灌浆施工全过程智能监测数据云存储与深度分析系统研究

张帆 詹程远 林育强 张宜虎 郭亮

摘 要：灌浆施工作为水利工程建设中最重要的防渗手段，对工程的质量有着极其重要的作用。灌浆施工全过程智能监测数据云存储与深度分析系统采用自组网短距离无线网络传输技术，结合GPRS/WiFi/5G等无线传输模式，将工程施工现场多台灌浆记录仪数字信号数据实时采集并自动发送至存储服务器，搭建灌浆施工物联网，实现灌浆实时数据云存储。运用“大云物移智”技术实现对灌浆数据的智能感知，将灌浆施工过程打印的纸质资料数字化、标准化和云端可视化，并通过灌浆大数据的深度分析、比较、预测，为灌浆施工管理提供辅助决策支持。

关键词：灌浆监测；云存储；深度分析；质量评价；数值模拟

中图法分类号：TP301；TV543.5                      文献标志码：A

1 研究背景

国内的水电站坝基灌浆工程长期面临着灌浆孔地质条件难以预测、灌浆施工过程难以控制、施工工艺复杂，以及灌浆效果的综合分析评价、灌浆实时数据的有效集成与整编等关键性问题[1]，“大云物移智”技术的快速发展为推动我国水利水电工程行业发展与世界同步提供了全新方向。

由于灌浆施工数据归档仍以纸质文件为主，工程建设资料记录、分析和归档缺乏强制性标准，数据库难以管理、维护和共享。虽然灌浆过程工艺数据库已经逐步建立，但数据的深度挖掘需要专业的数据存储和分析软件进行标准化支撑[2]，为保证工程质量，需要建立灌浆施工全过程智能监测平台。在数据采集端，采用多种无线网络传输技术，将工程施工现场多台灌浆记录仪采集到的灌浆数据发送到存储服务器，组建灌浆施工物联网。当灌浆监测数据规模较大时，云存储可以有效解决高精度与海量数据之间的矛盾[2-3]。在物联网环境下，借助云存储技术可以实现灌浆施工数据的存储和管理，为研制基于物联网的智能灌浆监测系统提供了技术支撑。

2 灌浆施工自主通信网络搭建与数据采集

2.1 集控网络搭建技术

在灌浆施工中，由于施工区域的分散性以及灌浆作业的特殊性，灌浆实时数据传输过程中存在许多异常情况，如突然断电、断网、施工交叉作业的信号干扰等。为了有效保证灌浆数据的实时性、完整性和稳定性，需要建立一套可靠、可控、安全的数据网络传输系统。针对上述情况，结合移动通信网络技术（GSM/GPRS/WCDMA/EDGE/HSDPA等）和短距离无线自组网技术搭建了局域网方案实现灌浆施工过程中的数据动态实时采集、安全传输与集中管理[4]，如图1所示：

2.2 灌浆施工数据自动采集、自动传输与存储

灌浆施工数据的底层采集、自动传输与集成处理是管理者实时掌握和管理灌浆过程的基础。如何保证所采集信息的实时性、准确性和完整性，为灌浆工程师做出正确的判断和决策至关重要。灌浆施工实时数据包括过程数据和成果数据、灌后检查数据[4]。灌浆施工实时数据以及灌后检查孔的压水试验结果是灌浆工程的关键数据，根据施工面具体情况，建立符合实际需求的短距离无线自组网络和工程覆盖的通信网络相结合的监测网络（见图2），进行动态管控和分析[5]。

（1）采取重发及反馈机制。现场的灌浆记录仪将当前生成的记录数据重复向监控中心发送，当监控中心收到数据后自动回复反馈信息给灌浆记录仪，灌浆记录仪收到信息后即停止该条记录数据的重发，改为发送下条记录数据，以此保障数据传输的稳定性。

（2）采用智能识别系统。通过无线网络覆盖所有灌浆施工区域，并在该网络中加入智能识别系统，可以智能识别该网络中的指定设备，确认后即采集该设备的灌浆数据，避免网络中非指定设备的数据干扰，保证灌浆记录仪上传数据的真实性。

（3）采取智能绑定系统。组建的无线网络通过对覆盖区域的节点（设备）进行自动刷新、查找，对查找到的节点自动添加、绑定，确保网内所有灌浆记录仪数据（包括临时增加的灌浆记录仪）可上传到网络中，保证数据的完整性。

（4）中心节点数据存储功能。在无线网络覆盖的区域，主机采集通过中心节点上传实时数据，一旦发生断电等情况，中心节点能够保存历史数据，恢复供电之后能够“批量打包”上传，保证了数据的完整性和真实性。

