CN114047066B - 一种用于滑坡变形的监测方法和装置 - Google Patents

一种用于滑坡变形的监测方法和装置 Download PDF

Info

Publication number
CN114047066B
CN114047066B CN202210029224.XA CN202210029224A CN114047066B CN 114047066 B CN114047066 B CN 114047066B CN 202210029224 A CN202210029224 A CN 202210029224A CN 114047066 B CN114047066 B CN 114047066B
Authority
CN
China
Prior art keywords
monitoring
deformation
sensor
test model
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
Application number
CN202210029224.XA
Other languages
English (en)
Other versions
CN114047066A (zh
Inventor
王晨辉
郭伟
孟庆佳
杨凯
吴悦
王茜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Center for Hydrogeology and Environmental Geology CGS
Original Assignee
Center for Hydrogeology and Environmental Geology CGS
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Center for Hydrogeology and Environmental Geology CGS filed Critical Center for Hydrogeology and Environmental Geology CGS
Priority to CN202210029224.XA priority Critical patent/CN114047066B/zh
Publication of CN114047066A publication Critical patent/CN114047066A/zh
Application granted granted Critical
Publication of CN114047066B publication Critical patent/CN114047066B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/08—Investigating strength properties of solid materials by application of mechanical stress by applying steady tensile or compressive forces
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/16—Measuring arrangements characterised by the use of optical techniques for measuring the deformation in a solid, e.g. optical strain gauge
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N3/02—Details
    • G01N3/06—Special adaptations of indicating or recording means
    • G01N3/068—Special adaptations of indicating or recording means with optical indicating or recording means
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0001—Type of application of the stress
    • G01N2203/0003—Steady
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/0058—Kind of property studied
    • G01N2203/0069—Fatigue, creep, strain-stress relations or elastic constants
    • G01N2203/0075—Strain-stress relations or elastic constants
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/0641—Indicating or recording means; Sensing means using optical, X-ray, ultraviolet, infrared or similar detectors
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
    • G01N2203/02—Details not specific for a particular testing method
    • G01N2203/06—Indicating or recording means; Sensing means
    • G01N2203/067—Parameter measured for estimating the property
    • G01N2203/0682—Spatial dimension, e.g. length, area, angle

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Pathology (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)

Abstract

本发明提供了一种用于滑坡变形的监测方法和装置，应用于变形监测系统，所述方法包括：基于模拟受力加载子系统向试验基座加载伺服力，以模拟变形监测试验模型的受力形变过程；通过传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据；通过摄像头采集的所述变形监测试验模型的形变图像；对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律。本发明实施例可以获取到多方位、多类型的监测数据，提高了监测数据的多样性；并且，本发明实施例有利于客观、准确的分析变形监测试验模型的形变规律，为山体滑坡的监测预警、防灾减灾等提供技术参考。

