基于智能检测控制的公路路基系统设计与研究

李任琼

（云南省公路科学技术研究院，云南 昆明 650000）

随着公路交通的快速发展，路基状态受到关注。路基细微处损毁靠人工很难发现。智能化技术和神经网络可有效检测路基缺陷点[1]。在国外的研究中，美国研究人员运用探地雷达对铁路路基损毁进行检测[2]，找到了路基异常区。学者Dowding 利用时域反射同轴电缆对佛罗里达州损坏的公路路基进行检测[3]。希腊研究人员Vssilios Pagounisd 利用三维激光扫描法对道路进行检测[4]，获取路基空间信息。加拿大学者利用三维激光扫描对塌方区变形情况进行分析[5]。长安大学樊振采用ABAQUS 软件对路基沉降因素进行分析[6]，得出砂质黏土路基的变化规律。兰州交通大学学者利用激光扫描和嵌入式方法对路基表面进行检测[7]。西南交通大学邱恩喜借助传感器及数据分析工具，构建了路基沉降检测系统[8]。综上，国内外学者都对路基检测展开了研究，该文基于传感器技术，对神经网络模型进行训练，对路基的各种故障进行高效地分类处理。

1 公路路基系统智能检测功能

1.1 总体架构设计

对于公路路基系统的搭建主要基于三个部分，分别是传感器信息采集、数据处理与显示以及异常数据检测。首先，通过数据采集指令利用应变传感器、沉降传感器以及温湿度传感器对公路路基的相关实时数据信息进行采集，通过总线将数据传递到ARM 处理器中，处理器负责传感数据的传输和控制，围绕该处理器设计必要的外围电路，其主要功能是用CPU 将传感采集节点采集到的初始路基数据进行简单数值转换处理，之后将数据存储在电路板中的SD 卡中，以供LCD 显示屏进行数据展示，也可将数据信息通过以太网发送到数据监控的神经网络模型中，采用概率神经网络算法对其进行解析处理并完成备份，一旦发现路基的数据异常值或者故障就进行报警处理，并且同时发出提示警告，实现对公路路基的智能检测控制。公路路基智能检测系统的框架图如图1所示。

图1 公路路基智能检测系统的框架图

1.2 公路路基传感器信息采集

对于公路路基信息的采集主要是依靠各类传感器来完成，涉及沉降传感器、应变传感器以及温湿度传感器。该文采用电感式位移传感器，基于其内部的差动变压器实现功能[9]，并配备相应的AD 采集电路、通信接口和机械结构，完成对公路路基沉降现象的检测。其沉降传感器电路原理框图如图2 所示。传感器采纳RS485 总线与数据终端进行数据交流，采用芯片STM32 作为控制器，AD 采集电路实现数模转换，线性可变差接变压器（LVDT）和驱动电路组成传感器。

图2 沉降传感器电路原理框图

该文采用的应变传感器是以扩散硅作为传感元器件，工作原理：力敏元件收到外力变化，内部的电容值也相应地产生变化[10]，将应变传感器接入到激振电路中，根据电容值的变化将其转换成相应的电信号，通过电路中滤波器和功率放大器对信号进行处理。将应变传感器分别放置于路基内和土里，完成准备步骤。其应变传感器检测电路原理框图如图3所示。

图3 应变传感器电路原理框图

对于温湿度数据的采集，采用基于频域反射法的温湿度传感器来实现[11]。对采集到的数据通过RS485 总线传送到控制器。该控制器可挂载多个传感器。为了应对不同土质的湿度，可设置多种量程并通过串口轮询机制对数据进行读取[12]，温湿度传感器的工作流程图如图4 所示。

图4 温湿度传感器工作流程图

2 路基数据处理功能的实现

2.1 功能软件设计

该文将沉降、温湿度、压力传感器采集到的数据上传到后台数据平台上，该平台对这些涉及路基内部静态数据的信息进行管理、分析和展示，从而实现传感数据的存储与查询功能，并依靠数据形成的图像，显示数据变化的曲线图。该文基于微软公司Visual Studio 2019 版本的开发环境，通过CLI 的方式进行编程，由于Visual Studio 集成了编辑、编译和调试等诸多功能，所以对该路基数据分析与展示功能具有很好的操作性，并且该文采用面向对象的编程方法及C#语言以增加代码的重用性和可读性。

采用TCP/IP协议，利用Socket套接字完成通信方式的建立与传输[13]。首先，在服务器端建立Socket()函数进行监听，利用Bind()函数和Listen()函数对已获得IP 地址和端口号的Socket()函数进行绑定与监听。其次，客户端采用connect()函数，客户端发出连接请求至服务器端。当服务器端接收到连接请求后，调用accept()函数进行请求申请，服务器端对连接进行判断。如果有客户端进行连接，则建立起通道，对传输的数据信息进行读写操作。当传输完成之后，客户端利用close()函数发出关闭连接通道的请求，服务器端通过read()函数接收请求后，断开连接，恢复监听等待。TCP 服务器端与客户端工作流程图如图5 所示。

图5 TCP 服务器端与客户端工作流程图

2.2 功能及界面的实现

根据软件设计方案和权限管理机制，设计公路路基智能检测系统的用户注册和登录功能。新用户在输入网址后，进入到用户登录界面，如果之前未注册过，需要先进行注册，注册之后方可登录系统。如果用户忘记密码，输入三次错误密码之后，系统会进行用户锁定，只有通过管理员进行解锁、重置密码，方能重新登录系统。用户登录界面如图6 所示。权限管理界面如图7 所示。

