CN112033345B - 一种基于北斗的变形监测系统及方法 - Google Patents
一种基于北斗的变形监测系统及方法 Download PDFInfo
- Publication number
- CN112033345B CN112033345B CN202011212801.6A CN202011212801A CN112033345B CN 112033345 B CN112033345 B CN 112033345B CN 202011212801 A CN202011212801 A CN 202011212801A CN 112033345 B CN112033345 B CN 112033345B
- Authority
- CN
- China
- Prior art keywords
- data
- beidou
- monitoring
- station
- module
- 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 131
- 238000000034 method Methods 0.000 title claims abstract description 15
- 238000004891 communication Methods 0.000 claims abstract description 38
- 238000001914 filtration Methods 0.000 claims abstract description 34
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000005540 biological transmission Effects 0.000 claims abstract description 17
- 238000004364 calculation method Methods 0.000 claims description 30
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 claims description 15
- 230000003321 amplification Effects 0.000 claims description 10
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 230000004927 fusion Effects 0.000 claims description 7
- 230000000295 complement effect Effects 0.000 claims description 5
- 238000012545 processing Methods 0.000 abstract description 5
- DMBHHRLKUKUOEG-UHFFFAOYSA-N diphenylamine Chemical compound C=1C=CC=CC=1NC1=CC=CC=C1 DMBHHRLKUKUOEG-UHFFFAOYSA-N 0.000 description 6
- 239000000126 substance Substances 0.000 description 5
- 238000012546 transfer Methods 0.000 description 3
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009897 systematic effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
- G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C15/00—Surveying instruments or accessories not provided for in groups G01C1/00 - G01C13/00
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
- G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Navigation (AREA)
Abstract