Description

一种用于滑坡变形的监测方法和装置
技术领域
本发明涉及变形监测技术领域，具体地涉及一种用于滑坡变形的监测方法和装置。
背景技术
山体滑坡是我国主要的地质灾害类型。山体滑坡是指山体斜坡上某一部分岩土在重力（包括岩土本身重力及地下水的动静压力）作用下，沿着一定的软弱结构面（带）产生剪切位移而整体地向斜坡下方移动的作用和现象。山体滑坡具有极强的突发性、隐蔽性和破坏性，常造成巨大的经济损失和重大人员伤亡。因此，如何客观的分析山体滑坡的形变演化规律，对山体滑坡进行有效预测具有重要意义。
目前，对于山体滑坡的监测方案，使用的监测手段比较单一，并且是对单一的监测点进行监测，导致监测参数少，无法多角度分析山体滑坡的形变规律。
发明内容
本发明提供一种用于滑坡变形的监测方法和装置，以解决现有技术中对于山体滑坡的监测方案中，监测手段单一、监测参数少的问题。
根据本发明的第一方面，提供了一种用于滑坡变形的监测方法，应用于变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测试验模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器，所述方法包括：
基于所述模拟受力加载子系统向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；
通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据；
通过所述摄像头采集所述变形监测试验模型的形变图像；
对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律。
可选地，所述通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据，包括：
判断所述传感器网络中是否存在至少一个监测传感器的监测数据大于其预设阈值；
若存在至少一个监测传感器的监测数据大于其预设阈值，则根据预设传输策略确定目标传输路径；
按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据。
可选地，所述按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据，包括：
基于所述目标传输路径逐层触发所述传感器网络中的各个监测传感器进入工作模式；
对于进入工作模式的目标监测传感器，确定所述目标监测传感器采集的监测数据对应的数值区间；
根据所述数值区间对应的预设采集频率，调整所述目标监测传感器的采样频率，以使所述目标监测传感器根据调整后的采样频率采集监测数据。
可选地，所述根据所述数值区间对应的预设采集频率，调整所述目标监测传感器的采样频率，包括：
计算在预设时间段内，所述目标监测传感器采集的监测数据的标准差和数据变化速率；
根据所述标准差和所述数据变化速率，确定所述目标监测传感器采集的监测数据是否存在异常波动；
若所述监测数据存在异常波动，则对所述监测数据进行分析，确定所述异常波动对应的异常原因；
若所述异常波动对应的异常原因为内部原因，则根据所述监测数据确定所述变形监测试验模型的形变类型；
若所述变形监测试验模型的形变类型为正常形变，则根据所述目标监测传感器当前采集的监测数据对应的数值区间，调整所述目标监测传感器的采样频率。
可选地，所述对所述监测数据进行分析，确定所述异常波动对应的异常原因，包括：
将所述预设时间段划分为至少两个子区间；
计算每个子区间的数据变化量；
对每个子区间的数据变化量进行比对，确定所述异常波动对应的异常原因。
可选地，所述根据所述监测数据确定所述变形监测试验模型的形变类型，包括：
判断在所述预设时间段内，所述目标监测传感器采集的监测数据是否发生一致性变化；
若所述监测数据发生一致性变化，则确定所述变形监测试验模型的形变类型为正常形变；
若所述监测数据未发生一致性变化，则确定所述变形监测试验模型的形变类型为异常形变。
可选地，所述方法还包括：
若所述异常波动对应的异常原因为外部原因，则按照所述目标监测传感器的当前采样频率采集监测数据；或者，
若所述异常波动对应的异常原因为内部原因，且所述变形监测试验模型的形变类型为异常形变，则按照所述目标监测传感器的当前采样频率采集监测数据。
根据本发明的第二方面，提供了一种变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测试验模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器；
所述模拟受力加载子系统用于向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；
所述传感器网络中的各个监测传感器用于采集所述变形监测试验模型中监测区域的监测数据；
所述摄像头用于采集所述变形监测试验模型的形变图像。
根据本发明的第三方面，提供了一种用于滑坡变形的监测装置，应用于变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测试验模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器，所述装置包括：
模拟受力模块，用于基于所述模拟受力加载子系统向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；
监测数据采集模块，用于通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据；
形变图像采集模块，用于通过所述摄像头采集所述变形监测试验模型的形变图像；
数据分析模块，用于对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律。
根据本发明的第四方面，提供了一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行前述的用于滑坡变形的监测方法。
本发明提供了一种用于滑坡变形的监测方法和装置，应用于变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测试验模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器，所述方法包括：基于所述模拟受力加载子系统向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据；通过所述摄像头采集的所述变形监测试验模型的形变图像；对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律。
