CN111694916B - 浆砌石拱坝自动化监测系统 - Google Patents
浆砌石拱坝自动化监测系统 Download PDFInfo
- Publication number
- CN111694916B CN111694916B CN202010517174.0A CN202010517174A CN111694916B CN 111694916 B CN111694916 B CN 111694916B CN 202010517174 A CN202010517174 A CN 202010517174A CN 111694916 B CN111694916 B CN 111694916B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- dam
- module
- early warning
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 133
- 238000000034 method Methods 0.000 claims abstract description 28
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 21
- 238000006073 displacement reaction Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 12
- 239000004575 stone Substances 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 13
- 238000012806 monitoring device Methods 0.000 claims description 13
- 238000011144 upstream manufacturing Methods 0.000 claims description 8
- 238000005516 engineering process Methods 0.000 claims description 7
- 238000007689 inspection Methods 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 230000002457 bidirectional effect Effects 0.000 claims description 2
- 238000010223 real-time analysis Methods 0.000 claims description 2
- 230000002401 inhibitory effect Effects 0.000 claims 1
- 238000011156 evaluation Methods 0.000 abstract description 6
- 230000008569 process Effects 0.000 abstract description 5
- 238000013527 convolutional neural network Methods 0.000 abstract description 4
- 238000013473 artificial intelligence Methods 0.000 abstract description 2
- 238000012417 linear regression Methods 0.000 abstract description 2
- 230000004044 response Effects 0.000 abstract description 2
- 238000005259 measurement Methods 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 238000012423 maintenance Methods 0.000 description 5
- 230000032683 aging Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 230000001186 cumulative effect Effects 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000008439 repair process Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000011900 installation process Methods 0.000 description 1
