基于人工智能和数字孪生技术的码头全周期健康监测应用研究

◎ 崔国谨 天津市北洋水运水利勘察设计研究院有限公司

1.引言

随着我国经济技术的快速发展，近年来《中共中央国务院关于开展质量提升行动的指导意见》（中发〔2017〕24号）明确要求，要确保重大工程建设质量，建设百年工程。交通运输部启动“平安百年品质工程”，以材料、设计、工艺工法、装备、监测、养管以及信息技术为研究方向，大力提升水运基础设施使用寿命和耐久性，推动我国基础设施耐久性安全性整体提高。老旧码头在运营阶段长期受海洋的严酷环境作用，受船舶非正常撞击、超负荷作业、材料老化、环境侵蚀以及地基条件等因素的影响，导致码头发生较大变形，桩基及上部结构受力可能会超过设计允许范围，影响无法正常使用，极端情况下可能会引起灾难性的突发事故。老旧码头的健康监测作为港口全寿命周期管理的重要切口。

2.码头全周期健康监测现状

目前国内外在水利大坝工程、路基边坡工程、市政基坑工程等方面自动监测技术已经有所应用，但港口水工工程由于风浪等恶劣的自然环境等复杂不利因素，码头的全寿命周期健康监测应用研究方面还属于起步阶段。当前在国家大力发展海洋经济的关键时刻，水运作为综合交通运输体系的重要组成部分，是经济社会发展的重要基础性产业，也是较早上升为国家战略的先行行业。沿海各地智慧港口建设方兴未艾，大力提升设施设备和码头作业的智能化水平，安全、绿色发展成为了新的发展方向，港口码头作业领域智能化建设改造已经陆续得到应用，开展码头全周期健康监测系统开发作为智慧港口、安全港口建设必不可少的重要环节成为了当前发展的趋势，同时也具有时不我待的紧迫感。目前码头全周期监测已经历三个阶段，由最初的人工采集监测数据阶段过渡到数字化自动采集监测数据再到对监测数据具有预警和评估的智能化监测阶段。而采用布设传感器的方式虽然可以实现数字化的自动监测，但是也面临着数据采集质量不高及数据分析不准的难题。因此，提高采集的监测数据质量并将数据进行有效的分析评估及时预警是实现码头全周期健康监测的至关重要的环节。

3.全周期健康监测技术路线研究

码头全周期健康监测是为了及时了解码头结构的安全状态，快速掌握突发状况的监测手段。建立码头结构的长期健康监测系统和基于长期监测系统的码头结构安全状态评估系统及灾变预警系统，是保障码头生产安全，延长码头使用寿命，建立绿色智能化建设的重要切口[1]。系统通过监测码头主要受力构件的应力（应变）、变形、结构倾斜、岸坡淤积状态、结构振动特性、船舶撞击力及混凝土结构耐久性等性能指标，判定结构的安全状态，可有效提高码头的运行安全性，可为泊位的能力提升及码头设施维护管理提供科学数据，对促进码头结构长期性能健康监测技术的发展及码头结构设计理论的提高具有重要意义。近年来，随着BIM技术的快速发展，监测系统可接入基于BIM技术的运维平台，实现监测采集点位的可视化。将以光纤光栅应变传感器、光纤光栅温度传感器、光纤光栅静力水准传感器、光纤光栅解调仪等为主要的传感器自动采集数据以感知层信息的形式接入到BIM模型中，在BIM模型平台中便可以调取相应监测参数的监测数据进行实时查看[2]。由此便可完成第二阶段数字化自动采集阶段。为解决码头结构安全评估及预警系统问题，引入人工智能和数字孪生技术对监测所得大量数据进行深度学习并进行快速准确计算，通过不断改变边界条件更新有限元孪生模型，根据监测数据实时的调取出码头所处安全状态，实现码头安全状态评估。再将数值计算结果和预警结果信息接入到BIM平台中，进而可从平台中实现实测和分析数据呈现功能，可及时高效发出预测和预警信息。将码头全周期健康监测技术路线研究汇总为图1。