本发明实施例通过模拟受力加载子系统向试验基座加载伺服力，模拟变形监测试验模型的受力形变过程，并在这个过程中，通过传感器网络中的监测传感器采集变形监测试验模型中监测区域的监测数据，并通过摄像头采集变形监测试验模型的形变图像，可以获取到多方位、多类型的监测数据，提高了监测数据的多样性；然后，对采集的监测数据和形变图像进行分析，以确定变形监测试验模型在受力形变过程中的形变规律，有利于客观、准确的分析变形监测试验模型的形变规律，为山体滑坡的监测预警、防灾减灾等提供技术参考。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面将对本发明实施例的描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种用于滑坡变形的监测方法的具体步骤流程图；
图2是本发明实施例提供的一种变形监测系统的结构图示意图；
图3是本发明实施例提供的一种用于滑坡变形的监测装置的结构图。
具体实施方式
本发明实施例中术语“和/或”，描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。字符“/”一般表示前后关联对象是一种“或”的关系。
本发明实施例中术语“多个”是指两个或两个以上，其它量词与之类似。
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
本发明实施例提供了一种用于滑坡变形的监测方法，应用于变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测试验模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器。
参照图1，其示出了本发明实施例提供的一种用于滑坡变形的监测方法的具体步骤流程图，具体步骤如下：
步骤101、基于所述模拟受力加载子系统向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程。
步骤102、通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据。
步骤103、通过所述摄像头采集所述变形监测试验模型的形变图像。
步骤104、对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律。
本发明实施例提供的用于滑坡变形的监测方法，通过模拟受力加载子系统向试验基座加载伺服力，模拟变形监测试验模型的受力形变过程，并在这个过程中，通过传感器网络中的监测传感器采集变形监测试验模型中监测区域的监测数据，并通过摄像头采集变形监测试验模型的形变图像。然后，对采集的监测数据和形变图像进行分析，以确定变形监测试验模型在受力形变过程中的形变规律，为山体滑坡的监测预警、防灾减灾等提供技术参考。
需要说明的是，所述传感器网络中的监测传感器可以包括接触式监测传感器，例如裂缝计（倾角传感器）、微动计（加速度传感器）、压力压变传感器等，也可以包括非接触式传感器，例如激光位移传感器。在本发明的变形监测系统中，每一种监测传感器可以包括一个，也可以包括多个，且不同的监测传感器位于变形监测试验模型的不同监测区域，以便多方位、多角度的提供多种监测数据，保证监测数据的多样性。
参照图2，示出了本发明实施例提供的一种变形监测系统的结构示意图。如图2所示，本发明的变形监测系统，包括变形监测试验模型1、模拟受力加载子系统2、试验基座3、接触式监测测试设备、非接触式监测测试设备。变形监测试验模型1安放在试验基座3上，模拟受力加载子系统2放置在变形监测试验模型1的上部。
其中，变形监测试验模型1的上部区域1-1包括上部相对稳定部分1-1-1及欠稳定部分1-1-2、1-1-3、1-1-4等四个组成部分；中部区域1-2主要用于模拟山体斜坡软弱夹层部分；下部区域1-3主要用于模拟山体基岩部分。模拟受力加载子系统2包括加载装置2-1、加载受力平板2-2、垫层2-3。试验基座3包括垫层3-1、底座3-2。接触式监测测试设备包括裂缝计4-1、微动计4-2、压力压变传感器4-3、数据采集仪4-4。非接触式监测测试设备包括激光位移计5-1、摄像机5-2。
变形监测试验模型1上部区域1-1中的欠稳定部分1-1-2、1-1-3、1-1-4区域分别部署微动计4-2；变形监测试验模型1上部区域1-1与变形监测试验模型的中部区域1-2的上边和下边，与变形监测试验模型1的下部区域1-3上边接触面分别设置压力压变传感器4-3。压力压变传感器4-3连接数据采集仪4-4，以监测压力变化。在变形监测试验模型1上方和侧面分别设置激光位移传感器5-1。在变形监测试验模型1的底部两侧区域和上部区域分别设置摄像机5-2，以监测记录变形监测试验1形变过程中的影像。
作为一种示例，在模拟受力加载子系统2与变形监测试验模型1之间、变形监测试验模型1的下部区域1-3与底座3-2之间，可以采用刚性垫板作为不同接触面之间的垫层。
需要说明的是，在本发明的实施例中，可以预先制作变形监测试验模型。作为一种示例，可以将变形监测试验模型设计为80cm*80cm*100cm的长方体。变形监测试验模型上部区域可以选取水、石膏比为2：8的石膏模型材料；中部区域模拟山体斜坡软弱夹层区域，可以选用水、石膏比为2：8的石膏和重晶石粉混合料；下部区域模拟山体基岩区域，可以同样选取水、石膏比为2：8的石膏模型材料。
在本发明的实施例中，变形监测试验模型的各个部分可以分别采用不同的样式的块体进行组合，还可以通过调整块体样式、体积以及强度等方式模拟山体失稳变形直至破坏的全过程中不同形变情况。
其中，变形监测试验模型的监测内容可以包括：变形监测试验模型的上部区域的裂缝形变情况，以及中部区域的倾角、加速度和振动形变情况，以及上部区域与中部区域的接触面、中部区域与下部区域的接触面的受力情况，等等。
在本发明提供的变形监测系统中，可以在变形监测试验模型上部区域分别部署裂缝计、微动计。其中，裂缝计用于获取上部区域的欠稳定部分1-1-2、1-1-3、1-1-4，在模拟受力加载子系统逐级向试验基座加载伺服力的情况下的拉张裂缝变形数据。微动计用于获取上部区域的欠稳定部分1-1-2、1-1-3、1-1-4的倾角、加速度和振动变形数据。通过裂缝计和微动计采集的监测数据，可以研究欠稳定部分在受力情况下的变形规律，观察变形监测试验模型从微裂隙、裂纹扩展、加速变形到失稳破坏的全过程中的形变情况，以此分析山体在失稳破坏变形过程中的变形形态及规律，从而为山体滑坡监测、预警提供技术支持。