本发明提供了一种基于北斗的变形监测系统。包括基准站、监测站和数据中心；基准站包括第一北斗接收机和通讯模块；基准站通过通讯模块分别与监测站和数据中心连接；监测站包括第二北斗接收机和MEMS传感器；第二北斗接收机内设有数据解算分析模块，第一北斗接收机、MEMS传感器和第二北斗接收机的天线均与数据解算分析模块连接。本发明还提供了一种基于北斗的变形监测方法。包括将基准站定位数据、监测站定位数据和MEMS传感器采集的数据发送至数据解算分析模块，对数据进行滤波和解算，得到最终的监测结果并判定是否发生变形。本发明可提升定位数据的准确性和精度，可在监测现场对数据进行解算分析，提升数据处理和传输的效率。
Description
技术领域
本发明涉及变形监测技术领域，具体涉及一种基于北斗的变形监测系统及方法。
背景技术
现有边坡变形监测中一般采用GPS进行变形监测，通常的解决方案是将原始监测数据实时传输到数据中心集中进行数据处理，而在网络较差的山区进行信号传输有所限制，并且由于GPS监测的精度和稳定性较差，所以在监测中一般采用更高精度的后处理结果进行监测、预警，并不能在现场进行实时滑坡预警。从数据发送到服务器，到服务器解算得到高精度的事后结果，再到人工发送预警通知需要经过较长时间，不利于突发性滑坡的监测。且在传统的监测系统中由于信号噪声、算法模型误差的影响，解算结果通常会包括5mm-10mm的随机误差，因此很难判断结果中出现的波动是因为监测物的实际变形还是噪声影响，只能根据长时间的监测结果时间序列看出监测物的长趋势变形。
综上所述，急需一种基于北斗的变形监测系统及方法以解决现有技术中存在的问题。
发明内容
本发明目的在于提供一种基于北斗的变形监测系统及方法，以解决变形监测过程中的数据快速处理与及时预警的问题。
为实现上述目的，本发明提供了一种基于北斗的变形监测系统，包括基准站、监测站和数据中心；所述基准站包括第一北斗接收机和通讯模块；所述基准站通过通讯模块分别与监测站和数据中心连接；所述监测站包括第二北斗接收机和MEMS传感器；所述第二北斗接收机内设有数据解算分析模块，第一北斗接收机、MEMS传感器和第二北斗接收机的天线均与数据解算分析模块连接。
优选的，所述MEMS传感器包括加速度计和陀螺仪。
优选的，所述通讯模块包括第一LoRa通信模块；所述监测站设有第二LoRa通信模块，用以实现基准站与监测站之间的数据传输。
优选的，所述通讯模块还包括DTU数传模块，用以实现基准站与数据中心之间的数据传输。
优选的，所述基准站和监测站均设有供电模块；所述供电模块包括太阳能板和蓄电池。
优选的，所述监测站还包括与数据解算分析模块连接的预警模块。
本发明还提供了一种基于北斗的变形监测方法，采用了上述的一种基于北斗的变形监测系统，包括以下步骤：
步骤A：将基准站采集到的基准站定位数据、监测站采集到的监测站定位数据和MEMS传感器采集的数据发送至数据解算分析模块；
步骤B：对基准站定位数据与监测站定位数据进行相对定位解算，得到监测点坐标数据；通过数据解算分析模块内置的互补滤波算法得到MEMS传感器采集的数据的滤波数据
，
，m为MEMS传感器采集的数据总量；
步骤C：通过滤波数据
与运动状态分析阈值
计算卡尔曼增益放大因子
，并通过数据解算分析模块内置的卡尔曼滤波算法对步骤B中得到的监测点坐标数据进行滤波处理，得到滤波后的三维坐标解算结果；
步骤D：将滤波后的三维坐标解算结果与前一天的三维坐标解算结果的均值比对，确认是否进行预警。
优选的，所述步骤B中，通过表达式1）对MEMS传感器采集的加速度计数据和陀螺仪数据进行滤波融合：
其中，
为当前滤波数据， 
为上一个滤波数据，
为第n个陀螺仪数据，
为第n个加速度计数据，
为陀螺仪数据和加速度计数据融合的权重，
通过表达式2）进行计算：
其中，T为陀螺仪初始化时间周期，t为自前一次初始化后经历的时间间隔。
优选的，所述步骤C中由表达式3）通过滤波数据
计算卡尔曼增益放大因子
：
优选的，所述步骤D中，通过将滤波后的三维坐标解算结果与前一天的三维坐标解算结果的均值比对得到相对位移量
，当
时进行预警，
为预警阈值。
应用本发明的技术方案，具有以下有益效果：
（1）本发明中，通过在基准站和监测站设置第一北斗接收机和第二北斗接收机，可提升定位数据的准确性和精度，通过在基准站设置通讯模块，在监测站的第二北斗接收机设置数据解算分析模块，可在监测现场对数据进行解算分析，不需经历远距离的信号传输，避免由于网络信号差降低数据处理和传输的效率。
（2）本发明中，通过设置加速度计与陀螺仪，加速度计和陀螺仪对于瞬时位移的监测精度比较高，因此可以将MEMS传感器与北斗监测结合来提高变形监测的精度和可信度。
（3）本发明中，通过在基准站设置第一LoRa通信模块，在监测站设置第二LoRa通信模块，在同样的功耗下比传统的无线射频通信距离扩大3-5倍，有利于实现基准站和监测站之间的信息传输。
（4）本发明中，通过在基准站设置DTU数传模块，在网络情况好时通过GPRS通信网络向数据中心传输监测得到的分析结果。
