2. 中国民航机场建设集团公司, 北京 100621
2. China Airport Construction Group Corporation, Beijing 100621, China
在大型机场建设过程中,机场场面必须能够长久承受飞机起飞降落的强载荷,这要求施工后的场面均匀稳定,有良好的密实性[1]。场面密实性体现在压实度上,压实度是衡量机场场面施工质量的重要指标,用场面压实后干密度与标准最大干密度的比值来表示。对大型机场场面而言,若压实程度不足,则场面较软,强度和刚度无法达到施工要求;若过度碾压,不仅浪费大量的时间和人力,也增加了场面材料的疲劳度,使压实度降低[2]。因此对压实度的检测与分析是场面碾压工程中的必要环节。
传统的压实度检测法有环刀法、灌砂法、核子密度法等,这些方法存在各自的局限性。如对施工完成后的场面进行钻心取样,属于破坏性局部检测,会导致欠压实部分漏检的情况,同时钻心采样损坏了场面结构,给采样点周围带来安全隐患。此外,机场场面土壤成分与标准密室度试验土成分存在差异,给压实度检测带来一定的偏差[3-5]。
随着现代检测技术的发展,智能化的压实度检测法逐步普及。新型测试方法大多使用了GPS定位和加速度传感器,将压实位置与压实质量相结合,实时地监控场面施工情况,即利用GPS定位技术,通过分析压路机碾压路线与碾压次数,确定碾压过程中压实不足的区域。而利用加速度传感器可以将压实度转换成对地击振力的加速度,实现了对压实度的间接检测[6]。国外的智能压实技术发展较早,而国内的技术发展尚处于不成熟阶段,限制了智能技术在工程中的实际应用[7-8]。目前国内对GPS定位法的分析相对较多,而基于加速度传感器的碾压压实度信号分析方法研究及应用尚存在不足。
基于加速度传感器的压实度分析方法是不损坏机场场面的全局压实度测量法,它通过加速度传感器采集的加速度数据间接反映了机场场面的压实质量,但是加速度数据中大量的噪声干扰加大了数据分析与处理的难度。因此,对复杂加速度信号的有效分析方法是本文的研究重点。
本文针对大型机场的场面冲碾施工问题,给出了基于加速度传感器的压实度分析方法,解决了复杂场面土壤条件下加速度传感器电压信号的处理问题,可实现对大型施工场面压实质量的自动化监测。
1 工程需求分析冲击碾压施工是机场地基处理的3种工法之一。在冲击碾压施工过程中,压路机带动十几吨重的不规则碾压轮,在行驶过程中对机场场面进行规律性的冲击碾压,实现对机场场面的有效压实。机场场面施工所使用的冲击压路机如图 1所示。冲击压路机的碾压轮是三边弧形结构,每转动一周能对机场场面产生3次冲击。
Download:
|
|
碾压轮的对地碾压加速度可以表征碾压轮对地击振力的大小。施工过程中通过在碾压轮轴上安装加速度传感器,可以测得反映碾压轮对地加速度大小的电压信号。
平均碾压加速度是压路机碾压轮冲碾地面时的垂直对地加速度,它的大小可以表征碾压轮的对地击振力,同时对地击振力又能体现场面压实度。若路基土壤欠压实,松软的土质对碾压轮起了较大的缓冲作用,减小了碾压轮冲碾场面时的对地击振力,平均碾压加速度也偏小;若路基土壤压实度达标,坚实的场面与碾压轮之间缓冲小,在冲碾瞬间会产生很大的对地击振力,平均碾压加速度也增大。当平均碾压加速度增大到一定的程度时,可以避免过度碾压带来的施工资源浪费。
机场场面压实度与冲击压路机平均碾压速度有关,场面压实度随着冲击压路机碾压速度的增大呈现先增大后减小的趋势[9]。如果碾压速度过小,对机场场面土壤的冲碾间隔疏松,压实效果较差;碾压速度过大,场面土壤受到高频冲碾,会增加场面疲劳度,使压实度降低[10]。
为了实现对机场场面压实度的软测量,本文选择了施工过程中每一遍冲击碾压的平均碾压加速度和平均碾压速度作为反映压实度大小的间接变量。基于加速度信号的压实度分析流程由图 2所示。施工开始后,碾压轮轴上安装的加速度传感器所采得的信号是连续脉冲信号。碾压加速度信号经过传感器的处理,由非电信号转换为电压信号。然后电压信号经过调理电路的放大,转换为适合于模数转换器的输入。接下来模数转换器(ADC)将调理后的模拟信号转换为适合于计算机处理的离散数字信号。
Download:
|
|