在本发明的一种可选实施例中，步骤102所述通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据，包括：
步骤S11、判断所述传感器网络中是否存在至少一个监测传感器的监测数据大于其预设阈值；
步骤S12、若存在至少一个监测传感器的监测数据大于其预设阈值，则根据预设传输策略确定目标传输路径；
步骤S13、按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据。
在本发明的实施例中，传感器网络中的各个监测传感器可以通过无线网络进行连接，当其中一个监测传感器监测到异常数据时，触发传感器网络中的其他监测传感器依次进入工作模式，开始采集监测数据。具体的，如果传感器网络中存在至少一个监测传感器的监测数据大于其预设阈值，则根据预设传输策略确定目标传输路径，并按照目标传输路径逐层触发传感器网络中的各个监测传感器采集监测数据。
其中，不同的监测传感器对应的预设阈值可以不同。例如，裂缝计的预设阈值可以设置为10mm，一旦裂缝计监测到当前的裂缝值超过10mm，那么就启动异常形变触发采集，触发传感器网络中的其他监测传感器开始采集监测数据。预设阈值可以根据具体的监测传感器和监测需求进行设置，本发明实施例对此不做具体限定。
需要说明的，所述预设传输策略用于根据变形监测试验模型每一部分的块体形变时间，确定最优传输路径，也即目标传输路径，以便最快的唤醒整个传感器网络，使得传感器网络中的各个监测传感器进入联动工作模式。例如，下层传感器先监测到异常数据，那么，由下层传感器逐层触发上层传感器采集监测数据；如果上层传感器先监测到异常数据，那么，由上层传感器触发下层传感器采集监测数据。
在本发明的实施例中，变形监测系统中的各个监测传感器组成传感器网络，用于研究变形监测试验模型在受力过程中最先发生变形的区域以及形变特征，以更好了解山体失稳过程。其中，传感器网络内各个监测传感器之间采用联动策略，当传感器网络中任意监测传感器的监测数据大于其预设阈值，则根据路径最优策略确定目标传输路径，根据目标传输路径触发传感器网络内的相邻监测传感器进入实时工作模式，进而唤醒整个传感器网络中的各个监测传感器启动协同监测模式。进一步的，传感器网络中的各个监测传感器可以保持时间、采样、上传、监测同步的协同工作模式，全面监测变形监测试验模型的形变情况。
在本发明的一种可选实施例中，步骤S13所述按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据，包括：
子步骤S131、基于所述目标传输路径逐层触发所述传感器网络中的各个监测传感器进入工作模式；
子步骤S132、对于进入工作模式的目标监测传感器，确定所述目标监测传感器采集的监测数据对应的数值区间；
子步骤S133、根据所述数值区间对应的预设采集频率，调整所述目标监测传感器的采样频率，以使所述目标监测传感器根据调整后的采样频率采集监测数据。
在本发明的实施例中，基于目标传输路径逐层触发传感器网络中的各个监测传感器进入工作模式之后，针对每个监测传感器，也即进入工作模式的目标监测传感器，确定其当前采集的监测数据对应的数值区间，根据数值区间对应的采样频率，对目标监测传感器的采样频率进行调整。例如，对于位移传感器，当前采样频率为10分钟采集1条数据。如果当前采集的监测数据d在设定的数值区间M1内，比如10mm＜d≤20mm，那么，该位移传感器的将采样频率调整为5分钟采集1条数据；如果当前采集的监测数据d在设定的数值区间M2内，比如20mm＜d≤30mm，那么，将该位移传感器的采样频率调整为1分钟采集1条数据。
需要说明的是，在本发明的实施例中，可以预先根据监测传感器的设备性能、监测精度，设置数值区间与采样频率之间的对应关系，从而确定监测数据对应的数值区间之后，根据数据区间对应的采样频率对监测传感器的当前采样频率进行调整。
本发明的实施例可以根据监测数据的数值，自适应控制监测传感器的采样频率，从而对于异常数据，也即变形监测试验模型发生形变过程中的监测数据进行加密采集，增加采集的有效数据的数据量，便于更细粒度的分析变形监测试验模型的形变规律。
在本发明的一种可选实施例中，子步骤S133所述根据所述数值区间对应的预设采集频率，调整所述目标监测传感器的采样频率，包括：
步骤A11、计算在预设时间段内，所述目标监测传感器采集的监测数据的标准差和数据变化速率；
步骤A12、根据所述标准差和所述数据变化速率，确定所述目标监测传感器采集的监测数据是否存在异常波动；
步骤A13、若所述监测数据存在异常波动，则对所述监测数据进行分析，确定所述异常波动对应的异常原因；
步骤A14、若所述异常波动对应的异常原因为内部原因，则根据所述监测数据确定所述变形监测试验模型的形变类型；
步骤A15、若所述变形监测试验模型的形变类型为正常形变，则根据所述目标监测传感器当前采集的监测数据对应的数值区间，调整所述目标监测传感器的采样频率。
在本发明的实施例中，可以通过计算预设时间段内，目标监测传感器采集的监测数据的标准差和数据变化速率，判断监测数据是否存在异常波动，进而判断变形监测试验模型是否发生形变。其中，监测数据的标准差
Figure 913006DEST_PATH_IMAGE001
可以表示为：
Figure 767830DEST_PATH_IMAGE002
（1）
其中，
Figure 547567DEST_PATH_IMAGE003
为预设时间段T内采集的N个监测数据，也即N个采样点中的第i个采样点的数值，
Figure 942776DEST_PATH_IMAGE004
为预设时间段T内采集的N个采样点的平均值。
监测数据的数据变化速率
Figure 694831DEST_PATH_IMAGE005
可以表示为：
Figure 517294DEST_PATH_IMAGE006
（2）
其中，
Figure 784327DEST_PATH_IMAGE007
为预设时间段T内采集的第1条监测数据，也即第1个采样点的数值。
考虑到变形监测试验模型发生形变的特殊情况，本发明实施例在确定目标监测传感器采集的监测数据存在异常波动时，还需要进一步确认引起数据异常波动的异常原因。