- 210000001503 joint Anatomy 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C13/00—Surveying specially adapted to open water, e.g. sea, lake, river or canal
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/02—Thermometers specially adapted for specific purposes for measuring temperature of moving fluids or granular materials capable of flow
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
- G01S19/14—Receivers specially adapted for specific applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/43—Determining position using carrier phase measurements, e.g. kinematic positioning; using long or short baseline interferometry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Human Resources & Organizations (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Strategic Management (AREA)
- Geometry (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Artificial Intelligence (AREA)
- Computer Hardware Design (AREA)
- Databases & Information Systems (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Hydrology & Water Resources (AREA)
Abstract
本发明提供了一种浆砌石拱坝自动化监测系统,包括:数据采集模块、数据中心库模块和拱坝安全监测分析预警模块;所述数据采集模块包括:水位传感器、温度传感器和坝体径向位移监测模块;所述数据中心库模块用于存储数据采集模块和拱坝安全监测分析预警模块生成的历史数据;所述拱坝安全监测分析预警模块通过多元线性回归方法和/或LSTM方法和/或高斯过程回归方法和/或卷积神经网络方法对数据采集模块传输的监测数据进行阈值判断以确定是否发出预警信息。其提出砌石拱坝的大坝安全反演模型和预测评估预警系统,通过人工智能方法的运用能够将结构校核时间推进到秒级响应,为大坝的实时安全评估和预测预警分析开辟新路。
Description
技术领域
本发明属于水库大坝安全监测领域,具体涉及一种浆砌石拱坝自动化监测系统。
背景技术
随着科学技术的快速发展以及水库大坝安全运行的实际需求,对于大多数水库大坝存在运行时间长、老化失修严重、大坝结构及抗震安全存在风险等问题,为了保障水库大坝安全运行,安全监测是水库管理的重要组成部分,是掌握水库大坝安全性态的重要手段,是科学调度、安全运行的前提。
对于山区丘陵地带,地形相对狭窄,拱坝因其空间壳状高次静定结构而被优先且广泛选作挡水建筑物;从安全角度看,建设大坝安全监测系统是大坝运作的刚需,是水利工程行业掌握运行期大坝安全程度,及时发现存在的问题和安全隐患的必然趋势,是有效监控大坝工作状态的优势平台;从经济角度看,建设大坝安全监测系统可以实现实时监控,大幅度降低一系列内因与外因造成大坝失事的可能性;在实际运行中,由于现有监测系统没有安全实时预警系统,未能实现全数据的自动采集和实时处理,无法满足电气设备自动控制,导致系统间的集成性差,造成无法实现数据互联共享,且数据资源冗余繁杂,使得管理层不能及时掌握大坝实际情况,影响在台风、暴雨、洪水、高水位等不利工况下的对大坝工作具体调度,严重者将会造成大坝溃坝,危及下游安全。
由于当前没有针对砌石拱坝的大坝安全评价标准、模型算法及实时安全评估预警系统,对管理而言不能及时对大坝工作调度做出及时响应,且非智能化的数据采集或多或少影响数据传输的流程,无法实时处理数据,毫无疑问,这对保障水库大坝安全运行造成了巨大的风险。
发明内容
为了实现对浆砌石拱坝的各种工作状态实时、高精度自动化监控,及时对拱坝安全性进行评估,并做到预测预警反馈,本发明提供了一种浆砌石拱坝自动化监测系统。
本发明具体采用以下技术方案:
一种浆砌石拱坝自动化监测系统,其特征在于,包括:数据采集模块、数据中心库模块和拱坝安全监测分析预警模块;
所述数据采集模块包括:水位传感器、温度传感器和坝体径向位移监测模块;
所述数据中心库模块用于存储数据采集模块和拱坝安全监测分析预警模块生成的历史数据;
