CN117405075B - 一种智能沉降监测方法及系统 - Google Patents
一种智能沉降监测方法及系统 Download PDFInfo
- Publication number
- CN117405075B CN117405075B CN202311685172.2A CN202311685172A CN117405075B CN 117405075 B CN117405075 B CN 117405075B CN 202311685172 A CN202311685172 A CN 202311685172A CN 117405075 B CN117405075 B CN 117405075B
- Authority
- CN
- China
- Prior art keywords
- vibration
- sensor
- sedimentation
- time point
- preset
- 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
- 238000000034 method Methods 0.000 title claims abstract description 74
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000004062 sedimentation Methods 0.000 claims abstract description 186
- 238000005070 sampling Methods 0.000 claims abstract description 178
- 230000001133 acceleration Effects 0.000 claims abstract description 113
- 238000001514 detection method Methods 0.000 claims abstract description 68
- 238000012937 correction Methods 0.000 claims description 153
- 238000012360 testing method Methods 0.000 claims description 101
- 239000007788 liquid Substances 0.000 claims description 93
- 239000011159 matrix material Substances 0.000 claims description 53
- 238000010276 construction Methods 0.000 claims description 11
- 239000012530 fluid Substances 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 abstract description 15
- 238000012545 processing Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000005259 measurement Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 230000003068 static effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000005314 correlation function Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 210000001550 testis Anatomy 0.000 description 1
Classifications
-
- 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
- G01C5/04—Hydrostatic levelling, i.e. by flexibly interconnected liquid containers at separated points
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
- G01D3/028—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure
- G01D3/036—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups mitigating undesired influences, e.g. temperature, pressure on measuring arrangements themselves
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
Landscapes
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Remote Sensing (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
一种智能沉降监测方法及系统，涉及沉降监测技术领域。在该方法中，获取各个传感器内设置的振动检测子传感器检测的振动加速度；当振动加速度大于预设加速度阈值时，获取振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点；将振动检测信息输入至振动模型库，得到预测振动持续周期；基于起始时间点、预测振动持续周期以及预设沉降采样时间点对预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以使各个传感器内设置的沉降采样子传感器在修正后的沉降采样时间点进行采样。实施本申请提供的技术方案，可以在沉降监测时避免由环境振动因素造成测量得到的数据发生波动，从而有效提高沉降数据的稳定性和准确性。
Description
技术领域
本申请涉及沉降监测技术领域，具体涉及一种智能沉降监测方法及系统。
背景技术
沉降监测是一种常规变形监测方法，广泛应用于地铁、轻轨、公路隧道的路基沉降变形监测，建筑物的地基不均匀沉降监测等诸多领域。
常规的沉降监测是采用静力水准自动监测方法，其方法是在监测点布置一系列静力水准仪传感器，各个传感器由一条连通液管连接，根据静力水准仪的液体液位变化或压力变化测量沉降值。然而在应用于地铁、隧道等运营期沉降监测时，车辆通过测点时会产生较大的振动影响，或者由其它原因产生较大的振动影响，会明显干扰沉降测量的测量结果，从而造成测量得到的数据波动较大且稳定性和准确性较差。因此，如何在沉降监测时避免由环境振动因素造成测量得到的数据发生波动，成为亟需解决的问题。
因此，亟需一种智能沉降监测方法及系统来解决上述背景技术中存在的问题。
发明内容
本申请提供了一种智能沉降监测方法及系统，可以在沉降监测时避免由环境振动因素造成测量得到的数据发生波动，从而有效提高沉降数据的稳定性和准确性。
