CN110146123A - 一种基于多信息融合的明渠输水监控系统 - Google Patents
一种基于多信息融合的明渠输水监控系统 Download PDFInfo
- Publication number
- CN110146123A CN110146123A CN201810606567.1A CN201810606567A CN110146123A CN 110146123 A CN110146123 A CN 110146123A CN 201810606567 A CN201810606567 A CN 201810606567A CN 110146123 A CN110146123 A CN 110146123A
- Authority
- CN
- China
- Prior art keywords
- information
- open channel
- height
- water level
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Measuring Volume Flow (AREA)
Abstract
本发明公开了一种基于多信息融合的明渠输水监控系统,包括相机、水位计、无人机、漂流浮标和主控机;无人机包括防抖动相机、水位计、定位传感器、惯性测量单元;本发明提供了完善的监测体系、精准多信息采集融合的一种基于多信息融合的明渠输水监控系统。
Description
技术领域
本发明涉及明渠输水系统的多信息融合和数据同化领域,更具体的说,它涉及一种基于多信息融合的明渠输水监控系统。
背景技术
传统的水工建筑物法自动测流是通过固定安装水位、闸位传感器和通信传输装置来采集信息,并通过微型计算机对信息进行处理,从而得到通过水工建筑物的水位、流量、水量等参数,实现自动化量水过程。
而现代水工建筑物法测水流量具有经济、简单的特点,该方法测流的关键是水力学公式中各项系数的确定,如流量系数、流速系数、淹没系数、垂直收缩系数、侧收缩系数等。但因建筑物边界条件不同影响了泄流能力,有些系数有一定的变动幅度,有的系数甚至超出图表范围,所以很难准确测量得到。
因此,现有技术亟待有很大的进步。
发明内容
本发明克服了现有技术的不足,提供了完善的监测体系、精准多信息采集融合的一种基于多信息融合的明渠输水监控系统。
本发明的技术方案如下:
一种基于多信息融合的明渠输水监控系统,包括相机、水位计、无人机、漂流浮标和主控机;无人机包括防抖动相机、水位计、定位传感器、惯性测量单元;
101)信息采集步骤:相机拍摄明渠入口和出口的流体的运动状态信息,并将该信息传送给主控机;水位计设置在明渠入口和出口,测量水位高度信息,并将该处拍摄的图像信息和水位高度信息传送给主控机进行记录并显示;无人机沿着明渠进行巡检,漂流浮标沿着明渠内的流体自由移动,无人机将测量得到的水位高度、图像、位置和漂流浮标采集的水位波动情况、流速、位置信息,实时地传给主控机;
102)获得水位高度信息步骤:对拍摄到的照片通过光流方法得到明渠出入口处的流体二维速度信息,然后拟合成在x方向上的一维流速信息,得到明渠出入口处的水位高度信息,并通过历史数据和实时采集的数据,得出稳定的明渠流动数据;
103)获得明渠模型信息步骤:首先根据实时采集的数据与稳定的明渠流动数据建立一维明渠流动模型,然后采用拉布拉斯变化得到线性化模型的频域解析表达式并得到解析解,再结合模态降维,将频域数据转化为时域数据,从而得到入口的水位高度信息与出口的流体速度数据信息,并融合该数据信息以及初始情况下明渠的信息,从而利用CMSOL/FLUENT即流体处理软件进行信息融合演化,得到明渠中任意点任意时刻的流体速度变化与水位高度变化信息;
104)得到明渠实际运行步骤:通过无人机和漂流浮标测量得到不同时刻不同位置的水位高度变化值与速度变化值,通过随机并行优化方法和测得的实时数据形成的目标函数,进行校正融合从而得到更准确的明渠的实际运行状况。
进一步的,步骤102)中的稳定的明渠流动数据包括稳定流速和稳态水位高度。
进一步的,稳定的明渠流动数据,得到线性化的一维明渠模型公式如下所示:
其中,x为明渠长度变量,t为时间变量,h(x,t)和v(x,t)分别代表水位高度和流速的变化值,其与长度变量和时间变量相关;A为明渠的横截面积,Ψ为明渠的宽度,λ=λ(x),β=β(x),α=α(x),γ=γ(x)分别为与长度变量有关的量。
进一步的,稳定流速和稳态水位高度的测量,包括结合历史数据和水纹信息,历史数据即明渠流动的历史数据,将数值计算和出入口测量点得到的流体速度进行数据融合,从而得到稳态流速值;水纹信息通过无人机与漂流浮标采集的数据来进一步精确。
进一步的,无人机采集的数据,采用视觉测量得到不同点的流速和水位高度变化情况,具体的步骤如下:
201)无人机信息获取步骤:无人机包括高空定位无人机和低空巡检无人机,低空巡检无人机沿着明渠巡检,根据惯性测量单元测量得到的数据信息,通过姿态解算,得到无人机的运动状态和姿态信息,因此也得到了搭载在低空巡检无人机中的相机的姿态;高空定位无人机以拍摄到明渠全景为标准,拍摄流体运动的照片;
