CN114485788A - 基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置 - Google Patents
基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置 Download PDFInfo
- Publication number
- CN114485788A CN114485788A CN202210033838.5A CN202210033838A CN114485788A CN 114485788 A CN114485788 A CN 114485788A CN 202210033838 A CN202210033838 A CN 202210033838A CN 114485788 A CN114485788 A CN 114485788A
- Authority
- CN
- China
- Prior art keywords
- inclination angle
- angle variation
- strong vibration
- rock mass
- accumulated
- 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
- 239000011435 rock Substances 0.000 title claims abstract description 203
- 238000000034 method Methods 0.000 title claims abstract description 42
- 230000001133 acceleration Effects 0.000 claims abstract description 136
- 238000012544 monitoring process Methods 0.000 claims abstract description 56
- 230000000903 blocking effect Effects 0.000 claims abstract description 18
- 230000000630 rising effect Effects 0.000 claims description 73
- 230000008859 change Effects 0.000 claims description 47
- 239000013598 vector Substances 0.000 claims description 28
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000001914 filtration Methods 0.000 claims description 19
- 230000003068 static effect Effects 0.000 claims description 13
- 230000005484 gravity Effects 0.000 claims description 12
- 230000001960 triggered effect Effects 0.000 claims description 11
- 230000007246 mechanism Effects 0.000 claims description 10
- 230000005526 G1 to G0 transition Effects 0.000 claims description 9
- 230000001174 ascending effect Effects 0.000 claims description 6
- 238000009499 grossing Methods 0.000 claims description 5
- 238000009434 installation Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 2
- 238000009826 distribution Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 17
- 238000006073 displacement reaction Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000015654 memory Effects 0.000 description 4
- 238000003860 storage Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005422 blasting Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 239000003822 epoxy resin Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance 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
- 239000004417 polycarbonate Substances 0.000 description 1
- 229920000515 polycarbonate Polymers 0.000 description 1
- 229920000647 polyepoxide Polymers 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
Images
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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/23—Dune restoration or creation; Cliff stabilisation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明公开了一种基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置,涉及边坡危岩体监测预警技术领域。包括:获取岩体主控裂隙的几何信息,基于几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;基于主控裂隙扩展特征与分块结构特征,布设微机电系统MEMS倾角振动传感器;基于MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态;基于累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。本发明具有操作简便、低成本、低功耗、预警判断结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路等工程边坡的岩体失稳预警。
Description
技术领域
本发明涉及危岩体监测预警技术领域,特别是指一种基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置。
背景技术
被陡倾裂隙切割的边坡危岩体,突然脱离母体,翻滚而下的地质现象称为崩塌。含陡倾裂隙危岩体往往赋存在险峻的高陡边坡上且崩塌失稳过程具有突发性,因此危岩体变形监测应具有高精度、高分辨率与高采样频率的基本要求。目前,现有常规的位移监测方法应用在崩塌预警中存在很大的局限性,例如:基于全球卫星导航系统的毫米级静态坐标星历解算周期一般大于30分钟,不能及时获取到实时位移数据;通过位移计连接数据采集传输设备监测裂缝开度的方法可以实现毫米级高频监测,但也存在地形适用性差和维护复杂的问题;雷达遥测方法的远程监测精度不足、设备价格昂贵、专业性强、需要人工值守,也难以应用于大量危岩体的长期自动化预警,因此难以通过监测分析位移时间历程来实现边坡危岩体的实时预警研判。此外,有关技术人员提出的通过有线加速度计或激光测振仪实时采集传输分析振动波形特征的方法,由于计算复杂、设备功耗极大、电缆布设困难等限制只能作为定期检测手段,不能实现危岩体的实时监测。
