本实用新型所述的自带稳定性数据读取与预测功能的锁脚锚杆系统，涉及一种交通隧道等工程施工过程中的稳定性监控预测系统，具体为小净距大跨度隧道拱顶拱脚等位置变形量数据获取、传输和运算的系统装置。
背景技术：
目前在小净距大跨度超长隧道施工过程中，其受力特点导致了拱顶、拱脚等位置可能出现较大幅度的变形，锁脚锚杆有效提高了拱形隧道的稳定性，但是无法实现相关稳定性数据的实时读取，不利于隧道的稳定性维护工作。
在本案之前有过相关专利的申请，即：
《锁脚锚杆》实用新型中介绍了一种隧道支撑保护结构，尤其涉及了一种与隧道钢拱架链接的锁脚锚杆。从结构设计的角度介绍了锁脚锚杆在维护隧道稳定方面的作用与效果，但是无法实现锚杆参数的读取，即无法获悉锚杆所处的稳定性状态。
《一种基于弹性地基梁理论的隧道锁脚锚杆受力测量方法》实用新型专利中介绍了一种基于弹性地基梁理论的隧道锁脚锚杆受力测量方法。根据梁的挠曲线近似微分方程(式中ED为锚杆体的弹性模量，Iz为弹性体横界面的惯性矩)和级数解法，并利用边界条件分析出锁脚锚杆的受力分布规律，通过在现场对锁脚锚杆轴向应变和钢架应力进行测量，将测量数据应用到基于弹性地基梁理论分析的锁脚锚杆受力规律中得到其受力特征。实现了对锁脚锚杆稳定性参数的计算获取，但是计算过程复杂，过多的影响因素导致了数据获取精度差，并且无法实现实时的数据监测。
锁脚锚杆稳定性数据获取的不准确性，会导致无法对工程中起稳定锚固作用的锁脚锚杆稳定性状态实现实时监测与获取，无法判定锚固的工程位置处是否正在逐渐失稳甚至破坏，进而无法及时进行支护补强等加固工作，对隧道结构形成无法逆转的永久性伤害。针对上述现有技术中所存在的问题，研究设计一种新型的自带稳定性数据读取与预测功能的锁脚锚杆系统，从而克服现有技术中所存在的问题是十分必要的。
技术实现要素：
鉴于上述现有技术中所存在的问题，本实用新型的目的是研究设计一种新型的自带稳定性数据读取与预测功能的锁脚锚杆系统及其数据获取、传输和运算步骤。用以解决现有技术中存在的：因锁脚锚杆所代表的锁锚固位置的稳定性状态无法实施准确获取，更加无法实现预测计算，而导致发生无法预测的严重后果等问题。
本实用新型即在基础锁脚锚杆上部通过粘结的方式布设光栅传感器，沿锚杆轴向一侧延伸光纤信号线。在光栅光纤传感器与数据线外侧包裹PVC保护膜，防止安装过程中的刮擦破坏。光纤信号线从锚洞导出后通过信号电缆连接至设置于附近的数据采集箱，再经由无线传输模块将数据传送至位于隧道入口处的信号发射箱，并通过发射箱中的GPRS模块上传至云服务器中。通过Internet 访问实现锚杆光栅监测数据的远距离实时读取，通过LSSVM实现对锚杆稳定性参数的预测分析。
本实用新型的技术解决方案是这样实现的：
本实用新型所述的自带稳定性数据读取与预测功能的锁脚锚杆系统，包括锁脚锚杆，锁脚锚杆，锁脚锚杆插入到隧道壁的锚孔中；其特征在于所述的自带稳定性数据读取与预测功能的锁脚锚杆系统还包括：数据采集装置、信号电缆、光纤信号线、数据传送装置及数据预测装置；
本实用新型所述的数据采集装置固定于锁脚锚杆上；
本实用新型所述的数据采集装置通过光纤信号线和信号电缆与数据传送装置相连接；
本实用新型所述的锁脚锚杆插入到锚孔中，将光纤信号线导出锚孔外，与信号电缆相连接，在连接处通过套管进行保护；
本实用新型所述的数据采集装置将数据通过信号发送到云端，数据预测装置再通过Internet访问实现数据采集装置的远距离实时读取进行数据的预测。
本实用新型所述的数据采集装置为光栅传感器，固定装于锁脚锚杆上，光栅传感器与光纤信号线相连接；并在光栅传感器和光纤信号线的外部缠绕包裹有传感器保护膜，对光栅传感器和光纤信号线进行保护。
