CN115014272B - 一种基于物联网的堤坝智能监测装置及安装和监测方法 - Google Patents
一种基于物联网的堤坝智能监测装置及安装和监测方法 Download PDFInfo
- Publication number
- CN115014272B CN115014272B CN202210613098.2A CN202210613098A CN115014272B CN 115014272 B CN115014272 B CN 115014272B CN 202210613098 A CN202210613098 A CN 202210613098A CN 115014272 B CN115014272 B CN 115014272B
- Authority
- CN
- China
- Prior art keywords
- monitoring
- data
- deformation
- foundation
- sensor
- 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 134
- 238000009434 installation Methods 0.000 title claims abstract description 30
- 238000012806 monitoring device Methods 0.000 title claims abstract description 26
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000002689 soil Substances 0.000 claims abstract description 80
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 64
- 230000008859 change Effects 0.000 claims abstract description 28
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 238000001514 detection method Methods 0.000 claims abstract description 23
- 238000012545 processing Methods 0.000 claims abstract description 17
- 229910000639 Spring steel Inorganic materials 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000006073 displacement reaction Methods 0.000 claims description 8
- 239000000463 material Substances 0.000 claims description 8
- 230000005856 abnormality Effects 0.000 claims description 5
- 238000005553 drilling Methods 0.000 claims description 3
- 230000002706 hydrostatic effect Effects 0.000 claims description 3
- 238000012876 topography Methods 0.000 claims description 3
- 230000003442 weekly effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 abstract description 5
- 230000035945 sensitivity Effects 0.000 abstract description 5
- 238000011161 development Methods 0.000 abstract description 4
- 230000002035 prolonged effect Effects 0.000 abstract description 2
- 238000005516 engineering process Methods 0.000 description 6
- 238000004062 sedimentation Methods 0.000 description 5
- 238000012549 training Methods 0.000 description 5
