一种在役公路隧道纵向排水系统淤堵状况的监测装置的制作方法

本发明属于公路隧道排水系统的监测，尤其涉及一种在役公路隧道纵向排水系统淤堵状况的监测装置。

背景技术：

1、公路山岭隧道在建设过程中，由于地层中常含有泥岩或灰岩，隧道建成后，中心纵向排水管或路面边沟内往往会沉积大量泥状物或碳酸钙沉积物，导致排水管或边沟堵塞。这种堵塞不仅影响排水系统的正常运行，还可能引发衬砌结构背面因地下水无法有效疏导而承受较大水压力，最终导致衬砌发生裂损及渗水，危及结构安全。目前，公路隧道排水系统属于隐蔽工程，中心排水沟一般埋在隧道内路面以下100cm，通常每隔200米有一个检查井，用于疏通中心排水沟中的堵塞物。然而，现有的检测方法如管道机器人、工业内窥镜、声呐法等，尚无法做到实时监测，且清理难度较大，尤其是在富水岩溶隧道中，无法及时了解排水管或边沟堵塞状态，可能导致暴雨时排水不畅，衬砌背面水压急剧增大，引发隧道衬砌结构崩裂，发生突涌水事故。

技术实现思路

1、为解决上述技术问题，本发明提供了一种在役公路隧道纵向排水系统淤堵状况的监测装置，包括：

2、信号采集模块，用于采集判断排水管道淤堵情况的声波信号；

3、信号处理模块，与所述信号采集模块连接，用于对所述声波信号进行特征提取，获得特征信号；

4、淤堵监测模块，与所述信号处理模块连接，用于将所述特征信号输入多模态神经网络模型进行管道堵塞程度预测，实时获得淤堵监测结果。

5、优选地，所述信号采集模块包括信号发射单元、信号接收单元、时间计算单元；

6、所述信号发射单元用于通过微型声波发生器发出指定频率、指定方向的声波；

7、所述信号接收单元用于接收遇到管道障碍物反射回来的声波；

8、所述时间计算单元用于计算所述微型声波发生器发出及接收声波的时间间隔。

9、优选地，所述微型声波发生器间隔预设距离布设在测线上，自身具有物理定位功能，所述物理定位功能通过位置编码实现；

10、所述测线对称布设于排水管道顶部及两侧；

11、所述测线一端设有控制器，所述控制器用于控制所述微型声波发生器的声波发射、接收、解译。

12、优选地，所述信号处理模块包括预处理单元、特征提取单元；

13、所述预处理单元用于对所述声波信号依次进行去均值、去线性趋势、波形尖灭和带通滤波；

14、所述特征提取单元用于对预处理后的声波信号通过小波变换进行时-频域特征提取。

15、优选地，所述预处理单元包括去均值单元、去线性趋势单元、波形尖灭单元、带通滤波单元；

16、所述去均值单元用于去除波形数据的平均值，消除数据的直流分量，使处理后的数据平均幅值为零；

17、所述去线性趋势单元用于消除数据中的线性偏斜，将数据拟合为一条直线，然后从数据中减去所述直线所表征的线性趋势；

18、所述波形尖灭单元用于将波形数据的首尾两端由原始值逐渐减小到零；

19、所述带通滤波单元用于保留特定频率范围内的波形，屏蔽其他频段的信号，获得有效信号频段并抑制噪声。

20、优选地，所述淤堵监测模块包括模型构建单元、模型训练单元、融合单元、淤堵监测单元；

21、所述模型构建单元用于构建卷积神经网络模型和循环神经网络模型；

22、所述模型训练单元用于分别对应通过信号图像数据和时间序列数据对卷积神经网络模型和循环神经网络模型进行训练；

23、所述融合单元用于将训练后的卷积神经网络模型和循环神经网络模型进行融合，获得多模态神经网络模型；还用于将信号图像数据和时间序列数据进行数据整合，获得整合数据集；

