CN117571015B - 一种强夯施工状态监测方法、装置、设备及存储介质 - Google Patents
一种强夯施工状态监测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN117571015B CN117571015B CN202410052181.6A CN202410052181A CN117571015B CN 117571015 B CN117571015 B CN 117571015B CN 202410052181 A CN202410052181 A CN 202410052181A CN 117571015 B CN117571015 B CN 117571015B
- Authority
- CN
- China
- Prior art keywords
- dynamic compaction
- position information
- hammer
- dynamic
- state
- 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
- 238000005056 compaction Methods 0.000 title claims abstract description 527
- 238000000034 method Methods 0.000 title claims abstract description 119
- 238000010276 construction Methods 0.000 title claims abstract description 64
- 238000012544 monitoring process Methods 0.000 title claims abstract description 60
- 230000001133 acceleration Effects 0.000 claims abstract description 57
- 230000008569 process Effects 0.000 claims abstract description 56
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 32
- 238000001914 filtration Methods 0.000 claims description 55
- 239000011159 matrix material Substances 0.000 claims description 33
- 238000012937 correction Methods 0.000 claims description 14
- 238000012806 monitoring device Methods 0.000 claims description 5
- 238000011179 visual inspection Methods 0.000 abstract description 6
- 230000000694 effects Effects 0.000 description 11
- 238000012545 processing Methods 0.000 description 10
- 238000003908 quality control method Methods 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000007246 mechanism Effects 0.000 description 6
- 238000005457 optimization Methods 0.000 description 5
- 230000002159 abnormal effect Effects 0.000 description 4
- 230000008901 benefit Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000004886 process control Methods 0.000 description 4
- 230000009471 action 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
- 239000000463 material Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 239000002131 composite material Substances 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000004134 energy conservation Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000010354 integration Effects 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
- 239000000047 product Substances 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C23/00—Combined instruments indicating more than one navigational value, e.g. for aircraft; Combined measuring devices for measuring two or more variables of movement, e.g. distance, speed or acceleration
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/183—Compensation of inertial measurements, e.g. for temperature effects
- G01C21/188—Compensation of inertial measurements, e.g. for temperature effects for accumulated errors, e.g. by coupling inertial systems with absolute positioning systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/393—Trajectory determination or predictive tracking, e.g. Kalman filtering
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/42—Determining position
- G01S19/45—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement
- G01S19/47—Determining position by combining measurements of signals from the satellite radio beacon positioning system with a supplementary measurement the supplementary measurement being an inertial measurement, e.g. tightly coupled inertial
Abstract
本申请提供了一种强夯施工状态监测方法、装置、设备及存储介质，涉及建筑工程技术领域。方法包括：通过将强夯施工区域划分为N个子强夯区，并获取每个子强夯区的强夯区位置信息；获取每次强夯吊装过程中强夯锤的加速度、角速度和吊装位置信息；将所述加速度、所述角速度和所述吊装位置信息，输入预设的组合惯性导航算法中，输出每次强夯时强夯锤运动状态；基于所述强夯锤运动状态和每个子强夯区的强夯区位置信息，确定每个子强夯区的累积强夯量；当强夯施工结束时，根据所述每个子强夯区的累积强夯量，确定强夯质量，当所述强夯质量不合格时，发出警报。解决了现有强夯法质量监测主要依靠人为目测、尺量、手记，造成较大误差的问题。
Description
技术领域
本申请涉及建筑工程领域，具体涉及一种强夯施工状态监测方法、装置、设备及存储介质。
背景技术
强夯法是一种广泛应用于地基处理领域的施工方法，对于削峰填谷、填海造地的复杂场地形成项目具有较大技术及经济优势，相较于桩基础或其他复合地基施工工艺，同等工程地质条件下，强夯法及其复合工艺具有节能环保、经济高效优势。但由于其施工过程具有瞬时性、隐蔽性和复杂性的特点，给监测和质量控制带来了一定的难度。
强夯法质量控制指标主要有夯沉量、夯击能、夯击次数等。现有强夯法质量监测主要依靠人为目测、尺量、手记，造成较大误差的同时，让不少施工单位偷工减料有机可乘，使强夯法地基处理效果大打折扣。
发明内容
本申请提供一种强夯施工状态监测方法、装置、设备及存储介质，用以现有强夯法质量监测主要依靠人为目测、尺量、手记，造成较大误差的问题。
第一方面，本申请提供了一种强夯施工状态监测方法，方法包括：
将强夯施工区域划分为N个子强夯区，并获取每个子强夯区的强夯区位置信息；
获取每次强夯吊装过程中强夯锤的加速度、角速度和吊装位置信息；
将加速度、角速度和吊装位置信息，输入预设的组合惯性导航算法中，输出每次强夯时强夯锤运动状态；
基于强夯锤运动状态和每个子强夯区的强夯区位置信息，确定每个子强夯区的累积强夯量；
当强夯施工结束时，根据每个子强夯区的累积强夯量，确定强夯质量，当强夯质量不合格时，发出警报。
通过采用上述技术方案，实时获取强夯锤加速度、角速度和吊装位置等信息的方式，将这些信息输入预设的组合惯性导航算法，可以实时输出强夯锤运动状态，反映出强夯过程中的瞬时击打参数。结合预先划分的强夯子区域的位置信息，可以进一步确定每个子区域的累积强夯量，从而实现对强夯整个过程的监测。当强夯结束后，可以根据子区域累积强夯量判断强夯质量，如果检测到不合格的情况，可以及时发出警报。这种基于强夯锤实时状态信息的监测方式，相较于传统的人工观察记载，可以实现对强夯过程的全面和精确监测，克服了强夯施工瞬时性及隐蔽性的监测困难，有效解决了强夯法质量控制的痛点，实现了对强夯质量的实时有效监测，提高了施工质量。解决了现有强夯法质量监测主要依靠人为目测、尺量、手记，造成较大误差的问题。
可选的，将强夯施工区域划分为N个子强夯区，包括：
获取强夯锤的形状数据和面积数据，基于形状数据和面积数据将强夯施工区域划分为N个子强夯区。
通过采用上述技术方案，通过获取强夯锤的形状数据和面积数据，基于强夯锤的形状数据和面积数据将强夯施工区域划分为N个子强夯区。这样可以根据强夯锤的实际形状和面积情况，将强夯区域合理划分为多个子区域，使每个子强夯区的范围和大小适合强夯锤的形状和面积。在后续监测中，可以针对每个子强夯区进行独立的累积强夯量统计，实现对不同子区域的区别化监测。相比简单的等间距划分，这种基于强夯锤形状和面积的数据划分方式，可以使得子强夯区的范围大小和强夯锤夯击的范围大小相匹配，从而计算得出的每个子强夯区的累积强夯量更加准确可靠。
可选的，将加速度、角速度和吊装位置信息，输入预设的组合惯性导航算法中，输出每次强夯时强夯锤运动状态，包括：
将每次强夯时吊装过程中的加速度、角速度和吊装位置信息，输入惯性导航算法，得到每次强夯时的强夯锤运动状态预测值；
基于每次强夯时的强夯锤运动状态预测值，通过序贯卡尔曼滤波及误差状态方程，得到强夯锤运动误差状态变量的预测值，其中，强夯锤运动误差状态变量为强夯锤运动状态预测值与强夯锤运动状态真实值的偏差；
获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值；
通过强夯锤运动误差状态变量的估计值，对强夯锤运动状态预测值进行反馈校正，得到强夯锤运动状态。
通过采用上述技术方案，先利用惯性导航算法根据强夯锤的加速度、角速度和吊装位置预测每次强夯的强夯锤运动状态预测值，再基于该预测值通过卡尔曼滤波算法得到强夯锤运动误差状态变量的预测值，该误差状态变量反映了预测值和真实值之间的偏差。然后，获取全球卫星导航系统GNSS确定的强夯锤实际速度和位置信息，将其作为观测量插入卡尔曼滤波过程，对误差状态变量的预测值进行更新，得到误差状态变量的估计值。最后，用该估计值对运动状态预测值进行反馈校正，以得到更准确的强夯锤运动状态。这种结合全球卫星导航系统GNSS观测的卡尔曼滤波反馈调节机制，可以纠正由于惯性导航积分漂移效应导致的预测错误，提高了强夯锤运动状态监测的精度，为强夯过程提供了更可靠的状态输入，从而确保后续强夯质量判断的准确性。
可选的，强夯锤运动误差状态变量包括强夯锤位置误差变量、强夯锤速度误差变量以及强夯锤姿态误差变量。
通过采用上述技术方案，构建的强夯锤运动误差状态变量包括强夯锤位置误差变量、速度误差变量和姿态误差变量。其中，位置误差变量表示预测位置和真实位置的偏差，速度误差变量表示预测速度和真实速度的偏差，姿态误差变量表示预测姿态和真实姿态的偏差。通过构建包括位置、速度和姿态的综合误差变量，可以充分反映强夯锤各状态参数的预测精度。然后应用序贯卡尔曼滤波算法对各误差变量进行估计和校正，可以提高对强夯锤运动状态的监测精度。最终得到经误差校正的强夯锤精确运动状态，包括位置、速度和姿态在内的多状态参数。相比单一的位置或速度监测，这种综合误差变量校正机制可以全面提升对强夯锤运动状态的估计精度。
可选的，获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值，包括：
根据全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息；
根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波确定序贯卡尔曼滤波的观测误差变量、与观测误差变量对应的噪声方差阵；
基于观测误差变量、与观测误差变量对应的噪声方差阵以及与强夯锤运动误差状态变量的预测值对应的协方差矩阵预测值，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值。
