CN114993198B - 近接施工条件下共线地铁结构自动化变形监测系统及方法 - Google Patents

近接施工条件下共线地铁结构自动化变形监测系统及方法 Download PDF

Info

Publication number
CN114993198B
CN114993198B CN202210839438.3A CN202210839438A CN114993198B CN 114993198 B CN114993198 B CN 114993198B CN 202210839438 A CN202210839438 A CN 202210839438A CN 114993198 B CN114993198 B CN 114993198B
Authority
CN
China
Prior art keywords
module
inclination
deformation
amount
subway
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
CN202210839438.3A
Other languages
English (en)
Other versions
CN114993198A (zh
Inventor
林洋
严科
谢祺
赵军涛
李晓菡
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.)
China Construction Industrial and Energy Engineering Group Co Ltd
Original Assignee
China Construction Industrial and Energy Engineering Group Co Ltd
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 China Construction Industrial and Energy Engineering Group Co Ltd filed Critical China Construction Industrial and Energy Engineering Group Co Ltd
Priority to CN202210839438.3A priority Critical patent/CN114993198B/zh
Publication of CN114993198A publication Critical patent/CN114993198A/zh
Application granted granted Critical
Publication of CN114993198B publication Critical patent/CN114993198B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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
    • 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
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C5/00—Measuring height; Measuring distances transverse to line of sight; Levelling between separated points; Surveyors' levels
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • 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
    • G06F16/24—Querying
    • G06F16/245—Query processing
    • G06F16/2457—Query processing with adaptation to user needs
    • G06F16/24578—Query processing with adaptation to user needs using ranking
    • 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
    • G06F16/24—Querying
    • G06F16/248—Presentation of query results
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/906—Clustering; Classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/0006—Industrial image inspection using a design-rule based approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Computational Linguistics (AREA)
  • Quality & Reliability (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Geometry (AREA)
  • Machines For Laying And Maintaining Railways (AREA)

Abstract

本发明涉及地铁隧道变形监测技术领域，尤其是近接施工条件下共线地铁结构自动化变形监测系统及方法，该系统包括初始预估模块、环境检测模块、位置调整模块、第一数据采集模块、第二数据采集模块、第一形变量估算模块、第二形变量估算模块、第一形变量确认模块、第二形变量确认模块、数据分类模块和终端显示模块。本发明通过多个模块协同作用，可克服传统人工地铁结构变形监测方法监测天窗期短、监测困难且无法实时监控的问题，同时可直观地将施工过程中地铁隧道结构整体变形数据可视化展示，为近接地铁条件下的科学及信息化施工提供指导。

