CN117702714A - 一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法 - Google Patents
一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法 Download PDFInfo
- Publication number
- CN117702714A CN117702714A CN202410161668.8A CN202410161668A CN117702714A CN 117702714 A CN117702714 A CN 117702714A CN 202410161668 A CN202410161668 A CN 202410161668A CN 117702714 A CN117702714 A CN 117702714A
- Authority
- CN
- China
- Prior art keywords
- dam
- stability
- evaluation model
- gravel pile
- state evaluation
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- 238000012544 monitoring process Methods 0.000 title claims abstract description 52
- 238000009434 installation Methods 0.000 claims abstract description 11
- 239000002689 soil Substances 0.000 claims abstract description 8
- 238000013210 evaluation model Methods 0.000 claims description 64
- 238000011156 evaluation Methods 0.000 claims description 26
- 238000004458 analytical method Methods 0.000 claims description 24
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 238000013461 design Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000007781 pre-processing Methods 0.000 claims description 7
- 238000001228 spectrum Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012545 processing Methods 0.000 claims description 4
- 230000008439 repair process Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000012067 mathematical method Methods 0.000 claims description 3
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 abstract description 3
- 230000008569 process Effects 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 238000011900 installation process Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000035945 sensitivity Effects 0.000 description 2
- 230000003595 spectral effect Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D3/00—Improving or preserving soil or rock, e.g. preserving permafrost soil
- E02D3/02—Improving by compacting
- E02D3/08—Improving by compacting by inserting stones or lost bodies, e.g. compaction piles
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D33/00—Testing foundations or foundation structures