通过采用上述技术手段，采用全球卫星导航系统GNSS直接观测获取强夯锤的实际速度和实际位置信息，将这些信息作为卡尔曼滤波的观测量输入，可以进一步提高对强夯锤运动状态的估计精度。具体来说，首先根据全球卫星导航系统GNSS观测获得的实际速度和实际位置确定滤波的观测误差变量，即预测状态和观测状态之间的差值，然后根据观测误差变量确定对应的噪声方差阵，反映观测误差的统计特性。接着，将观测误差变量、对应的噪声方差阵以及强夯锤运动误差状态变量的预测协方差矩阵一起作为输入，通过卡尔曼滤波算法框架，实现对状态变量预测值的统计优化，更新求解状态变量的最优估计值。这种建立在全球卫星导航系统GNSS直接观测基础上的卡尔曼滤波过程，使状态估计包含了全球卫星导航系统GNSS本身的高精度位置和速度信息，可以有效抑制误差累积，提高对强夯锤运动监测的精确性，为后续的强夯施工质量控制奠定可靠基础。
可选的，根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波确定序贯卡尔曼滤波的观测误差变量，包括：
根据实际强夯锤速度和实际强夯位置信息，确定强夯锤运动状态真实值；
通过计算强夯锤运动状态预测值与强夯锤运动状态真实值的差值得到序贯卡尔曼滤波的观测误差变量。
通过采用上述技术方案，通过计算强夯锤运动状态预测值与真实值的差值，可以得到卡尔曼滤波所需的观测误差变量，这是实现滤波器对状态变量进行准确修正的关键。具体来说，首先根据全球卫星导航系统GNSS直接观测获得的强夯锤实际速度和实际位置，确定反映真实运动的状态真实值。然后计算运动状态预测值与该真实值之间的差异，即观测误差变量。这种基于真实观测计算出的观测误差变量，反映了预测过程中和真实值之间的偏差信息，可以为卡尔曼滤波提供更加准确的观测量，用于纠正状态预测误差。将该观测误差变量代入卡尔曼滤波框架中，可以使状态变量修正更加接近其真实值，大幅提升了强夯锤运动状态估计的精度，有利于后续强夯质量监测对强夯过程的精确反映。
可选的，方法还包括：
根据吊装过程中的加速度、角速度和吊装位置信息与预设的加速度阈值、角速度阈值和吊装位置信息阈值，确定施工安全；
当加速度、角速度和吊装位置信息中存在超出预设的加速度对应的加速度阈值、角速度对应的角速度阈值和吊装位置信息对应的吊装位置信息阈值中的至少一个时，发出安全预警。
具体的，将获取的实时加速度、角速度和吊装位置信息分别与对应的参数安全阈值相比较，如果出现超出阈值的情况，即意味着强夯锤出现异常的高加速度、高角速度或大位移，可能导致安全事故发生。此时，装置可以快速发出安全预警，提示作业人员立即采取相应的停工和避险措施。相比传统的人工巡视监测，这种基于参数阈值判定的自动化安全预警方式，可以更加精确、实时地检测强夯锤的异常运动状态，大幅缩短了预警响应时间，降低了施工安全事故发生的风险。因此，该技术手段的应用，有助于提升强夯法施工的安全管理水平和作业标准化，确保强夯施工过程的安全可控。
在本申请的第二方面提供了一种强夯施工状态监测方法装置，包括：
位置信息获取模块，用于将强夯施工区域划分为N个子强夯区，并获取每个子强夯区的强夯区位置信息；
强夯信息获取模块，用于获取每次强夯吊装过程中强夯锤的加速度、角速度和吊装位置信息；
强夯状态监测模块，用于将加速度、角速度和吊装位置信息，输入预设的组合惯性导航算法中，输出每次强夯时强夯锤运动状态；
累积强夯量确定模块，用于基于强夯锤运动状态和每个子强夯区的强夯区位置信息，确定每个子强夯区的累积强夯量；
强夯量监测模块，用于当强夯施工结束时，根据每个子强夯区的累积强夯量，确定强夯质量，当强夯质量不合格时，发出警报。
在本申请的第三方面提供了一种计算机存储介质，计算机存储介质存储有多条指令，指令适于由处理器加载并执行上述的方法步骤。
在本申请的第四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，存储器用于存储指令，用户接口和网络接口用于给其他设备通信，处理器用于执行存储器中存储的指令，以使电子设备执行上述的方法。
综上，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、本申请实时获取强夯锤加速度、角速度和吊装位置等信息的方式，将这些信息输入预设的组合惯性导航算法，可以实时输出强夯锤运动状态，反映出强夯过程中的瞬时击打参数。结合预先划分的强夯子区域的位置信息，可以进一步确定每个子区域的累积强夯量，从而实现对强夯整个过程的监测。当强夯结束后，可以根据子区域累积强夯量判断强夯质量，如果检测到不合格的情况，可以及时发出警报。这种基于强夯锤实时状态信息的监测方式，相较于传统的人工观察记载，可以实现对强夯过程的全面和精确监测，克服了强夯施工瞬时性及隐蔽性的监测困难，有效解决了强夯法质量控制的痛点，实现了对强夯质量的实时有效监测，提高了施工质量。解决了现有强夯法质量监测主要依靠人为目测、尺量、手记，造成较大误差的问题。
2、本申请先利用惯性导航算法根据强夯锤的加速度、角速度和吊装位置预测每次强夯的强夯锤运动状态预测值，再基于该预测值通过卡尔曼滤波算法得到强夯锤运动误差状态变量的预测值，该误差状态变量反映了预测值和真实值之间的偏差。然后，获取全球卫星导航系统GNSS确定的强夯锤实际速度和位置信息，将其作为观测量插入卡尔曼滤波过程，对误差状态变量的预测值进行更新，得到误差状态变量的估计值。最后，用该估计值对运动状态预测值进行反馈校正，以得到更准确的强夯锤运动状态。这种结合GNSS观测的卡尔曼滤波反馈调节机制，可以纠正由于惯性导航积分漂移效应导致的预测错误，提高了强夯锤运动状态监测的精度，为强夯过程提供了更可靠的状态输入，从而确保后续强夯质量判断的准确性。
3、本申请通过计算强夯锤运动状态预测值与真实值的差值，可以得到卡尔曼滤波所需的观测误差变量，这是实现滤波器对状态变量进行准确修正的关键。具体来说，首先根据全球卫星导航系统GNSS直接观测获得的强夯锤实际速度和实际位置，确定反映真实运动的状态真实值。然后计算运动状态预测值与该真实值之间的差异，即观测误差变量。这种基于真实观测计算出的观测误差变量，反映了预测过程中和真实值之间的偏差信息，可以为卡尔曼滤波提供更加准确的观测量，用于纠正状态预测误差。将该观测误差变量代入卡尔曼滤波框架中，可以使状态变量修正更加接近其真实值，大幅提升了强夯锤运动状态估计的精度，有利于后续强夯质量监测对强夯过程的精确反映。
附图说明
图1为本申请实施例提供的一种强夯施工状态监测方法的流程示意图；
图2为本申请实施例提供的一种强夯施工状态监测装置的架构图；
图3为本申请提供的一种电子设备的结构示意图。
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，多个装置是指两个或两个以上的装置，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。
为了便于理解本申请实施例提供的方法及装置，在介绍本申请实施例之前，先对本申请实施例的背景进行介绍。
强夯法是一种在地基处理工程中应用广泛的施工方法。相比于桩基础或其他复合地基施工工艺，强夯法及其工艺组合在处理削峰填谷、填海造地等复杂场地形成项目上，具有技术效果好、施工经济等优点。但强夯法施工过程具有瞬时性、隐蔽性和复杂性特征，给质量监测和过程控制带来一定难度。
强夯法的质量控制核心指标包括夯沉量、夯击能和夯击次数等参数。现有的强夯法质量监测主要依靠工人的人工目测、尺量和记录，这种方法存在误差大、监测数据不连续等问题。一些施工单位利用监测数据获取难的特点，存在偷工减料现象，严重影响了强夯效果。如何实现强夯过程的连续自动监测与质量控制，仍是该领域急待解决的技术难题。