202)流体信息纠正步骤:通过无人机的姿态,去校正所拍摄的流体图片;
203)获取流体真实速度步骤:沿着x方向上的速度减去无人机的运动速度,得到流体真实的测量速度,并结合明渠流速的历史数据、出入口的流速测量,融合得到稳态速度;
204)获取流速的变化量步骤:无人机的测量得到的流体速度减去稳态速度,从而得到流速的变化量,并将无人机将位置和时间发给主控机。
进一步的,漂流浮标采集的数据,采用传感器得到不同点的流体运动和水位高度变化情况,具体步骤如下:
301)投掷漂浮浮标步骤:在明渠入口处,等时间间隔将多个漂浮浮标投入明渠中,漂浮浮标上设置有传感器,漂浮浮标无驱动,其随着流体流动,在明渠中自由分布;
302)水位高度的变化值获取步骤:每个漂浮浮标的传感器通过波浪传感器测量自身浮动的加速度,结合惯性测量单元姿态解算结果,得到垂直方向的加速度信息,并对其进行二次积分,得到波高值,即水位高度的变化值,同时实时记录位置和时间发送给中控机;
303)获取流速的变化量步骤:漂流浮标通过GPS定位位置信息,结合时间信息,实时计算得到流体运动速度信息,融合漂流浮标的加速度信息,得到流体运动速度信息;再通过结合流速的历史数据、出入口的流速测量,得到稳态流速。由流体运动速度信息减去稳态流速,得到流速的变化值。
进一步的,明渠的出入口设置的水位计通过超声测量水位高度,由于一维明渠模型的水位高度是变化值,因此在测量得到高度之后,减去稳态水位高度就可以得到水位高度的变化值,水位的高度测量和相机的拍摄必须同步,从而保证采集的信息的准确性。
本发明相比现有技术优点在于:
1、通过固定式传感器(位置固定)—明渠出入口端的CCD相机和水位计(遥测设备)以及拉格朗日式传感器(位置移动)—明渠中随水流动的浮标和沿着明渠飞的无人机系统,从多信息融合角度给出准确的监测方法;
2、线性化一维明渠模型,且水位高度变化和流体速度变化相耦合。通过拉布拉斯变换,得到频域的水位高度变化和流体速度变化的解析解。结合线性模型的特点(系统输出为与输入同频率),通过模态降维,再将频域解析解转化为时域解析解。经过“时域-频域-时域”的过程,得到明渠模型流速变化和水位高度变化的近似时域解析解。
3、为了确保明渠出入口处流速测量的准确性,结合二维的浅水波模型,采用光流法得到平面出入口流速随二维空间的分布数据,然后拟合成x方向上的一维流速信息。
4、无人机系统搭载防抖动相机、小型水位记、定位传感器GPS以及惯性测量单元等传感器,通过光流、姿态解算等方法,得到稳定流速以及时空相关的流速变化值和水位高度变化值。漂流浮标通过波浪传感器、定位传感器GPS以及惯性测量单元等,也得到稳定流速以及时空相关的流速变化值和水位高度变化值。
5、提出入口水位高度变化值和出口流体速度变化值的融合数据形式;提出无人机测量得到的数据和漂流浮标得到的数据去校正流量变化值和水位高度变化值的目标函数。
6、结合CMSOL/FLUENT等软件仿真一维线性明渠模型和边界流体速度变化和水位高度变化的融合数据形式,通过随机并行优化方法,给出流体速度变化和水位高度变化的融合数值。同时,无人机系统和漂流式传感器得到的数据也可以对明渠的初始状态进行校正,融合过程与前者类似。
附图说明
图1为本发明明渠输水系统监控的示意图;
图2为本发明明渠模型物理量的示意图;
图3为本发明明渠输水系统出入口的二维流速图;
图4为本发明给出明渠输水系统仿真的流体测量值与演化值曲线图;
图5为本发明给出明渠输水系统仿真的流体的融合值曲线图。
图中标识:相机1,水位计2,无人机3、明渠4、漂流浮标5、主控机6。
具体实施方式
下面结合附图和具体实施方式对本发明进一步说明。
实施例一:
如图1至图5所示,明渠4输水系统的监控系统包括,包括相机1、水位计2、无人机3、漂流浮标5和主控机6等组成。无人机3包括防抖动相机1、水位计2、定位传感器、惯性测量单元。其中相机1为CCD相机1,水位计2采用遥测设备。CCD相机1用来拍摄明渠4中流体的运动情况,水位计2用来测量水位高度。其中,无人机3搭载防抖动相机1、小型水位记、定位传感器GPS以及惯性测量单元等。漂流浮标5包括波浪传感器、定位传感器GPS以及惯性测量单元(包含加速度传感器)等。主控机6主要包含相应的监控软件。
在明渠4输水系统运行步骤主要如下:
101)信息采集步骤:相机1拍摄明渠4入口和出口的流体的运动状态信息,并将该信息传送给主控机6,即CCD相机1拍摄流体的运动状态,低速拍摄即可。水位计2设置在明渠4入口和出口,测量水位高度信息,并将该处拍摄的图像信息和水位高度信息传送给主控机6进行记录并显示;无人机3沿着明渠4进行巡检,漂流浮标5沿着明渠4内的流体自由移动,无人机3将测量得到的水位高度、图像、位置和漂流浮标5采集的水位波动情况、流速、位置信息,实时地传给主控机6。
