袁 艺 王正龙 底 帅 曹嘉益 吕海波

（1．北京首都国际机场股份有限公司，北京 101300；2．哈尔滨工大正元信息技术有限公司，黑龙江 哈尔滨 150016）

1 技术背景

1.1 窨井盖监测意义

随着城市化进程的加快，市政公用设施建设发展迅速。市政、电力、燃气、供水、排水以及通信等部门的线缆大多数都采取地埋方式，通过井盖进行日常维护。由于城市面积不断扩大，井盖分布范围越来越广、数量越来越大，导致监管难度大。由于缺乏有效的实时监控及管理手段，全国各地频频出现城市井盖破损、被偷或者被雨水冲走，近而导致伤人或死亡事件发生。为了整治窨井吞人伤人事故，住建部于 2013 年 4 月提出了关于进一步加强城市窨井盖安全管理的通知，要求包括城市供水、排水、燃气、热力、房产（物业）、电力、电信以及广播电视等部门，实行井盖的数字化管理，有效地监管社会资源，确保人民群众的人身安全。鉴于以上需求，近年来针对井盖监测的智慧化系统及终端产品层出不穷，但是，大多数系统及产品的核心关注点均在井盖的异常开启、平移以及振动等方面的监测，通过加装带有无线通信功能的监测终端，将窨井盖的开启、振动以及位移等状态实时发送至云监测系统平台，城市管理人员及运维人员通过网页端或手机端的管理界面，对井盖工作状态进行实时监测，判断窨井盖状态是否存在异常，并安排现场人员对井盖进行相应的维护作业。虽然现有的窨井盖监测系统及解决方案很多，但是针对井盖裂缝、破损、沉降等问题的智慧化解决方案相对较少。城市窨井盖尤其是行车路面的窨井盖发生破损或沉降时，会严重影响行车安全和路侧行人的人身安全。由于井盖破损，当车辆经过时会产生车辆轮胎陷入其中的风险，进而导致行车事故发生，严重时将给车辆、车内乘客及车辆周围的行车安全带来威胁。由于道路老化、雨水冲刷等原因，窨井盖会出现下沉的现象，因此路面在井盖处出现凹坑。不平整的路面对行车产生了较大的影响，对车辆、窨井和路面造成冲击，损耗机车，加剧路面及窨井的破坏[1]。由此可见，窨井及其周边路面的破坏已经严重影响到道路正常运营和市民交通安全，并成为道路迅速破坏的“源头”，政府每年不得不投入大量人力、物力用于窨井维修[2]。

1.2 窨井盖监测技术现状

面对窨井盖存在的问题，近几年来已经涌现出很多有关井盖管理监测的方法，大部分是从传感器的角度出发，布置一些覆盖整个井盖表面的硬件设备进行监测，如章善斌等[3]提出的在井盖表面布置漆包线的方法等。随着人工智能的迅速发展，国内的井盖监测方法也逐渐转换为使用红外或图像识别技术实现。李亚胜[4]提出了基于红外探测的井盖监测系统，使用E3Z-T82红外线监测组，并结合分布式控制方法，能够准确地探测井盖的状态；雷可[5]的该文中提到，对路面上出现的井盖破损情况进行图片采集，使用计算机技术处理图片，可以使用自动化检测方法监测；张丰焰等人[6]提出的基于改进Hough与图像比对法的窨井盖疑似破裂检测，通过提取窨井盖的颜色、边缘轮廓特征，并使用改进的Hough变换方法，计算窨井盖的区域范围，判断是否有破损或丢失的情况；PAS-QUET J.等[7]提出，首先模拟出1个和窨井盖大小以及形状相似的圆形模型，再利用机器学习算法学习窨井盖的外观特征，结合两者生成的模型，用于检测城市街道中的窨井盖，大大提高了窨井盖检测的准确率[8]。

1.3 机场窨井盖监测特殊性及解决办法

窨井盖作为机场内部道路不可或缺的重要组成部分，其完好性对机场日常工作的顺利进行具有重要意义。由于机场是相对封闭的工作环境，且在白天通航时间，很多维护作业会受到限制，所以机场窨井盖的故障排查和维护作业经常在晚上进行。此外，由于作业时间较短，且现场无法布设电源，因此，机场窨井盖监测设备必须具备低功耗、施工方便以及能在夜晚正常工作等特点。鉴于以上原因，机场窨井盖监测无法使用红外或图像识别技术以及传统的、施工或维护复杂的传感器设备。结合机场窨井盖的工作特点，该文提出了基于振动监测的机场井盖破损及沉降检测方法，利用数值分析方法整理振动采样数据，并通过对振动监测数据的统计曲线进行分析，即可判断机场井盖是否存在破损或沉降现象，切实解决了机场窨井盖监测难、维护难的问题。并且配合该方法使用的振动监测设备，具有低功耗、施工方便以及24 h实时监测等特点。

2 多传感器振动监测采样数据分析

在机场窨井盖安装振动监测设备，将振动传感器分别安装在井盖的中心点和4个轴线半径的中点（每90°放置1个），实时采集窨井盖的振动监测数据。累积3个月以上的振动采样数据，由平台对所有采样数据进行统计分析。具体方法如下。

