CN111649718A - 一种基于北斗卫星系统的桥梁基础沉降监测算法 - Google Patents
一种基于北斗卫星系统的桥梁基础沉降监测算法 Download PDFInfo
- Publication number
- CN111649718A CN111649718A CN202010550880.5A CN202010550880A CN111649718A CN 111649718 A CN111649718 A CN 111649718A CN 202010550880 A CN202010550880 A CN 202010550880A CN 111649718 A CN111649718 A CN 111649718A
- Authority
- CN
- China
- Prior art keywords
- beidou satellite
- model
- settlement
- wavelet
- parameter
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Abstract
本发明涉及一种基于北斗卫星系统的桥梁基础沉降监测算法,包括:运用平稳小波变换降低北斗卫星(BDS)采集信号中的多径误差,然后利用经验模态分解对降噪后的信号进行分解后,并根据自相关函数判断信号的含噪声项,对含噪声项进行小波降噪处理,最后重构北斗卫星采集信号。选用两参数沉降模型,对施工过程中精密水准测量数据和重构后的北斗卫星采集信号进行参数拟合。采用BP神经网络,根据施工过程中基础荷载数据和精密水准测量数据的观测时间,建立精密水准参数模型和北斗卫星参数模型间的非线性映射关系,实现大跨度桥梁基础沉降的实时监测和最终沉降量的预测。
Description
技术领域
本发明属于大跨度桥梁中桥梁基础沉降实时监测领域,更具体地,涉及一种基于北斗卫星系统的桥梁基础沉降监测算法。
背景技术
大型缆索式桥梁,通常由斜拉索或主缆将主梁荷载传递至索塔。为满足行车平稳性和缆索受力经济性指标,工程中索塔常选用高塔身和大截面形式,增加了结构自重,极易引起基础变位,对桥梁主体结构安全性和列车行车平稳性产生影响。此外,在桥梁施工过程中由于桥塔的基础沉降,对主塔施工模板、钢锚梁定位和线形控制等带来影响,需要在施工过程中考虑由于基础沉降引起的预抬量。因此,特大型桥梁基础变位的连续监测是桥梁施工期和运营期安全的必要保证。
近年来随着全球导航卫星系统的不断发展,相较于传统变形监测方法具有实用灵活、方便,任何时段都能接收卫星信号,可实现长期连续监测等优点。随着采样频率的逐渐提高,卫星观测技术在高层和大跨度桥梁的静动力响应的检测中得到了不断发展。由于卫星观测技术受卫星星历误差、对流层延迟误差、多路径效应误差等因素的影响,其测量精度通常在10mm范围内。而桥塔结构在施工和运营期间的基础变位通常是亚毫米级,直接通过卫星观测采集数据是不能满足基础变位实时监测和最终沉降量预测的精度需求。
卫星观测技术应用于工程结构变形监测时,基线通常布设较短(如小于5km),误差源中的卫星和接收机的时钟误差和对流层延迟误差可通过双差计算消除;而多径干扰引起的误差是高精度动态测量的主要误差源。在动态变形监测中,由于卫星天线的位置及其周围环境基本不变,可根据多径干扰效应的重复性,利用小波降噪、经验模态分解和滤波算法等方法削弱信号误差的影响。
发明内容
本发明的目的是提供一种基于北斗卫星系统的桥梁基础沉降监测算法,解决现有技术中存在的问题。将平稳小波变换和经验模态降噪相结合,提取消除噪声后的桥塔结构基础变位北斗卫星信号;通过BP神经网络建立北斗卫星信号与精密水准测量数据间的非线性映射网络,修正北斗卫星信号的观测误差,最后根据非线性映射网络修正实时采集的北斗卫星信号,实现基础变位的高精度连续监测。
为实现上述目的,提供了一种基于北斗卫星系统的大跨度桥梁基础沉降实时监测高精度算法,该方法包括如下步骤:
一种基于北斗卫星系统的桥梁基础沉降监测算法,包括以下步骤:
a,基于平稳小波变换方法,得到经小波降噪后的北斗卫星信号;
b,通过经验模态分解,将经小波降噪后的北斗卫星信号分解成从高频到低频的本征模态IMFi和残值分量rn;
c,根据自相关函数判断IMF截断数目,将含噪声的本征模态进行小波降噪处理后,对所有的经过处理及未处理的本征模态进行小波重构得到经验模态分解消除随机噪声后的北斗卫星信号x'(t);
d,选定沉降模型,对消除随机噪声后的北斗卫星信号和精密水准测量数据分别进行参数拟合表示桥塔基础的沉降,得到北斗卫星参数沉降模型和精密水准参数沉降模型;
e,通过BP神经网络建立北斗卫星参数沉降模型和精密水准参数沉降模型间的非线性映射关系;
f,根据所述精密水准参数沉降模型和所述非线性映射关系,实时修正所述北斗卫星参数沉降模型,实现大跨度桥梁基础的沉降监测。
