基于大数据的路基变形监测系统的温度补偿研究与应用

一、引言

自国家十一五规划以来, 我国的高速铁路行业进入了大力推广, 全面设计, 快速建设时期。中铁各勘察设计院, 本着“安全第一”, 全力打造精品工程的理念, 大胆尝试了多种自动监测代替人工监测的设计。路基变形自动监测系统设备准确度高、不受外界环境影响, 监测频次可调, 对建设期高铁及运营期高铁路基安全提供了重要的数据信息。

路基变形自动监测系统通常采用液体差压测量变形原理, 核心感应器件为硅压阻式差压传感器。通常硅压阻式差压传感器的芯片精度为1%FS, 经过标定后可达1‰FS, 甚至更高。目前路基变形监测系统存在的最严重的问题是受温度影响。在野外, 当日的温度变化及随着季节的温度变化, 都会直接影响整套系统的监测结果。监测数据随温度变化, 就无法真正识别出路基是否发生了变形, 更无从谈起辅助施工决策。将设备深埋或加保温装置, 从安装方式上控制温度快速变化、不均匀变化, 可以解决大部分的温度影响, 但没有从根本上解决温度问题。基于上万个传感器, 数年积累的数据, 对路基变形监测系统的温度补偿进行研究, 从芯片标定的温度补偿、系统传导介质的温度补偿、安装后现场实时的温度补偿等方面, 从技术上、源头根本解决温度对监测数据的影响。只有保证了监测数据的准确性、可靠性、实时性, 才能更好的反映路基变形的真实情况, 辅助施工单位决策, 从而预防灾害的发生。随着大数据技术的发展, 完全可以做到事前的预测、事中的补偿、事后的分析, 保证数据准确度的前提下, 服务好用户, 保卫工程安全。

二、硅压阻式差压传感器的温度补偿

早在上世纪中叶就有人开始进行硅压力传感器温漂问题的研究, 并取得了很大的进步, 提出了很多不同的补偿方法, 可将其划分为硬件补偿和软件补偿两大类。[1]

1. 硬件补偿

通常测量硅压阻式差压传感器应用微机电系统技术, 将四个利用了惠斯顿电桥的相关结构连接起来的压敏电阻组合而成的。如果传感器没有受到压力的作用, 惠斯顿电桥中的四个电阻值都相同。可是一旦有外力作用到电桥上时, 两个相向的电阻值就会变大, 而剩下的两个电阻值就会相应的变小, 而变大和变小的电阻值是一样的。硬件补偿一般是增加温度校正电路, 当温度变化使传感器的电压增大时, 温度校正电路的等效电阻随之增大, 使恒源输出电流减小, 从而使传感器的输出电压减小, 恢复原值;当温度变化使传感器的输出电压减小时, 温度较正电路的等效电阻随之减小, 使恒流源的输出电流增大, 从而使传感的输出电压增大, 恢复原值。但由于电子元器件存在个体差异, 精度各不相同, 要想达到较为理想的温度补偿, 还需借助软件方法, 针对整个压力传感器产品逐一进行温度补偿。

2. 软件补偿

软件补偿可以分为参数化方法和非参数化方法两种[4]。参数化方法, 一般是通过解析式求得。分段线性差值法 (也称为查表法) 和多元回归分析法, 与非参数化方法相比数据融合能力有限、补偿精度较低。非参数化方法, 常用的是人工神经网络, 该方法数据融合的能力很强, 补偿效果显著。人工神经网络是一种非线性、大规模、自适应的动力系统, 它是由大量的处理单元组成的, 具有强大的非线性映射能力和环境适应能力。利用人工神经网网络所具有的强大的非线性映射能力, 来实现多因素过程中的干扰因素的排除, 以达到主要因素的无干扰输出。但当输入变量维数过高, 网络模型过于复杂时, 往往导致网络训练精度下降, 建模效果变差。对于批量使用的硅压阻差压传感器来说, 结合其数据手册, 使用最小二乘法, 利用经验公式, 来做软件补偿, 效果同样较为理想。

