测量机器人地铁隧道结构变形监测系统设计.docx

测量机器人地铁隧道结构变形监测系统设计.docx

《测量机器人地铁隧道结构变形监测系统设计.docx》由会员分享，可在线阅读，更多相关《测量机器人地铁隧道结构变形监测系统设计.docx（17页珍藏版）》请在冰豆网上搜索。

测量机器人地铁隧道结构变形监测系统设计

摘要：

在介绍了几种不同的变形监测数据处理方法后，结合某地铁变形监测后处理系统，对该系统工作原理进行了简要介绍，并在该系统的基础上，设计了地铁安全评估系统。

关键词：

变形监测；地铁监测；安全评估

1变形监测网数据处理方法

对于监测网的数据处理属于变形的几何分析范畴，包括确定相对或绝对变形量的大小、几何分布和变化规律。

变形监测网一般由参考网和相对网组成，对于监测网周期观测数据处理，主要是确定稳定点，估计变形点相对于稳定点（或基准）的变形。

对于零期和一期观测，多采用秩亏自由网平差或拟稳平差法做变形分析，一旦确定存在稳定点，则仍以稳定点为基准进行约束平差为宜。

周期观测点场稳定性的统计检验与判别，通常采用平均间隙法和最大间隙法。

对于监测滑坡体的周期观测网，在获取到各期监测点的位移值后，可采用聚类分析法进行变形模式的拓朴约束识别，自动划分变形块体和估计各块体的变形模型参数。

[1]

1.1回归分析法

取变形（称效应量，如各种位移值）为因变量，环境量（称影响因子，如水压、温度等）为自变量，根据数理统计理论建立多元线性回归模型，用逐步回归法可得到效应量与环境量之间的函数模型，用这种方法可做变形的物理解释和变形预报。

因为它是一种统计分析方法，需要效应量和环境量具有较长且一致性较好的观测值序列。

在回归分析法中，当环境量之间相关性较大，可采用岭回归分析；如果考虑测点上有多个效应量，如三向垂线坐标仪、双向引张线仪，二向、三向测缝计的观测值序列，则可采用偏回归模型，该模型具有多元线性回归分析、相关分析和主成份分析的功能，在某些情况下优于一般的逐步线性回归模型。

1.2时间序列分析法

大坝变形观测中，在测点上的许多效应量如用垂线坐标仪、引张线仪、真空激光准直系统、液体静力水准测量所获取的观测量都组成一个离散的随机时间序列，因此，可以采用时间序列分析理论与方法，建立p阶自回归q阶滑动平均模型ARMA（p、q）。

一般认为采用动态数据系统（DynamicDateSystem）法或趋势函数模型+ARMA模型的组合建模法较好，前者把建模作为寻求随机动态系统表达式的过程来处理，而后者是将非平稳相关时序转化为平稳时序，模型参数聚集了系统输出的特征和状态，可对变形进行解释和预报。

若顾及粗差的影响，可引入稳健时间序列分析法建模。

对于小数据量的时间序列，可采用灰色系统理论建模，通过对原始数列采用累加生成法变成生成数列，可以减弱随机性，增强规律性。

在组合建模中，也可以通过建立灰微分方程提取变形的趋势项。

在时序分析中，一般是针对单测点，若顾及各测点间的相关性进行多点的关联变形分析，则可能取得更好的效果。

[2]

1.3频谱分析法

对于具有周期性变化的变形时间序列（大坝的水平位移一般都具有周期性），可采用付立叶（Fourier）变换将时域信息转到频域进行分析，通过计算各谐波频率的振幅，找出最大振幅所对应的主频，可揭示变形的变化周期。

若将测点的变形作为输出，与测点有关的环境量作为输入，通过对相干函数、频率响应函数和响应谱函数进行估计，可以分析输入输出之间的相关性，进行变形的物理解释，确定输入的贡献和影响变形的主要因子。

