CN115691084A - 一种多源异构传感器数据融合的边坡安全监测方法及装置 - Google Patents
一种多源异构传感器数据融合的边坡安全监测方法及装置 Download PDFInfo
- Publication number
- CN115691084A CN115691084A CN202211344072.9A CN202211344072A CN115691084A CN 115691084 A CN115691084 A CN 115691084A CN 202211344072 A CN202211344072 A CN 202211344072A CN 115691084 A CN115691084 A CN 115691084A
- Authority
- CN
- China
- Prior art keywords
- source heterogeneous
- slope
- stability
- side slope
- grade
- 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.)
- Pending
Links
Images
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
- Pit Excavations, Shoring, Fill Or Stabilisation Of Slopes (AREA)
Abstract
本发明公开了一种多源异构传感器数据融合的边坡安全监测方法及装置,包括以下步骤:步骤1:根据预监测边坡设计多源异构传感器的数量和类型,以及布设位置;步骤2:将多源异构传感器布设于边坡的对应位置,将多源异构传感器与数据传输模块连接,数据传输模块与控制中心模块无线连接;步骤3:数据传输模块将多源异构传感器采集的环境参数传输给控制中心模块,控制中心模块进行数据融合分析;步骤4:对边坡的稳定性等级做出判断,当边坡处于较不稳定或不稳定状态时及时发出预警。
Description
技术领域
本发明属于边坡监测技术领域,具体涉及一种多源异构传感器数据融合的边坡安全监测方法及装置。
背景技术
我国幅员辽阔,工程建设规模庞大,公路、铁路、水利、城建等工程建设形成大量边坡,在建设和运营中边坡的稳定性预警问题是该领域关注的重点。边坡在施工过程中对岩土体开挖、填筑均可能打破原有平衡,运营过程中边坡受降雨、地震等自然因素影响其稳定状态也在动态变化。边坡一旦失稳,不仅给工程建设增加了难度,给施工人员的人身安全和财产安全造成极大威胁,在运营中更会造成巨大损失。根据近几年统计,我国每年因边坡滑坡、垮塌等灾害造成的直接经济损失约数十亿元,人员伤亡给家庭和社会带来的损失不可计量。
边坡自动化监测是采用不同的传感器采集边坡的变形、应力、振动、含水率等物理力学参数,当边坡出现不稳定性状态时系统依照预先设定预警条件发出预警信息,同时采取应急措施,避免或减少损失。
目前在边坡监测过程中,通常采用单一种类传感器对其形变过程进行监测,但是单一种类传感器不能准确的反应边坡形变情况,容易造成误判,在边坡监测中采用单一种类传感器对其形变过程进行监测已不能满足要求。
另外,传统的边坡监测系统中采用GPRS作为无线通讯手段,将传感器采集的参数通过GPRS传输到云平台,专家通过云平台对参数进行分析,得出结论后再下发给边坡监测现场的报警器。边坡灾害的预警时间通常在1分钟左右,使用GPRS将环境参数发送给云平台,再由专家做出决策所需的时间较长,不能对边坡进行实时预警。
因此边坡监测技术中最关键的“多源数据融合、预警条件设置”,目前还处在经验积累阶段,预警信息错误也会带来不必要的防灾投入,预警信息滞后更可能使应急不及时、不能避免损失,也就使监测预警失效。因此建立有效的多源异构传感器综合监测系统、提取边坡监测的多场特征信息、进行多场信息融合处理和决策分析对边坡进行监测预警很有必要。
发明内容
本发明的目的在于克服上述现有技术的不足,提供一种多源异构传感器数据融合的边坡安全监测方法及装置。
本发明公开了一种多源异构传感器数据融合的边坡安全监测方法,包括以下步骤:
步骤1:根据预监测边坡设计多源异构传感器的数量和类型,以及布设位置;
