用于多资产结构监测的卫星

关键位置的核电站、液化天然气接收站、铁路和高速公路等关键基础设施覆盖了大量现场，必须对这些现场进行有效监控，并且在许多情况下，必须在特定位置安装大量仪表，以应对已知故障或维修。有时，大型场地的施工可能会影响或危及邻近场地的旧基础设施的运行。此外，提供的测量仪器和监控解决方案如此之多，这使得资产管理人很难选择一种，如果不止一种，也很难连接大量数据以加强基础设施维护。每个仪器系统都是针对特定目的定制的，以特定的方向、特定的频率进行测量，或在非常特定的位置进行测量。这意味着经常忽略整体资产和基础设施行为。类似地，只看大局，细节可能会丢失。

如果…怎么办?

然而，作为工程师，我想知道……

如果…怎么办我们可以从完全远程的高密度固定位置测量运动，并通过时间以一种经济有效的方式评估这种运动?我们是否也可以整合特定资产、资产组件或地面动态的度量，以在一个系统中分析所有行为?

而且,如果…怎么办这些测量以这样一种方式联系在一起，它们不仅显示位移和结构在一个位置上的影响，而且还使人们对整个结构的行为有了一个详细的时间理解。

如果它可以发出预警，甚至，如果…怎么办我们能预测失败吗？

如果有可能进行这样的分析，并对关键的国家基础设施有深入了解，监管机构会作何感想?日本福岛或意大利莫兰蒂桥的建筑在多大程度上发生了移动?这对资产的生命，甚至对人的生命又有什么威胁呢?我们永远无法真正确定，因为分析从来没有事先进行过。

概念卫星结构健康监测(S-SHM)因此被认为是一种分析和理解资产和基础设施作为一个整体的行为的新方法，集成在它们的生态系统中。基础设施在建造时，受到其结构质量和物理环境的制约:它们是一个实体。S-SHM是基于基于3D建筑信息模型(BIM)、资产结构信息和其他数据来源(如土工技术)的卫星位移测量(InSAR)的集成和建模。这种新功能的核心是早期预警和结构变形预测的发展，允许突出资产状况，并为多种资产管理的决策提供帮助。

188BET金宝搏下载

两个关键的基础设施地点采用了这种新方法:

东印度和坎宁镇车站（伦敦），用于伦敦交通（TfL）。利用COSMO SkyMed StripMap（3m/像素分辨率）雷达卫星2011-2015年的历史InSAR HR（高分辨率）地表移动数据，将S-SHM应用于连接铁路轨道和周边地区。输出提供了S-SHM概念的独立验证。2013年10月至2014年5月期间，超过了琥珀色和红色阈值，TfL评估报告验证了这一点，该报告确定地表移动大于指示性方案的预测。这是由于2013年末至2014年初Lea河附近的排水造成的。它是通过现场传感器检测到的，并在该区域周围触发了红色触发器。

图1显示了同一地点2013年10月17日和2014年3月28日InSAR地表移动的可视化图像，绿色表示资产稳定性的变化，红色表示超过下沉阈值。

欣克利角核电站(EDF)，对核电站的三个生命周期阶段的结构健康状况进行了监测:建设(欣克利角C-HPC)、运行(欣克利角B-HPB)和退役(欣克利角A-HPA)。S-SHM^商标对HPA和B的结构进行了分析，显示了结构的整体稳定性以及HPC施工阶段发生的排水活动导致的向HPA方向发展的一些沉降。然而，尽管由于无法获得本地现场测量数据，这些观察结果无法得到验证，但总体S-SHM方法确实显示了大型关键基础设施资产（如核电站）监测的未来。

下面的图2显示了HPA的结构，图3是PS(永久散射体)测点在这些结构上的投影。

S-SHM方法

S-SHM过程通过特征标识符将InSAR数据与3D模型信息相结合，并将InSAR数据分类为可定制的组和场景。这允许进行一系列结构健康测试。当特定的持续散射（PS）测量值超过自定义阈值时，会发出警告。

