CN115143901A - 一种巷道形变检测方法、系统、设备及存储介质 - Google Patents
一种巷道形变检测方法、系统、设备及存储介质 Download PDFInfo
- Publication number
- CN115143901A CN115143901A CN202211085835.2A CN202211085835A CN115143901A CN 115143901 A CN115143901 A CN 115143901A CN 202211085835 A CN202211085835 A CN 202211085835A CN 115143901 A CN115143901 A CN 115143901A
- Authority
- CN
- China
- Prior art keywords
- deformation
- value
- top wall
- threshold
- roadway
- 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
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
Abstract
一种巷道形变检测方法、系统、设备及存储介质,巷道形变检测方法包括:获取横截面的多个初始测距;采集与每个初始测距对应的多个当前测距;基于多个初始测距和对应的多个当前测距,获取形变峭度值和形变平均值;响应于顶壁形变峭度值小于第一阈值,或响应于底面形变峭度值小于第二阈值,或响应于侧壁形变峭度值小于第三阈值,且响应于形变平均值小于第四阈值,确定巷道在横截面处发生形变,其中第一阈值、第二阈值和第三阈值分别不相等;响应于巷道在横截面处发生形变,发送提醒信息。通过对巷道的顶壁、侧壁和底面进行区别化检测,并通过大量的测量数据结合特定的统计方法,能够有效防止检测结果失效,提高了巷道形变检测的准确度和可靠性。
Description
技术领域
本申请涉及巷道检测技术领域,特别是涉及一种巷道形变检测方法、系统、设备及存储介质。
背景技术
巷道是在地表与矿体之间钻凿出的各种通路,用于运矿、通风、排水、通行以及为冶金设备采出矿石所做的各种必要准备工程等。而对巷道形变的检测,直接影响矿物生产的生产安全和经济效益。
现有技术中,通过激光测量巷道内壁的固定点之间的间距,并以间距测量值减去间距参照值得到形变值,而后根据几个形变值的平均值与相应的平均值阈值,直接判断巷道的形变情况。
然而,现有技术存在一定弊端。首先,巷道内的顶壁、底面和侧壁处,形变偏差的因素、幅度和影响方面实际是存在差异的,若不加以区分,上述笼统的测量结果无法反映巷道真实的形变情况,导致检测的准确度低、可靠性低。其次,巷道的形变结构非常复杂,对处于不同位置上的测试点来说,形变值通常有正有负,且形变程度越大,往往正、负形变值的绝对值越大。但是,通过正形变值和负形变值求平均值时会相互抵消,导致通过平均值无法确定真实的形变情况,从而进一步降低了检测的准确度和可靠性。
发明内容
为了解决现有技术存在的不足,本申请的目的在于提供一种巷道形变检测方法、系统、设备及存储介质,通过对巷道的顶壁、侧壁和底面进行更科学的区别化检测,并结合大量的测量数据和特定的统计方法,能够有效防止检测结果失效,提高了巷道形变检测的准确度和可靠性。
为实现上述目的,本申请提供的一种巷道形变检测方法,所述方法包括:
将多个激光测距组件间隔交叉设置在巷道的两个侧壁上,在所述巷道中形成多个用于检测形变的横截面;
获取所述横截面的多个初始测距;其中所述多个初始测距,包括多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距;
采集与每个初始测距对应的当前测距,以获得多个当前测距;其中所述多个当前测距包括多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距;
基于所述多个初始测距和对应的多个当前测距,确定多个形变值,以获取形变峭度值和形变平均值;其中所述形变峭度值,包括顶壁形变峭度值、底面形变峭度值和侧壁形变峭度值;其中,所述顶壁形变峭度值通过以下方式获取:
其中,K1为所述顶壁形变峭度值,xi为根据所述初始顶壁测距和所述当前顶壁测距确定的顶壁形变值,u为所述顶壁形变平均值,n为所述顶壁形变值的个数,且n≥50;