所述拱坝安全监测分析预警模块通过多元线性回归方法和/或LSTM方法和/或高斯过程回归方法和/或卷积神经网络方法对数据采集模块传输的监测数据进行阈值判断以确定是否发出预警信息。
优选地,所述拱坝安全监测分析预警模块利用3σ准则置信区间进行测值安全判断。
优选地,所述拱坝安全监测分析预警模块根据HST模型方法建立的多元回归机器学习模型对数据采集模块传输的监测数据进行阈值判断以确定是否发出预警信息。
优选地,所述HST模型方法建立的多元回归机器学习模型将拱坝径向位移按照形成原因,分解为水压分量δH、温度分量δT、时效分量δθ,设模型随机误差为ε,则拱坝径向位移表示为:
δ=δH(t)+δT(t)+δθ(t)+ε
其中:δH(t)为水压分量,δT(t)为温度分量,δθ(t)为时效分量;
水压分量δH(t)选取四项因子,即:X1=H-H0,X2=H2-H0 2,X3=H3-H0 3,X4=H4-H0 4,其中H0为初始测日库水位监测值,H为当日水位监测值;
时效分量δθ(t)选用线性函数、对数函数组成的多项式作为因子,两项因子分别为:X9=θ-θ0,X10=lnθ-lnθ0,其中θ为监测日至始测日的累计天数除以100即:θ=t/100,θ0为首个测值日到实测日的累计天数除以100即:θ0=t0/100。
优选地,所述HST模型方法建立的多元回归机器学习模型采用3σ准则置信区间估计法对监测数据进行修正,从而消除环境因素对数据采集的影响,如果一组测量数据中某个测量值的残余误差的绝对值νi>3σ,则该测量值为坏值,应剔除。
优选地,所述HST模型方法建立的多元回归机器学习模型采用非线性有限元结构计算分析法,分析时效变形的变化过程,对于坝基和坝体采用不同的本构模型,拟定相应典型工况,从而补充拟定不利荷载组合条件下的监控指标。完备模型之后,根据未来的数据的输入,模型可智能进行大坝安全性能的预测预警。
优选地,还包括:三维信息展示模块、水库人员及设备管理模块和大坝电气设备自动控制模块;
所述三维信息展示模块包括:坝体BIM模型、坝址三维模型及监控设备位置,并通过PostgreSQL技术在所述安全监测分析预警模块数据库中将实时分析结果调用并展示;使由水库主要水工建筑物及一系列监测管理站点的运行情况与分析模块分析出的结果数据,整合到一起在LED拼接屏幕中显示相应结果,为水库工作调度提供依据;
所述水库人员及设备管理模块包括电子设备台账;涵盖设备的所有资料信息,发生故障异常,使用智能终端实现报修功能,代替人工操作。对于设备作业计划单每天滚动更新,并根据需求,给相关人员发送设备作业、运维计划。其采用数字摄像机和携带RTK控件的无人机保障人员部署、设备作业和水库安全运营;所述终端设备包括监控大厅、手机和/或电脑。
所述大坝电气设备自动控制模块根据拱坝安全监测分析预警模块输出的逻辑判断信号,向终端设备发出控制指令,使终端设备能够执行具体的运行指令,实现机械自动化控制。
优选地,所述坝体径向位移监测模块包括:GNSS监测装置和测量机器人监测装置;所述GNSS监测装置采集的数据和测量机器人监测装置采集的数据导入并融合至同一监测软件;所述GNSS监测装置采用扼流圈天线并支持三星八频卫星系统的GNSS信号接收装置,与所述测量机器人监测装置的测点所采用的棱镜装置布置在同一观测墩上。
更进一步地,所述GNSS监测装置的信号接收设备型号为Leica GR50;所述测量机器人监测装置的全站仪型号为Leica TS60;所述监测软件为Leica公司的GeoMos软件。可以实现对GNSS和测量机器人监测数据的统一收集和管理输出。
优选地,所述数据采集模块还包括:无人机巡检设备、激光扫描仪、雨量传感器、测缝计、微小流量计、渗压计和应变计。
优选地,所述拱坝安全监测分析预警模块的监测内容包括:坝体、坝基、坝肩及近坝库岸现场检查,上下游水位监测,气温和降雨量监测,坝前水温监测,坝体径向位移,裂缝变形监测,渗流量监测,绕坝渗流量监测和坝体应变监测。以针对不同监测项目设备所传输数字信息,连接到计算机分析平台中,通过比对预设阈值判断拱坝安全等级。
具体地,监测项目共9项:对于坝体、坝基、坝肩及近坝库岸现场检查,采用无人机巡检设备和激光扫描仪进行巡查;对于上、下游水位监测,采用水位计,通过观测电缆接入所述大坝电气设备自动化控制模块,实现自动化采集数据并监测;对于气温、降雨量监测,采用温度计和雨量器,实现自动化采集数据并接入监测数据库;对于坝前水温监测,于大坝上游面布设温度计,实现自动化采集数据并接入监测数据库;对于坝体表面位移,采用GNSS和测量机器人两种方法互补不足,相互验证,确保时间和空间上的监测完整性;对于裂缝变形监测,采用测缝计,实现自动化采集数据并接入监测数据库;对于渗流量监测,于左右两坝肩布置微型量水堰并加装微小流量计和无线数据采集模块,实现自动化采集数据并接入监测数据库;对于绕坝渗流量监测,采用渗压计,实现自动化采集数据并接入监测数据库;对于坝体应变监测,采用应变计,实现自动化采集数据并接入监测数据库。
本发明及其优选方案采用以上技术方案与现有技术相比,具有以下技术效果:
