智控扫描式声学多普勒测流系统应用探讨

陈伯云 ，张永兵 ，王 刚 ，李国强 ，李明宏 ，范影乐 ，郑豪锋 ，王 超

（1. 水利部南京水利水文自动化研究所，江苏 南京 210012；2. 江苏南水科技有限公司，江苏 南京 210012；3. 杭州市水文水资源监测中心，浙江 杭州 311100；4. 浙江嵊州市水文站，浙江 嵊州 312400；5. 杭州开闳流体科技有限公司，浙江 杭州 311100）

0 引言

水文测验是一切水文工作的基础，而水文测验中流量测验是一项重要而又复杂的工作，流量是反映水资源和江河、湖泊、水库等水体水量变化的基本数据，也是河流最重要的水文特征之一。传统的流量测验采用流速面积法，这种测验方法满足流量测验规范的精度要求，但测流历时长，工作强度大，效率低。随着科技的发展，20 世纪八九十年代声学多普勒流速仪（ADCP）测流在美国出现，并被我国引进应用[1]。声学多普勒流速仪有走航式和固定式 2 种类型，固定式根据安装位置不同又可分为水平式声学多普勒流速仪（H-ADCP）和垂向式声学多普勒流速仪（V-ADCP）。在线测流一般采用固定式，其中 H-ADCP 应用较多，但是在实际应用过程中，由于受测流环境的影响及比测率定工作量大等原因导致测流精度不理想[2]。

智控扫描式声学多普勒流速仪测流系统（以下简称智控扫描式 ADCP 测流系统）是一种全自动、智能型、融合流体力学仿真及神经网络智能算法模型的流量监测技术。通过水下转动扫描测量局部水体流速场数据，结合断面流场仿真计算模型，推演出全断面流场数据，利用神经网络算法深度学习优化校准仿真计算模型，从而计算出断面流场、流量等要素数据，可有效提高测量数据的准确性和有效性，并大幅降低后期人工比测和分析率定的工作量。

本研究针对智控扫描式 ADCP 测流系统测流过程中所要注意和处理的技术问题展开探讨，并结合水利部水文司 2019 年项目“组织新技术在水文测报中的研发推广”之“智控扫描式声学多普勒流量监测示范应用”专题研究工作，在浙江嵊州、江苏前垾村水文站安装了智控扫描式 ADCP 测流系统。运用智控扫描式 ADCP 获取河流断面流速，开展比测分析。

1 智控扫描式 ADCP 测流系统原理

目前在实际应用中利用 H-ADCP 实现流量在线监测的系统主要采用指标流速法计算流量。通过换能器安装在河道断面上的固定位置，测量过水断面固定高程局部层流速作为指标流速，并与断面平均流速建立流速关系，从而实现流量在线监测。

智控扫描式 ADCP 利用水下智控转动与H-ADCP 相结合的设计，使传统的一维流速剖面数据扩展为二维扫描流速数据，并融合计算流体动力学、人工智能等多学科前沿技术，建模仿真河道流场以计算实时流量。

智控扫描式 ADCP 利用水下转动装置控制换能器在设定的角度范围内旋转扫描测量流速，获取过水断面部分区域内的流速流场分布。通过分析过水断面部分区域内的流速分布与整个断面流速分布和断面平均流速之间的关系，可采用指标流速法、断面流速分布模型法等方法计算出断面流量。测流过程示意如图1 所示。

图1 测流过程示意图

1.1 水下智控转动装置解析

智控扫描式 ADCP 设备采用脉冲信号控制步进电机驱动 ADCP 换能器旋转扫描。其装置主要部件连接示意如图2 a，b，c，d，e 所示[3]，主要应用于水下的自动扫描流速测量，包括机架和传动罩，机架上设有传感器本体，传动罩内设有旋转传动机构，传感器本体连接旋转传动机构，旋转传动机构包括电机、减速电机、主动轴和从动轴，从动轴连接于传感器本体的左侧，主动轴连接于传感器本体的右侧，主动轴上设有走线组件，主动轴连接减速机，减速机连接电机，传感器本体和机架的连接处设有密封组件。装置本身安装固定在水下，当需要进行二维流速扫描测量时，通过设置电机带动减速机转动，电机为步进电机，减速电机为直角行星减速机，在减速机的作用下，增大了主动轴的输出扭矩，从而带动传感器本体进行旋转运动，传感器本体在一定角度范围内旋转，实现河流断面二维流速扫描功能。

