一种用于三峡大坝坝体的滑坡监测与预警系统

技术领域

本发明涉及电子设备领域，特别是一种用于三峡大坝坝体的滑坡监测与预警系统。

背景技术

在三峡库区，滑坡的孕育因素非常复杂，覆盖面积极其广泛，大部分滑坡发生时伴随着恶劣的自然气候和其它地质灾害，其发生的时间和运动的方式难以精确预测，治理方式较为复杂，治理资金非常昂贵，从而导致采用传统的滑坡预警方法难以达到要求的效果。因此，针对三峡库区这一独特的土质环境，采用一种精确有效的滑坡监测预警装置，及时开展三峡库区内滑坡的研究及预警工作，保障人民的生命财产安全，显得尤为重要。

发明内容

本发明提供一种用于三峡大坝坝体的滑坡监测与预警系统，解决由三峡库区独特的地理环境导致的一般监测装置不能对滑坡进行有效预警的问题，能对三峡库区滑坡情况进行实时的监测，并通过不同评估结果发布不同程度的报警模式。

本发明采取的技术方案为：

一种用于三峡大坝坝体的滑坡监测与预警系统，包括传感器节点系统、中继点节点系统、监测预警系统，所述传感器节点系统与中继点节点系统之间进行无线通信，中继点节点系统与监测预警系统之间通过4G网络通信。

所述传感器节点系统包括依次连接的传感器模块、数据采集模块、数据转化模块、第一处理器模块、第一无线传输模块。所述中继点节点系统包括依次连接的第二无线传输模块、调理电路、A/D转化模块、第二处理器模块、SIM模块。所述监测预警系统包括监控中心。所述第二无线传输模块接收第一无线传输模块发出的无线信号，监控中心接收SIM模块发出的信号。

所述传感器节点系统、中继点节点系统、监测预警系统分别连接第一电源模块、第二电源模块、第三电源模块；第一电源模块、第二电源模块采用风光互补发电系统，并通过全桥整流电路整流成稳定的直流电后，向传感器节点系统、中继点节点系统供电；第三电源模块采用220V交流电对监测预警系统供电。

所述传感器节点系统包括：

微型孔隙压力传感器，用于对滑坡监测面土壤孔隙水压力信号的采集；

微型土压力传感器，用于对滑坡监测面土壤压力信号的采集；

土壤水分传感器，用于对滑坡监测面含水量信号的采集；

振动传感器，用于对滑坡监测面土壤振动信号的采集；

拉线式位移传感器，用于滑坡监测面位移信号的采集。

本发明一种用于三峡大坝坝体的滑坡监测与预警系统，技术效果如下：

1：SIM模块采用SIM卡进行实时通讯，可以对故障区域进行实时定位。

2：第一电源模块与第二电源模块采用风光互补发电系统，有效的弥补了滑坡监测地区用地不方便的问题。

3：监控中心采用的预警方式包括网站公布、APP消息推送以及短信推送，简单有效并节省监测系统的成本。

4：传感器节点系统与中继点节点系统的测点布置，有效的提高了监测预警装置的有效性。

5：传感器节点系统、中继点节点系统与监测预警系统分别进行初级评估、中级评估、终极评估，是监测预警系统具有实时性，并有更高的效率。

6：第一微处理器模块中特有算法采用多层次模糊综合评价体系，通过设定区域分块稳定性因素集U＝{u₁,u₂,…,u_n}，特征信号稳定因数u_i＝{u_i1,u_i2,…,u_im}，对每一个u_i进行模糊综合判断，得出了有效评分结果。

7：第二微处理器模块中特有算法采用SNESIM算法，通过对监测预警点周围情况进行模拟分析后与实际监测数据进行比对，得出了有效结果。

8：监控中心含有专家系统，可以通过对原始数据资料库中的信息的调用与推理，得出结果，从而与步骤2中结果进行比对，得出了有效结果。

附图说明

图1为本发明的控制框图。

图2为本发明中运用于多层次模糊综合的评价体系。

图3为本发明中传感器节点系统、中继点节点系统的布置图。

图4为本发明中运用于SNESIM算法的区域模块划分示意图。

图5为本发明中运用于SNESIM算法的分析比对参量示意图。

具体实施方式

如图1所示，一种用于三峡大坝坝体的滑坡监测与预警系统，包括传感器节点系统、中继点节点系统、监测预警系统，所述传感器节点系统与中继点节点系统之间进行无线通信，中继点节点系统与监测预警系统之间通过4G网络通信。

所述传感器节点系统包括依次连接的传感器模块1、数据采集模块2、数据转化模块3、第一处理器模块4、第一无线传输模块5。

其中传感器模块1采用自制的微型孔隙压力传感器、微型土压力传感器、土壤水分传感器、振动传感器、拉线式位移传感器；数据采模块2采用XR440Pocket Logger，数据转化模块3采用A/D转化器ADC0801，第一处理器模块4采用，第一无线微处理器STM32传输模块5采用无线传输芯片CC2530，所述中继点节点系统包括依次连接的第二无线传输模块6、调理电路7、A/D转化模块8、第二处理器模块9、SIM模块10。