第一方面，本申请提供了一种智能沉降监测方法，所述方法包括：获取各个传感器内设置的振动检测子传感器检测的振动加速度；当所述振动加速度大于预设加速度阈值时，获取所述振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点；将所述振动检测信息输入至振动模型库，得到预测振动持续周期；基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点对所述预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以使各个传感器内设置的沉降采样子传感器在所述修正后的沉降采样时间点进行采样。
通过采用上述技术方案，通过获取各个传感器内设置的振动检测子传感器检测的振动加速度，当振动加速度大于预设加速度阈值时，获取振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点，从而确保检测到的振动检测信息和当前振动采样的起始时间点的准确程度更高；将振动检测信息输入至振动模型库，得到预测振动持续周期，从而使得得到的预测振动持续周期更加符合当前振动检测信息的振动情况；基于起始时间点、预测振动持续周期以及预设沉降采样时间点对预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以确保沉降采样子传感器在修正后的沉降采样时间点进行采样时，不会受到振动带来的影响，从而可以在沉降监测时避免由环境振动因素造成测量得到的数据发生波动，进而有效提高沉降数据的稳定性和准确性。
可选的，在所述基于所述当前振动采样时间点、所述预测振动持续周期以及预设的沉降采样时间点对所述预设的沉降采样时间点进行修正，得到修正后的沉降采样时间点之后，所述方法还包括：获取各个传感器内设置的温度采样子传感器采样的当前温度，以及各个传感器内设置的沉降采样子传感器采样的沉降数据；获取沉降监测布置环境中液体体积和液管长度；获取预设的液体修正曲线、预设的液管修正曲线以及预设的传感器修正曲线；基于所述预设的液体修正曲线、所述预设的液管修正曲线以及是预设的传感器修正曲线，得到综合修正曲线；基于各个传感器对应的所述当前温度和所述综合修正曲线，得到各个传感器对应的修正因子；基于各个传感器对应的所述沉降数据、所述液体体积、所述液管长度以及各个传感器对应的所述修正因子，对各个传感器对应的沉降数据进行修正，得到各个传感器对应的修正沉降数据。
通过采用上述技术方案，通过基于液体修正曲线、预设的液管修正曲线以及预设的传感器修正曲线得到的综合修正曲线，根据当前沉降监测现场的环境温度得到各个传感器对应的所述修正因子，以校准和修正多传感器系统中的数据，以考虑液体体积、温度、液管长度等因素对数据的影响，从而对环境温度带来的影响进行修正，以降低环境温度对于沉降数据准确性的影响，从而提高沉降数据的准确性。
可选的，在所述将所述振动检测信息输入至振动模型库，得到预测振动持续周期
之前，所述方法还包括：获取多组振动测试数据，各组所述振动测试数据中包括测试频率、测试最大振幅、测试加速度峰值以及测试持续周期；基于所
述预设加速度阈值，确定误差干扰精度阈值；基于所述误差干扰精度阈值和每组所述
振动测试数据中的所述测试频率、所述测试最大振幅、所述测试加速度峰值以及所述测试持续周期，构建多个模糊相关矩阵；基于多个所述模糊相关矩阵，构建得到所述振
动模型库。
可选的，所述振动检测信息包括第一实际振动频率和第一实际加速度峰值；所述将所述振动检测信息输入至振动模型库，得到预测振动持续周期，具体包括：
基于所述第一实际加速度峰值，通过以下公式计算得到第一实际最大振幅
，；将所述第一实际振动频率、所述第一实际加速度峰值、所述第一实际最大振幅与所述振动模型库中的多个模糊相关矩阵进行匹
配，得到匹配结果；当所述匹配结果为匹配到关联性模糊相关矩阵时，基于所述关联性模糊
相关矩阵中的测试持续周期，得到所述预测振动持续周期；其中，所述关联性模
糊相关矩阵中的测试频率与所述第一实际振动频率的第一误差、所述关联性模糊
相关矩阵中的测试最大振幅与所述第一实际最大振幅的第二误差以及所
述关联性模糊相关矩阵中的测试加速度峰值与所述第一实际加速度峰值
的第三误差均处于预设误差范围内。
可选的，在所述将所述第一实际振动频率、所述第一实际加速度峰值、
所述第一实际最大振幅与所述振动模型库中的多个模糊相关矩阵进行匹配，得到
匹配结果之后，所述方法还包括：当所述匹配结果为未能匹配到所述关联性模糊相关矩阵
时，获取当前振动采样的停止时间点；基于所述停止时间点和所述起始时间点，得到所述实
际振动持续周期；获取所述实际振动持续周期内以预设频率进行持续采样得到的n组
持续采样数据，每组所述持续采样数据中包括第二实际振动频率和第二实际加速度峰值；
从n组所述持续采样数据中，选取得到第i组持续采样数据，所述第i组持续采样数据对应的
第三实际加速度峰值大于其余各组所述持续采样数据对应的第二实际加速度峰值；基于第
i组持续采样数据对应的第三实际振动频率和第三实际加速度峰值，通过以下
公式计算得到第i组持续采样数据对应的第三实际最大振幅，；基于所述第三实际振动频率、所述第三实际加速度峰
值、所述第三实际最大振幅以及所述实际振动持续周期，构建新增
模糊相关矩阵；将所述新增模糊相关矩阵增加至
所述振动模型库。
可选的，所述基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点对所述预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，具体包括：基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点，计算得到稳定延时时长；将所述预设沉降采样时间点加上所述稳定延时时长，得到所述修正后的沉降采样时间点；其中，通过以下公式计算得到所述稳定延时时长，稳定延时时长=预设沉降采样时间点-起始时间点-预测振动持续周期。
可选的，所述修正因子包括液体修正因子、液管修正因子以及传感器修正因子；所述基于各个传感器对应的所述沉降数据、所述液体体积、所述液管长度以及各个传感器对应的所述修正因子，对各个传感器对应的沉降数据进行修正，得到各个传感器对应的修正沉降数据，具体包括：基于各个传感器对应的所述沉降数据和各个传感器对应的所述传感器修正因子，得到各个传感器对应的第一修正数据；基于所述液体体积和各个传感器对应的所述液体修正因子，得到各个传感器对应的第二修正数据；基于所述液管长度和各个传感器对应的所述液管修正因子，得到各个传感器对应的第三修正数据；基于各个传感器对应的所述第一修正数据、各个传感器对应的所述第二修正数据以及各个传感器对应的所述第三修正数据，得到各个传感器对应的修正沉降数据。
在本申请的第二方面提供了一种智能沉降监测系统，所述系统包括：获取模块、振动持续周期预测模块以及沉降采样时间修正模块；所述获取模块，用于获取各个传感器内设置的振动检测子传感器检测的振动加速度；所述获取模块，还用于当所述振动加速度大于预设加速度阈值时，获取所述振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点；所述振动持续周期预测模块，用于将所述振动检测信息输入至振动模型库，得到预测振动持续周期；所述沉降采样时间修正模块，用于基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点对所述预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以使各个传感器内设置的沉降采样子传感器在所述修正后的沉降采样时间点进行采样。
在本申请的第三方面提供了一种电子设备，包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如本申请第一方面任意一项所述的方法。