步骤2:将多源异构传感器布设于边坡的对应位置,将多源异构传感器与数据传输模块连接,数据传输模块与控制中心模块无线连接;
步骤3:数据传输模块将多源异构传感器采集的环境参数传输给控制中心模块,控制中心模块进行数据融合分析;
步骤4:对边坡的稳定性等级做出判断,当边坡处于较不稳定或不稳定状态时及时发出预警。
优选的,所述步骤1具体为:所述多源异构传感器的数量与边坡的尺寸成正比,多源异构传感器的类型与边坡的裂缝和变形相关,所述多源异构传感器包括位移计、倾角计和振动传感器,所述位移计布设于边坡的一级平台和二级平台坡面处,位移计采集的参数用于观测边坡裂缝变化,为边坡的形变过程提供数据支撑;所述倾角计被悬停或固定在边坡内部或表面,倾角计采集的参数用于观测边坡滑体角度变化,为边坡的形变方向和形变大小提供数据支撑;所述振动传感器安装在边坡防护网的拉绳上,振动传感器采集的谐振频率用于计算拉绳所受到的冲击力,根据冲击力的大小来判断防护网是否受到破坏,进而推断边坡的形变状态。
优选的,所述步骤3中控制中心模块设置有数据融合分析模块,数据融合分析模块用于将多源异构传感器采集的环境参数进行数据融合分析,数据融合分析包括以下步骤:
步骤3-1:确定稳定性等级标准;
步骤3-2:生成基本概率指派;
步骤3-3:证据融合和输出结果。
优选的,所述步骤3-1中确定稳定性等级标准具体为:将边坡稳定性等级分为五个等级,分别为I,II,III,IV,V,稳定性等级I级对应的预警等级为无预警,稳定性等级II级对应的预警等级为蓝色预警,稳定性等级III级对应的预警等级为黄色预警,稳定性等级IV级对应的预警等级为橙色预警,稳定性等级V级对应的预警等级为红色预警,所述稳定性等级的表达式为:
A={I,II,III,IV,V}
其中A为边坡稳定性等级。
优选的,所述步骤3-2中生成基本概率指派具体为:根据环境和经验确定多源异构传感器监测指标,即在每个稳定性等级的上限值和下限值,利用该上限值和下限值得到多源异构传感器在每个稳定性等级区间的平均值,将该上限值和下限值与多源异构传感器的实测值进行对比,形成多源异构传感器在每个稳定性等级的概率指派,并形成概率指派表,概率指派表达式为:
c=(a1-a2)/δ
式中:
m(A)为多源异构传感器在每个稳定性等级的概率指派;
x为多源异构传感器的实测值;
a1,a2分别为某稳定性等级区间内的上限值和下限值;
δ为方差。
优选的,所述各个稳定性等级的概率指派表达式为:
式中:
优选的,所述步骤3-3中证据融合是将某一稳定性等级区间内的多源异构传感器的概率指派进行融合,其融合表达式为:
式中:
M(A)为某一稳定性等级区间内的多源异构传感器的概率;
k表示冲突因子;
A表示边坡稳定性等级I、II、III、IV、V;
将得到的多个稳定性等级区间内的多源异构传感器的概率整合成稳定性等级向量,并输出结果,其表达式为:
M=[M(AI),M(AII),M(AIII),M(AIV),M(AV)]
优选的,所述步骤4具体为:当输出的稳定性等级向量中的M(AIV)大于0.5时,则需要发出橙色预警,提醒管理部门组织现场临时撤离,并启动相应等级预案;当输出的稳定性等级向量中的M(AV)大于0.5时,发出红色预警,交通管制,居民疏散,并采取其他防护措施。
优选的,一种多源异构传感器数据融合的边坡安全监测装置,用于上述任一项所述的一种多源异构传感器数据融合的边坡安全监测方法,所述监测装置包括多源异构传感器、数据传输模块和控制中心模块,多源异构传感器连接数据传输模块,数据传输模块与控制中心模块无线连接;
所述多源异构传感器包括位移计、倾角计或振动传感器,位移计、倾角计和振动传感器分别安装于边坡不同位置,所述位移计布设于边坡的一级平台和二级平台坡面处,所述倾角计被悬停或固定在边坡内部或表面,所述振动传感器安装在边坡防护网的拉绳上,监测边坡形变发生后对防护网拉绳产生冲击后的振动;
所述位移计包括拉线式位移计、沉降式位移计或裂缝式位移计,测量精度≤0.1mm,所述倾角计的分辨率为0.01°;
所述数据传输模块为zigbee无线通讯模块,zigbee无线通讯模块包括无线网关节点和多个终端节点,多个终端节点的数量与多源异构传感器的数量相同,多个终端节点分别与位移计、倾角计或振动传感器连接,多个终端节点还分别连接无线网关节点,无线网关节点与控制中心模块无线连接。