第二无线传输模块6无线传输芯片CC2530，调理电路采用XR440Pocket Logger，A/D转化模块8采用A/D转化器ADC0801，第二处理器模块9采用8051单片机，SIM模块10采用SIM卡。

所述监测预警系统包括监控中心11。

监控中心11采用数据服务器主机(PC机)

所述第二无线传输模块6接收第一无线传输模块5发出的无线信号，监控中心11接收SIM模块10发出的信号。

所述传感器节点系统、中继点节点系统、监测预警系统分别连接第一电源模块、第二电源模块、第三电源模块；第一电源模块、第二电源模块采用风光互补发电系统，并通过全桥整流电路整流成稳定的直流电后，向传感器节点系统、中继点节点系统供电；第三电源模块采用220V交流电对监测预警系统供电。

所述传感器节点系统包括：

微型孔隙压力传感器，用于对滑坡监测面土壤孔隙水压力信号的采集；

微型土压力传感器，用于对滑坡监测面土壤压力信号的采集；

土壤水分传感器，用于对滑坡监测面含水量信号的采集；

振动传感器，用于对滑坡监测面土壤振动信号的采集；

拉线式位移传感器，用于滑坡监测面位移信号的采集。

一种三峡大坝坝体的滑坡监测与预警方法，

步骤1：用传感器节点系统对滑坡情况进行初级评估，传感器模块1对滑坡参数进行相应采集；数据采集模块2对传感器模块1数据进行滤波、放大处理，数据转化模块3对数据数据采集模块2传输的各种信号转化为数字信号后，传输到第一处理器模块4，由第一处理器模块4中特定算法处理后，将结果传输到第一无线传输模块5，由第一无线传输模块5将信号转化为无线信号进行传输，其中，当风险评估为优秀；0～20分、良好:20～40分时，第一处理器模块4只传输原始检测数据，当风险评估为普通与普通以下时，第一处理器模块4传输原始检测数据并发出报警信号与评估结果；

步骤2：用中继点节点系统对滑坡情况进行中级评估，由第二无线传输模块6对第一无线传输模块5发出的无线信号进行接收，并传输到调理电路7进行滤波、放大处理后传输到A/D转化模块8，将信号转化为数字信号后传输到第二处理器模块9，由第二处理器模块9中特定算法处理后，将结果传输到SIM模块10，由SIM模块10对监测预警系统发出信号，

其中，当中继点节点系统只收到一个或未收到传感器节点系统的预警信号时，中继点节点系统中第二处理器模块9不进行其特定算法，当中继点节点系统同时接收到两个传感器节点系统的预警信号时，中继点节点系统中第二处理器模块9进行特定算法，且当评价为优秀与良好时，中继点节点系统只向监测预警系统传递原始监测信号，否则，中继点节点系统向监测预警系统传递原始监测信号，并传递报警信号与评估结果；

步骤3：用监测预警系统对滑坡情况进行终极评估，由监控中心11对SIM模块10发出的信号进行接收，并通过历史数据比对后，得出最终结果，并通过互联网或APP等网络工具发出预警信号。

步骤1中，第一处理器模块4中特有算法采用多层次模糊综合评价体系，通过设定区域分块稳定性因素集U＝{u₁,u₂,…,u_n}，特征信号稳定因数u_i＝{u_i1,u_i2,…,u_im}，对每一个u_i进行模糊综合判断，得出最终评分结果。

步骤2中，第二处理器模块9中特有算法采用SNESIM算法，通过对监测预警点周围情况进行模拟分析后，与实际监测数据进行比对，从而得出具体的判断结果。

步骤3中，监控中心11含有专家系统，可以通过对原始数据资料库中的信息的调用与推理，得出结果，从而与步骤2中结果进行比对，得出最终结果。

SIM模块10采用SIM卡进行实时通讯，可以对故障区域进行实时定位。

监控中心11采用的预警方式包括网站公布、APP消息推送以及短信推送。

如图2所示，多层次模糊综合评价以打分的形式对目标状态进行评估。

设定区域分块稳定性因素集为U＝{u₁,u₂,…,u_n}，将U中的u_i设定为特征信号稳定因数，u_i＝{u_i1,u_i2,…,u_im}，对每一个u_i进行模糊综合判断，其中u₁为土壤压力稳定因数，u₂为孔隙水压力稳定因数，u₃为土壤振动稳定因数，u₄为土壤含水量稳定因素，u₅为位移稳定因数。