响应于所述顶壁形变峭度值小于第一阈值,或响应于所述底面形变峭度值小于第二阈值,或响应于所述侧壁形变峭度值小于第三阈值,且响应于所述形变平均值小于第四阈值,确定所述巷道在所述横截面处发生形变;其中所述第一阈值、所述第二阈值和所述第三阈值分别不相等;
响应于所述巷道在所述横截面处发生形变,发送提醒信息。
进一步地,所述第一阈值大于所述第三阈值,且所述第三阈值大于所述第二阈值。
进一步地,所述方法还包括:
采集所述横截面的顶壁的沉降数据;
根据所述沉降数据确定修正值;
根据所述修正值对所述第一阈值进行修正。
进一步地,所述响应于所述巷道在所述横截面处发生形变,发送提醒信息的步骤,包括:
所述响应于所述巷道在所述横截面处发生形变,获取所述横截面的位置信息;
发送包括所述位置信息的所述提醒信息。
进一步地,在采集所述多个当前底面测距前,对所述多个当前底面测距对应的采集区域进行除尘。
为实现上述目的,本申请还提供的一种巷道形变检测系统,包括多个间隔交叉设置在巷道的两个侧壁上的激光测距组件,所述激光测距组件,包括:
第一获取模块,用于获取所述横截面的多个初始测距;其中所述多个初始测距,包括多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距;
数据采集模块,包括可旋转测距的三个激光测距单元,所述三个激光测距单元用于分别测量所述激光测距组件到所述巷道的顶壁、侧壁和底面的距离;所述数据采集模块,用于采集与每个初始测距对应的当前测距,以获得多个当前测距;其中所述多个当前测距包括多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距;
第二获取模块,用于基于所述多个初始测距和对应的多个当前测距,确定多个形变值,以获取形变峭度值和形变平均值;所述形变平均值,包括顶壁形变平均值、底面形变平均值和侧壁形变平均值;所述形变峭度值,包括顶壁形变峭度值、底面形变峭度值和侧壁形变峭度值;其中,所述顶壁形变峭度值通过以下方式获取:
其中,K1为所述顶壁形变峭度值,xi为根据所述初始顶壁测距和所述当前顶壁测距确定的顶壁形变值,u为所述顶壁形变平均值,n为所述顶壁形变值的个数,且n≥50;
确定模块,用于响应于所述顶壁形变峭度值小于第一阈值,或响应于所述底面形变峭度值小于第二阈值,或响应于所述侧壁形变峭度值小于第三阈值,且响应于所述形变平均值小于第四阈值,确定所述巷道在所述横截面处发生形变;其中所述第一阈值、所述第二阈值和所述第三阈值分别不相等;
提醒模块,用于响应于所述巷道在所述横截面处发生形变,发送提醒信息。
为实现上述目的,本申请还提供的一种设备,所述设备包括:多个激光测距组件、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如上所述的巷道形变检测方法。
为实现上述目的,本申请提供的计算机可读存储介质,其上存储有计算机指令,当计算机指令运行时执行如上所述的巷道形变检测方法的步骤。
本申请的一种巷道形变检测方法、系统、设备及存储介质,通过对巷道的顶壁、侧壁和底面进行更科学的区别化检测,并结合大量的测量数据和特定的统计方法,能够有效防止检测结果失效,提高了巷道形变检测的准确度和可靠性。
本申请的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请而了解。
附图说明
附图用来提供对本申请的进一步理解,并且构成说明书的一部分,并与本申请的实施例一起,用于解释本申请,并不构成对本申请的限制。在附图中:
图1为根据本申请实施例的巷道结构示意图;
图2为本申请实施例的巷道形变检测方法流程图;
图3为根据多个初始顶壁测距和多个当前顶壁测距,获取顶壁形变峭度值的流程图;
图4为本申请一个实施例的激光测距组件结构框图;
图5为本申请另一个实施例的激光测距组件结构框图。
具体实施方式
下面将参照附图更详细地描述本申请的实施例。虽然附图中显示了本申请的某些实施例,然而应当理解的是,本申请可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例,相反提供这些实施例是为了更加透彻和完整地理解本申请。应当理解的是,本申请的附图及实施例仅用于示例性作用,并非用于限制本申请的保护范围。
应当理解,本申请的方法实施方式中记载的各个步骤可以按照不同的顺序执行,和/或并行执行。此外,方法实施方式可以包括附加的步骤和/或省略执行示出的步骤。本申请的范围在此方面不受限制。