建立了基于针对砌石拱坝的大坝安全评价模型、模型算法及实时安全评估预警系统,能够实时、高精度自动化获得大坝安全信息,构建BIM+3DGIS集成系统,解决了数据无法互联共享、系统集成性差等问题,实现可视化实时动态展示,首次提出砌石拱坝的大坝安全反演模型和预测评估预警系统,通过人工智能方法的运用能够将结构校核时间推进到秒级响应,为大坝的实时安全评估和预测预警分析开辟新路。
附图说明
图1为本发明实施例的浆砌石拱坝自动化监测系统示意图。
具体实施方式
下面对照附图,通过对实施实例的描述,对本发明的具体实施方式如所涉及的各部分的工作原理及作用等作进一步的详细说明。
如图1所示,本实施例提供的浆砌石拱坝自动化监测系统,包括:带有多种传感器的数据采集模块、三维信息展示模块、拱坝安全监测分析预警模块、数据中心库模块、水库人员及设备管理模块和大坝电气设备自动控制模块。
其中,三维信息化展示模块链接后台Revit、Civil3D等BIM建模平台,构建包含坝体结构模型、溢流建筑物模型、水库以及主要电气设备模型如闸门开闭设备、监测设备、视频监控设备等主要水工建筑物及一系列监测管理站点,将它们与数据采集模块的大坝监测设备如水位计、GNSS、测量机器人、测缝计和视频监控设备等实现动态关联,实现实时闸门开度和流量在模型中的动态展示,同时,在BIM模型上附加所有监测设备信息,在对应的实际位置上链接设备信息并为监测数据导出提供接口。并基于无人机正摄斜摄影像技术获取库区上下游一定范围的高精度数字地图,构建库区上下游5×5m精度的数字高程信息,结合Web-GIS技术,将建成的主要水工结构BIM模型呈现在3D-GIS模型当中,完成库区内包含主要水工建筑物、地形地貌信息、实时水位流量数据、监测设备位置等的整体三维信息化模型建设,最终通过多种控制信号整合到一起,在LED拼接屏幕中显示相应结果。
LED拼接屏幕实现全屏显示和功能分区显示的多显示模式,并兼容视频信号、计算机信号灯各种输入信号混合显示,配套网络交换机、数据处理终端、服务器机柜、监控操作台等设施。
在拱坝安全监测分析预警模块接收监测数据后,由于监测设备自身埋设条件限制和施工安装过程中可能存在的扰动,个别测点的原始测值可能存在误差,故需对原始数据进行前处理,拟采用3σ准则置信区间估计法对测值进行修正,从而消除环境因素对数据采集的影响,如果一组测量数据中某个测量值的残余误差的绝对值νi>3σ,则该测量值为坏值,应剔除。
本实施例将历史监测数据进行划分,80%作为训练集,20%作为测试集。
之后对核心监测量进行专项分析建模,以下是四种可行的建模方法:
①对于卷积神经网络机器学习(CNN)的方法,预先规定卷积核大小,一般取3×3或5×5,边界填充,保证数据的完整性,之后卷积采集各传感器数据正在执行的监测数据特征,强化各数据特征并将它们数据逐一分类,并按照试验所得的超参数设置多个隐含单元全连接层,采取正则化和Dropout层,抑制模型过拟合。
②对于循环神经网络LSTM构建预测模型,一般窗口大小取5,利用前面5天的监测数据作为一个时间序列去预测明天监测数据,为了抑制过拟合采用双向RNN层和Dropout层。
③对于高斯回归预测模型,选择合适的核函数取值之后,创建高斯回归过程,计算预测值的先验概率分布与后验概率分布,获取对于预测值的估计。
④对于多元回归线性分析模型,其采用HST模型形成分析环境,根据输入水压分量、温度分量、时效分量对应的因子值大小(X1-X10),作为模型的输入矩阵,利用HST模型确定大坝位移为三者之和,拟定为高次多项式回归。
通过四种模型拟合数据变化趋势,与常规混凝土拱坝有限元分析方法融合互证,与最初根据大坝安全监测相关规范要求选取的监测指标上下限值进行比较,形成综合测值趋势的总体分析成果,做到按时、按需最优输出系统监测报告,并且未来数据的输入,例如降雨量等特征值,模型将会智能预测输出结果,对大坝安全性能进行研判,反馈给管理层。
针对9项监测指标,其重要性不同,则预警报程度不同,故对于采集到的监测数据需要进行分级预警报,并分级推送,使相关人员能够及时响应,具体分为:当所有监测项均未达到监控指标,大坝安全,不警报;当除位移之外的其它监测项1项测值超过监控指标,存在安全隐患,初级警报;当除位移之外的其它监测项3项测值超过监控指标,存在安全风险,中级警报;当任意位移测值1项超过监控指标,存在安全威胁,高级警报。
数据中心库模块将基础硬件传感器数据大坝数据库数据、外部提供的业务应用系统数据进行采集处理,建立对应数据源的对接接口,采用分布式手段实现数据传输。
水库人员及设备管理模块采用数字摄像机和携带RTK控件的无人机保障人员部署、设备作业和水库安全运营。建立电子设备台账,包括设备基础信息、设备变动记录、设备管理分类信息、设备状态信息、设备技术资料、设备档案等内容,对于设备维护,使用智能终端实现报修功能,代替人工操作,并对维修过程进行跟踪。自动生成设备作业计划,设备作业计划单,每天滚动更新,并根据需求,给相关人员发送设备作业、运维计划,同时运维作业数据实时上传至PC端。