24、所述淤堵监测单元用于通过多模态神经网络模型对整合数据进行分析，获得管道整体堵塞结果。

25、优选地，所述模型构建单元包括第一网络构建单元、第二网络构建单元；

26、所述第一网络构建单元用于构建卷积神经网络，并基于卷积神经网络生成卷积神经网络群；

27、所述第二网络构建单元用于构建循环神经网络，并将注意力机制引入至所述循环神经网络中进行优化，生成改进的循环神经网络。

28、优选地，所述模型训练单元包括第一训练单元、第二训练单元、第三训练单元；

29、第一训练单元包括迭代计算单元，所述迭代计算单元用于通过遗传算法对卷积神经网络群进行迭代，直至获取最优模型后结束迭代，获得遗传神经网络；

30、第二训练单元包括预训练单元、迭代训练单元、迁移学习单元；

31、所述预训练单元，用于通过transformer模型对改进的循环神经网络进行预训练，生成预训练模型；改进的循环神经网络通过将构建的注意力机制模块和残差模块引入至循环神经网络中，生成改进的循环神经网络；

32、所述迭代训练单元，用于通过样本集对所述预训练模型进行迭代训练，然后通过优化器对训练后的模型进行优化，生成优化模型；

33、所述迁移学习单元，用于冻结所述优化模型的底层参数，将所述优化模型的上层参数进行优化，生成目标循环神经网络；

34、所述第三训练单元，用于通过所述遗传神经网络的输出对目标循环神经网络进行训练，生成多模态神经网络模型。

35、优选地，所述融合单元包括融合单元、数据融合单元；

36、所述数据融合单元包括：

37、权重生成单元，用于基于数据的重要性对所述信号图像数据和时间序列数据赋予权重，获得图像权重数据和时序权重数据；

38、权重计算单元，用于将所述图像权重数据和时序权重数据与对应的权重相乘，获得加权值；

39、求和整合单元，用于将所述加权值相加，获得所述整合数据集。

40、优选地，所述淤堵监测单元包括数据解译单元、堵塞评估单元；

41、所述数据解译单元用于根据微型声波发生器发出及接收声波的时间间隔，结合微型声波发生器的频率波长，计算获得液面距离每个声波发生器的距离；

42、所述堵塞评估单元用于将每个声波发生器获得的距离连线，估算出管道内的液面高度，计算所述液面高度与管道高度的比值并输入所述多模态神经网络模型，基于所述多模态神经网络模型预测获得管道的堵塞程度。

43、与现有技术相比，本发明具有如下优点和技术效果：

44、本发明能够实时监测排水系统的堵塞状态，及时发现并处理堵塞问题，避免因排水不畅引发的安全事故。

45、本发明通过声波反射识别技术，能够精确监测管道内液面的高度，准确评估管道的堵塞程度。

46、本发明装置的安装和操作简便，维护成本低，适合在役公路隧道的长期监测。

47、本发明由于采用非接触式监测方式，避免了对隧道结构的二次损伤，提高了监测的安全性。

48、本发明的监测装置能够有效监测在役公路隧道纵向排水系统的淤堵状况，及时发现并处理堵塞问题，保障隧道的安全运行。

技术特征：

1.一种在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，包括：

2.根据权利要求1所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

3.根据权利要求2所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

4.根据权利要求1所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

5.根据权利要求4所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

6.根据权利要求1所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

7.根据权利要求6所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

8.根据权利要求6所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

9.根据权利要求6所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

10.根据权利要求6所述的在役公路隧道纵向排水系统淤堵状况的监测装置，其特征在于，

技术总结本发明公开了一种在役公路隧道纵向排水系统淤堵状况的监测装置，包括：信号采集模块，用于采集判断排水管道淤堵情况的声波信号；信号处理模块，与信号采集模块连接，用于对声波信号进行特征提取，获得特征信号；淤堵监测模块，与信号处理模块连接，用于将特征信号输入多模态神经网络模型进行管道堵塞程度预测，实时获得淤堵监测结果。本发明的监测装置能够有效监测在役公路隧道纵向排水系统的淤堵状况，及时发现并处理堵塞问题，保障隧道的安全运行。技术研发人员：李雪峰,张翾,万飞,杜建明受保护的技术使用者：交通运输部公路科学研究所技术研发日：技术公布日：2024/11/14