需要说明的是，引起数据异常波动的原因一般有两种：1）外部原因：监测传感器受外界环境因素干扰造成的数据异常波动；2）内部原因：变形监测试验模型发生了形变，如裂缝位移变宽、地表位移变大、倾角倾斜度变大等运动状态发生改变。
本发明的实施例中采集监测数据是为了分析变形监测试验模型的形变规律，因此，对于外部原因引起的数据异常波动，可以忽略采集的异常数据，或者，不对监测数据进行加密采集。
对于内部原因引起的数据异常波动，变形监测试验模型可能发生了正常形变，也即出现了类似于山体滑坡的形变过程；变形监测试验模型的形变也可能是异常形变，例如，监测数据出现短时间波动，但是重新稳定在一个新的数值附近，这种情况下，就可以确定变形监测试验模型出现了异常形变。
其中，变形监测试验模型的正常形变是本发明要重点分析的，因此需要对正常形变下的监测数据进行加密采集。具体的，根据目标监测传感器当前刺激的监测数据对应的数值区间，调整目标监测传感器的采样频率。例如，对于位移传感器，当前采样频率为10分钟采集1条数据。如果当前采集的监测数据d在设定的数值区间M1内，比如10mm＜d≤20mm，那么，该位移传感器的将采样频率调整为5分钟采集1条数据；如果当前采集的监测数据d在设定的数值区间M2内，比如20mm＜d≤30mm，那么，将该位移传感器的采样频率调整为1分钟采集1条数据。
在本发明的一种可选实施例中，所述方法还包括：
步骤A21、若所述异常波动对应的异常原因为外部原因，则按照所述目标监测传感器的当前采样频率采集监测数据；或者，
步骤A22、若所述异常波动对应的异常原因为内部原因，且所述变形监测试验模型的形变类型为异常形变，则按照所述目标监测传感器的当前采样频率采集监测数据。
在本发明的实施例中，如果异常波动对应的异常原因为外部原因，或者，异常波动对应的异常原因为内部原因，但是变形监测试验模型的形变类型为异常形变，则按照目标监测传感器的当前采样频率采集监测数据，不对当前采样频率进行调整，也即不进行加密采集，以避免过多的采集无效数据导致数据冗余，影响数据分析效率。
在本发明的一种可选实施例中，步骤A13所述对所述监测数据进行分析，确定所述异常波动对应的异常原因，包括：
子步骤A131、将所述预设时间段划分为至少两个子区间；
子步骤A132、计算每个子区间的数据变化量；
子步骤A133、对每个子区间的数据变化量进行比对，确定所述异常波动对应的异常原因。
在本发明实施例中，可以将采集监测数据的预设时间段划分为至少两个子区间，比较每个子区间的数据变化量，如果每个子区间的数据变形量相同或相似，则说明监测数据在预设时间段内发生了一致性变化，也即变形监测试验模型发生了正常形变；或者，说明监测数据在预设时间段内没有出现突变。如果某个子区间的数据变化量与其他子区间的数据变化量不同，则说明在该子区间内，监测数据发生了突变，从而可以确定引起监测数据的异常波动的原因为外部原因。
作为一种示例，针对每一个子区间，其数据变化量
Figure 920910DEST_PATH_IMAGE008
可以根据下述公式（3）计算：
Figure 589789DEST_PATH_IMAGE009
（3）
其中，
Figure 583153DEST_PATH_IMAGE003
为预设时间段T内采集的N个监测数据，也即N个采样点中的第i个采样点的数值，
Figure 773701DEST_PATH_IMAGE007
为预设时间段T内采集的第1条监测数据，也即第1个采样点的数值。
在本发明的一种可选实施例中，步骤A14所述根据所述监测数据确定所述变形监测试验模型的形变类型，包括：
子步骤A141、判断在所述预设时间段内，所述目标监测传感器采集的监测数据是否发生一致性变化；
子步骤A142、若所述监测数据发生一致性变化，则确定所述变形监测试验模型的形变类型为正常形变；
子步骤A143、若所述监测数据未发生一致性变化，则确定所述变形监测试验模型的形变类型为异常形变。
在本发明的实施例中，如果确定引起数据异常波动的原因为内部原因，也即变形监测试验模型确实发生了形变。为了进一步保证采集的监测数据的有效性，还需要进一步确认变形监测试验模型的形变类型。具体的，判断预设时间段内监测传感器采集的监测数据是否发生了一致性形变，也即监测数据在预设时间段内的变化趋势是否相同，例如在预设时间段内，监测数据都呈增长趋势，则可以确定监测数据发生了一致性变化。如果监测数据在预设时间段内的变化趋势不相同，例如，监测数据只是出现了短时间波动，波动后重新稳定在一个新数值附近，不再发生变化，那么就可以确定监测数据没有发生一致性变化。
作为一种示例，可以通过下述公式（4）计算监测数据的变化情况，从而确定监测数据是否发生了一致性变化：
Figure 510712DEST_PATH_IMAGE010
（4）
其中，其中，
Figure 971781DEST_PATH_IMAGE003
为预设时间段T内采集的N个监测数据，也即N个采样点中的第i个采样点的数值，
Figure 401625DEST_PATH_IMAGE011
为第i-1个采样点的数值。
如果根据公式（4）计算得到
Figure 643251DEST_PATH_IMAGE012
一直增大，说明监测数据发生了一致性变化；如果只是某一时刻
Figure 918374DEST_PATH_IMAGE012
的数值变大，说明监测数据没有发生一致性变化。
如果确定监测数据在预设时间段内发生了一致性变化，就可以确定变形监测试验模型的形变类型为正常形变，对于正常形变，本发明可以采取加密采集策略，根据监测数据对应的数值区间适应性调整监测传感器的采样频率，以便采集更细粒度的监测数据，便于后续分析形变规律。如果确定监测数据在预设时间段内没有发生一致性变化，就可以确定变形监测试验模型的形变类型为异常形变。由于异常形变不是本发明的重点研究类型，因此可以不对监测传感器的采样频率进行调整。
综上所述，本发明实施例通过模拟受力加载子系统向试验基座加载伺服力，模拟变形监测试验模型的受力形变过程，并在这个过程中，通过传感器网络中的监测传感器采集变形监测试验模型中监测区域的监测数据，并通过摄像头采集变形监测试验模型的形变图像，可以获取到多方位、多类型的监测数据，提高了监测数据的多样性；然后，对采集的监测数据和形变图像进行分析，以确定变形监测试验模型在受力形变过程中的形变规律，有利于客观、准确的分析变形监测试验模型的形变规律，为山体滑坡的监测预警、防灾减灾等提供技术参考。
实施例二