（5）本发明中，在基准站和监测站均设置有太阳能板和蓄电池进行供电，可以为基准站和监测站的运行提供能源。
（6）本发明中，通过在监测站设置预警模块，可实时根据解算分析结果进行滑坡预警，避免出现安全事故。
（7）本发明中，通过将MEMS传感器和北斗监测结合起来，提高北斗实时监测精度，能够为边坡变形监测项目进行实时预警；在第二北斗接收机中加入了实时滤波解算功能，通过LoRa通信技术将监测点实时解算并发送到基准站再统一发送至数据中心，所有的解算、分析、已经全部在监测站的第二北斗接收机中完成，节省流量费用，达到了现场实时预警的效果。
（8）本发明中，为保障陀螺仪的测量精度，定期对陀螺仪初始化，陀螺仪的初始化时间周期为30min，当t越小时（即距离上一次初始化时间越近时），
值越大，可保证在陀螺仪初始化初期，陀螺仪精度较高时，在滤波融合数据中陀螺仪数据权重高，此后陀螺仪数据的权重随t增长而降低，可提升滤波数据的精度。
（9）本发明中，通过滤波数据与运动状态分析阈值计算的卡尔曼增益放大因子可以动态调整卡尔曼滤波中卡尔曼增益的值，从而影响卡尔曼滤波的结果，提升卡尔曼滤波结果的准确性，解算结果的随机误差能够降低至3-5mm。
（10）本发明中，通过当前滤波后的三维坐标解算结果与前一天的三维坐标解算结果的均值比对得到相对位移量，可以进行实时预警判断。
除了上面所描述的目的、特征和优点之外，本发明还有其它的目的、特征和优点。下面将参照图，对本发明作进一步详细的说明。
附图说明
构成本申请的一部分的附图用来提供对本发明的进一步理解，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：
图1是本申请实施例的一种基于北斗的变形监测系统的系统组成图；
图2是本申请实施例中数据解算分析模块的数据流向示意图；
图3是本申请实施例中一种基于北斗的变形监测方法的流程图；
其中，1、基准站，1.1、第一北斗接收机，1.2、通讯模块，1.2.1、第一LoRa通信模块，1.2.2、DTU数传模块，2、监测站，2.1、第二北斗接收机，2.1.1、数据解算分析模块，2.2、MEMS传感器，2.3、第二LoRa通信模块，2.4、预警模块，3、数据中心，4、供电模块，4.1、太阳能板，4.2、蓄电池。
具体实施方式
以下结合附图对本发明的实施例进行详细说明，但是本发明可以根据权利要求限定和覆盖的多种不同方式实施。
实施例：
参见图1至图3，一种基于北斗的变形监测系统及方法，本实施例应用于边坡变形监测。
一种基于北斗的变形监测系统，包括基准站1、监测站2和数据中心3，如图1所示；所述基准站1包括第一北斗接收机1.1和通讯模块1.2；所述基准站1通过通讯模块1.2分别与监测站2和数据中心3实现无线连接，其中基准站1和监测站2的距离由项目现场环境决定，一般为1公里，最远不超过3公里；所述监测站2包括第二北斗接收机2.1和MEMS传感器2.2；所述第二北斗接收机2.1内设有数据解算分析模块2.1.1，第一北斗接收机1.1、MEMS传感器2.2和第二北斗接收机2.1的天线（即定位天线）均与数据解算分析模块2.1.1连接，通过将基准站1的第一北斗接收机1.1采集到的基准站定位数据通过通讯模块1.2发送至第二北斗接收机2.1的数据解算分析模块2.1.1，与第二北斗接收机2.1通过定位天线采集到的监测站定位数据处理，得到监测站2相对于基准站1的坐标并进行现场解算分析，然后监测站2将分析结果通过传回基准站1，基准站1再通过通讯模块1.2将分析结果传输至数据中心3存档。
所述MEMS传感器2.2包括加速度计和陀螺仪，本实施例中，选用三轴加速度计和三轴陀螺仪，加速度计和陀螺仪对于瞬时位移的监测精度比较高，因此可以将加速度计、陀螺仪和北斗监测结合来提高变形监测的精度和可信度，便于在现场进行实时分析预警。
所述通讯模块1.2包括第一LoRa通信模块1.2.1；所述监测站2设有第二LoRa通信模块2.3，用以实现基准站1与监测站2之间的数据传输。LoRa（Long Range Radio，即远距离无线电）通信最大特点就是在同样的功耗条件下比其他无线方式传播的距离更远，实现了低功耗和远距离的统一，它在同样的功耗下比传统的无线射频通信距离扩大3-5倍，有利于实现基准站1和监测站2之间的信息传输。
所述通讯模块1.2还包括DTU数传模块1.2.2，用以实现基准站1与数据中心3之间的数据传输。本实施例中，DTU（Data Transfer Unit，数据传输设备）数传模块1.2.2通过串口线与第一LoRa通信模块1.2.1连接，DTU数传模块1.2.2通过GPRS通信网络向数据中心3传输监测得到的分析结果。
所述基准站1和监测站2均设有供电模块4；所述供电模块4包括太阳能板4.1和蓄电池4.2，便于在监测现场实现对基准站1和监测站2设备的电能的供应。