发明内容
本发明针对现有监测预警方法难以实现危岩体崩塌预警的问题,提出了本发明。
为解决上述技术问题,本发明提供如下技术方案:
一方面,本发明提供了一种基于倾斜与强振特征的边坡危岩体崩塌预警方法,该方法由电子设备实现,该方法包括:
S1、获取岩体主控裂隙的几何信息,基于几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;其中,分块结构特征表示岩体被主控裂隙所分割的块体结构的特征。
S2、基于岩体主控裂隙扩展特征与岩体分块结构特征,布设微机电系统MEMS倾角振动传感器。
S3、基于MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态。
S4、基于累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
可选地,S1中的岩体主控裂隙扩展特征包括岩体主控裂隙的裂缝尖端位置及裂缝扩展迹线。
可选地,S2中的基于岩体主控裂隙扩展特征与岩体分块结构特征,布设MEMS倾角振动传感器包括:
基于岩体主控裂隙扩展特征与岩体分块结构特征,得到一个或多个岩块体,对每一个岩块体布设MEMS倾角振动传感器,对每一个MEMS倾角振动传感器配置数据传输机制。
可选地,S3中的累计倾斜角度变化量的趋势、倾斜角度变化速度的范围获取方式包括:
S31、进行累计倾斜角度变化量的数据整编。
S32、将累计倾斜角度变化量利用移动平均法进行平滑滤波。
S33、基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值。
可选地,S31中的累计倾斜角度变化量为初始监测状态与监测过程中岩体倾斜向量的空间夹角,由下式(1)-(3)计算:
其中:θn0为累计倾斜角度变化量;为传感器安装后的初始状态加速度信号矢量;为的模;为监测过程中的加速度信号矢量;为的模;gx0,gy0,gz0为监测地区初始状态静态重力加速度矢量的三向分量;gxn,gyn,gzn为监测地区监测过程中静态重力加速度矢量的三向分量;n为监测数据量。
可选地,S33中的累计倾斜角度变化量的趋势包括线性平稳阶段、指数非线性趋稳上升阶段及指数非线性趋涨上升阶段。
基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值包括:
线性平稳阶段为累计倾斜角度变化量满足线性方程y=ax+b的阶段;其中a、b为拟合参数;多个线性平稳阶段的倾斜角度变化速度的最大值集合记为{αi}。
指数非线性趋稳上升阶段为累计倾斜角度变化量满足指数方程y=a+becx、且指数方程的拟合参数b<0且c<0的阶段;其中,a、b、c为拟合参数,e为常数;多个指数非线性趋稳上升阶段的倾斜角度变化速度的最大值集合记为{βi}。
指数非线性趋涨上升阶段为累计倾斜角度变化量满足指数方程、且指数方程拟合参数b>0且c>0的阶段。
可选地,S3中的强振加速度指超过触发阈值的动态振动加速度三向分量的合振动加速度大小。
强振加速度信号的状态包括:未触发强振加速度信号、偶发强振加速度信号与高频强振加速度信号。
未触发强振加速度信号指一天内未获取到由岩体裂隙扩展产生的强振加速度信号,记为强振状态A。
偶发强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于1次且小于等于2次,记为强振状态B。
高频强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于3次,记为强振状态C。
可选地,S4中的预警等级包括:蓝色注意级、黄色提示级、橙色警戒级、红色警报级、黑色警急级。
蓝色注意级为:累计倾斜角度变化量的趋势为线性平稳阶段、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为A。
黄色提示级为:累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为B或C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为A或B。
橙色警戒级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为A或B。
红色警报级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C。
黑色警急级为:累计倾斜角度变化量趋势为产生瞬时大幅突跳、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C。
另一方面,本发明提供了一种基于倾斜与强振特征的边坡危岩体崩塌预警装置,该装置应用于实现于倾斜与强振特征的边坡危岩体崩塌预警方法,该装置包括:
获取单元,用于获取岩体主控裂隙的几何信息,基于几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;其中,分块结构特征表示岩体被主控裂隙所分割的块体结构的特征。
布设单元,用于基于岩体主控裂隙扩展特征与岩体分块结构特征,布设微机电系统MEMS倾角振动传感器。
分析单元,用于基于MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态。
预警等级判别单元,用于基于累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
可选地,岩体主控裂隙扩展特征包括岩体主控裂隙的裂缝尖端位置及裂缝扩展迹线。
可选地,布设单元,进一步用于:
基于岩体主控裂隙扩展特征与岩体分块结构特征,得到一个或多个岩块体,对每一个岩块体布设MEMS倾角振动传感器,对每一个MEMS倾角振动传感器配置数据传输机制。
可选地,分析单元,进一步用于:
S31、进行累计倾斜角度变化量的数据整编。
S32、将累计倾斜角度变化量的数据利用移动平均法进行平滑滤波。
S33、基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值。
可选地,分析单元,进一步用于:
其中:θn0为累计倾斜角度变化量;为传感器安装后的初始状态加速度信号矢量;为的模;为监测过程中的加速度信号矢量;为的模;gx0,gy0,gz0为监测地区初始状态静态重力加速度矢量的三向分量;gxn,gyn,gzn为监测地区监测过程中静态重力加速度矢量的三向分量;n为监测数据量。
可选地,累计倾斜角度变化量的趋势包括线性平稳阶段、指数非线性趋稳上升阶段及指数非线性趋涨上升阶段。
可选地,线性平稳阶段为累计倾斜角度变化量满足线性方程y=ax+b的阶段;其中a、b为拟合参数;多个线性平稳阶段的倾斜角度变化速度的最大值集合记为{αi}。
指数非线性趋稳上升阶段为累计倾斜角度变化量满足指数方程y=a+becx、且指数方程的拟合参数b<0且c<0的阶段;其中,a、b、c为拟合参数,e为常数;多个指数非线性趋稳上升阶段的倾斜角度变化速度的最大值集合记为{βi}。
指数非线性趋涨上升阶段为累计倾斜角度变化量满足指数方程、且指数方程拟合参数b>0且c>0的阶段。
可选地,强振加速度指超过触发阈值的动态振动加速度三向分量的合振动加速度大小。
强振加速度信号的状态包括:未触发强振加速度信号、偶发强振加速度信号与高频强振加速度信号。
未触发强振加速度信号指一天内未获取到由岩体裂隙扩展产生的强振加速度信号,记为强振状态A。
偶发强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于1次且小于等于2次,记为强振状态B。
高频强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于3次,记为强振状态C。
