CN116086366A - 一种基于北斗定位的输电铁塔结构形变监测评估解算算法 - Google Patents

Abstract

本发明公开了一种基于北斗的输电铁塔结构形变监测评估解算算法，属于北斗定位技术领域。该算法实现的步骤如下：步骤一：通过求解四元非线性方程组获得伪距观测方程；步骤二：对伪距观测方程线性化，组建双差观测方程，获取式中状态转移矩阵和系统噪声向量；步骤三：由标准卡尔曼滤波方法获取当前状态估计值；步骤四：根据实际情况对预报向量进行误差补偿修正。本发明的算法简单灵活、时间实时性好、降低了各种误差对计算结果的影响，实现了对建筑物更加精准地位置定位。

Description

一种基于北斗定位的输电铁塔结构形变监测评估解算算法

技术领域

本发明涉及北斗定位技术领域，具体涉及一种适用于基础设施结构变形监测的北斗定位解算方法。

背景技术

2007年，联合国将美国GPS、中国北斗、俄罗斯格洛纳斯、欧盟伽利略确定为全球四大导航系统。北斗卫星导航系统是我国正在实施的自主发展、独立运行的全球卫星导航系统，以独立自主、开发兼容、技术先进、稳定可靠为目标。

基于北斗的高精度定位技术已经广泛运用于基础设施结构物(高层建筑、大坝、山体、桥梁、电塔等)的变形监测与安全运营领域。输电线路是电网的主动脉,特别是近年来超/特高压线路,大型电源送出线路,跨区联网线路等重要输电线路的快速建设,形成了电力输送的容量较大,分布较为集中的输电线路,这类输电线路发生异常,对网的影响也是否严重。电力铁塔的安全在电网中处于重要的位置,我国输电线路大多分布在山地和丘陵地区,很多电力设施建在地表不稳定区域,又因自然灾害和人为(如采矿生产,工程施工)等因素,造成电力铁塔倾倒和损坏的事故时有发生,造成重大的经济损失,是电网安全的重要隐患之一。因此,需要对开展对有安全隐患的电力铁塔进行预警监测和隐患处理工作,提升输电线路安全运行水平,提高重要输电通道灾害和人为破坏的监测能力。

该方案的基本思想是：在建筑上安装北斗信号天线和接收机终端，作北斗监测站点，实时接收北斗卫星信号。在另外一处(距离小于10km之内)观测环境较优的稳定固定位置安装另外一台北斗终端，作基准站点，实时接收北斗卫星信号。两台终端将采集的数据通过有线、无线传输等多种方式将数据传给数据平台。最后在电脑中通过数据处理算法获取北斗监测站点相对基准站点的三维位移变化。

然而该方案在实际应用中人就存在明显缺点：算法非常复杂，且缺乏灵活性，必须由专业人员进行实现、维护和升级。具有严重的时间延迟性，无法满足特殊基础设施形变监测对实时性的要求。传统的最小二乘算法为简易的线性算法，精确度无法达到要求。采用卡尔曼滤波算法来计算位置信息，还存在接收机误差、卫星时钟误差、电离层时延误差、大气对流层时延误差和伪距测量噪声误差。

发明内容

有鉴于此，本发明提供了一种基于北斗定位的输电铁塔结构形变监测评估解算算法，算法简单灵活、时间实时性好、降低了各种误差对计算结果的影响，实现了对建筑物更加精准地位置定位。

一种基于北斗定位的输电铁塔结构形变监测评估解算算法，该算法实现的步骤如下：

步骤一：通过求解四元非线性方程组获得伪距观测方程；

步骤二：对伪距观测方程线性化，组建双差观测方程，获取式中状态转移矩阵和系统噪声向量；

步骤三：由标准卡尔曼滤波方法获取当前状态估计值；

步骤四：根据实际情况对预报向量进行误差补偿修正。

进一步地，所述步骤一中求解四元非线性方程组获得伪距观测方程的过程如下：

定位算法的本质就是求解如下一个四元非线性方程组：

其中：N为该观测历元可见卫星数，其中x＝[x，y，z]^T为未知的接收机坐标向量，x⁽ⁿ⁾＝[x⁽ⁿ⁾，y⁽ⁿ⁾，z⁽ⁿ⁾]^T为卫星n的接收机坐标向量，

为卫星时钟钟差，

为定义修正后的伪距测量值；

伪距观测方程可以写成下式：

其中，n＝1，2，N为卫星号，ρ⁽ⁿ⁾为伪距测量值，r⁽ⁿ⁾为卫星位置与接收机之间的直线距离，δt_u为接收机钟差，δt⁽ⁿ⁾为买星时钟钟差，I⁽ⁿ⁾为大气电离层时延误差，T⁽ⁿ⁾为大气对流层时延误差，