图6 用户登录界面

图7 权限管理界面

进入系统后，根据管理员分配给不同用户的操作权限进行使用。系统将采集到的公路路基数据存储到数据库中，使用人员对数据库中的内容进行分析和管理，以便调取数据，归纳路基状态的变化规律。沉降传感器数据的记录图如图8 所示。

图8 沉降传感器数据的记录图

将采集到的沉降传感器数据实时展现出来，显示某一时段的各组数据。设置某一范围内的数据预警阈值，当有路基采集到的传感数据超过限值时，系统发出预警，操作人员根据该信息进行记录。同时，根据系统的历史查询功能，对系统数据库存储的数据进行调用查看，指定序号、查询数据的起止日期、时间与查询数据的类型。数据库管理查询图如图9所示。

图9 数据库管理查询图

3 公路路基监测的网络功能

3.1 概率神经网络

在公路路基的智能检测中，除了获取路基的异常数据之外，还要将超过阈值的数据放入到神经网络之中，对其进行模型训练[15]，完成对路基故障的分类处理，寻找适当的解决方案。概率神经网络（PNN）算法较简单，具有收敛速度快、抗干扰强特点[16]。概率神经网络的网络结构图如图10 所示。

图10 概率神经网络的网络结构图

神经网络输入层获取训练样本集合，将样本X输入到网络中，其中，Xij表示第i类的第j个样本。神经网络中的模式层用于计算输入层的数据与训练集中各个模式的关系[14]，模式层单元的输出用第i类的第j个样本的概率密度函数fij来表示，具体如式（1）所示：

其中，i=1,2,…,Xi表示i类样本的数量，同时也是i类隐层神经元的数目；x表示样本的种类数量；P代表样本空间的维度；σ表示模式层的平滑因子，范围是（0,∞）。累加层的作用是将概率神经网络中的样本进行加和并取平均值，每个模式对应一个累加层单元，与该模式层的神经单元进行连接，可以得到该类模式下的概率估计值fi(x)，如式（2）所示：

其中，Ni表示i类样本的数量，同时也是i类隐层神经元的数目。

输出层根据阈值辨别器的识别结果，输出将后验概率密度最大的神经网络单元。概率密度函数最大的输出层神经元输出为1，其余输出层神经元的输出为0。输出层单元的数值为1 表示该样本属于该输出层的模式类别，否则就表示不属于该模式类别。假设存在两种故障模式，分别为φA、φB，对应的概率密度函数为fA和fB，由于无法直接计算出概率密度，采取核密度估计的方法，得出故障模式A 的概率密度函数如式（3）所示：

借助概率神经网络分析公路路基的数据，识别出路基受损的原因。将采集到的沉降、应变、温度、湿度数据组成的四维向量转换为二维向量，完成数据的归一化处理。归一化计算如式（4）所示：

对部分采集到的传感器数据进行归一化处理，处理前数据如表1所示，处理后数据如表2所示。将应变和沉降因素作为对路基损坏影响较为重要的特征指标。

表1 归一化处理前数据

表2 归一化处理后数据

3.2 基于神经网络的路基检测

利用上述收集的传感器数据进行分类，将其分成路基正常模式以及5 种故障模式。故障类型1 表示路基崩塌碎落，故障类型2 表示路基产生裂缝，故障类型3 表示坡面损坏，故障类型4 表示路基遭遇水流毁坏，故障类型5 表示路基发生不规则的沉降现象。根据4 种传感器数据类型形成一个四维向量x=[x1,x2,x3,x4]，对于每种路基状态模式可选取30 份数据作为样本空间的数据，共计180 份。为了构建并测试四维向量数据的神经网络模型，选取前20 组数据作为训练集合，后10 组用来进行测试。依据概率神经网络的分析，确认输入层的数据为120 份，分成正常状态和故障状态共6 种情形。概率神经网络模型的模式层神经元为120 个，累加层的神经单元为6个。该文在Matlab 中采用newpnn 函数创建网络模型。该函数的表达式如式（5）所示：

故障的识别准确率与参数Spread 相关，且Spread参数较小时，准确率一般较高，所以可设置Spread 为1，同时样本数量为120 个。在训练模型之后，采用测试集对其模型进行实验。路基损坏类型的测试结果如表3 所示，根据公路路基的故障类型，也推荐出对应的修补维护方案，模型训练的时间为0.142 43 s，对60 组样本数据进行分析测试，正确组数量为59 个，该概率神经网络模型的准确率可达98.4%左右。

表3 路基损坏类型的测试结果

4 结论

该文首先阐述了国内外对于公路路基检测的研究现状。其次，分析了关于传感器路基检测数据采集的相关技术，分析表明，通过传感器技术可以有效地提升公路路基检测的智能化效果。然后，设计了公路路基检测中的信息采集功能和检测展示功能，并借助Visual Studio 开发平台进行实现。对路基故障模式的分类处理，则采用概率神经网络结构，完成损坏类型的判定。依据Matlab 的实验结果，证明了算法的有效性和正确性。在未来的研究中，会增加训练样本的数量与维度，后续还会关注探地雷达等采集手段，对公路路基的缺陷实行更加细致的检测，在检测系统中集成更多的智能化模块，为公路路基检测的发展提供更多的智能化解决方案。