GA优化ELM神经网络的排水管道缺陷诊断
2021-03-22郑茂辉刘少非
哈尔滨工业大学学报 2021年5期
郑茂辉,刘少非,2
(1.同济大学 上海防灾救灾研究所,上海 200092; 2.同济大学 土木工程学院,上海 200092)
近20年来,中国排水管网系统发展迅速.随着管网规模的不断扩大和服役年限的增长,排水管道退化和缺陷问题也逐步凸显,有些管道缺陷直接导致路面塌陷、水体污染等严重事故,不仅影响城镇居民工作和生活,还对生命健康构成威胁.排水管道内部缺陷的识别、诊断是制定管网养护计划和修复计划的重要依据,也是城市安全运行监管的重要内容之一.
排水管道缺陷包括管道破裂、腐蚀、渗漏、变形等结构性缺陷,以及沉积、结垢、障碍物等功能性缺陷.管道闭路电视(closed circuit television, CCTV)检测是目前国内外用于管道状况检查最为成熟、有效、安全的技术手段.能直观反映和记录管道内部真实情况,通过管道影像的判读,识别内部缺陷类型、位置和等级,并做进一步评估分析[1].不过,CCTV检测要求对管道先进行一定清理,降低管内水位,前期工作量大;另外,主要依靠人工目测对管道内部状况和缺陷进行诊断评估,效率较低.国内外学者采用统计和机器学习方法研究建立了多种管道状况模型.例如,Micevski等[2]基于马尔科夫链构建雨水管道结构退化模型,并用贝叶斯方法进行校准;刘威等[3]结合全概率公式及线性腐蚀模型给出管线面积腐蚀率的概率密度随服役时间变化的解析表达式;Mashford等[4]建立了基于支持向量机的管道状况预测模型,并应用于澳大利亚阿德莱德市排水管网状况评价;……
登录APP查看全文