所述监测站2还包括与数据解算分析模块2.1.1连接的预警模块2.4，用于根据监测的分析结果向监测现场发出预警信号，如信号灯闪烁或开启喇叭等。
一种基于北斗的变形监测方法，采用了上述的一种基于北斗的变形监测系统，包括以下步骤：
步骤A：将基准站1采集到的基准站定位数据、监测站2采集到的监测站定位数据和MEMS传感器2.2采集的数据发送至数据解算分析模块2.1.1，本实施例中，MEMS传感器采集的数据包括加速度计数据和陀螺仪数据；
参见图2，基准站1通过第一北斗接收机1.1采集基准站定位数据，并通过第一LoRa通信模块1.2.1无线传输至监测站2的第二LoRa通信模块2.3，第二LoRa通信模块2.3通过串口线将基准站定位数据传送至第二北斗接收机2.1的数据解算分析模块2.1.1；
监测站2通过第二北斗接收机2.1天线采集到监测站定位数据，并传入数据解算分析模块2.1.1中；
安装在监测站2的MEMS传感器2.2将采集到的加速度计数据和陀螺仪数据通过串口线传输至第二北斗接收机2.1的数据解算分析模块2.1.1中。
数据解算分析模块2.1.1的主要功能是将基准站定位数据解码并与监测站定位数据进行相对定位解算，然后对MEMS传感器数据和相对定位解算后得到的北斗定位数据进行解算分析，得到监测点GGA格式的监测结果以及预警信息，如图3所示。
步骤B：对基准站定位数据与监测站定位数据进行相对定位解算，得到监测点坐标数据；通过数据解算分析模块2.1.1内置的互补滤波算法得到MEMS传感器2.2采集的数据的滤波数据
，
，m为MEMS传感器2.2采集的数据总量；
在数据解算分析模块2.1.1中（图3中的虚线框部分），对加速度计数据和陀螺仪数据按照硬件参数进行系统误差校正和噪声滤波。鉴于加速度计低频特性比较好，没有累积误差，而陀螺仪长时间积分后会导致误差积累，造成累积误差严重，所以采用互补滤波的方式对两种数据进行滤波融合，融合步骤如下：
定义
为第n个加速度计数据，
，
、
和
分别表示加速度计第n次采集的三个方向（x，y，z）的角度数据，
为第n个陀螺仪数据，
，
、
和
分别表示陀螺仪第n次采集的三个方向（x，y，z）的角度数据，通过表达式1）对加速度计数据和陀螺仪数据进行互补滤波融合：
其中，
为当前滤波数据， 
为上一个滤波数据，
为第一个加速度计数据，即
，选择第一个加速度计的数据作为
可以加速滤波的收敛，
为陀螺仪数据和加速度计数据融合的权重，
通过表达式2）进行计算：
其中，T为陀螺仪初始化时间周期，t为自前一次初始化后经历的时间间隔，本实施例中，为保障陀螺仪的测量精度，定期对陀螺仪初始化，陀螺仪的初始化时间周期为30min，当t越小时（即距离上一次初始化时间越近时），
值越大，可保证在陀螺仪初始化初期，陀螺仪精度较高时，在滤波融合数据中陀螺仪数据权重高，此后陀螺仪数据的权重随t增长而降低，可提升滤波数据的精度。
步骤C：通过滤波数据
与运动状态分析阈值
计算卡尔曼增益放大因子
，并通过数据解算分析模块2.1.1内置的卡尔曼滤波算法对进行相对定位解算后的监测点坐标数据进行滤波处理，得到滤波后的三维坐标解算结果；
通过
进行监测点状态分析，运动状态分析阈值
的意义是判断监测点是否发生形变的角度值的1/2，若是则认为监测点发生位移，
的具体取值需要根据现场环境和测试确定，本实施例中取0.5，即若计算得到监测点角度发生1度以上的变化，则认为监测点发生了位移；由表达式3）通过滤波数据
计算卡尔曼增益放大因子
：
上式中若
，则认为监测点正常，取
=1，不干涉卡尔曼滤波算法的正常运行；若
，则按照
计算
值，由公式可知，当
=0.5时，若
时，
<1；
时，
>1。
将
用于卡尔曼滤波算法中卡尔曼增益的重新计算，如表达式4）所示：
其中，
为卡尔曼滤波算法中的原始的卡尔曼增益，
为加入卡尔曼增益放大因子
后重新计算的卡尔曼增益。通过表达式4）的计算，卡尔曼增益放大因子
可以动态调整卡尔曼滤波中卡尔曼增益的值，从而影响卡尔曼滤波的结果。
将进行相对定位解算后的监测点坐标数据通过加入卡尔曼增益放大因子
的卡尔曼滤波算法进行处理，得到滤波后的三维坐标解算结果。
步骤D：将滤波后的三维坐标解算结果与前一天的三维坐标解算结果的均值比对，确认是否进行预警；通过将滤波后的三维坐标解算结果与前一天的三维坐标解算结果的均值比对得到相对位移量
，进行预警状态判断，当
时进行预警，
为预警阈值，通过表达式5）进行预警判断：
上式中
分别为当前滤波后的解算结果的三维坐标；
为前一天监测结果三维坐标的平均值；d为当前监测点相对于基准站1的位移；
为前一天监测结果平均值的位移；将
与预警阈值
进行对比：若
，则监测物稳定，无需预警；若