参照图3，其示出了本发明实施例提供的一种用于滑坡变形的监测装置的结构图，所述装置应用于变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测试验模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器，具体包括：
模拟受力模块301，用于基于所述模拟受力加载子系统向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；
监测数据采集模块302，用于通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据；
形变图像采集模块303，用于通过所述摄像头采集所述变形监测试验模型的形变图像；
数据分析模块304，用于对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律。
可选地，所述监测数据采集模块，包括：
监测数据判断子模块，用于判断所述传感器网络中是否存在至少一个监测传感器的监测数据大于其预设阈值；
传输路径确定子模块，用于若存在至少一个监测传感器的监测数据大于其预设阈值，则根据预设传输策略确定目标传输路径；
监测数据采集子模块，用于按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据。
可选地，所述监测数据采集子模块，包括：
监测传感器触发单元，用于基于所述目标传输路径逐层触发所述传感器网络中的各个监测传感器进入工作模式；
数值区间确定单元，用于对于进入工作模式的目标监测传感器，确定所述目标监测传感器采集的监测数据对应的数值区间；
采样频率调整单元，用于根据所述数值区间对应的预设采集频率，调整所述目标监测传感器的采样频率，以使所述目标监测传感器根据调整后的采样频率采集监测数据。
可选地，所述采样频率调整单元，包括：
计算子单元，用于计算在预设时间段内，所述目标监测传感器采集的监测数据的标准差和数据变化速率；
异常波动确定子单元，用于根据所述标准差和所述数据变化速率，确定所述目标监测传感器采集的监测数据是否存在异常波动；
异常原因确定子单元，用于若所述监测数据存在异常波动，则对所述监测数据进行分析，确定所述异常波动对应的异常原因；
形变类型确定子单元，用于若所述异常波动对应的异常原因为内部原因，则根据所述监测数据确定所述变形监测试验模型的形变类型；
采样频率调整子单元，用于若所述变形监测试验模型的形变类型为正常形变，则根据所述目标监测传感器当前采集的监测数据对应的数值区间，调整所述目标监测传感器的采样频率。
可选地，所述异常原因确定子单元，还用于：
将所述预设时间段划分为至少两个子区间；
计算每个子区间的数据变化量；
对每个子区间的数据变化量进行比对，确定所述异常波动对应的异常原因。
可选地，所述形变类型确定子单元，还用于：
判断在所述预设时间段内，所述目标监测传感器采集的监测数据是否发生一致性变化；
若所述监测数据发生一致性变化，则确定所述变形监测试验模型的形变类型为正常形变；
若所述监测数据未发生一致性变化，则确定所述变形监测试验模型的形变类型为异常形变。
可选地，所述采样频率调整单元还包括：
第一数据采集子单元，用于若所述异常波动对应的异常原因为外部原因，则按照所述目标监测传感器的当前采样频率采集监测数据；或者，
第二数据采集子单元，用于若所述异常波动对应的异常原因为内部原因，且所述变形监测试验模型的形变类型为异常形变，则按照所述目标监测传感器的当前采样频率采集监测数据。
需要说明的是，本发明实施例中对模块和单元的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。另外，在本发明各个实施例中的各功能模块和各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个处理器可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备（可以是个人计算机，服务器，或者网络设备等）或处理器（processor）执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器（Read-Only Memory ，ROM）、随机存取存储器（Random Access Memory，RAM）、磁碟或者光盘等各种可以存储程序代码的介质。
在此需要说明的是，本发明实施例提供的上述装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。
本发明实施例还提供了一种处理器可读存储介质，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行前述的用于滑坡变形的监测方法。
所述处理器可读存储介质可以是处理器能够存取的任何可用介质或数据存储设备，包括但不限于磁性存储器（例如软盘、硬盘、磁带、磁光盘（MO）等）、光学存储器（例如CD、DVD、BD、HVD等）、以及半导体存储器（例如ROM、EPROM、EEPROM、非易失性存储器（NANDFLASH）、固态硬盘（SSD））等。
本领域内的技术人员应明白，本申请的实施例可提供为方法、系统、或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质（包括但不限于磁盘存储器和光学存储器等）上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备（系统）、和计算机程序产品的流程图和／或方框图来描述的。应理解可由计算机可执行指令实现流程图和／或方框图中的每一流程和／或方框、以及流程图和／或方框图中的流程和／或方框的结合。可提供这些计算机可执行指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的装置。
这些处理器可执行指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和／或方框图一个方框或多个方框中指定的功能的步骤。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
上面结合附图对本发明的实施例进行了描述，但是本发明并不局限于上述的具体实施方式，上述的具体实施方式仅仅是示意性的，而不是限制性的，本领域的普通技术人员在本发明的启示下，在不脱离本发明宗旨和权利要求所保护的范围情况下，还可做出很多形式，均属于本发明的保护之内。