优选的,还包括预警信息发布模块,预警信息发布模块与控制中心模块连接,控制中心模块距离边坡的距离为10m~3000m。
与现有技术相比,本发明的优点在于:
(1)本发明公开了一种多源异构传感器数据融合的边坡安全监测装置,使用多源异构传感器对边坡形变过程进行多角度、多类型的测量,并通过zigbee无线通讯模块将采集到的边坡数据无线传输给控制中心模块,控制中心模块对数据进行融合,对边坡的稳定性进行监测和预警,预警信息准确,预警信息发布及时,避免不必要的损失;
(2)本发明公开了一种多源异构传感器数据融合的边坡安全监测方法,使用多源异构传感器对边坡形变过程进行多角度、多类型的测量,将采集到的边坡数据无线传输给控制中心模块,控制中心模块设置有数据融合分析模块,数据融合分析模块采用D-S证据理论对多源异构传感器的环境数据进行融合分析,有效降低因单个传感器的不确定性造成对边坡状态误判的概率,提高预警信息的准确性;
(3)本发明控制中心模块距离边坡的距离为10m~3000m,即在边坡监测现场设置控制中心模块,控制中心模块与zigbee无线通讯模块的无线网关节点相连,控制中心模块收到环境参数后使用数据融合分析模块对参数进行融合分析,得出结论后可实时发出预警信息,预警信息发布及时;
(4)本发明数据融合分析模块包括确定稳定性等级标准、生成基本概率指派和证据融合,先确定边坡稳定性等级,接着根据环境和经验确定多源异构传感器在每个稳定性等级的上限值和下限值,利用该上限值和下限值得到多源异构传感器在每个稳定性等级区间的平均值,将该上限值和下限值与多源异构传感器的实测值进行对比,形成多源异构传感器在每个稳定性等级的概率指派,将某一稳定性等级区间内的多源异构传感器的概率指派进行融合,将得到的多个稳定性等级区间内的多源异构传感器的概率整合成稳定性等级向量,当稳定性等级向量中的M(AIV)或M(AV)大于0.5时,需要及时发出预警,该监测方法合理,数据可靠性高,预警信息准确。
附图说明
图1是本发明一种多源异构传感器数据融合的边坡安全监测装置的布设图。
图2是本发明基于D-S证据理论的多源异构传感器数据融合过程。
图3是本发明各个稳定性等级的概率分布曲线图。
图4是本发明一种多源异构传感器数据融合的边坡安全监测装置在实际应用场景中的布设图。
具体实施方式
下面结合实施例描述本发明具体实施方式:
需要说明的是,本说明书所示意的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
实施例1
本发明公开了一种多源异构传感器数据融合的边坡安全监测方法,包括以下步骤:
步骤1:根据预监测边坡设计多源异构传感器的数量和类型,以及布设位置;
步骤2:将多源异构传感器布设于边坡的对应位置,将多源异构传感器与数据传输模块连接,数据传输模块与控制中心模块无线连接;
步骤3:数据传输模块将多源异构传感器采集的环境参数传输给控制中心模块,控制中心模块进行数据融合分析;
步骤4:对边坡的稳定性等级做出判断,当边坡处于较不稳定或不稳定状态时及时发出预警。
实施例2
优选的,所述步骤1具体为:所述多源异构传感器的数量与边坡的尺寸成正比,多源异构传感器的类型与边坡的裂缝和变形相关,所述多源异构传感器包括位移计、倾角计和振动传感器,所述位移计布设于边坡的一级平台和二级平台坡面处,位移计采集的参数用于观测边坡裂缝变化,为边坡的形变过程提供数据支撑;所述倾角计被悬停或固定在边坡内部或表面,倾角计采集的参数用于观测边坡滑体角度变化,为边坡的形变方向和形变大小提供数据支撑;所述振动传感器安装在边坡防护网的拉绳上,振动传感器采集的谐振频率用于计算拉绳所受到的冲击力,根据冲击力的大小来判断防护网是否受到破坏,进而推断边坡的形变状态。
通常,在300m的边坡上布设的传感器个数通常在15个左右。
实施例3
如图2所示,为基于D-S证据理论的多源异构传感器数据融合过程。
优选的,所述步骤3中控制中心模块设置有数据融合分析模块,数据融合分析模块用于将多源异构传感器采集的环境参数进行数据融合分析,数据融合分析包括以下步骤:
步骤3-1:确定稳定性等级标准;