大坝电气设备自动控制模块通过所述拱坝安全监测分析预警模块进行逻辑判断传输至终端设备发出控制指令使设备执行具体运行情况,实现机械自动化控制。其中,终端设备包括监控大厅、手机和/或电脑。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (1)
1.一种浆砌石拱坝自动化监测系统,其特征在于,包括:数据采集模块、数据中心库模块和拱坝安全监测分析预警模块;
所述数据采集模块包括:水位传感器、温度传感器和坝体径向位移监测模块;
所述数据中心库模块用于存储数据采集模块和拱坝安全监测分析预警模块生成的历史数据;
所述拱坝安全监测分析预警模块通过LSTM方法对数据采集模块传输的监测数据进行阈值判断以确定是否发出预警信息;
对于循环神经网络LSTM构建预测模型,窗口大小取5,利用前面5天的监测数据作为一个时间序列去预测明天监测数据,为了抑制过拟合采用双向RNN层和Dropout层;
所述拱坝安全监测分析预警模块利用3σ准则置信区间进行测值安全判断;
还包括:三维信息展示模块、水库人员及设备管理模块和大坝电气设备自动控制模块;
所述三维信息展示模块包括:坝体BIM模型、坝址三维模型及监控设备位置,并通过PostgreSQL技术在所述拱坝安全监测分析预警模块将实时分析结果调用并展示;
通过三维信息化展示模块链接后台的BIM建模平台,构建坝体结构模型、溢流建筑物模型、水库以及主要电气设备模型,将它们与数据采集模块的大坝监测设备实现动态关联,实现实时闸门开度和流量在模型中的动态展示,同时,在BIM模型上附加所有监测设备信息,在对应的实际位置上链接设备信息并为监测数据导出提供接口;并基于无人机正摄斜摄影像技术获取库区上下游一定范围的高精度数字地图,构建库区上下游5×5 m 精度的数字高程信息,结合Web-GIS技术,将建成的主要水工结构BIM模型呈现在3D-GIS模型当中,完成库区内的整体三维信息化模型建设,最终通过多种控制信号整合到一起,在LED拼接屏幕中显示相应结果;
所述水库人员及设备管理模块包括电子设备台账;
所述大坝电气设备自动控制模块根据拱坝安全监测分析预警模块输出的逻辑判断信号,向终端设备发出控制指令;
所述坝体径向位移监测模块包括:GNSS监测装置和测量机器人监测装置;所述GNSS监测装置采集的数据和测量机器人监测装置采集的数据导入并融合至同一监测软件;所述GNSS监测装置采用扼流圈天线并支持三星八频卫星系统的GNSS信号接收装置,与所述测量机器人监测装置的测点所采用的棱镜装置布置在同一观测墩上;
所述数据采集模块还包括:无人机巡检设备、激光扫描仪、雨量传感器、测缝计、微小流量计、渗压计和应变计;
所述拱坝安全监测分析预警模块的监测内容包括:坝体、坝基、坝肩及近坝库岸现场检查,上下游水位监测,气温和降雨量监测,坝前水温监测,坝体径向位移,裂缝变形监测,渗流量监测,绕坝渗流量监测和坝体应变监测。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010517174.0A CN111694916B (zh) | 2020-06-09 | 2020-06-09 | 浆砌石拱坝自动化监测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010517174.0A CN111694916B (zh) | 2020-06-09 | 2020-06-09 | 浆砌石拱坝自动化监测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111694916A CN111694916A (zh) | 2020-09-22 |
CN111694916B true CN111694916B (zh) | 2022-12-13 |
Family
ID=72479886
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010517174.0A Active CN111694916B (zh) | 2020-06-09 | 2020-06-09 | 浆砌石拱坝自动化监测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111694916B (zh) |
Families Citing this family (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112362100A (zh) * | 2020-11-05 | 2021-02-12 | 张勤玲 | 一种水利施工管理的监测装置及其使用方法 |
CN112419690A (zh) * | 2020-11-24 | 2021-02-26 | 中国水利水电科学研究院 | 一种应用于大坝安全智能监控与报警的展示系统 |
CN112765847B (zh) * | 2021-01-05 | 2024-04-26 | 芜湖誉路智能装备有限公司 | 用于蒸压加气混凝土设备状态监测预警的有限元分析系统 |
CN112949900B (zh) * | 2021-01-18 | 2022-01-11 | 水利部交通运输部国家能源局南京水利科学研究院 | 一种水库大坝安全信息智慧感知融合预警方法及终端设备 |