，则进行变形预警，第二北斗接收机2.1将预警信息输出到预警模块2.4，预警阈值根据项目情况进行调整，本实施例中预警阈值取5cm。
最后，将解算后的X，Y，Z结果转换为GGA格式，然后利用第二北斗接收机2.1通过反向链路将GGA数据传到基准站1的DTU数传模块1.2.2，由基准站1的DTU数传模块1.2.2将数据通过GPRS网络发送到数据中心3。
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)
1.一种基于北斗的变形监测系统，其特征在于，包括基准站(1)、监测站(2)和数据中心(3)；所述基准站(1)包括第一北斗接收机(1.1)和通讯模块(1.2)；所述基准站(1)通过通讯模块(1.2)分别与监测站(2)和数据中心(3)连接；所述监测站(2)包括第二北斗接收机(2.1)和MEMS传感器(2.2)；所述第二北斗接收机(2.1)内设有数据解算分析模块(2.1.1)，第一北斗接收机(1.1)、MEMS传感器(2.2)和第二北斗接收机(2.1)的天线均与数据解算分析模块(2.1.1)连接；
采用上述基于北斗的变形监测系统进行变形监测的方法，包括以下步骤：
步骤A：将基准站(1)采集到的基准站定位数据、监测站(2)采集到的监测站定位数据和MEMS传感器(2.2)采集的数据发送至数据解算分析模块(2.1.1)；
步骤B：对基准站定位数据与监测站定位数据进行相对定位解算，得到监测点坐标数据；通过数据解算分析模块(2.1.1)内置的互补滤波算法得到MEMS传感器(2.2)采集的数据的滤波数据Yn，n＝1，2，3......，m，m为MEMS传感器(2.2)采集的数据总量；
步骤C：通过滤波数据Yn与运动状态分析阈值σ计算卡尔曼增益放大因子θ，并通过数据解算分析模块(2.1.1)内置的卡尔曼滤波算法对步骤B中得到的监测点坐标数据进行滤波处理，得到滤波后的三维坐标解算结果；运动状态分析阈值σ为判断监测点是否发生形变的角度值的1/2；
步骤D：将滤波后的三维坐标解算结果与前一天的三维坐标解算结果的均值比对，确认是否进行预警。
2.根据权利要求1所述的一种基于北斗的变形监测系统，其特征在于，所述MEMS传感器(2.2)包括加速度计和陀螺仪。
3.根据权利要求1所述的一种基于北斗的变形监测系统，其特征在于，所述通讯模块(1.2)包括第一LoRa通信模块(1.2.1)；所述监测站(2)设有第二LoRa通信模块(2.3)，用以实现基准站(1)与监测站(2)之间的数据传输。
4.根据权利要求3所述的一种基于北斗的变形监测系统，其特征在于，所述通讯模块(1.2)还包括DTU数传模块(1.2.2)，用以实现基准站(1)与数据中心(3)之间的数据传输。
5.根据权利要求1所述的一种基于北斗的变形监测系统，其特征在于，所述基准站(1)和监测站(2)均设有供电模块(4)；所述供电模块(4)包括太阳能板(4.1)和蓄电池(4.2)。
6.根据权利要求1所述的一种基于北斗的变形监测系统，其特征在于，所述监测站(2)还包括与数据解算分析模块(2.1.1)连接的预警模块(2.4)。
7.根据权利要求1所述的一种基于北斗的变形监测系统，其特征在于，所述步骤B中，通过表达式1)对MEMS传感器(2.2)采集的加速度计数据和陀螺仪数据进行滤波融合：
Yn＝λψn+(1-λ)(φn-Yn-1) 1)；
其中，Yn为当前滤波数据，Yn-1为上一个滤波数据，ψn为第n个陀螺仪数据，φn为第n个加速度计数据，λ为陀螺仪数据和加速度计数据融合的权重，λ通过表达式2)进行计算：
其中，T为陀螺仪初始化时间周期，t为自前一次初始化后经历的时间间隔。
8.根据权利要求1所述的一种基于北斗的变形监测系统，其特征在于，所述步骤C中由表达式3)通过滤波数据Yn计算卡尔曼增益放大因子θ：
9.根据权利要求1所述的一种基于北斗的变形监测系统，其特征在于，所述步骤D中，通过将滤波后的三维坐标解算结果与前一天的三维坐标解算结果的均值比对得到相对位移量Δd，当|Δd|≥δ时进行预警，δ为预警阈值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011212801.6A CN112033345B (zh) | 2020-11-04 | 2020-11-04 | 一种基于北斗的变形监测系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011212801.6A CN112033345B (zh) | 2020-11-04 | 2020-11-04 | 一种基于北斗的变形监测系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112033345A CN112033345A (zh) | 2020-12-04 |
