面向运营隧道结构健康监测系统大数据压缩感知研究

doi:10.3973/j.issn.2096-4498.2021.04.019

隧道建设（中英文） ›› 2021, Vol. 41 ›› Issue (4): 674-683.DOI: 10.3973/j.issn.2096-4498.2021.04.019

面向运营隧道结构健康监测系统大数据压缩感知研究

吴贤国¹，邓婷婷¹，陈彬^{1， *}，曾铁梅²，陈虹宇³，张凯南¹

（1. 华中科技大学土木与水利工程学院，湖北武汉 430074； 2. 武汉地铁集团有限公司，湖北武汉 430030；3. 新加坡南洋理工大学土木工程与环境学院，新加坡 639798）

出版日期:2021-04-20 发布日期:2021-04-30
作者简介:吴贤国(1964—)，女，湖北武汉人，2006年毕业于华中科技大学，结构工程专业，博士，教授，主要从事地铁工程施工及管理研究工作。E-mail: wxg0220@126.com。*通信作者：陈彬， E-mail: chen_c6411@hust.edu.cn。
基金资助:
国家重点研发项目（2016YFC0800208）；国家自然科学基金项目（71571078, 51778262, 51708241）

Research on Compressed Sensing of Big Data for Structural Health Monitoring System of Operating Tunnel

WU Xianguo¹， DENG Tingting¹， CHEN Bin^{1， *}， ZENG Tiemei²， CHEN Hongyu³， ZHANG Kainan¹

(1. School of Civil and Hydraulic Engineering, Huazhong University of Science and Technology, Wuhan 430074, Hubei, China; 2. Wuhan Metro Group Co., Ltd., Wuhan 430030, Hubei, China; 3. School of Civil Engineering and Environment, Nanyang Technological University, Singapore City 639798, Singapore)

Online:2021-04-20 Published:2021-04-30

摘要/Abstract

摘要： 为解决运营隧道健康监测系统中多节点传感器网络下高频采样带来的大数据储存和传输问题，在运营隧道结构健康监测系统数据采集和传输层引入传感器网络框架表示模型，对传统的压缩采样数据重构算法进行改进，用迭代方法求解最小化范数问题，提出基于传感器网络的压缩感知重构算法，并通过工程实例对提出的方法进行了验证。结果表明： 1）在一定采样率条件下，基于传感器网络的压缩感知重构算法可以有效地增加数据恢复的效率，加速度信号采样率越大其重构精度越高； 2）相同采样率条件下，基于传感器网络的压缩感知重构算法得到的重构数据精度要高于传统单节点压缩感知重构算法； 3）压缩采样率为60%以上时，信号重构误差不超过20%，符合工程应用标准； 4）基于传感器网络的压缩感知重构算法具有局限性，传感器节点个数存在耦合上限，当传感器节点超过6个时，重构信号的精度无明显变化。

关键词: 运营隧道, 结构健康监测, 大数据, 压缩感知

Abstract: The big data storage and transmission brought by highfrequency sampling under multinode sensor networks in operating tunnel health monitoring systems are of great significance. Hence, the framework representation model of a sensor network is introduced to the data acquisition and transmission layer of operating tunnel structural health monitoring system, the traditional compressed sampling data reconstruction algorithm is improved, the minimum norm problem is solved by an iterative method, and the compressed sensing algorithm based on sensor network is proposed. The proposed method is verified by an engineering example. The results show the following. (1) Under the condition of a certain sampling rate, the compression reconstruction algorithm based on the sensor network can effectively increase the efficiency of data recovery, and the higher the sampling rate of the acceleration signal, the higher the reconstruction accuracy. (2) Under the condition of the same sampling rate, the accuracy of the reconstructed data obtained from the compression reconstruction algorithm based on the sensor network is higher than that of the traditional single nodecompression perception reconstruction algorithm. (3) When the compressionsampling rate is above 60%, the signal reconstruction error is less than 20%, which conforms to the engineering application standard. (4) The reconstruction algorithm based on sensor networks has limitations: there is an upper coupling limit for the number of sensor nodes, and when the number of sensor nodes exceeds 6, the precision of reconstructed signals does not significantly change.