CN113155186A (zh) * | 2021-04-06 | 2021-07-23 | 贵州加仕达水利机械有限公司 | 大坝安全监测管理设备及其系统 |
CN113359573A (zh) * | 2021-06-30 | 2021-09-07 | 华能澜沧江水电股份有限公司 | 一种大坝安全智能预测方法及其装置 |
CN113807572A (zh) * | 2021-08-13 | 2021-12-17 | 福建省水利投资开发集团有限公司 | 一种具有高效性的大坝智慧监测方法及其系统 |
CN113625645A (zh) * | 2021-08-19 | 2021-11-09 | 福州大学 | 一种堆石混凝土坝智能监测方法及管理系统 |
CN113551716B (zh) * | 2021-09-22 | 2021-12-17 | 江西省公路工程检测中心 | 一种用于力学性能安全监测云系统的应力应变检测方法 |
CN114418321A (zh) * | 2021-12-24 | 2022-04-29 | 杭州鲁尔物联科技有限公司 | 一种基于物联网的水库大坝群实时预警可视化集成监控系统 |
CN115096359A (zh) * | 2022-06-17 | 2022-09-23 | 北京航空航天大学 | 一种金属屋面健康监测系统及方法 |
CN115218961B (zh) * | 2022-07-28 | 2023-04-18 | 邵阳市水利水电勘测设计院 | 一种高效性的水工大坝安全预警系统 |
CN115223351A (zh) * | 2022-09-20 | 2022-10-21 | 南京中网卫星通信股份有限公司 | 一种应用于大坝安全监测的能量和数据传递装置 |
CN116682237B (zh) * | 2023-08-03 | 2023-10-20 | 南通午未连海科技有限公司 | 一种基于人工智能的智能防汛预警方法及平台 |
CN116882036B (zh) * | 2023-09-07 | 2023-12-19 | 清华大学 | 一种拱坝的地震响应分析处理方法及装置 |
CN117268466B (zh) * | 2023-09-25 | 2024-06-04 | 国家电投集团重庆狮子滩发电有限公司 | 一种大坝安全自动化监测系统 |
CN117408855B (zh) * | 2023-12-12 | 2024-03-29 | 江西省水投江河信息技术有限公司 | 水库工程安全管理方法、系统、存储介质及计算机设备 |
CN117852288B (zh) * | 2024-01-11 | 2024-07-02 | 中国电建集团北京勘测设计研究院有限公司 | 一种大坝变形监测自动辅助设计系统 |
CN118071158B (zh) * | 2024-04-22 | 2024-07-05 | 中铁水利信息科技有限公司 | 一种基于智能感知和数据融合的智慧水利工程预警系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015039570A1 (zh) * | 2013-09-23 | 2015-03-26 | 国网电力科学研究院 | 一种拱坝变形三维位移自动化监测方法 |
CN110909413A (zh) * | 2019-12-09 | 2020-03-24 | 山东大学 | 一种混凝土面板堆石坝水平位移预测精确方法及系统 |
CN111178758A (zh) * | 2019-12-30 | 2020-05-19 | 河海大学 | 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统 |
CN111221287A (zh) * | 2020-01-20 | 2020-06-02 | 基康仪器股份有限公司 | 一种基于物联网的大坝安全监测系统及方法 |
-
2020
- 2020-06-09 CN CN202010517174.0A patent/CN111694916B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2015039570A1 (zh) * | 2013-09-23 | 2015-03-26 | 国网电力科学研究院 | 一种拱坝变形三维位移自动化监测方法 |
CN110909413A (zh) * | 2019-12-09 | 2020-03-24 | 山东大学 | 一种混凝土面板堆石坝水平位移预测精确方法及系统 |
CN111178758A (zh) * | 2019-12-30 | 2020-05-19 | 河海大学 | 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统 |
CN111221287A (zh) * | 2020-01-20 | 2020-06-02 | 基康仪器股份有限公司 | 一种基于物联网的大坝安全监测系统及方法 |