- 238000001914 filtration Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000006978 adaptation Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 238000013523 data management Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000006855 networking Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000037237 body shape Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000007596 consolidation process Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
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
- 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
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C9/00—Measuring inclination, e.g. by clinometers, by levels
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- 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
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
Abstract
本发明公开了一种基于物联网的堤坝智能监测装置及安装和监测方法，监测装置包括：双目视觉相机；水位传感器，用于监测堤身侧边的水位变化；土压力传感器，用于监测堤身土压力变化；第一控制采集器；变形检测模块，用于监测堤坝内部及地基的变形状况；无线传输模块；数据处理模块；供电模块；通过该装置监测堤坝施工期堤身高度变化，并分析堤身高度、水压力、土压力与地基形变的关系，进行地基变形敏感性、滞后效应等分析，自主优化监控预警指标，有效提高监控效率，通过采用将收集到的监测数据与时间序列进行优化，有效预测堤坝变形发展状况；调整监测时间和监测频率，延长传感器使用年限、减少处理数据量。
Description
技术领域
本发明涉及一种土石坝监测技术领域，具体涉及一种基于物联网的堤坝智能监测装置及安装和监测方法。
背景技术
堤坝作为挡水、挡土建筑物或道路基础，涉及人民的生命财产安全，在堤坝建设和运行期间需进行安全监控。现有堤坝监测系统：在堤身外形或填筑高度变化监测方面，仍采用传统人工几何水准测量方法，测量效率低、反馈慢，即使采用无人机航空测量方法，其测量频率和反馈的及时性也难以保证。在内部变形监测方面，水平变形常采用竖直埋设测斜管或测斜仪，利用测斜仪倾角传感器对倾斜角度及其变化进行监控，得到准确位移曲线；沉降变形常采用埋设沉降盘、磁环式沉降仪或水压力监测换算等方法；变形监测仪器相互独立且大多为人工采集数据，埋设仪器多、监测效率低、反馈慢。也有采用自动采集数据的系统，但埋设仪器多、费用高，且为定时测量，不能根据监测情况自动调整监测频率。有些堤坝监测系统提供了无线传输功能，可实时监控堤坝结构状态，但尚未有自动调整监测时间和监测频率、自主优化监控预警指标、训练同化堤坝岩土数值模型参数等人工智能技术的应用。现有测量系统仍有不能对坝身外形或填筑高度进行实时的数据获取，变形监测自动化程度低或费用过高，监控不够智能化等问题。
发明内容
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于物联网技术和人工智能技术，提供一个能够实时监测堤坝高度变化状况、自动分析地基形变的影响因素、智能调整传感器和各类测量仪器的使用时间和频率、自主优化监控预警指标的堤坝智能监测装置及安装和监测方法，用于提高堤坝安全监控系统的精度、实时性、智能化程度和高适用性。
发明目的：为了克服现有技术中存在的不足，本发明提供一种基于物联网技术和人工智能技术，提供一个能够实时监测堤坝高度变化状况、自动分析地基形变的影响因素、智能调整传感器和各类测量仪器的使用时间和频率、自主优化监控预警指标的堤坝智能监测装置及安装和监测方法，用于提高堤坝安全监控系统的精度、实时性、智能化程度和高适用性。
为实现上述目的，本发明采用的技术方案为：一方面，提供一种基于物联网的堤坝智能监测装置，包括：双目视觉相机，用于三维立体地形测量，监测堤身外形或堆载高度变化；
水位传感器，用于监测堤身侧边的水位变化；
土压力传感器，设置在堤身下方，用于监测堤身土压力变化；
第一控制采集器，与所述双目视觉相机、水位传感器、土压力传感器信号连接；
变形检测模块，用于监测堤坝内部及地基的变形状况；
无线传输模块，与所述第一控制采集器、变形检测模块信号连接；
数据处理模块，与所述无线传输模块信号连接，用于对收集数据的存储、分析和应用；
