安全隐患下水利施工论文提纲

论文题目：心墙堆石坝坝面碾压智能监控方法与应用研究

摘要：水利工程建设攸关经济发展与社会民生。自“十三五”水利改革及发展规划制定以来,水利工程建设规模和投资规模逐年扩大,并取得了显著的经济效益和社会效益。心墙堆石坝以其经济性、安全性等显著优点成为首选坝型。随着人工智能、物联网、大数据等先进技术的快速发展,智能建设时代随之到来。心墙堆石坝碾压施工在经历过人工化、机械化、自动化阶段后,正逐渐由数字化阶段向智能化阶段推进。然而,心墙堆石坝数字化碾压在智能建设时代面临着坝面碾压施工信息感知不全面、感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。因此,迫切需要总结已有工程的研究成果和经验,全面开展心墙堆石坝坝面碾压智能监控方法研究,集中攻关亟待解决的关键技术,提升心墙堆石坝坝面碾压施工管理与控制水平。本文就上述问题展开了深入的研究分析,取得了如下的主要成果:（1）提出了心墙堆石坝坝面碾压智能监控基本概念,丰富和发展数字大坝理论。在经历了人工化、机械化、自动化和数字化四个建设阶段后,心墙堆石坝施工管理与控制理论已发展至数字大坝理论,并以此为基础先后出现施工信息模型、智慧大坝、智能监控和大坝智能建设等基本理念。这些理念从碾压施工的感知、分析、控制及监控系统研发等方面为心墙堆石坝碾压施工提供了科学的指导。然而,以这些理念为基础的心墙堆石坝坝面碾压施工还面临着坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性、坝面碾压施工质量分析缺乏深度、坝面碾压施工过程决策与控制智能化水平低等诸多挑战。针对上述问题,首先,详细回顾了心墙堆石坝坝面碾压施工管理的发展历程,深入剖析了数字大坝、施工信息模型、智慧大坝、智能监控和大坝智能建设的基本概念和内涵,并融合“物联网+”、“人工智能+”等多种智能技术理念,紧扣心墙堆石坝坝面碾压施工的工程特点,提出心墙堆石坝坝面碾压智能监控基本概念,同时阐述了心墙堆石坝坝面碾压智能监控的基本特征和主要研究内容;其次,梳理心墙堆石坝坝面碾压施工智能感知、智能分析、智能控制等各环节的技术方法;最后,建立了心墙堆石坝坝面碾压智能监控数学模型,描述了心墙堆石坝坝面碾压智能监控的目标集、信息集、方法集和约束集,提出了心墙堆石坝坝面碾压智能监控的研究框架。（2）针对目前心墙堆石坝坝面碾压施工信息感知不全面且感知技术与方法缺乏先进性的问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成方法,实现了坝面碾压施工信息的智能感知与集成。目前心墙堆石坝坝面碾压施工尚未建立完善的坝面碾压施工信息感知体系,无法全面透彻感知坝面碾压施工信息,如缺乏对碾轮振动信号噪声的处理与碾轮振动特性参数的感知,缺乏对多类型障碍物的识别,以及缺乏对大坝地形地貌信息的感知与重构等;同时,在坝面碾压施工信息集成方面存在未集成多源异构坝面碾压施工信息、未进行不平衡数据处理等问题。针对上述问题,提出了心墙堆石坝坝面碾压施工信息智能感知与集成的方法。首先,分析了坝面碾压施工信息智能感知与集成的内容与技术,建立了集感知、传送、集成于一体的坝面碾压施工信息智能感知与集成框架;其次,采用加速度传感器感知碾轮的振动信号,并在小波降噪的基础上采用快速傅里叶变换提取碾轮振动特性参数,为坝面碾压施工质量评价提供数据基础与技术支持;再者,提出基于空洞卷积核的Faster-RCNN（Regions with Convolutional Neural Network）模型,在机载工业相机获取的图像信息基础上识别仓面中多类型障碍物,为实现坝面碾压施工安全控制提供理论基础;再者,采用基于无人机倾斜摄影的三维建模技术实现大坝地形地貌信息的感知与重构,为心墙堆石坝坝面碾压施工智能监控系统三维场景的搭建提供技术支持;进而,设计多源异构坝面碾压施工信息集成框架,实现碾压参数、料源参数、碾轮振动特性参数和试坑试验数据的集成,为施工信息分析提供数据基础;最后,提出基于K-Means的下抽样方法,能够在保持子概念个数不变的同时剔除局部密集数据,实现了对不平衡数据的处理,以保证数据分析的可靠性。（3）针对目前心墙堆石坝坝面碾压施工质量分析深度不够的问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法,实现了坝面碾压施工质量的智能分析。