可选地,预警等级包括:蓝色注意级、黄色提示级、橙色警戒级、红色警报级、黑色警急级。
蓝色注意级为:累计倾斜角度变化量的趋势为线性平稳阶段、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为A。
黄色提示级为:累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为B或C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为A或B。
橙色警戒级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为A或B。
红色警报级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C。
黑色警急级为:累计倾斜角度变化量趋势为产生瞬时大幅突跳、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C。
本发明实施例提供的技术方案带来的有益效果至少包括:
上述方案中,根据岩体主控裂隙的几何信息确定岩体主控裂隙扩展特征与岩体分块结构特征,基于岩体的分块结构与裂纹尖端位置布设MEMS倾角振动传感器,进行传感器的外部振动防护,并配置传感器的传输机制,进而对每一个岩块体进行长期实时监测。基于传感器获取的累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对每个岩块体进行预警等级的判别。
本发明克服了现有边坡位移监测应用在危岩体中操作复杂、成本高、功耗高、预警效果差等缺点,具有操作简便,低成本、低功耗、预警判断结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、石油化工、水利水电、露天矿山等工程高陡边坡的岩体失稳预警。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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是本发明基于倾斜与强振特征的边坡危岩体崩塌预警方法流程示意图;
图2是本发明基于倾斜与强振特征的边坡危岩体崩塌预警方法流程示意图;
图3是本发明监测点选取范围示意图;
图4是本发明传感器及外部振动防护安装示意图;
图5是本发明数据联动采集、计算、传输流程示意图;
图6累计倾斜角度变化量曲线线性平稳阶段示意图;
图7是本发明线性平稳阶段倾斜角度变化速度示意图;
图8是本发明累计倾斜角度变化量指数非线性趋稳上升阶段示意图;
图9是本发明指数非线性趋稳上升阶段倾斜角度变化速度示意图;
图10是本发明累计倾斜角度变化量指数非线性趋涨上升阶段示意图;
图11是本发明指数非线性趋涨上升阶段倾斜角度变化速度示意图;
图12是本发明累计倾斜角度变化量瞬时大幅突跳示意图;
图13是本发明瞬时大幅突跳阶段倾斜角度变化速度示意图;
图14是本发明传感器I累计倾斜角度变化量滤波曲线示意图;
图15是本发明传感器I累计倾斜角度变化量曲线第一阶段示意图;
图16是本发明传感器I第一阶段倾斜角度变化速度曲线示意图;
图17是本发明传感器I累计倾斜角度变化量曲线第二阶段示意图;
图18是本发明传感器I第二阶段倾斜角度变化速度曲线示意图;
图19是本发明传感器I累计倾斜角度变化量曲线第三阶段示意图;
图20是本发明传感器I第三阶段倾斜角度变化速度曲线示意图;
图21是本发明传感器I累计倾斜角度变化量曲线第四阶段示意图;
图22是本发明传感器I第四阶段倾斜角度变化速度曲线示意图;
图23是本发明强振状态B示意图;
图24是本发明强振状态C示意图;
图25是本发明传感器I获取的强振加速度信号曲线示意图;
图26是本发明传感器II获取的累计倾斜角度变化量曲线与强振信号示意图;
图27是本发明基于倾斜与强振特征的边坡危岩体崩塌预警装置框图;
图28是本发明一种电子设备的结构示意图。
具体实施方式
为使本发明要解决的技术问题、技术方案和优点更加清楚,下面将结合附图及具体实施例进行详细描述。
如图1所示,本发明实施例提供了一种基于倾斜与强振特征的边坡危岩体崩塌预警方法,该方法可以由电子设备实现。如图1所示的基于倾斜与强振特征的边坡危岩体崩塌预警方法流程图,该方法的处理流程可以包括如下的步骤:
S11、获取岩体主控裂隙的几何信息,基于几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;其中,分块结构特征表示岩体被主控裂隙所分割的块体结构的特征。
S12、基于岩体主控裂隙扩展特征与岩体分块结构特征,布设微机电系统MEMS倾角振动传感器。
S13、基于MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态。
S14、基于累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
可选地,S11中的岩体主控裂隙扩展特征包括岩体主控裂隙的裂缝尖端位置及裂缝扩展迹线。
可选地,S12中的基于岩体主控裂隙扩展特征与岩体分块结构特征,布设MEMS倾角振动传感器包括:
基于岩体主控裂隙扩展特征与岩体分块结构特征,得到一个或多个岩块体,对每一个岩块体布设MEMS倾角振动传感器,对每一个MEMS倾角振动传感器配置数据传输机制。
可选地,S13中的累计倾斜角度变化量的趋势、倾斜角度变化速度的范围获取方式包括:
S131、进行累计倾斜角度变化量的数据整编。
S132、将累计倾斜角度变化量的数据利用移动平均法进行平滑滤波。
S133、基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值。
可选地,S131中的累计倾斜角度变化量为初始监测状态与监测过程中岩体倾斜向量的空间夹角,由下式(1)-(3)计算:
其中:θn0为累计倾斜角度变化量;为传感器安装后的初始状态加速度信号矢量;为的模;为监测过程中的加速度信号矢量;为的模;gx0,gy0,gz0为监测地区初始状态静态重力加速度矢量的三向分量;gxn,gyn,gzn为监测地区监测过程中静态重力加速度矢量的三向分量;n为监测数据量。
可选地,S133中的累计倾斜角度变化量的趋势包括线性平稳阶段、指数非线性趋稳上升阶段及指数非线性趋涨上升阶段。
基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值包括:
线性平稳阶段为累计倾斜角度变化量满足线性方程y=ax+b的阶段;其中a、b为拟合参数;多个线性平稳阶段的倾斜角度变化速度的最大值集合记为{αi}。
指数非线性趋稳上升阶段为累计倾斜角度变化量满足指数方程y=a+becx、且指数方程的拟合参数b<0且c<0的阶段;其中,a、b、c为拟合参数,e为常数;多个指数非线性趋稳上升阶段的倾斜角度变化速度的最大值集合记为{βi}。
指数非线性趋涨上升阶段为累计倾斜角度变化量满足指数方程、且指数方程拟合参数b>0且c>0的阶段。
可选地,S13中的强振加速度指超过触发阈值的动态振动加速度三向分量的合振动加速度大小。
强振加速度信号的状态包括:未触发强振加速度信号、偶发强振加速度信号与高频强振加速度信号。
未触发强振加速度信号指一天内未获取到由岩体裂隙扩展产生的强振加速度信号,记为强振状态A。
偶发强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于1次且小于等于2次,记为强振状态B。
高频强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于3次,记为强振状态C。
可选地,S14中的预警等级包括:蓝色注意级、黄色提示级、橙色警戒级、红色警报级、黑色警急级。
蓝色注意级为:累计倾斜角度变化量的趋势为线性平稳阶段、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为A。