为伪距测量噪声量。

进一步地，所述步骤二中组建双差观测方程，获取式中状态转移矩阵和系统噪声向量的过程如下：

双差观测方程如下：

X_k＝Φ_k，k-1X_k-1+w_k

L_k＝A_kX_k+V_k

其中，X_k是系统在当前时刻的状态向量；Φ_k，k-1为从t(t-1)时刻到t(t)时刻系统状态的状态转移矩阵；w_k为系统噪声向量；L_k是系统在t(t)时刻的观测量；A_k为观测方程的观测矩阵，V_k为残差。

进一步地，所述步骤三中获取当前状态估计值的过程如下：

残差表示为：

V_k＝A_kX_k-L_k

增益矩阵K_k表示为：

当前状态估计值

表示为：

进一步地，所述步骤四对预报向量进行误差补偿修正的过程如下：

定义误差向量为ΔE_r，误差表示为多维输入和输出的非线性映射：

利用神经网络的方法，通过训练逼近非线性映射F，学习出

与误差补偿向量之间的关系，在网络预测阶段，预测出误差补偿向量，进而对动力学模型进行补偿。考虑实际应用中误差的影响，当前状态估计值修正为：

其中，I为单位矩阵，误差的来源主要为K_k和

采用神经网络训练出函数F，实现误差的反向传播，不断调整和更新输入样本值的权值和偏置。

有益效果：

1、本发明针对标准卡尔曼滤波存在的问题，提出了基于神经网络的动力学模型补偿算法。针对动力学模型的异常扰动，通过神经网络学习卡尔曼滤波增益和新息的乘积与动力学模型的关系，在预测阶段对动力学模型误差进行补偿，能够提高定位精度。

2、本发明采用站间差分模式，则通过监测站、基准站两个站点解析的北斗观测数据进行组合，并结合两站的初始坐标(X、Y、Z)形成残差。其观测矩阵则是通过站星之间的单位方位角组合而成。在完成状态方程、双差观测方程组建之后，采用卡尔曼滤波的方法，通过一次求解即可完成坐标参数的更新和估计，由于kalman滤波是个实时滤波器，其北斗坐标的更新可以实现实时求解，提升了监测结果的实时性。

3、本发明通过数学建模分析初始数据，进而采用传统的卡尔曼滤波的方法建立相关方程，并获得重要的参数，最后结合北斗信号传输过程中各种误差的影响，提出了基于神经网络修正误差的北斗位置解算方法，实现了对建筑物更加精准地位置定位。

附图说明

图1为北斗接收机的硬件组成示意图；

图2为本发明实施例中解算算法的步骤流程图。

具体实施方式

下面结合附图并举实施例，对本发明进行详细描述。

本发明的系统包括北斗接收机终端及数据采集、数据传输与解析、北斗实时处理、北斗事后处理功能。如附图1所示，数据传输终端与北斗卫星接收机通信连接，数据传输终端与数据采集终端采用无线通信方式连接，数据传输终端通过互联网与电脑通信连接。系统利用北斗卫星定位系统对电塔、桥梁的等建筑参数实施监控并记录,实现精细化管理,减少人员投入。在电力杆塔关键位置设置北斗高精度基准站点,利用实时动态差分技术计算得到监测点位置坐标信息,再通过北斗短报文或无线专网等通信方式将结果数据发送至监控平台,完成对杆塔状态的全天候监测。该方案可实现毫米级精度监测,能够充分满足杆塔的监测需求。北斗协议透传网关装置组成包括接收外接设备数据信号的串口,智能微处理器,与北斗卫星通讯终端设备连接的串口。对接收到的不同协议的数据报文进行编码,该编码成的数据报文符合北斗用户机数据接口协议要求，对编码后信息进行智能分析,进行智能分包,完全符合北斗卫星通信系统要求。

如图2，根据算法的流程，实现解算的步骤如下：

步骤一：输入初始化的信息。接收机接收到一组北斗位置的数据，包含被测物的三维坐标信息x＝[x，y，z]^T以及所用卫星数量n。

建立经典卡尔曼滤波方程如下：

X_k＝Φ_k，k-1X_k-1+w_k

L_k＝A_kX_k+V_k

步骤二：训练神经网络，由于神经网络输入为N维向量，假设输入数据为Q个历元的观测量，因此神经网络的输入矩阵X可以表示为：

其中，

在x_ij中，j表示第j个历元，i对应第j个历元可见观测卫星标号。相应的网络输出矩阵Y可以表示为：

其中[x_j，y_j，z_j]^T表示第j个历元对应的接收机三维坐标位置，在网络训练阶段作为网络输出参考，需要接收机的精确三维坐标位置，在网络预测阶段作为网络输出结果，也就是输入观测量通过神经网络映射F之后得到的定位结果。