本文使用的术语“包括”及其变形是开放性包括,即“包括但不限于”。术语“基于”是“至少部分地基于”。术语“一个实施例”表示“至少一个实施例”;术语“另一实施例”表示“至少一个另外的实施例”;术语“一些实施例”表示“至少一些实施例”。其他术语的相关定义将在下文描述中给出。
需要注意,本申请中提及的“第一获取模块”、“第二获取模块”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本申请中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。“多个”应理解为两个或以上。
下面,将参考附图详细地说明本申请的实施例。
首先需要说明的是,参考图1所示,本申请中的巷道1由一个顶壁11、一个底面12和两个侧壁13界定,且所述巷道1中具有多个用于检测形变的横截面,横截面原始曲线14经过一段时间后可能形成形变后曲线15(为更明显地体现出形变,图1通过放大形变幅度进行示意)。在具体示例中,巷道1(如长度为1000m)可以等间距(如50m)设置横截面,以实现对巷道1的多处形变检测。
实施例1
图2为本申请实施例的巷道形变检测方法的流程图,下面将参考图2,对本申请的巷道形变检测方法进行详细描述。
在步骤101,将多个激光测距组件间隔交叉设置在巷道的两个侧壁上,在巷道中形成多个用于检测形变的横截面。
具体来说,多个激光测距组件间隔交叉设置在巷道的两个侧壁上,即对于相邻的两个横截面,将多个激光测距组件设在不同侧壁上,以确保每个侧壁都可以受到检测,有助于提高巷道形变检测的准确度和可靠性。在具体示例中,参考图1所示,可以在每个横截面的一个侧壁13上设有一个激光测距组件,该激光测距组件可以包括可旋转测距的三个激光测距单元21,每个激光测距单元包括一个激光测距仪和一个驱动激光测距仪转动的电机。三个激光测距单元21,可以沿对应横截面,分别测量到巷道1的顶壁11、底面12和侧壁13的距离。
在步骤102,获取横截面的多个初始测距;其中多个初始测距,包括多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距。
具体来说,巷道横截面的初始测距为测量形变的基准。其可以是通过固定在巷道横截面(如一侧壁)上的电机,来驱动激光测距仪转动,通过转动不同的角度,获取巷道横截面的多个初始测距。三个激光测距单元21,可以沿对应横截面,分别采集多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距。具体实施时,可以预先设定好旋转角度、旋转时间间隔和旋转周期等参数,并可以在完成一个周期后自动复位,以提高检测准确性。
需要说明的是,获取巷道横截面的多个初始测距时,优选根据线性等间距或近等间距采样。但可以理解的是,也可以是根据等旋转角度采样(如每次旋转1°进行一次测距,可获取180个初始测距),本申请对此不作具体限制。
对于每一个横截面来说,为了提高测量的准确度和可靠性,本申请考虑到实际中巷道顶壁、侧壁和底面发生形变的幅度、模式以及形变检测的偏差存在差异,因此可以在形变检测时对三者采取区别判定,以提高形变检测的准确度。即,根据激光反射点位于顶壁、侧壁、底面三个不同区域,可以获取多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距。
对于激光测距组件的设置位置来说,相比于设在顶壁上,设在侧壁上不仅不影响测量顶壁形变,而且稳定性高;相比于设在底面上,设在侧壁上不影响巷道内的通行。
可以理解的是,在获取横截面的多个初始测距时,若是首次获取,可以通过上述激光测距组件进行采集,并存储;若是后续的常规检测,可以是将前期存储的初始数据直接调出使用。
在步骤103,采集与每个初始测距对应的当前测距,以获得多个当前测距;其中多个当前测距包括多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距。
具体地,可以通过图1中的三个激光测距单元21,沿对应横截面分别采集多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距。采集当前测距时的转动角度,与采集初始测距时的转动角度保持一致,以使多个当前测距与多个初始测距一一对应,以便获取不同时期的形变值。
进一步地,由于巷道底面容易沉积粉尘,为了避免粉尘影响采集当前底面测距,可以在采集多个当前底面测距之前,对测距相应的采集区域进行除尘,具体除尘方式可以是吹扫除尘,本申请对此不作具体限制。
在步骤104,基于多个初始测距和对应的多个当前测距,确定多个形变值,以获取形变峭度值和形变平均值。