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D7/00—Methods or apparatus for placing sheet pile bulkheads, piles, mouldpipes, or other moulds
- E02D7/02—Placing by driving
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H1/00—Measuring characteristics of vibrations in solids by using direct conduction to the detector
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02D—FOUNDATIONS; EXCAVATIONS; EMBANKMENTS; UNDERGROUND OR UNDERWATER STRUCTURES
- E02D2600/00—Miscellaneous
- E02D2600/10—Miscellaneous comprising sensor means
Landscapes
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Structural Engineering (AREA)
- Physics & Mathematics (AREA)
- Civil Engineering (AREA)
- Paleontology (AREA)
- Data Mining & Analysis (AREA)
- Mining & Mineral Resources (AREA)
- General Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Biomedical Technology (AREA)
- Health & Medical Sciences (AREA)
- Agronomy & Crop Science (AREA)
- Environmental & Geological Engineering (AREA)
- Soil Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明公开一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，包括步骤：S10,安装振冲碎石桩：在目标水库坝体上确定安装位置，通过振冲设备将振冲碎石桩插入土体中；S20,采集振动信号：通过振动传感器采集振冲碎石桩的振动信号；S30,分析振动信号：对采集到的振动信号进行分析，提取与坝体结构稳定性相关的特征；S40,评估水库坝体稳定性：根据提取的特征，评估坝体的稳定性状态。本发明能够深入水库坝体内部，通过实时监测内部状态来反映出水库坝体的稳固性，能够有效应对水库坝体特殊的水流冲击环境，实现水库坝体实时、精准、高效的稳固性监测。
Description
技术领域
本发明属于水库坝体结构自动化监测技术领域，特别是涉及一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法。
背景技术
水库坝体结构的稳固性对于水库的安全运行至关重要。传统的水库坝体结构稳固性监测方法通常采用人工巡检和仪器测量，这些方法存在一定的局限性，仅能够检测到水库坝体表面的状态，无法对水库坝体内部状态，具有监测实时性不强、监测精度不高、效率低下等问题。因此，如何提高水库坝体结构稳固性监测的准确性和效率，是当前亟待解决的问题。
然而，目前并没有将振冲碎石桩处理用于水库坝体结构稳固性监测中。水库坝体由于受水流冲击等不稳定因素，对于水库坝体内部状态的监测来获得稳定性监控非常重要。
而对于将振冲碎石桩处理用于水库坝体结构稳固性监测方法仍然存在一些挑战和问题；例如，如何利用振冲碎石桩在水库坝体实现稳定采集，如何提取土体的振动信号、如何评估水库坝体结构的稳定性等。因此，需要进一步研究和改进，以提高该方法的准确性和效率。
综上所述，基于振冲碎石桩处理的水库坝体结构稳固性监测方法是一种具有潜力的新方法。虽然该方法还面临一些挑战和问题，但随着科技的不断进步和创新，相信未来会有更多的研究和应用成果涌现出来，为水库的安全运行提供更加可靠的技术支持。
发明内容
为了解决上述问题，本发明提出了一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，能够深入水库坝体内部，通过实时监测内部状态来反映出水库坝体的稳固性，能够有效应对水库坝体特殊的水流冲击环境，实现水库坝体实时、精准、高效的稳固性监测。
为达到上述目的，本发明采用的技术方案是：一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，包括步骤：