经过上述内容的背景介绍，本领域技术人员可以了解现有技术中存在的问题，下面将结合本申请实施例中的附图，对本申请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申请一部分实施例，而不是全部的实施例。
在上述背景技术的基础上，进一步的，请参阅图1，图1为本申请实施例提供的一种强夯施工状态监测方法的流程示意图，该装置可依赖于计算机程序实现，也可作为独立的工具类应用运行，具体的，在本申请实施例中该方法可以应用在服务器上，但也可以应用在服务器等电子设备上，一种强夯施工状态监测方法，包括以下步骤：
S101，将强夯施工区域划分为N个子强夯区，并获取每个子强夯区的位置信息；
具体的，为准确统计每个子区域的累积强夯量，需要合理地将整个强夯施工区域划分为N个子强夯区。划分子强夯区时，首先获取强夯锤的形状数据和面积数据，因为强夯锤的形状和大小决定了其夯击范围和夯实强度。然后，根据强夯锤的形状数据和面积数据，采用与强夯锤匹配的方式划分出多个子强夯区，使每个子区的范围基本覆盖强夯锤的一次夯实范围。这样，在后续统计每个子区的累积强夯量时，可以避免出现一个子区内部分区域夯实不足的情况。另外，还需要获取每个子强夯区的准确位置信息，为后续根据强夯锤吊装位置判断其位于哪个子区及记录累积强夯量提供依据。通过这种匹配强夯锤形状的划分方式，可以使得子强夯区与锤头夯实范围高度契合，从而可以准确地进行每个子区域的强夯量累积控制。
在上述实施例的基础上，作为一种可选实施例，将强夯施工区域划分为N个子强夯区，包括：
获取强夯锤的形状数据和面积数据，基于形状数据和面积数据将强夯施工区域划分为N个子强夯区。
具体的，为了使子强夯区的范围大小与强夯锤的夯实区域相匹配，需要根据强夯锤的形状和面积数据来进行划分。具体做法是：首先测量获取待使用强夯锤的形状尺寸数据，包括锤头的形状、长度、宽度等参数，并计算出锤头的夯实面积。然后，根据强夯锤夯实面积的大小及形状，采用与之相适应的网格方式将整个强夯施工区域分割成多个子强夯区，每个子区的范围基本覆盖强夯锤一次夯实的范围。这样，通过匹配强夯锤的形状和面积对区域进行划分，可以使每个子强夯区与锤头的夯实范围高度契合，便于后续准确计算每个子区内的累积强夯量，避免出现强夯不足的局部区域。
S102，获取每次强夯吊装过程中强夯锤的加速度、角速度和吊装位置信息；
具体的，在每次强夯吊装过程中，通过设置在强夯锤上的加速度计、陀螺仪和位置传感器，实时获取强夯锤的加速度、角速度以及吊装高度位置信息。获得这些参数的目的是为了反映强夯锤在每次强夯中的运动状态，其中加速度反映着强夯锤在重力作用下的精确运动变化，角速度反映吊装旋转或偏转情况，位置信息则反映吊装高度。通过获取强夯锤的加速度、角速度和吊装位置准确的参数，可以有效获取每次强夯时强夯锤的瞬时运动状态，为后续运动状态分析和强夯质量判断提供数据支持。采集这些关键运动参数是实现强夯过程监测与质量控制的基础。
S103，将加速度、角速度和吊装位置信息，输入预设的组合惯性导航算法中，输出每次强夯时强夯锤运动状态；
具体的，获取到强夯锤的加速度、角速度和吊装位置信息后，需要进行进一步分析处理以输出强夯锤运动状态。为此，将采集到的加速度、角速度和位置信息输入预先建立的组合惯性导航算法进行计算分析。组合惯性导航算法综合了各类传感器信息，可以有效分析加速度计和陀螺仪的输出特征，结合位置信息，准确求解强夯锤运动状态，包括运动速度、运动轨迹等。通过这种组合算法计算，可以消除各单独传感器的误差，提高计算精度，从而可以得到准确反映每次强夯时强夯锤运动状态的输出值。这些运动状态值是评价强夯效果的关键参数，为后续确定强夯能量和质量控制提供依据。
在上述实施例的基础上，作为一种可选实施例，将加速度、角速度和吊装位置信息，输入预设的组合惯性导航算法中，输出每次强夯时强夯锤运动状态，包括以下步骤：
S201，将每次强夯时吊装过程中的加速度、角速度和吊装位置信息，输入惯性导航算法，得到每次强夯时的强夯锤运动状态预测值；
具体的，为将加速度计、陀螺仪等传感器采集到的强夯锤在每次强夯吊装过程中的加速度、角速度以及吊装位置信息，输入预设的惯性导航算法进行处理。之所以要输入惯性导航算法，是因为它可以对加速度计和陀螺仪的输出进行综合划算，采用自主解算的方式，根据导航解算原理，获得强夯锤的导航状态参数，包括运动速度、位置、姿态等。通过惯性导航算法处理强夯锤的加速度、角速度和吊装位置信息，可以得到反映每次强夯时强夯锤运动状态的预测值结果。这是实现强夯锤运动监测的第一步，也为后续的误差补偿奠定基础。
S202，基于每次强夯时的强夯锤运动状态预测值，通过序贯卡尔曼滤波及误差状态方程，得到强夯锤运动误差状态变量的预测值，其中，强夯锤运动误差状态变量为强夯锤运动状态预测值与强夯锤运动状态真实值的偏差；
具体的，在得到强夯锤每次强夯的运动状态预测值后，需要建立误差状态方程和进行序贯卡尔曼滤波，以评估预测值和真实值之间的误差。首先，根据强夯锤运动学建立误差状态模型，其中误差状态变量就是预测值和真实值之间的偏差。然后，将运动状态预测值带入误差状态方程进行递推，预测强夯锤的误差状态变量。接着，将预测的误差状态变量输入序贯卡尔曼滤波器中，利用其统计优化特性，对误差状态变量进行预估。卡尔曼滤波可以在运动学误差增长时进行有效的动态补偿。通过这种误差状态模型与滤波相结合的方式，可以评估出强夯锤运动状态预测过程中的误差信息，为后续的误差补偿奠定基础，提高状态预测的准确性。
S203，获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值；
具体的，首先，设置GNSS接收机，利用全球卫星导航系统信号获取强夯锤的实际飞行速度和实际位置信息。之所以获取GNSS的速度和位置信息，是因为其可以提供高精度的真实状态观测量。然后，将GNSS获得的强夯锤实际速度和实际位置作为观测量，输入序贯卡尔曼滤波器。卡尔曼滤波器可以对先前得到的误差状态变量预测值进行优化更新，利用GNSS真实观测来纠正预测误差。最后，通过卡尔曼滤波算法，用GNSS观测量校正强夯锤的运动误差状态变量，可以获得误差状态变量的最优估计值。这种融合GNSS和卡尔曼滤波的方法，可以提供准确的误差状态估计，大大提高强夯状态预测的精确性，为强夯过程控制奠定基础。需要说明的是，GNSS是"全球导航卫星装置"（GlobalNavigationSatelliteSystem）。
在上述实施例的基础上，作为一种可选实施例，S203，获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值，还包括以下步骤：
S301，根据全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息；
具体的，为构建卡尔曼滤波的观测方程，需要根据GNSS测量确定观测误差变量和对应方差阵。具体来说，首先设置GNSS接收机，安装在强夯锤上。其目的是为了接收全球卫星导航系统的导航信号，利用全球卫星导航系统GNSS提供的导航解算能力，根据多颗卫星的距离和多普勒测量，通过导航解算算法，可以直接精确求解强夯锤的三维空间位置，以及对应的运动速度。与惯性导航系统不同，GNSS可以提供绝对位置和速度参数，不会存在累积误差。因此，GNSS可以给出强夯锤的实际飞行速度和实际空间位置信息，提供真实的强夯锤状态观测。获得这些精准的真实状态观测是实现对强夯锤状态进行准确估计的基础。