供电模块，用于给所述双目视觉相机、水位传感器、土压力传感器、第一控制采集器、变形检测模块、无线传输模块供电。
作为本发明的一种优选实施方式：所述变形检测模块包括：
测斜管，竖直埋设于堤身和地基中，测斜管上设置有导槽；磁环，套在所述测斜管外，所述磁环内径与测斜管外径匹配，磁环外侧与弹簧钢片的一端固定连接，弹簧钢片的另一端通过纸质材料包裹固定；移动式测斜仪，放置于所述测斜管中，该测斜仪上固定设置有滑轮，通过线缆牵引该滑轮使其沿测斜管的导槽上、下移动；倾角传感器，设置在所述移动式测斜仪内部，用于监测测斜管沿线的倾斜角度，得到水平位移曲线；磁感应器，固定于所述移动式测斜仪上，用于通过感应磁环的位置变化得到地基变形数据；电动升降装置，设置在测斜管上方的第二安装平台上，用于牵引所述移动式测斜仪上、下移动；第二控制采集器，设置在测斜管上方的第二安装平台上，与倾角传感器、磁感应器信号连接，并与所述无线传输模块信号连接。
作为本发明的一种优选实施方式：所述双目视觉相机、水位传感器、第一控制采集器设置在堤身侧边的第一安装平台上，该第一安装平台采用桩基形式设置。
作为本发明的一种优选实施方式：所述第二安装平台采用支架形式设置。
作为本发明的一种优选实施方式：所述供电模块采用光伏供电模块。
另一方面，提供一种上述基于物联网的堤坝智能监测装置的安装方法，包括以下步骤：
步骤1：在堤坝侧边搭建第一安装平台，安装双目视觉相机、水位传感器、第一控制采集器、无线传输模块和供电模块；
步骤2：在堤坝或地基中安装土压力传感器，利用电缆将土压力传感器与第一控制采集器相连接；
步骤3：在堤坝处钻孔后在孔中设置测斜管，将所述磁环套设在测斜管上，将磁环向下推至土中，其中：
当磁环处于初始状态时，所述弹簧钢片通过纸质材料包裹固定在磁环外侧；
当磁环推入土层后，所述纸质材料遇水弱化解体，弹簧钢片张开刺入土中，使得磁环与土壤固定后随地基沉降变形而移动；
步骤4：在测斜管上搭建第二安装平台，安装平台留有孔洞套入测斜管顶部；在测斜管中安装移动式测斜仪、磁感应器及线缆，并在第二安装平台上安装电动升降装置、第二控制采集器、无线传输模块和供电模块。
作为本发明的一种优选实施方式：所述第一安装平台、第二安装平台设置在同一堤坝断面上，断面纵向布置间距为50-500m；第一安装平台桩基离开堤坝内侧坡脚0-20m，第二安装平台离开堤坝堤顶前沿外侧0-20m。
另一方面，提供一种上述基于物联网的堤坝智能监测装置的监测方法，包括以下步骤：
步骤1：通过安装好的传感器对所需数据进行采集，并通过传感器采集的数据进行处理后得到所需的数据，具体为：
通过土压力传感器获得土压力数据，；
水位传感器采集的水位数据通过静水压力模型计算得到堤坝所受的水压力数据；
双目视觉相机实时采集堤坝图像数据，得到堤身高度数据；
在变形检测模块中，通过倾角传感器对测斜管沿线的倾斜角度进行观测，得到水平位移数据；通过磁感应器感知地基表面处磁环的位置变化，得到地基沉降变形数据；
步骤2：收集的堤身高度、水压力、土压力与地基沉降变形数据通过无线传输至数据处理模块对数据进行分析后，得到优化后的监控预警指标；
步骤3：将收集的堤身高度、水压力、土压力与地基沉降变形数据通过与时间序列结合进行分析，构建监测数据基于时间序列的预测模型，并通过该模型对参数进行优化得到预测的堤坝形变情况；
步骤4：通过磁感应器采集的地基沉降变形数据对受影响程度的时间段进行划分，并对不同时段的检测频率做出调整：
将地基变形数据>0.2倍监控预警指标的时段，划为最易受影响时间段，在最易受影响时间段中将监测频率调整为每天观测1-2次；
将地基变形数据<0.02倍监控预警指标时段，划为最不易受影响时间段，在最不易受影响时间段中将监测频率调整为每月观测1-2次；
将地基变形数据处于0.02-0.2倍监控预警指标时段，划为其他时间段，在其他时间段中监测频率调整为每周观测1-2次；
步骤5：嵌入堤坝岩土数值模型，并通过堤身高度、水压力、土压力与地基沉降变形数据结合该模型采用同化算法进行优化，提高数值模型计算精准度；
步骤6：将完成处理的信息图表化，传送至监控终端，出现异常时自动报警。
作为本发明的一种优选实施方式：步骤3中，所述监测数据基于时间序列的预测模型通过支持向量回归模型构建
本发明相比现有技术，具有以下有益效果：
1.通过双目视觉相机实时监测堤坝施工期堤身高度数据；通过水位传感器、土压力传感器和变形检测模块获取堤坝水压力、土压力与地基形变数据；并分析堤身高度、水压力、土压力与地基形变的关系，进行地基变形敏感性、滞后效应等分析，自主优化监控预警指标，有效提高监控效率。
2.通过采用能将收集到的监测数据与时间序列优化，有效预测堤坝变形发展状况；调整监测时间和监测频率，延长传感器使用年限、减少处理数据量；通过训练同化堤坝岩土数值模型参数，有效提高堤坝应力应变数值计算精准度；能及时有效反馈监仪器异常，便于仪器的维护；能自动报警并输出控制信号，降低堤坝失稳风险。
3.采用可对水平位移和沉降一体式自动监测装置，通过电动升降装置牵引传感器同时获取地基水平位移和沉降数据，有效降低变形监测费用。
