MSDF在城市排水管网监测系统中的应用研究

段 军 宋鹏飞

(重庆大学计算机学院,重庆 400030)

1 引言

随着我国社会经济的不断飞速发展和城市化进程的加快,城市排水体系也在不断的趋于完善。排水管网的安全高效运行是城市持续、稳定发展的重要保障。但是目前我国的城市排水和水处理设施及自动化管理水平还不适应城市发展的要求,排水系统工作质量的快速提升必须借助于技术装备和管理的现代化,实现城市排水管网安全运行动态监测系统势在必行。要提高城市排水管网运营管理的水平,必须通过一系列的在线监控技术、通讯传输技术、计算机软硬件技术和动态模拟分析技术构建城市排水管网运营监控系统,将地下的网络结构及排水管道的运行状况以直观的图形或数据的形式快速准确的呈现在管理者面前。城市排水管网运行的安全监测是指运用布置在排水管网内外的监测仪器,对其监测数据进行处理分析来监测排水管网的运行状态和安全性态,不仅为了保护排水设施,保障市政工人的安全,提供可靠的信息,更是为了给环境保护、城市防涝预警、城市规划设计等提供实时数据资料,健全我们的城市信息化管理系统,保障城市安全。

环境监测的显著特点是它所监测的对象具有高度的复杂性和综合性[1]。要想达到一定的监测精度,要求了解被检测环境的综合信息及某些内在特征信息,因此,在环境监测中安装的传感器无论在数量上还是种类上都越来越多,而需要使用多种监测手段,因此城市排水管网的监测系统必须将多个数据源的不同种类数据进行数据融合,以提供实时、准确的排水管网状态信息。

2 多传感器数据融合

2.1 多传感器数据融合概念

多传感器数据融合(MSDF:Multi—Sensor Data Fusion)是多元信息综合处理的一项新技术,它有多种译名,如数据融合、信息融合、多传感器相关、多源相关等。随着数据融合和计算机应用技术的发展,根据国内外研究成果,多传感器数据融合比较确切的定义可概括为:充分利用不同时间与空间的多传感器数据资源,采用计算机技术对按时间序列获得的多传感器观测数据,在一定准则下进行分析、综合、支配和使用,获得对被测对象的一致性解释与描述,进而实现相应的决策和估计,使系统获得比它的各组成部分更优越的性能[3]。传感器的数据融合功能主要包括多传感器的目标探测、数据关联、跟踪与识别、情况评估和预测。

2.2 多传感器数据融合处理模型

2.2.1 融合判决方式分类

硬判决和软判决,硬判决方式设置有确定的预置判决门限,当数据样本特征量达到或超过预置门限时,系统才做出判决断言。软判决方式:不设置确定不变的判决门限。系统何时收到观测数据都要执行相应分析,都要做出适当评价,也都向更高层次系统传送有关信息。

2.2.2 传感器组合方式分类

在多传感器网络中多种传感器可以按同类传感器或异类传感器进行组合。同类传感器只处理来自同一类传感器的环境信息。异类传感器组合同时处理来自不同类型传感器采集的数据,可以互相取长补短,实现信息互补,分析结论更准确、全面、可靠。

2.2.3 数据融合层次分类

数据级数据融合、特征级数据融合、决策级数据融合。

2.2.4 数据融合结构模型分类

集中式数据融合结构、分布式数据融合结构。

2.3 多传感器数据融合的应用

多传感器数据融合最初是围绕军用系统开展研究的,在军事上它已经应用到海上监视、空 -空防御和地 -空防御、战场侦察、监视和目标捕获、战略防御与告警等领域。此外,在其它非军事领域多传感器数据融合技术广泛应用于 C3I(command,control,communication and intelligence)系统、复杂工业过程控制、机器人、自动目标识别、交通管制、惯性导航、海洋监视和管理、农业、遥感、医疗诊断、图像处理、模式识别、城市规划、资源管理、气候、作物及地质分析等领域。数据融合在监测系统中的应用主要有矿井安全监测系统,油气管道泄漏监测系统,温室温度监测系统,故障诊断系统,设备状态监测系统等。

3 排水管网监测系统中的 MSDF

3.1 排水管网安全运行监测内容

城市排水管网是一个隐蔽、复杂的巨型系统,影响排水管网安全运行的因素很多,本文从影响排水管网安全运行各个方面进行考虑,主要从排水管道内和管道外两个方面进行阐述,监测的内容不仅包括:水力监测、排水管网设备状态监测、管道监测等内容[2],还应该加强对排水管网周围的地质灾害监测。地质灾害监测可以采用:深部位移、地表沉降、地表位移、水位等传感器。从而对城市排水管网进行定期检测、状态修理、限值管理、寿命管理以及城市排污、防洪等工程提供更加准确的监测信息。通过建立更完全的排水管网安全运行监测系统,使得排水管网安全运行得到充分的保障;同时通过全面监测影响排水管网安全运行的因素,更能准确的提供排水管网状态信息。