S302，根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波确定序贯卡尔曼滤波的观测误差变量、与观测误差变量对应的噪声方差阵；
具体的，根据全球卫星导航系统GNSS获得的强夯锤实际速度和实际位置信息，可以确定滤波的观测量。然后，将该观测量与滤波的预测量进行对比，计算二者之间的差值，即观测误差变量。计算观测误差变量的目的是为了建立精确的观测方程，反映预测值和真值的差异。接着，根据经验数据，确定观测误差变量对应的噪声统计特性，构建噪声方差阵。噪声方差阵中的协方差矩阵可以反映观测误差的随机误差特性。最后，将求解的观测误差变量和对应的噪声方差阵代入卡尔曼滤波的观测方程中。这样，滤波器可以进行动态的观测更新，纠正状态预测误差，大大提高了噪声抑制能力和状态估计精度，为强夯状态评估奠定基础。
S303，基于观测误差变量、与观测误差变量对应的噪声方差阵以及与强夯锤运动误差状态变量的预测值对应的协方差矩阵预测值，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值。
具体的，根据前面计算得到的观测误差变量和其噪声方差阵，可以建立精确的观测模型。然后，还需引入先前预测得到的强夯锤运动误差状态变量的预测协方差矩阵。带入这三部分参数是为了构建卡尔曼滤波的完整统计模型。接着，将观测误差变量、对应的噪声方差阵以及状态变量的预测协方差矩阵代入卡尔曼滤波公式中，进行一系列矩阵运算。这种运算可以实现预测值和观测值的加权优化，获得状态变量的最优估计。最后，通过卡尔曼滤波器迭代计算，可以对先前的状态变量预测值进行统计优化，更新求解强夯锤运动误差状态变量的最优估计值。这种观测与预测相结合的滤波机制，可以有效校正预测误差，大幅提升强夯状态估计的准确性，为强夯过程控制奠定基础。
在上述实施例的基础上，作为一种可选实施例，强夯锤运动误差状态变量包括强夯锤位置误差变量、强夯锤速度误差变量以及强夯锤姿态误差变量。
具体的，全面反映强夯锤状态预测的各方面误差，构建的误差状态变量需要包括位置、速度和姿态三个方面的误差成分。其中，位置误差变量表示预测位置与真实位置的偏差；速度误差变量表示预测速度与真实速度的偏差；姿态误差变量表示预测姿态与真实姿态的偏差。将这三类变量统一构建为误差状态向量，可以同时反映强夯锤在运动过程中产生的位置、速度和姿态误差。然后经过卡尔曼滤波算法的更新校正，可以纠正这三类误差，从而提高对强夯锤运动状态的综合评估精度。最终，校正后的运动状态结果可以更准确地反映出强夯锤的实时位置、速度和姿态信息，为评估每次强夯的效果提供可靠依据。
在上述实施例的基础上，作为一种可选实施例，获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值，包括：
S401，根据全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息；
具体的，在强夯锤上安装GNSS接收机，利用全球卫星导航系统接收卫星信号。这样做的目的是为了获取GNSS信号进行导航解算，获得高精度的强夯锤状态参数。然后，根据GNSS多颗导航卫星的距离和多普勒观测量，通过导航解算算法可以直接精确求解出强夯锤的三维位置，以及运动速度。GNSS解算可以提供完全独立的导航参数，不受惯性系统积分漂移影响。最后，最终可以获得反映强夯锤运动的实际飞行速度和实际位置信息，作为卡尔曼滤波的真实观测量，为实现强夯状态准确估计奠定基础。
S402，根据实际强夯锤速度和实际强夯位置信息，通过序贯卡尔曼滤波确定序贯卡尔曼滤波的观测误差变量、与观测误差变量对应的噪声方差阵；
具体的，根据GNSS系统获取的强夯锤实际速度和实际位置信息，可以确定滤波的观测量。然后，将观测量与滤波器预测出的状态进行差异比较，计算出二者之间的残差，即观测误差变量。计算观测误差变量的目的是为了建立准确的观测方程，反映预测状态和真实观测之间的偏差。接着，根据历史数据和经验确定观测误差变量对应的误差统计特性，构建噪声方差阵。方差阵中的协方差矩阵可以反映观测误差的随机成分。最后，将求解得到的观测误差变量和对应的噪声方差阵代入卡尔曼滤波的观测方程中。这样，滤波器可以利用观测进行动态校正，提高状态估计精度，为强夯锤状态评估奠定基础。
S403，基于观测误差变量、与观测误差变量对应的噪声方差阵以及与强夯锤运动误差状态变量的预测值对应的协方差矩阵预测值，通过序贯卡尔曼滤波对强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值。
具体的，根据前面计算得到的观测误差变量和它的噪声统计特性方差阵，建立精确的观测模型。然后，还需要引入先前预测得到的强夯锤运动误差状态变量的预测协方差矩阵。将这三项参数代入是为了构建卡尔曼滤波的完整统计优化模型。接着，将观测误差变量、对应的噪声方差阵以及状态变量预测协方差矩阵一起代入卡尔曼滤波公式中，进行统计优化矩阵运算。这样可以实现对预测值和观测值的加权融合。最后，通过卡尔曼滤波迭代计算，可以对先前误差状态变量的预测值进行统计校正，更新求解强夯锤运动误差状态变量的最优估计。这种观测和预测相结合的卡尔曼滤波机制，可以有效校正预测偏差，大幅提高状态估计精度，为强夯过程控制奠定基础。
S204，通过强夯锤运动误差状态变量的估计值，对强夯锤运动状态预测值进行反馈校正，得到强夯锤运动状态。
具体的，先前已经通过卡尔曼滤波算法和GNSS观测得到了经过更新的强夯锤运动误差状态变量，包括位置误差、速度误差和姿态误差的估计值。然后，将这些估计得到的误差值反馈到先前惯性导航算法预测的强夯锤运动状态中。例如使用位置误差值来纠正预测位置，速度误差值来纠正预测速度，以消除预测过程中的累积误差。这样，经过误差反馈校正后，可以得到精确反映强夯锤运动的状态结果，包括校正后的位置、速度和姿态，这些结果可以为强夯效果评估提供准确依据。
S104，基于强夯锤运动状态和每个子强夯区的强夯区位置信息，确定每个子强夯区的累积强夯量；
具体的，为准确统计每个子强夯区的强夯效果，需要基于强夯锤的运动参数确定每个子区的累积强夯量。具体做法是，首先根据强夯锤吊装过程中获取的加速度、角速度和位置数据，通过组合惯性导航算法计算出强夯锤在每次强夯中的运动状态预测值，包括运动轨迹及瞬时速度、位移信息。然后，结合预先获得的每个子强夯区的位置信息，判断强夯锤的运动轨迹位于哪个子区内，根据锤头与子区位置的契合情况，估算出该次强夯对该子区的增量强夯量贡献。之后，将每次强夯对每个子区的增量强夯量进行累加，最终确定出每个子强夯区的总累积强夯量。通过这种基于强夯锤运动参数的统计方式，可以准确反映每个子区的实际累积强夯效果，为后续的质量评估提供依据。
S105，当强夯施工结束时，根据每个子强夯区的累积强夯量，确定强夯质量，当强夯质量不合格时，发出警报。
具体的，当整个强夯施工结束后，需要对每个子强夯区的总累积强夯量进行计算，以判断强夯质量是否达标。具体做法是，统计出每个子强夯区在整个强夯过程中累积的总强夯量，并与预设的强夯量控制阈值进行对比。如果发现某个子区的累积强夯量严重偏小，即低于预设阈值，则可以判断该子区存在强夯不足的质量隐患。此时，装置及时向施工负责人发出强夯量不足警报，提示应对该子区进行补充强夯。这可以避免因局部强夯不足而影响整体地基处理质量。通过这种自动对比监测机制，可以确保每个子强夯区都达到预期的强夯量控制要求，有效防止强夯质量问题的发生。