3 灌浆施工数据云存储技术

综合应用“大云物移智”、区块链等前沿技术，通过数字化信号传输模式，从底层传感器信号采集到灌浆数据的网络传输全部实现数字化，并利用数字编码进行数据整编，将海量数据库标准化，实现数据实时云存储和云共享，对灌浆施工进行智慧化管理，保证灌浆施工质量、施工安全。

中心服务器通过轮询模式对每个存储服务器的负载进行收集，采用极具通用性的高可靠、可扩展PC集群构建的云存储系统，系统主要由主控服务器、存储服务器和客户端代理三大模块组成，两个主控服务器采用主-备的工作方式（Active-Standby），双机热备模式，无需人工干预，即可保证系统的不间断运行[5]。数据云存储系统的数据库、电子邮件、FTP、流化媒体和Web等中心服务器通过数据交互器后与云端物联网系统进行连接，与数据库用户、电子邮件用户、FTP用户、流化媒体用户和Web用户进行数据共享和交互。云存儲系统将数据存储于不同的服务器上，采用冗余化硬件设置，如遇故障可实现自动切换，极具可靠性；采取并行扩容的架构，容量扩展几乎不受限制；采用虚拟云存储，用户几乎所有的软件和数据都可以存入信息中心进行集中维护[8]。

4 灌浆施工数据深度分析系统

4.1 深度分析系统介绍

灌浆施工数据深度分析系统可自动提取灌浆模型底板数据库的原始数据，并采用数据整编机制对数据进行有效的分类，实现对各种数据源的有效分析和空间耦合[4]，深化研究不同模型的建模方法和理论分析，利用数字化专业赋能模型，实现灌浆数据的自动统计分析。根据实时监控与灌浆统一模型理论和方法，采用数据整编清洗技术、图形图像处理技术以及基于B/S结构的灌浆施工实时监控与三维可视化模型分析技术，为各阶段的工程管理提供控制分析平台。

结合灌浆数字化专业赋能模型与动态监控技术，建立网络数字化的信息采集与动态整编体系。通过时空耦合数据、三维地质体裂隙模型和灌浆孔压水试验模型，评估灌浆孔的地质条件，进行可灌性预测，提出多源异构地质体信息预报分析、灌浆工程岩体抬动全局控制分析、灌浆施工三维可视化分析、灌浆工程复杂岩体可灌性评价及单位注灰量预测分析，并将预测、分析、评价指标融入灌浆施工组织管理和工艺设计中，以达到灌浆工程的最终质量控制[4]。

采用数形结合的分析理论，设计专用数学模型，利用耦合算子演示不同工作面灌浆数据模型的三维空间耦合关系，实现过程数据的集中统一管理。按照行业标准、施工规范要求形成标准化海量数据库，引入人工神经网络分析机制，以数据模型为基础建立三维统一表达模式，实现对各类模型时空关系的有效判断和对实际灌浆工程的有益分析[1]。

4.2 灌浆过程数值模拟

考虑流固耦合效应建立三维裂隙网络模型，实现裂隙岩体与浆液相互作用的精细化数值模拟[9]。灌浆过程数值模拟包含对裂隙岩体结构的刻画和表达，以及对浆液在裂隙中运移过程的描述两大部分内容。通过数值模拟建立灌浆浆液扩散模型，计算灌浆过程中扩散半径、注灰量和灌浆时间等指标，为灌浆设计和施工提供科学依据。

一般来说，工程坝基岩体的內部裂隙分布复杂且数量庞大，难以采用确定性模型来定性每一条裂隙的准确位置和产状。大量工程实践表明，裂隙具有较好的统计分布规律[10]。因此，可根据现场岩体揭露和钻孔电视显示的裂隙信息，对坝基岩体裂隙参数（产状、粗糙度、张开度、大小、充填状态、贯通性等）进行统计分析，采用Monte Carlo方法对裂隙的具体参数进行随机模拟并实现可视化，在三维统一模型的基础上建立三维裂隙可视化网络模型（见图3）。

依据结构面网络模拟结果，首先实现水在裂隙网络中运移过程的模拟。如果裂隙网络所包裹的岩石本身的渗透性强，还需要考虑岩石本身的渗透性，进行双重介质分析。对包含复杂裂隙网络的双重介质，采用自行研发的基于独立覆盖的数值流形法分析程序进行渗流场模拟分析（见图4）。

在水运移过程模拟基础上，进一步考虑灌浆孔与裂隙网络的穿插关系，以及浆液材料构成、水灰比、颗粒大小、粘度、屈服强度、析水率和凝结时间等浆液流变特性，基于牛顿流体和宾汉姆流体建立浆液在裂隙中的扩散模型，同时反映裂隙岩体中浆-水的相互作用过程[11]（见图5）。采用三维离散单元法、复合单元法或双重介质模型等数值方法研究浆液流量和隙宽变形与灌浆压力、裂隙倾角、隙宽、静水压力、浆液粘度、浆液密度以及浆液屈服强度等影响因素的关系。在三维裂隙网络模型的基础上，模拟浆液灌注过程，进行数值计算，通过与灌浆试验及灌浆孔施工资料进行对比分析，调整优化三维裂隙网络模型，并对采用的裂隙网络模型模拟结果进行统计分析以评价模型的可靠性[12]。最后，采用优化后的裂隙网络模型计算灌浆过程中扩散半径、注灰量和灌浆时间等指标。

5 结语

对灌浆施工自主通信网络搭建与数据采集、灌浆智能监测数据云存储、灌浆施工数据深度分析及灌浆过程数值模拟技术路径进行了分析，可以得到如下的结论。

（1）针对施工廊道、洞室等“信息孤岛”，搭建灌浆施工自主通信网络与数据采集平台，将数据引至信号覆盖的部位进行集中上传，消灭监管盲区。

（2）通过云存储技术对灌浆监测系统的大规模数据异常状态进行有效监测，并通过云存储大数据进行深度分析，实现数据标准化、可视化。

（3）建立三维裂隙网络模型，进行灌浆过程的精细化数值模拟，可为灌浆设计与施工提供依据。

参考文献：

[1] 闫福根.水利水电工程坝基灌浆统一模型与分析理论及应用[D].天津：天津大学，2014.

[2] KUNG H T，LIN C K，VLAH D．Cloud Sense：Continuous Fine-Grain Cloud Monitoring with Compressive Sensing [C]//Proceedings of the 3rd USENIX Workshop on Hot Topics in Cloud Computing．Portland，USA，2011．

[3] 安宝宇.云存储中数据完整性保护关键技术研究[D].北京：北京邮电大学，2012.

[4] 张兴，王路，詹程远，等.灌浆施工数据云存储与深度分析系统：中国，CN202011079162.0[P].

2021-01-12.

[5] 李晓超，马海忠，童显超.苗尾水电站帷幕灌浆动态监控系统研究及应用[J].云南水力发电，2017，33（增刊1）：130-134.

[6] 罗熠，于军.基于无线传感器网络的灌浆参数监测系统[J].长江科学院院报，2010（12）：87-90.

[7] 罗熠，张剑飞，胡俊义.无线监测系统在泸定水电站灌浆施工中的应用[J].水力发电，2011（5）：77-79.

[8] 冯径，张梁梁，沈晔，等.基于压缩感知的云存储系统状态监测方法[J].东南大学学报：自然科学版，2013（2）：296-300.

[9] 邓韶辉.大坝基础灌浆CFD模拟与预测研究[D].天津：天津大学，2018.

[10] 敖雪菲，王晓玲，赵梦琦等.坝基裂隙岩体三维灌浆数值模拟[J].水利学报，2017，48（8）：945-954.

[11] 李瑞金.三维随机裂隙坝基岩体灌浆数值模拟研究[D].天津：天津大学，2016.

[12] 吕志波.某既有建筑地基灌浆加固技术应用研究[D].包头：内蒙古科技大学，2012.

Cloud Storage and Depth Analysis System of Intelligent Monitoring Data for the Whole Process of Grouting Construction

ZHANG Fan1，ZHAN Chengyuan2，LIN Yuqiang2，ZHANG Yihu2，GUO Liang2

（1. Henan Xinhua Wuyue Pumped Storage Power Generation Co.，Ltd.，Xinyang 465400，China；2. Changjiang River Scientific Research Institute，Wuhan 430010，China）

Abstract：As a most crucial anti-seepage means in the construction of water conservancy projects，grouting construction has a great impact on the quality of projects. We propose cloud storage and depth analysis system for intelligent monitoring data in the whole process of grouting construction. The system collects the digital signal data of multiple grouting recorders on site in real time and sends them to the storage server by using ad hoc short-distance wireless network transmission technology in association with GPRS/WIFI/5G and other wireless transmission modes. By using this system，we could build an internet of things for grouting construction，and store the real-time grouting data in the cloud. Moreover，by using the technology of “big data，IOT，cloud，mobile internet，and AI”，the grouting data can be percepted and the paper files printed in the grouting process can be digitized，standardized and visualized in the cloud. We can also use this sytem to support the decision-making of grouting construction management through deep analysis，comparison and prediction of grouting data.

Key words：grouting monitoring；cloud storage；depth analysis；quality evaluation；numerical simulation