102)获得水位高度信息步骤:通过二维光流方程,对拍摄到的照片通过光流方法得到明渠4出入口处的流体二维速度信息,然后拟合成在x方向上的一维流速信息,得到明渠4出入口处的水位高度信息,并通过历史数据和实时采集的数据,得出稳定的明渠4流动数据;明渠4流动数据包括稳定流速为和稳态水位高度
103)获得明渠4模型信息步骤:首先根据实时采集的数据与稳定的明渠4流动数据建立一维明渠4流动模型。即将一维明渠4流动模型线性化,由此模型中的物理量都是变化值,包括流体速度变化值和水位高度变化值(当前的测量信息减去稳态的测量信息)。然后采用拉布拉斯变化得到线性化模型的频域解析表达式并得到解析解,再结合模态降维,将频域数据转化为时域数据,从而得到入口的水位高度信息与出口的流体速度数据信息,即从而完成入口的流体速度信息和出口的水位高度信息演化入口的水位高度信息与出口的流体速度信息的任务。通过入口的水位高度变化信息与出口的流体速度变化信息融合相应的测量值,给出融合后的数据形式,即融合该数据信息以及初始情况下明渠4的信息,从而根据明渠4的初始情况,结合融合后的水位高度变化与流体速度变化的边界数据形式,利用流体计算软件CMSOL/FLUENT来演化明渠4的一维线性化模型,得到明渠4中任意点任意时刻的流体速度变化与水位高度变化信息。
104)得到明渠4实际运行步骤:通过无人机3和漂流浮标5测量得到不同时刻不同位置的水位高度变化值与速度变化值,通过随机并行优化方法和测得的实时数据形成的目标函数,进行校正融合从而得到更准确的明渠4的实际运行状况(流体速度信息和水位高度信息)。
实施例二
如图1至图5所示,明渠4输水系统的监控系统包括,包括相机1、水位计2、无人机3、漂流浮标5和主控机6等组成。无人机3包括防抖动相机1、水位计2、定位传感器、惯性测量单元。其中相机1为CCD相机1,水位计2采用遥测设备。CCD相机1用来拍摄明渠4中流体的运动情况,水位计2用来测量水位高度。其中,无人机3搭载防抖动相机1、小型水位记、定位传感器GPS以及惯性测量单元等。漂流浮标5包括波浪传感器、定位传感器GPS以及惯性测量单元(包含加速度传感器)等。主控机6主要包含相应的监控软件。
在明渠4输水系统运行步骤主要如下:
101)信息采集步骤:相机1拍摄明渠4入口和出口的流体的运动状态信息,并将该信息传送给主控机6,即CCD相机1拍摄流体的运动状态,低速拍摄即可。水位计2设置在明渠4入口和出口,测量水位高度信息,并将该处拍摄的图像信息和水位高度信息传送给主控机6进行记录并显示;无人机3沿着明渠4进行巡检,漂流浮标5沿着明渠4内的流体自由移动,无人机3将测量得到的水位高度、图像、位置和漂流浮标5采集的水位波动情况、流速、位置信息,实时地传给主控机6。
102)获得水位高度信息步骤:通过二维光流方程,对拍摄到的照片通过光流方法得到明渠4出入口处的流体二维速度信息,然后拟合成在x方向上的一维流速信息,得到明渠4出入口处的水位高度信息,并通过历史数据和实时采集的数据,得出稳定的明渠4流动数据;明渠4流动数据包括稳定流速为和稳态水位高度
其中步骤102)主要建立明渠4模型演化和预测步骤中稳定流速和稳态水位高度的求解十分重要,因明渠4的流动特性一般比较稳定,并带有一定的波动,即物理状态量(流速和水位高度)会在一个稳态附近波动。稳定流速为稳态水位高度为可以通过历史数据和传感器采集数据得到。由此,线性化的一维明渠4模型如下所示:
式中,x为明渠4长度变量,t为时间变量,h(x,t)和v(x,t)分别代表水位高度和流速的变化值,与长度变量和时间变量相关。A为明渠4的横截面积,Ψ为明渠4的宽度。λ=λ(x),β=β(x),α=α(x),γ=γ(x)分别与长度变量有关的量,一般由历史数据参数辨识、软测量与经验公式得到。图2明渠4模型物理量的示意图。
明渠4模型是一对偏微分方程组,且h和v相互耦合。因此,在时域中求出解析解难度十分大。为此,通过拉布拉斯变换,将时域转化为频域求解
公式(2)为一组常微分方程组,其中s表示复变量联立求解得到。
式中,L为明渠4在x方向上的总长度,而矩阵G(x,L,s)各个矩阵元素由以下表示
其中,μi=μi(s),i=1或2;e是常量,且
根据公式(3),通过入口的流体速度变化信息和出口的水位高度变化信息,可以得到明渠4空间内任意点的流体速度变化信息和水位高度变化信息。然而公式(3)给出的是频域关系,在频域中直接得到相应信息,然后映射到时域计算量太大。图2给出了明渠4模型物理量的示意图,容易得到在明渠4运行过程中的h(x,t)和v(x,t)都是一个波动的量。因此可以用正弦或是余弦函数去逼近(类似于傅里叶展开)
式中,为逼近的不同系数,wk为第k个频谱,N为逼近的频谱个数。公式(7)虽然能够直接转化变成频域,然而与公式(3)不能直接与传递函数矩阵相运算。因此,将公式(7)改写为
其中,i为虚部,Ck和为逼近系数且相共轭,Dk和亦如此。公式(8)可以看出,v(0,t)和h(L,t)是实数。同理,用N个频谱去近似
Ek和为逼近系数且相共轭,Fk和亦如此。将公式(8)(9)带入模型(3)得到系数之间的关系。