步骤3-2:生成基本概率指派;
步骤3-3:证据融合和输出结果。
本发明使用多源异构传感器对边坡形变过程进行多角度、多类型的测量,并且每个类型传感器为多个,需要采用人工智能算法对多源异构传感器采集的信息进行融合处理,为边坡的当前状态评估和预警提供技术支持。D-S证据理论在表达随机不确定性、主观不确定性信息方面的优势十分明显,对边坡监测的多源异构传感器数据融合分析处理,从而有效降低因单个传感器的不确定性造成对边坡状态误判的概率。
优选的,所述步骤3-1中确定稳定性等级标准具体为:将边坡稳定性等级分为五个等级,分别为I,II,III,IV,V,稳定性等级I级对应的预警等级为无预警,稳定性等级II级对应的预警等级为蓝色预警,稳定性等级III级对应的预警等级为黄色预警,稳定性等级IV级对应的预警等级为橙色预警,稳定性等级V级对应的预警等级为红色预警,所述稳定性等级的表达式为,边坡稳定性等级评价标准见表1:
A={I,II,III,IV,V}
其中A为边坡稳定性等级。
表1边坡稳定性等级评价标准
优选的,所述步骤3-2中生成基本概率指派具体为:根据环境和经验确定多源异构传感器监测指标,即在每个稳定性等级的上限值和下限值,利用该上限值和下限值得到多源异构传感器在每个稳定性等级区间的平均值,将该上限值和下限值与多源异构传感器的实测值进行对比,形成多源异构传感器在每个稳定性等级的概率指派,并形成概率指派表,概率指派表达式为:
c=(a1-a2)/δ
式中:
m(A)为多源异构传感器在每个稳定性等级的概率指派;
x为多源异构传感器的实测值;
a1,a2分别为某稳定性等级区间内的上限值和下限值;
δ为方差。
具体推算过程如下:
在D-S证据理论中,m(A)被称为质量函数,它是集合2Θ到[0,1]之间的映射,满足以下约束条件
其中,A为识别框架Θ的子集,在本发明中A分别表示边坡稳定性等级I,II,III,IV,V;m(A)为A的质量函数,表示证据支持A的程度,在本文中m(A)表示多源异构传感器在每个稳定性等级的概率指派。
在本发明中涉及到位移计、倾角计、振动传感器三种类型的传感器,不同环境下传感器采集的参数对边坡的形变状态反映会有所不同。例如,安装在高速公路边坡上的振动传感器受重型卡车影响,振幅和振频都很大,但并不能反映此时边坡有滑坡的风险。安装在河道边的振动传感器振幅和振频突然变大很有可能就是滑坡的前兆。因此,不同环境下不同传感器的概率指派都需要专家综合专业知识和环境因素进行确定。位移计传感器采集边坡的地表位移,地表位移越大表明边坡当前的稳定性越差,反之则越稳定;倾角计采集边坡表面倾斜角度变化,角度变化越大,边坡越不稳定;振动传感器采集边坡的加速度,该值越大表明边坡越不稳定。
传感器将采集的参数通过数据传输模块发送到控制中心模块后,控制中心对这些参数进行预处理后,进行D-S证据理论中的概率指派获得概率指派表,该表中的等级划分根据设计或专业分析计算获得,实操中由具备工程经验的专家制定,也可以根据一定阶段实际监测数据方差确定,如表2所示。该表中地表位移传感器一般有多个,每个传感器均应建立相应的分级标准,表2列出了2个位移传感器、2个倾角传感器、1个加速度传感器,类似的其他类型传感器也可有多个,以相同方式建立指派表。
表2多源异构传感器数据基本概率指派表
概率指派过程中,专家不需要对每个值进行指派,只需要对指派表中的异常值进行调整。本发明在BAP过程中,假设传感器在固定周期内采集的参数服从正态分布,记为:X~(μ,σ2),其中μ和δ分别是期望和方差,并满足P(μ-3δ<X<μ+3δ)=0.9974。在此基础上,我们使用正态函数作为概率指派表达式:
c=(a1-a2)/δ
实施例4
优选的,所述各个稳定性等级的概率指派表达式为:
式中:
各个稳定性等级的概率分布如图3所示,每个等级交点处的隶属度值为0.5。
实施例6
根据表2,传感器1位移计对边坡进行监测采集的数据形成对边坡稳定性判定的第一条证据链E1:m1(I)=a1,m1(II)=b1,m1(III)=c1,m1(IV)=d1,m1(V)=e1;类似的,传感器2采集到的数据通过BPA之后对边坡稳定性判定形成第二条证据链E2:m2(I)=a2,m2(II)=b2,m2(III)=c2,m2(IV)=d2,m2(V)=e2;同理,传感器3采集到的数据通过BPA之后对边坡稳定性判定形成第三条证据链E3:m3(I)=a3,m3(II)=b3,m3(III)=c3,m3(IV)=d3,m3(V)=e3。依次类推,传感器越多,从多个角度对边坡稳定性等级的监测越准确,根据D-S证据理论中的Dempster合成规则,得到本发明涉及的多源异构传感器数据融合表达式。