目前心墙堆石坝坝面碾压施工质量分析存在如下问题:首先,未能综合考虑碾压参数、料源参数及碾轮振动特性参数对压实质量的影响;其次,目前常采用的多元线性回归、反向传播神经网络和支持向量回归等算法建立的压实质量评价模型在精度、鲁棒性和泛化能力等方面均有待进一步提升;最后,上述模型均未能够实时地对坝面碾压施工质量进行智能评价,且缺乏坝面碾压施工质量评价模型的更新研究。针对上述问题,提出了心墙堆石坝坝面碾压施工质量智能分析方法。首先,以心墙堆石坝坝面碾压施工信息智能感知数据为基础,综合考虑碾压参数、料源参数、碾轮振动特性参数对坝面碾压施工质量的影响,建立坝面碾压施工质量综合评价数学模型;其次,考虑到模糊逻辑虽然具有较强的鲁棒性、但是模型精度受限于规则库建立的问题,同时支持向量回归虽然具有较强的泛化能力、但是无法逼近L~2（R）中的函数从而无法保证拟合精度的问题,从模糊逻辑规则库建立以及支持向量回归在L~2（R）函数逼近等方面考虑,结合混沌理论、自适应理论、量子行为等多种智能成分,分别提出基于组合核和智能细菌觅食的模糊逻辑以及基于智能细菌觅食的自定义核支持向量回归两种算法,并在此两种算法基础上建立高精度、高泛化能力和高鲁棒性的压实质量评价模型;通过与常用模型的对比分析,选出精度、泛化能力和鲁棒性最优的模型,并将其嵌入至碾压施工智能监控系统中,从而实现压实质量的智能评价;最后,提出了基于增强概率神经网络和可变窗口技术的概念漂移检测算法,实现了对坝面碾压施工流数据中概念漂移现象的检测,并以出现概念漂移为条件实现了压实质量模型的更新,解决了当前碾压施工质量评价模型何时更新、如何更新的问题。（4）针对目前心墙堆石坝坝面碾压施工过程决策与控制智能化水平低的问题,提出了心墙堆石坝坝面碾压施工智能控制方法,实现坝面碾压施工事前、事中和事后的智能控制。心墙堆石坝坝面碾压施工控制可以分为事前、事中和事后控制。目前,事前控制主要通过碾压试验确定碾压参数的方法实现,但是这种方式未考虑坝面碾压施工质量、施工进度和施工成本的综合影响;事中控制主要依托车载平板系统对超速、不达标碾压遍数和错误振动状态等进行实时报警,但是忽略了对坝面碾压施工质量的评价,缺乏对仓面施工路径规划、仓面内多类型障碍物的目标识别,未能够有效的控制坝面碾压施工质量和安全;事后控制主要通过试坑试验抽检实现,但这种方式存在离散性大,时效性差等缺点。针对上述问题,提出了心墙堆石坝坝面碾压施工过程智能控制方法。首先,建立了心墙堆石坝坝面碾压施工智能控制框架,阐述事前、事中和事后各环节控制的内容与对应的控制方法;其次,提出多目标智能细菌觅食算法,求解以碾压参数为决策变量、以进度和成本为多目标、以碾压质量为主要约束的优化模型;最后,提出了基于AR（Augmented Reality）实景导引的坝面碾压施工智能控制方法,对坝面碾压施工路径规划、压实质量智能评价、障碍物目标识别等虚拟信息与摄像头获取的真实施工场景进行虚实融合,实现了对坝面碾压施工质量不合格、坝面碾压施工安全隐患等问题形象、直观的实时报警,并同时规划了补碾方案,进而实现事中与事后的智能控制。（5）基于心墙堆石坝智能感知、智能分析与智能控制等,研发了心墙堆石坝坝面碾压施工智能监控系统。目前心墙堆石坝数字化碾压施工质量实时监控系统实现了碾压参数的全天候、精细化实时监控。但是该系统以二维界面实现信息的可视化,存在展示直观性差、交互友好性差等不足;同时,该系统基于C/S构架（Client/Server）开发,主要在Windows系统中运行,跨平台使用难度大;而且C/S架构中客户端承载大量逻辑处理功能,因此该系统还存在数据易泄露的安全隐患。针对上述问题,结合坝面碾压施工信息智能感知、坝面碾压施工质量智能分析及坝面碾压施工过程的智能控制等方面的研究成果研发了心墙堆石坝坝面碾压施工三维智能监控系统。该系统采用B/S架构（Browser/Server）替换C/S架构,解决了数字化碾压施工质量实时监控系统跨平台使用难度大的问题,并且B/S架构将逻辑处理功能集成在服务端中,解决了数据易泄露的问题;同时,该系统采用面向对象技术、基于Unity3D（U3D）的虚拟现实技术（Virtual reality,VR）等,在增强现实技术（Augmented reality,AR）与基于无人机倾斜摄影搭建的三维虚实结合场景中,实现坝面碾压施工信息的集成、坝面碾压施工信息的智能分析及坝面碾压施工过程的智能控制等功能,解决了数字化碾压施工质量实时监控系统展示直观性差、交互友好性差等问题。

