CN117116010A - 一种岩体崩塌智能预警方法和系统 - Google Patents

一种岩体崩塌智能预警方法和系统 Download PDF

Info

Publication number
CN117116010A
CN117116010A CN202311079331.4A CN202311079331A CN117116010A CN 117116010 A CN117116010 A CN 117116010A CN 202311079331 A CN202311079331 A CN 202311079331A CN 117116010 A CN117116010 A CN 117116010A
Authority
CN
China
Prior art keywords
rock mass
early warning
structural feature
inclination angle
time domain
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
Application number
CN202311079331.4A
Other languages
English (en)
Inventor
刘国阳
苗建宾
康家硕
孟晋
王军祥
宁宝宽
刘剑平
刘朋
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.)
Shenyang University of Technology
Original Assignee
Shenyang University of Technology
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 Shenyang University of Technology filed Critical Shenyang University of Technology
Priority to CN202311079331.4A priority Critical patent/CN117116010A/zh
Publication of CN117116010A publication Critical patent/CN117116010A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • 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
    • 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
    • G01B11/02—Measuring arrangements characterised by the use of optical techniques for measuring length, width or thickness
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02—Alarms for ensuring the safety of persons
    • G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Emergency Management (AREA)
  • Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Computing Systems (AREA)
  • Geophysics And Detection Of Objects (AREA)

Abstract

本发明公开一种岩体崩塌智能预警方法和系统，包括：步骤S1、获取目标区域的岩体结构特征图像；步骤S2、根据所述岩体结构特征图像，得到变异系数时域动力学指标；步骤S3、根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。采用本发明的技术方案，实现岩体崩塌破坏前的预警效果。