优选的,所述步骤3-3中证据融合是将某一稳定性等级区间内的多源异构传感器的概率指派进行融合,其融合表达式为:
式中:
M(A)为某一稳定性等级区间内的多源异构传感器的概率;
k表示冲突因子;
A表示边坡稳定性等级I、II、III、IV、V;
将得到的多个稳定性等级区间内的多源异构传感器的概率整合成稳定性等级向量,并输出结果,其表达式为:
M=[M(AI),M(AII),M(AIII),M(AIV),M(AV)]
优选的,所述步骤4具体为:当输出的稳定性等级向量中的M(AIV)大于0.5时,则需要发出橙色预警,提醒管理部门组织现场临时撤离,并启动相应等级预案;当输出的稳定性等级向量中的M(AV)大于0.5时,发出红色预警,交通管制,居民疏散,并采取其他防护措施。
实施例7
优选的,一种多源异构传感器数据融合的边坡安全监测装置,用于上述的一种多源异构传感器数据融合的边坡安全监测方法,所述监测装置包括多源异构传感器、数据传输模块和控制中心模块,多源异构传感器连接数据传输模块,数据传输模块与控制中心模块无线连接;
所述多源异构传感器包括位移计、倾角计或振动传感器,位移计、倾角计和振动传感器分别安装于边坡不同位置,所述位移计布设于边坡的一级平台和二级平台坡面处,所述倾角计被悬停或固定在边坡内部或表面,所述振动传感器安装在边坡防护网的拉绳上,监测边坡形变发生后对防护网拉绳产生冲击后的振动;
所述位移计包括拉线式位移计、沉降式位移计或裂缝式位移计,测量精度≤0.1mm,将位移计布设于边坡变形可能较大的部位,或沿边坡监测断面上中下分别布设,布设数据根据边坡规模增减,为掌握边坡的形变过程提供数据支撑。
所述倾角计用以测量固定点一个或三个方向倾角变化的一类传感器,其分辨率为0.01°,通过倾角计采集的参数观测边坡表面角度变化,为边坡的形变方向和形变大小提供数据支撑;
所述数据传输模块为zigbee无线通讯模块,zigbee无线通讯模块包括无线网关节点和多个终端节点,多个终端节点的数量与多源异构传感器的数量相同,多个终端节点分别与位移计、倾角计或振动传感器连接,多个终端节点还分别连接无线网关节点,无线网关节点与控制中心模块无线连接。
优选的,还包括预警信息发布模块,预警信息发布模块与控制中心模块连接,控制中心模块距离边坡的距离为10m~3000m,控制中心模块布设于边坡下侧或者附近。
实施例8
以陕西省宝鸡市某边坡监测为例,传感器在边坡上的布设情况如图4所示。将本文构建的D-S证据理论框架应用在该边坡监测预警中,根据行业标准、边坡所处环境和专家经验,将4个传感器的常规监测量作为监测指标,其参数范围如表3所示:
表3某边坡各传感器监测指标分级表
表4宝鸡某边坡基本概率指派表
获得基本概率指派表以后,采用融合表达式对各指标进行融合,可获得边坡稳定性等级向量(0.012,0.000,0.310,0.528,0.150)。
根据稳定性等级向量,M(AIV)为0.528,大于0.5,我们可以推断出该边坡目前处较不稳定状态,需要发出橙色预警,相关部门启动了现场二级应急预案,避免了损失。
本发明的原理如下:
如图1所示,本发明公开了一种多源异构传感器数据融合的边坡安全监测方法和装置,该装置对边坡进行全面监测过程中所用到的传感器包括位移计、倾角计、振动传感器等,它们对边坡的不同状态信息进行采集,采用物联网技术,可将多个传感器采集到的数据无线传输到位于安全区域的控制中心模块,控制中心模块上述算法对接收的多源异构传感器数据进行处理、分析和融合,并自动启动警报器和发送预警信息,实现对边坡智能化监测和预警。
本发明公开了一种多源异构传感器数据融合的边坡安全监测装置,使用多源异构传感器对边坡形变过程进行多角度、多类型的测量,并通过zigbee无线通讯模块将采集到的边坡数据无线传输给控制中心模块,控制中心模块对数据进行融合,对边坡的稳定性进行监测和预警,预警信息准确,预警信息发布及时,避免不必要的损失。