本实用新型所述的数据传送装置包括：数据采集箱和数据发射箱；
本实用新型所述的数据采集箱装于锁脚锚杆附近的隧道墙上，数据采集箱中的采集模块与信号电缆相连接；
本实用新型所述的数据发射箱设置于洞口衬砌面的预留孔中，并通过无线信号与与数据采集箱传送信号。
本实用新型所述的自带稳定性数据读取与预测功能的锁脚锚杆系统的数据获取、传输方法为；
A、光栅传感器接收锁脚锚杆上的应力及应变状态数据，通过光纤信号线和信号电缆传送给数据采集箱；
B、数据采集箱将采集的信号通过无线信号方式传送给数据发射箱；
C、数据发射箱将采集来的信号发送打云端，远程运算中心在通过Internet 访问实现锚杆光栅监测数据的远距离实时读取。
本实用新型所述的自带稳定性数据读取与预测功能的锁脚锚杆系统的数据运算步骤为：
a、远程获取监测数据：假设获取了N天的轴力数据值，以这一组N个数据作为学习样本，其中前N-1个为输入参数，第N个为输出参数；即通过前N-1 天的数据，在第N-1天时预测第N天的数据；这视为一组学习样本，以此类推，工件M组学习样本；
b、在学习样本基础上，通过预留一个依赖于样本大小的交叉验证来自动调整γ和σ2这两个参数；
c、在确定了γ和σ2两个参数后，进行基于M个学习样本对LSSVM的学习；
d、c步骤学习后，通过已知任意连续N天的锁脚锚杆(3)的应力(应变) 值，即可预测之后一天的应力(应变)值；
e、在预测结果基础上，设置警戒变化值，若变化量超出警戒值，系统发出预警，防止灾害的发生。
本实用新型所述的自带稳定性数据读取与预测功能的锁脚锚杆系统的基础原理及LSSVM的学习过程为：
基于统计学习理论的VC维理论和结构风险最小化的支持向量机可实现在小样本、非线性的条件下进行学习预测计算的功能。SVM方法通过二次型寻优得到全局最优解，在求解过程中仅需确定不敏感系数ε、惩罚因子C、核函数宽度系数σ等3个参数，较好的解决了神经网络训练容易陷入局部最优化、BP网络建模复杂等问题。但是标准SVM训练样本时需求解二次规划问题，计算速度较慢。最小二乘法支持向量机(least squares support vector machine,LSSVM)在标准支持向量机的基础上,通过采用最小二乘价值函数和等式约束,将标准支持向量机需求解的二次规划问题转变为线性问题,加快了训练速度。
LSSVM的回归预测可认为是用一个超平面对已知数据进行拟合。对于给定的 N个训练样本{xi,yi}i＝1...N(其中xi∈Rn为n维的训练输入样本，yi∈Rn为训练输出样本)，目标优化函数为
式中：为核空间映射函数；ω∈Rnf为权矢量；ek∈R为误差变量； b为偏置量；γ为可调参量；yk不再是类别标签，而是估计函数y＝f(x)中的y。为了求解优化函数的最小值，首先采用Lagrange乘数法：
式中αk为拉格朗日乘子。
对式(2)求偏导：
最后问题化简为求解下列线性方程组：
式中：y＝[y1...yn]；1V＝[1...1]；α＝[α1...αn]；
求解上述方程组得到LSSVM回归函数：
式中：K(x,xk)＝exp{-||x-xi||2/σ2}(核函数采用径向基核函数)。
最小二乘价值函数和等式约束将所需求解的优化问题转化为线性方程，很大程度上进降低了算法的复杂性。采用径向基核函数只需确定参数γ和σ2即可。其中，正则参数γ取决于训练误差最小化和平滑程度之间的权衡程度，σ2通常情况下是高斯RBF核中的平方带宽。在应用最小二乘支持向量机进行计算过程中，通过预留一个依赖于样本大小的交叉验证来自动调整这两个参数。
本实用新型的优点是显而易见的，主要表现在：
1、本实用新型的使用，实现了锁脚锚杆稳定性数据的获取。