其中,形变平均值包括顶壁形变平均值、底面形变平均值和侧壁形变平均值;形变峭度值包括顶壁形变峭度值、底面形变峭度值和侧壁形变峭度值。
需要说明的是,峭度值,也可以称为峭度或峭度系数,是反映随机变量分布特性的数值统计量,是归一化四阶中心矩。具体地,以横截面的顶壁区域为例,可以通过初始顶壁测距和对应的当前顶壁测距,确定顶壁形变值,以获得多个顶壁形变值(如60个),并通过多个顶壁形变值获取顶壁形变峭度值,而后根据顶壁形变峭度值描述多个顶壁形变值的分布集中度。具体地,在一定范围内,当多个顶壁形变值越集中时,分布曲线越陡峭,顶壁形变峭度值越大;当多个顶壁形变值越分散时,分布曲线越平缓,顶壁形变峭度值越小。也就是说,在形变平均值一定的情况下,顶壁形变峭度值越大,顶壁发生形变的概率越低;顶壁形变峭度值越小,顶壁发生形变的概率越高。
具体来说,在巷道发生形变的情况下,对处于不同位置上的测试点来说,形变值通常有正有负,且形变程度越大,往往正、负形变值的绝对值越大。由于通过正形变值和负形变值求平均值时会相互抵消,因此仅通过平均值无法检测出来。在上述情况下,意味着形变值具有较大的离散程度,而形变峭度值能够反映形变值的离散程度,因此,在形变平均值满足阈值条件的前提下,结合形变峭度值来判断形变情况,能够有效防止检测结果失效,提高了巷道形变检测的准确度和可靠性。
图3为基于多个初始顶壁测距和多个当前顶壁测距,确定多个顶壁形变值,获取顶壁形变峭度值的流程图,参考图3所示:
在步骤201,根据多个初始顶壁测距和多个当前顶壁测距,确定多个顶壁形变值。
即当前顶壁测距减去相应位置的初始顶壁测距,可以获得相应位置的顶壁形变值。
在步骤202,获取多个顶壁形变值的平均值。
在步骤203,分别获取多个顶壁形变值与平均值之间的差值,以获得多个差值。
在步骤204,根据当前顶壁测距的个数和多个差值,获取顶壁形变峭度值。
即,通过以下方式获取顶壁形变峭度值:
其中,K1为顶壁形变峭度值,xi为顶壁形变值,u为顶壁形变平均值,(xi-u)为顶壁形变值与平均值之间的差值,n为当前顶壁测距的个数,且n≥50。
类似地,根据多个初始侧壁测距和多个当前侧壁测距,获取侧壁形变峭度值的步骤,可以包括:根据多个初始侧壁测距和多个当前侧壁测距,确定多个侧壁形变值;获取多个侧壁形变值的平均值;分别获取多个侧壁形变值与平均值之间的差值,以获得多个差值;根据当前侧壁测距的个数和多个差值,获取侧壁形变峭度值。
具体地,通过以下方式获取侧壁形变峭度值:
其中,K2为侧壁形变峭度值,yi为侧壁形变值,v为侧壁形变平均值,(yi-v)为侧壁形变值与平均值之间的差值,m为当前侧壁测距的个数,且m≥50。
类似地,根据多个初始底面测距和多个当前底面测距,获取底面形变峭度值的步骤,可以包括:根据多个初始底面测距和多个当前底面测距,确定多个底面形变值;获取多个底面形变值的平均值;分别获取多个底面形变值与平均值之间的差值,以获得多个差值;根据当前底面测距的个数和多个差值,获取底面形变峭度值。
具体地,通过以下方式获取底面形变峭度值:
其中,K3为底面形变峭度值,zi为底面形变值,w为底面形变平均值,(zi-w)为底面形变值与平均值之间的差值,q为当前底面测距的个数,且q≥50。
需要说明的是,关于获取底面形变峭度值、侧壁形变峭度值的说明,同样适用于获取顶壁形变峭度值,此处不再赘述。
在步骤105,响应于顶壁形变峭度值小于第一阈值,或响应于底面形变峭度值小于第二阈值,或响应于侧壁形变峭度值小于第三阈值,且响应于形变平均值小于第四阈值,确定巷道在横截面处的发生形变;其中第一阈值、第二阈值和第三阈值分别不相等。
也就是说,在形变平均值小于第四阈值的前提下:当顶壁形变峭度值小于第一阈值时,可以确定横截面的顶壁发生形变;当底面形变峭度值小于第二阈值时,可以确定横截面的底面发生形变;当侧壁形变峭度值小于第三阈值时,可以确定横截面的侧壁发生形变。当横截面的顶壁发生形变、底面发生形变或侧壁发生形变时,确定巷道在横截面处的发生形变。
需要说明的是,巷道的顶壁、侧壁和底面在发生形变的概率、严重程度和测量偏差等方面存在差异。比如,相比于侧壁和底面,顶壁出现裂缝的概率更高,且容易发生沉降。又如,由于激光测距组件定位在侧壁上,相比于底面和顶壁,侧壁存在双重形变的风险。再如,由于底面输运称重过程中,地表容易产生一些常规变形,但不能算作形变检测的范畴,即容易引入假性形变。