在上述实施例的基础上，作为一种可选实施例，强夯施工状态监测方法还包括：
S501，根据吊装过程中的加速度、角速度和吊装位置信息与预设的加速度阈值、角速度阈值和吊装位置信息阈值，确定施工安全；
具体的，在强夯锤吊装过程中，获取强夯锤的实时加速度、角速度以及吊装高度位置信息。获取这些信息是为了监测强夯锤的运行参数是否在正常范围内。然后，将获取的加速度、角速度和位置信息，与预先设置的安全阈值进行对比，包括加速度阈值、角速度阈值和吊装高度阈值。之所以要预设阈值是为了判断参数是否超出安全范围。通过对采集信号与阈值的对比，可以实时监测强夯锤运动是否平稳，是否出现异常的大加速度、大角速度或者吊装高度超限现象。最后，根据阈值对比结果，可以快速确定强夯施工作业是否在安全状态，如果出现异常，可以及时发出警报，对强夯过程进行调控，确保施工安全。
S502，当加速度、角速度和吊装位置信息中存在超出预设的加速度对应的加速度阈值、角速度对应的角速度阈值和吊装位置信息对应的吊装位置信息阈值中的至少一个时，发出安全预警。
具体的，获取强夯锤吊装过程中的实时加速度、角速度和吊装高度信息。然后，将这些信息分别与预先设置的加速度阈值、角速度阈值和吊装高度阈值进行逐一对比。在对比过程中，如果发现获取的加速度、角速度或吊装高度信息有任一项超出相应的预设阈值，则判断强夯锤状态异常。之所以要与阈值进行对比，是为了判断强夯锤运动参数是否超限。最后，当发现存在超限情况时，系统会自动发出安全预警。及时的预警可以让操作人员注意到潜在的安全隐患，采取相应的减速、停机等措施，避免强夯设备发生意外，确保强夯施工过程的安全。这样，通过设置阈值并在超限时预警的手段，可以有效防范强夯施工中可能出现的安全事故，对强夯过程实施智能监控。
请参阅图2，图2为本申请实施例提供的一种强夯施工状态监测装置架构图，该强夯施工状态监测装置可以包括：
位置信息获取模块1，用于将强夯施工区域划分为N个子强夯区，并获取每个所述子强夯区的强夯区位置信息；
强夯信息获取模块2，用于获取每次强夯吊装过程中强夯锤的加速度、角速度和吊装位置信息；
强夯状态监测模块3，用于将所述加速度、所述角速度和所述吊装位置信息，输入预设的组合惯性导航算法中，输出每次强夯时强夯锤运动状态；
累积强夯量确定模块4，用于基于每次强夯时所述强夯锤运动状态和每个子强夯区的强夯区位置信息，确定每个子强夯区的累积强夯量；
强夯量监测模块5，用于当强夯施工结束时，根据每个子强夯区的累积强夯量，确定强夯质量，当强夯质量不合格时，发出警报。
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。
请参照图3本申请还公开一种电子设备。图3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300可以包括：至少一个处理器301，至少一个网络接口304，用户接口303，存储器305，至少一个通信总线302。
其中，通信总线302用于实现这些组件之间的连接通信。
其中，用户接口303可以包括显示屏（Display）、摄像头（Camera），可选用户接口303还可以包括标准的有线接口、无线接口。
其中，网络接口304可选地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301可以包括一个或者多个处理核心。处理器301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305内的指令、程序、代码集或指令集，以及调用存储在存储器305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301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301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301中，单独通过一块芯片进行实现。
其中，存储器305可以包括随机存储器（RandomAccessMemory，RAM），也可以包括只读存储器（Read~OnlyMemory）。可选的，该存储器305包括非瞬时性计算机可读介质。存储器305可用于存储指令、程序、代码、代码集或指令集。存储器305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305可选的还可以是至少一个位于远离前述处理器301的存储装置。参照图3，作为一种计算机存储介质的存储器305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强夯施工状态监测方法的应用程序。
在图3所示的电子设备300中，用户接口303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301可以用于调用存储器305中存储道路评估方法的应用程序，当由一个或多个处理器301执行时，使得电子设备300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装置，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。
本申请实施例还提供了一种计算机存储介质，计算机存储介质可以存储有多条指令，指令适于由处理器加载并执行如上述图1所示实施例的道路评估方法，具体执行过程可以参见图1所示实施例的具体说明，在此不进行赘述。
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作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 (9)
1.一种强夯施工状态监测方法，其特征在于，所述方法包括：
将强夯施工区域划分为N个子强夯区，并获取每个所述子强夯区的强夯区位置信息；
获取每次强夯吊装过程中强夯锤的加速度、角速度和吊装位置信息；
将每次强夯时吊装过程中的所述加速度、所述角速度和所述吊装位置信息，输入惯性导航算法，得到每次强夯时的强夯锤运动状态预测值；
基于所述强夯锤运动状态预测值，通过序贯卡尔曼滤波及误差状态方程，得到强夯锤运动误差状态变量的预测值，其中，所述强夯锤运动误差状态变量为强夯锤运动状态预测值与强夯锤运动状态真实值的偏差；
获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据所述实际强夯锤速度和所述实际强夯位置信息，通过序贯卡尔曼滤波对所述强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值；
通过所述强夯锤运动误差状态变量的估计值，对所述强夯锤运动状态预测值进行反馈校正，得到所述强夯锤运动状态；
基于每次强夯时所述强夯锤运动状态和每个子强夯区的强夯区位置信息，确定每个子强夯区的累积强夯量；
当强夯施工结束时，根据所述每个子强夯区的累积强夯量，确定强夯质量，当所述强夯质量不合格时，发出警报。
2.根据权利要求1所述的一种强夯施工状态监测方法，其特征在于，所述将强夯施工区域划分为N个子强夯区，包括：