黄色提示级为:累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为B或C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为A或B。
橙色警戒级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为A或B。
红色警报级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C。
黑色警急级为:累计倾斜角度变化量趋势为产生瞬时大幅突跳、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C。
本发明实施例中,根据岩体主控裂隙的几何信息确定岩体主控裂隙扩展特征与岩体分块结构特征,基于岩体的分块结构与裂纹尖端位置布设MEMS倾角振动传感器,进行传感器的外部振动防护,并配置传感器的传输机制,进而对每一个岩块体进行长期实时监测。基于传感器获取的累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对每个岩块体进行预警等级的判别。
本发明克服了现有边坡位移监测应用在危岩体中操作复杂、成本高、预警效果差等缺点,具有操作简便,低成本、预警判断结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、石油化工、水利水电、露天矿山等工程高陡边坡的岩体失稳预警。
如图2所示,本发明实施例提供了一种基于倾斜与强振特征的边坡危岩体崩塌预警方法,该方法可以由电子设备实现。如图2所示的基于倾斜与强振特征的边坡危岩体崩塌预警方法流程图,该方法的处理流程可以包括如下的步骤:
S21、获取岩体主控裂隙的几何信息,基于几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征。
其中,分块结构特征表示岩体被主控裂隙所分割的块体结构的特征。
可选地,岩体主控裂隙扩展特征可以包括岩体主控裂隙的裂缝尖端位置及裂缝扩展迹线,如图3所示,岩体主控裂隙的裂缝尖端位置3及裂缝扩展迹线4,与危岩体被主控裂隙所分割的块体结构1与2。
S22、基于岩体主控裂隙扩展特征与岩体分块结构特征,得到一个或多个岩块体,对每一个岩块体布设MEMS倾角振动传感器,对每一个MEMS倾角振动传感器配置数据传输机制。
一种可行的实施方式中,每一个岩体分块结构均需设置1个监测点,每个监测点布设一个MEMS倾角振动传感器,监测点的位置需靠近主控裂隙裂缝尖端,监测点到主控裂隙裂缝尖端的直线距离不超过0.5m,如图3中的5、6。
其中,MEMS(Micro-Electro-Mechanical System,微机电系统)倾角振动传感器是基于MEMS三轴加速度传感器的太阳能自供电无线监测传感器,以1000Hz采样频率实时采集静态重力加速度与动态振动加速度,并通过边缘解算得到累计倾斜角度的变化量与三轴合振动加速度,倾斜角度温度漂移在-30℃到70℃范围内优于±0.1°,分辨率优于0.005°,量程大于45°,振动加速度的分辨率优于0.061μg,量程不小于2g。重力加速度分量与振动加速度分量,可由下式(1)表示:
式中:Ax,Ay,Az为传感器三向敏感轴输出的加速度信号;gx,gy,gz为监测地区重力加速度矢量的三向分量;ax,ay,az为附加振动加速度矢量的三向分量。
当危岩体处于静态时,经滤波去噪后的传感器加速度信号矢量和由空间向量夹角计算原理得到的累计倾斜角度变化量由下式(2)-(4)表示:
其中:θn0为累计倾斜角度变化量;OA0为传感器安装后的初始状态加速度信号矢量;OAn为监测过程中的加速度信号矢量;为;为;为;为;gx0,gy0,gz0为监测地区初始状态静态重力加速度矢量的三向分量;gxn,gyn,gzn为监测地区监测过程中静态重力加速度矢量的三向分量;n为监测数据量。
当危岩体产生超过某阈值的强振动时,强振加速度定义为合振动加速度向量的模长,由下式(5)表示:
式中:As为强振加速度。
进一步地,如图4所示,倾角振动传感器的安装步骤可以包括:将MEMS倾角振动传感器7与安装基座8用环氧树脂粘接,并通过膨胀螺丝9将基座紧密固定于岩体。
进一步地,对倾角振动传感器的外部进行振动防护可以包括:利用膨胀螺丝9将聚碳酸酯(PC)透光防护罩10固定在传感器外部,保证防护罩与传感器无接触且阳光能够照射到传感器,有效阻挡强降雨、强风、冰雹等外部极端气候引发的传感器振动。
进一步地,配置MEMS倾角振动传感器传输机制可以包括:配置倾斜角度定时传输频率不少于1次/小时,阈值触发传输阈值为5°,每隔1s进行阈值传输判断。此外,配置三轴合振动加速度的触发传输阈值,触发传输获取的三轴合振动加速度称为强振加速度,初始强振加速度触发传输阈值为10mg,每隔1-5秒进行阈值判断,阈值根据现场岩体振动环境条件调整,传输阈值大于外部机械施工、爆破施工、微小频发地震等环境振动诱发的最大加速度。具体数据采集传输流程如图5所示。
S23、基于MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围。
一种可行的实施方式中,上述步骤S23可以包括下述步骤S231-S233:
S231、进行累计倾斜角度变化量的数据整编。
可选的,将累计倾斜角度变化量监测数据中的多传输、漏传输、与明显和趋势不相关的异常传输数据进行剔除或加权平均补充。
S232、将累计倾斜角度变化量的数据利用移动平均法进行平滑滤波。
可选地,将累计倾斜角度变化量利用移动平均法进行平滑滤波,由下式(6)计算:
S233、基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值。
其中,累计倾斜角度变化量的趋势包括线性平稳阶段、指数非线性趋稳上升阶段及指数非线性趋涨上升阶段。
进一步地,基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值可以包括:
(1)如图6所示,线性平稳阶段为累计倾斜角度变化量满足线性方程y=ax+b的阶段;其中a、b为拟合参数。
如图7所示,倾角变化速度的最大值α,由于监测过程中可能会出现多个线性阶段,多线性平稳阶段的各阶段内倾角变化速度的最大值集合记为{αi}。
(2)如图8所示,指数非线性趋稳上升阶段为累计倾斜角度变化量满足指数方程y=a+becx、且指数方程的拟合参数b<0且c<0的阶段;其中,a、b、c为拟合参数,e为常数。
如图9所示,倾角变化速度的最大值β,由于监测过程中可能会出现多个指数非线性趋稳上升阶段,多个指数非线性趋稳上升阶段的各阶段内倾斜角度变化速度的最大值集合记为{βi}。
(3)如图10所示,指数非线性趋涨上升阶段为累计倾斜角度变化量满足指数方程、且指数方程拟合参数b>0且c>0的阶段。
一种可行的实施方式中,指数非线性趋涨上升意味着危岩体临近崩塌,需实时记录该时段内倾斜角度变化速度最大值λ,如图11所示。
其中,倾斜角度变化速度计算方法,由下式(7)计算:
(4)如图12、13所示,累计倾斜角度变化量趋势为产生瞬时大幅突跳、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C。
一种可行的实施方式中,以岩块1及岩块1所对应的传感器I为例,计算监测历程的累计倾斜角度变化量如图14所示。
传感器I获取累计倾斜角度变化量曲线在第一阶段(2020/5/3 10:00-2020/6/912:00)为线性平稳,拟合线为:y=3.57E-5+0.18如图15所示,期间最大倾斜角度变化速度为0.0019°/h如图16所示。
第二阶段(2020/6/9 12:00-2020/7/4 13:00)为非线性指数趋稳上升,拟合线为:y=0.86-606.28e-0.01x如图17所示,期间最大倾斜角度变化速度为0.0051°/h如图18所示。
第三阶段(2020/7/4 13:00-2020/7/11 11:00)为线性平稳,拟合线为:y=-6.69E-4+1.82如图19所示,期间最大倾斜角度变化速度为0.00053°/h如图20所示。