S10, 安装振冲碎石桩：在目标水库坝体上确定安装位置，通过振冲设备将振冲碎石桩插入土体中；
S20, 采集振动信号：通过振动传感器采集振冲碎石桩的振动信号；
S30, 分析振动信号：对采集到的振动信号进行分析，提取与坝体结构稳定性相关的特征；
S40, 评估水库坝体稳定性：根据提取的特征，评估坝体的稳定性状态。
进一步的是，所述振冲碎石桩在目标水库坝体中的安装位置和深度根据水库坝体的地质条件和设计要求确定。
进一步的是，通过振动传感器采集振冲碎石桩的振动信号，包括步骤：
S21,准备振动传感器：根据振冲碎石桩的振动频率和幅度范围，选择具有相应测量范围和精度的振动传感器；
S22,安装振动传感器：将振动传感器安装在振冲碎石桩的表面或内部，确保传感器能够准确地测量到碎石桩的振动信号；
S23,连接振动传感器与数据采集设备：将振动传感器与数据采集设备连接起来；
S24,设置数据采集参数：根据测量需求，设置数据采集参数；
S25,开始采集数据：启动数据采集设备，开始采集振冲碎石桩的振动信号；
S26,数据处理与分析：将采集到的数据导入到计算机中，利用计算机软件进行分析振动信号。
进一步的是，所述振动传感器采用加速度传感器或位移传感器。
进一步的是，采用频谱分析对振动信号进行分析，提取与坝体结构稳定性相关的特征。
进一步的是，对采集到的振动信号进行分析提取与坝体结构稳定性相关的特征，包括步骤：
S31, 振动信号预处理：对采集到的振动信号进行预处理，包括滤波、去噪和归一化操作，以提高振动信号的信噪比和清晰度；
S32, 时频分析：利用时频分析方法，将振动信号从时域转换到频域，以观察信号在不同频率下的能量分布情况；通过时频分析，提取出与坝体结构稳定性相关的特征频率和能量分布；
S33, 特征提取：根据时频分析结果，提取出与坝体结构稳定性相关的特征，包括特征频率、能量分布和频谱形态，这些特征用于后续的结构稳定性评估和分析。
进一步的是，根据提取的特征，评估坝体的稳定性状态，包括步骤：
S41，建立坝体稳定性状态评估模型；
S42, 将提取的特征输入至坝体稳定性状态评估模型；
S43, 利用坝体稳定性状态评估模型，获取坝体的稳定性状态评估结果。
进一步的是，根据提取的特征，采用神经网络学习算法，对振动信号进行分类和预测，从而评估坝体的稳定性状态。
进一步的是，建立坝体稳定性状态评估模型，利用建立评估坝体稳定性状态评估模型进行评估，包括步骤：
确定坝体稳定性状态评估模型输入：将特征频率、能量分布和频谱形态数据作为坝体稳定性状态评估模型的输入；
建立坝体稳定性状态评估模型：利用数学方法，将输入数据转化为数学表达式，使用神经网络方法建立坝体稳定性状态评估模型，将输入数据与稳定性评估结果建立关联；
确定坝体稳定性状态评估模模型参数：根据建立的坝体稳定性状态评估模型，确定坝体稳定性状态评估模型中的参数；这些参数神经网络的权重，用于描述输入数据与稳定性评估结果之间的关系；
训练坝体稳定性状态评估模型：利用已知的输入数据和对应的稳定性评估结果，对坝体稳定性状态评估模型进行训练；通过训练，坝体稳定性状态评估模型学习到输入数据与稳定性评估结果之间的映射关系；
验证坝体稳定性状态评估模型：使用独立的测试数据对坝体稳定性状态评估模型进行验证，检查坝体稳定性状态评估模型的预测结果是否准确；如果坝体稳定性状态评估模型的预测结果与实际结果相符，则验证通过；
应用坝体稳定性状态评估模型：将训练好的坝体稳定性状态评估模型应用于实际的坝体结构稳定性评估中；根据实际输入数据，利用坝体稳定性状态评估模型进行计算，得出坝体结构的稳定性评估结果。
进一步的是，通过实时监测振冲碎石桩的振动信号，及时发现坝体结构的不稳定性；当发现异常情况时，发出预警或报警信号，提醒相关人员采取措施进行加固或修复，避免潜在的安全隐患。
本发明的有益效果：
本发明能够提高监测准确性。通过振冲碎石桩处理，可以更准确地监测水库坝体结构的稳固性。振冲碎石桩可以有效地感知土体的振动信号，从而反映坝体结构的稳定性状态。这种方法避免了传统方法中的人为误差和仪器误差，提高了监测的准确性。
本发明能够提高监测效率。振冲碎石桩处理方法可以快速安装和维护，因此可以快速地对水库坝体结构进行稳固性监测。与传统的巡检和仪器测量方法相比，这种方法能够更快地获取监测数据，提高了监测效率。
本发明能够扩大应用范围。基于振冲碎石桩处理的水库坝体结构稳固性监测方法可以适用于各种类型和规模的水库坝体结构。这种方法不仅适用于大型水库，也适用于小型水库和灌溉渠道等水利工程。因此，该方法具有广泛的应用前景，可以为更多的水利工程提供稳固性监测服务。
本发明能够预警和报警功能。通过实时监测水库坝体结构的稳定性，该方法可以及时发出预警或报警信号。当发现坝体结构存在不稳定性时，可以及时采取相应的措施进行加固或修复，避免潜在的安全隐患。
综上所述，基于振冲碎石桩处理的水库坝体结构稳固性监测方法具有提高监测准确性、提高监测效率、扩大应用范围、预警和报警功能等多方面的有益效果。这些效果对于保障水库的安全运行具有重要意义，并为水利工程领域提供了新的技术解决方案。