Ek=G11(L,L,jw)Ck+G12(L,L,jw)Dk
Fk=G21(0,L,jw)Ck+G22(0,L,jw)Dk (10)
j代表虚数,k=1,2,...,N。因此,从一维线性明渠4时域模型(1)转为频域模型(2),得到频域解析解(3),在通过时域中的模态降维/逼近(8)-(9),得到系数之间的关系(10)。如此只要将入口的流体速度变化信息和出口的水位高度变化信息经过模态降维,即得到公式(8)这个表达式的系数,就可以演化明渠4任意点的流体速度信息和水位高度信息。
实际测试中出入口固定相机1的流速测量、出入口水位计2(遥测设备)测量水位高度也是重要数据。
出入口固定相机1的流速测量,具体如下:
架在明渠4出入口的CCD相机1需确保能够稳定地拍摄到整个入口或出口的流体运动情况。明渠4中的水面由于波动,震荡等不稳定因素,会产生波纹或是泡沫等天然的水面漂浮物。CCD相机1以一定帧速率连续拍摄分辨率为256×256的两帧图像。帧速率可以根据具体流体振动情况而定,采样频率必须确保能还原真实的流体波动情况。
由于入口处的流速计算直接关系到演化数据的准确性,结合二维的浅水波模型,采用光流法得到平面入口流量随二维空间的分布数据。图3表示在明渠4平面中,通过光流法得到的流体速度分布。
由于在入口处采用二维的浅水波模型,因此采用光流法所得的速度场是跟x方向和垂直x方向两个方向有关。得到的流体速度减去稳定流速为就可以得到流体的变化值。为了尽可能得到入口流量的准确值,将测量到的第k个流体速度变化值设为并设第k个流体速度与垂直方向的夹角为θk。由于明渠4模型是一维的,用以下公式得到入口流速的变化值
式中,M为得到的二维速度个数。同理,可得出口的流速变化测量值为vc(L,t)。在二维的入口流场计算中,为了确保能较快地得到流体运动情况,引入并行计算构架,加快计算效率。
出入口水位计2(遥测设备)测量水位高度,具体如下:
通过超声等物理原理,采用水位计2(遥测设备)测量得到水位高度。由于一维明渠4模型的h(x,t)水位高度是的变化值,因此在测量得到高度之后,减去稳态水位高度就可以得到水位高度的变化值,记水位计2(遥测设备)测量得到出口与入口的水位高度变化值为hc(0,t)与hc(L,t)。水位的高度测量和CCD相机1拍摄必须同步,并将采集的信息发送到主控机6处理。
其中最用要的稳定流速为的测量以及流速变化和水位高度变化的测量,具体如下:
稳定流速为的测量涉及整个明渠4的流体情况,在加上明渠4本身是个动态的过程,即流速都在时刻变化,想要精准地测量水位高度,单单只测量首末端的流体速度信息,并不能完全地反应稳定流速。因此采用如下两步骤:
1.结合历史数据,即明渠4流动的历史数据,将数值计算和出入口测量点得到的流体速度进行数据融合,从而得到稳态流速值。
2.虽然历史数据能较准地给出或预测稳定流速。然后由于水纹等各种信息的不确定性,还需要结合无人机3与漂流浮标5采集的数据来进一步精确,同时给出无人机3与漂流浮标5的流速变化和水位高度变化的测量方法。
无人机3采用视觉测量得到不同点的流速和水位高度变化情况的步骤为:
201)无人机3信息获取步骤:无人机3包括高空定位无人机3和低空巡检无人机3。让低空巡检无人机3沿着明渠4巡检,根据惯性测量单元(IMU)测量得到的加速度等信息,通过姿态解算,得到低空巡检无人机3的运动状态和姿态信息。低空巡检无人机3搭载相机1,因此,得到了低空巡检无人机3的姿态信息,也就得到了相机1的姿态。在姿态解算后,就知道低空巡检无人机3沿着x方向上的速度并记录此时的低空巡检无人机3位置lr和时间tr。当然,在低空巡检无人机3拍摄过程中,采用高空定位无人机3即高飞行性能和高稳定性,防抖动和自抗扰强的无人机3,比如大疆M600,以及防抖动的相机1拍摄流体运动的照片。
202)流体信息纠正步骤:通过无人机3的姿态,去校正所拍摄的流体图片。由于无人机3拍摄间隔十分短暂,假设前后两帧所拍摄的无人机3姿态变化可以忽略。从而,通过光流法和相关分析法,快速得到沿着x方向上的速度这里的光流法区别于出入口两端对图像所采用的光流法。出入口两段是对光流方程的二维模型进行处理,从而得到二维的速度信息。而无人机3的光流法与相关分析法是通过前后两帧图像对比相关度,从而快速地得到流体运动的一维速度信息。此方法速度快,但精度有所下降。
203)获取流体真实速度步骤:沿着x方向上的速度并不是流体真实的运动情况,减去无人机3的运动速度,就可以得到流体真实的测量速度沿着x方向上的速度,记为且根据流速的历史数据、出入口的流速测量以及无人机3光流计算的流速,融合得到稳态速度
204)获取流速的变化量步骤:无人机3的测量得到的流体速度减去稳态速度得到流速的变化量以及无人机3将位置lr和时间tr发给中央控制室,即发送同时,根据小型水位测得的波浪高度变化信息一并发送。
漂流浮标5采用传感器得到不同点的流体运动和水位高度变化情况的步骤为:
301)投掷漂浮浮标步骤:在明渠4入口处,等时间间隔将N个漂浮浮标(漂浮式传感器)投入明渠4中,无驱动的漂浮浮标随着流体流动,在明渠4中自由分布。