Claims (9)

1.一种用于滑坡变形的监测方法，其特征在于，应用于变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器，所述方法包括：
基于所述模拟受力加载子系统向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；
通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据；
通过所述摄像头采集所述变形监测试验模型的形变图像；
对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律；
所述通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据，包括：
判断所述传感器网络中是否存在至少一个监测传感器的监测数据大于其预设阈值；
若存在至少一个监测传感器的监测数据大于其预设阈值，则根据预设传输策略确定目标传输路径；
按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据。
2.根据权利要求1所述的方法，其特征在于，所述按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据，包括：
基于所述目标传输路径逐层触发所述传感器网络中的各个监测传感器进入工作模式；
对于进入工作模式的目标监测传感器，确定所述目标监测传感器采集的监测数据对应的数值区间；
根据所述数值区间对应的预设采集频率，调整所述目标监测传感器的采样频率，以使所述目标监测传感器根据调整后的采样频率采集监测数据。
3.根据权利要求2所述的方法，其特征在于，所述根据所述数值区间对应的预设采集频率，调整所述目标监测传感器的采样频率，包括：
计算在预设时间段内，所述目标监测传感器采集的监测数据的标准差和数据变化速率；
根据所述标准差和所述数据变化速率，确定所述目标监测传感器采集的监测数据是否存在异常波动；
若所述监测数据存在异常波动，则对所述监测数据进行分析，确定所述异常波动对应的异常原因；
若所述异常波动对应的异常原因为内部原因，则根据所述监测数据确定所述变形监测试验模型的形变类型；
若所述变形监测试验模型的形变类型为正常形变，则根据所述目标监测传感器当前采集的监测数据对应的数值区间，调整所述目标监测传感器的采样频率。
4.根据权利要求3所述的方法，其特征在于，所述对所述监测数据进行分析，确定所述异常波动对应的异常原因，包括：
将所述预设时间段划分为至少两个子区间；
计算每个子区间的数据变化量；
对每个子区间的数据变化量进行比对，确定所述异常波动对应的异常原因。
5.根据权利要求3所述的方法，其特征在于，所述根据所述监测数据确定所述变形监测试验模型的形变类型，包括：
判断在所述预设时间内，所述目标监测传感器采集的监测数据是否发生一致性变化；
若所述监测数据发生一致性变化，则确定所述变形监测试验模型的形变类型为正常形变；
若所述监测数据未发生一致性变化，则确定所述变形监测试验模型的形变类型为异常形变。
6.根据权利要求3所述的方法，其特征在于，所述方法还包括：
若所述异常波动对应的异常原因为外部原因，则按照所述目标监测传感器的当前采样频率采集监测数据；或者，
若所述异常波动对应的异常原因为内部原因，且所述变形监测试验模型的形变类型为异常形变，则按照所述目标监测传感器的当前采样频率采集监测数据。
7.一种变形监测系统，其特征在于，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器；
所述模拟受力加载子系统用于向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；
所述传感器网络中的各个监测传感器用于采集所述变形监测试验模型中监测区域的监测数据；
所述摄像头用于采集所述变形监测试验模型的形变图像；
所述变形监测系统还用于：
判断所述传感器网络中是否存在至少一个监测传感器的监测数据大于其预设阈值；
若存在至少一个监测传感器的监测数据大于其预设阈值，则根据预设传输策略确定目标传输路径；
按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据。
8.一种用于滑坡变形的监测装置，其特征在于，应用于变形监测系统，所述变形监测系统包括变形监测试验模型、模拟受力加载子系统、试验基座、传感器网络和摄像头，所述模拟受力加载子系统放置在所述变形监测试验模型上，所述变形监测模型放置在所述试验基座上，所述传感器网络包括至少两个监测传感器，所述装置包括：
模拟受力模块，用于基于所述模拟受力加载子系统向所述试验基座加载伺服力，以模拟所述变形监测试验模型的受力形变过程；
监测数据采集模块，用于通过所述传感器网络中各个监测传感器采集所述变形监测试验模型中监测区域的监测数据；
形变图像采集模块，用于通过所述摄像头采集所述变形监测试验模型的形变图像；
数据分析模块，用于对所述监测数据和所述形变图像进行分析，确定所述变形监测试验模型的形变规律；
所述监测数据采集模块还用于：
判断所述传感器网络中是否存在至少一个监测传感器的监测数据大于其预设阈值；
若存在至少一个监测传感器的监测数据大于其预设阈值，则根据预设传输策略确定目标传输路径；
按照所述目标传输路径逐层触发所述传感器网络中的各个监测传感器采集所述变形监测试验模型中监测区域的监测数据。
9.一种处理器可读存储介质，其特征在于，所述处理器可读存储介质存储有计算机程序，所述计算机程序用于使处理器执行权利要求1至7任一项所述的用于滑坡变形的监测方法。
CN202210029224.XA 2022-01-12 2022-01-12 一种用于滑坡变形的监测方法和装置 Active CN114047066B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210029224.XA CN114047066B (zh) 2022-01-12 2022-01-12 一种用于滑坡变形的监测方法和装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210029224.XA CN114047066B (zh) 2022-01-12 2022-01-12 一种用于滑坡变形的监测方法和装置