| CN112033345B true CN112033345B (zh) | 2021-02-02 |
Family
ID=73573142
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011212801.6A Active CN112033345B (zh) | 2020-11-04 | 2020-11-04 | 一种基于北斗的变形监测系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112033345B (zh) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112815931A (zh) * | 2021-01-05 | 2021-05-18 | 武汉星图测绘有限公司 | 一种土地测绘作业数据实时采集处理方法及系统 |
| CN112415542B (zh) * | 2021-01-25 | 2021-04-16 | 湖南联智科技股份有限公司 | 一种基于北斗和ins结合的变形监测解算方法 |
| CN113009517B (zh) * | 2021-03-02 | 2022-06-07 | 中国铁路设计集团有限公司 | 基于北斗多天线阵列的高铁基础设施变形监测方法 |
| CN113311460B (zh) * | 2021-07-28 | 2021-10-26 | 湖南联智科技股份有限公司 | 一种基于北斗的预警方法及其系统 |
| CN113781745B (zh) * | 2021-08-20 | 2023-01-31 | 合肥星北航测信息科技有限公司 | 基于k均值聚类算法的北斗和微动的山体滑坡预警方法 |
| CN116859427A (zh) * | 2023-06-21 | 2023-10-10 | 佛山电力设计院有限公司 | 变电站地质灾害监测预警系统、方法、设备及存储介质 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5226437B2 (ja) * | 2008-09-09 | 2013-07-03 | 国立大学法人北見工業大学 | 路面平坦性測定装置 |
| CN102608642A (zh) * | 2011-01-25 | 2012-07-25 | 北京七维航测科技股份有限公司 | 北斗/惯性组合导航系统 |
| US9026263B2 (en) * | 2011-11-30 | 2015-05-05 | Alpine Electronics, Inc. | Automotive navigation system and method to utilize internal geometry of sensor position with respect to rear wheel axis |
| US10901095B2 (en) * | 2014-04-25 | 2021-01-26 | Nec Corporation | Position and attitude estimation device, image processing device, and position and attitude estimation method |
| CN105651242B (zh) * | 2016-04-05 | 2018-08-24 | 清华大学深圳研究生院 | 一种基于互补卡尔曼滤波算法计算融合姿态角度的方法 |
| CN106767661B (zh) * | 2016-11-09 | 2021-04-02 | 广州中海达定位技术有限公司 | 一种基于gnss技术的变形监测的基准站、监测站和系统 |
| CN109186594A (zh) * | 2018-09-20 | 2019-01-11 | 鎏玥（上海）科技有限公司 | 利用惯性传感器和深度摄像头传感器获取运动数据的方法 |
| CN111336981B (zh) * | 2020-02-25 | 2021-10-29 | 中通服咨询设计研究院有限公司 | 一种融合北斗和惯性传感器的物联网杆塔形变监测装置 |
-
2020
- 2020-11-04 CN CN202011212801.6A patent/CN112033345B/zh active Active
Also Published As
| Publication number | Publication date |
|---|---|
| CN112033345A (zh) | 2020-12-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112033345B (zh) | 一种基于北斗的变形监测系统及方法 | |