Description

近接施工条件下共线地铁结构自动化变形监测系统及方法
技术领域
本发明涉及地铁隧道变形监测技术领域，尤其是近接施工条件下共线地铁结构自动化变形监测系统及方法。
背景技术
随着我国城市地铁建设规模的快速发展及市政公用设施的不断推进，在既有地铁隧道邻近进行基坑开挖及路基填筑等近接施工的情况不断增多。例如，南京西岗片区捷运大道项目全长约700m，拟建工程与地铁4号线基本共线，地铁埋深仅5m左右。近接施工尤其是在共线条件下施工，外部荷载会引起既有运营地铁隧道产生渗漏水、管片裂损、轨道变形等不利影响，严重威胁到地铁正常运营安全。因此，在近接地铁隧道施工时需要重点监控外部施工引起的地铁结构变形特性，确保隧道结构变形值在设计允许范围之内，以保证既有地铁隧道的安全运营。
在目前工程实践中，既有地铁隧道的变形监测还主要依赖于传统的人工监测方法，通过水准仪和经纬仪得到各测点的沉降及倾斜值，以此来反映受外部施工影响的既有地铁结构附加变形状况。但需要指出的是，由于人工测量的监测频率不高，测量开始到得到监测值存在一定的滞后。因此，施工人员无法实时获得监测结果，因此也就无法及时对施工中可能出现的状况进行预警，并指导相应工程施工。此外，对于地铁隧道等特殊结构而言，变形监测环境复杂，有效监测窗口期较短，监测难度较大，传统人工监测方法难以满足正常施工要求。
发明内容
针对现有技术中的缺陷，本发明近接施工条件下共线地铁结构自动化变形监测系统及方法及系统旨在解决以上技术问题，一方面，本发明提供一种近接施工条件下共线地铁结构自动化变形监测系统，该系统包括初始预估模块、环境检测模块、位置调整模块、第一数据采集模块、第二数据采集模块、第一形变量估算模块、第二形变量估算模块、第一形变量确认模块、第二形变量确认模块数据分类模块和终端显示模块；所述初始预估模块用于评估地铁结构原始状态，并利用所述原始状态获得监测位置；所述环境检测模块用于判定在所述监测位置处的测量可行性；所述位置调整模块用于依据测量可行性调整监测位置；所述第一数据采集模块用于发射可视激光束；所述第二数据采集模块用于收集原始数据，所述原始数据包括所述可视激光束的信息；所述第一形变量估算模块用于结合所述原始数据估算所述地铁结构的倾斜量；所述第二形变量估算模块用于结合所述原始数据估算所述地铁结构的下沉量；所述第一形变量确认模块用于设定倾斜量阈值，并将所述倾斜量与所述倾斜量阈值比较获得倾斜量比较结果；所述第二形变量确认模块用于设定下沉量阈值，并将所述下沉量与所述下沉量阈值比较获得下沉量比较结果；所述数据分类模块用于利用所述倾斜量比较结果和所述下沉量比较结果将所述倾斜量和所述下沉量进行分类；所述终端显示模块用于显示形变预警和所述地铁结构的实时状态，所述实时状态包括所述倾斜量和所述下沉量。本发明可克服传统人工地铁结构变形监测方法监测天窗期短、监测困难且无法实时监控的问题，同时可直观地将施工过程中地铁隧道结构整体变形数据可视化展示，为近接地铁条件下的科学及信息化施工提供指导。
另一方面，本发明还提供一种近接施工条件下共线地铁结构自动化变形监测方法，包括如下步骤：提供初始预估模块，所述初始预估模块评估地铁结构原始状态，并利用所述原始状态获得监测位置；提供环境检测模块，所述环境检测模块判定在所述监测位置处的测量可行性；提供位置调整模块，所述位置调整模块依据测量可行性调整监测位置；提供第一数据采集模块，所述第一数据采集模块发射可视激光束；提供第二数据采集模块，所述第二数据采集模块收集原始数据；提供第一形变量估算模块，所述第一形变量估算模块结合所述原始数据估算所述地铁结构的倾斜量；提供第二形变量估算模块，所述第二形变量估算模块结合所述原始数据估算所述地铁结构的下沉量；提供第一形变量确认模块，所述第一形变量确认模块设定倾斜量阈值，并将所述倾斜量与所述倾斜量阈值比较获得倾斜量比较结果；提供第二形变量确认模块，所述第二形变量确认模块设定下沉量阈值，并将所述下沉量与所述下沉量阈值比较；提供数据分类模块，所述数据分类模块利用所述倾斜量比较结果和所述下沉量比较结果将所述倾斜量和所述下沉量进行分类；提供终端显示模块，所述终端显示模块显示形变预警和所述地铁结构的实时状态，所述实时状态包括所述倾斜量和所述下沉量。本发明所提供的一种近接施工条件下共线地铁结构自动化变形监测方法，可极大程度地提高受近接施工影响的地铁隧道结构的变形监测效率，且施工简便，变形监测准确高效，满足变形监测自动及动态化要求，可为近接既有运营地铁隧道的安全施工提供有效指导。
可选地，所述初始预估模块评估地铁结构原始状态，并利用所述原始状态获得监测位置，包括如下步骤：所述初始预估模块获取所述地铁结构的初始图像，并从所述初始图像中提取出所述地铁结构的轮廓图；所述初始预估模块利用所述轮廓图对所述地铁结构的截面进行几何图形拟合从而获得并记录拟合图形；所述初始预估模块通过所述拟合图形与所述初始预估模块提前存储的地铁结构原始截面匹配从而获得匹配度，根据所述匹配度评估出实时的所述地铁结构的状态；在所述初始预估模块中，当匹配度小于设定值时，输出变形预警，所述变形预警表示所述地铁结构不再进行后续测量而直接进入维修状态；在所述初始预估模块中，当匹配度大于或者等于所述设定值时，依据所述状态结合所述轮廓图，获得监测位置，所述监测位置包括信号发射点和信号接收点，所述信号发射点位于所述地铁结构的侧壁表面，所述信号接收点位于所述地铁结构的水平地面。利用所述初始预估模块对所述地铁结构状态进行初步评估与判定，当初始预估模块判定出所述地跌结构状态与原始建造的地铁结构匹配度很低时，此时则需要人为介入看是否还需持续监测或者直接进入维修，即相当于对所述地铁结构进行了监测可行性的判定，不仅为实际工程节约了抢修时间，同时也优化了系统整体的性能。
可选地，所述初始预估模块包括CCD相机，所述CCD相机用于获取所述地铁结构的初始图像。通过CCD相机可容易获得所述地铁结构的图像并能够把所述图像转化为数字信号，方便后续处理，同时CCD相机体积小、重量轻、不受磁场影响、具有抗震动和撞击的特性，能很好地适应地铁隧道内部并获取地铁结构的相关信息。
可选地，所述环境检测模块判定在所述监测位置处的测量可行性，包括如下步骤：所述环境检测模块安装于所述信号接收点；所述环境检测模块在所述信号接收点，获取所述监测位置周围的异物状况；所述环境检测模块利用所述异物状况，获得所述监测位置的测量可行性。利用所述环境检测模块及时调整监测位置，提高了系统了运行效率。