获取强夯锤的形状数据和面积数据，基于所述形状数据和所述面积数据将所述强夯施工区域划分为N个子强夯区。
3.根据权利要求1所述的一种强夯施工状态监测方法，其特征在于，所述强夯锤运动误差状态变量包括强夯锤位置误差变量、强夯锤速度误差变量以及强夯锤姿态误差变量。
4.根据权利要求1所述的一种强夯施工状态监测方法，其特征在于，所述获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据所述实际强夯锤速度和所述实际强夯位置信息，通过序贯卡尔曼滤波对所述强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值，包括：
根据全球卫星导航系统GNSS确定的所述实际强夯锤速度和所述实际强夯位置信息；
根据所述实际强夯锤速度和所述实际强夯位置信息，通过序贯卡尔曼滤波确定序贯卡尔曼滤波的观测误差变量、与所述观测误差变量对应的噪声方差阵；
基于所述观测误差变量、与所述观测误差变量对应的噪声方差阵以及与所述强夯锤运动误差状态变量的预测值对应的协方差矩阵预测值，通过序贯卡尔曼滤波对所述强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值。
5.根据权利要求4所述的一种强夯施工状态监测方法，其特征在于，所述根据所述实际强夯锤速度和所述实际强夯位置信息，通过序贯卡尔曼滤波确定序贯卡尔曼滤波的观测误差变量，包括：
根据所述实际强夯锤速度和所述实际强夯位置信息，确定强夯锤运动状态真实值；
通过计算强夯锤运动状态预测值与所述强夯锤运动状态真实值的差值得到序贯卡尔曼滤波的观测误差变量。
6.根据权利要求1所述的一种强夯施工状态监测方法，其特征在于，所述方法还包括：
根据吊装过程中的加速度、角速度和吊装位置信息与预设的加速度阈值、角速度阈值和吊装位置信息阈值，确定施工安全；
当所述加速度、所述角速度和所述吊装位置信息中存在超出预设的所述加速度对应的加速度阈值、所述角速度对应的角速度阈值和所述吊装位置信息对应的吊装位置信息阈值中的至少一个时，发出安全预警。
7.一种强夯施工状态监测装置，其特征在于，包括：
位置信息获取模块，用于将强夯施工区域划分为N个子强夯区，并获取每个所述子强夯区的强夯区位置信息；
强夯信息获取模块，用于获取每次强夯吊装过程中强夯锤的加速度、角速度和吊装位置信息；
强夯状态监测模块，用于将每次强夯时吊装过程中的所述加速度、所述角速度和所述吊装位置信息，输入惯性导航算法，得到每次强夯时的强夯锤运动状态预测值；
基于所述强夯锤运动状态预测值，通过序贯卡尔曼滤波及误差状态方程，得到强夯锤运动误差状态变量的预测值，其中，所述强夯锤运动误差状态变量为强夯锤运动状态预测值与强夯锤运动状态真实值的偏差；
获取利用全球卫星导航系统GNSS确定的实际强夯锤速度和实际强夯位置信息，并根据所述实际强夯锤速度和所述实际强夯位置信息，通过序贯卡尔曼滤波对所述强夯锤运动误差状态变量的预测值进行更新得到强夯锤运动误差状态变量的估计值；
通过所述强夯锤运动误差状态变量的估计值，对所述强夯锤运动状态预测值进行反馈校正，得到所述强夯锤运动状态；
累积强夯量确定模块，用于基于每次强夯时所述强夯锤运动状态和每个子强夯区的强夯区位置信息，确定每个子强夯区的累积强夯量；
强夯量监测模块，用于当强夯施工结束时，根据所述每个子强夯区的累积强夯量，确定强夯质量，当所述强夯质量不合格时，发出警报。
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多条指令，所述指令适用于由处理器加载并执行如权利要求1～6任意一项所述的方法。
9.一种电子设备，其特征在于，包括处理器、存储器和收发器，存储器用于存储指令，收发器用于和其他设备通信，处理器用于执行存储器中存储的指令，以使电子设备执行如权利要求1～6任意一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410052181.6A CN117571015B (zh) | 2024-01-15 | 2024-01-15 | 一种强夯施工状态监测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410052181.6A CN117571015B (zh) | 2024-01-15 | 2024-01-15 | 一种强夯施工状态监测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117571015A CN117571015A (zh) | 2024-02-20 |
| CN117571015B true CN117571015B (zh) | 2024-03-19 |
Family
ID=89862749
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410052181.6A Active CN117571015B (zh) | 2024-01-15 | 2024-01-15 | 一种强夯施工状态监测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117571015B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102608625A (zh) * | 2012-03-30 | 2012-07-25 | 武汉大学 | 基于惯性辅助定位接收机的实时形变监测预警系统及方法 |
| KR101218354B1 (ko) * | 2012-03-05 | 2013-01-03 | 주식회사 이제이텍 | Ｇｎｓｓ 기반 교량 모니터링 과대오차 처리 방법 |
| CN107451726A (zh) * | 2017-07-17 | 2017-12-08 | 山东四维卓识信息技术有限公司 | 强夯施工质量在线实时管控方法及强夯信息化施工方法 |
| CN109141783A (zh) * | 2017-06-27 | 2019-01-04 | 航天恒星科技有限公司 | 基于全球卫星导航系统监测桥梁频率的方法 |
| CN111663516A (zh) * | 2020-05-13 | 2020-09-15 | 大地巨人(北京)工程科技有限公司 | 强夯锤的打捞工法 |
| CN113847948A (zh) * | 2021-09-23 | 2021-12-28 | 大地巨人(北京)工程科技有限公司 | 强夯自动化监测与分析方法及数字化集成系统 |
| CN114964252A (zh) * | 2022-04-25 | 2022-08-30 | 浙江天弘建设咨询有限公司 | 一种基于组合导航技术的隧道内路面施工管理方法及系统 |
| WO2022238189A1 (en) * | 2021-05-12 | 2022-11-17 | Hilti Aktiengesellschaft | Method of acquiring sensor data on a construction site, construction robot system, computer program product, and training method |