本发明公开了一种多源异构传感器数据融合的边坡安全监测方法,使用多源异构传感器对边坡形变过程进行多角度、多类型的测量,将采集到的边坡数据无线传输给控制中心模块,控制中心模块设置有数据融合分析模块,数据融合分析模块采用D-S证据理论对多源异构传感器的环境数据进行融合分析,有效降低因单个传感器的不确定性造成对边坡状态误判的概率,提高预警信息的准确性。
本发明控制中心模块距离边坡的距离为10m~3000m,即在边坡监测现场设置控制中心模块,控制中心模块与zigbee无线通讯模块的无线网关节点相连,控制中心模块收到环境参数后使用数据融合分析模块对参数进行融合分析,得出结论后可实时发出预警信息,预警信息发布及时。
本发明数据融合分析模块包括确定稳定性等级标准、生成基本概率指派和证据融合,先确定边坡稳定性等级,接着根据环境和经验确定多源异构传感器在每个稳定性等级的上限值和下限值,利用该上限值和下限值得到多源异构传感器在每个稳定性等级区间的平均值,将该上限值和下限值与多源异构传感器的实测值进行对比,形成多源异构传感器在每个稳定性等级的概率指派,将某一稳定性等级区间内的多源异构传感器的概率指派进行融合,将得到的多个稳定性等级区间内的多源异构传感器的概率整合成稳定性等级向量,当稳定性等级向量中的M(AIV)或M(AV)大于0.5时,需要及时发出预警,该监测方法合理,数据可靠性高,预警信息准确。
上面对本发明优选实施方式作了详细说明,但是本发明不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
不脱离本发明的构思和范围可以做出许多其他改变和改型。应当理解,本发明不限于特定的实施方式,本发明的范围由所附权利要求限定。
Claims (10)
1.一种多源异构传感器数据融合的边坡安全监测方法,其特征在于,包括以下步骤:
步骤1:根据预监测边坡设计多源异构传感器的数量和类型,以及布设位置;
步骤2:将多源异构传感器布设于边坡的对应位置,将多源异构传感器与数据传输模块连接,数据传输模块与控制中心模块无线连接;
步骤3:数据传输模块将多源异构传感器采集的环境参数传输给控制中心模块,控制中心模块进行数据融合分析;
步骤4:对边坡的稳定性等级做出判断,当边坡处于较不稳定或不稳定状态时及时发出预警。
2.根据权利要求1所述的一种多源异构传感器数据融合的边坡安全监测方法,其特征在于,所述步骤1具体为:所述多源异构传感器的数量与边坡的尺寸成正比,多源异构传感器的类型与边坡的裂缝和变形相关,所述多源异构传感器包括位移计、倾角计和振动传感器,所述位移计布设于边坡的一级平台和二级平台坡面处,位移计采集的参数用于观测边坡裂缝变化,为边坡的形变过程提供数据支撑;所述倾角计被悬停或固定在边坡内部或表面,倾角计采集的参数用于观测边坡滑体角度变化,为边坡的形变方向和形变大小提供数据支撑;所述振动传感器安装在边坡防护网的拉绳上,振动传感器采集的谐振频率用于计算拉绳所受到的冲击力,根据冲击力的大小来判断防护网是否受到破坏,进而推断边坡的形变状态。
3.根据权利要求1所述的一种多源异构传感器数据融合的边坡安全监测方法,其特征在于,所述步骤3中控制中心模块设置有数据融合分析模块,数据融合分析模块用于将多源异构传感器采集的环境参数进行数据融合分析,数据融合分析包括以下步骤:
步骤3-1:确定稳定性等级标准;
步骤3-2:生成基本概率指派;
步骤3-3:证据融合和输出结果。
4.根据权利要求3所述的一种多源异构传感器数据融合的边坡安全监测方法,其特征在于,所述步骤3-1中确定稳定性等级标准具体为:将边坡稳定性等级分为五个等级,分别为I,II,III,IV,V,稳定性等级I级对应的预警等级为无预警,稳定性等级II级对应的预警等级为蓝色预警,稳定性等级III级对应的预警等级为黄色预警,稳定性等级IV级对应的预警等级为橙色预警,稳定性等级V级对应的预警等级为红色预警,所述稳定性等级的表达式为:
A={I,II,III,IV,V}
其中A为边坡稳定性等级。