第四阶段(2020/7/11 11:00-2020/7/19 2:00)为非线性指数趋涨上升,拟合线为:y=0.72+6.61E-20e0.02x如图21所示,期间倾斜角度变化速度于2020/7/16 3:00超过0.0051°/h达到0.006°/h,于2020/7/17 22:00超过0.0102°/h达到0.011°/h如图22所示。
S24、基于MEMS倾角振动传感器,获得强振加速度信号的状态。
其中,强振加速度信号的状态包括:未触发强振加速度信号、偶发强振加速度信号与高频强振加速度信号。
进一步地,未触发强振加速度信号指一天内未获取到由岩体裂隙扩展产生的强振加速度信号,记为强振状态A。
如图23所示,偶发强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于1次且小于等于2次,记为强振状态B。
如图24所示,高频强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于3次,记为强振状态C。
一种可行的实施方式中,如图25所示,分析24小时内监测过程的强振加速度信号特征。监测过程中,传感器I共获取到3次强振加速度信号,分别在2020/5/9 3:07:24,2020/6/3 18:20:43与2020/6/23 15:12:09,监测过程中强振加速度信号特征均为“强振状态A”。
S25、基于累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
其中预警等级包括:蓝色注意级、黄色提示级、橙色警戒级、红色警报级、黑色警急级。
蓝色注意级为:累计倾斜角度变化量的趋势为线性平稳阶段、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为A,说明危岩体崩塌可能性较小。
黄色提示级为:累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为B或C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为A或B,说明危岩体崩塌可能性小。
橙色警戒级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为A或B,说明危岩体崩塌可能性较大。
红色警报级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{αi,βi}且小于等于2倍的max{αi,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C,说明危岩体崩塌可能性较大。
所述黑色警急级为:累计倾斜角度变化量趋势为产生瞬时大幅突跳、倾斜角度变化速度最大值大于等于2倍的max{αi,βi}、且强振状态为A或B或C,说明危岩体已经发生崩塌。
进一步地,简明的预警等级判别标准如下表1所示:
表1
一种可行的实施方式中,根据每个监测点倾斜演化特征与强振加速度信号特征,进行预警等级的判别。在2020/5/3 10:00-2020/6/9 12:00阶段,未达到预警标准,不发布预警信息;在2020/6/9 12:00-2020/7/4 13:00阶段,累计倾斜角度变化量的趋势为指数非线性趋稳上升,且强振状态为A,发布蓝色注意级预警信息;2020/7/4 13:00-2020/7/1111:00阶段,未达到预警标准,不发布预警信息;在2020/7/11 11:00-2020/7/16 3:00阶段,累计倾斜角度变化量的趋势为指数非线性趋涨上升,当前阶段倾斜角度变化速度最大值小于max{αi,βi}(0.0051°/h),且强振状态为A,发布黄色提示级预警信息;在2020/7/16 3:00-2020/7/17 22:00阶段累计倾斜角度变化量的趋势为指数非线性趋涨上升,当前阶段倾斜角度变化速度大于max{αi,βi}(0.0051°/h)且小于等于2倍的max{αi,βi}(0.0102°/h),且强振状态为A,发布橙色警戒级预警信息;在2020/7/17 22:00后,累计倾斜角度变化量的趋势为指数非线性趋涨上升,且倾斜角度变化速度大于2倍的max{αi,βi}(0.0102°/h),发布红色警报级预警信息。1#岩块体于发布红色预警后28小时26分(2020/7/19 2:26)后触发采集到突跳到98°的累计倾斜角度变化量,立即发布黑色警急级预警信息,而现场失稳垮塌。监测全过程预警结果正确。
同理,以岩块体2为例,以传感器II数据为基础,如图26所示,进行预警等级的判断:在2020/5/3 10:00-2020/7/19 0:00期间,累计倾斜角度变化量的趋势为线性平稳,且强振状态为A,不发布预警信息。在2020/7/19 0:00-2020/7/20 0:00期间,累计倾斜角度变化量的趋势为线性平稳,但由于岩块体1的崩塌,触发了4次强振信号,强振状态为C,发布蓝色注意级预警信息,与现场岩块体安全状态一致。
本发明实施例中,根据岩体主控裂隙的几何信息确定岩体主控裂隙扩展特征与岩体分块结构特征,基于岩体的分块结构与裂纹尖端位置布设MEMS倾角振动传感器,进行传感器的外部振动防护,并配置传感器的传输机制,进而对每一个岩块体进行长期实时监测。基于传感器获取的累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对每个岩块体进行预警等级的判别。
本发明克服了现有边坡位移监测应用在危岩体中操作复杂、成本高、功耗高、预警效果差等缺点,具有操作简便,低成本、低功耗、预警判断结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、石油化工、水利水电、露天矿山等工程高陡边坡的岩体失稳预警。
如图27所示,本发明实施例提供了一种基于倾斜与强振特征的边坡危岩体崩塌预警装置2700,该装置2700应用于实现基于倾斜与强振特征的边坡危岩体崩塌预警方法,该装置2700包括:
获取单元2710,用于获取岩体主控裂隙的几何信息,基于几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;其中,分块结构特征表示岩体被主控裂隙所分割的块体结构的特征。
布设单元2720,用于基于岩体主控裂隙扩展特征与岩体分块结构特征,布设微机电系统MEMS倾角振动传感器。
分析单元2730,用于基于MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态。
预警等级判别单元2740,用于基于累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
本发明实施例中,根据岩体主控裂隙的几何信息确定岩体主控裂隙扩展特征与岩体分块结构特征,基于岩体的分块结构与裂纹尖端位置布设MEMS倾角振动传感器,进行传感器的外部振动防护,并配置传感器的传输机制,进而对每一个岩块体进行长期实时监测。基于传感器获取的累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对每个岩块体进行预警等级的判别。
本发明克服了现有边坡位移监测应用在危岩体中操作复杂、成本高、预警效果差等缺点,具有操作简便,低成本、预警判断结果可靠等优点,可广泛应用于山地城镇边坡与公路铁路、石油化工、水利水电、露天矿山等工程高陡边坡的岩体失稳预警。
图28是本发明实施例提供的一种电子设备2800的结构示意图,该电子设备2800可因配置或性能不同而产生比较大的差异,可以包括一个或一个以上处理器(centralprocessing units,CPU)2801和一个或一个以上的存储器2802,其中,存储器2802中存储有至少一条指令,至少一条指令由处理器2801加载并执行以实现下述基于倾斜与强振特征的边坡危岩体崩塌预警方法:
S1、获取岩体主控裂隙的几何信息,基于几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;其中,分块结构特征表示岩体被主控裂隙所分割的块体结构的特征。