在本申请的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如本申请第一方面任意一项所述的方法的计算机程序。
综上所述，本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：
1、通过获取各个传感器内设置的振动检测子传感器检测的振动加速度，当振动加速度大于预设加速度阈值时，获取振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点，从而确保检测到的振动检测信息和当前振动采样的起始时间点的准确程度更高；将振动检测信息输入至振动模型库，得到预测振动持续周期，从而使得得到的预测振动持续周期更加符合当前振动检测信息的振动情况；基于起始时间点、预测振动持续周期以及预设沉降采样时间点对预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以确保沉降采样子传感器在修正后的沉降采样时间点进行采样时，不会受到振动带来的影响，从而可以在沉降监测时避免由环境振动因素造成测量得到的数据发生波动，进而有效提高沉降数据的稳定性和准确性。
2、通过基于液体修正曲线、预设的液管修正曲线以及预设的传感器修正曲线得到的综合修正曲线，根据当前沉降监测现场的环境温度得到各个传感器对应的所述修正因子，以校准和修正多传感器系统中的数据，以考虑液体体积、温度、液管长度等因素对数据的影响，从而对环境温度带来的影响进行修正，以降低环境温度对于沉降数据准确性的影响，从而提高沉降数据的准确性。
附图说明
图1是本申请实施例提供的一种智能沉降监测方法的流程示意图之一；
图2是本申请实施例提供的一种智能沉降监测的场景示意图；
图3是本申请实施例提供的一种沉降监测传感器的结构示意图；
图4是本申请实施例提供的一种智能沉降监测方法的流程示意图之二；
图5是本申请实施例提供的一种智能沉降监测系统的结构示意图；
图6是本申请实施例提供的一种电子设备的结构示意图。
附图标记说明：1、获取模块；2、振动持续周期预测模块；3、沉降采样时间修正模块；4、处理模块；5、沉降数据修正模块；6、振动模型库构建模块；600、电子设备；601、处理器；602、通信总线；603、用户接口；604、网络接口；605、存储器。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言，使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中，术语“多个”的含义是指两个或两个以上。例如，多个系统是指两个或两个以上的系统，多个屏幕终端是指两个或两个以上的屏幕终端。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
本申请提供了一种智能沉降监测方法，参照图1，图1是本申请实施例公开的一种智能沉降监测方法的流程示意图之一。该基于GPU的模型并行计算方法包括步骤S11至步骤S14，上述步骤如下：
步骤S11：获取各个传感器内设置的振动检测子传感器检测的振动加速度。
具体来说，在本技术方案中，服务器获取各个传感器内设置的振动检测子传感器检测的振动加速度。
参照图2和图3，图2示出了本申请实施例公开的一种智能沉降监测的场景示意图，图3示出了本申请实施例公开的一种沉降监测传感器的结构示意图。如图3所示，每个沉降监测传感器内均设置有三种类型的子传感器，其分别为振动检测子传感器、温度采样子传感器以及沉降采样子传感器。
振动加速度是用于描述物体在空间中振动或震动时加速度的物理量。它表示物体在单位时间内加速度的变化率，通常以米每秒平方(m/s²)作为单位。振动加速度是振动分析和振动监测中的重要参数，用于量化和分析振动的强度和频率。因此，为了对沉降监测时避免由环境振动因素造成测量得到的数据发生波动，需要首先获取各个传感器内设置的振动检测子传感器检测的振动加速度。
步骤S12：当振动加速度大于预设加速度阈值时，获取振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点。
具体来说，在本技术方案中，当振动加速度大于预设加速度阈值时，服务器获取振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点。
预设加速度阈值即影响测量结果稳定性的最小加速度阈值。即，当振动加速度大于预设加速度阈值时，该振动会对测量结果的稳定性和准确性造成影响。因此，预设加速度阈值可根据用户对实际测量精度的需求进行具体设定，故在本申请中不对预设加速度阈值的大小做过多限定。
当振动加速度大于预设加速度阈值时，服务器将控制振动检测子传感器以预设大小的频率对振动情况进行持续采样，并获取当前振动采样的起始时间点，其中，预设大小的频率优选为500Hz以上的频率；服务器还将获取振动检测子传感器检测得到的振动检测信息。更具体的，检测子传感器会以预设大小的频率进行多次采样，每次采样包括频率、加速度峰值以及振幅三种类型的数据。服务器每次采样时，将当前采样对应的加速度峰值与前一次采样对应的加速度峰值进行比较，当服务器判断第i+1次采样对应的加速度峰值出现下降趋势时，则将第i次采样对应的频率、加速度峰值以及振幅作为振动检测信息。
步骤S13：将振动检测信息输入至振动模型库，得到预测振动持续周期。
具体来说，在本技术方案中，服务器将振动检测信息输入至振动模型库，得到预测振动持续周期。
服务器将振动检测信息输入至振动模型库进行匹配，从而得到预测振动持续周期，以预测当前振动的持续时长，进而对沉降采样的时间点进行修正。在后续实施例中，将对将振动检测信息输入至振动模型库，得到预测振动持续周期的方法进行详细说明，故在此不做过多赘述。
在一种可能的实施方式中，在步骤S13之前，需要构建振动模型库，构建振动模型库方法包括如下步骤：
获取多组振动测试数据，各组振动测试数据中包括测试频率、测试最大振幅、测试加速度峰值以及测试持续周期。
具体来说，在本技术方案中，服务器获取多组振动测试数据，各组振动测试数据中
包括测试频率、测试最大振幅、测试加速度峰值以及测试持续周期。其中，振动测试数据可以为历史的振动测量数据。
基于预设加速度阈值，确定误差干扰精度阈值。
具体来说，在本技术方案中，服务器基于预设加速度阈值，确定误差干扰精度阈值。误差干扰精度阈值和预设加速度阈值是直接相关的，即，误差干扰精度阈值越大设定的
预设加速度阈值越大，误差干扰精度阈值越小设定的预设加速度阈值越小。因此，误差干扰
精度阈值可根据用户对实际测量精度的需求进行具体设定，故在本申请中不对误差干扰精
度阈值的大小做过多限定。
基于误差干扰精度阈值和每组振动测试数据中的测试频率、测试最大振幅、测试加速度峰值以及测试持续周期，构建多个模糊相关矩阵。
具体来说，在本技术方案中，服务器基于误差干扰精度阈值和每组振动测试数
据中的测试频率、测试最大振幅、测试加速度峰值以及测试持续周
期，构建多个模糊相关矩阵。
模糊相关矩阵（Fuzzy Correlation Matrix）是一种数学工具，用于描述和量化多
个变量之间的模糊或不确定性相关性。在模糊相关矩阵中，相关性不仅仅表示为具体的数
值，而是通过模糊集合或隶属度函数来表示。在模糊相关矩阵中，t是到达误差干扰精度阈
值所需的时间。在构建模糊相关矩阵时，首先需要定义一个模糊相关性函数，该函数将测试
数据的各个参数与误差干扰精度阈值α和到达误差干扰精度阈值α所需的时间t相关联。对
于每一组振动测试数据，将测试频率、测试最大振幅、测试加速度峰值以及测试持续周期的值输入到模糊相关性函数中，同时考虑误差干扰精度