因此,根据具体情况,设置合理的、具有差异性的第一阈值、第二阈值和第三阈值,即,限定不同的形变值的离散程度范围,能够提高对形变情况判断的准确性和可靠性。在具体实施例中,在将激光测距组件设于一个侧壁上的情况下,第一阈值(如7)大于第三阈值(如5),且第三阈值大于第二阈值(如4)。也就是说,判断形变对应的条件为:顶壁形变值的分散程度小于侧壁形变值的分散程度,且侧壁形变值的分散程度小于底面形变值的分散程度。
进一步地,该方法还包括:采集横截面的顶壁的沉降数据;根据沉降数据确定修正值;根据修正值对第一阈值进行修正。
具体地,可以通过沉降传感器采集横截面的顶壁的沉降数据,根据沉降数据确定修正值,并将原第一阈值(如7)与修正值(如1)相加,得到修正后的第一阈值(如8)。
在步骤106,响应于巷道在横截面处发生形变,发送提醒信息。
其中包括:响应于巷道在横截面处发生形变,获取横截面的位置信息;发送包括位置信息的提醒信息。
也就是说,激光测距组件上可以设有定位标签,并可以采用无线或有线网络方式进行通讯。当确定巷道在横截面处发生形变时,能够获取横截面的位置信息,并将包括位置信息的提醒信息发送至信息控制中心。此外,在每个激光测距组件完成对横截面的一次周期性检测后,可以将本次检测数据以一定的数据文件的格式存储,而后自动发送至信息控制中心,或在收到调取指令时发送至信息控制中心。
综上所述,根据本申请实施例的巷道形变检测方法,通过获取横截面的多个初始测距,并通过采集与每个初始测距对应的当前测距,以获得多个当前测距,以及基于多个初始测距和对应的多个当前测距,确定多个形变值,以获取形变峭度值和形变平均值,并响应于顶壁形变峭度值小于第一阈值,或响应于底面形变峭度值小于第二阈值,或响应于侧壁形变峭度值小于第三阈值,且响应于形变平均值小于第四阈值,确定巷道在横截面处发生形变,其中第一阈值、第二阈值和第三阈值分别不相等,以及通过响应于巷道在横截面处发生形变,发送提醒信息。由此,通过对巷道的顶壁、侧壁和底面进行更科学的区别化检测,并结合大量的测量数据和特定的统计方法,能够有效防止检测结果失效,提高了巷道形变检测的准确度和可靠性。
实施例2
图4为本申请一个实施例的激光测距组件结构框图,参考图4所示,巷道形变检测系统包括多个间隔交叉设置在巷道的两个侧壁上的激光测距组件30,每一个所述激光测距组件30,在巷道中形成一个检测形变的横截面,激光测距组件30,包括:第一获取模块31、数据采集模块32、第二获取模块33、确定模块34和提醒模块35。
其中,第一获取模块31,用于获取横截面的多个初始测距;其中多个初始测距,包括多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距。
数据采集模块32,包括可旋转测距的三个激光测距单元(图4中未示出),三个激光测距单元,用于分别测量激光测距组件到巷道的顶壁、侧壁和底面的距离,数据采集模块32用于采集与每个初始测距对应的当前测距,以获得多个当前测距,其中多个当前测距包括多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距。
第二获取模块33,用于基于多个初始测距和对应的多个当前测距,确定多个形变值,以获取形变峭度值和形变平均值;其中,形变平均值包括顶壁形变平均值、底面形变平均值和侧壁形变平均值;形变峭度值包括顶壁形变峭度值、底面形变峭度值和侧壁形变峭度值。
第二获取模块33,具体用于根据多个初始顶壁测距和多个当前顶壁测距,确定多个顶壁形变值;获取多个顶壁形变值的平均值;分别获取多个顶壁形变值与平均值之间的差值,以获得多个差值;根据当前顶壁测距的个数和多个差值,获取顶壁形变峭度值。具体通过以下方式获取顶壁形变峭度值:
其中,K1为顶壁形变峭度值,xi为顶壁形变值,u为多个顶壁形变值的平均值,(xi-u)为顶壁形变值与平均值之间的差值,n为当前顶壁测距的个数,且n≥50。
确定模块34,用于响应于顶壁形变峭度值小于第一阈值,或响应于底面形变峭度值小于第二阈值,或响应于侧壁形变峭度值小于第三阈值,确定巷道在横截面处发生形变,其中第一阈值、第二阈值和第三阈值分别不相等。
本申请实施例中,激光测距组件30包括可旋转测距的三个激光测距单元,每个激光测距单元包括一个激光测距仪和一个驱动激光测距仪转动的电机;三个激光测距单元,用于沿对应横截面,分别采集多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距。
