技术领域
[0001] 本
发明属于堤坝渗漏的实时监测和预警领域,特别涉及一种基于高密度电法和低功耗移动通信技术的堤坝实时监测系统及监测方法。
背景技术
[0002] 随着国家对
水资源的重视,农村地区建设了越来越多的水库,而作为水库的必要设施——堤坝的安全性显得愈发重要。堤坝的主要破坏形式为坍塌,而其主要诱因为水的渗流在堤坝内部形成裂隙,裂隙的延伸又促使更多水参与渗流,从而导致裂隙加剧发展,如此恶性循环,裂隙扩张,致使堤坝的坍塌。尤其在汛期,库区水位升高,渗流压
力增大,同时暴雨对堤坝有冲刷作用,雨水渗入堤坝深处对堤坝的
稳定性产生影响,此时开发一种能实时监测堤坝渗漏情况,对渗漏情况进行预警的装置十分有必要。
[0003] 在目前的堤坝渗漏检测方法中,优势突出的是高密度电法探测。高密度电法其实就是集中了电剖面法和电测深法,它是一种阵列探测方法。它的原理与普通
电阻率法相同,即以
岩石、矿物、水的电性差异为
基础,通过对目标的观测和研究人工建立的
电流场在堤坝中的分布的规律,解决堤坝渗漏的问题,所不同的是在观测中设置了高密度的观测点。
[0004] 高密度电法的优点在于能够经济而迅速的探测较大范围,减少了工作的盲目性,提高了精准度。减低成本,提高效率。充分应用了科学技术以及科学原理,这样大大地节省了探测所需要的时间。数据密度大且非常精准,可以为以后的工作提供了非常有利的基础条件。而且这一方法非常具有实用性,可以减少人员的配备。在设计和技术实施上,高密度电测系统采用先进的自动控制理论和大规模集成
电路,使用的
电极数量多,而且电极之间可自由组合,这样就可以提取更多的地电信息,使电法探测能像
地震勘探一样使用
覆盖式的测量方式。
[0005] 由于含水裂隙的视电阻率小于组成堤坝的岩土物质,且堤坝组成物质电性较为相似,故堤坝渗漏监测利用高密度电法所得视电阻率一般只有两类数据,便于区分,可有效得出堤坝内部渗漏情况和具体
位置,从而为堤坝的防渗补修提供依据。尽管堤坝内含水裂隙宽度极窄,高密度电法通过高密度布设测点,采集大量数据,并经过后期数据的放大区分处理,仍能较好地显示裂隙的情况。
[0006] 然而,如今所采用的高密度电法探测技术,只是在特定的时间点进行探测,仅能获得探测当时静态的堤坝渗漏情况,无法对一段时期内的堤坝内部渗漏情况和含水率变化过程作动态记录。而在雨季,堤坝渗漏是个动态而迅速的过程,这就导致探测人员要在短期内多次开展探测活动,才能保证对于堤坝的安全情况有实时的认知,费时费力,效率低下。
[0007] 同时,现今的高密度电法探测设备只在终端显示堤坝内部的视电阻率值以及变化趋势,需要人工针对视电阻率分析具体的渗漏情况,人力成本高,有人为分析误差的存在,所呈现的结果不够直观,更多的数据分析结论有待发掘。
[0008] 综上所述,高密度电法对土石坝堤的隐患仅限于巡查检测,但对于汛期可能出现险情的部位采用常规的巡查检测并不能及时反馈堤坝安全状况。针对该情形,本发明将对堤坝渗漏探测效果显著的高密度电法引入堤坝安全监测中,发明一种既能做到实时监测,又实用的耗能低的智能设备十分必要。
发明内容
[0009] 本发明的目的,在于提供一种基于移动通信和高密度电法的堤坝实时监测系统及方法,其可对堤坝的渗漏情况做实时监测和预警,实施简易,将数据结果的人工分析过程交由计算机完成,同时挖掘数据,提供更丰富的结论。
[0010] 为了达成上述目的,本发明的解决方案是:
[0011] 一种基于移动通信和高密度电法的堤坝实时监测系统,包括数组采集装置,每组采集装置包括一个高密度电法主机、若干供电电极和若干
测量电极,以及远端计算机,其中,所有供电电极、测量电极和高密度电极布设于堤坝表面,供电电极向堤坝提供稳衡电流,然后由同组的测量电极测出待测区域的