Publications (2)

Publication Number Publication Date
CN114047066A CN114047066A (zh) 2022-02-15
CN114047066B true CN114047066B (zh) 2022-04-12

Family

ID=80196315

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210029224.XA Active CN114047066B (zh) 2022-01-12 2022-01-12 一种用于滑坡变形的监测方法和装置

Country Status (1)

Country Link
CN (1) CN114047066B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114967613B (zh) * 2022-05-11 2023-06-09 杭州康吉森自动化科技有限公司 一种具有多传感器的生产设备状态监测方法和装置
CN117007506B (zh) * 2023-08-16 2024-04-02 北方工业大学 透镜体影响下尾矿坝加载试验方法
CN117078749B (zh) * 2023-10-16 2024-01-05 吉林省思极科技有限公司 一种山体落石在线预警监测系统

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3430484A (en) * 1964-03-25 1969-03-04 Gerard F Wittgenstein Land or underwater pipe line
CN101118687A (zh) * 2007-07-16 2008-02-06 中国矿业大学(北京) 一种实时远程无线监测边坡滑坡的系统及方法
CN102062616A (zh) * 2010-12-14 2011-05-18 中国地质调查局水文地质环境地质调查中心 一种基于远程传输的嵌入式光纤光栅监测系统
CN102323150A (zh) * 2011-08-10 2012-01-18 中国地质科学院地质力学研究所 在断层作用下斜坡体稳定性模拟试验装置及其方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101609158B (zh) * 2009-07-17 2011-01-26 中国矿业大学(北京) 滑坡超前滑动力物理模拟实验方法及装置
CN111796071A (zh) * 2020-06-24 2020-10-20 中铁第一勘察设计院集团有限公司 降雨条件下高陡边坡受力变形特性离心机模型测试系统
CN212342025U (zh) * 2020-10-30 2021-01-12 中国地质环境监测院 用于山体滑坡监测的多传感器互动监测系统
CN112730082A (zh) * 2020-12-26 2021-04-30 成都理工大学 一种边坡卸荷开挖的物理模拟试验装置及其使用方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3430484A (en) * 1964-03-25 1969-03-04 Gerard F Wittgenstein Land or underwater pipe line
CN101118687A (zh) * 2007-07-16 2008-02-06 中国矿业大学(北京) 一种实时远程无线监测边坡滑坡的系统及方法
CN102062616A (zh) * 2010-12-14 2011-05-18 中国地质调查局水文地质环境地质调查中心 一种基于远程传输的嵌入式光纤光栅监测系统
CN102323150A (zh) * 2011-08-10 2012-01-18 中国地质科学院地质力学研究所 在断层作用下斜坡体稳定性模拟试验装置及其方法

Also Published As

Publication number Publication date
CN114047066A (zh) 2022-02-15

Similar Documents

Publication Publication Date Title
CN114047066B (zh) 一种用于滑坡变形的监测方法和装置
CN108170959B (zh) 基于离散元的岩体力学响应数值分析方法及装置
EP3479239B1 (en) System and method for determining the risk of failure of a structure
Pereira et al. Vibration-based damage detection of a concrete arch dam
CN110601900B (zh) 一种网络故障预警方法及装置
Sevim et al. Finite element model calibration of berke arch dam using operational modal testing
CN104535346B (zh) 一种混凝土重力危坝的抗滑稳定性检测方法
Walter et al. Far-field triggering of foreshocks near the nucleation zone of the 5 September 2012 (MW 7.6) Nicoya Peninsula, Costa Rica earthquake
Mignan et al. Seismic activity in the Sumatra–Java region prior to the December 26, 2004 (Mw= 9.0–9.3) and March 28, 2005 (Mw= 8.7) earthquakes
Wen et al. Single‐station standard deviation using strong‐motion data from Sichuan region, China
Jayawardhana et al. Statistical damage sensitive feature for structural damage detection using AR model coefficients
McKinnon Triggering of seismicity remote from active mining excavations
CN117195594B (zh) 隧道岩爆等级评估方法、装置、电子设备及存储介质
Kjeld et al. Effect of wind and wave properties in modal parameter estimates of an idling offshore wind turbine from long-term monitoring data
JP2016004298A (ja) ポンプ異常検知システム、ポンプ異常検知方法、及びポンプ異常検知プログラム
Oliveira et al. Long-term dynamic monitoring systems for the safety control of large concrete dams. The case of Cabril dam, Portugal
Wang et al. Statistical tests of Load-Unload Response Ratio signals by lattice solid model: Implication to tidal triggering and earthquake prediction
Andreini et al. Modelling issues in the structural analysis of existing concrete gravity dams
JP6642232B2 (ja) 地震被害推定システム、地震被害推定システムを備えた構造物、及び地震被害推定プログラム
Lemos et al. Analysis of the dynamic behaviour of Cabril dam considering the influence of contraction joints
Guilhem et al. Testing the accelerating moment release (AMR) hypothesis in areas of high stress
Jiménez‐Roa et al. Real‐time structural monitoring of Building 350 at Del Valle University
Gaftoi et al. Assessment of Gura Raului dam safety using measurements of structural response to ambient vibrations
Kwak et al. Methods for probabilistic seismic levee system reliability analysis
Carvalho¹ et al. André Alegre2, 3, Mauricio Ciudad-Real4, Derek Skolnik4, and Mohamed El-Idrissi¹

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