本申请实施例中,图5为本申请另一个实施例的激光测距组件结构框图,参考图5所示,激光测距组件30还包括沉降传感模块36,该沉降传感模块36用于采集横截面的顶壁的沉降数据。在该实施例中,确定模块34还用于根据沉降数据确定修正值,以及根据修正值对第一阈值进行修正。
本申请的实施例中,继续参考图5所示,激光测距组件30还包括定位模块37,用于响应于巷道在横截面处发生形变,获取横截面的位置信息。在该实施例中,提醒模块35具体用于发送包括位置信息的提醒信息。
本申请的实施例中,激光测距组件30还包括除尘模块(图中未示出),用于:在采集多个当前底面测距前,对多个当前底面测距对应的采集区域进行除尘。
实施例3
本申请一个实施例中,还提供了一种设备,设备包括:多个激光测距组件、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行程序时,实现如上所述的巷道形变检测方法。
实施例4
本申请一个实施例中,还提供了一种计算机可读存储介质,该计算机可读存储介质可以是上述实施例中描述的系统中所包含的;也可以是单独存在,而未装配入该系统中。上述计算机可读存储介质承载有一个或者多个计算机指令,当上述一个或者多个计算机指令被执行时,实现上述实施例的巷道形变检测方法的步骤。
本申请的实施例,计算机可读存储介质可以是非易失性的计算机可读存储介质,例如可以包括但不限于:便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本申请中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。
本领域普通技术人员可以理解:以上所述仅为本申请的优选实施例而已,并不用于限制本申请,尽管参照前述实施例对本申请进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (8)
1.一种巷道形变检测方法,包括,
将多个激光测距组件间隔交叉设置在巷道的两个侧壁上,在所述巷道中形成多个用于检测形变的横截面;
获取所述横截面的多个初始测距;其中所述多个初始测距,包括多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距;
采集与每个初始测距对应的当前测距,以获得多个当前测距;其中所述多个当前测距包括多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距;
基于所述多个初始测距和对应的多个当前测距,确定多个形变值,以获取形变峭度值和形变平均值;所述形变平均值,包括顶壁形变平均值、底面形变平均值和侧壁形变平均值;所述形变峭度值,包括顶壁形变峭度值、底面形变峭度值和侧壁形变峭度值;其中所述顶壁形变峭度值通过以下方式获取:
其中,K1为所述顶壁形变峭度值,xi为根据所述初始顶壁测距和所述当前顶壁测距确定的顶壁形变值,u为所述顶壁形变平均值,n为所述顶壁形变值的个数,且n≥50;
响应于所述顶壁形变峭度值小于第一阈值,或响应于所述底面形变峭度值小于第二阈值,或响应于所述侧壁形变峭度值小于第三阈值,且响应于所述形变平均值小于第四阈值,确定所述巷道在所述横截面处发生形变;其中所述第一阈值、所述第二阈值和所述第三阈值分别不相等;
响应于所述巷道在所述横截面处发生形变,发送提醒信息。
2.根据权利要求1所述的巷道形变检测方法,其特征在于,所述第一阈值大于所述第三阈值,且所述第三阈值大于所述第二阈值。
3.根据权利要求1所述的巷道形变检测方法,其特征在于,所述方法还包括:
采集所述横截面的顶壁的沉降数据;
根据所述沉降数据确定修正值;
根据所述修正值对所述第一阈值进行修正。
4.根据权利要求1所述的巷道形变检测方法,其特征在于,所述响应于所述巷道在所述横截面处发生形变,发送提醒信息的步骤,包括:
响应于所述巷道在所述横截面处发生形变,获取所述横截面的位置信息;
发送包括所述位置信息的所述提醒信息。
5.根据权利要求1所述的巷道形变检测方法,其特征在于,在采集所述多个当前底面测距前,对所述多个当前底面测距对应的采集区域进行除尘。
6.一种巷道形变检测系统,其特征在于,包括多个间隔交叉设置在巷道的两个侧壁上的激光测距组件,每一个所述激光测距组件,在巷道中形成一个检测形变的横截面,包括,
第一获取模块,用于获取所述横截面的多个初始测距;其中所述多个初始测距,包括多个初始顶壁测距、多个初始底面测距和多个初始侧壁测距;
数据采集模块,包括可旋转测距的三个激光测距单元;所述三个激光测距单元,用于分别测量所述激光测距组件到所述巷道的顶壁、侧壁和底面的距离;所述数据采集模块,用于采集与每个初始测距对应的当前测距,以获得多个当前测距;其中所述多个当前测距包括多个当前顶壁测距、多个当前底面测距和多个当前侧壁测距;