Description

一种岩体崩塌智能预警方法和系统
技术领域
本发明属于岩体监测技术领域，尤其涉及一种岩体崩塌智能预警方法和系统。
背景技术
岩体崩塌是山区常见的一种不良地质灾害，岩体崩塌具有突发性强、破坏力大的特点，严重威胁着交通要道、山区居民正常生产生活；在我国，每年由于岩体崩塌造成大量的人员伤亡和重大经济损失。
目前，传统的岩体崩塌监测技术普通存在一些不足，传统的岩体崩塌监测技术大多是对岩体部分区域进行单一监测，无法对整个岩体区域进行实时监测，存在较大的监测局限性，造成监测数据不精准，导致出现错误预警，同时传统的监测方法是人们利用标尺直接测量岩体崩塌后出现明显裂缝的宽度变化，这样测量精度较差，存在一定的危险性，同时岩体崩塌具有突发性极强的特点，无法实现岩体崩塌破坏前的预警效果，从而影响道路交通安全事故，威胁周边居民生命财产安全。
发明内容
本发明要解决的技术问题是，提供一种岩体崩塌智能预警方法和系统，实现岩体崩塌破坏前的预警效果。
为实现上述目的，本发明采用如下的技术方案：
一种岩体崩塌智能预警方法，包括：
步骤S1、获取目标区域的岩体结构特征图像；
步骤S2、根据所述岩体结构特征图像，得到变异系数时域动力学指标；
步骤S3、根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。
作为优选，步骤S1包括：
获取岩体主控裂隙的几何信息；
基于几何信息得到岩体结构特征图像，所述岩体结构特征包含：岩体主控裂隙扩展特征与岩体分块结构特征。
作为优选，步骤S2包括：
根据岩体结构特征图像，得到岩体振动波形图；
从所述振动波形图中提取变异系数时域动力学指标。
作为优选，步骤S3包括：
根据变异系数时域动力学指标，得到累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态；
根据累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态，对岩体分块结构中的每个岩块体进行预警等级判别。
本发明还提供一种岩体崩塌智能预警系统，包括：
获取装置，用于获取目标区域的岩体结构特征图像；
计算装置，用于根据所述岩体结构特征图像，得到变异系数时域动力学指标；
预警装置，用于根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。
作为优选，获取装置包括：
获取单元，用于获取岩体主控裂隙的几何信息；
处理单元，用于基于几何信息得到岩体结构特征图像，所述岩体结构特征包含：岩体主控裂隙扩展特征与岩体分块结构特征。
作为优选，计算装置包括：
第一计算单元，用于根据岩体结构特征图像，得到岩体振动波形图；
第二计算单元，用于从所述振动波形图中提取变异系数时域动力学指标。
作为优选，预警装置包括：
第三计算单元，用于根据变异系数时域动力学指标，得到累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态；
判别单元，用于根据累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态，对岩体分块结构中的每个岩块体进行预警等级判别。
本发明获取目标区域的岩体结构特征图像；根据所述岩体结构特征图像，得到变异系数时域动力学指标；根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。采用本发明的技术方案，实现岩体崩塌破坏前的预警效果。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
图1为本发明实施例岩体崩塌智能预警方法的流程图；
图2为本发明实施例岩体崩塌智能预警系统的结构示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1：
如图1所示，本发明实施例提供一种岩体崩塌智能预警方法，包括：
步骤S1、获取目标区域的岩体结构特征图像；
步骤S2、根据所述岩体结构特征图像，得到变异系数时域动力学指标；
步骤S3、根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。
作为本发明实施的一种实施方式，步骤S1包括：
获取岩体主控裂隙的几何信息；
基于几何信息得到岩体结构特征图像，所述岩体结构特征包含：岩体主控裂隙扩展特征与岩体分块结构特征；其中，分块结构特征表示岩体被主控裂隙所分割的块体结构的特征，岩体主控裂隙扩展特征包括岩体主控裂隙的裂缝尖端位置及裂缝扩展迹线。
作为本发明实施的一种实施方式，步骤S2包括：
根据岩体结构特征图像，得到岩体振动波形图；
从所述振动波形图中提取变异系数时域动力学指标。
进一步，从所述振动波形图中提取振动绝对均值和方差两种时域动力学指标；通过所述振动绝对均值和方差计算变异系数时域动力学指标；具体地，分析振动波形图,所述振动波形图为振动历史曲线，其从稳定到破坏的全过程的曲线，分析时某时刻的数据为此时刻之前的一段数据分析结果作此时刻的数据值。例如，监测了400秒的数据，采样频率是50HZ，取1s为一时间段，1s的数据值，是0s-1s时间段内50个样本的数据分析得到的结果，400s时就是0s-400s的样本数据分析的结果，从中计算提取振动绝对均值、方差等两种时域动力学指标，两种时域动力学指标不需要进行傅里叶等变换。
作为本发明实施的一种实施方式，步骤S3包括：
根据变异系数时域动力学指标，得到累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态；
根据累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态，对岩体分块结构中的每个岩块体进行预警等级判别。
进一步，得到累计倾斜角度变化量的趋势、倾斜角度变化速度的范围包括：
根据变异系数时域动力学指标，对累计倾斜角度变化量的数据整编；
将累计倾斜角度变化量利用移动平均法进行平滑滤波；
基于平滑滤波后的累计倾斜角度变化量，得到累计倾斜角度变化量的趋势，并记录累计倾斜角度变化速度的最大值。
进一步，预警等级包括：蓝色注意级、黄色提示级、橙色警戒级、红色警报级、黑色警急级。
蓝色注意级为：累计倾斜角度变化量的趋势为线性平稳阶段、且强振状态为C；或累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为A。
黄色提示级为：累计倾斜角度变化量的趋势为指数非线性趋稳上升阶段、且强振状态为B或C；或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段且强振状态为A或B。
橙色警戒级为：累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段且强振状态为C；或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段且强振状态为A或B。
红色警报级为：累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段且强振状态为C；或累计倾斜角度变化量的趋势为指数非线性趋涨上升阶段且强振状态为A或B或C。
黑色警急级为：累计倾斜角度变化量趋势为产生瞬时大幅突跳且强振状态为A或B或C。
未触发强振加速度信号指一天内未获取到由岩体裂隙扩展产生的强振加速度信号，记为强振状态A。偶发强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于1次且小于等于2次，记为强振状态B。高频强振加速度信号指一天内获取到的由岩体裂隙扩展产生的强振加速度信号次数大于等于3次，记为强振状态C。
实施例2：
如图2所示，本发明实施例提供一种岩体崩塌智能预警系统，包括：
获取装置，用于获取目标区域的岩体结构特征图像；
计算装置，用于根据所述岩体结构特征图像，得到变异系数时域动力学指标；
预警装置，用于根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。
作为本发明实施例的一种实施方式，获取装置包括：
获取单元，用于获取岩体主控裂隙的几何信息；
处理单元，用于基于几何信息得到岩体结构特征图像，所述岩体结构特征包含：岩体主控裂隙扩展特征与岩体分块结构特征。
作为本发明实施例的一种实施方式，计算装置包括：
第一计算单元，用于根据岩体结构特征图像，得到岩体振动波形图；
第二计算单元，用于从所述振动波形图中提取变异系数时域动力学指标。
作为本发明实施例的一种实施方式，预警装置包括：
第三计算单元，用于根据变异系数时域动力学指标，得到累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态；
判别单元，用于根据累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态，对岩体分块结构中的每个岩块体进行预警等级判别。
以上所述的实施例仅是对本发明优选方式进行的描述，并非对本发明的范围进行限定，在不脱离本发明设计精神的前提下，本领域普通技术人员对本发明的技术方案做出的各种变形和改进，均应落入本发明权利要求书确定的保护范围内。

Claims (8)