302)水位高度的变化值获取步骤:每个漂浮式传感器通过波浪传感器测量自身浮动的加速度,结合惯性测量单元姿态解算结果,得到垂直方向的加速度信息,对其进行二次积分,得到波高值,即水位高度的变化值,记为并实时记录位置lp和时间tp,发送给主控机6;
303)获取流速的变化量步骤:漂流浮标5通过GPS定位位置信息,结合时间信息,实时计算得到流体运动速度信息,融合漂流浮标5的加速度信息,得到流体运动速度信息Vl p,结合流速的历史数据、出入口的流速测量,得到稳态流速减去得到流速的变化值
正常运行时,主控机6接到收到小于等于N个数量的漂浮浮标发送的流速变化和水位高度变化的数据。
103)获得明渠4模型信息步骤:首先根据实时采集的数据与稳定的明渠4流动数据建立一维明渠4流动模型。即将一维明渠4流动模型线性化,由此模型中的物理量都是变化值,包括流体速度变化值和水位高度变化值(当前的测量信息减去稳态的测量信息)。然后采用拉布拉斯变化得到线性化模型的频域解析表达式并得到解析解,再结合模态降维,将频域数据转化为时域数据,从而得到入口的水位高度信息与出口的流体速度数据信息,即从而完成入口的流体速度信息和出口的水位高度信息演化入口的水位高度信息与出口的流体速度信息的任务。通过入口的水位高度变化信息与出口的流体速度变化信息融合相应的测量值,给出融合后的数据形式,即融合该数据信息以及初始情况下明渠4的信息,从而根据明渠4的初始情况,结合融合后的水位高度变化与流体速度变化的边界数据形式,利用流体计算软件CMSOL/FLUENT来演化明渠4的一维线性化模型,得到明渠4中任意点任意时刻的流体速度变化与水位高度变化信息。
具体的以出入口流体速度和水位高度的信息融合为关键,具体过程如下:
主控机6中接收到无人机3发送的流速变化值和水位波动值及稳态流速值数据,漂流式传感器发送的流速的变化值和水位波动及稳态流速值数据这些信息中,无人机3发送的流速变化值和漂流式传感器发送的水位波动相对精确。
根据入口流速v(0,t)和出口的水位测量h(L,s),可以演化入口水位h(0,t)和出口流速v(L,s)的数据。再者,可以通过出入口的水位计2和CCD相机1得到测量的入口水位hc(0,t)和出口流速vc(L,s)。然而,无论是演化值还是测量值,都含有误差,为了尽可能消除误差,将演化值和测量值融合:
其中分别为入口水位和出口流速的融合值,w1,w2,w3,w4,都为未知权系数且w1+w2=1,w3+w4=1。公式(12)可以理解成为测量值和演化值有不同的“信任度”。如,w1=1,w2=0代表完全信任演化值。
实际情况是没法知道到底哪个更接近真实值。由于测量会有误差,受仪器的精度、物理条件等限制。而演化值根据模型而来,模型存在不准确性。因此,用无人机3测量得到的数据和漂流浮标5得到的数据去校正流量变化值和水位高度变化值。提出以下目标函数:
其中,∑∑为主控机6收到的无人机3/漂移浮标的位置信息和时间信息的累加,ρ1,ρ2,ρ3,ρ4为设定的权系数,由于无人机3发送的流速变化值和漂流式传感器发送的水位波动相对精确,因此可以设定ρ1=ρ3=1,ρ2=ρ4=0.2。v和h可以通过公式(12)和CMSOL/FLUENT得到。因此融合步骤为:
将主控机6接受到的入口流速变化值vc(0,t)和出口水位高度变化值hc(L,t)通过公式(8)进行模态降维,从而得到系数,Ck,Dk,
根据公式(10)和得到的系数Ck,Dk,得到Ek,Fk,带入公式(9)得到演化值v(L,t),h(0,t);
主控机6接受到的入口水位高度变化值hc(0,t)和出口流速变化值vc(L,t),通过(12)得到在一定时间内的入口水位和出口流速融合数值的形式和其中只有w1,w3为未知数;
主控机6中接收到无人机3发送的流速变化值和水位波动值及稳态流速值数据,漂流式传感器发送的流速的变化值和水位波动及稳态流速值数据
CMSOL/FLUENT或是自己编写的代码演示一维的明渠4时域模型(1),结合边界条件(融合的数值形式和),得到计算值v和h;
代入公式(13),结合约束w1+w2=1,w3+w4=1,采用随机并行优化方法,给出w1和w3的值。
此外,得到无人机3和漂流式传感器得到的数据也可以对明渠4的初始状态进行校正,融合步骤类似。图4给出仿真的测量值、演化值曲线图,从而融合得到图5。
104)得到明渠4实际运行步骤:通过无人机3和漂流浮标5测量得到不同时刻不同位置的水位高度变化值与速度变化值,通过随机并行优化方法和测得的实时数据形成的目标函数,进行校正融合从而得到更准确的明渠4的实际运行状况(流体速度信息和水位高度信息)。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员,在不脱离本发明构思的前提下,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明保护范围内。
Claims (7)