进一步的,步骤a具体为:基于平稳小波变换方法,选择symmlets簇小波基函数,采用自适应方法确定小波分解层数,得到小波系数;通过阈值模平方去噪法计算每个尺度的高频次小波系数,通过小波逆变换,进行小波重构,得到经小波降噪后的北斗卫星信号。
进一步的,步骤a中,所述阈值模平方去噪法中阈值表示为:
其中,TH表示小波降噪的阈值,L表示北斗卫星信号长度,MAD表示高频次小波系数的绝对中位差。
进一步的,步骤b中,经验模态分解表示为:
式中,x(t)表示经小波降噪后的北斗卫星信号,t表示时间,i表示本征模态阶数,n表示经验模态的分解层数,IMFi(t)表示本征模态,rn(t)表示经验模态分解的残值。
进一步的,步骤c中,经验模态分解消除随机噪声后的北斗卫星信号x'(t)表示为:
式中,t表示时间,n表示经验模态的分解层数,i、j分别表示本征模态的阶数,IMFi和IMFj均表示本征模态;k表示通过自相关函数判断的噪声主导模态阶数,低于k阶的IMFi通过小波软阈值方法进行滤波处理。
进一步的,步骤d中,所述沉降模型包括双曲线模型、指数曲线模型、星野法模型、Gompertz模型和Weibull模型。
进一步的,步骤d中,所述沉降模型为两参数沉降模型,包括双曲线模型、指数曲线模型和星野法模型。
进一步的,步骤d中,
精密水准参数模型表示为:
St=S0+ΔS(a,b,t,t0)
北斗卫星参数模型表示为:
St=S0+ΔS(a,′b,′t,t0)
式中,St为随时间t变化的总沉降量;S0和ΔS分别表示的初始沉降量和沉降量;t0和t分别表示沉降的初始和经过时间;a和b为精密水准参数沉降模型的参数,a′和b′为北斗卫星参数沉降模型的参数。
进一步的,步骤e具体为,通过BP神经网络将施工过程中桥梁基础荷载数值、北斗卫星采集信号、精密水准测量数据和观测间隔时间作为输入层,建立参数a′和b′与参数a和b间的非线性映射关系。
本发明的有益效果为:
本发明所述基于北斗卫星系统的桥梁基础沉降监测算法,根据施工过程中桥梁基础荷载数据和精密水准测量数据,可实现桥梁施工期和运营期基础沉降的实时监测。对于运营过程中的桥梁或桥塔基础,无需对桥塔进行定时的精密水准测量,可根据北斗卫星采集信号和施工过程中训练得到的非线性映射关系,将北斗卫星采集信号映射成修正后的基础沉降数据,可实现桥梁施工期和运营期基础沉降的实时监测,并根据选择的沉降模型对最终沉降量进行预测,观测精度可达到亚毫米级。
附图说明
图1为本发明所述北斗卫星信号纠偏与预测示意图;
图2为本发明所述基于北斗卫星系统的桥梁基础沉降监测算法的流程图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
本发明提供一种于北斗卫星系统的桥梁基础沉降监测算法,包括:运用平稳小波变换降低北斗卫星(BDS)采集信号中的多径误差,然后利用经验模态分解对降噪后的信号进行分解后,并根据自相关函数判断信号的含噪声项,对含噪声项进行小波降噪处理,最后重构北斗卫星采集信号。选用两参数沉降模型,对施工过程中精密水准测量数据和重构后的北斗卫星采集信号进行参数拟合。采用BP神经网络,根据施工过程中基础荷载数据和精密水准测量数据的观测时间,建立精密水准参数模型和北斗卫星参数模型间的非线性映射关系,实现大跨度桥梁基础沉降的实时监测和最终沉降量的预测。具体包括以下步骤:
a,基于平稳小波变换方法,降低GNSS采集信号中的多径误差,得到经小波降噪后的北斗卫星信号,具体为:
基于平稳小波变换方法,选择symmlets簇小波基函数,采用自适应方法确定小波分解层数,得到小波系数;通过阈值模平方去噪法计算每个尺度的高频次小波系数,通过小波逆变换,进行小波重构,得到经小波降噪后的北斗卫星信号。
所述阈值模平方去噪法中阈值表示为:
其中,TH表示小波降噪的阈值,L表示北斗卫星信号长度,MAD表示高频次小波系数的绝对中位差。
b,通过经验模态分解,将经小波降噪后的北斗卫星信号分解成从高频到低频的本征模态IMFi和残值分量rn,所述经验模态分解表示为:
式中,x(t)表示经小波降噪后的北斗卫星信号,t表示时间,i表示本征模态阶数,n表示经验模态的分解层数,IMFi(t)表示本征模态,rn(t)表示经验模态分解的残值。
c,根据自相关函数判断IMF截断数目,将含噪声的本征模态进行小波降噪处理后,对所有的经过处理及未处理的本征模态进行小波重构得到经验模态分解消除随机噪声后的北斗卫星信号x'(t),表示为;
式中,x’(t)表示经验模态分解消除随机噪声后的北斗卫星信号;t表示时间,n表示经验模态的分解层数,i、j分别表示本征模态的阶数,IMFi和IMFj均表示本征模态;k表示通过自相关函数判断的噪声主导模态阶数,即所述IMF截断数目,低于k阶的IMFi通过小波软阈值方法进行滤波处理。
d,选定沉降模型,对消除随机噪声后的北斗卫星信号和精密水准测量数据分别进行参数拟合表示桥塔基础的沉降,得到北斗卫星参数模型和精密水准参数模型。