阈值α和到达阈值所需的时间t，其将产生一个隶属度值以表示该组数据与给定α和t的相关
性。对于每组振动测试数据，将得到的隶属度值填入相应位置，形成一个模糊相关矩阵。最
终不断重复上述步骤，以构建多个模糊相关矩阵。
基于多个模糊相关矩阵，构建得到振动模型库。
具体来说，在本技术方案中，服务器基于多个模糊相关矩阵，构建得到振动模型库。即将多个模糊相关矩阵整合到一个振动模型库中。
在一种可能的实施方式中，振动检测信息包括第一实际振动频率和第一实际
加速度峰值；步骤S13具体包括如下步骤：
基于第一实际加速度峰值，通过以下公式计算得到第一实际最大振幅，。
具体来说，在本技术方案中，服务器基于第一实际加速度峰值，并通过以
下公式计算得到第一实际最大振幅，。
其中，第一实际加速度峰值即前述实施例步骤S12中的第i次采样对应的
加速度峰值。由于最大振幅不能直接测量得到，因此，第一实际最大振幅通过公式计算得到，其中t表示时间。
将第一实际振动频率、第一实际加速度峰值、第一实际最大振幅与振动模型库中的多个模糊相关矩阵进行匹配，得到匹配结果。
具体来说，在本技术方案中，服务器将第一实际振动频率、第一实际加速度峰
值、第一实际最大振幅与振动模型库中的多个模糊相关矩阵进行匹配，得
到匹配结果。
即服务器将第一实际振动频率、第一实际加速度峰值、第一实际最大
振幅输入至振动模型库中，与振动模型库中的多个模糊相关矩阵进行匹配，得到匹
配结果。
当匹配结果为匹配到关联性模糊相关矩阵时，基于关联性模糊相关矩阵中的测试
持续周期，得到预测振动持续周期；其中，关联性模糊相关矩阵中的测试频率与第一实际振动频率的第一误差、关联性模糊相关矩阵中的测试最大振幅与第一实际最大振幅的第二误差以及关联性模糊相关矩阵中的测试加速
度峰值与第一实际加速度峰值的第三误差均处于预设误差范围内。
具体来说，在本技术方案中，当服务器得到的匹配结果为匹配到关联性模糊相关
矩阵时，则基于关联性模糊相关矩阵中的测试持续周期，得到预测振动持续周期。
其中，第一误差=|测试频率-第一实际振动频率|/测试频率；第二误差=|测试最大振幅-第一实际最大振幅|/测试最大振幅；第三误差=|测试加速度峰值-第一实际加速度峰值|/测试加速度峰值。预设误差范围优选为10%。当第一误差、第二误差以及第三误差均小于10%时，则将匹配得到的关联性模糊相关矩阵中对应的测试持续周期作为预测振动持续周期。
在一种可能的实施方式中，在将第一实际振动频率、第一实际加速度峰值、第一实际最大振幅与振动模型库中的多个模糊相关矩阵进行匹配，得到
匹配结果之后，方法还包括如下步骤：
当匹配结果为未能匹配到关联性模糊相关矩阵时，获取当前振动采样的停止时间点。
具体来说，在本技术方案中，当服务器得到的匹配结果为未能匹配到关联性模糊相关矩阵时，则获取当前振动采样的停止时间点。
当前振动采样的停止即当振动检测子传感器检测得到的振动加速度不大于预设加速度阈值时，服务器控制振动检测子传感器停止采样，此时服务器获取当前振动采样的停止时间点。
基于停止时间点和起始时间点，得到实际振动持续周期。
具体来说，在本技术方案中，服务器基于停止时间点和起始时间点，得到实际振动
持续周期。即服务器将停止时间点减去起始时间点，得到实际振动持续周期。
获取实际振动持续周期内以预设频率进行持续采样得到的n组持续采样数据，每组持续采样数据中包括第二实际振动频率和第二实际加速度峰值。
具体来说，在本技术方案中，服务器获取实际振动持续周期内以预设频率进行持续采样得到的n组持续采样数据，每组持续采样数据中包括第二实际振动频率和第二实际加速度峰值。
从n组持续采样数据中，选取得到第i组持续采样数据，第i组持续采样数据对应的第三实际加速度峰值大于其余各组持续采样数据对应的第二实际加速度峰值。
具体来说，在本技术方案中，服务器从n组持续采样数据中，选取得到第i组持续采
样数据，第i组持续采样数据对应的第三实际加速度峰值大于其余各组持续采样数据对应
的第二实际加速度峰值。即第i组持续采样数据对应的第三实际加速度峰值为n组
持续采样数据中最大的。
基于第i组持续采样数据对应的第三实际振动频率和第三实际加速度峰值，通过以下公式计算得到第i组持续采样数据对应的第三实际最大振幅，。
具体来说，在本技术方案中，服务器基于第i组持续采样数据对应的第三实际振动
频率和第三实际加速度峰值，通过以下公式计算得到第i组持续采样数据对应
的第三实际最大振幅，。
基于第三实际振动频率、第三实际加速度峰值、第三实际最大振幅以及实际振动持续周期，构建新增模糊相关矩阵。
具体来说，在本技术方案中，服务器基于第三实际振动频率、第三实际加速度
峰值、第三实际最大振幅以及实际振动持续周期，构建新增模糊相
关矩阵。构建新增模糊相关矩阵的方法步骤和前
述实施例中构建模糊相关矩阵的方法一致，故在此不做过多赘述。
将新增模糊相关矩阵增加至振动模型库。
具体来说，在本技术方案中，服务器将新增模糊相关矩阵增加至振动模型库，以实现动态更新振动模型库。
步骤S14：基于起始时间点、预测振动持续周期以及预设沉降采样时间点对预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以使各个传感器内设置的沉降采样子传感器在修正后的沉降采样时间点进行采样。
具体来说，在本技术方案中，服务器基于起始时间点、预测振动持续周期以及预设沉降采样时间点对预设沉降采样时间点进行修正，得到修正后的沉降采样时间点。
需要说明的是，在本方案中，各个传感器是独立控制的。由于各个传感器对应检测到的振动加速度可能存在不同，因此最终得到的各个传感器对应的修正后的沉降采样时间点也可能存在不同。
在一种可能的实施方式中，步骤S14具体包括如下步骤：
基于起始时间点、预测振动持续周期以及预设沉降采样时间点，计算得到稳定延时时长。
具体来说，在本技术方案中，服务器基于起始时间点、预测振动持续周期以及预设沉降采样时间点，计算得到稳定延时时长。其中，稳定延时时长的单位优选为秒，其精度精确到小数点后两位。
将预设沉降采样时间点加上稳定延时时长，得到修正后的沉降采样时间点；其中，通过以下公式计算得到稳定延时时长，稳定延时时长=预设沉降采样时间点-起始时间点-预测振动持续周期。
具体来说，在本技术方案中，服务器将预设沉降采样时间点加上稳定延时时长，得到修正后的沉降采样时间点。其中，稳定延时时长=预设沉降采样时间点-起始时间点-预测振动持续周期。
举例来说，假设预设沉降采样时间点为12点，当前振动采样的起始时间点为11点59分，预测振动持续周期为2分30秒，因此计算得到的稳定延时时长为1分30秒，进而得到的修正后的沉降采样时间点为12点01分30秒。
在对采样时间进行修正之后，影响沉降数据准确性的另一因素则是沉降监测现场的环境温度。由于环境温度的干扰一般呈周期性，目前现有的静力水准仪都明显收到温度影响，尤其在室外环境中，环境温度对于沉降数据准确性的影响尤其明显。因此，为了使得避免环境温度对于沉降数据的准确性造成影响，本方案将对采样时的环境温度带来的影响进行修正，以降低环境温度对于沉降数据准确性的影响，从而提高沉降数据的准确性。因此，在一种可能的实施方式中，参照图4，图4是本申请实施例公开的一种智能沉降监测方法的流程示意图之二。该智能沉降监测方法还包括步骤S21至步骤S26，上述步骤如下：
步骤S21：获取各个传感器内设置的温度采样子传感器采样的当前温度，以及各个传感器内设置的沉降采样子传感器采样的沉降数据。
具体来说，在本技术方案中，服务器获取各个传感器内设置的温度采样子传感器采样的当前温度，以及各个传感器内设置的沉降采样子传感器采样的沉降数据。