1.4卡尔曼滤波法

将变形体视为一个动态系统，系统的状态可用卡尔曼滤波模型即状态方程和观测方程描述，状态方程中若含监测点的位置、速率和加速率等状态向量参数，则为典型的运动模型。

这种模型特别适合滑坡监测数据的动态处理，也可用于静态点场、似静态点场（如变形监测网）在各周期观测中显著性变形点的检验识别。

该法的优点是有严密的递推算法，不需要保留使用过的观测值序列，而且可把模型的参数估计和预报结合在一起。

该法是一种变形的动态几何分析方法。

应用时需注意初始状态向量及其协方差阵以及动态噪声向量协方差阵的确定，采用自适应卡尔曼滤波可较好地解决后一问题。

1.5有限元法

有限元法是一种采用确定函数模型直接求解变形的具有先验性质的方法，属于确定函数法，它不需要做任何变形监测。

将混凝土大坝按一定规则划分为很多计算单元，根据材料的物理力学参数（如弹性模量、泊松比、内摩擦角、内聚力以及容重等），建立荷载与变形之间的函数关系，在边界条件下，通过解算有限元微分方程，可得到有限元结点上的变形。

计算的变形值与单元划分、函数模型和物理力学参数选取有关，假设性较大，同时，未考虑外界因子的随机影响，因此，用该法所计算的变形仅作参考。

如果计算的变形值与实测值有较大的差异，往往需要对模型和参数进行修改并进行迭代计算。

若根据实测变形值采用确定性函数反求变形体材料的物理力学参数，则称为反演分析法。

反演分析法一般与有限元法联合使用。

1.6人工神经网络法

大坝变形与影响因子之间是一种非线性、非确定性的复杂关系，模糊人工神经网络法将生物特征用到工程中，用计算机解决大数据量情况下的学习、识别、控制和预报等问题，是新近发展起来的一种行之有效的方法，对于具有大量监测资料的大坝安全分析与预报尤其适合。

以影响因子作为神经网络的输入层，以变形量作为输出层，中间为隐含层的三层反传（backpropagation）模型（称BP网络模型）最为成熟，网络拓朴结构（每层特别是隐含层的节点数确定）、反传训练算法、初始权选取和权值调整、步长和动量系数选择、训练样本质量、训练收敛标准等是重要的研究内容。

此外，将小波分析与人工神经网络相结合的小波神经网络组合预报方法，将人工神经网络与专家系统相结合建立大坝

变形、预报的神经网络专家系统也极具应用前景。

1.7小波分析法

小波理论作为多学科交叉的结晶在科研和工程中被广为研讨和应用。

小波变换被誉为“数学显微镜”，它能从时频域的局部信号中有效地提取信息。

利用离散小波变换对变形观测数据进行分解和重构，可有效地分离误差，能更好地反映局部变形特征和整体变形趋势。

与付里叶变换相似，小波变换能探测周期性的变形。

将小波用于动态变形分析，可构造基于小波多分辨卡尔曼滤波模型。

将小波的多分辨分析和人工神经网络的学习逼近能力相结合，建立小波神经网络组合预报模型，可用于线性和非线性系统的变形预报。

[3]

2测量机器人地铁隧道结构变形监测系统

测量机器人自动极坐标变形监测系统软件，主要完成测量机器人的控制、测量计划的制定、观测成果质量的监控、数据的自动处理、输出等功能，图1为软件结构功能图。

该软件与远程控制软件配合使用可实现系统的远程控制。

[4]

工程管理

自动测量控制参数设置

系统设置

远程监控控制软件

初始测量

观测成果显示

Internet

自动测量

稳定性分析

极坐标监测软件

数据处理

差分处理

通用通信类

调用

安全评估

模型改正

成果输出

图1自动极坐标变形监测系统软件结构功能图。

本系统主界面如图2所示，分为主窗体和子窗体两部分，在主窗体上以菜单栏的方式列出各种操作菜单，同时以工具条的方式列出了主要的操作菜单，在主窗体中以子窗体的方式分类列出了各种操作菜单，极大地方便了用户的使用。

[5]