图2 水下智控转动装置主要部件连接示意图

水下智控转动装置支持间隙工作（节能模式）及循环扫描（高精度模式）工作模式，最大可旋转角度为 360°，最小单位旋转扫描角度为 0.1°。典型工作模式下间隔 1° 测流 1 次，扫描 60°，运行功耗约为 12 W，耗时约为 5 min，获得测流断面上一个扇形区域的流速流场分布数据。根据水位和流速变幅设定相应的阈值可实现扫描范围、测流角度间隔、扫描速度等智能适配，以满足在低水位、高水位、小流速、大流速等不同测流环境下的智能调节扫描角度，速度和间隔等。

1.2 有效监测扇区流速确定

以仪器安装位置为坐标原点，沿断面方向为 x 轴，沿水深方向为 y 轴建立仪器坐标，利用 ADCP 的实测流速分布（如图3 所示）和回波强度信号分布（如图4 所示）确定扫描型 ADCP 流速测量的有效扇区，完成有效扇区单元流速的提取，建立实测断面坐标系，利用实测水位、设备安装位置，建立剖面模型，然后把提取的有效扇区单元流速映射到坐标系，构建剖面流速分布图，形成断面流速合轴坐标图，具体如图5 所示。

图3 实测流速分布图

图4 实测回波强度分布图

图5 剖面流速分布图

1.3 断面流场仿真计算

1.3.1 断面流场的建立和流速计算方法

由扫描所得扇区流速，结合断面特征参数，构建流体截面流速分布模型。

以有效实测扇区作为定解条件，结合深度学习提取的河流流场特征，建立可测区域与测量盲区之间流速的关联性，推算流体全剖面的流速分布。

实测河流流速分布数据，结合神经网络进行深度学习，提取河流流态特征。对每个应用实例进行定制化参数设置，最终反馈至流场计算模型，使复杂天然河道得到最贴近现实情况的仿真与数字化描述。

断面流场建立过程演示如图6 所示，其中图6 a，b，c，d，e 为 ADCP 自河底向水面扫描测流过程，此过程获取实测扇区内的断面流场数据。通过神经网络算法提取实测扇区流场内流速分布特征，用于推演上下和左右盲区内流场数据，如图6 f，g 所示。利用实测扇区内流场数据，结合上下和左右盲区推演的流场数据进一步推演出全断面流场数据，从而实现断面流场仿真，如图6 h，i 所示。

图6 测流流程演示图

1.3.2 河流特征的提取和引入

传统流速分布计算模型的问题在于使用固定公式计算不断变化的流场，而事实上适用的计算公式在水位、流速变化的情况下也是动态变化的，这也是传统固定式 ADCP 需要在不同水位条件下做率定的主要原因。为减少率定工作，可通过神经网络算法提取河流流场的固有特征，并将这些特征应用到流量计算过程中。将待测河流以数字化方式虚拟重建，对流场进行实时仿真，以达到由局部实测流速精确推算整体流场的目的。

1.3.3 纵向盲区流速推算

垂向盲区流速推算结果如图7 所示，黑色点位（实测数据区）速度可以通过智控扫描式 ADCP 直接扫描获取，以此作为流场解算的定解条件，提取流速分布特征与预设的解算方法进行匹配，然后推算纵向上无实测区域的流速分布。

图7 垂向盲区流速推算结果

以幂指数分布为例，假设 ν (h) 是距离河床水深 h 处的流速，其函数形式通常取幂指数或对数形式：

式中：ν (ha) 为参考高度 ha处的流速；m 为经验常数，与河床粗糙率有关。

1.3.4 横向盲区流速推算

特征值 ay0的测量和提取需要借助实测流场数据和机器学习方法，在此不详细展开论述。

横向盲区流速推算完成后的结果示意图如 8 所示，绿色线条表示计算得到的纵向平均流速。

图8 横向盲区流速推算结果

1.3.5 断面流量计算

垂向与横向盲区流速推算完后，可以得到河道的界面流速分布数据。对于任意离河岸距离为 y 的位置计算得到垂向的平均流速 νy，将其与当前位置河道的垂直深度 hy相乘，即可得到当前垂向的流量 Qy为

为了获取断面的全部流量，需要对河道宽度 b的各位置垂向流量数据进行累加，得到断面流量Q[4]为

1.3.6 动态流速仿真模型

动态流速仿真模型的核心在于：建立动态模型，通过有限辅助手段收集河流流场数据，运用机器学习等方法对测流数据进行特征提取，确定模型参数。结合扫描式测流设备所采集的实时数据可靠区，识别流场特征，匹配适用模型，建立实时仿真映射的虚拟河流断面。最终达到以局部流速测量推算整体流速分布和流量结果的目的。由实测扇区和断面特征参数构建的断面流场如图9 所示，模型计算后的断面流场如图10 所示。