5.根据权利要求3所述的一种多源异构传感器数据融合的边坡安全监测方法,其特征在于,所述步骤3-2中生成基本概率指派具体为:根据环境和经验确定多源异构传感器监测指标,即在每个稳定性等级的上限值和下限值,利用该上限值和下限值得到多源异构传感器在每个稳定性等级区间的平均值,将该上限值和下限值与多源异构传感器的实测值进行对比,形成多源异构传感器在每个稳定性等级的概率指派,并形成概率指派表,概率指派表达式为:
c=(a1-a2)/δ
式中:
m(A)为多源异构传感器在每个稳定性等级的概率指派;
x为多源异构传感器的实测值;
a1,a2分别为某稳定性等级区间内的上限值和下限值;
δ为方差。
8.根据权利要求7所述的一种多源异构传感器数据融合的边坡安全监测方法,其特征在于,所述步骤4具体为:当输出的稳定性等级向量中的M(AIV)大于0.5时,则需要发出橙色预警,提醒管理部门组织现场临时撤离,并启动相应等级预案;当输出的稳定性等级向量中的M(AV)大于0.5时,发出红色预警,交通管制,居民疏散,并采取其他防护措施。
9.一种多源异构传感器数据融合的边坡安全监测装置,其特征在于:用于权利要求1~8任一项所述的一种多源异构传感器数据融合的边坡安全监测方法,所述监测装置包括多源异构传感器、数据传输模块和控制中心模块,多源异构传感器连接数据传输模块,数据传输模块与控制中心模块无线连接;
所述多源异构传感器包括位移计、倾角计或振动传感器,位移计、倾角计和振动传感器分别安装于边坡不同位置,所述位移计布设于边坡的一级平台和二级平台坡面处,所述倾角计被悬停或固定在边坡内部或表面,所述振动传感器安装在边坡防护网的拉绳上,监测边坡形变发生后对防护网拉绳产生冲击后的振动;
所述位移计包括拉线式位移计、沉降式位移计或裂缝式位移计,测量精度≤0.1mm,所述倾角计的分辨率为0.01°;
所述数据传输模块为zigbee无线通讯模块,zigbee无线通讯模块包括无线网关节点和多个终端节点,多个终端节点的数量与多源异构传感器的数量相同,多个终端节点分别与位移计、倾角计或振动传感器连接,多个终端节点还分别连接无线网关节点,无线网关节点与控制中心模块无线连接。
10.根据权利要求9所述的一种多源异构传感器数据融合的边坡安全监测装置,其特征在于:还包括预警信息发布模块,预警信息发布模块与控制中心模块连接,控制中心模块距离边坡的距离为10m~3000m。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211344072.9A CN115691084A (zh) | 2022-10-31 | 2022-10-31 | 一种多源异构传感器数据融合的边坡安全监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211344072.9A CN115691084A (zh) | 2022-10-31 | 2022-10-31 | 一种多源异构传感器数据融合的边坡安全监测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115691084A true CN115691084A (zh) | 2023-02-03 |
Family
ID=85045936
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211344072.9A Pending CN115691084A (zh) | 2022-10-31 | 2022-10-31 | 一种多源异构传感器数据融合的边坡安全监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115691084A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117116024A (zh) * | 2023-10-19 | 2023-11-24 | 深圳市爱华勘测工程有限公司 | 地质灾害监测预警系统、方法、计算机介质和计算机 |
CN117409542A (zh) * | 2023-10-19 | 2024-01-16 | 中煤科工集团南京设计研究院有限公司 | 基于多源数据协同的露天矿边坡自动化监测预警系统 |