4.通过在堤身侧边采用桩基平台，能够入土一定深度使得第一安装平台能安全的设置在水中，同时设置的一定高度能够便于视觉俯视监控堤身；通过在堤身上采用支架平台，防止堤身上进行打桩会影响堤身稳定性，且安装高度没有限制，仅提供一个简易支架式平台更加便利有效。
附图说明
图1为基于物联网的堤坝智能监测设备结构图；
图2为基于物联网的堤坝智能监测设备中磁环与测斜管的三维视图；
图3为基于物联网的堤坝智能监测设备的自组网示意图；
图4为基于物联网的堤坝智能监测设备的数据管理构成和运行方式示意图；
图5为基于物联网的堤坝智能监测设备安装流程图；
图6为基于物联网的堤坝智能监测设备的监测流程图。
1为双目视觉相机、2为水位传感器、3为土压力传感器、4为第一控制采集器、5为变形检测模块、6为无线传输模块 、7为数据处理模块、8为供电模块、51为测斜管、52为磁环、53为移动式测斜仪、54为电动升降装置、55为第二控制采集器、521为弹簧钢片。
具体实施方式
下面结合附图和具体实施例，进一步阐明本发明，应理解这些实例仅用于说明本发明而不用于限制本发明的范围，在阅读了本发明之后，本领域技术人员对本发明的各种等价形式的修改均落于本申请所附权利要求所限定的范围。
如图1所示为一种基于物联网的堤坝智能监测装置，包括：
双目视觉相机1，用于三维立体地形测量，监测堤身外形或堆载高度变化；所述双目视觉相机优选配有激光辅助测距的高清双目相机或摄像头；
水位传感器2，用于监测堤身侧边的水位变化；所述水位传感器可选激光水位计、超声波水位计、电子水尺或压力式水位计；
土压力传感器3，设置在堤身下方，用于监测堤身土压力变化；所述土压力传感器可选振弦式、磁阻式或光栅式传感器；
第一控制采集器4，与所述双目视觉相机、水位传感器、土压力传感器信号连接；
变形检测模块5，用于监测堤坝内部及地基的变形状况；所述变形检测模块包括：
测斜管51，竖直埋设于堤身和地基中，测斜管上设置有导槽。磁环52，套在所述测斜管外，如图2所示，所述磁环内外径与测斜管配套，磁环设置在弹簧钢片上，通过弹簧钢片521插入土层中固定，使磁环随地基沉降变形而移动。移动式测斜仪53，放置于所述测斜管中，该测斜仪上固定设置有滑轮，通过线缆牵引该滑轮使其沿测斜管导槽上、下移动。倾角传感器，设置在所述移动式测斜仪内部，用于监测测斜管沿线的倾斜角度。磁感应器，固定于所述移动式测斜仪上，用于通过感应磁环的位置变化得到地基变形数据，所述地基变形数据为不同时间间隔之间位置数据的差值。电动升降装置54，设置在测斜管上方的安装平台上，用于牵引所述移动式测斜仪上、下移动。第二控制采集器55，设置在测斜管上方的安装平台上，与模块中的传感器信号连接，并与所述无线传输模块信号连接。
无线传输模块6，如图3所示，采用ZigBee与Wi-Fi技术相结合的无线自组网方式搭建，与所述置于监测现场的第一控制采集器、变形检测模块、置于远端的数据处理模块信号连接；所述无线传输模块包括无线终端、无线路由节点和GPRS/4G网关，用于将监测数据传输至后方数据处理模块，同时将控制、报警信号反馈至现场终端；所述无线终端可选ZigBee/WIFI芯片模块，采用接口连接在相应控制采集器上，用于数据信号的无线传输；ZigBee/WIFI路由节点每500-1000m布置一个，用于无线组网；采用GPRS/4G网关连入商用通信网络，用于与远端监控中心的数据处理模块进行数据传递。
数据处理模块7，置于远端，与所述无线传输模块信号连接，用于对收集数据的存储、分析和应用；所述数据处理模块包括前台应用软件、服务器数据库和后台Windows服务，其数据管理构成和运行方式如图4所示。所述前台应用软件除显示、查询、检查、警报、控制等功能外，嵌入岩土数值模型，用于获得堤坝应力应变的时空分布；嵌入机器学习、深度学习方法，用于分析荷载-应力-变形之间关系、分析监监测数据随时间变化规律、分析不同地基变形影响时段、训练同化堤坝岩土数值模型参数等，所述服务器数据库用于存储、查询、检索系统内的采集数据和处理数据，为后台Windows服务提供数据支持；所述后台Windows服务用于实时监控后台服务的当前状态，实现对堤坝的智能监测。
供电模块8，具体为光伏供电模块，包括光伏板、控制电路、蓄电池、逆变器等，用于用于给所述双目视觉相机、水位传感器、土压力传感器、第一控制采集器、变形检测模块、无线传输模块、数据处理模块供电。所述供电模块包括光伏板、控制电路、蓄电池、逆变器等，用于现场监测设备供电。
所述双目视觉相机、水位传感器、第一控制采集器设置在堤身侧边的第一安装平台9上，该第一安装平台采用桩基形式设置；该安装平台离开堤身，且在水中，同时需要一定高度便于视觉俯视监控堤身，因此采用桩基入土一定深度，保证安全，且相比其他方案更具有经济；。所述电动升降装置、第二控制采集器设置在堤身上的第二安装平台10上，该第二安装平台采用支架形式设置。
如图5所示，基于物联网的堤坝智能监测装置的安装方法，包括以下步骤：
步骤1：在堤坝侧边搭建第一安装平台，安装双目视觉相机、水位传感器、第一控制采集器、无线传输模块和供电模块；
步骤2：在堤坝或地基中安装土压力传感器，利用电缆将土压力传感器与第一控制采集器相连接；