可选地，所述第一数据采集模块发射可视激光束，包括如下步骤：所述第一数据采集模块安装于所述信号发射点；所述第一数据采集模块向相对水平地面的竖直方向发射第一可视激光束；所述第一数据采集模块向垂直于所述第一数据采集模块安装平面的方向发射第二可视激光束。进一步可选地，所述第一数据采集模块包括两个可转动的可视激光发射头，利用所述可视激光发射头容易获得可视激光光束，且单色性好，光路清晰，便于后续数据采集。
可选地，所述第一形变量估算模块结合所述原始数据估算所述地铁结构的倾斜 量，包括如下步骤：所述第一形变量估算模块结合所述原始数据估算所述地铁结构的倾斜 量
Figure 140069DEST_PATH_IMAGE001
；所述第一形变量估算模块结合所述地铁结构的振动状态优化所述倾斜量
Figure 312424DEST_PATH_IMAGE001
，优化后的 倾斜量
Figure 280512DEST_PATH_IMAGE002
满足如下公式：
Figure 284240DEST_PATH_IMAGE003
；
其中，
Figure 928848DEST_PATH_IMAGE004
，
Figure 588499DEST_PATH_IMAGE005
表示与地铁结构的振动状态关联的修正参数，
Figure 609545DEST_PATH_IMAGE006
表示第一可视激 光束的长度，
Figure 451468DEST_PATH_IMAGE007
表示与所述第一可视激光束路径中的异物大小和位置关联的修正参数，
Figure 470239DEST_PATH_IMAGE008
表示第二可视激光束的长度
Figure 679504DEST_PATH_IMAGE009
表示与所述第二可视激光束路径中的异物大小和位置关 联的修正参数。进一步可选地，所述第一形变量估算模块包括陀螺仪，所述第一形变量估算 利用所述陀螺仪测量获得所述监测位置的倾斜量。
可选地，所述第一形变量确认模块设定倾斜量阈值，并将所述倾斜量与所述倾斜量阈值比较获得倾斜量比较结果，包括如下步骤：所述第一形变量估算模块结合所述地铁结构原始状态设定倾斜量阈值；所述第一形变量估算模块将优化后的所述倾斜量与所述倾斜量阈值比较获得倾斜量比较结果；当所述倾斜量超出所述倾斜量阈值时，所述第一形变量估算模块利用所述位置调整模块重新调整所述监测位置，再重新获得倾斜量，当重新获得的倾斜量超出所述倾斜量阈值时，输出变形预警；当重新获得的倾斜量未超出所述倾斜量阈值时，所述第一形变量估算模块将所述倾斜量输入所述数据分类模块。针对倾斜量过大的监测位置，通过及时地重复测量与确认，减小了数据出错的概率，提升了数据的可靠性，同时也为工程维修节约了预判时间。
可选地，所述第二形变量估算模块结合所述原始数据估算所述地铁结构的下沉 量，包括如下步骤：所述第二形变量估算模块结合所述原始数据估算所述地铁结构的下沉 量
Figure 238661DEST_PATH_IMAGE010
，所述下沉量
Figure 154664DEST_PATH_IMAGE010
满足如下公式：
Figure 875496DEST_PATH_IMAGE011
；
其中，
Figure 322789DEST_PATH_IMAGE012
，
Figure 623320DEST_PATH_IMAGE013
表示测量顺序，
Figure 456147DEST_PATH_IMAGE014
为第
Figure 613459DEST_PATH_IMAGE015
次获得的第一可视激光束的长度，
Figure 734999DEST_PATH_IMAGE016
为第
Figure 901538DEST_PATH_IMAGE017
次获得的第一可视激光束的长度；
所述第二形变量估算模块结合所述地铁结构的振动状态优化所述下沉量
Figure 575489DEST_PATH_IMAGE018
，优 化后的所述下沉量
Figure 106964DEST_PATH_IMAGE018
满足如下公式：
Figure 246959DEST_PATH_IMAGE019
；
其中，
Figure 217189DEST_PATH_IMAGE020
表示所述监测位置的三维体积，
Figure 962291DEST_PATH_IMAGE012
，
Figure 461405DEST_PATH_IMAGE013
表示测量顺序，
Figure 105007DEST_PATH_IMAGE006
为第一 可视激光束的长度，
Figure 551032DEST_PATH_IMAGE021
表示第
Figure 947379DEST_PATH_IMAGE015
次的
Figure 882974DEST_PATH_IMAGE014
的修正参数，
Figure 997560DEST_PATH_IMAGE022
表示第
Figure 981697DEST_PATH_IMAGE017
次的
Figure 12975DEST_PATH_IMAGE016
的修正参 数；
Figure 853892DEST_PATH_IMAGE023
表示所述监测位置的振动响应函数。本发明通过优化振动带来的测量值误差 来提高运算结果精确度，使得本发明能够获得准确的下沉量，便于工作人员对所述地铁结 构采取相应的措施。
可选地，所述第二形变量确认模块设定下沉量阈值，并将所述下沉量与所述下沉量阈值比较获得下沉量比较结果，包括如下步骤：所述第二形变量估算模块结合所述地铁结构原始状态设定下沉量阈值；所述第二形变量估算模块将优化后的所述下沉量与所述下沉量阈值比较，获得所述下沉量数据比较结果；当所述下沉量超出所述下沉量阈值时，所述第二形变量估算模块利用所述位置调整模块重新调整所述监测位置，再重新获得下沉量，当重新获得的下沉量超出所述下沉量阈值时，输出变形预警；当重新获得的下沉量未超出所述下沉量阈值时，所述第二形变量估算模块将所述下沉量输入所述数据分类模块。针对下沉量过大的监测位置，通过及时地重复测量与确认，减小了数据出错的概率，提升了数据的可靠性，同时也为工程维修节约了预判时间，这一点在实际工程上是很重要的。