当服务器对对预设沉降采样时间点进行修正，得到修正后的沉降采样时间点之后，将在修正后的沉降采样时间点时，发送控制信号至各个传感器内设置的温度采样子传感器和沉降采样子传感器，以控制各个传感器内设置的温度采样子传感器采样当前温度，并控制各个传感器内设置的沉降采样子传感器采样沉降数据。在采用完成后，服务器将获取各个传感器内设置的温度采样子传感器采样的当前温度，以及各个传感器内设置的沉降采样子传感器采样的沉降数据。
步骤S22：获取沉降监测布置环境中液体体积和液管长度。
具体来说，在本技术方案中，服务器获取沉降监测布置环境中液体体积和液管长度。
其中，沉降监测布置环境中液体体积是指储液罐中的液体和各个液管中的液体的总体积。沉降监测布置环境中液管长度是指连接各个传感器的液管的总长度。沉降监测布置环境中液体体积和液管长度将根据用户需求和实际情况进行具体设定，故在本申请中不做过多限定。
步骤S23：获取预设的液体修正曲线、预设的液管修正曲线以及预设的传感器修正曲线。
具体来说，在本技术方案中，服务器获取预设的液体修正曲线、预设的液管修正曲线以及预设的传感器修正曲线。
预设的液体修正曲线可以表示为，其中T为温度，为不同温度下
对应的液体体积修正相关系数，a为固定系数因子；预设的液管修正曲线可以表示为，其中T为温度，为不同温度下对应的液管长度修正相关系数，b为固定系
数因子；预设的传感器修正曲线可以表示为，其中T为温度，为不同
温度下对应的传感器修正相关系数，c为固定系数因子。其中，不同温度下对应的液体体积
修正相关系数、不同温度下对应的液管长度修正相关系数以及不同温度下对应的传感器修
正相关系数，固定系数因子a、固定系数因子b以及固定系数因子c均为本方案实验人员根据
大量实验数据统计计算得到。
步骤S24：基于预设的液体修正曲线、预设的液管修正曲线以及是预设的传感器修正曲线，得到综合修正曲线。
具体来说，在本技术方案中，服务器基于预设的液体修正曲线、预设的液管修正曲
线以及是预设的传感器修正曲线，得到综合修正曲线。得到综合修正曲线可以表示为：；其中，n的含义为第n个传感器。
步骤S25：基于各个传感器对应的当前温度和综合修正曲线，得到各个传感器对应的修正因子。
具体来说，在本技术方案中，服务器基于各个传感器对应的当前温度和综合修正曲线，从综合修正曲线中对应得到各个传感器对应的修正因子。
步骤S26：基于各个传感器对应的沉降数据、液体体积、液管长度以及各个传感器对应的修正因子，对各个传感器对应的沉降数据进行修正，得到各个传感器对应的修正沉降数据。
具体来说，在本技术方案中，服务器基于各个传感器对应的沉降数据、液体体积、液管长度以及各个传感器对应的修正因子，对各个传感器对应的沉降数据进行修正，得到各个传感器对应的修正沉降数据。修正后的沉降数据将更准确地反映沉降的实际情况。
在一种可能的实施方式中，修正因子包括液体修正因子、液管修正因子以及传感器修正因子，步骤S26具体包括如下步骤：
基于各个传感器对应的沉降数据和各个传感器对应的传感器修正因子，得到各个传感器对应的第一修正数据。
具体来说，在本技术方案中，服务器基于各个传感器对应的沉降数据和各个传感器对应的传感器修正因子，得到各个传感器对应的第一修正数据。即第一修正数据=沉降数据*传感器修正因子+c。
基于液体体积和各个传感器对应的液体修正因子，得到各个传感器对应的第二修正数据。
具体来说，在本技术方案中，服务器基于液体体积和各个传感器对应的液体修正因子，得到各个传感器对应的第二修正数据。即第二修正数据=液体体积*液体修正因子+a。
基于液管长度和各个传感器对应的液管修正因子，得到各个传感器对应的第三修正数据。
具体来说，在本技术方案中，服务器基于液管长度和各个传感器对应的液管修正因子，得到各个传感器对应的第三修正数据。即第三修正数据=液管长度*液管修正因子+b。
基于各个传感器对应的第一修正数据、各个传感器对应的第二修正数据以及各个传感器对应的第三修正数据，得到各个传感器对应的修正沉降数据。
具体来说，在本技术方案中，服务器基于各个传感器对应的第一修正数据、各个传感器对应的第二修正数据以及各个传感器对应的第三修正数据，得到各个传感器对应的修正沉降数据。修正沉降数据可以根据第一修正数据、第二修正数据以及第三修正数据求和得到；也可根据对第一修正数据、第二修正数据以及第三修正数据进行进一步运算得到。
本申请还提供了一种智能沉降监测系统，参照图5，其示出了本申请实施例提供的一种智能沉降监测系统的结构示意图。系统包括获取模块1、振动持续周期预测模块2以及沉降采样时间修正模块3；获取模块1，用于获取各个传感器内设置的振动检测子传感器检测的振动加速度；获取模块1，还用于当振动加速度大于预设加速度阈值时，获取振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点；振动持续周期预测模块2，用于将振动检测信息输入至振动模型库，得到预测振动持续周期；沉降采样时间修正模块3，用于基于起始时间点、预测振动持续周期以及预设沉降采样时间点对预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以使各个传感器内设置的沉降采样子传感器在修正后的沉降采样时间点进行采样。
在一种可能的实施方式中，系统还包括处理模块4和沉降数据修正模块5；获取模块1，还用于获取各个传感器内设置的温度采样子传感器采样的当前温度，以及各个传感器内设置的沉降采样子传感器采样的沉降数据；获取模块1，还用于获取沉降监测布置环境中液体体积和液管长度；获取模块1，还用于获取预设的液体修正曲线、预设的液管修正曲线以及预设的传感器修正曲线；处理模块4，用于基于预设的液体修正曲线、预设的液管修正曲线以及是预设的传感器修正曲线，得到综合修正曲线；处理模块4，还用于基于各个传感器对应的当前温度和综合修正曲线，得到各个传感器对应的修正因子；沉降数据修正模块5，用于基于各个传感器对应的沉降数据、液体体积、液管长度以及各个传感器对应的修正因子，对各个传感器对应的沉降数据进行修正，得到各个传感器对应的修正沉降数据。
在一种可能的实施方式中，系统还包括振动模型库构建模块6；获取模块1，还用于
获取多组振动测试数据，各组振动测试数据中包括测试频率、测试最大振幅、
测试加速度峰值以及测试持续周期；振动模型库构建模块6，还用于基于预
设加速度阈值，确定误差干扰精度阈值；振动模型库构建模块6，还用于基于误差干扰精
度阈值和每组振动测试数据中的测试频率、测试最大振幅、测试加速度峰
值以及测试持续周期，构建多个模糊相关矩阵；振动模型库构建模块6，还用于基于多个模糊相
关矩阵，构建得到振动模型库。
在一种可能的实施方式中，振动持续周期预测模块2，还用于基于第一实际加速度
峰值，通过以下公式计算得到第一实际最大振幅，；振动持续周期预测模块2，还用于将第一实际振动频率、
第一实际加速度峰值、第一实际最大振幅与振动模型库中的多个模糊相关
矩阵进行匹配，得到匹配结果；振动持续周期预测模块2，还用于当匹配结果为匹配到关联
性模糊相关矩阵时，基于关联性模糊相关矩阵中的测试持续周期，得到预测振动持续
周期；其中，关联性模糊相关矩阵中的测试频率与第一实际振动频率的第一
误差、关联性模糊相关矩阵中的测试最大振幅与第一实际最大振幅的第
二误差以及关联性模糊相关矩阵中的测试加速度峰值与第一实际加速度峰值的第三误差均处于预设误差范围内。
在一种可能的实施方式中，获取模块1，还用于当匹配结果为未能匹配到关联性模
糊相关矩阵时，获取当前振动采样的停止时间点；处理模块4，还用于基于停止时间点和起
始时间点，得到实际振动持续周期；获取模块1，还用于获取实际振动持续周期内以预
设频率进行持续采样得到的n组持续采样数据，每组持续采样数据中包括第二实际振动频