附图说明
图1 为本发明的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法流程示意图；
图2 为本发明实施例中采集振动信号的流程示意图；
图3 为本发明实施例中分析振动信号的流程示意图；
图4 为本发明实施例中评估水库坝体稳定性的流程示意图。
具体实施方式
为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
在本实施例中，参见图1所示，本发明提出了一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，包括步骤：
S10, 安装振冲碎石桩：在目标水库坝体上确定安装位置，通过振冲设备将振冲碎石桩插入土体中；具体的，所示振冲碎石桩在目标水库坝体中的安装位置和深度根据水库坝体的地质条件和设计要求确定。
S20, 采集振动信号：通过振动传感器采集振冲碎石桩的振动信号；具体的，如图2所示，通过振动传感器采集振冲碎石桩的振动信号，包括步骤：
S21,准备振动传感器：根据振冲碎石桩的振动频率和幅度范围，选择具有相应测量范围和精度的振动传感器；
S22,安装振动传感器：将振动传感器安装在振冲碎石桩的表面或内部，确保传感器能够准确地测量到碎石桩的振动信号；
S23,连接振动传感器与数据采集设备：将振动传感器与数据采集设备连接起来；如数据采集卡或专用的数据采集模块；
S24,设置数据采集参数：根据测量需求，设置数据采集参数，如采样频率、采样时间等；
S25,开始采集数据：启动数据采集设备，开始采集振冲碎石桩的振动信号；
S26,数据处理与分析：将采集到的数据导入到计算机中，利用计算机软件进行分析振动信号。
在具体实现过程中，还需要注意以下几点：
选择合适的传感器和数据采集设备，确保测量精度和稳定性。
在安装传感器时，要确保传感器与碎石桩表面或内部紧密接触，避免信号泄露或失真。
在采集数据时，要确保数据采集设备的稳定性和可靠性，避免出现数据丢失或失真现象。
优选的，振动传感器可采用高灵敏度的加速度传感器或位移传感器。
S30, 分析振动信号：对采集到的振动信号进行分析，提取与坝体结构稳定性相关的特征。
可采用频谱分析对振动信号进行分析，提取与坝体结构稳定性相关的特征。
具体的，如图3所示，对采集到的振动信号进行分析提取与坝体结构稳定性相关的特征，包括步骤：
S31, 振动信号预处理：对采集到的振动信号进行预处理，包括滤波、去噪和归一化操作，以提高振动信号的信噪比和清晰度；
S32, 时频分析：利用时频分析方法，将振动信号从时域转换到频域，以观察信号在不同频率下的能量分布情况；通过时频分析，提取出与坝体结构稳定性相关的特征频率和能量分布；
S33, 特征提取：根据时频分析结果，提取出与坝体结构稳定性相关的特征，包括特征频率、能量分布和频谱形态，这些特征用于后续的结构稳定性评估和分析。
特征频率：利用振动测试技术获得坝体的特征频率。特征频率是坝体结构固有的振动特性，可以反映其稳定性和刚度。通过对特征频率的分析，可以评估坝体结构的整体稳定性和抗震性能。
能量分布分析：能量分布可以反映坝体结构的动力响应和稳定性。通过分析能量分布，可以评估坝体结构在不同荷载作用下的稳定性，并判断其是否满足设计要求。
频谱形态分析：频谱形态可以反映坝体结构的固有振动特性和稳定性。通过对频谱形态的分析，可以评估坝体结构的整体稳定性和抗震性能，并判断其是否满足设计要求。
在具体实现过程中，还需要注意以下几点：
选择合适的信号预处理方法和时频分析方法，以获得准确和可靠的特征提取结果。
在特征提取过程中，要选择与坝体结构稳定性相关的特征，避免提取到与稳定性无关的特征。
在整个过程中，为了充分考虑数据的不确定性和误差来源，还可以采取相应的措施进行误差控制和数据处理。
S40, 评估水库坝体稳定性：根据提取的特征，评估坝体的稳定性状态。
具体的，如图4所示，根据提取的特征，评估坝体的稳定性状态，包括步骤：
S41，建立坝体稳定性状态评估模型；
S42, 将提取的特征输入至坝体稳定性状态评估模型；
S43, 利用坝体稳定性状态评估模型，获取坝体的稳定性状态评估结果。
优选的，根据提取的特征，采用神经网络学习算法，对振动信号进行分类和预测，从而评估坝体的稳定性状态。
其中，建立坝体稳定性状态评估模型，利用建立评估坝体稳定性状态评估模型进行评估，包括步骤：
确定坝体稳定性状态评估模型输入：将特征频率、能量分布和频谱形态数据作为坝体稳定性状态评估模型的输入；
建立坝体稳定性状态评估模型：利用数学方法，将输入数据转化为数学表达式，使用神经网络方法建立坝体稳定性状态评估模型，将输入数据与稳定性评估结果建立关联；
确定坝体稳定性状态评估模模型参数：根据建立的坝体稳定性状态评估模型，确定坝体稳定性状态评估模型中的参数；这些参数神经网络的权重，用于描述输入数据与稳定性评估结果之间的关系；