关键词：心墙堆石坝;坝面碾压施工;碾压施工信息智能感知;碾压施工质量智能分析;碾压施工智能控制;碾压施工三维智能监控系统

学科专业：水工结构工程

摘要

abstract

第1章 绪论

1.1 研究背景及意义

1.2 国内外研究现状

1.2.1 坝面碾压施工信息感知研究现状

1.2.2 坝面碾压施工信息分析研究现状

1.2.3 坝面碾压施工反馈控制研究现状

1.2.4 坝面碾压施工监控系统研究现状

1.3 已有研究的局限性

1.4 研究内容与论文框架

1.4.1 主要研究内容

1.4.2 论文框架

第2章 心墙堆石坝坝面碾压智能监控基本概念与数学模型

2.1 心墙堆石坝坝面碾压智能监控基本概念提出

2.1.1 心墙堆石坝坝面碾压智能监控提出背景

2.1.2 心墙堆石坝坝面碾压智能监控基本概念

2.1.3 心墙堆石坝坝面碾压智能监控主要研究内容

2.2 心墙堆石坝坝面碾压智能监控方法概述

2.2.1 坝面碾压施工信息智能感知与集成方法概述

2.2.2 坝面碾压施工信息智能分析方法概述

2.2.3 坝面碾压施工过程智能控制方法概述

2.3 心墙堆石坝坝面碾压智能监控数学模型

2.3.1 目标函数

2.3.2 信息集

2.3.3 方法集

2.3.4 约束集

2.4 本章小结

第3章 心墙堆石坝坝面碾压施工信息智能感知与集成研究

3.1 心墙堆石坝坝面碾压施工信息智能感知与集成体系

3.1.1 坝面碾压施工信息智能感知与集成内容

3.1.2 坝面碾压施工信息智能感知与集成技术

3.1.3 坝面碾压施工信息智能感知与集成框架

3.2 基于加速度传感器的振动特性参数感知

3.2.1 碾轮振动过程概述

3.2.2 振动信号小波降噪处理

3.2.3 振动信号的快速傅里叶分析

3.3 基于空洞卷积核的FASTER-RCNN目标识别

3.3.1 卷积神经网络

3.3.2 基于空洞卷积核的Faster-RCNN

3.4 基于无人机倾斜摄影的三维建模技术

3.4.1 基于无人机倾斜摄影的三维建模原理

3.4.2 基于无人机倾斜摄影的三维建模流程

3.5 坝面碾压施工信息集成

3.5.1 多源异构坝面碾压施工信息集成框架

3.5.2 基于K-Means下抽样技术处理不平衡数据

3.6 工程案例分析

3.6.1 碾轮振动信号感知

3.6.2 坝面碾压施工过程中多类型障碍物识别

3.6.3 基于无人机倾斜摄影的三维模型建立

3.6.4 坝面碾压施工信息集成

3.7 本章小结

第4章 心墙堆石坝坝面碾压施工质量智能分析研究

4.1 坝面碾压施工质量智能分析数学模型

4.2 坝面碾压施工质量智能评价模型

4.2.1 基于CK-SBFA-FL的坝面碾压施工质量智能评价模型

4.2.2 基于SBFA-CKSVR的坝面碾压施工质量智能评价模型

4.2.3 模型性能评价方法

4.3 坝面碾压施工质量评价模型更新研究

4.3.1 EPNN算法与VWT技术

4.3.2 基于EPNN与 VWT的概念漂移检测方法

4.3.3 模型更新方法

4.4 工程案例分析

4.4.1 坝面碾压施工质量智能评价模型案例研究

4.4.2 模型更新案例研究

4.5 本章小结

第5章 心墙堆石坝坝面碾压施工智能控制方法研究

5.1 心墙堆石坝坝面碾压施工智能控制体系

5.1.1 坝面碾压施工智能控制目标

5.1.2 坝面碾压施工智能控制环节

5.1.3 坝面碾压施工智能控制方法

5.1.4 坝面碾压施工智能控制框架

5.2 碾压参数智能优化控制方法

5.2.1 碾压参数多目标优化模型

5.2.2 多目标智能细菌觅食算法SMOBFA

5.2.3 SMOBFA算法实现与验证

5.3 基于AR实景导引的坝面碾压施工智能控制方法

5.3.1 基于AR实景导引的技术构架

5.3.2 基于牛耕法的坝面碾压施工路径规划方法

5.3.3 基于AR实景导引的事中控制方法

5.3.4 基于AR实景导引的事后控制方法

5.4 工程案例分析

5.4.1 碾压参数智能优化控制分析

5.4.2 基于AR实景导引的坝面碾压施工智能控制分析

5.5 本章小结

第6章 心墙堆石坝坝面碾压施工三维智能监控系统

6.1 心墙堆石坝坝面碾压施工三维智能监控系统建设

6.1.1 系统结构

6.1.2 系统建设技术

6.2 心墙堆石坝坝面碾压施工三维智能监控系统功能实现

6.2.1 坝面碾压施工信息感知与集成模块

6.2.2 坝面碾压施工信息智能分析模块

6.2.3 坝面碾压施工过程智能控制模块

6.3 本章小结

第7章 结论与展望

7.1 结论

7.2 展望

参考文献

致谢