Key words: operating tunnel, structural health monitoring, big data, compression sensing

中图分类号:

U 456.3

吴贤国, 邓婷婷, 陈彬, 曾铁梅, 陈虹宇, 张凯南. 面向运营隧道结构健康监测系统大数据压缩感知研究[J]. 隧道建设, 2021, 41(4): 674-683.

WU Xianguo, DENG Tingting, CHEN Bin, ZENG Tiemei, CHEN Hongyu, ZHANG Kainan. Research on Compressed Sensing of Big Data for Structural Health Monitoring System of Operating Tunnel[J]. Tunnel Construction, 2021, 41(4): 674-683.

[1]	陈定超, 于洋, 梁燕翔, 赵祥岍, 王襄禹, 韩雨珩, 卢建飞, 陈成, 朱思宇, 潘雨欣. 基于大数据背景下的城市智能地下物流系统设计[J]. 隧道建设, 2021, 41(S1): 308-.
[2]	洪开荣, 冯欢欢. Development and Thinking of Tunnels and Underground Engineering in China in Recent 2 Years (From 2019 to 2020)(近2年我国隧道及地下工程发展与思考（2019—2020年）)[J]. 隧道建设, 2021, 41(8): 1259-.
[3]	王永东, 叶铭, 郑卓琦, 晏帅, 漆楚繁. 基于病害关联性的运营隧道衬砌技术状况评价研究[J]. 隧道建设, 2021, 41(4): 684-691.
[4]	孙振川, 钱彤途, 任颖莹, 褚长海, 周振建. 隧道掘进机工程大数据管理平台关键技术及应用研究[J]. 隧道建设, 2020, 40(6): 783-792.
[5]	后钱峰, 陈颖辉, 欧明喜, 曾艳铭, 邹梦超. 运营隧道注浆堵漏效果的GRA 模糊综合评价[J]. 隧道建设, 2020, 40(5): 755-761.
[6]	鲁斌, 蒋涛, 王树刚, 刘石磊, 尹龙, 翟康博. 隧道运营期内部空气温度的预测分析[J]. 隧道建设, 2020, 40(4): 597-602.
[7]	孙振川，李凤远，褚长海. 基于大数据的盾构掘进与地质关联关系分析方法[J]. 隧道建设, 2020, 40(2): 162-169.
[8]	苏立勇, 周轶, 张志伟, 路清泉. BIM技术在轨道交通工程中的应用构想与实践——以北京轨道交通19号线一期工程为例 [J]. 隧道建设, 2020, 40(10): 1399-1407.
[9]	汤继新, 谢长岭, 方宝民, 贾立翔,张文轩. 光纤感测技术在轨道交通运营线路中的应用[J]. 隧道建设, 2019, 39(S2): 398-405.
[10]	易新乾. 盾构／工程机械再制造推进中14个问题探讨[J]. 隧道建设, 2018, 38(7): 1079-1086.
[11]	朱琳，王凯，王柏松，译；G. Lunardi, A. Belfiore, A. Selleri, R. Trapasso, 著. 保持交通运营扩宽Montedomini隧道： Nazzano工法的演化[J]. 隧道建设, 2018, 38(3): 461-467.
[12]	刘江涛，闫治国，朱合华，田野. 基于多尺度方法的道路隧道温度场特征研究[J]. 隧道建设, 2018, 38(2): 240-248.
[13]	钱七虎. 隧道工程建设地质预报及信息化技术的主要进展及发展方向[J]. 隧道建设, 2017, 37(3): 251-263.
[14]	潘红桂，王志杰，李波，许才仗，邱月，高飞. 高寒地区集包线某运营铁路隧道渗漏水及冻害整治技术[J]. 隧道建设, 2014, 34(7): 696-702.
[15]	刘胜东, 孟国基. 某铁路运营隧道溶洞强化治理设计及施工[J]. 隧道建设, 2011, 31(2): 228-234.

面向运营隧道结构健康监测系统大数据压缩感知研究

Research on Compressed Sensing of Big Data for Structural Health Monitoring System of Operating Tunnel

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价