率和第二实际加速度峰值；处理模块4，还用于从n组持续采样数据中，选取得到第i组持续
采样数据，第i组持续采样数据对应的第三实际加速度峰值大于其余各组持续采样数据对
应的第二实际加速度峰值；处理模块4，还用于基于第i组持续采样数据对应的第三实际振
动频率和第三实际加速度峰值，通过以下公式计算得到第i组持续采样数据对
应的第三实际最大振幅，；振动模型库构建模块6，
还用于基于第三实际振动频率、第三实际加速度峰值、第三实际最大振幅以及实际振动持续周期，构建新增模糊相关矩阵；振动模型库构建模块6，还用于将新增模糊相关
矩阵增加至振动模型库。
在一种可能的实施方式中，沉降采样时间修正模块3，还用于基于起始时间点、预测振动持续周期以及预设沉降采样时间点，计算得到稳定延时时长；沉降采样时间修正模块3，还用于将预设沉降采样时间点加上稳定延时时长，得到修正后的沉降采样时间点；其中，通过以下公式计算得到稳定延时时长，稳定延时时长=预设沉降采样时间点-起始时间点-预测振动持续周期。
在一种可能的实施方式中，沉降数据修正模块5，还用于基于各个传感器对应的沉降数据和各个传感器对应的传感器修正因子，得到各个传感器对应的第一修正数据；沉降数据修正模块5，还用于基于液体体积和各个传感器对应的液体修正因子，得到各个传感器对应的第二修正数据；沉降数据修正模块5，还用于基于液管长度和各个传感器对应的液管修正因子，得到各个传感器对应的第三修正数据；沉降数据修正模块5，还用于基于各个传感器对应的第一修正数据、各个传感器对应的第二修正数据以及各个传感器对应的第三修正数据，得到各个传感器对应的修正沉降数据。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
本申请还公开一种电子设备。参照图6，图6是本申请实施例的公开的一种电子设备的结构示意图。该电子设备600可以包括：至少一个处理器601，至少一个网络接口604，用户接口603，存储器605，至少一个通信总线602。
其中，通信总线602用于实现这些组件之间的连接通信。
其中，用户接口603可以包括显示屏（Display）、摄像头（Camera），可选用户接口603还可以包括标准的有线接口、无线接口。
其中，网络接口604可选的可以包括标准的有线接口、无线接口（如WI-FI接口）。
其中，处理器601可以包括一个或者多个处理核心。处理器601利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器605内的指令、程序、代码集或指令集，以及调用存储在存储器605内的数据，执行服务器的各种功能和处理数据。可选的，处理器601可以采用数字信号处理（Digital Signal Processing，DSP）、现场可编程门阵列（Field-Programmable Gate Array，FPGA）、可编程逻辑阵列（Programmable LogicArray，PLA）中的至少一种硬件形式来实现。处理器601可集成中央处理器（CentralProcessing Unit，CPU）、图像处理器（Graphics Processing Unit，GPU）和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器601中，单独通过一块芯片进行实现。
其中，存储器605可以包括随机存储器（Random Access Memory，RAM），也可以包括只读存储器（Read-Only Memory）。可选的，该存储器605包括非瞬时性计算机可读介质（non-transitory computer-readable storage medium）。存储器605可用于存储指令、程序、代码、代码集或指令集。存储器605可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令（比如触控功能、声音播放功能、图像播放功能等）、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器605可选的还可以是至少一个位于远离前述处理器601的存储装置。参照图6，作为一种计算机存储介质的存储器605中可以包括操作系统、网络通信模块、用户接口模块以及一种应用程序。
在图6所示的电子设备600中，用户接口603主要用于为用户提供输入的接口，获取用户输入的数据；而处理器601可以用于调用存储器605中存储一种应用程序，当由一个或多个处理器601执行时，使得电子设备600执行如上述实施例中一个或多个的方法。需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储器中。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储器中，包括若干指令用以使得一台计算机设备（可为个人计算机、服务器或者网络设备等）执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后，将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (8)
1.一种智能沉降监测方法，其特征在于，所述方法包括：
获取各个传感器内设置的振动检测子传感器检测的振动加速度；
当所述振动加速度大于预设加速度阈值时，获取所述振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点；
将所述振动检测信息输入至振动模型库，得到预测振动持续周期；所述振动检测信息包括第一实际振动频率和第一实际加速度峰值/>；
基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点对所述预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以使各个传感器内设置的沉降采样子传感器在所述修正后的沉降采样时间点进行采样；
在所述将所述振动检测信息输入至振动模型库，得到预测振动持续周期之前，获取多组振动测试数据，各组所述振动测试数据中包括测试频率、测试最大振幅/>、测试加速度峰值/>以及测试持续周期/>；
基于所述预设加速度阈值，确定误差干扰精度阈值；
基于所述误差干扰精度阈值和每组所述振动测试数据中的所述测试频率/>、所述测试最大振幅/>、所述测试加速度峰值/>以及所述测试持续周期/>，构建多个模糊相关矩阵/>；
基于多个所述模糊相关矩阵，构建得到所述振动模型库；
所述将所述振动检测信息输入至振动模型库，得到预测振动持续周期，具体包括：
基于所述第一实际加速度峰值，通过以下公式计算得到第一实际最大振幅，/>；
将所述第一实际振动频率、所述第一实际加速度峰值/>、所述第一实际最大振幅/>与所述振动模型库中的多个模糊相关矩阵进行匹配，得到匹配结果；
当所述匹配结果为匹配到关联性模糊相关矩阵时，基于所述关联性模糊相关矩阵中的测试持续周期，得到所述预测振动持续周期/>；其中，所述关联性模糊相关矩阵中的测试频率/>与所述第一实际振动频率/>的第一误差、所述关联性模糊相关矩阵中的测试最大振幅/>与所述第一实际最大振幅/>的第二误差以及所述关联性模糊相关矩阵中的测试加速度峰值/>与所述第一实际加速度峰值/>的第三误差均处于预设误差范围内。
2.根据权利要求1所述的方法，其特征在于，在所述基于所述当前振动采样的起始时间点、所述预测振动持续周期以及预设的沉降采样时间点对所述预设的沉降采样时间点进行修正，得到修正后的沉降采样时间点之后，所述方法还包括：
获取各个传感器内设置的温度采样子传感器采样的当前温度，以及各个传感器内设置的沉降采样子传感器采样的沉降数据；