电压值,所得电压数据回传给高密度电法主机,由高密度电法主机根据稳衡电流值和各待测区域所得电压数据,计算得出各测区的视电阻率,高密度电法主机将各测区的位置信息和相应的视电阻率数据进行打包压缩,传输给远端计算机;远端计算机对高密度电法主机发来的压缩数据进行解压、预处理、二维反演,获得整个测区的视电阻率分布图像。
[0012] 上述供电电极和测量电极的布设方式采用三电位电极系(温纳四极、隅极及微分装置)。
[0013] 上述测量电极与高密度电法主机之间由通信
电缆连接。
[0014] 上述高密度电法主机通过低功耗移动通信装置与远端计算机连接。
[0015] 上述监测系统还包括
太阳能电板,太阳能电板安装在堤坝表面,为供电电极辅助供电。
[0016] 基于如前所述的一种基于移动通信和高密度电法的堤坝实时监测系统的监测方法,包括如下步骤:
[0017] 步骤1,远端计算机向高密度电法主机发送测量
信号及测量要求,远端计算机根据测量要求向相应电极转换机发送监测指令;
[0018] 步骤2,电极转换机向同组的供电电极和测量电极下达指令,先由供电电极向堤坝输送稳衡电流,再由测量电极测出待测区域的电压值,所得电压数据回传给高密度电法主机;
[0019] 步骤3,高密度电法主机根据稳衡电流值和各待测区域所得电压数据,计算得出各测区的视电阻率,并将各测区的位置信息和相应的视电阻率数据进行打包压缩,传输给远端计算机;
[0020] 步骤4,远端计算机接收到高密度电法主机发来的压缩数据后,将数据解压,进行预处理,最后将所得数据进行二维反演,获得整个测区的视电阻率分布图像;
[0021] 步骤5,通过有限元
软件模拟不同位置及大小渗漏区域的视电阻率分布图像,以此训练R-CNN网络;根据训练好的网络,实现对堤坝渗漏区域进行智能监测。
[0022] 上述步骤4中,预处理过程包括提高
信噪比,突出异常幅度与边界特征,以及剔除畸变点。
[0023] 上述步骤4中,远端计算机还根据堤坝组成物质和含水裂隙视电阻率的差异,直接绘出含水裂隙的发育情况和具体位置。
[0024] 采用上述方案后,本发明具有如下特点:
[0025] (1)利用
人工智能技术结合实时天气状况调控监测系统的监测
频率,甚至能做到实时不间断监测,人工智能技术能根据现有数据进行分析比对,得出深层结论,模拟未来破坏趋势,并为堤坝渗漏的补修和危险区人员撤离提供方案建议;
[0026] (2)人工智能技术依据采集的结果灵活调整监测模式,在危险情况下对堤坝进行实时监测,针对所得数据细致分析,及时反馈监测成果,预演未来变化趋势,短时间内整合出一套可信的方案,将堤坝的破坏抑制在初期,全程实现了自动化,避免了人为参与导致的差错。从系统发送开始指令到结果的最终反馈,在短时间内完成,大大提高了成功处理突发事件的可能性;
[0027] (3)通过人工智能技术根据
气候情况调控监测频率以及低功耗设备的运用和绿色
能源的利用,整个系统对外界能源供给的依赖较低,节能环保。
附图说明
[0028] 图1是本发明的系统结构图;
[0029] 图2是堤坝渗漏智能识别图。
具体实施方式
[0030] 以下将结合附图,对本发明的技术方案及有益效果进行详细说明。
[0031] 如图1所示,本发明提供一种基于移动通信和高密度电法的堤坝实时监测系统,主要包含
数据采集和
数据处理两大部分,具体组件包括电极、电极转换机、高密度电法主机、远端计算机和客户端,以下将分别介绍。
[0032] 数据采集部分主要由高密度电法主机、多个
电机转换机和电极转换机下属的多个电极组成。所有部分均由通信电缆连接。