1.一种基于多信息融合的明渠输水监控系统,其特征在于,包括相机、水位计、无人机、漂流浮标和主控机;无人机包括防抖动相机、水位计、定位传感器、惯性测量单元;
101)信息采集步骤:相机拍摄明渠入口和出口的流体的运动状态信息,并将该信息传送给主控机;水位计设置在明渠入口和出口,测量水位高度信息,并将该处拍摄的图像信息和水位高度信息传送给主控机进行记录并显示;无人机沿着明渠进行巡检,漂流浮标沿着明渠内的流体自由移动,无人机将测量得到的水位高度、图像、位置和漂流浮标采集的水位波动情况、流速、位置信息,实时地传给主控机;
102)获得水位高度信息步骤:对拍摄到的照片通过光流方法得到明渠出入口处的流体二维速度信息,然后拟合成在x方向上的一维流速信息,得到明渠出入口处的水位高度信息,并通过历史数据和实时采集的数据,得出稳定的明渠流动数据;
103)获得明渠模型信息步骤:首先根据实时采集的数据与稳定的明渠流动数据建立一维明渠流动模型,然后采用拉布拉斯变化得到线性化模型的频域解析表达式并得到解析解,再结合模态降维,将频域数据转化为时域数据,从而得到入口的水位高度信息与出口的流体速度数据信息,并融合该数据信息以及初始情况下明渠的信息,从而利用CMSOL/FLUENT即流体处理软件进行信息融合演化,得到明渠中任意点任意时刻的流体速度变化与水位高度变化信息;
104)得到明渠实际运行步骤:通过无人机和漂流浮标测量得到不同时刻不同位置的水位高度变化值与速度变化值,通过随机并行优化方法和测得的实时数据形成的目标函数,进行校正融合从而得到更准确的明渠的实际运行状况。
2.根据权利要求1所述的一种基于多信息融合的明渠输水监控系统,其特征在于:步骤102)中的稳定的明渠流动数据包括稳定流速和稳态水位高度。
3.根据权利要求2所述的一种基于多信息融合的明渠输水监控系统,其特征在于:稳定的明渠流动数据,得到线性化的一维明渠模型公式如下所示:
其中,x为明渠长度变量,t为时间变量,h(x,t)和v(x,t)分别代表水位高度和流速的变化值,其与长度变量和时间变量相关;A为明渠的横截面积,Ψ为明渠的宽度,λ=λ(x),β=β(x),α=α(x),γ=γ(x)分别为与长度变量有关的量。
4.根据权利要求2所述的一种基于多信息融合的明渠输水监控系统,其特征在于:稳定流速和稳态水位高度的测量,包括结合历史数据和水纹信息,历史数据即明渠流动的历史数据,将数值计算和出入口测量点得到的流体速度进行数据融合,从而得到稳态流速值;水纹信息通过无人机与漂流浮标采集的数据来进一步精确。
5.根据权利要求4所述的一种基于多信息融合的明渠输水监控系统,其特征在于:无人机采集的数据,采用视觉测量得到不同点的流速和水位高度变化情况,具体的步骤如下:
201)无人机信息获取步骤:无人机包括高空定位无人机和低空巡检无人机,低空巡检无人机沿着明渠巡检,根据惯性测量单元测量得到的数据信息,通过姿态解算,得到无人机的运动状态和姿态信息,因此也得到了搭载在低空巡检无人机中的相机的姿态;高空定位无人机以拍摄到明渠全景为标准,拍摄流体运动的照片;
202)流体信息纠正步骤:通过无人机的姿态,去校正所拍摄的流体图片;
203)获取流体真实速度步骤:沿着x方向上的速度减去无人机的运动速度,得到流体真实的测量速度,并结合明渠流速的历史数据、出入口的流速测量,融合得到稳态速度;
204)获取流速的变化量步骤:无人机的测量得到的流体速度减去稳态速度,从而得到流速的变化量,并将无人机将位置和时间发给主控机。
6.根据权利要求4所述的一种基于多信息融合的明渠输水监控系统,其特征在于:漂流浮标采集的数据,采用传感器得到不同点的流体运动和水位高度变化情况,具体步骤如下:
301)投掷漂浮浮标步骤:在明渠入口处,等时间间隔将多个漂浮浮标投入渠道中,漂浮浮标上设置有传感器,漂浮浮标无驱动,其随着流体流动,在渠道中自由分布;
302)水位高度的变化值获取步骤:每个漂浮浮标的传感器通过波浪传感器测量自身浮动的加速度,结合惯性测量单元姿态解算结果,得到垂直方向的加速度信息,并对其进行二次积分,得到波高值,即水位高度的变化值,同时实时记录位置和时间发送给中控机;
303)获取流速的变化量步骤:漂流浮标通过GPS定位位置信息,结合时间信息,实时计算得到流体运动速度信息,融合漂流浮标的加速度信息,得到流体运动速度信息;再通过结合流速的历史数据、出入口的流速测量,得到稳态流速。由流体运动速度信息减去稳态流速,得到流速的变化值。
7.根据权利要求1所述的一种基于多信息融合的明渠输水监控系统,其特征在于:明渠的出入口设置的水位计通过超声测量水位高度,由于一维明渠模型的水位高度是变化值,因此在测量得到高度之后,减去稳态水位高度就可以得到水位高度的变化值,水位的高度测量和相机的拍摄必须同步,从而保证采集的信息的准确性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810606567.1A CN110146123B (zh) | 2018-06-13 | 2018-06-13 | 一种基于多信息融合的明渠输水监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810606567.1A CN110146123B (zh) | 2018-06-13 | 2018-06-13 | 一种基于多信息融合的明渠输水监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110146123A true CN110146123A (zh) | 2019-08-20 |