S2、基于岩体主控裂隙扩展特征与岩体分块结构特征,布设微机电系统MEMS倾角振动传感器。
S3、基于MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态。
S4、基于累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
在示例性实施例中,还提供了一种计算机可读存储介质,例如包括指令的存储器,上述指令可由终端中的处理器执行以完成上述基于倾斜与强振特征的边坡危岩体崩塌预警方法。例如,计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,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 (10)
1.一种基于倾斜与强振特征的边坡危岩体崩塌预警方法,其特征在于,所述方法包括:
S1、获取岩体主控裂隙的几何信息,基于所述几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;其中,所述分块结构特征表示岩体被主控裂隙所分割的块体结构的特征;
S2、基于所述岩体主控裂隙扩展特征与岩体分块结构特征,布设微机电系统MEMS倾角振动传感器;
S3、基于所述MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态;
S4、基于所述累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
2.根据权利要求1所述的方法,其特征在于,所述S1中的岩体主控裂隙扩展特征包括岩体主控裂隙的裂缝尖端位置及裂缝扩展迹线。
3.根据权利要求1所述的方法,其特征在于,所述S2中的基于所述岩体主控裂隙扩展特征与岩体分块结构特征,布设MEMS倾角振动传感器包括:
基于所述岩体主控裂隙扩展特征与岩体分块结构特征,得到一个或多个岩块体,对每一个岩块体布设MEMS倾角振动传感器,对每一个MEMS倾角振动传感器配置数据传输机制。
4.根据权利要求1所述的方法,其特征在于,所述S4中的累计倾斜角度变化量的趋势、倾斜角度变化速度的范围获取方式包括:
S31、进行累计倾斜角度变化量的数据整编;
S32、将所述累计倾斜角度变化量的数据利用移动平均法进行平滑滤波;
S33、基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值。
6.根据权利要求4所述的方法,其特征在于,所述S33中的累计倾斜角度变化量的趋势包括线性平稳阶段、指数非线性趋稳上升阶段及指数非线性趋涨上升阶段;
所述基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值包括:
所述线性平稳阶段为累计倾斜角度变化量满足线性方程y=ax+b的阶段;其中a、b为拟合参数;多个线性平稳阶段的倾斜角度变化速度的最大值集合记为{αi};
所述指数非线性趋稳上升阶段为累计倾斜角度变化量满足指数方程y=a+becx、且所述指数方程的拟合参数b<0且c<0的阶段;其中,a、b、c为拟合参数,e为常数;多个指数非线性趋稳上升阶段的倾斜角度变化速度的最大值集合记为{βi};
所述指数非线性趋涨上升阶段为累计倾斜角度变化量满足所述指数方程、且所述指数方程拟合参数b>0且c>0的阶段。
7.根据权利要求6所述的方法,其特征在于,所述S3中的强振加速度指超过触发阈值的动态振动加速度三向分量的合振动加速度大小;
强振加速度信号的状态包括:未触发强振加速度信号、偶发强振加速度信号与高频强振加速度信号;
所述未触发强振加速度信号指一天内未获取到由岩体裂隙扩展产生的强振加速度信号,记为强振状态A;
所述偶发强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于1次且小于等于2次,记为强振状态B;
所述高频强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于3次,记为强振状态C。
8.根据权利要求7所述的方法,其特征在于,所述S4中的预警等级包括:蓝色注意级、黄色提示级、橙色警戒级、红色警报级、黑色警急级;
所述蓝色注意级为:累计倾斜角度变化量的趋势为线性平稳阶段、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为A;
所述黄色提示级为:累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为B或C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{ai,βi}、且强振状态为A或B;
所述橙色警戒级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值小于max{ai,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{ai,βi}且小于等于2倍的max{ai,βi}、且强振状态为A或B;
所述红色警报级为:累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于max{ai,βi}且小于等于2倍的max{ai,βi}、且强振状态为C;或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段、倾斜角度变化速度最大值大于等于2倍的max{ai,βi}、且强振状态为A或B或C;
所述黑色警急级为:累计倾斜角度变化量趋势为产生瞬时大幅突跳、倾斜角度变化速度最大值大于等于2倍的max{ai,βi}、且强振状态为A或B或C。
9.一种基于倾斜与强振特征的边坡危岩体崩塌预警装置,其特征在于,所述装置包括:
获取单元,用于获取岩体主控裂隙的几何信息,基于所述几何信息得到岩体主控裂隙扩展特征与岩体分块结构特征;其中,所述分块结构特征表示岩体被主控裂隙所分割的块体结构的特征;
布设单元,用于基于所述岩体主控裂隙扩展特征与岩体分块结构特征,布设微机电系统MEMS倾角振动传感器;
分析单元,用于基于所述MEMS倾角振动传感器,获得累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态;
预警等级判别单元,用于基于所述累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态,对岩体分块结构中的每个岩块体进行预警等级判别。
10.根据权利要求9所述的装置,其特征在于,所述分析单元,进一步用于:
S31、进行累计倾斜角度变化量的数据整编;
S32、将所述累计倾斜角度变化量的数据利用移动平均法进行平滑滤波;
S33、基于平滑滤波后的累计倾斜角度变化量,得到累计倾斜角度变化量的趋势,并记录累计倾斜角度变化速度的最大值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210033838.5A CN114485788B (zh) | 2022-01-12 | 2022-01-12 | 基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210033838.5A CN114485788B (zh) | 2022-01-12 | 2022-01-12 | 基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114485788A true CN114485788A (zh) | 2022-05-13 |
CN114485788B CN114485788B (zh) | 2022-10-11 |
Family
ID=81512875