步骤3：在堤坝处钻孔后在孔中设置测斜管，将所述磁环套设在测斜管上，将磁环向下推至土中，其中：
当磁环处于初始状态时，所述弹簧钢片通过纸质材料包裹固定在磁环外侧；
当磁环推入土层后，所述纸质材料遇水弱化解体，弹簧钢片张开刺入土中，使得磁环与土壤固定后随地基沉降变形而移动。
步骤4：在测斜管上搭建第二安装平台，安装平台留有孔洞套入测斜管顶部；在测斜管中安装移动式测斜仪、磁感应器及线缆，并在第二安装平台上安装电动升降装置、第二控制采集器、无线传输模块和供电模块。
第一安装平台（及相应监测装置）、第二安装平台（及相应监测装置）设置在同一堤坝监测断面上，监测断面纵向布置间距50-500m；第一安装平台桩基离开堤坝内侧坡脚0-20m，第二安装平台离开堤坝堤顶前沿外侧0-20m。
土压力传感器可在堤坝填筑前埋设于地基表面，或在堤坝填筑完成后钻孔埋设。
如图6所示，基于物联网的堤坝智能监测装置的监测方法包括以下步骤：
步骤1：通过安装好的传感器对所需数据进行采集，并通过传感器采集的数据进行处理后得到所需的数据，具体为：
土压力传感器直接采集土压力数据；
水位传感器采集水位数据后，通过静水压力模型计算得到堤坝所受的水压力数据；
双目视觉相机实时采集堤坝图像数据，通过对图像数据处理为堤坝三维立体地形后，得到堤身高度数据；
变形检测模块，采用测斜管外套设磁环的一体式装置，并采用电动升降装置牵引使移动式测斜仪和磁感应器沿测斜管内的导轨上、下移动，测斜仪内设倾角传感器对测斜管沿线的倾斜角度进行观测，得到水平位移数据；
磁感应器感知地基表面处磁环的位置变化，得到地基沉降变形数据；
步骤2：收集的堤身高度、水压力、土压力与地基沉降变形数据通过无线传输至数据处理模块，对数据通过进行分析后，从而对地基变形的敏感性及滞后效应进行分析，得到优化后的监控预警指标，具体为：
步骤2-1：建立堤坝荷载-变形BP神经网络模型，此时每一层的权值V和阈值T随机选取；
步骤2-2：将堤身高度数据、水位数据、地基土压力数据输入神经网络进行计算，得到输出结果，即当前地基形变量、沉降变形速率、水平变形速率；
步骤2-3：将地基形变量、沉降变形速率、水平变形速率的输出结果与当前监测值进行比较，即将输出结果与监测值相减得到误差值；
步骤2-4：将输出结果与监测值的误差值以反向传播的方式传递至每一层，通过梯度下降更改每一层的权值V’和阈值T’；
重复步骤2-3和步骤2-4，误差平方和不断减小直至符合误差设定要求，堤坝荷载-变形神经网络模型完成；
步骤2-5：由以上模型关系及各因素的权值求得不同阶段堤身加高速度hv、水位上涨速度wv、土压力变化速度v1与形变速度v2的关系，获得不同阶段变形速率受荷载变化影响的大小，即敏感性；然后用于优化调整监控预警指标，包括将变形监控预警指标调整为荷载变化预警指标；将某一堤身高度或水位或地基土压力前的监控预警指标放宽，即数据调大；将某一堤身高度或水位或地基土压力之后的监控预警指标由常规指标变紧，即数据调小。
优选地，施工期水位基本不变时采用堤身高度数据，堤身外形基本不变时采用水位数据，堤身高度、水位都变化时采用地基土压力，与地基变形数据组成数据系列进行上述机器学习。
同样地，将变形速率峰值与荷载速率峰值之间的时间差与堤坝荷载之间进行上述机器学习得到相关模型，分析地基变形滞后效应，用于提前预警、提高监控效率
步骤3将收集的监测数据通过与时间序列结合进行分析，通过支持向量回归模型（SVR）构建监测数据基于时间序列的预测模型，并通过该模型对参数进行优化得到预测的堤坝形变情况，具体说明如下：
步骤3-1：数据读取以及数据预处理（数据归一化、时间数据数据类型转化）；
步骤3-2：测试集和训练集的划分；
步骤3-3：建立SVR模型，初始化参数（包括核函数kernel、最小误差tol、正则化参数C等）；
步骤3-4：用网格搜素法得到最优模型参数，即得到SVR最优预测模型；
在所有候选的参数选择中，通过循环遍历，尝试每一种可能性，将误差最小的参数值认为是最终的参数结果；
步骤3-5：将预测时间数据进过处理后带入模型，得到预测的堤坝变形情况。
步骤4通过监测数据基于时间序列的预测模型对监测时间与监测频率的设置对应关系进行调整；监测数据基于时间序列的预测模型对监测时间与监测频率，通过所述变形检测模块中的磁感应器采集的变形数据对受影响程度的时间段进行划分，并对不同时段的检测频率做出调整：
将变形数据>0.2倍预警指标的时段，划为最易受影响时间段，在最易受影响时间段中将监测频率调整为每天观测1-2次；
将变形数据<0.02倍预警指标时段，划为最不易受影响时间段，在最不易受影响时间段中将监测频率调整为每月观测1-2次；
将变形数据处于0.02-0.2倍预警指标时段，划为其他时间段，在其他时间段中监测频率调整为每周观测1-2次。