从加速度信号到离散数字信号的转变实际上由加速度传感器完成,而本文研究的重点是如何从离散电压信号数据中测出平均碾压加速度与平均碾压速度。计算机接收的电压信号是含有复杂噪声干扰的连续脉冲信号,只有脉冲峰值才能体现碾压轮对机场场面冲碾瞬间的碾压加速度,相邻脉冲峰值的间隔也表征压路机碾压速度的快慢。因此,研究对加速度电压信号的数据分析与处理算法,重点在于实现对复杂连续脉冲信号的峰值提取,以及正确计算平均碾压加速度和平均碾压速度2个参数。
2 数据分析与处理在实际施工工程中,由于被压实的土壤结构复杂,土壤中分布着气体、水分以及不规则的碎石粒,即使压路机碾压轮每次冲碾地面的时间非常短,也会给加速度带来复杂的波动[11]。此外压路机和传感器在工作过程中的振动和干扰也使得实际采得的加速度电压波形非常复杂。现场采集的加速度传感器数据波形如图 3所示。本段中使用的数据是2014年于承德机场采集得出。施工的冲击压路机碾压速度V为6~10 km/h,碾压轮半径R为1 m,碾压轮轴上安装的加速度传感器采样频率Fs为1 000 Hz。
Download:
|
|
图 3(a)为未经处理的原始数据,连续脉冲发生的部分为有效时间段(施工时间段),剩余的相对平稳部分为无效时间段(未进行施工的时间段)。图 3(b)提取了有效时间段,可以看出脉冲峰值波动总体不大,但存在着个别异常峰值。图 3(c)将脉冲部分的细节放大,可以看出噪声干扰的普遍存在性。
数据分析处理模块主要分为3个部分:1)正确提取加速度信号中所有脉冲的峰值点;2)剔除碾压加速度中由于土壤成分不均匀等原因造成的异常加速度峰值并计算平均碾压加速度;3)根据加速度脉冲之间的时间间隔,结合冲击压路机参数和传感器的采样周期,计算压路机的平均碾压速度。
2.1 加速度信号的峰值检测对于存在复杂干扰的碾压加速度的连续脉冲波形,若直接进行峰值搜索,会导致大量的噪声峰值,而无法提取出正确的加速度峰值。使用线性滤波方法可以起到降噪作用,然而滤波处理后的波形仍然非常复杂,难以达到较为理想的效果。例如用极大值包络法处理原始的碾压加速度数据,连续2次取极大值包络线后波形趋向平滑,但对峰值的搜索依旧存在较大的干扰。而第3次对波形取极大值包络线则出现个别脉冲峰值丢失、大量脉冲峰值移位的情况。
本文采取的峰值检测法是非线性的局部极大值搜索。其工作原理如图 4所示。首先设定阈值Xsh,将小于Xsh的数据置零[12-14]。对经过阈值处理后的碾压加速度数据作局部峰值搜索,每次搜索长度为ΔN。当ΔN范围内的最大值不为零时,默认该最大值为碾压脉冲的峰值并记录,同时默认该范围内不再包括其他的碾压脉冲并将该段数据置零。对剩余数据进行峰值搜索,直到结束为止。最终得到碾压加速度脉冲峰值和峰值对应位置。
Download:
|
|
阈值Xsh的设定应满足加速度信号的自适应要求,以便灵活地分析不同的数据。本文中按照式(1)所示的方法计算阈值Xsh:
$ {X_{{\rm{sh}}}} = \frac{k}{n}\left| {\sum\limits_{i = 1}^n {{x_i}} } \right| $ | (1) |
式中:n为加速度数据的总长度,xi为第i个加速度,k为大于1的系数。文中k为1.8时求得的阈值效果最好。
阈值主要的作用是过滤无效时间段内的噪声,从而减小搜索局部极大值的计算量,但是它无法屏蔽有效时间段内的大幅值噪声。滤除有效时间段内幅值较大的无效极值,必须选取合适的置零长度ΔN,在ΔN范围内采用置零方式实现。相邻的加速度脉冲间隔L的大小与冲击压路机的碾压速度V有关。从图 4中可以看出,ΔN的取值区间为(L,2L)。L可由式(2)计算得到:
$ L = \frac{{2{\rm{ \mathsf{ π} }}R{F_s}}}{{3V}} $ | (2) |
式中:R为碾压轮半径,Fs为加速度传感器采样频率,V为冲击压路机的碾压速度。
加速度峰值检测算法流程图如图 5所示。
Download:
|
|
针对图 3所示的数据,采用图 5所示的方法实现了加速度峰值检测的算法。检测结果如图 6所示,在有效时间段内的脉冲峰值几乎全部被找出。
Download:
|
|
经过2.1节论述的加速度峰值搜索后,得到了加速度的峰值序列。加速度峰值的波动大致保持在一定范围内,但存在着个别异常值。它们是由土壤成分分布不均匀引起的。土质较软时,对碾压轮的撞击起到了缓冲作用,冲碾的对地击振力较小,加速度的数值也较小;土质较硬时,碾压轮撞击地面时缓冲很小,会产生很大的对地击振力,加速度的数值较大。