CN118280092A (zh) * | 2024-06-04 | 2024-07-02 | 中铁四局集团有限公司 | 地震作用下堆积体边坡失稳预警方法、系统、设备及介质 |
-
2022
- 2022-10-31 CN CN202211344072.9A patent/CN115691084A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117116024A (zh) * | 2023-10-19 | 2023-11-24 | 深圳市爱华勘测工程有限公司 | 地质灾害监测预警系统、方法、计算机介质和计算机 |
CN117116024B (zh) * | 2023-10-19 | 2023-12-26 | 深圳市爱华勘测工程有限公司 | 地质灾害监测预警系统、方法、计算机介质和计算机 |
CN117409542A (zh) * | 2023-10-19 | 2024-01-16 | 中煤科工集团南京设计研究院有限公司 | 基于多源数据协同的露天矿边坡自动化监测预警系统 |
CN118280092A (zh) * | 2024-06-04 | 2024-07-02 | 中铁四局集团有限公司 | 地震作用下堆积体边坡失稳预警方法、系统、设备及介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115691084A (zh) | 一种多源异构传感器数据融合的边坡安全监测方法及装置 | |
CN106840049B (zh) | 基于内置三轴加速传感器智能手机的路面质量评级方法 | |
CN109883388B (zh) | 道路桥梁沉降变形实时预警监测系统及其监测方法 | |
CN108573601B (zh) | 一种基于wim数据的交通安全风险场构建方法 | |
CN114005278B (zh) | 一种高速公路基础设施群智能监测与预警系统及方法 | |
CN115325928B (zh) | 一种基于北斗通信的滑坡地表裂缝综合监测系统 | |
CN113255188B (zh) | 一种基于事故树的桥梁安全预警方法及系统 | |
CN112305641B (zh) | 一种高速公路交通安全气象物联网监测预警系统 | |
CN114495429A (zh) | 一种崩塌灾害早期预警方法及系统 | |
CN101706993A (zh) | 道路应急疏散能力指标体系的计算方法及系统 | |
CN108205874A (zh) | 基于多参数联动的地质灾害预警方法、现场主控站及系统 | |
CN109002622A (zh) | 一种随机车流作用下大跨径桥梁总体荷载响应估算方法 | |
CN113935090B (zh) | 一种用于桥梁车致疲劳分析的随机车流精细模拟方法 | |
CN113295312A (zh) | 基于bim的桥梁施工应力检测方法及系统 | |
CN116824807B (zh) | 多灾害预警报警方法及系统 | |
CN116934262B (zh) | 一种基于人工智能的施工安全监管系统及方法 | |
CN112859710A (zh) | 基于人工智能和物联网的矿山地质安全在线实时监测预警云平台 | |
CN116029555B (zh) | 基于轻量化神经网络的桥梁风险识别预警系统及应用方法 | |
CN109459094B (zh) | 基于十轴传感器的格栅位移测试系统及方法 | |
CN109781044A (zh) | 边坡失稳的综合逐渐逼近预警方法 | |
CN112380599A (zh) | 一种基于大数据分析的桥梁智能在线监测预警系统 | |
CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
CN114495428A (zh) | 一种滑坡灾害早期预警方法及系统 | |
CN116258399A (zh) | 基于多源信息-模糊层次分析的斜拉桥安全评估方法 | |
CN115330203A (zh) | 一种基于博弈证据网络的液化天然气储罐健康状态评估方法 |
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 |