图1 码头全周期健康监测技术路线研究图

4.人工智能和孪生技术在健康监测中的应用

本文基于人工智能理论提出了一种基于优化的反向传播神经网络预测方法。通过调整网络参数、初始化方式以及激活函数等方式得出最优网络。拟实现以下三种功能：①信息集成，将项目的重要数据信息进行集成管理，包括监控、传感器数据联动等功能；②云图展示，将人工智能计算结果以云图的方式集成到BIM模型，可视化查看码头结构构件在使用过程中的受力状态和变化趋势。③结果预警，对于超标数据信息和结构受力变位等结果进行预警，为码头数字化运维提供支撑，为应对突发性危险提供快速响应和决策机制。预测方法的具体过程见图2。

图2 神经网络预测方法

图3 监测数据的输入系统（输入层）

图4 人工智能算法公式（计算层）

图5 实时内力和应变结果（输出层）

图6 码头的轻量化孪生模型

图7 传感器信息接入层

图8 大数据集成中心

以高桩码头桩基上部结构构件的受力状态为例，采用人工智能技术，只需要在桩身粘贴监测位移的传感器，利用基于深度学习的人工智能算法去训练样本。即将输入层输入桩基位移信息，将输出层输出为结构内力[3]。采用人工智能算法，待监测数据读取后，可立马快速给出这个桩基位移下上部结构构件内力。采用传统的计算方法，需要将采集到的数据进行有限元计算，再根据计算结果得到结构的受力状态。而结合有限元方法、线性叠加原理等人工智能算法，可以建立构件内力的高效计算方法。通过对有限元等生成的数据库的深入学习和训练，可补充复杂体系有限元计算时间长的不足，实现实时快速的结构体系任一位置的实时内力和应变的输出，做到实时高效预警、决策。同时，采用神经网络的预测结果具有体量大、多维度、完备性等特点，由此其预测结果也更接近真实值[4]。

数字孪生是一个集成多物理量、多尺度、多概率的系统或仿真过程，以数字化方式创建物理实体的虚拟实体，借助历史数据、实时数据及算法模型等模拟、验证、预测、控制物理实体全生命周期过程。简单说就是一个物理模型，用传感器获得数据进行仿真，并在虚拟空间完成映射，反映出对应实体全周期的过程变化。支持可视化的预警和详细信息查询功能。

数字孪生技术在码头全寿命周期健康监测中的优势是通过集合建筑信息方法（BIM）的数字孪生技术，打造实际结构系统的信息孪生体。以提供“身临其境”的实体环境体验为手段，直观高效的实现健康监测的信息共享更新和实时显示与预警。

以某LNG码头为例，采用数字孪生技术建立码头的数字孪生模型，再将监测信息计算信息等都接入到模型中，通过感知层信息的导入，即可得到最终信息结果的呈现。根据不同需要，可以接入不同的传感器，通过大量数据的采集，形成数据中心集成。在模型中可以实现某点，某断面等实时状态的查询，实现结构在使用过程中受力状态及趋势变化的可视性，进而对超标的传感器信息及结构的受力变形等结果进行预警，为码头的数字化运维提供技术支撑，可有效的降低和避免突发状况的发生。同时结合前文所述结合人工智能对大数据的学习和分析，将码头的整体状况进行健康监测评估，提供码头的结构安全状态，为码头的安全性、适用性和耐久性提供可靠评估数据[5]。

5.结论与建议

（1）本文对码头全周期监测进行研究总结，根据研究可知，目前码头全周期监测已经历三个阶段，由最初的人工采集监测数据阶段过渡到数字化自动采集监测数据再到对监测数据具有预警和评估的智能化监测阶段。

（2）为解决码头结构安全评估及预警系统问题，本文提出了引入人工智能和数字孪生技术的码头全周期的健康监测技术路线。

（3）以某高桩码头为例，利用基于深度学习的人工智能算法去训练样本，根据输入层的桩基位移监测数据，当监测数据读取后，系统可立马快速的给出这个桩基位移下上部结构的构件内力。通过对有限元等生成的数据库的深入学习和训练，可补充复杂体系有限元计算时间长的不足，实现实时快速的结构体系任一位置的实时内力和应变的输出，做到实时高效预警、决策。

（4）采用数字孪生技术可以实现结构在使用过程中受力状态及趋势变化的可视性，进而对超标的传感器信息及结构的受力变形等结果进行预警，为码头的数字化运维提供技术支撑。