第二获取模块,用于基于所述多个初始测距和对应的多个当前测距,确定多个形变值,以获取形变峭度值和形变平均值;所述形变平均值,包括顶壁形变平均值、底面形变平均值和侧壁形变平均值;所述形变峭度值,包括顶壁形变峭度值、底面形变峭度值和侧壁形变峭度值;其中所述顶壁形变峭度值通过以下方式获取:
其中,K1为所述顶壁形变峭度值,xi为根据所述初始顶壁测距和所述当前顶壁测距确定的顶壁形变值,u为所述顶壁形变平均值,n为所述顶壁形变值的个数,且n≥50;
确定模块,用于响应于所述顶壁形变峭度值小于第一阈值,或响应于所述底面形变峭度值小于第二阈值,或响应于所述侧壁形变峭度值小于第三阈值,且响应于所述形变平均值小于第四阈值,确定所述巷道在所述横截面处发生形变;其中所述第一阈值、所述第二阈值和所述第三阈值分别不相等;
提醒模块,用于响应于所述巷道在所述横截面处发生形变,发送提醒信息。
7.一种设备,其特征在于,所述设备包括:多个激光测距组件、存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时,实现如权利要求1-5中任一项所述的巷道形变检测方法。
8.一种计算机可读存储介质,其特征在于,其上存储有计算机指令,当计算机指令运行时执行权利要求1-5任一项所述的巷道形变检测方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085835.2A CN115143901B (zh) | 2022-09-06 | 2022-09-06 | 一种巷道形变检测方法、系统、设备及存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211085835.2A CN115143901B (zh) | 2022-09-06 | 2022-09-06 | 一种巷道形变检测方法、系统、设备及存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115143901A true CN115143901A (zh) | 2022-10-04 |
CN115143901B CN115143901B (zh) | 2022-12-09 |
Family
ID=83416475
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211085835.2A Active CN115143901B (zh) | 2022-09-06 | 2022-09-06 | 一种巷道形变检测方法、系统、设备及存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115143901B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103363918A (zh) * | 2013-07-04 | 2013-10-23 | 浙江海洋学院 | 海底隧道变形监测装置 |
CN106225682A (zh) * | 2016-08-03 | 2016-12-14 | 西安敏文测控科技有限公司 | 用于大型结构物本体垂直位移和地表沉降的测量装置及方法 |
CN109458984A (zh) * | 2018-12-12 | 2019-03-12 | 中交第二航务工程局有限公司 | 隧道变形实时监测装置及方法 |
CN110411361A (zh) * | 2019-05-15 | 2019-11-05 | 首都师范大学 | 一种移动隧道激光检测数据处理方法 |
CN111504261A (zh) * | 2020-03-09 | 2020-08-07 | 大连海事大学 | 一种具有参数识别功能的隧道三维自动化激光测距装置 |
CN112964188A (zh) * | 2021-02-07 | 2021-06-15 | 中国人民解放军军事科学院国防工程研究院工程防护研究所 | 一种提高施工期隧道形变激光自动测量精度的方法 |
-
2022
- 2022-09-06 CN CN202211085835.2A patent/CN115143901B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103363918A (zh) * | 2013-07-04 | 2013-10-23 | 浙江海洋学院 | 海底隧道变形监测装置 |