S-SHM通过将InSAR纳入结构稳定性算法，使资产状况得以突出显示，从而有助于多个资产的资产管理，从而使分析超越2D环境。对于大型房地产的资产管理人来说，这是一种极其强大的转型能力。卫星位移测量数据与BIM和结构建模相结合，确保卫星衍生数据可直接操作——结果不仅提供位移信息，还提供结构健康信息。S-SHM可以通过从卫星传感而不是放置原位传感器来实现较低的每项资产成本。然而，将其他测量系统的测量值与InSAR相结合将增加资产健康评估的丰富性。

在配置阶段，收集和配置所有输入数据。输入数据主要由来自资产管理器和地形图(TM)的关于资产和周围地区的信息组成。在此阶段获取感兴趣区域(AOI)上的数据。可在此阶段之前和/或期间获取AOI上空的卫星图像，以建立合成孔径雷达基线。收集的输入数据被输入到关系数据库中。

在对齐阶段，在三维模型几何数据集、InSAR数据集和地形数据集之间执行对齐。图4和图5显示了三维模型和TM地形线上的InSAR数据集对齐。

在分类阶段，根据一组特征对InSAR数据点进行分类。这些功能组由3D模型和TM功能组成，可以使用python脚本自定义。

在测试阶段，将分类后的数据进行预定测试，如视线位移分析、时间序列分析或其他复杂测试。试验与结构健康状况、常规监测和健康预测有关。输出以一种可以在3D可视化功能中查看的格式显示。测试集可在与用户协商后定义。为了对每个InSAR点的LoS位移进行测试，定义了RAG(红色、琥珀色、绿色)阈值。当某一特定日期的PS测量值的绝对值超过分配给RAG的阈值时，就会对InSAR进行标记。这是一个场景下LoS位移的基本测试。可以开发其他测试并将其添加到软件中。

这个视频展示了伦敦交通(TFL)的东印度和坎宁镇DLR站(伦敦)的可视化。

S-SHM是可伸缩和可更新,包括任何结构性测试等统一提高/降低特定的结构或单一的面孔,一个非常强大的上升趋势的测量的基线,偏见的测量的基线,稳定测量的基线,相对于基线的向下偏差，相对于基线的测量值和相对于基线的振荡非常强烈的向下趋势。

这项工作的主要结论之一是，多个资产的遥感结构健康状况不仅可行，而且还提供了关于结构健康状况和周围区域的高质量和可靠输出。它可以在不需要现场仪器的情况下实施；然而，数据集成程度越高，对基础设施行为的理解就越有力。这种方法特别适用于难以进入的危险环境，如核电站、化工厂、海上位置和其他极端环境。

如本文开头所述，不能孤立地研究资产和基础设施，以充分评估其弹性;周围的环境必须是这种共生关系的条件分析的一部分。这是这种创新方法的下一个发展，用于完成自然环境中资产的结构健康分析，观察自然过程(如滑坡、洪水、地震活动、岩溶作用和土壤力学)造成的方向影响。当整个基础设施生态系统成为一个数字双胞胎，可以分析过去、现在和未来的行为时，这个循环就完成了。

致谢

来自EDF的Tariq Dawood和来自伦敦交通局的Mark Bush，感谢他们在实施新技术以应对当前关键基础设施挑战方面的持续支持。

创新英国，其资助资金被用于发展S-SHM为英国基础设施数字化转型做出贡献。

项目合作伙伴:STLTech, TWI，尤其是ThinkLab(索尔福德大学)，他们负责3D可视化。

Andrew Iwanoczko获奖原因是他对如何正确使用英语提出了非常宝贵的建议。

进一步阅读

肖恩B (2005)结构健康监测系统在实际应用中的实际问题， Shawn J. Beard等人，SPIE智能结构和材料+无损评估和健康监测。