[0033] 为了实现对于堤坝内部水流渗漏情况的实时监测,本发明将电极和电极转换机安装在堤坝表面,其布设形式参照高密度电法的布设原理。这样,一旦有监测需求,系统可随时开展监测工作,能做到连续不间断地监测,灵活可控,满足了实时监测的要求。
[0034] 本
实施例将全部电极(几十至上百根)置于剖面上,利用电极转换机和电极便可实现剖面中不同电极距、不同电极排列方式的数据快速自动采集,电极排列布置在工作中采用三电位电极系(温纳四极、隅极及微分装置)。当主机接收到远端计算机发来的开启测量信号及测量要求时,由主机针对测量要求(测量要求包括测量频率和测量范围),找出覆盖到测量范围的电极转换机,并以要求的频率向相应的电极转换机发送监测指令,电极转换机向下属的多个电极下达指令。电极分为供电电极和测量电极,实际监测时,先由供电电极向堤坝输送一定数值的稳衡电流,再由测量电极测出待测区域的电压值,所得电压数据回传给高密度电法主机,由高密度电法主机根据稳衡电流值和各待测区所得电压数据,计算得出各测区的视电阻率。最后,高密度电法主机将各测区的位置信息和相应的视电阻率数据进行打包压缩,通过低功耗移动通信装置传输给远端
计算机系统。
[0035] 在本实施例中,为了实现低能耗,可以采用各类低功耗设备并利用太阳能供电。当系统持续监测时,耗能较大,因此
信号传输可采用低供耗移动通信装置,尽最大可能减少能耗。此外,本实施例还可在堤坝表面安装太阳能电板,为供电电极辅助供电,太阳能电板还能在一定程度上
保护电极,减少外界环境
对电极的侵蚀。
[0036] 数据分析部分主要由远端计算机和客户端组成。远端计算机的功能分为两部分:控制数据采集部分和分析处理数据。
[0037] 远端计算机连接网络,获得实时天气状况,当汛期来临时,通过低功耗移动通信装置将指令信号发送给高密度电法主机对堤坝进行实时监测。当远端计算机接收到高密度电法主机发来的压缩数据后,远端计算机将数据解压,直接将数据转换成相关软件要求的数据形式,再将数据进行预处理,预处理过程包括提高信噪比,突出异常幅度与边界特征,剔除畸变点。最后将所得数据进行二维反演,获得整个测区的视电阻率分布图像,此外,远端计算机也可以根据堤坝组成物质和含水裂隙视电阻率的差异,直接绘出含水裂隙的发育情况和具体位置。成图既可现场打印,也可直接发送至相关人员的客户端设备上。
[0038] 高密度电法数据成像后,基于R-CNN技术实现对堤坝渗漏的自动监测,通过对长时间监测所得数据进行分析比对,预测未来的堤坝渗漏的发展趋势。具体来说,首先基于当地岩土特性,通过有限元软件模拟不同位置及大小渗漏区域高密度电法成像图,将高密度电法成像图训练R-CNN网络。根据训练好的网络,就便可实现对堤坝渗漏区域进行智能监测。
[0039] 由于具体环境不同,所以监测系统无需时刻工作,只有在雨季库区水位抬升时或退潮,对堤坝采用实时的监测模式。人工智能技术将根据实时天气情况,和预先设置的天气情况参数与对应的监测频率,调控监测系统的工作频率。当汛期到来后,计算机将指导监测系统进行不间断的监测。同时,计算机不断接收来自监测系统的反馈数据,采用R-CNN(Region convolutional neural Network)网络用于堤坝渗漏监测,可配合图2所示,将针对经过预处理的数据进行分析比对,得到含水裂隙发育速度与堤坝内含水率关于时间的梯度,模拟未来的发展趋势,依据预先设置的参数,选择是否进行预警。此外,R-CNN检测结果为迅速生成堤坝安全状况评价,提出修补建议或危险区人员撤离方案,为决策者提供建议。
[0040] 以上实施例仅为说明本发明的技术思想,不能以此限定本发明的保护范围,凡是按照本发明提出的技术思想,在技术方案基础上所做的任何改动,均落入本发明保护范围之内。