3.2 排水管网监测系统框架

大量的传感器通过无线网络技术互联组成了上层的无线传感器网络 WSN(Wireless Sensor Network)。众多的无线网络技术中,由于 Zigbee是一种基于 IEEE802.15.4的近距离、低成本、低速率(＜250 kb/s)、低功耗的无线传感器网络,适用于智能家居、工业控制、环境监测等领域[4],因此本文提出采用 Zigbee技术互联底层的传感器从而形成一个 WSN。由于整个排水管网监测范围过大过大,而Zigbee的最大的传输距离并不能完全覆盖,因此需要通信中继点实行数据中继。

本文设计的排水管网监测系统采用树形网络结构。如图1,位于最底层的是与物理环境密切相关的传感器。传感器主要用来采集各种不同类型的实时环境监测数据,是整个排水管网监测系统的重要组成部分,也是原始数据的来源。

为了能将数据传输至网络监控中心,基于成本和效率的考虑采用蜂窝无线网络是一个较优的选择。位于离网络监控中心距离较远的 RTU集合Zigbee和蜂窝无线网络技术,起到了中间桥梁作用,其将从 Zigbee网络获取的现场采集数据通过蜂窝无线网络技术融合打包传送至远端网络监控中心的中央监控机上。

图1 监测网络结构

图2 排水管网监测系统数据融合模型

采用 Zigbee技术实现排水管网水力参数以及周围地质灾害的实时动态监测,并通过蜂窝无线网络将数据上传至监管中心,从而构成排水管网安全运行实时动态监测系统。

3.3 排水管网监测系统 MSDF模型设计

排水管网监测系统采集的数据有冗余性和互补性,当采集的是同类传感器数据时需要减少网络中的冗余性;当采集的数据是互补时,需要采用数据融合对异类传感器形成的局部决策进行综合分析,以便获得最终的统一决策。因此本文设计的排水管网监测系统数据融合模型为:减少无线传感器网络中的冗余数据,对同类传感器器进行数据融合,包括数据级融合和特征级融合;将隐含在不同排水管网安全运行参数内部的数据进行综合分析,进行决策级数据融合,得出对排水管网安全运行的风险分析。从如图2所示,主要包括以下几个部分:

(1)数据收集

数据收集包括运用各种传感器获得排水管道内、外的实时数据、天气预报等数据。

(2)数据级融合

传感器向融合中心传送经过预处理的检测和背景杂波统计量,然后在融合中心直接进行分布式虚警检测、预处理、滤波等;根据观测时间、传感器类型、信息的属性等分析和归并数据,这样可控制网络传输信息量,以避免融合系统过载。现场智能传感器可以使用硬判决方式设置门限,可以减少大量数据的传输;在门限内的数据才传送到上层进行另外的数据融合。数据级融合方法主要有加权平均法、卡尔曼滤波法等。

(3)特征级融合

特征提取以获得来自每类传感器的特征向量,然后对这些特征向量进行综合分析和处理。对各种数字化后的数据进行操作,包括校对、识别、相关分析、数据或变量的综合等。如果传感器数据表明对排水管网安全无影响则可直接进入到数据管理系统供用户使用,而有些数据对排水管网安全有影响则进入决策级数据融合,通过决策级数据融合使得排水管网监测系统更准确地反映管网运行安全信息。特征级融合方法主要有模糊推理法、神经网络法、产生式规则法等。

(4)决策级融合

每个传感器都完成变换以便获得独立的状态估计,然后再对来自每个传感器的属性分类进行融合。协同利用各种实时数据以及数据库内历史数据和专家系统知识,对监测目标(管道裂缝、漏污、堵塞、地灾等)进行识别和评估,并尽可能给出评估的精度,最后将结果(警报信息、决策支持信息等)送至监控操作人员以及各相关部门,为最终及时地治理排水管网安全、城市漏污等危害提供准确信息。决策级融合方法主要有贝叶斯概率理论、证据理论、Dempster-Shafer(D-S方法)等。

由于监测系统采用 ZigBee技术实现数据收集,而 Zigbee网络是资源受限的网络,集中表现在电池能量、数据整合能力、通信带宽等。由于原始数据信息冗余会浪费有限的电池能量和通信带宽;频繁的信道竞争也会降低信息收集的效率。在只关注监测结果或只关注特征数据的场合中,传送大量的原始数据给网关节点是不必要的,采用数据融合能很好地降低网络传输中的数据冗余度。减少网络冗余数据融合包括数据级融合和特征级融合,在基础传感器节点和 Zigbee中继点之间进行多传感器数据级数据融合,主要是减少 WSN中网络冗余,尤其是减少 Zigbee网络中的数据冗余。数据融合技术使得在节点收集数据的过程中,利用节点本地计算和存储能力处理数据,去除冗余的信息,尽量减少传输量,达到节能目的。在 Zigbee中继点与现场RTU之间进行特征级数据融合,提取各种监测参数的特征量,对特征量进行分类、综合分析等,为决策级数据融合做好准备。