可选地，所述数据分类模块利用所述倾斜量比较结果和所述下沉量比较结果将所述倾斜量和所述下沉量进行分类，包括如下步骤：所述数据分类模块分别从所述倾斜量比较结果和所述下沉量比较结果提取出所述倾斜量和所述下沉量；所述数据分类模块利用所述倾斜量和所述下沉量，结合所述原始数据获得对应的位置坐标；所述数据分类模块对利用所述倾斜量和所述下沉量进行排序获得排序结果，并将所述排序结果输入所述终端显示模块。
可选地，所述终端显示模块显示所述变形预警和所述地铁结构的实时状态，包括如下步骤：所述终端显示模块优先显示变形预警，再利用所述排序结果依次输出不同的所述位置坐标的所述倾斜量和所述下沉量。通过优先顺序反应数据的严重和急迫程度，在做到满足实时监控在近接施工条件下共线地铁结构的同时，异常的地方能够及时引起工作人员的注意从而进行及时修复，保障了轨道交通的安全。
附图说明
图1为本发明近接施工条件下共线地铁结构自动化变形监测系统示意图；
图2为本发明近接施工条件下共线地铁结构自动化变形监测方法流程示意图；
图3为本发明的第一数据采集模块的结构示意图；
图4为本发明的第一数据采集模块的导轨底座的底面示意；
图5为本发明的第一数据采集模块的可移动光源底座示意图；
图6为本发明的第一数据采集模块的可移动光源底座与可视光源连接示意图。
具体实施方式
下面将详细描述本发明的具体实施例，应当注意，这里描述的实施例只用于举例说明，并不用于限制本发明。在以下描述中，为了提供对本发明的透彻理解，阐述了大量特定细节。然而，对于本领域普通技术人员显而易见的是：不必采用这些特定细节来实行本发明。在其他实例中，为了避免混淆本发明，未具体描述公知的电路，软件或方法。
在整个说明书中，对“一个实施例”、“实施例”、“一个示例”或“示例”的提及意味着：结合该实施例或示例描述的特定特征、结构或特性被包含在本发明至少一个实施例中。因此，在整个说明书的各个地方出现的短语“在一个实施例中”、“在实施例中”、“一个示例”或“示例”不一定都指同一实施例或示例。此外，可以以任何适当的组合和、或子组合将特定的特征、结构或特性组合在一个或多个实施例或示例中。此外，本领域普通技术人员应当理解，在此提供的示图都是为了说明的目的，并且示图不一定是按比例绘制的。
在一个可选地实施例中，请参见图1，本发明提供一种近接施工条件下共线地铁结构自动化变形监测系统，该系统包括初始预估模块、环境检测模块、位置调整模块、第一数据采集模块、第二数据采集模块、第一形变量估算模块、第二形变量估算模块、第一形变量确认模块、第二形变量确认模块数据分类模块和终端显示模块；初始预估模块用于评估地铁结构原始状态，并利用原始状态获得监测位置；环境检测模块用于判定在监测位置处的测量可行性；位置调整模块用于依据测量可行性调整监测位置；第一数据采集模块用于发射可视激光束；第二数据采集模块用于收集原始数据，原始数据包括可视激光束的信息；第一形变量估算模块用于结合原始数据估算地铁结构的倾斜量；第二形变量估算模块用于结合原始数据估算地铁结构的下沉量；第一形变量确认模块用于设定倾斜量阈值，并将倾斜量与倾斜量阈值比较获得倾斜量比较结果；第二形变量确认模块用于设定下沉量阈值，并将下沉量与下沉量阈值比较获得下沉量比较结果获得下沉量比较结果；数据分类模块用于利用倾斜量比较结果和下沉量比较结果将倾斜量和下沉量进行分类；终端显示模块用于显示形变预警和地铁结构的实时状态，实时状态包括倾斜量和下沉量。本发明可克服传统人工地铁结构变形监测方法监测天窗期短、监测困难且无法实时监控的问题，同时可直观地将施工过程中地铁隧道结构整体变形数据可视化展示，为近接地铁条件下的科学及信息化施工提供指导。
具体地，在本实施中，初始预估模块与环境检测模块信号连接；当环境检测模块判断当前的监测位置处的测量可行性高时，环境检测模块分别与第一数据采集模块和第二数据采集模块信号连接，当环境检测模块判断当前的监测位置处的测量可行性低时，环境检测模块与位置调整模块相互信号连接；第二数据采集模块分别与第一形变量估算模块和第二形变量估算模块信号连接；第一形变量估算模块与第一形变量确认模块信号连接，第二形变量估算模块与第二形变量确认模块信号连接；第一形变量确认模块和第二形变量确认模块分别与数据分类模块信号连接，具体地，信号连接方式可以根据实际情况选择有线信号连接和/或无线信号连接，可以通过不同的信号连接方式缩减本系统的体积，并且优化本系统的性能；初始预估模块、数据分类模块、第一形变量确认模块和第二形变量确认模块分别与终端显示模块无线信号连接，通过无线信号连接的方式，使得地铁结构可以在地铁隧道外被实时监控，有利于对地铁结构的监测。
请参见图2，在一个实施例中，本发明还提供一种近接施工条件下共线地铁结构自动化变形监测方法，包括如下步骤：S1、提供初始预估模块，初始预估模块评估地铁结构原始状态，并利用原始状态获得监测位置。
详细地，在又一个可选的实施例中，初始预估模块评估地铁结构原始状态，并利用原始状态获得监测位置，包括如下步骤：初始预估模块获取地铁结构的初始图像，并从初始图像中提取出地铁结构的轮廓图；初始预估模块利用轮廓图对地铁结构的截面进行几何图形拟合从而获得并记录拟合图形；初始预估模块通过拟合图形与初始预估模块提前存储的地铁结构原始截面匹配从而获得匹配度，根据匹配度评估出实时的地铁结构的状态；在初始预估模块中，当匹配度小于设定值时，输出变形预警，变形预警表示地铁结构不再进行后续测量而直接进入维修状态；在初始预估模块中，当匹配度大于或者等于设定值时，依据状态结合轮廓图，获得监测位置，监测位置包括信号发射点和信号接收点，信号发射点位于地铁结构的侧壁表面，信号接收点位于地铁结构的水平地面。利用初始预估模块对地铁结构状态进行初步评估与判定，当初始预估模块判定出地铁结构的状态与原始建造的地铁结构匹配度很低时，此时则需要人为介入看是否还需持续监测或者直接进入维修，即相当于对地铁结构进行了监测可行性的判定，不仅为实际工程节约了抢修时间，同时也优化了系统整体的性能，其中匹配度的高低程度可通过设定匹配度阈值进行确认，具体地匹配度阈值根据实际情况进行确认。
更详细地，在又一个可选地实施例中，初始预估模块包括CCD相机，CCD相机用于获取地铁结构的初始图像。通过CCD相机可容易获得地铁结构的图像（即获取初始的地铁隧道的内侧壁的竖直截面图），并能够把该图像转化为数字信号，方便后续处理，同时CCD相机体积小、重量轻、不受磁场影响、具有抗震动和撞击之特性，能很好地适应地铁隧道内部并获取地铁结构的相关信息。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S2、提供环境检测模块，环境检测模块判定在监测位置处的测量可行性。