1.一种岩体崩塌智能预警方法，其特征在于，包括：
步骤S1、获取目标区域的岩体结构特征图像；
步骤S2、根据所述岩体结构特征图像，得到变异系数时域动力学指标；
步骤S3、根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。
2.如权利要求1所述的岩体崩塌智能预警方法，其特征在于，步骤S1包括：
获取岩体主控裂隙的几何信息；
基于几何信息得到岩体结构特征图像，所述岩体结构特征包含：岩体主控裂隙扩展特征与岩体分块结构特征。
3.如权利要求2所述的岩体崩塌智能预警方法，其特征在于，步骤S2包括：
根据岩体结构特征图像，得到岩体振动波形图；
从所述振动波形图中提取变异系数时域动力学指标。
4.如权利要求3所述的岩体崩塌智能预警方法，其特征在于，步骤S3包括：
根据变异系数时域动力学指标，得到累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态；
根据累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态，对岩体分块结构中的每个岩块体进行预警等级判别。
5.一种岩体崩塌智能预警系统，其特征在于，包括：
获取装置，用于获取目标区域的岩体结构特征图像；
计算装置，用于根据所述岩体结构特征图像，得到变异系数时域动力学指标；
预警装置，用于根据变异系数时域动力学指标，对岩体分块结构中的每个岩块体进行预警等级判别。
6.如权利要求5所述的岩体崩塌智能预警系统，其特征在于，获取装置包括：
获取单元，用于获取岩体主控裂隙的几何信息；
处理单元，用于基于几何信息得到岩体结构特征图像，所述岩体结构特征包含：岩体主控裂隙扩展特征与岩体分块结构特征。
7.如权利要求6所述的岩体崩塌智能预警系统，其特征在于，计算装置包括：
第一计算单元，用于根据岩体结构特征图像，得到岩体振动波形图；
第二计算单元，用于从所述振动波形图中提取变异系数时域动力学指标。
8.如权利要求7所述的岩体崩塌智能预警系统，其特征在于，预警装置包括：
第三计算单元，用于根据变异系数时域动力学指标，得到累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态；
判别单元，用于根据累计倾斜角度变化量的趋势、倾斜角度变化速度的范围与强振加速度信号的状态，对岩体分块结构中的每个岩块体进行预警等级判别。
CN202311079331.4A 2023-08-25 2023-08-25 一种岩体崩塌智能预警方法和系统 Pending CN117116010A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311079331.4A CN117116010A (zh) 2023-08-25 2023-08-25 一种岩体崩塌智能预警方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311079331.4A CN117116010A (zh) 2023-08-25 2023-08-25 一种岩体崩塌智能预警方法和系统

Publications (1)

Publication Number Publication Date
CN117116010A true CN117116010A (zh) 2023-11-24

Family

ID=88805097

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311079331.4A Pending CN117116010A (zh) 2023-08-25 2023-08-25 一种岩体崩塌智能预警方法和系统

Country Status (1)

Country Link
CN (1) CN117116010A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557434A (zh) * 2024-01-12 2024-02-13 四川省华地建设工程有限责任公司 基于人工智能的危岩崩塌评估方法及系统

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117557434A (zh) * 2024-01-12 2024-02-13 四川省华地建设工程有限责任公司 基于人工智能的危岩崩塌评估方法及系统
CN117557434B (zh) * 2024-01-12 2024-03-19 四川省华地建设工程有限责任公司 基于人工智能的危岩崩塌评估方法及系统

Similar Documents

Publication Publication Date Title
CN110197588B (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
TWI449883B (zh) 結構體安全性之分析方法
CN108573224B (zh) 一种利用单传感器信息的移动重构主成分的桥梁结构损伤定位方法
CN117116010A (zh) 一种岩体崩塌智能预警方法和系统
CN104331595B (zh) 桥梁损伤预警的移动主成分相关系数法
CN114997249B (zh) 一种桥梁伸缩缝装置的监控方法及系统
CN116644373A (zh) 基于人工智能的汽车流量数据分析管理系统
CN103743920B (zh) 基于单传感器的地铁列车测速方法及装置
CN108492563B (zh) 一种基于平均速度的超速事件探测方法
CN111881497A (zh) 桥梁实时状态监测评估方法
CN110567662B (zh) 一种基于工程比拟的桥梁短期监测评估方法
CN110598265A (zh) 基于小波分析的桥梁健康数据异常修正方法及系统
CN112556760A (zh) 一种桥梁裂缝监测系统
CN103198707B (zh) 一种基于晴天状况下危险交通流特征的车辆调控方法
CN107521511B (zh) 一种车轮脱轨报警的方法及系统
CN110361164B (zh) 一种海底光缆断点位置和扰动位置分析方法及系统
CN103868492A (zh) 运营状态下斜拉桥竖向变形性能的退化报警方法
Soo Lon Wah et al. Damage detection under temperature conditions using PCA–an application to the Z24 Bridge
CN109029711B (zh) 一种动态的桥梁结构多阶频率识别方法
CN111520193B (zh) 非接触式隧道工程施工岩爆实时预报方法
CN116862109A (zh) 一种区域碳排放态势感知预警方法
CN111301489A (zh) 一种在线监测轨道裂纹的方法
CN114001887B (zh) 一种基于挠度监测的桥梁损伤评定方法
JP5950508B2 (ja) 加速度センサ応答における外力判別方法
CN110672777B (zh) 一种催化燃烧式甲烷传感器异常数据识别分析方法及系统

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