变化曲线

显示操作按钮栏

状态栏

主菜单

工具栏

功能按钮列表栏

图2自动极坐标变形监测系统软件主界面

测量机器人自动极坐标变形监测软件设计功能模块如下：

2.5.1文件操作

文件操作是软件所要具备的最基本的操作，在数据处理过程中，能够实现对多台测量机器人自动采集的大量原始观测数据进行管理，并实现对数据的查询和分析。

文件操作具有以下功能：

新建、打开、查看、编辑、保持、删除等。

2.5.2项目管理

每个变形监测项目都作为一项工程来管理，每个工程对应着一个数据库文件，数据库文件中保存着该变形监测项目的所有数据，包括各种初始设置信息、原始观测值、各种计算分析成果等。

项目管理有以下功能：

新建项目、打开项目等。

2.5.3数据接收

系统远程数据传输采用了E-mail传送的方式，现场工控机采集的周期监测数据，每期观测完成后通过E-mail自动发送到指定的电子邮箱中，如果监测现场暂时网络不通，则会在恢复后自动补发未发送的数据；办公室数据处理软件自动接收指定的电子邮箱中的监测数据，自动追加到系统数据库中并进行自动处理。

实现软件和现场硬件的实时通信，可以自动接收数据。

可以灵活的选择测点和时间进行监测。

数据接收操作如图3所示。

图3远程控制及数据接收界面

2.5.4数据分析

主要包括目标点坐标的计算和后续的变形分析。

为提高最终成果精度，提供一些针对原始观测值的改正方法（如分区距离差分和高差差分处理、投影改正等），也提供一些典型的数据处理模型。

数据处理是通过大气折光改正模型对观测值进行修正，再通过平差计算得到实时的点位坐标，并通过与上一周期和参考周期数据的对比，得到监测点位的本期变形量和累计变形量。

数据分析可以实现数据的自动化平差计算，以图表的形式展示出监测数据的变形情况，可以将监测数据实时的传到指定手机号或者邮箱。

数据后处理如图4所示。

图4数据后处理

2.5.4.1基准网的平差计算

1）测站坐标单独解算

测量机器人采集的测量数据包括水平角，垂直角和斜距信息，并将这些信息保存在工控机中，工控机再通过发送邮件的方式发送给远程计算机提供计算。

该系统中各站所测监测点在该站坐标系下的坐标是在以测站点为坐标原点，通过极坐标的方式计算得到的，具体原理如图5所示：

图5测站坐标系下坐标正算

从图中可以得到：

xA=SOA∙cosαyA=SOA∙sinα

（1）

式中α为测量机器人测得点A的水平角，SOA为测量机器人测得的A点到测量机器人的斜距。

2）测站坐标系统转换

图6平面坐标转换模型

如图6所示为任意两个平面测量坐标系，假定XOY为参考坐标系，X’O’Y’为待转换坐标系，O’在XOY平面内的坐标为（Qx，Qy），P点在XOY平面内的坐标为（X，Y），在X’O’Y’平面内的坐标为（x，y），根据几何关系有：

X=λx∙cosθ+λy∙sinθ+QxY=λy∙sinθ-λx∙cosθ+Qy

（2）

式中λ表示两坐标系之间的长度比，θ表示X’O’Y’坐标系相对于XOY坐标系的旋转角度，用矩阵的方式表示也就是如下所示

XY=λcosθsinθ-sinθcosθxy+QxQy（3）

令a=λ∙cosθ，b=λ∙sinθ

则XY=ab-baxy+QxQy（4）

式中a，b，Qx，Qy为待定系数，对于每一个公共点，都有如下一对误差方程：

（式中i=1，2,3，···，n）

vXi=x∙a+y∙b+QX-XivYi=y∙a-x∙b+Qy-Yi（5）

按照间接平差原理，计算可得：

Qx=Xm-xm∙a-ym∙bQy=Ym-ym∙a+xm∙b（6）

a=x'X'+y'Y'x'2+y'2b=y'X'-x'Y'x'2+y'2（7）

式中xm=xn，ym=yn，x'=x-xm，y'=y-ym

Xm=Xn，Ym=Yn，X'=X-Xm，Y'=Y-Ym

通过迭代计算，可有（5.7）式计算出两个坐标换算系数a、b，再将a、b代入（5.6）式求得另外两个坐标转换系数Qx、Qy。

然后按（5.2）式进行坐标转换，即可将X’O’Y’坐标系下的任意一点坐标转换到XOY坐标系下，实现坐标转换