所述沉降模型包括双曲线模型、指数曲线模型、星野法模型、Gompertz模型和Weibull模型。本实施例中,所述沉降模型优选为两参数沉降模型,包括双曲线模型、指数曲线模型和星野法模型。
其中,
精密水准参数模型表示为:
St=S0+ΔS(a,b,t,t0)
北斗卫星参数模型表示为:
St=S0+ΔS(a,′b,′t,t0)
式中,St为随时间t变化的总沉降量;S0和ΔS分别表示的初始沉降量和沉降量;t0和t分别表示沉降的初始和经过时间;a和b为精密水准参数模型的待定参数,a′和b′为北斗卫星参数模型的待定参数。
e,通过BP神经网络建立北斗卫星参数模型和精密水准参数模型的非线性映射关系,具体为:
通过BP神经网络将施工过程中桥梁基础荷载数值、北斗卫星测量数据、精密水准测量数据和观测间隔时间作为输入层,建立北斗卫星测量数据拟合得到的模型参数a′和b′与精密水准测量沉降模型参数a和b间的非线性映射关系。
f,根据所述精密水准参数沉降模型和所述非线性映射关系,实时修正由北斗卫星信号建立的沉降模型,实现大跨度桥梁基础的沉降监测。
本发明所述基于北斗卫星系统的桥梁基础沉降监测算法,根据施工过程中桥梁基础荷载数据和精密水准测量数据,可实现桥梁施工期和运营期基础沉降的实时监测。对于运营过程中的桥梁或桥塔基础,无需对桥塔进行定时的精密水准测量,可根据北斗卫星采集信号和施工过程中训练得到的非线性映射关系,将北斗卫星采集信号映射成修正后的基础沉降数据,可实现桥梁施工期和运营期基础沉降的实时监测,并根据选择的沉降模型对最终沉降量进行预测。
综上,本发明根据桥梁施工过程数据,及通过在基础承台上建立北斗卫星观测点采集基础变位数据,可实现大跨度桥梁基础变位的实时监测,观测精度可达到亚毫米级。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.一种基于北斗卫星系统的桥梁基础沉降监测算法,其特征在于,包括以下步骤:
a,基于平稳小波变换方法,得到经小波降噪后的北斗卫星信号;
b,通过经验模态分解,将经小波降噪后的北斗卫星信号分解成从高频到低频的本征模态IMFi和残值分量rn;
c,根据自相关函数判断IMF截断数目,将含噪声的本征模态进行小波降噪处理后,对所有的经过处理及未处理的本征模态进行小波重构得到经验模态分解消除随机噪声后的北斗卫星信号x'(t);
d,选定沉降模型,对消除随机噪声后的北斗卫星信号和精密水准测量数据分别进行参数拟合表示桥塔基础的沉降,得到北斗卫星参数沉降模型和精密水准参数沉降模型;
e,通过BP神经网络建立北斗卫星参数沉降模型和精密水准参数沉降模型间的非线性映射关系;
f,根据所述精密水准参数沉降模型和所述非线性映射关系,实时修正所述北斗卫星参数沉降模型,实现大跨度桥梁基础的沉降监测。
2.根据权利要求1所述的基于北斗卫星系统的桥梁基础沉降监测算法,其特征在于,步骤a具体为:基于平稳小波变换方法,选择symmlets簇小波基函数,采用自适应方法确定小波分解层数,得到小波系数;通过阈值模平方去噪法计算每个尺度的高频次小波系数,通过小波逆变换,进行小波重构,得到经小波降噪后的北斗卫星信号。
6.根据权利要求1所述的基于北斗卫星系统的桥梁基础沉降监测算法,其特征在于,步骤d中,所述沉降模型包括双曲线模型、指数曲线模型、星野法模型、Gompertz模型和Weibull模型。
7.根据权利要求6所述的基于北斗卫星系统的桥梁基础沉降监测算法,其特征在于,步骤d中,所述沉降模型为两参数沉降模型,包括双曲线模型、指数曲线模型和星野法模型。
8.根据权利要求1所述的基于北斗卫星系统的桥梁基础沉降监测算法,其特征在于,步骤d中,
精密水准参数模型表示为:
St=S0+ΔS(a,b,t,t0)
北斗卫星参数模型表示为:
St=S0+ΔS(a,′b,′t,t0)
式中,St为随时间t变化的总沉降量;S0和ΔS分别表示的初始沉降量和沉降量;t0和t分别表示沉降的初始和经过时间;a和b为精密水准参数沉降模型的参数,a′和b′为北斗卫星参数沉降模型的参数。
9.根据权利要求8所述的基于北斗卫星系统的桥梁基础沉降监测算法,其特征在于,步骤e具体为,通过BP神经网络将施工过程中桥梁基础荷载数值、北斗卫星采集信号、精密水准测量数据和观测间隔时间作为输入层,建立参数a′和b′与参数a和b间的非线性映射关系。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010550880.5A CN111649718A (zh) | 2020-06-16 | 2020-06-16 | 一种基于北斗卫星系统的桥梁基础沉降监测算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010550880.5A CN111649718A (zh) | 2020-06-16 | 2020-06-16 | 一种基于北斗卫星系统的桥梁基础沉降监测算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111649718A true CN111649718A (zh) | 2020-09-11 |