机场场面的压实度是由平均碾压加速度来表征的,异常加速度峰值的存在会给计算结果带来误差,影响对机场场面压实度的判断。为了减小异常数值的影响,图 7给出了计算平均碾压加速度的流程。
Download:
|
|
图 7中的峰值拟合利用的最小二乘法,它可以得到最“接近”峰值的拟合曲线p(t)。若不考虑异常加速度峰值,则加速度峰值是低阶慢变的,故本文对峰值曲线做二阶最小二乘拟合。
假设拟合的线性方程用Hβ=y表示,要求出最小二乘拟合曲线p(t)=β0+β1t+β2t2的系数向量β=[β0 β1 β2]T,使残差的平方和||y-Hβ||22的值达到最小,根据最小二乘理论,系数向量可以表示为
β=(HTH)-1HTy
式中:
$ \mathit{\boldsymbol{H = }}\left[{\begin{array}{*{20}{c}} 1&{{t_1}}&{t_1^2}\\ 1&{{t_2}}&{t_2^2}\\ \vdots&\vdots&\vdots \\ 1&{{t_m}}&{t_m^2} \end{array}} \right], \mathit{\boldsymbol{\beta = }}\left[\begin{array}{l} {\beta _0}\\ {\beta _1}\\ {\beta _2} \end{array} \right], \mathit{\boldsymbol{y = }}\left[{\begin{array}{*{20}{c}} {{\rm{pea}}{{\rm{k}}_1}}\\ {{\rm{pea}}{{\rm{k}}_2}}\\ \vdots \\ {{\rm{pea}}{{\rm{k}}_m}} \end{array}} \right] $ |
式中:peak为加速度峰值,t为加速度峰值对应的时间。
求出加速度峰值拟合曲线后,可以利用阈值剔除峰值数组中的异常值。其中阈值X计算公式为
$ X = \frac{k}{m}\sum\limits_{i = 1}^m {{\rm{peak}}\left( i \right)} $ |
式中m为全部加速度峰值的个数。本文上阈值XH系数k取1.8,下阈XL值系数k取0.4时,剔除异常值的效果最好。
针对图 6的加速度峰值序列,加速度峰值异常值剔除结果如图 8所示。图 8(b)中给出了最小二乘拟合曲线和剔除异常值后补偿的峰值,并给出了平均碾压加速度的计算结果。
Download:
|
|
要计算碾压速度,需要计算每两次冲碾之间冲击压路机行驶的距离和时间。图 9给出了计算平均碾压速度va的流程,其中用相邻脉冲之间的采样点数l来反映时间间隔。
Download:
|
|
式(3)给出了瞬时碾压速度v的计算方法:
$ v = \frac{{3\;600}}{{1\;000}} \cdot \frac{{2{\rm{ \mathsf{ π} }}R{F_s}}}{{3l}} $ | (3) |
考虑到峰值检测中可能存在峰值漏检,会使漏检处脉冲间隔l增大,瞬时碾压速度变小,导致平均碾压速度的计算结果小于实际的平均碾压速度。为了避免上述情况,本文对瞬时速度做二阶最小二乘拟合,并计算平均碾压速度va。其中最小二乘拟合方法与2.2节一致,不再赘述。
图 10给出了利用图 8数据的计算结果。图 10(a)中85 s处,由于脉冲峰值过小,出现峰值漏检。图 10(b)中的虚线是冲击压路机每次碾压机场场面的瞬时碾压速度,可以看出瞬时碾压速度分布在8 km/h左右,在峰值遗漏处出现了异常值。利用最小二乘法有效地消除了异常值的影响后,计算出的平均碾压速度为8.17 km/h。
Download:
|
|
依据第2节论述的压实度分析方法,结合机场施工实际需求,开发了压实度分析软件,并采用现场实测数据进行了验证,软件登录界面如图 11所示。
Download:
|
|
软件主界面与验证结果如图 12所示。图中的平均碾压加速度与平均碾压速度测试结果与第2节一致。经实测数据验证,本文所提出的面向机场场面施工的压实度分析方法不仅准确获取了平均碾压加速度和平均碾压速度,为机场场面压实度的判定提供可靠依据,而且具备自适应性强、计算速度快的特点,为压实度测试软件的开发提供了算法基础。
Download:
|
|