3. 基于大数据的传感器温度补偿经验公式

采用预先给定的常温下的数据, 推导温度变化时传感器经温度补偿的输入输出关系——也就是某个温度下进行温度补偿后的传感器的输出。[5]在温度恒定的实验室, 通过压力标准器和高低温试验箱, 给出标准的压力源与恒定的温度值, 读取压力传感器的输出源码。

由图明显可知, 压力传感器的输出电压与温度和压力有明显的二元二次线性关系。本文通过上万个压力传感器标定数据, 运用最小二乘法, 可得出经验公式为:

可见在 (2-4) kpa, 时温度影响较小, 故尽量选取此处量程作为工程使用最佳。针对每支传感器进行标定, 找出属于自己的标定系数, 能更好的提高其精度。

三、压力传导介质的温度补偿

1. 传导介质的工作原理

路基变形监测系统多为液体连通, 源于帕斯卡原理。国内外液体连通的监测系统一般分为气路和液路, 压力传感器的P0口与气路相连, 压力传感器的P1口与液路相连, 气路与液路最终汇至于储液罐中。在理想状态下, 气路中气体压力处处相同, 假定为P0, 则P1为P0与液体高度产生的压力之和, 即静压力方程公式为:P1=P0+ρgh。由于气路、液路最终汇集到储液罐, 故P0在计算中可以直接差掉。

路基变形监测系统, 监测敏感元件为硅压阻式差压传感器, 在现场使用中将多个压力传感器通过气路、液路连通起来。放置到高铁路基监测区域外的固定处叫做基准点, 放置于高铁路基监测区域内指定待测位置的叫做测量点。基准点和测量点感知自身到液面的高度值,

即, 假定压力传感器感知到的值绝对精准, 则很明显值直接与液体的密度和当地的重力加速度相关。当地的重力加速度可以很轻松的查到, 故液体密度直接影响最终的测量结果。通常液体密度随温度变化较为明显。

2. 传导介质的密度拟合

通常路基变形监测系统的传导介质选用透明、稍有甜味和具有吸湿性的粘稠液体, 即乙二醇和水的混合液, 考虑到与金属有接触, 通常液体中会增加一些抗腐蚀的添加剂, 为了便于观察还会添加一些颜色。考虑到各季节的通用性, 液体的冰点一般在-40℃左右。液体密度的大小直接影响测量高度, 故一般选用密度随温度变化较小的液体。

测量液体的密度方法较多, 如倒出法、空杯法、浮力法、压强法等。但多为在常温下测量, 为取得精准的密度值, 可能会考虑到去计量相关部门, 但通常也只是常温的单个密度测量, 没有多个温度测量的相应测量规范及试验条件。第三方测量机构, 大多采用进口设备, 按测量的温度点收费, 故也不可能每个温度都测量密度。一般是选取最高温、最低温, 然后中间均匀的选取若干个温度点, 如每10℃选取一个测量温度点。通过测试数据, 采用最小二乘法拟合出密度公式。以下为某液体的密度测量结果:

采用一元一次线性回归方法得出, 其密度拟合公式为:ρ=0.984626153846154-0.000849362637362637*t, 标准误差为0.000932867492327697。由于传感器片上带有温度传感器, 很方便通过测得温度值, 计算出传感器周围液体的密度值。

3. 传导介质的温度补偿效果及分析

在理想状态下, 整套路基变形监测系统温度相同, 压力传导液体密度处处相等时,

依据可知, △。

但由于施工不够规范, 实际安装中并不能保证基准点与测量点同温, 故传导液体的密度也并非处处相同。据经验可知, 基准点和测量点温度差超过3℃, 1小时温度变化超过5℃时, 会出现非常明显的温度与累计变形值强相关。以某新建高速铁路, 2016年11月3日至2017年3月3日路基变形监测数据为例。压力传感器的测量准确度为±0.5mm, 如图5所示, 数据波动与温度波动一致, 已经超出测量精度。

当基准点与测量点温度差距较大时, 运用△效果较好。ρ值结合现场施工情况, 采用加权平均选取更具说服力。

四、安装后整套系统的温度补偿

路基变形自动监测系统施工条件各异, 新建线尤其复杂。为保证系统的量程, 会将基准点和测量点尽量安装在同一高程内, 误差不超过0.1米。一般高填方路堤, 基准点大多在路基坡脚外侧水沟内侧的平台上, 而测量点就会深埋于6、7米的路基内, 这样就造成了整套系统的温度极度不均匀。况且随着季节的变化, 基准点反应迅速, 测量点被高填土方覆盖, 基本没有什么变化。