步骤5：嵌入堤坝岩土数值模型，并通过监测数据结合该模型采用同化算法进行优化，提高数值模型计算精准度；所述堤坝岩土数值模型通过迭代调整或滤波计算岩土参数，将模型运行轨迹较好的拟合到观测数据上；所述堤坝岩土数值模型是采用有限元等数值分析方法，根据岩土性质采用适当的土体本构模型描述土体受力变形及排水固结关系，利用已知的岩土模型参数(包括抗剪强度参数、刚度模量或压缩性参数、孔隙与渗透性参数等)、实际的施工步骤和外部荷载变化情况，通过数值计算得到堤坝应力应变时空分布的动态模型。然后利用已有的观测数据结合模型框架，采用四维变分算法、集合卡尔曼滤波和粒子滤波等同化算法不断优化模型，即通过迭代调整或滤波计算岩土参数，将模型运行轨迹较好的拟合到观测数据上，提高数值模型计算精准度，将其用于评估堤坝所有部位的安全状态及预测后续堤坝安全发展情况。
步骤6：将完成处理的信息图表化，传送至监控终端；出现异常时自动报警并输出控制信号，并主动进行加密测量、开闸放水。同时监控终端作为人机交互窗口，管理人员可通过监控终端查询、访问、检查、调整相关数据及设置。
本发明的监测装置自动化、集成化、智能化程度高，可将现场获取的的各类监测数据实时无线传输至远端服务中心，实现物联在线监测同时通过大数据的智能分析与决策：
通过双目视觉相机实时监测堤坝施工期堤身高度数据；通过水位传感器、土压力传感器和变形检测模块获取堤坝水压力、土压力与地基形变；并分析堤身高度、水压力、土压力与地基形变的关系，进行地基变形敏感性、滞后效应等分析，自主优化监控预警指标，有效提高监控效率。
通过采用能将收集到的监测数据与时间序列优化，有效预测堤坝变形发展状况；掌握监测数据随时间的变化规律及其变形影响的规律，划分不同影响程度时间段，自动调整监测时间和监测频率，延长传感器使用年限、减少处理数据量；通过训练同化堤坝岩土数值模型参数，有效提高堤坝应力应变数值计算精准度；能及时有效反馈监仪器异常，便于仪器的维护；能自动报警并输出控制信号，降低堤坝失稳风险。
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。
Claims (6)
1.一种基于物联网的堤坝智能监测装置的监测方法，其特征在于，包括：
双目视觉相机，用于三维立体地形测量，监测堤身外形或堆载高度变化；
水位传感器，用于监测堤身侧边的水位变化；
土压力传感器，设置在堤身下方，用于监测堤身土压力变化；
第一控制采集器，与所述双目视觉相机、水位传感器、土压力传感器信号连接；
变形检测模块，用于监测堤坝内部及地基的变形状况；所述变形检测模块包括：测斜管，竖直埋设于堤身和地基中，测斜管上设置有导槽；磁环，套在所述测斜管外，所述磁环内径与测斜管外径匹配，磁环外侧与弹簧钢片的一端固定连接，弹簧钢片的另一端通过纸质材料包裹固定；移动式测斜仪，放置于所述测斜管中，该测斜仪上固定设置有滑轮，通过线缆牵引该滑轮使其沿测斜管的导槽上、下移动；倾角传感器，设置在所述移动式测斜仪内部，用于监测测斜管沿线的倾斜角度，得到水平位移曲线；磁感应器，固定于所述移动式测斜仪上，用于通过感应磁环的位置变化得到地基变形数据；电动升降装置，设置在测斜管上方的第二安装平台上，用于牵引所述移动式测斜仪上、下移动；第二控制采集器，设置在测斜管上方的第二安装平台上，与倾角传感器、磁感应器信号连接，并与无线传输模块信号连接；
无线传输模块，与所述第一控制采集器、变形检测模块信号连接；
数据处理模块，与所述无线传输模块信号连接，用于对收集数据的存储、分析和应用；
供电模块，用于给所述双目视觉相机、水位传感器、土压力传感器、第一控制采集器、变形检测模块、无线传输模块供电；
所述基于物联网的堤坝智能监测装置的监测方法，包括以下步骤：
步骤1：通过安装好的传感器对所需数据进行采集，并通过传感器采集的数据进行处理后得到所需的数据，具体为：通过土压力传感器获得土压力数据；
水位传感器采集的水位数据通过静水压力模型计算得到堤坝所受的水压力数据；双目视觉相机实时采集堤坝图像数据，得到堤身高度数据；在变形检测模块中，通过倾角传感器对测斜管沿线的倾斜角度进行观测，得到水平位移数据；通过磁感应器感知地基表面处磁环的位置变化，得到地基沉降变形数据；
步骤2：收集的堤身高度、水压力、土压力与地基沉降变形数据通过无线传输至数据处理模块对数据进行分析后，得到优化后的监控预警指标；
步骤3：将收集的堤身高度、水压力、土压力与地基沉降变形数据通过与时间序列结合进行分析，构建监测数据基于时间序列的预测模型，并通过该模型对参数进行优化得到预测的堤坝形变情况；
步骤4：通过磁感应器采集的地基沉降变形数据对受影响程度的时间段进行划分，并对不同时段的检测频率做出调整：
将地基变形数据>0.2倍监控预警指标的时段，划为最易受影响时间段，在最易受影响时间段中将监测频率调整为每天观测1-2次；
将地基变形数据<0.02倍监控预警指标时段，划为最不易受影响时间段，在最不易受影响时间段中将监测频率调整为每月观测1-2次；
将地基变形数据处于0.02-0.2倍监控预警指标时段，划为其他时间段，在其他时间段中监测频率调整为每周观测1-2次；
步骤5：嵌入堤坝岩土数值模型，并通过堤身高度、水压力、土压力与地基沉降变形数据结合该模型采用同化算法进行优化，提高数值模型计算精准度；
步骤6：将完成处理的信息图表化，传送至监控终端，出现异常时自动报警。