在导航定位解算中可见观测卫星个数随着时问的变化而变化，如果只取可见卫星观测值作为网络输入，会导致网络输入的矩阵维度会随着时间而变化。然而，神经网络各层神经元的个数是固定的，综合考虑观测特性和神经网络结构，对神经网络进行如下设计：神经网络输入矩阵中取Q个历元时间范围内最大观测卫星个数，当第j历元观测卫星个数小于N时，空余的观测卫星用可见观测卫星补足。

步骤三：将训练的神经网络与误差建立函数关系，进而对误差的补偿：

步骤四：更新神经网络中个误差向量的权值，其中误差来源有：接收机误差、卫星时钟误差、电离层时延误差、大气对流层时延误差、伪距测量噪声误差等。

步骤五：对误差进行分析，判断其是否在设定的范围之内，如果满足条件则可以停止条件。否则继续重复第二步，不断更新调整权值直到误差合适。

综上所述，以上仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围。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 (5)

1.一种基于北斗定位的输电铁塔结构形变监测评估解算算法，其特征在于，该算法实现的步骤如下：

步骤一：通过求解四元非线性方程组获得伪距观测方程；

步骤二：对伪距观测方程线性化，组建双差观测方程，获取式中状态转移矩阵和系统噪声向量；

步骤三：由标准卡尔曼滤波方法获取当前状态估计值；

步骤四：根据实际情况对预报向量进行误差补偿修正。

2.如权利要求1所述的基于北斗定位的输电铁塔结构形变监测评估解算算法，其特征在于，所述步骤一中求解四元非线性方程组获得伪距观测方程的过程如下：

定位算法的本质就是求解如下一个四元非线性方程组：

其中：N为该观测历元可见卫星数，其中x＝[x，y，z]^T为未知的接收机坐标向量，x⁽ⁿ⁾＝[x⁽ⁿ⁾，y⁽ⁿ⁾，z⁽ⁿ⁾]^T为卫星n的接收机坐标向量，

为卫星时钟钟差，

为定义修正后的伪距测量值；

伪距观测方程可以写成下式：

其中，n＝1，2，N为卫星号，ρ⁽ⁿ⁾为伪距测量值，r⁽ⁿ⁾为卫星位置与接收机之间的直线距离，δt_u为接收机钟差，δt⁽ⁿ⁾为买星时钟钟差，I⁽ⁿ⁾为大气电离层时延误差，T⁽ⁿ⁾为大气对流层时延误差，

为伪距测量噪声量。

3.如权利要求2所述的基于北斗定位的输电铁塔结构形变监测评估解算算法，其特征在于，所述步骤二中组建双差观测方程，获取式中状态转移矩阵和系统噪声向量的过程如下：

双差观测方程如下：

X_k＝Φ_k，k-1X_k-1+w_k

L_k＝A_kX_k+V_k

其中，X_k是系统在当前时刻的状态向量；Φ_k/k-1为从t(t-1)时刻到t(t)时刻系统状态的状态转移矩阵；w_k为系统噪声向量；L_k是系统在t(t)时刻的观测量；A_k为观测方程的观测矩阵，V_k为残差。

4.如权利要求1所述的基于北斗定位的输电铁塔结构形变监测评估解算算法，其特征在于，所述步骤三中获取当前状态估计值的过程如下：

残差表示为：

V_k＝A_kX_k-L_k

增益矩阵K_k表示为：

当前状态估计值

表示为：

5.如权利要求3或4所述的基于北斗定位的输电铁塔结构形变监测评估解算算法，其特征在于，所述步骤四对预报向量进行误差补偿修正的过程如下：

定义误差向量为ΔE_r，误差表示为多维输入和输出的非线性映射：

利用神经网络的方法，通过训练逼近非线性映射F，学习出

与误差补偿向量之间的关系，在网络预测阶段，预测出误差补偿向量，进而对动力学模型进行补偿。考虑实际应用中误差的影响，当前状态估计值修正为：

其中，I为单位矩阵，误差的来源主要为Kk和

采用神经网络训练出函数F，实现误差的反向传播，不断调整和更新输入样本值的权值和偏置。

Images