智能感知的盾构地铁运营风险知识发现与安全状态时变精准评价研究

With the expansion of the city metro, the metro network has gradually become an important transportation lifeline. Hence, the safety of operational metro tunnel has gradually drawn widespread public concern. Due to lack of "timeliness" and "precision" of perception and evaluation for tunnel risk, this project, based on the idea of "intelligent perception", explores the layout scheme of some advanced structural health monitoring equipments and builds Internet of Things (IoF) platform for accomplish the comprehensive, real-time, accurate perception of the operational metro tunnel safety. Then, this project, based on the concept of "data-driven", explores information granulation mechanisms which is suited to large-scale complicated data of metro health monitoring, and discovers the multipartite correlation knowledge and the spatiotemporal evolutional laws for the operation diseases of shielding metro structure. At last, based on the theory of "combination evaluation", this project couples correlation law of failure mode for shield metro structures under constant time-varying effects, and proposes a time-varying and dependency pair-copula Bayesian model to achieve the real-time accurate assessment of the safe operation of the metro tunnel. Starting from the actual project, this project takes the monitoring data collection-data knowledge discovery-precise risk perception as the research axis to provide real-time dynamic decision support for the structural safety management of the shield metro tunnel.

随着城市地铁规模的逐年扩大，地铁线路网渐渐成为辐射城市的重要交通命脉，其运营安全管控问题也逐渐引起社会的广泛关注。针对当前国内运营地铁风险感知评价的“时效性”与“精准性”水平不足的现状，本项目基于“智能感知”思想，利用先进的结构健康监测设备，探究复杂赋存环境下盾构地铁结构的大尺度、细颗粒、实时化的传感技术及部署手段，探索地铁运营状态的全面、实时、精准感知的物联网体系及数据集成平台构建方案；基于“数据驱动”的思想，探索适用于地铁健康监测大规模复杂数据的信息粒化机制，发掘运营盾构地铁结构病变的多粒度关联知识与时空演化规律；基于“组合评价”思想，凝练时变效应下盾构地铁结构失效模式的耦合关联规律，提出时变相依性Pair-copula贝叶斯模型，实现运营地铁安全状态的实时精确评估。本项目从实际工程出发，以监测数据采集-数据知识发现-风险精准感知为研究轴线，为盾构隧道结构安全管理提供实时动态决策支持。

地铁线路网为逐渐成为城市运输的交通命脉，但地铁运营安全管控中存在着结构服役状态信息缺失、监测数据结构高度复杂、风险分析管理滞后等问题，致使当前运营地铁风险感知评价的“时效性”与“精准性”达不到动态风险控制的要求。为减少和防止地铁病害事故，确保地铁隧道在运营期的安全可靠性，本课题聚焦研究三个方面的内容：1）构建地铁运营状态的全面、实时、精准感知的物联网体系，实现数据驱动下的地铁结构服役状态的智能感知；2）提出适用于盾构地铁结构健康监测大规模复杂数据的信息粒化、粒聚类及降维简化等方法，探索地铁结构的主要失效模式以及对应的关键致险因素；3）利用PCBN推理网络，实现地铁运营服役状态与结构安全可靠度的高精度实时评价。.本课题的主要成果是：1）针对风险较大的致险因素和常见的风险病害因素研究构建一套完整的结构健康监测系统（Structural Health Monitoring System，SHMS），为地铁运营管理者加强了解地铁盾构运营安全灾变规律，实现地铁盾构运营安全管理智能预警决策提供有力的辅助支持；2）通过基于云模型的连续属性离散化方法，对致险因素的分布规律进行分析，通过聚类分析与属性约简辨识出主要失效模式所对应的关键致险因素；3）基于关键致险因素提出了11维节点的Pair-Copula贝叶斯网络（PCBN）模型，并结合可靠度分析理论构建多元监测指标与结构安全状态之间的隐性非线性映射关系，用于实现运营盾构地铁结构的安全状态动态评价决策。.结果表明，通过Pair-Copula理论可以构建参数的相依性模型，能够更精确构建这些属性的在高维状态空间中的分布规律，同时，也表明该模型能够用于盾构地铁结构的安全可靠度精确评估。PCBN网络模型得出的地铁安全状态与地铁工程中的实际风险信息非常吻合，体现了本课题提出的盾构地铁运营风险知识发现与安全状态时变精准评价模型的准确性和实用性。