Non-Patent Citations (1)
Title |
---|
GNSS 及测量机器人在水电站安全监测中的应用;崔鹏飞;《能源科技》;20200226;第18卷(第2期);第67页-第71页 * |
Also Published As
Publication number | Publication date |
---|---|
CN111694916A (zh) | 2020-09-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111694916B (zh) | 浆砌石拱坝自动化监测系统 | |
CN114118677B (zh) | 基于物联网的尾矿库风险监测预警系统 | |
CN111551147B (zh) | 基于gnss与测量机器人融合的拱坝表面变形监测系统 | |
CN115688227B (zh) | 数字孪生水利工程运行安全监测系统及运行方法 | |
CN111552995B (zh) | 基于bim-3dgis和数据自动解析技术的轨道交通施工可视化监测管理系统 | |
Zhang et al. | Developing a cloud model based risk assessment methodology for tunnel-induced damage to existing pipelines | |
RU2680652C2 (ru) | Способ комплексного мониторинга природной среды | |
CN114266200B (zh) | 二氧化氮浓度预测方法及系统 | |
CN104678954A (zh) | 基于全生命周期的大坝安全智能监测与预警系统及其方法 | |
CN115063020A (zh) | 基于风险监测融合的梯级水电站多维安全调度装置及方法 | |
CN117128448A (zh) | 一种lng储罐结构智能监测系统 | |
CN112308292A (zh) | 一种火灾风险等级分布图的绘制方法 | |
CN110503805A (zh) | 管道地质灾害监测预警方法及装置 | |
CN117387559B (zh) | 基于数字孪生的混凝土桥监测系统及方法 | |
CN116384255B (zh) | 一种基于多源数据融合的园区危险态势感知方法及系统 | |
CN116167892A (zh) | 基于数字孪生的水库信息化管理系统 | |
CN116245412A (zh) | 一种建筑工程现场安全监测管理系统 | |
CN116591768A (zh) | 一种基于分布式网络的隧道监测方法、系统及装置 | |
CN115454032A (zh) | 一种基于大坝安全评价策略库的诊断系统 | |
CN116052300A (zh) | 一种基于数字孪生的电力巡检系统和方法 | |
CN117371233A (zh) | 一种基于ue技术的水库防洪系统 | |
JP7141309B2 (ja) | 地盤変位に起因する災害発生危険度定量評価システムとその方法とそのプログラム | |
CN116754022B (zh) | 电缆隧道的在线检测应急预警方法及系统 | |
CN114925517A (zh) | 一种城市多灾种耦合分析的方法 | |
Balaskas et al. | Earthquake early warning and rapid response system based on smart seismic and monitoring sensors embedded in a communication platform and coupled with BIM models |
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 | ||
EE01 | Entry into force of recordation of patent licensing contract | ||
EE01 | Entry into force of recordation of patent licensing contract |
Application publication date: 20200922 Assignee: Fujian Dongying Hydropower Construction Co.,Ltd. Assignor: FUZHOU University Contract record no.: X2024350000015 Denomination of invention: Automatic monitoring system for masonry arch dam Granted publication date: 20221213 License type: Common License Record date: 20240126 |