在本实施例中，环境检测模块判定在监测位置处的测量可行性，包括如下步骤：环境检测模块安装于信号接收点；环境检测模块在信号接收点，获取监测位置周围的异物状况；环境检测模块利用异物状况，获得监测位置的测量可行性。利用环境检测模块及时调整监测位置，提高了系统了运行效率。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S3、提供位置调整模块，位置调整模块依据测量可行性调整监测位置。具体地，位置调整模块可以选择可远程遥控的智能位移控制器，从而实现自动调控和远程人工调节的操作。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S4、提供第一数据采集模块，第一数据采集模块发射可视激光束。
在本实施例中，第一数据采集模块发射可视激光束，包括如下步骤：第一数据采集模块安装于信号发射点；所述第一数据采集模块向相对水平地面的竖直方向发射第一可视激光束；所述第一数据采集模块向垂直于所述第一数据采集模块安装平面的方向发射第二可视激光束。进一步可选地，第一数据采集模块包括两个可转动的可视激光发射头，利用可视激光发射头容易获得可视激光光束，且单色性好，光路清晰，便于后续数据采集。
在又一个可选地实施例中，请参见图3至图6，所述第一数据采集模块包括导轨底座1、可移动光源底座2、可视光源3和固定扣4；所述导轨底座1与所述可移动光源底座2滑动连接，所述可移动光源底座2与所述可视光源3固定连接，所述固定扣4设置于凹型滑槽12内，所述固定扣4的一侧与可视光源3贴合，所述固定扣4用于防止所述可视光源3移动；所述导轨底座1用于为所述可移动光源底座2提供载台；所述可移动光源底座2用于连接所述导轨底座1和所述可视光源3；所述可视光源3用于发射可视激光。所述导轨底座1包括半球形底座主体11和凹型滑槽12；所述半球形底座主体11的曲面设置有所述凹型滑槽12，所述半球形底座主体11的平面包括中心面与凹型边缘；所述中心面与隧道内侧壁连接，所述中心面用于将所述半球形底座主体11固定在所述隧道内侧壁，具体地，所述中心面为粗糙接触面，该粗糙接触面有利于与隧道内侧壁的固定，防止其脱落；所述凹型边缘用于作为所述可移动光源底座2的接入口，即通过该凹型边缘放入可移动光源底座2；所述凹型滑槽12设置于半球形底座主体11的曲面上，所述凹型滑槽12的滑槽轨迹可设计，所述滑槽轨迹可以设计为中心放射形状，所述凹型滑槽12的边缘为倒角设计，具体的倒角角度可根据实际情况设定，便于可移动光源底座2在其内的移动，该中心放射形状的滑槽轨迹有利于扩大可移动光源底座2的可调整范围，增加了本发明的实用性，所述凹型滑槽12用于连接所述半球形底座主体11和所述可移动光源底座2并通过所述滑槽轨迹调节所述可移动光源底座2的空间位置。所述可移动光源底座2包括导轨连接头21和螺纹孔22；所述导轨连接头21的一端与所述导轨底座1滑动连接，所述导轨连接头21另一端设置有螺纹孔22；所述螺纹孔22用于固定连接所述可视光源3。所述可视光源3包括螺纹外壳31和激光发射头32；所述螺纹外壳31与所述螺纹孔22连接，所述螺纹外壳31用于固定连接所述激光发射头32，所述激光发射头32用于发射可视激光。具体地，在本实施例中，可移动光源底座2包括第一可移动光源底座和第二可移动光源底座，该第一可移动光源底座和第二可移动光源底座的结构相同；所述可视光源3包括第一可视光源和第二可视光源，该第一可视光源和第二可视光源结构相同；该第一可移动光源底座与第一可视光源连接，该第二可移动光源底座与第二可视光源连接，可通过调整第一可移动光源底座和第二可移动光源底座在导轨底座1上的相对位置，使得第一可视光源的第一激光发射头向相对水平地面的竖直方向发射第一可视激光束，第二可视光源的第二激光发射头向垂直于所述第一数据采集模块安装平面的方向发射第二可视激光束。当导轨底座1设置于隧道内侧壁的顶端，所述固定扣4的另一侧与所述半球形底座主体11的曲面的顶部靠近；当导轨底座1设置于隧道内侧壁的倾斜面上，所述固定扣4的另一侧与所述半球形底座主体11的平面靠近。本发明利用固定扣4保证在不同的观测位置上，可移动光源底座2所处位置的稳定性，减小了地铁运营产生的震动带来的影响。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S5、提供第二数据采集模块，第二数据采集模块用于收集原始数据。具体地，第二数据采集模块包括高分辨率摄像机，利用高分辨率摄像机可获取所述第一可视激光束和所述第二可视激光束实时的光线长度变化
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S6、提供第一形变量估算模块，第一形变量估算模块结合原始数据估算地铁结构的倾斜量。
在本实施例中，第一形变量估算模块结合原始数据估算地铁结构的倾斜量，包括 如下步骤：第一形变量估算模块结合原始数据估算地铁结构的倾斜量
Figure 659037DEST_PATH_IMAGE001
，具体地，所述第一 形变量估算模块包括陀螺仪，所述第一形变量估算利用所述陀螺仪测量获得所述监测位置 的倾斜量
Figure 509182DEST_PATH_IMAGE001
；第一形变量估算模块结合地铁结构的振动状态优化倾斜量
Figure 880120DEST_PATH_IMAGE001
，优化后的倾斜量
Figure 95201DEST_PATH_IMAGE002
满足如下公式：
Figure 669533DEST_PATH_IMAGE003
；
其中，
Figure 323368DEST_PATH_IMAGE004
，
Figure 752075DEST_PATH_IMAGE005
表示与地铁结构的振动状态关联的修正参数，
Figure 934795DEST_PATH_IMAGE006
表示第一可视激 光束的长度，
Figure 776849DEST_PATH_IMAGE007
表示与所述第一可视激光束路径中的异物大小和位置关联的修正参数，
Figure 906479DEST_PATH_IMAGE008
表示第二可视激光束的长度
Figure 238628DEST_PATH_IMAGE009