| US20190033466A1 (en) | System for Land Vehicle Navigation and Corresponding Method | |
| Ghazali et al. | A systematic review of real-time deployments of UAV-based LoRa communication network | |
| CN105866812B (zh) | 一种车辆组合定位算法 | |
| CN102830402B (zh) | 水下传感器网络目标跟踪系统及方法 | |
| CN111336981B (zh) | 一种融合北斗和惯性传感器的物联网杆塔形变监测装置 | |
| CN111964645A (zh) | 一种基于信息融合的电力杆塔失稳监测方法及系统 | |
| CN109855621A (zh) | 一种基于uwb与sins的组合室内行人导航系统及方法 | |
| CN111016974B (zh) | 一种基于电子地图的列车完整性监控系统及方法 | |
| CN109688544B (zh) | 一种基于多移动终端的无线定位系统和方法 | |
| CN110630910A (zh) | 一种城市地下燃气管道监测系统 | |
| CN110132121A (zh) | 北斗三号双频非组合rtk定位的输电杆塔形变监测方法 | |
| CN103528535A (zh) | 一种尾矿库坝安全监控平台 | |
| CN104408939B (zh) | 车辆检测用的无线地磁检测器及其车辆检测方法 | |
| CN113419264A (zh) | 一种高精度室内外定位系统及室内外定位与过渡方法 | |
| Jianyun et al. | RETRACTED: Research on Application of Automatic Weather Station Based on Internet of Things | |
| CN103472471A (zh) | 一种卫星导航系统信息可用性判定方法、处理模块及终端 | |
| CN112071027A (zh) | 一种超宽带测距山体滑坡预测方法、系统、装置及应用 | |
| WO2024055473A1 (zh) | 定位方法、装置、电子设备及存储介质 | |
| Haque et al. | A LoRa based reliable and low power vehicle to everything (V2X) communication architecture | |
| CN103561466B (zh) | 一种提高传感器网络节点定位准确度的系统 | |
| CN116176658A (zh) | 一种基于多源信息智能融合的地铁列车测速方法 | |
| CN205778012U (zh) | 一种基于物联网信息化管理的物流锁 | |
| CN113077628B (zh) | 一种复合地磁车辆检测器的算法 | |
| CN211906035U (zh) | 一种铁路地质防灾安全监测系统 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A Beidou-based deformation monitoring system and method Effective date of registration: 20220920 Granted publication date: 20210202 Pledgee: China Everbright Bank Co.,Ltd. Changsha Huafeng Sub branch Pledgor: Hunan Lianzhi Technology Co.,Ltd. Registration number: Y2022430000088 |
|
| PC01 | Cancellation of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Date of cancellation: 20231106 Granted publication date: 20210202 Pledgee: China Everbright Bank Co.,Ltd. Changsha Huafeng Sub branch Pledgor: Hunan Lianzhi Technology Co.,Ltd. Registration number: Y2022430000088 |