2.根据权利要求1所述的基于物联网的堤坝智能监测装置的监测方法，其特征在于，所述双目视觉相机、水位传感器、第一控制采集器设置在堤身侧边的第一安装平台上，该第一安装平台采用桩基形式设置。
3.根据权利要求1所述的基于物联网的堤坝智能监测装置的监测方法，其特征在于，所述第二安装平台采用支架形式设置。
4.根据权利要求1所述的基于物联网的堤坝智能监测装置的监测方法，其特征在于，所述供电模块采用光伏供电模块。
5.一种如权利要求1-4中任一所述基于物联网的堤坝智能监测装置的监测方法，其特征在于，基于物联网的堤坝智能监测装置的安装方法，包括以下步骤：
步骤1：在堤坝侧边搭建第一安装平台，安装双目视觉相机、水位传感器、第一控制采集器和供电模块；
步骤2：在堤坝或地基中安装土压力传感器，利用电缆将土压力传感器与第一控制采集器相连接；
步骤3：在堤坝处钻孔后在孔中设置测斜管，将所述磁环套设在测斜管上，将磁环向下推至土中，其中：
当磁环处于初始状态时，所述弹簧钢片通过纸质材料包裹固定在磁环外侧；
当磁环推入土层后，所述纸质材料遇水弱化解体，弹簧钢片张开刺入土中，使得磁环与土壤固定后随地基沉降变形而移动；
步骤4：在测斜管上搭建第二安装平台，安装平台留有孔洞套入测斜管顶部；在测斜管中安装移动式测斜仪、磁感应器及线缆，并在第二安装平台上安装电动升降装置、第二控制采集器、无线传输模块和供电模块。
6.根据权利要求1所述的基于物联网的堤坝智能的监测方法，其特征在于，所述步骤3中，所述监测数据基于时间序列的预测模型通过支持向量回归模型构建。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210613098.2A CN115014272B (zh) | 2022-05-31 | 2022-05-31 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210613098.2A CN115014272B (zh) | 2022-05-31 | 2022-05-31 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115014272A CN115014272A (zh) | 2022-09-06 |
| CN115014272B true CN115014272B (zh) | 2024-02-06 |
Family
ID=83071954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210613098.2A Active CN115014272B (zh) | 2022-05-31 | 2022-05-31 | 一种基于物联网的堤坝智能监测装置及安装和监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115014272B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115311828B (zh) * | 2022-10-12 | 2023-02-03 | 江苏筑升土木工程科技有限公司 | 基于数字孪生的水下工程结构智能检测方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2672454A2 (en) * | 2012-06-05 | 2013-12-11 | Google Inc. | Terrain-based virtual camera tilting and applications thereof |
| CN105989697A (zh) * | 2015-01-27 | 2016-10-05 | 同济大学 | 一种基于多源传感器的滑坡监测和预警装置 |
| CN107065018A (zh) * | 2016-12-25 | 2017-08-18 | 中南大学 | 一种用于堤坝动态监测的电法观测系统及方法 |
| CN107829452A (zh) * | 2017-11-12 | 2018-03-23 | 湖南科技大学 | 一种融合多传感器及地基sar的深基坑施工监测预警技术 |
| CN111442713A (zh) * | 2020-05-08 | 2020-07-24 | 上海航鼎电子科技发展有限公司 | 土体3d位移测量装置 |
| CN111795676A (zh) * | 2020-06-29 | 2020-10-20 | 智仁科技(天津)有限公司 | 一种堤坝险情应急预警系统 |
| CN113744395A (zh) * | 2021-11-08 | 2021-12-03 | 辽博信息科技(山东)有限公司 | 一种建筑地基沉降的监测预警方法及系统 |
-
2022
- 2022-05-31 CN CN202210613098.2A patent/CN115014272B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2672454A2 (en) * | 2012-06-05 | 2013-12-11 | Google Inc. | Terrain-based virtual camera tilting and applications thereof |