CN106225682A (zh) * | 2016-08-03 | 2016-12-14 | 西安敏文测控科技有限公司 | 用于大型结构物本体垂直位移和地表沉降的测量装置及方法 |
CN109458984A (zh) * | 2018-12-12 | 2019-03-12 | 中交第二航务工程局有限公司 | 隧道变形实时监测装置及方法 |
CN110411361A (zh) * | 2019-05-15 | 2019-11-05 | 首都师范大学 | 一种移动隧道激光检测数据处理方法 |
CN111504261A (zh) * | 2020-03-09 | 2020-08-07 | 大连海事大学 | 一种具有参数识别功能的隧道三维自动化激光测距装置 |
CN112964188A (zh) * | 2021-02-07 | 2021-06-15 | 中国人民解放军军事科学院国防工程研究院工程防护研究所 | 一种提高施工期隧道形变激光自动测量精度的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115143901B (zh) | 2022-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20170255203A1 (en) | Method and apparatus for simultaneous localization and mapping of mobile robot environment | |
US11827228B2 (en) | Road abnormality detection apparatus, road abnormality detection method and road abnormality detection program | |
KR101516264B1 (ko) | 레이저 센서를 이용한 타이어 상태 감지 장치 및 방법 | |
CN116522270B (zh) | 用于智慧海绵城市的数据处理系统 | |
CN114241215B (zh) | 一种桥梁表观裂缝非接触式检测方法及系统 | |
CN112924955B (zh) | 一种路侧激光雷达点云坐标动态修正方法 | |
CN112147638A (zh) | 基于激光点云反射强度的地面信息获取方法、装置和系统 | |
CN115900838A (zh) | 一种边坡预警方法、系统、计算机设备及可读存储介质 | |
CN115143901B (zh) | 一种巷道形变检测方法、系统、设备及存储介质 | |
CN116697923B (zh) | 一种铁路隧道变形全自动监测方法及装置 | |
CN112162294B (zh) | 一种基于激光传感器的机器人结构检测方法 | |
CN112505704A (zh) | 提高列车自主智能感知系统安全性的方法及列车 | |
CN115542312B (zh) | 多传感器关联方法及装置 | |
CN115685127A (zh) | 一种基于点云数据分析目标物沉降风险的方法及装置 | |
CN112950986B (zh) | 停车场车位状态检测方法、车位探测器 | |
CN112781556A (zh) | 一种基于多数据融合滤波的井盖异动监测方法和装置 | |
JP2001202596A (ja) | 駐車検出装置 | |
CN113074651A (zh) | 单路激光测距隧道变形监测系统及方法 | |
JP5631120B2 (ja) | 物体検知システム及び方法 | |
CN109389643B (zh) | 车位主方向判断方法、系统以及存储介质 | |
CN109726677B (zh) | 轮轴识别方法、装置及可读存储介质 | |
CN116906837B (zh) | 地下管线的状态监测系统及监测方法 | |
CN109064417A (zh) | 地铁隧道图像处理方法及装置 | |
CN117218549B (zh) | 一种公路桥梁的状态评估方法及系统 | |
CN117437229B (zh) | 基于图像分析高强阻燃转弯输送带缺陷检测方法 |
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 |