训练坝体稳定性状态评估模型：利用已知的输入数据和对应的稳定性评估结果，对坝体稳定性状态评估模型进行训练；通过训练，坝体稳定性状态评估模型学习到输入数据与稳定性评估结果之间的映射关系；
验证坝体稳定性状态评估模型：使用独立的测试数据对坝体稳定性状态评估模型进行验证，检查坝体稳定性状态评估模型的预测结果是否准确；如果坝体稳定性状态评估模型的预测结果与实际结果相符，则验证通过；
应用坝体稳定性状态评估模型：将训练好的坝体稳定性状态评估模型应用于实际的坝体结构稳定性评估中；根据实际输入数据，利用坝体稳定性状态评估模型进行计算，得出坝体结构的稳定性评估结果。
最后，还可以通过实时监测振冲碎石桩的振动信号，及时发现坝体结构的不稳定性；当发现异常情况时，发出预警或报警信号，提醒相关人员采取措施进行加固或修复，避免潜在的安全隐患。
具体实施例：
一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，包括以下步骤：
S10, 安装振冲碎石桩：在目标水库坝体上选择合适的安装位置，该位置应能够反映坝体的整体稳定性。根据坝体的地质条件和设计要求，确定振冲碎石桩的安装位置和深度。
使用振冲设备将振冲碎石桩插入土体中。振冲碎石桩的长度、直径和间距根据坝体的地质条件和设计要求确定。在安装过程中，确保振冲碎石桩的垂直度和稳定性。
S20, 采集振动信号：通过振动传感器采集振冲碎石桩的振动信号。振动传感器应具有高灵敏度和抗干扰能力，能够准确捕捉振冲碎石桩的振动信息。在采集过程中，应保持传感器的稳定性和可靠性。
S30, 分析振动信号：对采集到的振动信号进行分析，提取与坝体结构稳定性相关的特征，通过这些信息可以判断坝体的稳定性状态。例如，当坝体出现裂缝或变形时，振冲碎石桩的振动信号会发生变化，通过分析这些变化可以判断坝体的稳定性状态。
S40, 评估水库坝体稳定性：根据提取的特征，利用机器学习算法对坝体的稳定性进行评估。例如，可以采用神经网络、支持向量机等算法对振动信号进行分类和预测，从而评估坝体的稳定性状态。同时，可以采用实时监测和预警功能，及时发现坝体结构的不稳定性并发出预警或报警信号。
具体实施例：
一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，包括以下步骤：
S10, 安装振冲碎石桩：在目标水库坝体上选择多个安装位置，这些位置应能够反映坝体的整体稳定性。根据坝体的地质条件和设计要求，确定振冲碎石桩的安装位置和深度。
使用振冲设备将多个振冲碎石桩分别插入土体中。每个振冲碎石桩的长度、直径和间距根据坝体的地质条件和设计要求确定。在安装过程中，确保每个振冲碎石桩的垂直度和稳定性。
S20, 采集振动信号：通过多个振动传感器分别采集多个振冲碎石桩的振动信号。每个振动传感器应具有高灵敏度和抗干扰能力，能够准确捕捉相应振冲碎石桩的振动信息。在采集过程中，应保持每个传感器的稳定性和可靠性。
S30, 分析振动信号：对采集到的多个振动信号进行分析，提取与坝体结构稳定性相关的特征，通过这些信息可以判断坝体的稳定性状态。例如，当某个区域的坝体出现裂缝或变形时，该区域的振冲碎石桩的振动信号会发生变化，通过分析这些变化可以判断该区域的坝体稳定性状态。
S40, 评估水库坝体稳定性：根据提取的特征，利用机器学习算法对多个区域的坝体稳定性进行评估。例如，可以采用神经网络、支持向量机等算法对多个振动信号进行分类和预测，从而评估多个区域的坝体稳定性状态。同时，可以采用实时监测和预警功能，及时发现某个区域坝体结构的不稳定性并发出预警或报警信号。
以上是基于振冲碎石桩处理的水库坝体结构稳固性监测方法的具体实施例。实施例1采用单个振冲碎石桩进行监测，实施例2采用多个振冲碎石桩进行监测。两种实施例都可以实现水库坝体结构稳固性的实时监测和预警功能。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。
Claims (10)
1.一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，包括步骤：
S10, 安装振冲碎石桩：在目标水库坝体上确定安装位置，通过振冲设备将振冲碎石桩插入土体中；
S20, 采集振动信号：通过振动传感器采集振冲碎石桩的振动信号；
S30, 分析振动信号：对采集到的振动信号进行分析，提取与坝体结构稳定性相关的特征；
S40, 评估水库坝体稳定性：根据提取的特征，评估坝体的稳定性状态。
2.根据权利要求1所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，所述振冲碎石桩在目标水库坝体中的安装位置和深度根据水库坝体的地质条件和设计要求确定。
3.根据权利要求1所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，通过振动传感器采集振冲碎石桩的振动信号，包括步骤：
S21,准备振动传感器：根据振冲碎石桩的振动频率和幅度范围，选择具有相应测量范围和精度的振动传感器；