CN110146123B CN110146123B (zh) | 2021-04-06 |
Family
ID=67589232
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810606567.1A Active CN110146123B (zh) | 2018-06-13 | 2018-06-13 | 一种基于多信息融合的明渠输水监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110146123B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114238443A (zh) * | 2021-12-20 | 2022-03-25 | 华南理工大学 | 一种基于物联网的无人船测试信息集成采集方法及系统 |
CN117824788A (zh) * | 2024-03-05 | 2024-04-05 | 河海大学 | 水位监测分析系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7136756B1 (en) * | 2004-11-02 | 2006-11-14 | Vieux And Associates, Inc. | Method for determining runoff |
CN101935996A (zh) * | 2010-09-08 | 2011-01-05 | 中国水利水电科学研究院 | 一种多渠段水位自动控制方法及装置 |
CN102401685A (zh) * | 2011-11-17 | 2012-04-04 | 中国计量学院 | 明渠流量计在线检定/校准的方法及其装置 |
CN203259328U (zh) * | 2013-05-24 | 2013-10-30 | 重庆交通大学 | 周期性明渠非恒定流非接触式紊动结构测控系统 |
CN105389839A (zh) * | 2015-11-06 | 2016-03-09 | 北京航空航天大学 | 基于流体分析的流体参数估计方法 |
CN107246896A (zh) * | 2017-07-20 | 2017-10-13 | 山东省水利勘测设计院 | 一种智能、可移动明渠流量监测仪及其监测方法 |
CN107884026A (zh) * | 2016-09-30 | 2018-04-06 | 张凯 | 一种用于渠道、河道的智能水量测量系统 |
-
2018
- 2018-06-13 CN CN201810606567.1A patent/CN110146123B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7136756B1 (en) * | 2004-11-02 | 2006-11-14 | Vieux And Associates, Inc. | Method for determining runoff |
CN101935996A (zh) * | 2010-09-08 | 2011-01-05 | 中国水利水电科学研究院 | 一种多渠段水位自动控制方法及装置 |
CN102401685A (zh) * | 2011-11-17 | 2012-04-04 | 中国计量学院 | 明渠流量计在线检定/校准的方法及其装置 |
CN203259328U (zh) * | 2013-05-24 | 2013-10-30 | 重庆交通大学 | 周期性明渠非恒定流非接触式紊动结构测控系统 |
CN105389839A (zh) * | 2015-11-06 | 2016-03-09 | 北京航空航天大学 | 基于流体分析的流体参数估计方法 |
CN107884026A (zh) * | 2016-09-30 | 2018-04-06 | 张凯 | 一种用于渠道、河道的智能水量测量系统 |
CN107246896A (zh) * | 2017-07-20 | 2017-10-13 | 山东省水利勘测设计院 | 一种智能、可移动明渠流量监测仪及其监测方法 |
Non-Patent Citations (3)
Title |
---|
张成 等: "复杂内边界长距离输水明渠的一维非恒定流数学模型", 《南水北调与水利科技》 * |
