基于BIM技术的水利工程大坝变形监测模型分析

李利剑

(山东水总有限公司，济南 250000)

0 引 言

水利工程大坝分为拦河坝与防洪坝等不同用途，实现模式也有诸多不同形式，但其变形破坏一般分为3种，其一是水压方向上的大坝坝体整体位移，其二是渗流暗涌等地下水活动造成的大坝沉降，其三是大坝基础形变造成的底鼓型位移[1]。3种位移与大坝的渗流等地下水结构问题、裂隙等坝体结构问题等无固定逻辑关系，但大坝位移与大坝稳定性、可靠性等安全指标有直接关系[2]。

早期水利大坝变形监测技术依赖坝顶布局的测量控制点，使用全站仪或RTK(Real - time kinematic，实时差分定位测量系统)等进行持续观测，但该过程需要大量人工操作且无法实现实时测量，且相关测量数据也需要人工内业导入，无法实现实时动态分析。而固定点位的倾斜摄影技术被应用到大坝变形测量中后，可以通过计算机系统持续监测大坝形变，且结合BIM(Building Information Modeling，建筑信息模型系统)中有限元分析、流体力学分析等水利大坝监控工具软件，可以实现实时高精度监测[3]。

该研究基于BIM软件工具，对坝体附近布置的固定点位可见光摄像头系统提供的倾斜摄影数据，实现对水利工程大坝变形的实时监测，且对监测数据实时模拟分析并给出风险预警[4]。

1 BIM系统支持下的水利大坝变形监测系统

21世纪初，绝大多数水利工程大坝均部署了高清可见光摄像头系统，早期部署目的为加强无人巡视，服务于大坝安保系统。随着倾斜摄影技术日趋完善，只要在大坝范围内部署密度足够高的可见光摄像头，保证每个测点均有3个以上摄像头画面多角度重合，且有卫星授时系统确保所有摄像头的快门一致性，就可以实现对大坝坝体的实时三维建模，将不同时间的三维模型导入到BIM数据库中，可以实现对大坝变形的实时监控。该系统与BIM系统的逻辑关系见图1。

图1 BIM系统支持下的水利大坝变形监测系统逻辑架构图

图1中，BIM系统之外主要包含2个子系统，其一是摄像头的快门授时系统，确保所有摄像头的快门动作同时性；其二是摄像头图像信息的采集系统，大部分摄像头默认为每秒25～30帧图像的采集速率，但该系统监测的大坝变形过程较为缓慢，早期监测系统尽可保证每天1次数据采集，该系统每小时采集1次数据即可完成监测任务[5-7]。使用Smart3D软件生成图三维模型后，将模型数据提交到BIM内置数据库的模型数据库部分，每次提交数据随即触发一次BIM系统数据分析过程，该分析过程包含了CAD(Computer Aided Design，计算机辅助三维模型设计)引擎下的当前模型与之前模型的点阵位移模型比较，进而将比较结果交给CAE(Computer Aided Engineering，计算机辅助力学分析设计软件)的结构应力有限元分析和水体流体力学分析功能，最终分析结果由数据分析引擎生成数据预警信息，并在水利大坝BIM值班系统中给出预警显示[8-9]。

2 水利大坝变形监测模型的关键算法

2.1 三维模型比较分析算法

传统测量模式下，在坝顶布置一列测线，用于控制坝体整体的位移情况。所以该研究在此基础上进行升级，在三维模型中重点描述坝顶2条边线，每隔1 m布置迎水面和背水面各1个测点。每次模型比较分析中，分析每个测点的横向位移距离和纵向位移距离，最终得到1组位移阵列。上述分析逻辑见图2。

图2 三维模型测点比较方法示意图

图2中，测点横向位移距离向远离迎水面方向时为正，反之为负；测点纵向位移向下(指向地心)时为正，反之为负。最终按照坝体测点顺序，标记测点序号，以1 600 m拦水坝为例，迎水面测线共1 600个测点，背水面测线共1 600个测点，每组记录1个迎水面测点和1个背水面测点，每个测点共记录4个数据，合计4×1 600个(6 400个)测点数据。因为该设计中每小时记录1组数据，每组数据包含6 400个测点数据，每天记录24组数据共153 600个数据。实际比较中，按照连续数据计算差值，或按照每天、每周、每月、每年等时间周期计算差值，均可实现相关分析[10]。

如前文所述，上述位移数据，包括其原始三维矢量位移数据，导入到BIM系统中的CAE子系统中，进行结构应力分析、流体力学分析，分析过程均使用经过完整封装的内置控件相关功能，因篇幅所限不展开论述。经过分析的数据投影到上述2条测线上，形成间隔1 m的水利大坝坝体应力分布情况和间隔1 m的坝体渗流流量情况。即经过前置分析，1 600个测点中包含迎水面水平位移、迎水面纵向位移、背水面水平位移、背水面纵向位移、坝体结构应力、坝体渗流流量等6个数据，该6个数据作为数据预警背景数据供数据预警环节调用[11]。

2.2 数据预警生成算法

采用线性投影结合加权整合算法，生成数据预警信息。其中：①线性投影算法指选择整列数据的最大值和最小值，使用当前值与最小值的差值与最大值和最小值的差值求取比值，得到一个位于[0,1]区间上的双精度浮点型变量。此处，一列数据指上述迎水面水平位移、迎水面纵向位移、背水面水平位移、背水面纵向位移、坝体结构应力、坝体渗流流量等6个数据中任何一列，在每天、每周、每月、每年等计量周期下的全部数据[12]。②计算每个统计步长下的当前数据与上一计量周期数据的差值，数据上一计量数据计算比值，再次得到一个位于[0,1]区间上的双精度浮点型变量，作为计量差值。③将线性投影数据与差值数据相乘，对乘积结果再进行一次线性投影计算，将结果数据重新整理到[0,1]区间上。每列数据的分析经过作为预警依据背景数据。④将上述迎水面水平位移、迎水面纵向位移、背水面水平位移、背水面纵向位移、坝体结构应力、坝体渗流流量等6个数据赋予权重值，将上述3步计算结果按照权重累加，最终得到的序列数据再次进行一次线性投影计算，得到整体预警结果。上述4步处理的算法逻辑见图3。