S22,安装振动传感器：将振动传感器安装在振冲碎石桩的表面或内部，确保传感器能够准确地测量到碎石桩的振动信号；
S23,连接振动传感器与数据采集设备：将振动传感器与数据采集设备连接起来；
S24,设置数据采集参数：根据测量需求，设置数据采集参数；
S25,开始采集数据：启动数据采集设备，开始采集振冲碎石桩的振动信号；
S26,数据处理与分析：将采集到的数据导入到计算机中，利用计算机软件进行分析振动信号。
4.根据权利要求3所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，所述振动传感器采用加速度传感器或位移传感器。
5.根据权利要求1所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，采用频谱分析对振动信号进行分析，提取与坝体结构稳定性相关的特征。
6.根据权利要求5所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，对采集到的振动信号进行分析提取与坝体结构稳定性相关的特征，包括步骤：
S31, 振动信号预处理：对采集到的振动信号进行预处理，包括滤波、去噪和归一化操作，以提高振动信号的信噪比和清晰度；
S32, 时频分析：利用时频分析方法，将振动信号从时域转换到频域，以观察信号在不同频率下的能量分布情况；通过时频分析，提取出与坝体结构稳定性相关的特征频率和能量分布；
S33, 特征提取：根据时频分析结果，提取出与坝体结构稳定性相关的特征，包括特征频率、能量分布和频谱形态，这些特征用于后续的结构稳定性评估和分析。
7.根据权利要求1所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，根据提取的特征，评估坝体的稳定性状态，包括步骤：
S41，建立坝体稳定性状态评估模型；
S42, 将提取的特征输入至坝体稳定性状态评估模型；
S43, 利用坝体稳定性状态评估模型，获取坝体的稳定性状态评估结果。
8.根据权利要求7所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，根据提取的特征，采用神经网络学习算法，对振动信号进行分类和预测，从而评估坝体的稳定性状态。
9.根据权利要求8所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，建立坝体稳定性状态评估模型，利用建立评估坝体稳定性状态评估模型进行评估，包括步骤：
确定坝体稳定性状态评估模型输入：将特征频率、能量分布和频谱形态数据作为坝体稳定性状态评估模型的输入；
建立坝体稳定性状态评估模型：利用数学方法，将输入数据转化为数学表达式，使用神经网络方法建立坝体稳定性状态评估模型，将输入数据与稳定性评估结果建立关联；
确定坝体稳定性状态评估模模型参数：根据建立的坝体稳定性状态评估模型，确定坝体稳定性状态评估模型中的参数；这些参数神经网络的权重，用于描述输入数据与稳定性评估结果之间的关系；
训练坝体稳定性状态评估模型：利用已知的输入数据和对应的稳定性评估结果，对坝体稳定性状态评估模型进行训练；通过训练，坝体稳定性状态评估模型学习到输入数据与稳定性评估结果之间的映射关系；
验证坝体稳定性状态评估模型：使用独立的测试数据对坝体稳定性状态评估模型进行验证，检查坝体稳定性状态评估模型的预测结果是否准确；如果坝体稳定性状态评估模型的预测结果与实际结果相符，则验证通过；
应用坝体稳定性状态评估模型：将训练好的坝体稳定性状态评估模型应用于实际的坝体结构稳定性评估中；根据实际输入数据，利用坝体稳定性状态评估模型进行计算，得出坝体结构的稳定性评估结果。
10.根据权利要求1、7-9中任一项所述的一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法，其特征在于，通过实时监测振冲碎石桩的振动信号，及时发现坝体结构的不稳定性；当发现异常情况时，发出预警或报警信号，提醒相关人员采取措施进行加固或修复，避免潜在的安全隐患。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161668.8A CN117702714A (zh) | 2024-02-05 | 2024-02-05 | 一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161668.8A CN117702714A (zh) | 2024-02-05 | 2024-02-05 | 一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117702714A true CN117702714A (zh) | 2024-03-15 |
Family
ID=90153850