获取沉降监测布置环境中液体体积和液管长度；
获取预设的液体修正曲线、预设的液管修正曲线以及预设的传感器修正曲线；
基于所述预设的液体修正曲线、所述预设的液管修正曲线以及是预设的传感器修正曲线，得到综合修正曲线；
基于各个传感器对应的所述当前温度和所述综合修正曲线，得到各个传感器对应的修正因子；
基于各个传感器对应的所述沉降数据、所述液体体积、所述液管长度以及各个传感器对应的所述修正因子，对各个传感器对应的沉降数据进行修正，得到各个传感器对应的修正沉降数据。
3.根据权利要求1所述的方法，其特征在于，在所述将所述第一实际振动频率、所述第一实际加速度峰值/>、所述第一实际最大振幅/>与所述振动模型库中的多个模糊相关矩阵进行匹配，得到匹配结果之后，所述方法还包括：
当所述匹配结果为未能匹配到所述关联性模糊相关矩阵时，获取当前振动采样的停止时间点；
基于所述停止时间点和所述起始时间点，得到实际振动持续周期；
获取所述实际振动持续周期内以预设频率进行持续采样得到的n组持续采样数据，每组所述持续采样数据中包括第二实际振动频率和第二实际加速度峰值；
从n组所述持续采样数据中，选取得到第i组持续采样数据，所述第i组持续采样数据对应的第三实际加速度峰值大于其余各组所述持续采样数据对应的第二实际加速度峰值；
基于第i组持续采样数据对应的第三实际振动频率和第三实际加速度峰值，通过以下公式计算得到第i组持续采样数据对应的第三实际最大振幅/>，；
基于所述第三实际振动频率、所述第三实际加速度峰值/>、所述第三实际最大振幅/>以及所述实际振动持续周期/>，构建新增模糊相关矩阵；
将所述新增模糊相关矩阵增加至所述振动模型库。
4.根据权利要求1所述的方法，其特征在于，所述基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点对所述预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，具体包括：
基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点，计算得到稳定延时时长；
将所述预设沉降采样时间点加上所述稳定延时时长，得到所述修正后的沉降采样时间点；其中，通过以下公式计算得到所述稳定延时时长，稳定延时时长=预设沉降采样时间点-起始时间点-预测振动持续周期。
5.根据权利要求2所述的方法，其特征在于，所述修正因子包括液体修正因子、液管修正因子以及传感器修正因子；所述基于各个传感器对应的所述沉降数据、所述液体体积、所述液管长度以及各个传感器对应的所述修正因子，对各个传感器对应的沉降数据进行修正，得到各个传感器对应的修正沉降数据，具体包括：
基于各个传感器对应的所述沉降数据和各个传感器对应的所述传感器修正因子，得到各个传感器对应的第一修正数据；
基于所述液体体积和各个传感器对应的所述液体修正因子，得到各个传感器对应的第二修正数据；
基于所述液管长度和各个传感器对应的所述液管修正因子，得到各个传感器对应的第三修正数据；
基于各个传感器对应的所述第一修正数据、各个传感器对应的所述第二修正数据以及各个传感器对应的所述第三修正数据，得到各个传感器对应的修正沉降数据。
6.一种智能沉降监测系统，其特征在于，所述系统包括：获取模块、振动持续周期预测模块、沉降采样时间修正模块以及振动模型库构建模块；
所述获取模块，用于获取各个传感器内设置的振动检测子传感器检测的振动加速度；
所述获取模块，还用于当所述振动加速度大于预设加速度阈值时，获取所述振动检测子传感器检测得到的振动检测信息和当前振动采样的起始时间点；
所述振动持续周期预测模块，用于将所述振动检测信息输入至振动模型库，得到预测振动持续周期；所述振动检测信息包括第一实际振动频率和第一实际加速度峰值；
所述沉降采样时间修正模块，用于基于所述起始时间点、所述预测振动持续周期以及预设沉降采样时间点对所述预设沉降采样时间点进行修正，得到修正后的沉降采样时间点，以使各个传感器内设置的沉降采样子传感器在所述修正后的沉降采样时间点进行采样；
所述获取模块，还用于获取多组振动测试数据，各组所述振动测试数据中包括测试频率、测试最大振幅/>、测试加速度峰值/>以及测试持续周期/>；
所述振动模型库构建模块，用于基于所述预设加速度阈值，确定误差干扰精度阈值；
所述振动模型库构建模块，还用于基于所述误差干扰精度阈值和每组所述振动测试数据中的所述测试频率/>、所述测试最大振幅/>、所述测试加速度峰值/>以及所述测试持续周期/>，构建多个模糊相关矩阵；
所述振动模型库构建模块，还用于基于多个所述模糊相关矩阵，构建得到所述振动模型库；
所述振动持续周期预测模块，还用于基于所述第一实际加速度峰值，通过以下公式计算得到第一实际最大振幅/>，/>；
所述振动持续周期预测模块，还用于将所述第一实际振动频率、所述第一实际加速度峰值/>、所述第一实际最大振幅/>与所述振动模型库中的多个模糊相关矩阵进行匹配，得到匹配结果；
所述振动持续周期预测模块，还用于当所述匹配结果为匹配到关联性模糊相关矩阵时，基于所述关联性模糊相关矩阵中的测试持续周期，得到所述预测振动持续周期；其中，所述关联性模糊相关矩阵中的测试频率/>与所述第一实际振动频率/>的第一误差、所述关联性模糊相关矩阵中的测试最大振幅/>与所述第一实际最大振幅的第二误差以及所述关联性模糊相关矩阵中的测试加速度峰值/>与所述第一实际加速度峰值/>的第三误差均处于预设误差范围内。
7.一种电子设备，其特征在于，包括处理器(601)、存储器(605)、用户接口(603)及网络接口(604)，所述存储器(605)用于存储指令，所述用户接口(603)和网络接口(604)用于给其他设备通信，所述处理器(601)用于执行所述存储器(605)中存储的指令，以使所述电子设备(600)执行如权利要求1-5任意一项所述的方法。
8.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有指令，当所述指令被执行时，执行如权利要求1-5任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311685172.2A CN117405075B (zh) | 2023-12-11 | 2023-12-11 | 一种智能沉降监测方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311685172.2A CN117405075B (zh) | 2023-12-11 | 2023-12-11 | 一种智能沉降监测方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117405075A CN117405075A (zh) | 2024-01-16 |
| CN117405075B true CN117405075B (zh) | 2024-02-27 |
Family
ID=89496478
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311685172.2A Active CN117405075B (zh) | 2023-12-11 | 2023-12-11 | 一种智能沉降监测方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117405075B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117870618A (zh) * | 2024-03-13 | 2024-04-12 | 中晋环境科技有限公司 | 一种采空区沉降监测方法、装置、电子设备及存储介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004108993A (ja) * | 2002-09-19 | 2004-04-08 | Chuo Fukken Consultants Co Ltd | 沈下測定方法と沈下測定システムおよび沈下計測装置ならびに沈下計測装置用波動制振ブロック |