本文主要讨论了面向机场施工路面压实度分析方法,并得到了以下结论:1)给出的压实度分析方法能对机场场面进行无损检测,在不破坏场面结构的情况下为压实度的判别提供有效依据;2)根据工程需求,将冲击压路机平均碾压加速度与平均碾压速度作为场面压实度的重要影响因素;3)重点论述了数据分析与处理的算法,通过局部极大值检测、阈值筛选、最小二乘拟合等方法对原始加速度数据的峰值提取,进而计算出平均碾压加速度与平均碾压速度,其中采用的非线性局部极大值搜索直接在时域处理信号,无需进行频域滤波,提高了数据处理速度;4)根据本文方法开发了机场场面施工过程中压实度分析软件,并通过实际数据检验,达到预期的分析目标。
本文提出的平均碾压加速度和平均碾压速度的计算方法利用了最小二乘技术,可以有效地降低异常数值的影响。上述方法可以广泛应用于复杂脉冲波的峰值提取,例如高压电晕信号、心电信号等。本文给出的方法仍有进一步优化的空间。在有大量施工数据情况下,可以利用神经网络、深度学习等方法训练出平均碾压加速度-平均碾压速度-压实度的关系模型。
[1] | 史保华, 司剑峰, 朱小力, 等. 冲击压实技术在机场工程软基处理中的应用研究[J]. 中国公路学报, 2001, 14(3): 33-38. (0) |
[2] | 吴梁. 路基土压实度检测技术研究[D]. 重庆: 重庆交通大学, 2008. http://cdmd.cnki.com.cn/Article/CDMD-10618-2008071326.htm (0) |
[3] | IMRAN S A, BARMAN M, NAZARI M, et al. Continuous monitoring of subgrade stiffness during compaction[J]. Transportation research procedia, 2016, 17: 617-625. DOI:10.1016/j.trpro.2016.11.116 (0) |
[4] | 李志勇, 梁乃兴, 梅迎军. 风积沙路基压实度检测方法研究[J]. 重庆交通学院学报, 2005, 24(1): 73-76. (0) |
[5] | 张任仲, 应巩邦, 胥祥伟, 等. 机场场道工程红土砾料填料压实度检测方法的应用研究[J]. 路基工程, 2016(2): 134-137. (0) |
[6] | 丁伟峰, 曹源文. 基于GPS技术的压实度实时检测系统[J]. 厦门理工学院学报, 2014, 22(3): 76-81. (0) |
[7] | 张月魁, 袁海文, 蔡树向, 等. 振动压路机压实度检测系统设计[J]. 测控技术, 2014, 33(4): 46-49, 53. (0) |
[8] | 周漾. 国外压实设备智能压实技术分析与探讨[J]. 建筑机械, 2011(4): 73-77, 81. (0) |
[9] | 沈红霞. 冲击压路机碾压速度对粉质亚粘土压实质量的影响[J]. 交通建设与管理, 2015(3): 10-11, 14. (0) |
[10] | 唐建亚, 夏得亮, 刘运兰. 水泥稳定碎石基层压实度影响因素的试验研究[J]. 公路工程, 2013, 38(6): 237-240, 244. (0) |
[11] | DING Jihui, LIANG Jinguo, WANG Wei. Dynamic characteristics analysis on wind-blown sand ground under dynamic compaction vibration[J]. World journal of engineering and technology, 2014, 2(3): 171-178. DOI:10.4236/wjet.2014.23018 (0) |
[12] | 任勇, 魏彪, 冯鹏, 等. 随机脉冲序列的ns级时间检测及峰值检测[J]. 强激光与粒子束, 2009, 21(7): 1101-1105. (0) |
[13] | 冯晓. 高压输电线路的电晕放电研究[J]. 电脑知识与技术, 2016, 12(31): 216-217. (0) |
[14] | 曹鸯婷, 陈俊丽. 改进型阈值提取心电信号的R峰值[J]. 电子测量技术, 2015, 38(12): 107-110. DOI:10.3969/j.issn.1002-7300.2015.12.025 (0) |