A类评分量评价方法为：

通过不同土质情况对土壤压力u₁、孔隙水压力u₂、土壤振动u₃、土壤含水量u₄四个A类评分量，进行5种不同的级别划分，5种不同的级别划分分别对应5种不同的危险程度，危险程度1输出为0～20分，危险2输出20～40，危险程度3输出40～60，危险程度4输出60～80，危险程度5输出80～100。

通过输出的u₁、u₂、u₃、u₄进行加权平均处理，得出A类评分结果，其评分规则为：

最后，根据f(u_A)分数对对传感器节点系统所在区域滑坡情况进行风险评估，分别为优秀(0～20分)、良好(20～40分)、普通(40～60分)、异常(60～80分)、危险(80～100分)，当风险评估为优秀(0～20分)、良好(20～40分)时，第一处理器模块4只传输原始检测数据，当风险评估为普通与普通以下时，第一处理器模块4传输原始检测数据并发出报警信号。

B类评分量评价方法为：

对位移u₅进行5种不同的级别划分，5种不同的级别划分分别对应5种不同的危险程度，危险程度1输出为0～20分，危险2输出20～40，危险程度3输出40～60，危险程度4输出60～80，危险程度5输出80～100。

通过输出的u₅，得出B类评分量，其评分规则为：

f(u_B)＝f(u₅)

最后，根据f(u_B)分数对对传感器节点系统所在区域滑坡情况进行风险评估，分别为优秀(0～20分)、良好(20～40分)、普通(40～60分)、异常(60～80分)、危险(80～100分)，当风险评估为优秀(0～20分)、良好(20～40分)时，第一处理器模块4只传输原始检测数据，当风险评估为普通与普通以下时，第一处理器模块4传输原始检测数据并发出报警信号。

同时，A类评分量与B类评分量并行存在，报警信号发出互不影响。

如图3所示，中继节点系统都位于两个传感器节点系统的交叉部位，当中继节点系统同时收到两个传感器节点系统所传输的报警信号后，启动SNESIM算法。

如图4所示，SNESIM算法中，首先对中继节点系统所在其余进行分块划分，分别为分块1、分块2、分块3、分块4、分块5、分块6、分块7、分块8、分块9，以分块5为例，当分块5启动SNESIM算法后，根据分块5的滑坡状态，开始假设分块5周围有8个滑坡状态{S_K,K＝1，2，...8}，对这8种状态的进行数学建模，同时，对真实的8个滑坡状态{S_J,J＝1,2,...8}进行数据获取后与8种状态的进行数学建模进行比对分析。

如图5所示，运用于基于SNESIM算法的分析比对参量，其评估结果以分数的形式出现：

1.当S_K与S_J比对结果为0～20％相似度时，输出0～20分；

2.当S_K与S_J比对结果为20～40％相似度时，输出20～40分；

3.当S_K与S_J比对结果为40～60％相似度时，输出40～60分；

4.当S_K与S_J比对结果为60～80％相似度时，输出60～80分；

5.当S_K与S_J比对结果为80～100％相似度时，输出80～100分。

评价分为5种状态：优秀、良好、普通、异常、危险，其中优秀(0-20)、良好(20-40)、普通(40-60)、异常(60-80)、危险(80-1000)，其所对应的隶属函数模型：

具体的，使用时，传感器模块1对滑坡参数进行相应采集，并将采集的数据传输到数据采集模块2，数据采集模块2对数据进行滤波、放大等调整后传输到数据转化模块3，数据转化模块3传输过来的信号转化为数字信号后传输到第一处理器模块4，由第一处理器模块4中特定算法处理后，将结果传输到第一无线传输模块5，由第一无线传输模块5将信号转化为无线信号进行传输，其中，当风险评估为优秀(0～20分)、良好(20～40分)时，第一处理器模块4只传输原始检测数据，当风险评估为普通与普通以下时，第一处理器模块4传输原始检测数据，并发出报警信号与评估结果。

当第二无线传输模块6接收到第一无线传输模块5发出的无线信号后传输到调理电路7进行滤波、放大等调整后传输A/D转化模块8，将信号转化为数字信号后传输到第二处理器模块9，由第二处理器模块9中特定算法处理后，将结果传输到SIM模块10，由SIM模块10对监测预警系统发出信号，其中当中继节点系统只收到一个或未收到传感器节点系统的预警信号时，中继节点系统中第二处理器模块9不进行其特定算法，当中继节点系统同时接收到两个传感器节点系统的预警信号时，中继节点系统中第二处理器模块9进行特定算法，且当评价为优秀与良好时，中继节点系统只向监测预警系统传递原始监测信号，否则，中继节点系统向监测预警系统传递原始监测信号，并传递报警信号与评估结果。

由监控中心11对SIM模块10发出的信号进行接收，并通过历史数据比对后，得出最终结果，并通过互联网或APP等网络工具发出预警信号。