BIM 技术在大坝观测方面的应用

黄佳一

（福建水口发电集团有限公司,福建 福州）

引言

水利工程大坝会受到周围环境和自然因素的影响，出现坝身的形变情况，从而对下游区域及周围群众的生命财产造成威胁[1]。因此，有必要构建一种监控模式来监测坝体的形变程度。针对目前存在的坝体形变监测方法的问题，本项目计划利用BIM 技术建立坝体形变监测模型，以解决当前方法存在的问题[2]。通过本项目的研究，提高了观测资料的可信度，保证了预测结果与实际形变情况的一致性，为我国水利水电建设的安全稳定运行提供了有力的技术支持。

1 基于BIM 水利工程大坝形变监测模型构建方法

1.1 BIM 技术建立大坝三维模型设置机敏网

BIM 技术能够根据参数特征自动生成水利工程大坝的三维模型，并且能通过其可视化特点观测大坝形变位置，实现具有高精度辨识范围的坝体形变监测模型[3]。BIM 技术可以将大坝分解成多个独立的三维模型，并且能够体现出模型横截面、中心线、水平高程等关键数据。BIM 技术支持的参数特征如表1 所示[4]。

表1 BIM 技术支持的参数特征

若将“是”表示为1，将“否”表示为0，可根据表1中所列参数建立一张具有透视功能的Excel 表，并将其保存为CSV 和txt 格式[5]。在启动BIM 软件后，创建一个水坝结构样本项目，并将表1 中的数据加载到该项目中。确认后，BIM 技术将按照其算法自动生成水坝结构族[6]。

在此基础上，通过对参数进行修正，可以对其他部分进行建模，从而构建出一套完整且连贯的水库坝体三维建模系统[7]。然后，可以利用机敏网对水坝进行全面覆盖，实现对水坝的全方位监控。机敏网由密集的单根神经构成，横纵交错形成机敏监测网格，布设位置在混凝土结构表面。机敏网中单根神经的交叉点为神经元节点，能够传播、输送神经感应信号，并将搜集到的数据传输到主控电脑，进而实现对覆盖区域的全方位实时监测[8]。通过以上所述的机敏网，对所构建的水坝进行了覆盖，以保证水坝的监控区域。

1.2 预处理大坝形变数据设置模型监测条件

设置机敏网的数据可能会受监测方法、监测设备、监测人员等因素的影响出现偏差。通常情况下堤坝发生位移的时间变化非常小，与这些偏差的数值非常接近。为了解决这个问题，必须对机敏网进行预处理，以排除原始数据和系统误差（以下称为奇异值 λ）。设定机敏网的初始形变监测数据为x，可以得到形变监测数据序列 x1,x2, …,xi，其中i 代表形变监控信息的数量。计算形变特征的数学表达式如公式（1）：

式（1）中：ki代表i 个被变换的信号对应的特征值，其中i 的取值范围为1 到n-1 和n，且n 为非零的自然数。下式计算了变化特征的平均值和均方差：

设定判断λ 是否为奇异值的阈值为3。当λ 大于3 时，λ 为奇异值，需要剔除；当λ 小于3 时，λ 不是奇异值，需要保留。需要注意的是剔除奇异值后会出现数据空点，可能会导致连续监测信号序列断开。因此需要使用线性内插法补充数据空点，计算公式如公式（4）：

式（4）中：z 表示待补充数据空点的监测值；zi表示补充数据空点之前的监测值；zi+1表示补充数据空点之后的监测值；ti和ti+1表示数据空点监测值的补充时间，与zi和zi+1对应。使用线性内插法补充数据空点后，可以通过设置形变阈值来调整监测模型的监测条件。该阈值的设定表达式如式（5)：

式（5）中：μ 表示设计的监测阈值；γ 表示监测信号降噪系数；s 表示补插后的形变信号。当大坝基准平稳数值低于阈值μ，监测模型会自动弹出大坝可能会发生形变的位置界面。

1.3 非概率法拟定水利工程大坝形变监测指标

为进一步提升水利工程大坝形变监测精度，文章提出使用非概率法拟定水利工程大坝形变监测指标，提升监测模型精度。设定f 代表大坝所承受的总负载；p 代表基于非概率法的监测指标。水利工程大坝的形变过程和转异特点主要包括弹性工作阶段、屈服形变阶段和破坏阶段。其中弹性工作阶段代表大坝正处于发生形变的边缘；屈服形变阶段代表大坝所承受的负载已经超过形变基准值；破坏阶段代表大坝已经开始发生崩塌。根据上述监测指标，可以计算大坝的形变量如公式（6）：

式中：p(t)表示水利工程大坝的时效形变量；pc表示温度作用下的形变量；ph表示水位高度作用下的形变量；pt表示在一定时间内的大坝形变量。非概率确定的形变监测指标，可利用非概率可靠指标“正常－异常－失效”作为评判大坝形变的基本值。利用d1,d2,d3表示大坝形变的三个阶段，其中当大坝形变处于初始异常期时，则指标：

2 仿真实验

2.1 实验环境构建

实验以某水利水电项目的坝体为研究对象。该大坝为混凝土面板堆石坝，坝顶长度500.5 m，宽10 m，最大坝高126 m。大坝上游面坡度为1:1.4。研究区概况如图1 所示。

图1 研究区概况

使用模拟试验软件，对上述试验目标进行了模拟试验，并设定了环境温度、气候条件和压力值等参数。同时，还考虑了地形环境和水位高度等参数。为了获取周围影响参数，实验构建了一个周边环境监测网络，并设定A1～A9 共计9 个影响参数监控节点。基于这些节点，通过两种方式建立了监测模型，以监测上述试验对象的形变程度。通过对坝体形变情况的分析，得到了形变情况下的形变曲线，如图2 所示。

图2 预设大坝形变程度

基于图2，该模型被用于实时监控坝体的位移，并将其与预设形变程度进行比较，从而得出相应的差值。

2.2 实验结果分析

实验采取对比分析法，将文章提出的监测模型设定为实验A 组，将传统监测模型设定为B 组。A、B 两组的形变监测结果如图3 所示。

图3 实验测试结果

从图3 可以看出，根据本研究提供方法所建立的预测模型，得出了A 组的坝体形变的监控曲线，与试验预设的形变程度曲线具有极高的相似性。结果表明，该方法的监测误差仅为0.064 9。而采用常规方式建立的预测模型，得出的B 组测试结果显示，监控误差达到了0.732 2，与设定的形变曲线偏离较大。通过以上试验研究，可以得出结论：本项目所研究的监测模型能够更好地监控坝体的形变水平。

结束语

综上所述，文章基于BIM 技术设计了一种水利工程大坝形变监测模型，该监测模型能够通过设置机敏网对所构建的水坝进行覆盖监控，判断水利工程大坝的形变量及危险程度。仿真实验结果证明：文章设计的监测模型监测误差为0.064 9，传统监测方法的监控误差为0.732 2，所以本项目所研究的监测模型能够更好地监控坝体的形变水平，能够更好地保障大坝的正常运转。