| CN105989697A (zh) * | 2015-01-27 | 2016-10-05 | 同济大学 | 一种基于多源传感器的滑坡监测和预警装置 |
| CN107065018A (zh) * | 2016-12-25 | 2017-08-18 | 中南大学 | 一种用于堤坝动态监测的电法观测系统及方法 |
| CN107829452A (zh) * | 2017-11-12 | 2018-03-23 | 湖南科技大学 | 一种融合多传感器及地基sar的深基坑施工监测预警技术 |
| CN111442713A (zh) * | 2020-05-08 | 2020-07-24 | 上海航鼎电子科技发展有限公司 | 土体3d位移测量装置 |
| CN111795676A (zh) * | 2020-06-29 | 2020-10-20 | 智仁科技(天津)有限公司 | 一种堤坝险情应急预警系统 |
| CN113744395A (zh) * | 2021-11-08 | 2021-12-03 | 辽博信息科技(山东)有限公司 | 一种建筑地基沉降的监测预警方法及系统 |
Non-Patent Citations (3)
| Title |
|---|
| 基于时序分析的桥式起重机结构损伤预警研究;肖汉斌等;《武汉理工大学学报》;20170130(第01期);全文 * |
| 基于温度变化的某高速铁路特大桥变形监测研究;刘潇;《铁道勘测与设计》;20180215(第01期);全文 * |
| 工程监测在外六期封口围堤工程中的作用;郭导;《港口科技》;20110815(第08期);"3.4 土体分层沉降监测的结果与作用"部分、"3.5 深层土体水平位移监测的结果与作用"部分 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115014272A (zh) | 2022-09-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN103743441B (zh) | 一种边坡安全的多元耦合在线监测系统及方法 | |
| CN101477207B (zh) | 一种智能型地质灾害综合监测系统及多级预报分析方法 | |
| CN109389807B (zh) | 蠕变型滑坡智能监测预警系统 | |
| CN104111091B (zh) | 一种泥石流力学参数监测方法及泥石流预警方法 | |
| CN105957311A (zh) | 自适应扩展的边坡稳定智能监测预警系统 | |
| CN113779835A (zh) | 基于ai与智能监测系统的深大基坑安全预警方法 | |
| CN111105600B (zh) | 基于降雨条件下路堑边坡稳定性动态监测预警系统及方法 | |
| CN106224007A (zh) | 隧道施工安全监测预警管理系统 | |
| CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
| CN110671153B (zh) | 用于隧道及地下工程突涌水灾害的监测预警系统 | |
| CN102495428A (zh) | 地下工程施工期突水地质灾害电阻率实时成像监测方法与系统 | |
| CN215909901U (zh) | 多数据混合高边坡监测预警装置 | |
| CN113379105A (zh) | 一种基于人工智能的场地地震液化灾害快速估测方法 | |
| CN115014272B (zh) | 一种基于物联网的堤坝智能监测装置及安装和监测方法 | |
| CN105714842B (zh) | 沉井下沉预警方法和系统 | |
| CN104598737B (zh) | 泥石流预报方法及系统 | |
| CN109655036B (zh) | 一种变电站沉降及电杆应力监测系统 | |
| CN111832223A (zh) | 基于神经网络的盾构施工地表沉降预测方法 | |
| CN106703086A (zh) | 基坑在线安全监测系统 | |
| CN113108732B (zh) | 一种用于边坡滑坡预警的导波监测方法 | |
| CN111981967A (zh) | 一种滑坡深部位移远程可视化监测系统 | |
| CN113936228A (zh) | 基于无人机数据校核的高边坡监测预警系统 | |
| CN113404029A (zh) | 基于数字孪生技术的施工现场深基坑智能监测预警系统 | |
| CN113155071A (zh) | 一种基坑边坡水平位移安全监测系统 | |
| CN115422766A (zh) | 一种基于数字孪生技术的泥石流监测方法及系统 |
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 |