张晓曦 等: "明渠非恒定流的一维浅水波与三维VOF耦合模拟", 《重庆交通大学学报 自然科学版》 * |
茆骥: "光流法在流场测量显示技术中的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114238443A (zh) * | 2021-12-20 | 2022-03-25 | 华南理工大学 | 一种基于物联网的无人船测试信息集成采集方法及系统 |
CN117824788A (zh) * | 2024-03-05 | 2024-04-05 | 河海大学 | 水位监测分析系统 |
CN117824788B (zh) * | 2024-03-05 | 2024-05-28 | 河海大学 | 水位监测分析系统 |
Also Published As
Publication number | Publication date |
---|---|
CN110146123B (zh) | 2021-04-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103439230B (zh) | 一种气泡参数测量方法及测量装置 | |
CN104021676B (zh) | 基于车辆动态视频特征的车辆定位及车速测量方法 | |
CN101661208B (zh) | 具有图像抖动校正功能的设备以及控制所述设备的方法 | |
CN107085852B (zh) | 一种基于无人机航拍的河道表面流场测试方法 | |
Meselhe et al. | Large scale particle image velocimetry for low velocity and shallow water flows | |
CN106092195B (zh) | 一种水环境监测系统 | |
CN101131311B (zh) | 一种智能化机载导弹动基座对准及标定方法 | |
KR102523451B1 (ko) | 드론 영상 기반의 하천 유속 측정을 위한 장치 및 방법 | |
CN101420530A (zh) | 运动平台上双摄像机监控系统减小盲区的方法 | |
CN103852130A (zh) | 基于图像识别的水位采集方法 | |
US20230016847A1 (en) | Non-invasive method and device to measure the flow rate of a river, open channel or fluid flowing in an underground pipe or channel | |
CN104864866B (zh) | 飞行器飞行误差矫正装置、矫正方法及无人飞行器 | |
CN110146123A (zh) | 一种基于多信息融合的明渠输水监控系统 | |
CN105222849B (zh) | 一种玻璃量器容积测量系统及方法 | |
CN102162733A (zh) | 一种基于svm的auv舰位推算导航误差实时修正方法 | |
CN104764401A (zh) | 一种发动机柔性喷管摆角及摆心测量方法 | |
Janowski et al. | Synchronic digital stereophotography and photogrammetric analyses in monitoring the flow of liquids in open channels | |
JP5035606B2 (ja) | 河川流量算出装置、河川流量算出方法およびコンピュータプログラム | |
CN110135011B (zh) | 一种基于视觉的柔性板振动形态可视化方法 | |
RU2589495C1 (ru) | Способ определения углов пространственной ориентации летательного аппарата и устройство для его осуществления | |
CN101567970A (zh) | 基于反馈神经积分器的类人眼异向运动控制方法 | |
Chen et al. | Long distance video camera measurements of structures | |
RU2594631C1 (ru) | Способ определения углов пространственной ориентации летательного аппарата и устройство для его осуществления | |
CN103292782A (zh) | 基于遗传算法及粒子滤波的红外目标被动测距方法 | |
Skyner | The mechanics of extreme water waves |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |