件设计

整个系统的硬件主要包括传感器模块、PLC控制模块、GPRS通信模块和云存储。整个硬件的连接结构如图2所示。

水位传感器选用TEB SDI-12液位传感器，通过水的压力变化感知水位高度，经RS-485将数字信号输出到控制模块中的采集单元。流量传感器采用上海嘉图SN51B电子式传感器，具有体积小、设定简便等优点，可任意设置流量上下限报警值。转速传感器采用拓普瑞晟RC7100磁电传感器，该传感器体积小、结实可靠、无须外接电源、价格低廉，采用非接触式来测量水泵的转速。

PLC控制器采用STC15单片机开发，由于其内置高精度R/C时钟和高可靠复位电路，因此通信速度快、抗干扰能力强[2]。控制器的采集单元通过RS-485串口与传感器通信，每隔5 min采集水位传感器数据，并通过GPRS模块将数据上传到云服务器。

云服务器是选用阿里云ECS，通过租赁的方式即可获得可靠的远程数据存储服务，减少了人工运营成本。云服务器通过TCP/IP协议与GPRS模块和应用层通信，利用云服务器提供的透传设置，能将监测数据推送到系统管理员和施工人员的APP或现场PC上。

3 系统的软件设计

云服务器的组件和接口设计以及基于APP的远程监测客户端开发是此系统软件设计的重点。

3.1 PLC控制器与云服务器的数据通信

根据云服务器提供的IP地址和端口，PLC通过GRRS模块与云服务器建立UDP/IP连接，然后再根据PLC注册的ID和传感器ID生成协议，协议内容主要包括用于维护与服务器通信的心跳包协议和传感数据包。

3.2 云服务器端程序设计

该部分设计主要包括服务组件和数据接口。例如，传感数据服务组件需要对上传的信号数据及时处理，通过建立上报数据线程，调用数据信号转换函数和数据库通信接口，将解析后的水位采集數据保存到数据库中，以供其他组件对数据的处理和访问。水位预警监测组件的基本设计思想是：基于基坑历史水位数据采用BP神经网络来预测未来水位变化，神经网络的拓扑结构如图3所示。

3.2.1 输入层的计算。输入层节点24个，对应每天间隔5 min连续2 h内采集的水位数据，该层接收输入水位样本数据，样本数据由[24×K]的矩阵构成，输入向量[X={x1，x2，…，x24}]，即每个样本数据为连续2 h内水位的时序值，[K]为样本数，建议取值为[40，50]，预测未来2 h后的水位变化。

3.2.2 隐藏层的计算。隐藏层节点数[m]为13，节点激活函数选高斯函数，在MATLAB中利用NEWRB函数设计近似BP网络，设定网络目标均方误差为10-6。经多次迭代试验，[m]=13时网络性能较为稳定，故隐藏层节点数取值为13。

3.2.3 输出层的计算。输出层的输出值就是水位预测值，用一个实数表示，因此输出层的节点数[k]为1，该节点的输出值[y]为：

[y=fj=1nwjkφj]                                  （1）

式（1）中，[wjk]为第个隐藏层节点到输出节点[k]的权值;[φj]是隐层第[j]个节点的输出值;[f]为高斯激活函数，根据输出层的输出值[y]就可以得到水位2 h后的预计值[3]。

3.3 APP端设计

该部分的程序设计采用Android和HTML5混合编程，页面后端采用time线程控制页面数值的变化和指令的发出。前端页面通过对HTML5标签的灵活使用完成整个页面布局，运用echars图表框架接收服务器传来的水位变化数据，实时动态地显示水位的变化。

4 系统主要性能测试

系统的性能表现事关深基坑工程施工和人员安全，必须进行稳定性和可靠性方面的测试。

4.1 稳定性测试

系统的主要安全监测数据是基坑水位，要确保系统监测数据与实测数据基本一致，其相对误差在5%以内。为此，让系统长时间运行在实际工作环境下，随机抽取一天24 h共288条记录，提取整点时刻的24条数据与人工测量仪数据进行比对，检查系统监测数据是否出现异常。检查结果如表1所示。

由表1可以看出，连续的系统监测值与实际值的误差波动位于标准范围，且没有出现数据丢失的情况，监测数据正常有效。

4.2 可靠性测试

可靠性测试是指当系统工作状态异常或水位环境发生巨变时，系统能否主动发出提示消息或仍保持正常工作，主要测试点及测试结果如表2所示。

通过调整系统的水位阈值参数来模拟深基坑现场水位的险情。这种模拟只涉及监测水位的阈值变化，其他的工作参数和外部环境与真实的运行工况是一致的，因此这方面的测试结果是有效的，说明系统具有良好的可靠性和抗灾能力。

5 结语

①水位的监测既要考虑传感器的选型，保证测量成本和数据精度，又要考虑水位的异常变化和水泵的运行状态，全面观测基坑工作现场，由此建立的系统才能满足可靠性和稳定性要求。

②水位的智能监测关键在于“智”。基于BP神经网络设计的服务控件能实时预测2 h后的水位变化，为施工安全应急争取了宝贵的时间。

参考文献：

[1]宋楚平.一种改进的BP神经网络深基坑变形预测方法[J].土木工程与管理学报，2019（5）：45-49，55.

[2]陆海涛，成新民，雷雪，等.基于物联网技术的电梯底坑进水监测及预警系统[J].数字技术与应用，2019（10）：178-179，182.

[3]吴美玲，杨侃，张铖铖.基于KG-BP神经网络在秦淮河洪水水位预测中的应用[J].水电能源科学，2019（2）：74-77，81.