既有线上的路基变形监测系统, 通常会增加保温隔热装置, 延缓温度的传导。但太阳直射面与背阴面温度差距仍然很大。况且保温隔热装置并不能消除温度不均匀的现象。温度快速变化时, 整套系统随温度变化非常明显。用户需要知道真实的监测数据, 通常会有专人来负责数据分析, 判读异常数据, 消除掉温度带来的影响。随着路基变形监测系统的普遍应用, 为了进一步提高测量精度, 运用大数据分析的思想, 结合物联网平台的建设, 对已有的数据进行深度挖掘, 自动识别异常数据, 运用分类和回归建立预测模型, 优化系统, 从而精准预警。

五、总结

随着大数据及物联网、人工智能的快速发展, 路基变形监测系统, 自动化替代人工监测已经成为发展趋势。精度高、实时性强、受外界环境因素影响小, 是自动化监测系统的绝对优势。消除路基变形自动监测系统的温度影响, 直接提高整套系统的测量精度。压力传感器的温度补偿从源头上消除温度的影响, 确实非常重要, 也是大部分学者深入研究的项目。本文基于大数据的分析, 运用回归算法, 找出最佳经验公式, 将1%的精度提高到1‰, 但是仍要全局考虑, 在真实使用情况下, 传导介质, 整套系统再做温度补偿, 从而达到最优的补偿效果。

【相关链接】

"大数据"技术在土木工程中的应用方兴未艾, 在桥梁监测和养护等领域已有了长足的进步, 而在铁路路基工程中尚未有太多应用。铁路路基工程设计中产生的数据具有大量化、多样性、价值密度低、专业性强及数据挖掘困难等特点, 是典型的"大数据"。面对铁路路基专业的"大数据", 目前的技术还无法有效挖掘其价值, 造成了资源的浪费。文章对铁路路基工程"大数据"的特点进行了分析, 提出了"大数据"在铁路路基投标、预可研阶段以及路基自动化监测中的应用方案和技术, 并开发了相应的软件, 大幅提高了工作效率, 提升了设计成果的准确性, 实现了对数据的有效挖掘。文章还对"大数据"技术在路基工程设计其他方面的应用进行了探讨, 伴随着理论、技术和实践工作的不断发展, "大数据"技术将会为铁路路基工程设计提供新维度的支撑。

摘要：近年来国内高铁大面积建设, 路基变形监测系统得到了广泛应用, 系统精度及可靠性、实时性成为了工程人员关注的焦点。目前温度是影响路基变形监测系统精度的主要因素。随季节的温度变化及当日内温度变化都直接影响了整套系统的监测结果。本文针对路基变形监测系统中温度对压力传感器的精度的影响, 采用最小二乘方法, 结合大量传感器的标定原始数据, 用经验公式, 做好传感器出厂前单一器件的温度补偿, 从源头上补偿温度的影响;对传导介质进行密度修正, 系统安装完成后就地进行温度补偿, 从而彻底消除温度对系统精度的影响, 更好的服务于实际应用。

关键词：路基变形监测系统,温度补偿,最小二乘

参考文献

[1] 马占银, 高精度MEMS硅压力变送器温度漂移影响与补偿研究[D].广东:华南理工大学, 2015.

[2] 刘玉芝, 杜彦良, 孙宝臣, 梁建昌, 基于液力测量的高速铁路无砟轨道路基沉降变形监测方法[J], 北京交通大学学报, 2013, 37 (1) :80-89.

[3] Freescale Seminconductor Pressure MPX12, Rev11, 07/2009.

[4] 孙艳梅, 压阻式压力传感器温度补偿方法研究[D], 黑龙江, 齐齐哈尔大学, 2012.

[5] 张艳锋, 严家明, 基于最小二乘法的压力传感器温度补偿算法[J], 计算机测量与控制, 2007, 15 (12) :1870-1874.