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210033838.5A Active CN114485788B (zh) | 2022-01-12 | 2022-01-12 | 基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114485788B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116956629A (zh) * | 2023-08-08 | 2023-10-27 | 北京中关村智连安全科学研究院有限公司 | 一种拉裂型边坡危岩体崩塌时间长期预测方法和系统 |
CN117150447A (zh) * | 2023-10-31 | 2023-12-01 | 长江水利委员会长江科学院 | 一种倾斜数据监测方法、系统、装置、设备及介质 |
Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007225334A (ja) * | 2006-02-21 | 2007-09-06 | National Institute Of Occupation Safety & Health Japan | 斜面崩壊予知システム |
KR101454795B1 (ko) * | 2013-07-22 | 2014-10-29 | 동서대학교산학협력단 | 무선 메쉬 네트워크와 위치추적을 이용한 산사태 및 낙석 조기 경보 방법 및 시스템 |
CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
CN106448070A (zh) * | 2016-09-08 | 2017-02-22 | 吉林大学 | 一种利用感应同步器监测倾倒型崩塌的分级预警系统 |
KR20170052271A (ko) * | 2015-11-04 | 2017-05-12 | 성창통신 주식회사 | 진동 가속도와 변위 계측 기반 재난 경보 시스템 및 방법 |
CN108961685A (zh) * | 2017-05-18 | 2018-12-07 | 中央开发株式会社 | 滑坡及边坡塌方早期预警系统 |
CN109060963A (zh) * | 2018-06-13 | 2018-12-21 | 北京北科安地科技发展有限公司 | 一种基于振动特征参数的崩塌预测方法、系统及装置 |
US20190051146A1 (en) * | 2017-08-09 | 2019-02-14 | Institute Of Mountain Hazards And Environment, Chinese Academy Of Sciences | Three-dimensional multi-point multi-index early warning method for risk at power grid tower in landslide section |
CN109781044A (zh) * | 2018-12-17 | 2019-05-21 | 青岛理工大学 | 边坡失稳的综合逐渐逼近预警方法 |
CN110132218A (zh) * | 2019-04-17 | 2019-08-16 | 青岛理工大学 | 基于边坡稳定性监测的多等级预警测定方法 |
CN110766235A (zh) * | 2019-10-31 | 2020-02-07 | 黄淮学院 | 一种山体坍塌预测方法和预测系统 |
CN111259605A (zh) * | 2020-02-14 | 2020-06-09 | 中铁二院工程集团有限责任公司 | 一种土质滑坡监测预警评估方法 |
CN111275931A (zh) * | 2019-12-24 | 2020-06-12 | 湖北民族大学 | 一种危岩体断裂预警方法及系统 |
WO2020228380A1 (zh) * | 2019-05-10 | 2020-11-19 | 山东大学 | 一种车载式隧道塌方监测预警系统及方法 |
US20210048294A1 (en) * | 2019-08-15 | 2021-02-18 | China Institute Of Water Resources And Hydropower Research | System and method for monitoring deformation of dam slope |
CN112487545A (zh) * | 2021-01-05 | 2021-03-12 | 深圳市中勘勘测设计有限公司 | 基于大数据轴力监测的边坡安全实时监测预警系统 |
CN112687081A (zh) * | 2021-01-19 | 2021-04-20 | 交通运输部公路科学研究所 | 一种倾倒型崩塌灾害的监测与分级预警方法 |
CN113761744A (zh) * | 2021-09-07 | 2021-12-07 | 四川中科数微科技有限公司 | 一种基于倾角突变的斜坡失稳时间预测方法 |
-
2022
- 2022-01-12 CN CN202210033838.5A patent/CN114485788B/zh active Active
Patent Citations (18)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007225334A (ja) * | 2006-02-21 | 2007-09-06 | National Institute Of Occupation Safety & Health Japan | 斜面崩壊予知システム |
KR101454795B1 (ko) * | 2013-07-22 | 2014-10-29 | 동서대학교산학협력단 | 무선 메쉬 네트워크와 위치추적을 이용한 산사태 및 낙석 조기 경보 방법 및 시스템 |
CN105139585A (zh) * | 2015-07-29 | 2015-12-09 | 同济大学 | 一种土质边坡险情智能预警预报方法 |
KR20170052271A (ko) * | 2015-11-04 | 2017-05-12 | 성창통신 주식회사 | 진동 가속도와 변위 계측 기반 재난 경보 시스템 및 방법 |
CN106448070A (zh) * | 2016-09-08 | 2017-02-22 | 吉林大学 | 一种利用感应同步器监测倾倒型崩塌的分级预警系统 |
CN108961685A (zh) * | 2017-05-18 | 2018-12-07 | 中央开发株式会社 | 滑坡及边坡塌方早期预警系统 |
US20190051146A1 (en) * | 2017-08-09 | 2019-02-14 | Institute Of Mountain Hazards And Environment, Chinese Academy Of Sciences | Three-dimensional multi-point multi-index early warning method for risk at power grid tower in landslide section |
CN109060963A (zh) * | 2018-06-13 | 2018-12-21 | 北京北科安地科技发展有限公司 | 一种基于振动特征参数的崩塌预测方法、系统及装置 |
CN109781044A (zh) * | 2018-12-17 | 2019-05-21 | 青岛理工大学 | 边坡失稳的综合逐渐逼近预警方法 |
CN110132218A (zh) * | 2019-04-17 | 2019-08-16 | 青岛理工大学 | 基于边坡稳定性监测的多等级预警测定方法 |
WO2020228380A1 (zh) * | 2019-05-10 | 2020-11-19 | 山东大学 | 一种车载式隧道塌方监测预警系统及方法 |
US20210048294A1 (en) * | 2019-08-15 | 2021-02-18 | China Institute Of Water Resources And Hydropower Research | System and method for monitoring deformation of dam slope |