图3 坝体位移数据预警算法逻辑架构图

图3中，6项单项预警结果和最终预警结果，均为经过线性投影治理后位于[0,1]区间上的双精度浮点型变量[13]。且预警之前经过了包含实时值的线性序列数据和包含变量值的差值序列数据的乘积计算，预警结果包含了数据实时量和数据变化量的整体信息，所以预警数据仅需要经过分段处理即可实现相应预警功能。参考其他相关研究给出的拦河坝位移预警方案，当预警值位于[0.00,0.15]区间时处于无预警状态；当其位于(0.15，0.25]时处于一般预警状态；在(0.25,1.00]区间时处于紧急预警状态。当发现预警信息时，可以查看三维模型比较算法得到的1 600个测点的数据分布图，精确获得位移相关定位信息，从而指定抢修维护措施[14]。

3 大坝变形监测模型的实际运行效果分析

3.1 坝体渗流沉降问题的数据表现

仿真环境中，根据研究个案设定一处重力型拦河土石坝，坝体长度为1 600 m，坝体高度16.5 m，坝顶宽度12.5 m，坝底宽度42.7 m，最大设计蓄水深度13.5 m，常规蓄水深度7～9 m。坝体用途为灌溉性小流域山间拦河坝。使用Matlab大数据分析工具加载Simulink控件运行BIM系统仿真程序，利用BIM仿真程序中的CAD、CAE控件运行该模型驱动的仿真程序，使用sBlood控件对坝体物理运行引擎进行仿真，且在sBlood控件中运行摄像头仿真程序。仿真实验中在坝体830 m处人为设置一处小规模渗流异常，观察系统给出的预警信息，最终仿真预警结果见图4。

图4中，展示该预警信息中迎水侧纵向位移和坝体渗流量2项发出预警的数据表现情况，其他4项表现因为没有发出数据预警，此处不进行全面展示。分析上述数据表现特征，共得到以下规律：①该算法对坝体纵向位移的数据敏感性高于坝体应力数据敏感性，从逻辑角度分析，当出现较大幅度坝体纵向位移且有显著的坝体渗流流量时，坝体内结构应力应有显著表现，但该研究中并未给出显著的数据预警。②该算法设计目标是在坝体出现结构性位移问题时，系统可以给出较为精确的预警结果，所以综合分析下，该运行表现可以基本满足设计需求。③数据并未表现出完整且合理的工程学逻辑，根本原因是如前文图3中对原始数据进行了较为深入的数据挖掘，导致数据间线性逻辑被打破，但该预警中对实际故障位置的判断精度较高，可不考虑数据的工程学逻辑，仅在数据层面探讨数据的实际表现。

图4 坝体渗流沉降问题的数据表现图

使用上述分析方法，对该坝体人为设置300次渗流、沉降、裂隙、盗挖等需进行及时工程干预的坝体结构损伤事件，统计该模型驱动的预警软件给出预警的位置精度、预警时间周期等具体表现，参照数据来自本公司当前使用的专用坝体结构安全实时预警软件，预警原理为埋置在坝体中的岩层离层仪、应力计探头综合数据分析，其测试方法同样为在仿真环境下运行。比较结果见表1。

表1 该模型驱动软件的预警实际效果统计表

表1中，当前系统相比较之前系统，预警范围缩小38.19%，中心点偏移量缩小31.19%，预警周期基本保证在1个测量周期内。其中，预警范围指发出数据预警时预警数据中异常数据的影响范围，按照数据涉及的坝体长度计算；中心点偏移量指预警影响范围中数据峰值点与预设坝体结构问题发生点之间的水平投影距离；预警周期指预设问题发生到系统给出数据预警的时间间隔。

3.2 坝体微小变形的监测效率

除对上述坝体渗流引起坝体结构失稳的预警外，对坝体常规受力状态下发生的微小位移也应有检测结果。根据以往监测记录，该位移量每年在数毫米到十余毫米之间，根据上述预警机制，该过程不会触发预警机制，但系统应在监测记录过程中给出监测记录。在上述仿真环境中，不设置失稳性渗流沉降问题，将监测时间窗口扩展到1～5年，观察系统的观测精度，见表2。

表2 该模型驱动软件对坝体微小变形的监测效果统计表

表2中，监测精度指系统监测记录中的坝体测线点位与仿真原始模型中实际测量出的测线点位之间的差距，时序数据标准差指将测量时序数据计算标准差，观察数据的连续性。实际数据中，当前系统较之前系统，其监测精度提升42.75%，时序数据标差提升53.44%。上述数据表明，该模型驱动的监测软件相比较使用岩土离层仪和应力计监测系统给出的坝体微小位移数据，精度更高，数据连续性更为显著。

4 总 结

基于BIM系统，使用坝体附近固定点位高清摄像头给出的倾斜摄影数据构建水利工程坝体变形监测系统，相比较早期通过在坝体中埋设离层仪和应力计的监测方式，监测精度更高、数据连续性更显著、对渗流沉降等较严重坝体结构稳定性问题的预警更为准确。该研究采用了间隔1h的数据采样周期，未来研究中可以进一步缩短采样周期，从而获得更精细的数据分析结果。该研究主要在仿真环境中对该模型驱动的BIM应用软件进行测试，后续研究中也会进行实地测试，以获得更为直观的研究数据。