从5个传感器的振动监测采样数据中各抽取（m+n）组振动采样数据，首先将第一个传感器的前m+1组传感器的x，y，z3个方向的加速度依次做差，得到矩阵A1，m+1至A1，m+n如下。

在矩阵中，Δan，x=an，x-an-1，x，an，x为第n采样的x轴方向的加速度值；Δan，x为第n次与第n-1次x轴方向加速度值的差值；Δan，y和Δan，z为第n次与第n-1次y轴和z轴方向加速度值的差值。

分别求解矩阵A1，m+1至A1，m+n的行和范数，如公式（1）所示。

整理矩阵A1，m+1至A1，m+n的行和范数，得到第一个传感器的振动变化向量如下。

同理，可获得第二至第五个传感器的振动变化向量，由5个传感器的振动变化向量，可得第一组振动监测数据的变化矩阵如下。

分别求解矩阵B的行和范数，如公式（2）所示。

该数值反映了该（m+n）组振动监测数据所对应的时间段内，井盖在受到外力冲击时（如车辆、飞机等的碾压等）所产生的最大振动状态。

3 井盖破损及沉降检测方法

通过k组（m+n）组振动采样数据的统计分析，获得最大监测值向量如下。

由于机场井盖的振动采样数据符合正态分布特征，因此，计算向量C的数学期望和方差，如公式（3）、公式（4）所示。

式中：E（C） 为数学期望表达式；μ为数学期望值；Std（C） 为方差表达式；δ为方差值。

3.1 井盖破损检测

当井盖发生破损时，5个传感器中会有2～3个传感器的振动幅值会出现比较明显的变化，此时振动监测向量C的数学期望值会有所增大，而方差则会发生比较明显的变化。此时，振动监测向量C方差与正常状态下的方差的比值，如公式（5）所示。

式中：δp为破损状态下方差值；s为破损状态与正常状态的方差比值。

由于振动传感器的采样精度为±5%，且根据实验数据统计结果分析，得：

当E（C） ＞μ，且s≥1.2时，井盖存在破损情况。

3.2 井盖沉降检测

当井盖发生沉降时，由于井盖整体下降，导致井盖与周围的路面存在一定的落差，因此，5个传感器的振动幅值均会出现比较明显的变化，此时振动监测向量C的数学期望值会明显增大，而方差则不会发生比较明显的变化。此时，振动监测向量C的数学期望数值与正常状态下的数值的比值，如公式（6）所示。

式中：μc为沉降状态下数学期望值；e为破损状态与正常状态的数学期望比值。

由于振动传感器的采样精度为±5%，且根据实验数据统计结果分析，得：

当e≥1.2，且方差无明显变化时，井盖存在沉降情况。

4 实验结果分析

取m=5，n=5，k=20，获得正常状态、破损状态和沉降状态各（m+n）×k=200组振动监测数据。分别对3种状态下的200组数据进行处理，得最大振动监测值向量如下。

对以上向量进行统计分析，获得井盖正常状态、破损状态、沉降状态下的振动监测数据的统计曲线，其结果如图1所示。

由图1可以看出，窨井盖振动监测数据服从正态分布，在正常状态下的数学期望：E（C） =μ=1.5304，方差为：Std（C） =δ=0.87226；破损情况下的振动监测数据的数学期望：E（C） =μp=1.6204，方差：Std（C） =δp=1.8889。此时，数学期望与正常状态下的比值：μp/μ=1.6204/1.5304=1.0588，方差的比值：δp/δ=1.8889/0.84226=2.2426，与正常状态下的数学期望值相近，而方差比值明显大于1.2，因此，窨井盖存在破损现象；沉降情况下的振动监测数据的数学期望：E（C） =μc=1.9261，方差：Std（C） =δc=0.88615。此时，数学期望与正常状态下的比值：μc/μ=1.9461/1.5304=1.2716，方差的比值：δc/δ=0.88615/0.84226=1.0521，与正常状态下的方差相近，而数学期望比值大于1.2，因此，窨井盖存在沉降现象。

图1 机场窨井盖正常、破损、沉降状态下的振动监测数据统计分析曲线

综上所述，通过分析机场窨井盖振动监测数据分布曲线的特征，我们可以判断出井盖是否存在破损或沉降状态。

5 结论

由实验结果分析可以看出，该文提出的基于振动监测的机场井盖破损及沉降检测方法，通过对井盖振动监测数据统计曲线的分析，可以准确地判定监测数据的数学期望或方差是否存在异常。在井盖破损状态下，井盖振动数据的数学期望值有小幅增加，而方差增幅较大，此时，振动数据分布曲线变得比正常状态下平缓。根据正态分布的特征，说明该状态下数据的方差较大。

而在井盖沉降状态下，井盖振动数据的数学期望值大幅增加，而方差增幅较小，此时，分布曲线与正常状态下的曲线类似，但是在x轴方向发生了较大平移。根据正态分布的特征，说明此状态下数据的方差变化不大，而数学期望值明显增大。

综上所述，利用该文提出的方法，根据振动监测数据的统计分布曲线，判断井盖是否存在破损或者沉降的情况，可以为机场井盖的日常维护和整个后勤保障系统的平稳运行，提供可靠、有效的管理方法。