CN110766235A (zh) * | 2019-10-31 | 2020-02-07 | 黄淮学院 | 一种山体坍塌预测方法和预测系统 |
CN111275931A (zh) * | 2019-12-24 | 2020-06-12 | 湖北民族大学 | 一种危岩体断裂预警方法及系统 |
CN111259605A (zh) * | 2020-02-14 | 2020-06-09 | 中铁二院工程集团有限责任公司 | 一种土质滑坡监测预警评估方法 |
CN112487545A (zh) * | 2021-01-05 | 2021-03-12 | 深圳市中勘勘测设计有限公司 | 基于大数据轴力监测的边坡安全实时监测预警系统 |
CN112687081A (zh) * | 2021-01-19 | 2021-04-20 | 交通运输部公路科学研究所 | 一种倾倒型崩塌灾害的监测与分级预警方法 |
CN113761744A (zh) * | 2021-09-07 | 2021-12-07 | 四川中科数微科技有限公司 | 一种基于倾角突变的斜坡失稳时间预测方法 |
Non-Patent Citations (7)
Title |
---|
HE ZHENG 等: "Method to Realize the Tilt Monitoring and Instability Prediction of Hazardous Rock on Slopes", 《ADVANCES IN CIVIL ENGINEERING》 * |
MOWEN XIE 等: "Slope disaster monitoring and early warning system based on 3D-MEMS and NB-IoT", 《2019 IEEE 4TH ADVANCED INFORMATION TECHNOLOGY, ELECTRONIC AND AUTOMATION CONTROL CONFERENCE (IAEAC)》 * |
曾铃等: "干湿循环作用下预崩解炭质泥岩裂隙发育规律及强度特性", 《中国公路学报》 * |
杜岩 等: "基于动力学监测指标的崩塌早期预警研究进展", 《工程科学学报》 * |
杜岩 等: "岩体崩塌的早期预警方法与试验验证", 《煤炭学报》 * |
祁广禄等: "基于合成孔径雷达的边坡监测预警研究", 《矿业研究与开发》 * |
霍磊晨 等: "基于时频域动力学参量的危岩体识别方法", 《岩石力学与工程学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116956629A (zh) * | 2023-08-08 | 2023-10-27 | 北京中关村智连安全科学研究院有限公司 | 一种拉裂型边坡危岩体崩塌时间长期预测方法和系统 |
CN116956629B (zh) * | 2023-08-08 | 2024-03-19 | 北京中关村智连安全科学研究院有限公司 | 一种拉裂型边坡危岩体崩塌时间长期预测方法和系统 |
CN117150447A (zh) * | 2023-10-31 | 2023-12-01 | 长江水利委员会长江科学院 | 一种倾斜数据监测方法、系统、装置、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114485788B (zh) | 2022-10-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114485788B (zh) | 基于倾斜与强振特征的边坡危岩体崩塌预警方法及装置 | |
JP5148589B2 (ja) | 振動測定により橋梁構造の安全性を評価する方法 | |
Kahma et al. | A laboratory study of the minimum wind speed for wind wave generation | |
CN102506986A (zh) | 自立式铁塔及大跨越输电塔模态和振动测试系统及其方法 | |
CN101762347B (zh) | 一种用半波法测量多跨钢拉索索力的方法 | |
JP2013050417A (ja) | 風向風速情報提供システム及び風向風速情報提供方法 | |
CN114037190B (zh) | 一种含陡倾裂隙危岩体临崩时间区间预测方法及装置 | |
CN105258913A (zh) | 一种暂冲式超声速风洞正激波位置测量及判断的方法 | |
Yang et al. | Near-surface sand-dust horizontal flux in Tazhong—the hinterland of the Taklimakan Desert | |
Trinh et al. | Modelling the Eddystone Lighthouse response to wave loading | |
Sovilla | Field experiments and numerical modelling of mass entrainment and deposition processes in snow avalanches | |
CN108629118A (zh) | 一种输电杆塔结构防风监测方法、装置及系统 | |
CN111398997A (zh) | 一种基于北斗+惯导的堤坝安全监测装置及方法 | |
CN102879813A (zh) | 一种微地震信号到时自动拾取的方法及装置 | |
Moschas et al. | High accuracy measurement of deflections of an electricity transmission line tower | |
CN112924990B (zh) | 基于gnss加速度计融合的滑坡体监测方法和系统 | |
CN116659440A (zh) | 一种山区滑坡精细化位移监测预警方法 | |
Ooi et al. | Near real-time landslide monitoring with the smart soil particles | |
Andre et al. | Structural health monitoring approach for detecting ice accretion on bridge cable using the Haar Wavelet Transform | |
Sun et al. | Application of MEMS sensors in abnormal deformation monitoring of metro tunnel structure | |
Kapogianni et al. | Securing the future of cultural heritage sites, utilizing smart monitoring technologies: From the laboratory applications to the acropolis of Athens | |
CN107464024B (zh) | 基于覆冰形状试验的架空输电线路舞动预测方法及系统 | |
Psimoulis et al. | GNSS and earth observation for structural health monitoring (GeoSHM) of the forth road bridge | |
CN207280474U (zh) | 基于地磁传感器的海洋浮标防避碰系统 | |
Cheynet et al. | Buffeting response of a bridge at the inlet of a fjord |
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 |