表示与所述第二可视激光束路径中的异物大小和位置关 联的修正参数。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S7、提供第二形变量估算模块，第二形变量估算模块结合原始数据估算地铁结构的下沉量。
具体地，在本实施例中，第一形变量确认模块设定倾斜量阈值，并将倾斜量与倾斜量阈值比较获得倾斜量比较结果，包括如下步骤：第一形变量估算模块结合地铁结构原始状态设定倾斜量阈值；第一形变量估算模块将优化后的倾斜量与倾斜量阈值比较获得倾斜量比较结果；当倾斜量超出倾斜量阈值时，第一形变量估算模块利用位置调整模块重新调整监测位置，再重新获得倾斜量，当重新获得的倾斜量超出倾斜量阈值时，输出变形预警；当重新获得的倾斜量未超出倾斜量阈值时，第一形变量估算模块将倾斜量输入数据分类模块。针对倾斜量过大的监测位置，通过及时地重复测量与确认，减小了数据出错的概率，提升了数据的可靠性，同时也为工程维修节约了预判时间。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S8、提供第一形变量确认模块，第一形变量确认模块设定倾斜量阈值，并将倾斜量与倾斜量阈值比较获得倾斜量比较结果。
详细地，在本实施例中，第二形变量估算模块结合原始数据估算地铁结构的下沉 量，包括如下步骤：第二形变量估算模块结合原始数据估算地铁结构的下沉量
Figure 123407DEST_PATH_IMAGE010
，所述下 沉量
Figure 124861DEST_PATH_IMAGE010
满足如下公式：
Figure 854920DEST_PATH_IMAGE011
；
其中，
Figure 54957DEST_PATH_IMAGE012
，
Figure 595791DEST_PATH_IMAGE013
表示测量顺序，
Figure 84541DEST_PATH_IMAGE014
为第
Figure 618291DEST_PATH_IMAGE015
次获得的第一可视激光束的长度，
Figure 672834DEST_PATH_IMAGE016
为第
Figure 837099DEST_PATH_IMAGE017
次获得的第一可视激光束的长度；
第二形变量估算模块结合地铁结构的振动状态优化下沉量，优化后的下沉量满足如下公式：
Figure 344304DEST_PATH_IMAGE019
；
其中，
Figure 931012DEST_PATH_IMAGE020
表示所述监测位置的三维体积，
Figure 308904DEST_PATH_IMAGE012
，
Figure 440808DEST_PATH_IMAGE013
表示测量顺序，
Figure 700888DEST_PATH_IMAGE006
为第一 可视激光束的长度，
Figure 514123DEST_PATH_IMAGE021
表示第
Figure 543259DEST_PATH_IMAGE015
次的
Figure 596797DEST_PATH_IMAGE014
的修正参数，
Figure 547435DEST_PATH_IMAGE022
表示第
Figure 961099DEST_PATH_IMAGE017
次的
Figure 110321DEST_PATH_IMAGE016
的修正参 数；
Figure 787290DEST_PATH_IMAGE023
表示所述监测位置的振动响应函数。本发明通过优化振动带来的测量值误差 来提高运算结果精确度，使得本发明能够获得准确的下沉量，便于工作人员对地铁结构采 取相应的措施。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S9、提供第二形变量确认模块，第二形变量确认模块设定下沉量阈值，并将下沉量与下沉量阈值比较获得下沉量比较结果。
在本实施例中，第二形变量确认模块设定下沉量阈值，并将下沉量与下沉量阈值比较获得下沉量比较结果，包括如下步骤：第二形变量估算模块结合地铁结构原始状态设定下沉量阈值；第二形变量估算模块将优化后的下沉量与下沉量阈值比较，获得下沉量比较结果；当下沉量超出下沉量阈值时，第二形变量估算模块利用位置调整模块重新调整监测位置，再重新获得下沉量，当重新获得的下沉量超出下沉量阈值时，输出变形预警；当重新获得的下沉量未超出下沉量阈值时，第二形变量估算模块将下沉量输入数据分类模块。针对下沉量过大的监测位置，通过及时地重复测量与确认，减小了数据出错的概率，提升了数据的可靠性，同时也为工程维修节约了预判时间，这一点在实际工程上是很重要的。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S10、提供数据分类模块，数据分类模块利用倾斜量比较结果和下沉量比较结果将倾斜量和下沉量进行分类。
详细地，在本实施例中，数据分类模块利用倾斜量比较结果和下沉量比较结果将倾斜量和下沉量进行分类，包括如下步骤：数据分类模块分别从倾斜量比较结果和下沉量比较结果提取出倾斜量和下沉量；数据分类模块利用倾斜量和下沉量，结合原始数据获得对应的位置坐标；数据分类模块对利用倾斜量和下沉量进行排序获得排序结果，具体地，根据倾斜量和下沉量的数值从大到小依次排列，并将排序结果输入终端显示模块。
在一个可选地实施例中，近接施工条件下共线地铁结构自动化变形监测方法，还包括如下步骤：S11、提供终端显示模块，终端显示模块显示形变预警和地铁结构的实时状态，实时状态包括倾斜量和下沉量。
具体地，在本实施中，终端显示模块显示变形预警和地铁结构的实时状态，包括如下步骤：终端显示模块优先显示变形预警，再利用排序结果依次输出不同的位置坐标的倾斜量和下沉量。通过优先顺序反应数据的严重和急迫程度，在做到满足实时监控在近接施工条件下共线地铁结构的同时，异常的地方能够及时引起工作人员的注意从而进行及时修复，保障了轨道交通的安全。
综上所述，本发明所提供的一种近接施工条件下共线地铁结构自动化变形监测方法，可极大程度提高受近接施工影响的既有地铁隧道结构的变形监测效率，且施工简便，变形监测准确高效，满足变形监测自动及动态化要求，可为近接既有运营地铁隧道的安全施工提供有效指导。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，其均应涵盖在本发明的权利要求和说明书的范围当中。