| RU2626583C1 (ru) * | 2016-08-29 | 2017-07-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный автомобильно-дорожный университет (СибАДИ)" | Способ обнаружения и классификации изменений параметров оболочки трубопровода и окружающей его среды |
| CN107664494A (zh) * | 2017-09-01 | 2018-02-06 | 北京化工大学 | 一种晃动状态下准确测量结构物沉降的检测装置 |
| CN113624198A (zh) * | 2020-05-08 | 2021-11-09 | 深圳安锐科技有限公司 | 一种基于压力波传导的结构物竖向位移实时测量方法和系统 |
| CN115060230A (zh) * | 2022-04-01 | 2022-09-16 | 重庆工程职业技术学院 | 城市隧道多线叠交施工沉降监测预警系统 |
-
2023
- 2023-12-11 CN CN202311685172.2A patent/CN117405075B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2004108993A (ja) * | 2002-09-19 | 2004-04-08 | Chuo Fukken Consultants Co Ltd | 沈下測定方法と沈下測定システムおよび沈下計測装置ならびに沈下計測装置用波動制振ブロック |
| RU2626583C1 (ru) * | 2016-08-29 | 2017-07-28 | Федеральное государственное бюджетное образовательное учреждение высшего образования "Сибирский государственный автомобильно-дорожный университет (СибАДИ)" | Способ обнаружения и классификации изменений параметров оболочки трубопровода и окружающей его среды |
| CN107664494A (zh) * | 2017-09-01 | 2018-02-06 | 北京化工大学 | 一种晃动状态下准确测量结构物沉降的检测装置 |
| CN113624198A (zh) * | 2020-05-08 | 2021-11-09 | 深圳安锐科技有限公司 | 一种基于压力波传导的结构物竖向位移实时测量方法和系统 |
| CN115060230A (zh) * | 2022-04-01 | 2022-09-16 | 重庆工程职业技术学院 | 城市隧道多线叠交施工沉降监测预警系统 |
Non-Patent Citations (1)
| Title |
|---|
| 高速铁路路基动力学研究进展;陈云敏，边学成;土木工程学报;第51卷(第6期);1-11 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117405075A (zh) | 2024-01-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117405075B (zh) | 一种智能沉降监测方法及系统 | |
| CN102445476B (zh) | 操作具有至少一个探针的测量装置的方法 | |
| CN110059894A (zh) | 设备状态评估方法、装置、系统及存储介质 | |
| CN112881818A (zh) | 电场强度测量方法、装置、计算机设备和存储介质 | |
| CN114897272A (zh) | 污水检查井的液位预测方法、装置、电子设备及存储介质 | |
| CN111024986B (zh) | 超声波风速风向仪数据校准方法、装置及设备、存储介质 | |
| CN113566929A (zh) | 基于lstm的油罐液面超声测量方法、系统、终端及存储介质 | |
| RU2641512C2 (ru) | Измерительная система и способ определения измеряемой величины | |
| CN111200467B (zh) | 芯片无线参数的校准方法、装置及电子设备 | |
| CN111327630B (zh) | 基于全对称多胞形理论的攻击检测与修正方法 | |
| WO2019147986A1 (en) | Determination of virtual process parameters | |
| CN116415686A (zh) | 温升模型校准方法、装置、超声成像设备及存储介质 | |
| CN115062273B (zh) | 工业互联网的光电传感器精度控制方法及系统 | |
| US20230133652A1 (en) | Systems and methods for uncertainty prediction using machine learning | |
| US20180242055A1 (en) | Field device and information providing method | |
| CN110967446A (zh) | 参数对标的方法、装置、存储介质和电子设备 | |
| CN116528138B (zh) | 用于音响ts参数的测试方法及系统 | |
| CN112613632B (zh) | 功率预测模型建立方法、预测方法、装置及电子设备 | |
| CN111854929B (zh) | 一种评定特高压主设备声功率级不确定度的方法及系统 | |
| CN118913157A (zh) | 基于2d激光传感器的导轨平面度检测及预测系统 | |
| RU2409827C2 (ru) | Устройство прогнозирования технического состояния систем | |
| CN114417584A (zh) | 一种基于孔隙水压计的边坡在线安全评估的方法及设备 | |
| JP2011060168A (ja) | 監視装置 | |
| CN117725559A (zh) | 一种甲醛传感器的数值修正方法及系统 | |
| Henry et al. | Towards assessing online uncertainty for three-phase flow metering in the oil and gas industry |
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 |