Family
ID=72340644
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010550880.5A Pending CN111649718A (zh) | 2020-06-16 | 2020-06-16 | 一种基于北斗卫星系统的桥梁基础沉降监测算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111649718A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115218865A (zh) * | 2022-09-06 | 2022-10-21 | 四川藏区高速公路有限责任公司 | 基于北斗卫星的桥梁沉降监测设备 |
CN115451803A (zh) * | 2022-09-19 | 2022-12-09 | 福州大学 | 基于gnss与测量机器人融合的水闸实时监测预警方法 |
CN117685928A (zh) * | 2024-01-31 | 2024-03-12 | 赣州市巨匠工业设计有限公司 | 一种道路桥梁沉降远程监测系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103306173A (zh) * | 2013-07-09 | 2013-09-18 | 铁道第三勘察设计院集团有限公司 | 一种高速铁路结构体沉降监测新方法 |
CN108132013A (zh) * | 2017-12-22 | 2018-06-08 | 交通运输部科学研究院 | 一种基于组合差分gnss的桥梁形变多频动态分析方法 |
CN109145729A (zh) * | 2018-07-13 | 2019-01-04 | 杭州电子科技大学 | 基于改进小波阈值与eemd的肌电信号去噪方法 |
CN109975842A (zh) * | 2019-03-04 | 2019-07-05 | 广东工业大学 | 一种基于小波变换的北斗卫星信号高精度盲捕获方法 |
CN110598615A (zh) * | 2019-09-04 | 2019-12-20 | 北京建筑大学 | 一种用于桥梁结构监测的数据降噪方法及系统 |
-
2020
- 2020-06-16 CN CN202010550880.5A patent/CN111649718A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103306173A (zh) * | 2013-07-09 | 2013-09-18 | 铁道第三勘察设计院集团有限公司 | 一种高速铁路结构体沉降监测新方法 |
CN108132013A (zh) * | 2017-12-22 | 2018-06-08 | 交通运输部科学研究院 | 一种基于组合差分gnss的桥梁形变多频动态分析方法 |
CN109145729A (zh) * | 2018-07-13 | 2019-01-04 | 杭州电子科技大学 | 基于改进小波阈值与eemd的肌电信号去噪方法 |
CN109975842A (zh) * | 2019-03-04 | 2019-07-05 | 广东工业大学 | 一种基于小波变换的北斗卫星信号高精度盲捕获方法 |
CN110598615A (zh) * | 2019-09-04 | 2019-12-20 | 北京建筑大学 | 一种用于桥梁结构监测的数据降噪方法及系统 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115218865A (zh) * | 2022-09-06 | 2022-10-21 | 四川藏区高速公路有限责任公司 | 基于北斗卫星的桥梁沉降监测设备 |
CN115218865B (zh) * | 2022-09-06 | 2022-11-15 | 四川藏区高速公路有限责任公司 | 基于北斗卫星的桥梁沉降监测设备 |
CN115451803A (zh) * | 2022-09-19 | 2022-12-09 | 福州大学 | 基于gnss与测量机器人融合的水闸实时监测预警方法 |
CN117685928A (zh) * | 2024-01-31 | 2024-03-12 | 赣州市巨匠工业设计有限公司 | 一种道路桥梁沉降远程监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111649718A (zh) | 一种基于北斗卫星系统的桥梁基础沉降监测算法 | |