Claims (6)

1.近接施工条件下共线地铁结构自动化变形监测方法，其特征在于，包括如下步骤：
提供初始预估模块，所述初始预估模块评估地铁结构原始状态，并利用所述原始状态获得监测位置；
提供环境检测模块，所述环境检测模块判定在所述监测位置处的测量可行性；
提供位置调整模块，所述位置调整模块依据测量可行性调整监测位置；
提供第一数据采集模块，所述第一数据采集模块发射可视激光束；
提供第二数据采集模块，所述第二数据采集模块收集原始数据；
提供第一形变量估算模块，所述第一形变量估算模块结合所述原始数据估算所述地铁结构的倾斜量；
提供第二形变量估算模块，所述第二形变量估算模块结合所述原始数据估算所述地铁结构的下沉量；
提供第一形变量确认模块，所述第一形变量确认模块设定倾斜量阈值，并将所述倾斜量与所述倾斜量阈值比较获得倾斜量比较结果；
提供第二形变量确认模块，所述第二形变量确认模块设定下沉量阈值，并将所述下沉量与所述下沉量阈值比较获得下沉量比较结果；
提供数据分类模块，所述数据分类模块利用所述倾斜量比较结果和所述下沉量比较结果将所述倾斜量和所述下沉量进行分类；
提供终端显示模块，所述终端显示模块显示形变预警和所述地铁结构的实时状态，所述实时状态包括所述倾斜量和所述下沉量；
所述初始预估模块评估地铁结构原始状态，并利用所述原始状态获得监测位置，包括如下步骤：
所述初始预估模块获取所述地铁结构的初始图像，并从所述初始图像中提取出所述地铁结构的轮廓图；
所述初始预估模块利用所述轮廓图对所述地铁结构的截面进行几何图形拟合从而获得并记录拟合图形；
所述初始预估模块通过所述拟合图形与所述初始预估模块提前存储的地铁结构原始截面匹配从而获得匹配度，根据所述匹配度评估出实时的所述地铁结构的状态；
在所述初始预估模块中，当匹配度小于设定值时，输出变形预警，所述变形预警表示所述地铁结构不再进行后续测量而直接进入维修状态；
在所述初始预估模块中，当匹配度大于或者等于所述设定值时，依据所述状态结合所述轮廓图，获得监测位置，所述监测位置包括信号发射点和信号接收点，所述信号发射点位于所述地铁结构的侧壁表面，所述信号接收点位于所述地铁结构的水平地面；
所述第一数据采集模块发射可视激光束，包括如下步骤：
所述第一数据采集模块安装于所述信号发射点；
所述第一数据采集模块向相对水平地面的竖直方向发射第一可视激光束；
所述第一数据采集模块向垂直于所述第一数据采集模块安装平面的方向发射第二可视激光束；
所述第一形变量估算模块结合所述原始数据估算所述地铁结构的倾斜量，包括如下步骤：
所述第一形变量估算模块结合所述原始数据估算所述地铁结构的倾斜量
Figure 68615DEST_PATH_IMAGE001
；
所述第一形变量估算模块结合所述地铁结构的振动状态优化所述倾斜量
Figure 48072DEST_PATH_IMAGE001
，优化后的 倾斜量
Figure 93389DEST_PATH_IMAGE002
满足如下公式：
Figure 957440DEST_PATH_IMAGE003
；
其中，
Figure 850440DEST_PATH_IMAGE004
，
Figure 938482DEST_PATH_IMAGE005
表示与地铁结构的振动状态关联的修正参数，
Figure 408778DEST_PATH_IMAGE006
表示第一可视激光束 的长度，
Figure 201153DEST_PATH_IMAGE007
表示与所述第一可视激光束路径中的异物大小和位置关联的修正参数，
Figure 135611DEST_PATH_IMAGE008
表示 第二可视激光束的长度
Figure 597817DEST_PATH_IMAGE009
表示与所述第二可视激光束路径中的异物大小和位置关联的 修正参数。
2.根据权利要求1所述的近接施工条件下共线地铁结构自动化变形监测方法，其特征在于，所述环境检测模块判定在所述监测位置处的测量可行性，包括如下步骤：
所述环境检测模块安装于所述信号接收点；
所述环境检测模块在所述信号接收点，获取所述监测位置周围的异物状况；
所述环境检测模块利用所述异物状况，获得所述监测位置的测量可行性。
3.根据权利要求1所述的近接施工条件下共线地铁结构自动化变形监测方法，其特征在于，所述第一形变量确认模块设定倾斜量阈值，并将所述倾斜量与所述倾斜量阈值比较获得倾斜量比较结果，包括如下步骤：
所述第一形变量估算模块结合所述地铁结构原始状态设定倾斜量阈值；
所述第一形变量估算模块将优化后的所述倾斜量与所述倾斜量阈值比较获得倾斜量比较结果；
当所述倾斜量超出所述倾斜量阈值时，所述第一形变量估算模块利用所述位置调整模块重新调整所述监测位置，再重新获得倾斜量，当重新获得的倾斜量超出所述倾斜量阈值时，输出变形预警；
当重新获得倾斜量未超出所述倾斜量阈值时，所述第一形变量估算模块将所述倾斜量输入所述数据分类模块。
4.根据权利要求1所述的近接施工条件下共线地铁结构自动化变形监测方法，其特征在于，所述第二形变量估算模块结合所述原始数据估算所述地铁结构的下沉量，包括如下步骤：
所述第二形变量估算模块结合所述原始数据估算所述地铁结构的下沉量
Figure 430775DEST_PATH_IMAGE010
；
所述第二形变量估算模块结合所述地铁结构的振动状态优化所述下沉量
Figure 433366DEST_PATH_IMAGE010
，优化后 的下沉量
Figure 425592DEST_PATH_IMAGE011
满足如下公式：
Figure 183333DEST_PATH_IMAGE012
；
其中，
Figure 893800DEST_PATH_IMAGE013
表示所述监测位置的三维体积，
Figure 434503DEST_PATH_IMAGE014
，
Figure 156602DEST_PATH_IMAGE015
表示测量顺序，
Figure 960610DEST_PATH_IMAGE006
为第一可视 激光束的长度，
Figure 955111DEST_PATH_IMAGE016
表示第
Figure 361821DEST_PATH_IMAGE017
次的
Figure 328640DEST_PATH_IMAGE018
的修正参数，
Figure 365867DEST_PATH_IMAGE019
表示第
Figure 389274DEST_PATH_IMAGE020
次的
Figure 740621DEST_PATH_IMAGE021
的修正参数；
Figure 358684DEST_PATH_IMAGE022
表示所述监测位置的振动响应函数。
5.根据权利要求4所述的近接施工条件下共线地铁结构自动化变形监测方法，其特征在于，所述第二形变量确认模块设定下沉量阈值，并将所述下沉量与所述下沉量阈值比较，包括如下步骤：
所述第二形变量估算模块结合所述地铁结构原始状态设定下沉量阈值；
所述第二形变量估算模块将优化后的所述下沉量与所述下沉量阈值比较，获得所述下沉量阈值比较；
当所述下沉量超出所述下沉量阈值时，所述第二形变量估算模块利用所述位置调整模块重新调整所述监测位置，再重新获得下沉量，当重新获得的下沉量超出所述下沉量阈值时，输出变形预警；
当重新获得的下沉量未超出所述下沉量阈值时，所述第二形变量估算模块将所述下沉量输入所述数据分类模块。
6.根据权利要求1所述的近接施工条件下共线地铁结构自动化变形监测方法，其特征在于，所述数据分类模块利用所述倾斜量比较结果和所述下沉量比较结果将所述倾斜量和所述下沉量进行分类，包括如下步骤：
所述数据分类模块分别从所述倾斜量比较结果和所述下沉量比较结果提取出所述倾斜量和所述下沉量；
所述数据分类模块利用所述倾斜量和所述下沉量，结合所述原始数据获得对应的位置坐标；
所述数据分类模块对利用所述倾斜量和所述下沉量进行排序获得排序结果，并将所述排序结果输入所述终端显示模块。
CN202210839438.3A 2022-07-18 2022-07-18 近接施工条件下共线地铁结构自动化变形监测系统及方法 Active CN114993198B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210839438.3A CN114993198B (zh) 2022-07-18 2022-07-18 近接施工条件下共线地铁结构自动化变形监测系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210839438.3A CN114993198B (zh) 2022-07-18 2022-07-18 近接施工条件下共线地铁结构自动化变形监测系统及方法

Publications (2)

Publication Number Publication Date
CN114993198A CN114993198A (zh) 2022-09-02
CN114993198B true CN114993198B (zh) 2022-11-01

Family

ID=83022667

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210839438.3A Active CN114993198B (zh) 2022-07-18 2022-07-18 近接施工条件下共线地铁结构自动化变形监测系统及方法

Country Status (1)

Country Link
CN (1) CN114993198B (zh)

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0661520A1 (en) * 1993-12-28 1995-07-05 Nikon Corporation Laser surveying system
CN101408410A (zh) * 2008-10-28 2009-04-15 山东科技大学 隧道体元形变移动监测系统及隧道体元形变移动监测方法
CN104359457A (zh) * 2014-11-07 2015-02-18 西安建筑科技大学 一种基于psd传感器的地铁运营沉降智能监测和预警系统
CN108917638A (zh) * 2018-09-25 2018-11-30 浙江科技学院 基于基准传递的地铁隧道三维变形监测的车载测量装置
CN109540014A (zh) * 2018-11-06 2019-03-29 北京市政建设集团有限责任公司 一种用于隧道掌子面挤出变形监测方法
CN111060022A (zh) * 2019-11-11 2020-04-24 北京住总集团有限责任公司 一种盾构下穿结构物形变的激光自动化分析系统及方法
CN111307092A (zh) * 2019-12-18 2020-06-19 华中科技大学 一种地铁深隧工程建设安全自动连续监控系统及信息平台
CN111412851A (zh) * 2020-04-13 2020-07-14 成都大亦科技有限公司 一种基于激光测量形变的方法
CN112097669A (zh) * 2020-11-17 2020-12-18 南京派光智慧感知信息技术有限公司 一种基于激光测距的隧道内结构形变的监测方法
CN113446953A (zh) * 2021-06-22 2021-09-28 深圳市市政设计研究院有限公司 一种基于数字摄影测量技术的地铁隧道变形监测系统
CN114293909A (zh) * 2021-12-29 2022-04-08 中建安装集团有限公司 基于隧道轨行式钻孔机器人的智能化钻孔管理系统及方法
CN114485570A (zh) * 2022-02-07 2022-05-13 中交路桥科技有限公司 一种用于在建隧道施工安全智慧监控量测预警系统及方法

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105783868B (zh) * 2016-05-18 2018-08-17 青岛理工大学 一种地铁隧道变形在线监测系统及监测方法
CN110161043B (zh) * 2019-05-10 2021-03-26 同济大学 一种地铁隧道结构综合检测车
CN111828096A (zh) * 2020-08-24 2020-10-27 湖南致力工程科技有限公司 一种隧道断面形变自动化监测预警方法及系统
CN112254767B (zh) * 2020-10-20 2022-02-15 重庆大学 公路网结构群一体自动化检测设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0661520A1 (en) * 1993-12-28 1995-07-05 Nikon Corporation Laser surveying system
CN101408410A (zh) * 2008-10-28 2009-04-15 山东科技大学 隧道体元形变移动监测系统及隧道体元形变移动监测方法
CN104359457A (zh) * 2014-11-07 2015-02-18 西安建筑科技大学 一种基于psd传感器的地铁运营沉降智能监测和预警系统
CN108917638A (zh) * 2018-09-25 2018-11-30 浙江科技学院 基于基准传递的地铁隧道三维变形监测的车载测量装置
CN109540014A (zh) * 2018-11-06 2019-03-29 北京市政建设集团有限责任公司 一种用于隧道掌子面挤出变形监测方法
CN111060022A (zh) * 2019-11-11 2020-04-24 北京住总集团有限责任公司 一种盾构下穿结构物形变的激光自动化分析系统及方法
CN111307092A (zh) * 2019-12-18 2020-06-19 华中科技大学 一种地铁深隧工程建设安全自动连续监控系统及信息平台
CN111412851A (zh) * 2020-04-13 2020-07-14 成都大亦科技有限公司 一种基于激光测量形变的方法
CN112097669A (zh) * 2020-11-17 2020-12-18 南京派光智慧感知信息技术有限公司 一种基于激光测距的隧道内结构形变的监测方法
CN113446953A (zh) * 2021-06-22 2021-09-28 深圳市市政设计研究院有限公司 一种基于数字摄影测量技术的地铁隧道变形监测系统
CN114293909A (zh) * 2021-12-29 2022-04-08 中建安装集团有限公司 基于隧道轨行式钻孔机器人的智能化钻孔管理系统及方法
CN114485570A (zh) * 2022-02-07 2022-05-13 中交路桥科技有限公司 一种用于在建隧道施工安全智慧监控量测预警系统及方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
A novel method of photographic geological logging based on parallel image sequence in small tunnel;MAO Yufeng等;《Journal of Central South University》;20160815;第23卷(第08期);2092-2010 *
在建基坑影响下地铁隧道的变形监测研究;苏涛;《北京测绘》;20180525;第32卷(第05期);586-589 *
基于三维激光扫描的公路沉降监测研究;张莞玲 等;《自动化与仪器仪表》;20220525(第05期);74-78 *

Also Published As

Publication number Publication date
CN114993198A (zh) 2022-09-02

Similar Documents

Publication Publication Date Title
CN109736894B (zh) 一种用于煤矿巷道围岩灾害的监测系统、监测方法及预警方法
CN111102926A (zh) 一种基于bim的工程质量检测方法及系统
CN107631718B (zh) 一种基于tm30的智能机器人监测系统及方法
CN105336119B (zh) 一种崩塌体裂缝识别报警装置及其识别方法
CN111866337A (zh) 智能巡检机器人及巡检方法
CN109882244A (zh) 一种井下巡检机器人智能建图系统
AU2021428062B2 (en) Real-time tunnel deformation monitoring method and device
CN106023530A (zh) 一种暴雨型稀性泥石流监测预报预警装置及方法
CN107808498A (zh) 一种山体滑坡的监测方法及应用该方法的监测系统
CN110057302B (zh) 面向地下安全的全自动测量装置及测量方法
CN112197741B (zh) 基于扩展卡尔曼滤波的无人机slam技术测量倾斜角系统
CN108007378B (zh) 一种变形监测综合系统及其使用方法
CN109373980A (zh) 一种基于视频监控测量仪和测斜终端的监测方法及系统
CN109187564B (zh) 一种狭长型构筑物实时变形监测系统
CN116090081B (zh) 一种多台区电力建设项目规划设计方法
CN111707232A (zh) 一种基于北斗定位多点解算的铁塔姿态预警装置
CN110596715B (zh) 一种水线智能识别系统及定位方法
CN117189254A (zh) 一种井下巷道变形智能监测及预警方法
CN114993198B (zh) 近接施工条件下共线地铁结构自动化变形监测系统及方法
CN111856453A (zh) 一种基于雷达探头的变电站周界空域异物入侵监测系统
CN112541455B (zh) 一种基于机器视觉的配网混凝土电杆倒断杆事故预测方法
CN112286089A (zh) 高墩大跨桥梁施工过程智能监测系统
CN115853030A (zh) 邻近深基坑工程的运营地铁的一体化智能监测系统及方法
CN214783282U (zh) 一种基于无人机的悬浇箱型桥梁立模放线系统
CN220491037U (zh) 一种轨道异物检测装置、检测系统

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