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410161668.8A Pending CN117702714A (zh) | 2024-02-05 | 2024-02-05 | 一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117702714A (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102562163A (zh) * | 2011-12-22 | 2012-07-11 | 中国神华能源股份有限公司 | 一种防洪坝系的安全性检测方法 |
| CN107100160A (zh) * | 2017-06-24 | 2017-08-29 | 浙江华东工程咨询有限公司 | 一种用于下水库拦沙坝振冲碎石桩的施工工艺 |
| CN108122248A (zh) * | 2018-01-15 | 2018-06-05 | 武汉大学 | 基于视频测量的大坝自振频率识别方法 |
| CN110220978A (zh) * | 2019-06-21 | 2019-09-10 | 江西理工大学 | 一种用于尾矿库坝体溃坝预警的纵向导波监测方法 |
| CN213390201U (zh) * | 2020-07-10 | 2021-06-08 | 中国电建集团华东勘测设计研究院有限公司 | 一种振冲碎石桩与堆石体加筋的土石坝软基处理结构 |
| CN213579467U (zh) * | 2020-09-10 | 2021-06-29 | 四川讯思电气自动化设备有限公司 | 一种大坝安全监测系统 |
| KR102288516B1 (ko) * | 2021-02-09 | 2021-08-10 | 초석건설산업(주) | 입도조정골재를 이용한 해상 연약지반 개량공법에 사용되는 실시간 데이터 스마트 자동기록시스템 |
| CN113322930A (zh) * | 2021-06-04 | 2021-08-31 | 中国电建集团成都勘测设计研究院有限公司 | 振冲碎石桩施工质量的联合控制系统及控制方法 |
| CN113392516A (zh) * | 2021-06-04 | 2021-09-14 | 北京科技大学 | 一种基于主频带重心频率的重力坝抗滑稳定性监测评价方法 |
| CN113463699A (zh) * | 2021-06-28 | 2021-10-01 | 清华大学 | 一种振冲碎石桩加密性测试装置与智能反演分析方法 |
| CN114279400A (zh) * | 2021-12-20 | 2022-04-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 堰塞坝内部沉降及其基础变形的自动化监测装置及方法 |
| CN116623635A (zh) * | 2023-05-06 | 2023-08-22 | 浙江大学 | 一种振冲碎石桩复合地基加固质量的自激式检测方法 |
| CN117433480A (zh) * | 2023-10-17 | 2024-01-23 | 广州蓝图地理信息技术有限公司 | 基于遥感监测的高精度位置实时动态监测预警系统及方法 |
-
2024
- 2024-02-05 CN CN202410161668.8A patent/CN117702714A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102562163A (zh) * | 2011-12-22 | 2012-07-11 | 中国神华能源股份有限公司 | 一种防洪坝系的安全性检测方法 |
| CN107100160A (zh) * | 2017-06-24 | 2017-08-29 | 浙江华东工程咨询有限公司 | 一种用于下水库拦沙坝振冲碎石桩的施工工艺 |
| CN108122248A (zh) * | 2018-01-15 | 2018-06-05 | 武汉大学 | 基于视频测量的大坝自振频率识别方法 |
| CN110220978A (zh) * | 2019-06-21 | 2019-09-10 | 江西理工大学 | 一种用于尾矿库坝体溃坝预警的纵向导波监测方法 |
| CN213390201U (zh) * | 2020-07-10 | 2021-06-08 | 中国电建集团华东勘测设计研究院有限公司 | 一种振冲碎石桩与堆石体加筋的土石坝软基处理结构 |
| CN213579467U (zh) * | 2020-09-10 | 2021-06-29 | 四川讯思电气自动化设备有限公司 | 一种大坝安全监测系统 |
| KR102288516B1 (ko) * | 2021-02-09 | 2021-08-10 | 초석건설산업(주) | 입도조정골재를 이용한 해상 연약지반 개량공법에 사용되는 실시간 데이터 스마트 자동기록시스템 |