| CN115853045A (zh) * | 2022-12-16 | 2023-03-28 | 南京天辰礼达电子科技有限公司 | 一种设备的控制方法、装置、施工设备及存储介质 |
| CN117233779A (zh) * | 2023-08-10 | 2023-12-15 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于卫星定位和激光雷达测距的强夯监测方法及系统 |
-
2024
- 2024-01-15 CN CN202410052181.6A patent/CN117571015B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101218354B1 (ko) * | 2012-03-05 | 2013-01-03 | 주식회사 이제이텍 | Ｇｎｓｓ 기반 교량 모니터링 과대오차 처리 방법 |
| CN102608625A (zh) * | 2012-03-30 | 2012-07-25 | 武汉大学 | 基于惯性辅助定位接收机的实时形变监测预警系统及方法 |
| CN109141783A (zh) * | 2017-06-27 | 2019-01-04 | 航天恒星科技有限公司 | 基于全球卫星导航系统监测桥梁频率的方法 |
| CN107451726A (zh) * | 2017-07-17 | 2017-12-08 | 山东四维卓识信息技术有限公司 | 强夯施工质量在线实时管控方法及强夯信息化施工方法 |
| CN111663516A (zh) * | 2020-05-13 | 2020-09-15 | 大地巨人(北京)工程科技有限公司 | 强夯锤的打捞工法 |
| WO2022238189A1 (en) * | 2021-05-12 | 2022-11-17 | Hilti Aktiengesellschaft | Method of acquiring sensor data on a construction site, construction robot system, computer program product, and training method |
| CN113847948A (zh) * | 2021-09-23 | 2021-12-28 | 大地巨人(北京)工程科技有限公司 | 强夯自动化监测与分析方法及数字化集成系统 |
| CN114964252A (zh) * | 2022-04-25 | 2022-08-30 | 浙江天弘建设咨询有限公司 | 一种基于组合导航技术的隧道内路面施工管理方法及系统 |
| CN115853045A (zh) * | 2022-12-16 | 2023-03-28 | 南京天辰礼达电子科技有限公司 | 一种设备的控制方法、装置、施工设备及存储介质 |
| CN117233779A (zh) * | 2023-08-10 | 2023-12-15 | 中国电建集团西北勘测设计研究院有限公司 | 一种基于卫星定位和激光雷达测距的强夯监测方法及系统 |
Non-Patent Citations (2)
| Title |
|---|
| BDS+GPS技术支持下的超高层建筑施工投点监测分析;王勇 等;测绘通报;20170625(第06期);全文 * |
| 一种基于ARKF的地下工程沉降变形预测算法;郭巍 等;东南大学学报(自然科学版);20131120(第S2期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117571015A (zh) | 2024-02-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR101843007B1 (ko) | 산사태 모니터링 및 예·경보를 위한 무선 센서 네트워크 계측 시스템 및 계측방법 | |
| CN110905018B (zh) | 基于感测到的变量控制作业机器 | |
| CN110805093B (zh) | 利用视觉传感器进行反馈回路控制的容器角度感测 | |
| CN110807571A (zh) | 基于3d激光传感与BIM结合的建筑工程质量控制系统 | |
| CN103148824A (zh) | 一种振捣有效深度智能检测方法 | |
| JP2000352044A (ja) | 盛土転圧管理システム | |
| CN111429575B (zh) | 一种三维可视化监测方法、系统、设备和存储介质 | |
| CN105714842B (zh) | 沉井下沉预警方法和系统 | |
| US11200761B2 (en) | Parameter identifying device, simulation device, and parameter identifying method | |
| CN116757097A (zh) | 一种数字孪生水利工程运维监测系统和方法 | |
| US20160168806A1 (en) | System and method for determining ground stiffness | |
| CN102012225A (zh) | 高等级公路软基光纤监测系统 | |
| CN115839692A (zh) | 一种用于收敛、沉降监测的阵列式位移计监测方法及系统 | |
| CN117571015B (zh) | 一种强夯施工状态监测方法、装置、设备及存储介质 | |
| CN103902842A (zh) | 混凝土坯层覆盖时间的分析方法 | |
| CN111622285B (zh) | 一种挖掘机的能效检测系统、检测方法及挖掘机 | |
| CN116659440A (zh) | 一种山区滑坡精细化位移监测预警方法 | |
| JP6965489B2 (ja) | 転圧回数予測システム、及び転圧方法 | |
| US8818650B2 (en) | Operational parameter determination systems and methods with gear shifting compensation | |
| RU2650050C1 (ru) | Способ мониторинга технического состояния строительных объектов с обработкой результатов, характеризующих состояние объекта мониторинга, с использованием мягких измерений | |
| JP2022145440A (ja) | 測量情報管理システム、測量情報管理方法、及び測量情報管理プログラム | |
| CN107101610A (zh) | 可用于建筑结构形变监测的位移监测系统 | |
| JP2017194309A (ja) | 地震被害推定システム、地震被害推定システムを備えた構造物、及び地震被害推定プログラム | |
| CN117367331B (zh) | 一种矿区地表形变的雷达监测方法、装置以及电子设备 | |
| CN117689217B (zh) | 一种基于bim技术的地下施工监测分析系统 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |