传感器网络技术在隧道变形监测中的应用研究
|
摘要
伴随着信息化测绘时代的来临,以数字化信息为核心的传感网技术对工程领域中的设计、施工、监测和管理模式产生了深远影响。考虑到隧道工程的变形监测内容多、周期长、数据量大等特征,以前纯人工定时实地的监测方法难以满足实际需求,借助卫星定位、测量机器人、传感器、网络通讯等技术,传感网模式的现代化监测系统相继产生。
新疆盐水沟隧道是西气东输的示范工程,由于地质复杂、环境恶劣,隧道内部出现多处不同程度的开裂,对内部管道有较大的安全隐患。为了确保管道运输线路的安全,本文基于传感器网络技术,引入传感器优化设计和组合预测模型,设计研发了集工程前期优化设计、数据采集、通讯、计算、预测为一体的变形监测传感网预警原型系统。本文共分五章：
1.第一章介绍传感器、传感网和监测传感网的发展现状以及常见的传感网监测预警系统,并针对本文研究内容分析了国内外系统的优缺点和适用性。
2.第二章研究了传感器的数目、定位和布线优化模型,并根据盐水沟隧道实际情况,运用动态规划原理,以线缆价格、长度和接线头个数为制约因子分析传感器布线方案中最优方案的选择。
3.第三章详细阐述了传感网模式下隧道变形监测特点,在传感网技术架构基础上,系统总结了传感网的组成部分以及实施流程。
4.第四章以实际工程为背景,建立了灰色理论、时间序列和BP神经网络三种单项预测模型,通过对实测及仿真数据的分析与研究,探讨建立组合预测模型的必要性,然后对比分析可变加权系数和最优加权系数2种组合预测模型预测精度,并给出了两种方法的适用条件。
5.第五章设计并实现了隧道变形监测传感网预警系统的原型,并以盐水沟隧道监测项目为平台,对系统部分功能做了测试与应用。
With the arrival of the informationization surveying and mapping era, sensor technology taking the digital information as the core, has had a far-reaching influence on the original optimal design, monitoring and management. Considering the deformation of tunnel engineering has the characteristics such as monitoring content more, long cycle, large amount of data, the monitor method of traditional periodic, periodic artificial is difficult to meet the practical demand. The modern monitoring systems based on the sensor network model have being emerging, which are supported by the techniques such as satellite positioning, surveying robot, sensor network and network communication technologies.
The Yanshuigou tunnel is the key of the West-East natural gas transmission project. Due to the complex geology and harsh environment of the tunnel site, the internal structure of the tunnel have appear several cracks, which have some potential safety hazard to the pipes. Based on sensor network technology, this paper introduces optimal design and combination forecasting model then designs a monitoring prototype system, which contains route optimization, data acquisition, processing, management, analysis and prediction functions. This thesis is composed of five chapters.
1. The first chapter introduces the development of sensors, sensor network and the network for monitoring and the frequently used monitoring system based on sensor network mode. At the same time, this chapter analyzes the advantages and shortcomings and the application situation of systems inside and outside.
2. The second chapter studies the optimization models of sensor which includ the number, location and routing. It also use the dynamic programming principle to develop the liner optimal program according to actual situation of the Yanshuigou tunnel.
3. The third chapter sets forth the characteristics of deformation monitoring in tunnel. Based on sensor network mode, the components and implement process of sensor network is summarized systematically.
4. In the forth chapter, regarding actual engineering as the back, three prediction models of grey theory, time series and BP neural network are established. Based on analysis and comprehension of the measured and simulation data, this chapter explores the necessity of building the combining forecast model. The applicable conditions of two methods are presented by comparing the prediction accuracy of the variable weight and fixed weight combination model.
5. Through above research, a sensor network early warning prototype system for deformation monitoring was designed and developed. Meanwhile, system uses the Yanshuigou tunnel monitoring project as a platform to test its partial function.
新疆盐水沟隧道是西气东输的示范工程,由于地质复杂、环境恶劣,隧道内部出现多处不同程度的开裂,对内部管道有较大的安全隐患。为了确保管道运输线路的安全,本文基于传感器网络技术,引入传感器优化设计和组合预测模型,设计研发了集工程前期优化设计、数据采集、通讯、计算、预测为一体的变形监测传感网预警原型系统。本文共分五章：
1.第一章介绍传感器、传感网和监测传感网的发展现状以及常见的传感网监测预警系统,并针对本文研究内容分析了国内外系统的优缺点和适用性。
2.第二章研究了传感器的数目、定位和布线优化模型,并根据盐水沟隧道实际情况,运用动态规划原理,以线缆价格、长度和接线头个数为制约因子分析传感器布线方案中最优方案的选择。
3.第三章详细阐述了传感网模式下隧道变形监测特点,在传感网技术架构基础上,系统总结了传感网的组成部分以及实施流程。
4.第四章以实际工程为背景,建立了灰色理论、时间序列和BP神经网络三种单项预测模型,通过对实测及仿真数据的分析与研究,探讨建立组合预测模型的必要性,然后对比分析可变加权系数和最优加权系数2种组合预测模型预测精度,并给出了两种方法的适用条件。
5.第五章设计并实现了隧道变形监测传感网预警系统的原型,并以盐水沟隧道监测项目为平台,对系统部分功能做了测试与应用。
With the arrival of the informationization surveying and mapping era, sensor technology taking the digital information as the core, has had a far-reaching influence on the original optimal design, monitoring and management. Considering the deformation of tunnel engineering has the characteristics such as monitoring content more, long cycle, large amount of data, the monitor method of traditional periodic, periodic artificial is difficult to meet the practical demand. The modern monitoring systems based on the sensor network model have being emerging, which are supported by the techniques such as satellite positioning, surveying robot, sensor network and network communication technologies.
The Yanshuigou tunnel is the key of the West-East natural gas transmission project. Due to the complex geology and harsh environment of the tunnel site, the internal structure of the tunnel have appear several cracks, which have some potential safety hazard to the pipes. Based on sensor network technology, this paper introduces optimal design and combination forecasting model then designs a monitoring prototype system, which contains route optimization, data acquisition, processing, management, analysis and prediction functions. This thesis is composed of five chapters.
1. The first chapter introduces the development of sensors, sensor network and the network for monitoring and the frequently used monitoring system based on sensor network mode. At the same time, this chapter analyzes the advantages and shortcomings and the application situation of systems inside and outside.
2. The second chapter studies the optimization models of sensor which includ the number, location and routing. It also use the dynamic programming principle to develop the liner optimal program according to actual situation of the Yanshuigou tunnel.
3. The third chapter sets forth the characteristics of deformation monitoring in tunnel. Based on sensor network mode, the components and implement process of sensor network is summarized systematically.
4. In the forth chapter, regarding actual engineering as the back, three prediction models of grey theory, time series and BP neural network are established. Based on analysis and comprehension of the measured and simulation data, this chapter explores the necessity of building the combining forecast model. The applicable conditions of two methods are presented by comparing the prediction accuracy of the variable weight and fixed weight combination model.
5. Through above research, a sensor network early warning prototype system for deformation monitoring was designed and developed. Meanwhile, system uses the Yanshuigou tunnel monitoring project as a platform to test its partial function.
引文
[1]王海英,程瑶,金晓臻,刘海鹏.基于delphi的隧道监测信息管理系统间研究[J].公路隧道,2010,2：5-8.
[2]谷有臣,孔英,陈若辉.传感器技术的发展和趋势综述[J].物理实验,2002,12(22)：40-42.
[3]魏佳杰,郭晓金,李建寰.无线传感网发展综述[J].信息技术,2009,6：174-178.
[4]Kuorilehto M, Hannikainen M, Hamalainen T D. A survey of application distribution in wireless sensor networks,2005(05):17-30.
[5]吴荣军,张宝成,亢春梅.国外传感器市场发展现状及预测[J].传感器技术,2003,22(5)：5-7.
[6]程兴国.传感器技术的科学发展及哲学思考[J].科技信息,2011,22(12)：566-567.
[7]高存贞.国外传感器技术的发展概况及趋势[J].微电子学与计算机,1991,12：46-49.
[8]Menozzi G.Eurimus approved 19 projects for a total amount of Euro 89 million [J]. MST news,2000,2:28-30.
[9]Michael A. Duffy, Chris Hill, and Cecilia Whitaker. An Automated and Intergrated Monitoring Program for Diamond Valley Lakein California[A].The lOthFIG International Symposium on Deformation Measurements,2001,3:1-21.
[10]Karl Sippel. Modern Monitoring System Software Development[A].The 10th FIG International Symposium on Deformation Measurements,2001,3:88-100.
[11]Lee. J. S. Installation of real-time monitoring system for high-speed railroad tunnel[J]. Korean Tunnel Association,2001, (3):63-67.
[12]成荣,王俊,吴刚,薛美盛等.无线传感器网络在温室环境控制中的应用[J].农业工程技术(温室园艺),2006,8：16-17.
[13]寇海洲.基于无线传感网络的智能水产养殖生态信息监测系统[J].科技信息,2008,4：26-27.
[14]汪海波.一种基于无线传感网的智能交通拥堵监测与控制系统[J].电脑知识与技术,2012,8(24)：5875-5877.
[15]李光辉,赵军,王智.基于无线传感器网络的森林火灾监测预警系统[J].传感技术学报,2006,19(6)：2760-2764.
[16]岳学军,刘洪山,宋淑然.国内传感器的行业现状与未来发展[J].电子元器件应用,2009,11(6)：74-77.
[17]http://news.xinhuanet.com/politics/2012-06/11/c_112189657.htm
[18]GB/T13606-92.岩土工程用钢弦式压力传感器国家标准.国家技术监督局,1992.
[19]KammerDC.Semsor placement for on-orbit modal identification and correlation of large space structures. J of Guidance and Control Dynamics,1991,(14):251-259
[20]李宾宾.基于信息论的结构健康监测传感器优化布设[D],大连理工大学,2012,5.
[21]李东升,张莹,任亮,李宏男.结构健康监测中的传感器布设方法及评价准则[J],2011,1：39-50.
[22]丁小俊,朱艳,刘杰.桥梁健康监测之传感器优化布置[J].山西建筑,2011,37(27)：187-188.
[23]赵志仁.试论大坝安全监测设计的原则与要求[J].大坝监测技术,1997(4)：1-7.
[24]苏怀智,吴中如.大坝安全监测仪器优化设计[J].南昌工程学院学报,2005,24(3)：5-9.
[25]Marzullo K. Tolerating Failures of Continuous Valued Sensors[J]. ACM Trans on Computer Systems,1900,8(4):284-304.
[26]崔飞,袁万城,史家钧.传感器优化布设在桥梁健康监测中的应用[J].同济大学学报,1999,27(4)：165-169.
[27]康立山,谢云.非数值并行算法(第一册)：模拟退火算法[M].北京：科学出版社,1994.
[28]束金龙,闻人凯.线性规划理论与模型应用[M].北京：科学出版社,2003.
[29]阳明盛,罗长童.最优化原理、方法及求解软件[M].北京：科学出版社,2006.
[30]欧进萍.重大工程结构智能传感网络与健康监测系统的研究与应用[J].中国科学基金,2005,(1)：8-12.
[31]王俊峰.“物联网”是未来信息革命的方向[EB/OL]. http://news.ccidnet.com/ art/1032/20090925/1897675 l.html.
[32]朱仲英.传感网与物联网的进展与趋势[J].微型电脑应用,2010,26(1)：1-3.
[33]尚金光.基于物联网模式的隧道变形监测预警系统研究[D].西南交通大学,2012,5.
[34]龚荣华.RS232接口芯片的IC设计[D].大连理工大学,2008,6.
[35]黄靖博.RS485通讯连接方式及其应用[J].电气时空,2008,9：22-23.
[36]罗强.点对点无线网桥的设计与实现[D].东南大学,2004,3.
[37]王璐.基于GPRS技术的远程数据传输系统的研究[D].山东大学,2008,4.
[38]Bates J M, Granger C W J. The combination of rations Research Quarterly,1969, 20(4):451-468.
[39]成枢,刘国林,高放.最优组合预测模型及其在变形预测中的应用[C].第四届“测绘科学前沿技术论坛”,郑州,测绘通报出版社,2008,10：1-4.
[40]肖洁,罗军刚,解建仓,陈晨.变权组合预测模型在洪水中预报中的应用[J].西北农林科技大学学报(自然科学版),2013,2：1-7.
[41]毛开翼.关于组合预测中的权重确定及应用[D].成都理工大学,2007,5.
[42]朱素玲.组合预测中单项模型选择研究及其权重系数优化[D].兰州大学,2010,4.
[43]周命瑞,郭际明,文红雁,汪伟.基于优化初始值的GM(1,1)模型及其在大把检测中的应用[J].水电自动化与大坝监测,2008,32(2)：52-54.
[44]刘思峰,党耀国,方志耕等.灰色系统理论及其应用[M].北京：北京科学出版社,2004.
[45]李祚泳,张明,邓新民.基于遗传算法优化的GM(1,1)模型及效果检验[J].系统工程理论与实践,2002,8：136-139.
[46]陈亮亮,郭杭,管晓燕,董建良.BP模型在变形监测数据分析和预测中的应用[J].测绘科学,2008,33(4)：124-126.
[47]伍春香,刘琳,王葆元.三层BP网隐层节点数确定方法的研究[J].武汉测绘科技大学学报,1998,24(2)：177-179.
[48]孙太山.基于BP人工神经网络的多点非时序变形预测模型研究[D].西南交通大学,2008,5.
[49]林勋.时间序列分析在建筑物变形监测中的应用[D].吉林大学,2005,10.
[50]闫坤.基于时间序列模型的分析预测算法的设计与实现[D].北京邮电大学,2008,5.
[51]李圣明.时间序列分析及其在变形监测中的应用研究[C].湖北省测绘学会2006年度科学技术交流会,湖北：湖北省测绘学会,2006：114-118.
[52]吴艳蕾.非负权重近似最优组合预测的简明算法研究[J].大学数学,2007,23(1)：133-135.
[53]韩冬梅,牛文清,于长锐.组合预测模型中单项预测模型筛选研究[J].系统工程与电子技术,2009,31(6)：1381-1385.
[54]孙纪明.组合模型在沉降预测中的应用研究[J].测绘空间地理信息,2011,34(4)：202-204.
[55]岳艳春,黄廷祝.误差倒数变权组合预测方法[J].电子科技大学学报,2007,36(2)：349-351.
[56]曹成度.高速铁路线下工程沉降变形组合预测探讨[J].铁道勘察,2012,3：1-3.
[57]花向红,向东,于中伟,张伟.城市隧道施工第三方监测方案的实施与效果分析[J].测绘工程,2009,18(1)：60-64.
[58]李雪梅.地铁工程施工安全风险预警指标体系研究[D].华中科技大学,2011,2.
[59]傅志峰,罗晓辉,李杰,熊朝辉.基于安全预警分级的基坑安全模糊评价研究[J].岩土力学,2011,32(12)：3693-3700.
[60]JGJ8-2007.建筑变形测量规范[S].中华人民共和国建设部,2007.
[61]张鸿,熊文龙.基于C/S模式的SQL数据库应用技术[J].武汉理工大学学报(交通科学与工程版),2003,27(3)：890-892.
[62]刘秋香.张永胜Visual C#下利用ADO.NET访问SQL Server技术[J].计算机系统应用,2004,11：66-69.
[63]http://baike.baidu.com/view/1626075.htm
[64]王红建.SQL数据库的备份与恢复技巧[J].科技视界,2012,28：175-176.
[2]谷有臣,孔英,陈若辉.传感器技术的发展和趋势综述[J].物理实验,2002,12(22)：40-42.
[3]魏佳杰,郭晓金,李建寰.无线传感网发展综述[J].信息技术,2009,6：174-178.
[4]Kuorilehto M, Hannikainen M, Hamalainen T D. A survey of application distribution in wireless sensor networks,2005(05):17-30.
[5]吴荣军,张宝成,亢春梅.国外传感器市场发展现状及预测[J].传感器技术,2003,22(5)：5-7.
[6]程兴国.传感器技术的科学发展及哲学思考[J].科技信息,2011,22(12)：566-567.
[7]高存贞.国外传感器技术的发展概况及趋势[J].微电子学与计算机,1991,12：46-49.
[8]Menozzi G.Eurimus approved 19 projects for a total amount of Euro 89 million [J]. MST news,2000,2:28-30.
[9]Michael A. Duffy, Chris Hill, and Cecilia Whitaker. An Automated and Intergrated Monitoring Program for Diamond Valley Lakein California[A].The lOthFIG International Symposium on Deformation Measurements,2001,3:1-21.
[10]Karl Sippel. Modern Monitoring System Software Development[A].The 10th FIG International Symposium on Deformation Measurements,2001,3:88-100.
[11]Lee. J. S. Installation of real-time monitoring system for high-speed railroad tunnel[J]. Korean Tunnel Association,2001, (3):63-67.
[12]成荣,王俊,吴刚,薛美盛等.无线传感器网络在温室环境控制中的应用[J].农业工程技术(温室园艺),2006,8：16-17.
[13]寇海洲.基于无线传感网络的智能水产养殖生态信息监测系统[J].科技信息,2008,4：26-27.
[14]汪海波.一种基于无线传感网的智能交通拥堵监测与控制系统[J].电脑知识与技术,2012,8(24)：5875-5877.
[15]李光辉,赵军,王智.基于无线传感器网络的森林火灾监测预警系统[J].传感技术学报,2006,19(6)：2760-2764.
[16]岳学军,刘洪山,宋淑然.国内传感器的行业现状与未来发展[J].电子元器件应用,2009,11(6)：74-77.
[17]http://news.xinhuanet.com/politics/2012-06/11/c_112189657.htm
[18]GB/T13606-92.岩土工程用钢弦式压力传感器国家标准.国家技术监督局,1992.
[19]KammerDC.Semsor placement for on-orbit modal identification and correlation of large space structures. J of Guidance and Control Dynamics,1991,(14):251-259
[20]李宾宾.基于信息论的结构健康监测传感器优化布设[D],大连理工大学,2012,5.
[21]李东升,张莹,任亮,李宏男.结构健康监测中的传感器布设方法及评价准则[J],2011,1：39-50.
[22]丁小俊,朱艳,刘杰.桥梁健康监测之传感器优化布置[J].山西建筑,2011,37(27)：187-188.
[23]赵志仁.试论大坝安全监测设计的原则与要求[J].大坝监测技术,1997(4)：1-7.
[24]苏怀智,吴中如.大坝安全监测仪器优化设计[J].南昌工程学院学报,2005,24(3)：5-9.
[25]Marzullo K. Tolerating Failures of Continuous Valued Sensors[J]. ACM Trans on Computer Systems,1900,8(4):284-304.
[26]崔飞,袁万城,史家钧.传感器优化布设在桥梁健康监测中的应用[J].同济大学学报,1999,27(4)：165-169.
[27]康立山,谢云.非数值并行算法(第一册)：模拟退火算法[M].北京：科学出版社,1994.
[28]束金龙,闻人凯.线性规划理论与模型应用[M].北京：科学出版社,2003.
[29]阳明盛,罗长童.最优化原理、方法及求解软件[M].北京：科学出版社,2006.
[30]欧进萍.重大工程结构智能传感网络与健康监测系统的研究与应用[J].中国科学基金,2005,(1)：8-12.
[31]王俊峰.“物联网”是未来信息革命的方向[EB/OL]. http://news.ccidnet.com/ art/1032/20090925/1897675 l.html.
[32]朱仲英.传感网与物联网的进展与趋势[J].微型电脑应用,2010,26(1)：1-3.
[33]尚金光.基于物联网模式的隧道变形监测预警系统研究[D].西南交通大学,2012,5.
[34]龚荣华.RS232接口芯片的IC设计[D].大连理工大学,2008,6.
[35]黄靖博.RS485通讯连接方式及其应用[J].电气时空,2008,9：22-23.
[36]罗强.点对点无线网桥的设计与实现[D].东南大学,2004,3.
[37]王璐.基于GPRS技术的远程数据传输系统的研究[D].山东大学,2008,4.
[38]Bates J M, Granger C W J. The combination of rations Research Quarterly,1969, 20(4):451-468.
[39]成枢,刘国林,高放.最优组合预测模型及其在变形预测中的应用[C].第四届“测绘科学前沿技术论坛”,郑州,测绘通报出版社,2008,10：1-4.
[40]肖洁,罗军刚,解建仓,陈晨.变权组合预测模型在洪水中预报中的应用[J].西北农林科技大学学报(自然科学版),2013,2：1-7.
[41]毛开翼.关于组合预测中的权重确定及应用[D].成都理工大学,2007,5.
[42]朱素玲.组合预测中单项模型选择研究及其权重系数优化[D].兰州大学,2010,4.
[43]周命瑞,郭际明,文红雁,汪伟.基于优化初始值的GM(1,1)模型及其在大把检测中的应用[J].水电自动化与大坝监测,2008,32(2)：52-54.
[44]刘思峰,党耀国,方志耕等.灰色系统理论及其应用[M].北京：北京科学出版社,2004.
[45]李祚泳,张明,邓新民.基于遗传算法优化的GM(1,1)模型及效果检验[J].系统工程理论与实践,2002,8：136-139.
[46]陈亮亮,郭杭,管晓燕,董建良.BP模型在变形监测数据分析和预测中的应用[J].测绘科学,2008,33(4)：124-126.
[47]伍春香,刘琳,王葆元.三层BP网隐层节点数确定方法的研究[J].武汉测绘科技大学学报,1998,24(2)：177-179.
[48]孙太山.基于BP人工神经网络的多点非时序变形预测模型研究[D].西南交通大学,2008,5.
[49]林勋.时间序列分析在建筑物变形监测中的应用[D].吉林大学,2005,10.
[50]闫坤.基于时间序列模型的分析预测算法的设计与实现[D].北京邮电大学,2008,5.
[51]李圣明.时间序列分析及其在变形监测中的应用研究[C].湖北省测绘学会2006年度科学技术交流会,湖北：湖北省测绘学会,2006：114-118.
[52]吴艳蕾.非负权重近似最优组合预测的简明算法研究[J].大学数学,2007,23(1)：133-135.
[53]韩冬梅,牛文清,于长锐.组合预测模型中单项预测模型筛选研究[J].系统工程与电子技术,2009,31(6)：1381-1385.
[54]孙纪明.组合模型在沉降预测中的应用研究[J].测绘空间地理信息,2011,34(4)：202-204.
[55]岳艳春,黄廷祝.误差倒数变权组合预测方法[J].电子科技大学学报,2007,36(2)：349-351.
[56]曹成度.高速铁路线下工程沉降变形组合预测探讨[J].铁道勘察,2012,3：1-3.
[57]花向红,向东,于中伟,张伟.城市隧道施工第三方监测方案的实施与效果分析[J].测绘工程,2009,18(1)：60-64.
[58]李雪梅.地铁工程施工安全风险预警指标体系研究[D].华中科技大学,2011,2.
[59]傅志峰,罗晓辉,李杰,熊朝辉.基于安全预警分级的基坑安全模糊评价研究[J].岩土力学,2011,32(12)：3693-3700.
[60]JGJ8-2007.建筑变形测量规范[S].中华人民共和国建设部,2007.
[61]张鸿,熊文龙.基于C/S模式的SQL数据库应用技术[J].武汉理工大学学报(交通科学与工程版),2003,27(3)：890-892.
[62]刘秋香.张永胜Visual C#下利用ADO.NET访问SQL Server技术[J].计算机系统应用,2004,11：66-69.
[63]http://baike.baidu.com/view/1626075.htm
[64]王红建.SQL数据库的备份与恢复技巧[J].科技视界,2012,28：175-176.
© 2004-2018 中国地质图书馆版权所有 京ICP备05064691号 京公网安备11010802017129号 地址：北京市海淀区学院路29号 邮编：100083 电话：办公室：(+86 10)66554848；文献借阅、咨询服务、科技查新：66554700 |