| CN113322930A (zh) * | 2021-06-04 | 2021-08-31 | 中国电建集团成都勘测设计研究院有限公司 | 振冲碎石桩施工质量的联合控制系统及控制方法 |
| CN113392516A (zh) * | 2021-06-04 | 2021-09-14 | 北京科技大学 | 一种基于主频带重心频率的重力坝抗滑稳定性监测评价方法 |
| CN113463699A (zh) * | 2021-06-28 | 2021-10-01 | 清华大学 | 一种振冲碎石桩加密性测试装置与智能反演分析方法 |
| CN114279400A (zh) * | 2021-12-20 | 2022-04-05 | 水利部交通运输部国家能源局南京水利科学研究院 | 堰塞坝内部沉降及其基础变形的自动化监测装置及方法 |
| CN116623635A (zh) * | 2023-05-06 | 2023-08-22 | 浙江大学 | 一种振冲碎石桩复合地基加固质量的自激式检测方法 |
| CN117433480A (zh) * | 2023-10-17 | 2024-01-23 | 广州蓝图地理信息技术有限公司 | 基于遥感监测的高精度位置实时动态监测预警系统及方法 |
Non-Patent Citations (2)
| Title |
|---|
| 王立彬;刘硕;蒙萌;黄粤鑫;田文高;王明明;: "振冲碎石桩在提高尾矿库坝基承载力中的应用", 安徽工业大学学报(自然科学版), no. 02, 15 June 2020 (2020-06-15) * |
| 赵奎等: "《导波声发射及次声波监测在矿山应用的理论与试验》", 31 March 2018, 北京：冶金工业出版社, pages: 112 - 113 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN106597555B (zh) | 一种瞬变电磁法的接地网腐蚀程度评价方法 | |
| CN100485362C (zh) | 基于电化学噪声的局部腐蚀分析方法和装置 | |
| CN107014668A (zh) | 一种基于压电和智能涂层传感器的疲劳裂纹综合监测方法 | |
| CN109190272B (zh) | 基于弹性波和机器学习的混凝土结构缺陷检测方法 | |
| Peterson et al. | The good, the bad and the outliers: automated detection of errors and outliers from groundwater hydrographs | |
| CN106404377A (zh) | 一种基于声学成像技术的变压器机械故障诊断方法 | |
| CN105239608A (zh) | 一种基于wt-rs-svr相结合的滑坡位移预测方法 | |
| CN101201386A (zh) | 一种模拟集成电路参数型故障的定位方法 | |
| CN117434372B (zh) | 电子产品的电磁兼容抗扰度测试方法及系统 | |
| CN115573397B (zh) | 海上风电桩基土塞挤土效应的评估模型设计及评估方法 | |
| CN113065388B (zh) | 一种实时土体类别识别方法、系统及一种挖掘机 | |
| CN114880940A (zh) | 基于多域分析和人工神经网络的压实质量检测方法及装置 | |
| CN113158558B (zh) | 一种高速铁路路基连续压实分析方法、装置及分析仪 | |
| CN117233347B (zh) | 一种碳钢球化等级测量方法、系统及设备 | |
| CN117702714A (zh) | 一种基于振冲碎石桩处理的水库坝体结构稳固性监测方法 | |
| CN109357751B (zh) | 一种电力变压器绕组松动缺陷检测系统 | |
| CN105182116B (zh) | 一种基于加权梯度结构相似度的变压器绕组工作状态检测方法 | |
| CN116822352A (zh) | 基于grnn神经网络的井下防水密闭墙工况预测方法及系统 | |
| CN116466408A (zh) | 一种基于航磁数据的人工神经网络超基性岩识别方法 | |
| CN115600402A (zh) | 压裂设备寿命与施工工艺参数关系模型的构建方法及系统 | |
| CN115795325A (zh) | 一种自动检验的输电塔模态参数识别方法及系统 | |
| CN118246128B (zh) | 一种钢筋混凝土框架结构质量检测方法、介质及系统 | |
| CN109884131A (zh) | 一种试坑浸水试验中土层浸湿无损连续探测方法 | |
| CN118130984B (zh) | 基于数据驱动的电缆局放故障实时监测方法 | |
| CN115266914B (zh) | 基于声学信号处理的沉桩质量监测系统及监测方法 |
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 |