经过减少网络冗余数据融合后对排水管网安全运行有影响的数据则进行决策级数据融合,决策级数据融合在 RTU实现,将对排水管网安全信息进行智能分析、态势评估与决策,消除外界环境变化或者某些传感器出现故障带来的影响,结合全方位监测信息,准确地对排水管网安全运行情况作出判断,建立排水管网安全运行的风险分析,适时合理的采取措施,预防安全运行事故的发生。

4 实验分析

实验一:按照无线传感器网的能量损耗模型[8],建立 Zigbee网络的能量耗损计算方法。则 k个节点不经过融合直接将采集到的数据以 s bit的平均速率传输到 sink节点消耗的总能量为 E2=sk(a2(dspec+a)3+a1),式中 a表示传输距离,a1表示发送器和接收器能量消耗系数总和,a2发送器能量消耗系数,dspec表示 Zigbee中继节点到 Zigbee协调器节点的距离假设均为特征距离 dspec。

k个节点经过融合直接将采集到的数据以sbit的平均速率传输到 sink节点消耗的总能量[8]为 E1=sk(a2d3spec+a1)+βr+s(a2a3+a1),β为融合能量消耗系数,r为接收数据速率。按照 Zigbee协议确定以下参数进行实验分析:

a1=5*10-8J/bit,a2=1*10-10J/bit/m,dspec=25m,β=5*10-8J/bit,s=250bit,r=250bit,a=100m

图3 能耗消耗比较图

实验二:同类传感器数据融合实验,融合各个不同位置监测同一目标的情况,以监测滑坡地表位移数据为例。

图4 与原始采集数据对比(S1,S2,S3,S4表示监测位置 1,2,3,4采集数据)

表1 基于工程应用的原始监测数据时间

排水管网监测系统中的滑坡监测的研究中,根据彭继兵[9]等的滑坡监测数据进行实验验证,从图中可看出通过数据融合过后把不同位置反应滑坡的数据融合为一个值,综合的反应了这个区域内滑坡位移情况,而且减少了无线网络传输量,验证了多传感器数据融合在排水管网监测系统中的重要作用。

5 结论与展望

为适应城市排水管网发展要求,全面提升城市排污质量,建设对排水管道安全运行情况进行全方位检测的监测系统已成为必然。排水管道监测系统所涉及的多源数据量极大,而且信号种类及度量形式多样,只有建立合理的数据融合系统,才能从庞大的监测数据中准确地判断排水管道的状态,为城市水污染防治和城市排涝、防洪提供实时的监测数据,保护排水设施,保障城市安全。

目前还需要进一步结合硬件设备,建立完善的多传感器数据融合监测系统,结合实际应用,研究设计出适合城市排水管网监测系统中应用的多传感器数据融合算法,使城市排水管网安全运行得到有力的保障。

[1]吴邦灿,费龙.现代环境监测技术[M].北京:中国环境科学出版社,2005.

[2]王彪,李田.排水管道风险分析初探[J].中国给水排水,2007,10(23):1-4

[3]何友,王国宏.多传感器信息融合及应用[M].北京:电子工业出版社,2000.

[4]Yao-Ting Wu.ZigBee source route technology in home application[C].2008 IEEE International Con ference on Sensor Networks,Ubiquitous,and Trustworthy Com puting,2008,302-304.

[5]I.Jawhar,N.Mohamed,and K.Shuaib.A framework for pipeline in frastructure monitoring using wireless sensor networks.The Sixth Annual Wireless Telecommunications Symposium(WTS 2007),IEEE Communication Society/ACM Sigmobile,Pomona,California,U.S.A.,April 2007.

[6]孙红鸽,臧义,曹毅,阎馨.模糊数据融合在多传感器环境监测中的应用[J].工矿自动化,2009,8:22-24

[7]E.F.Nakamura,A.A.Loureiro,A.C.Frery,Information fusion for wireless sensor networks:Methods,models,and classifications,ACM Computing Surveys 39(3)(2007)55.

[8]邱爽.无线传感器网络数据融合算法研究[D].武汉理工大学硕士学位论文,2008.

[9]彭继兵,许强,郭科.应用多传感器多模型融合技术提取滑坡综合信息[J].中国地质灾害与防治学报,2005,16(4):109-112.