图9 由实测扇区和断面特征参数构建的断面流场

图10 模型计算后的断面流场

动态流速仿真模型方法以流体运动规律的共通性结合具体待测河流的独有参数，可建立具有普遍适用性的新型测流计算和应用方式，大幅度减少率定工作量。

2 示范应用成果

分别在浙江嵊州、江苏前垾村水文站各建设1 个智控扫描式声学多普勒测流系统示范站。测流系统主要由智控扫描式声学多普勒流速仪、水位计、工控机、现地监测软件、供电系统、路由器、防雷接地系统、辅助设施等部分组成。系统核心设备为智控扫描式 ADCP，配置外接水位计采集水位，由工控机控制采集流速和水位数据，系统采用市电供电。

2.1 系统稳定性分析

浙江嵊州水文站试运行时间为 2019 年 6 月 1 日 00:00—9 月 30 日 15:00，总计 121.6 d，共 2 919 h。总数据采集率为 90.01%，其中主要数据缺失原因为河道水位过低，测流仪露出水面无法正常工作。排除仪器露出水面及运维时段后，测流系统在有效工作时段内，数据采集率为 99.33%，运行良好，稳定可靠。

江苏前垾村水文站试运行时间为 2019 年 8 月5 日 08:00—12 月 30 日 00:00，示范站在试运行期间工作稳定，没有缺测现象，数据获得率为 100%，系统稳定可靠，数据可靠性。

2.2 流量比测分析

2.2.1 浙江嵊州水文站

比测时间是 2019 年 6—9 月，比测方法为对比智控扫描测流系统流量与经过率定的水平式测流仪及水文缆道流速仪测流数据[5-6]三者流量变化趋势，在多个流量过程中，可直观看到智控、测站、缆道测得流量结果数据变化趋势一致，如图11所示。

图11 嵊州水文站流量过程线对比图

整体平均数据偏离度约为 8.26%，智控扫描测流系统整体数据偏小，流量缓慢变化期间偏离度呈正态分布，水位、流量快速变化期间偏离度较大，此结果可能由智控扫描测流系统工作特性引起，1 个测次需要约 8 min 才能扫描完整扇区，因此当水位或流量突然变化时，模型适应及其结算结果存在一定迟滞性，表现为一段时间内单方向偏离，当水位和流态稳定后，偏离度逐渐恢复趋于正常值。

2.2.2 江苏前垾村水文站

比测时间是 2019 年 8—9 月底，比测方法：平均流速比测采用走航式 ADCP，保证人工比测和自动监测系统测量时间同步。走航式 ADCP 每次施测 4 个测次，自动监测系统 15 min 监测 1 组数据，走航式 ADCP 的 4 个测次在自动监测系统运行周期的 15 min 内完成，比测工作尽可能收集不同量级的数据。

其中 8 月 11，12 日受台风影响，有较大过水流量过程，其余时间皆为小流量。根据比测数据，可分析得到如下结论：前垾村智控扫描式 ADCP 为新建，共收集有 3 个月数据，断面平均流速相关性分析如图12 所示，流量过程线对比图如图13 所示。流速相关性达到 0.969 1，小流速时数据趋势吻合性较好，但相对误差较大；由于安装时间短，收集到的数据有限，用于分析的流速数据分布不均匀，代表性不够。

图12 前垾村水文站断面平均流速相关性分析图

图13 前垾村水文站流量过程线对比图

3 结语

智控扫描式 ADCP 测流系统是一种新型智能型测流技术，融合了流体力学仿真及神经网络算法模型，流量监测在免率定测流方面具有开创性，可有效节省人力、物力、时间成本。示范站在 2019 年半年的运行期间，系统工作稳定性强，有效工作时间内数据采集率可达 99% 以上，可提供稳定可靠的测流数据。有一定水深保障的水文断面，采用智控扫描测流可以监测到较大的有效实测扇区流速流场数据，模型计算会更精确，具有较好的推广价值[7]。

智控扫描式 ADCP 测流系统在流态快速变化期间，测流结果存在一定迟滞性，可考虑采用提升扫描速度的方式提高对流速变化的敏感度。流体及神经网络算法模型还需要进一步优化，结合多模型算法提高智控扫描测流系统的智能化能力，进一步提高流量监测的精度。