Lagerloef et al. | Tropical Pacific near‐surface currents estimated from altimeter, wind, and drifter data | |
Kleinherenbrink et al. | A comparison of methods to estimate vertical land motion trends from GNSS and altimetry at tide gauge stations | |
CN109059750A (zh) | 一种基于组合差分gnss的桥梁形变多频动态分析方法 | |
CN106324709A (zh) | 微波链路、雨滴谱仪、雨量计与天气雷达多源联合的降雨场重构方法 | |
DE60211783T2 (de) | Vorrichtung und Verfahren zur Durchführung von Verfolgung eines Signals mit offener Schleife | |
CN110457795A (zh) | 基于神经网络的高层建筑物风致位移状态评估方法 | |
CN112849208A (zh) | 轨道振动噪声与动态变形监测数据现场处理系统及方法 | |
CN114812496A (zh) | 一种基于多源异构数据的区域地面沉降预警方法 | |
CN110160719A (zh) | 一种大跨斜拉桥监测挠度温度效应的分离方法 | |
Ma et al. | Simultaneous Estimation of Submerged Floating Tunnel Displacement and Mooring Cable Tension through FIR Filter-Based Strain and Acceleration Fusion | |
CN112556563B (zh) | 一种北斗定位长期监测数据的处理方法及系统 | |
Bogusz et al. | Estimation of sub-diurnal noise level in GPS time series | |
CN116299247B (zh) | 一种基于稀疏卷积神经网络的InSAR大气校正方法 | |
Ma | BDS/GPS deformation analysis of a long-span cable-stayed bridge based on colored noise filtering | |
CN109977499B (zh) | 基于位置约束的北斗三频/静力水准仪斜拉桥监测方法 | |
CN114046774B (zh) | 综合cors网和多源数据的地面形变连续监测方法 | |
Li et al. | Sea surface oil slick detection from GNSS-R Delay-Doppler Maps using the spatial integration approach | |
CN114296046B (zh) | 基于人工神经网络的hfswr多海况有效波高提取方法与装置 | |
Erdoğan et al. | Identification of vertical total electron content by time series analysis | |
Ke | Denoising GPS-based structure monitoring data using hybrid EMD and wavelet packet | |
Xiong et al. | Bw-ICEEMDAN/NExT-ERA method of data processing for dynamic monitoring of a super high-rise TV tower based on GNSS-RTK technique | |
Yang et al. | Absolute geostrophic currents in global tropical oceans | |
Akyılmaz et al. | GPS monitoring of the Fatih Sultan Mehmet suspension bridge by using assessment methods of neural networks | |
Yuan et al. | Application of Optimized Grey-Markov Model to Land Subsidence Monitoring with InSAR |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200911 |
|
RJ01 | Rejection of invention patent application after publication |