2、本实用新型的数据传输系统，实现了隧道拱脚处稳定性状态的远程监控效果，弥补且避免了人工测量的不及时性与可能出现的误差。
3、本实用新型采用的光栅光纤传感器，大幅度提升了测量结果的精确程度，最大限度上缩小了误差限，保证监测数据可以准确反映锁脚锚杆的真实状态，进而反应隧道所处的真实的稳定性状态。
4、本实用新型在所获取的实时数据基础上，通过最小二成支持向量机进行锚杆轴力与变形的预测，对可能出现的工程灾害实现提前预防与应对。
本实用新型具有结构新颖、施工简便、读取准确，传输速度快、计算误差小、安全可靠等优点，其大批量投入市场必将产生积极的社会效益和显著的经济效益。
附图说明
本实用新型共有3幅附图,其中：
附图1为本实用新型结构示意图；
附图2为本实用新型装配隧道内截面结构示意图；
附图3为光栅传感器、光纤信号线和传感器保护膜与锁脚锚杆装配图。
在图中：1、数据采集箱 2、信号电缆 3、锁脚锚杆 4、数据发射箱 5、光纤信号线 6、光栅传感器 7、传感器保护膜 8、隧道入口方向 9、已衬砌部分 10、未开挖砌部分。
具体实施方式
本实用新型的具体实施例如附图所示，自带稳定性数据读取与预测功能的锁脚锚杆系统，包括：锁脚锚杆3，锁脚锚杆3，锁脚锚杆3插入到隧道壁的锚孔中；其特征在于所述的自带稳定性数据读取与预测功能的锁脚锚杆系统还包括：数据采集箱1、信号电缆2、数据发射箱4、光纤信号线5、光栅传感器6 和传感器保护膜7；
所述的光栅光纤传感器通过粘结的方式固定于基础锁脚锚杆上，为了防止施工破坏，在传感器与信号线上方覆盖包裹PVC薄膜并缠绕透明胶带保护。光纤信号线由锚孔导出后，链接至信号电缆，接头位置采用套管保护，将套管固定于墙角安全位置处。数据采集箱悬挂固定于锁脚锚杆附近的隧道隔墙毛坯面上，待该位置衬砌后放置于预留的施工孔中。数据发射箱安置在隧道入口处，衬砌中预留的施工孔中。
自带稳定性数据读取与预测功能的锁脚锚杆系统的数据获取、传输方法，其特征在于所述的获取方法为；
A、光栅传感器6接收锁脚锚杆3上的应力及应变状态数据，通过光纤信号线5和信号电缆2传送给数据采集箱1；
B、数据采集箱1将采集的信号通过无线信号方式传送给数据发射箱4；
C、数据发射箱4将采集来的信号发送打云端，远程运算中心在通过Internet 访问实现锚杆光栅监测数据的远距离实时读取。
接收来的数据的运算步骤为：
1、远程获取监测数据：假设获取了d1～d7这七天的轴力数据分别为：146.41 KN、158.28KN、154.32KN、93.04KN、87.13KN、95.01KN、154.32KN。以 d1～d6，6个数据作为第一组学习样本，其中前五个为输入参数，第六个为输出参数。以d2～d7，6个数据作为第二组组学习样本。即通过前五天的数据，在第五天时预测第六天的数据。这视为一组学习样本，以此类推，共构建30组学习样本；如下表所示。
2、基于30个学习样本对LSSVM进行学习训练。对于给定的30个训练样本 {xi,yi}i＝1...30(其中xi∈Rn为5维的训练输入样本，yi∈Rn为训练输出样本)，目标优化函数为
式中：为核空间映射函数；ω∈Rnf为权矢量；ek∈R为误差变量；b为偏置量；γ为可调参量；yk不再是类别标签，而是估计函数y＝f(x)中的y。为了求解优化函数的最小值，首先采用Lagrange乘数法：
式中αk为拉格朗日乘子。
对式(2)求偏导：
最后问题化简为求解下列线性方程组：
式中：y＝[y1...yn]；1V＝[1...1]；α＝[α1...αn]；
求解上述方程组得到LSSVM回归函数：
式中：K(x,xk)＝exp{-||x-xi||2/σ2}(核函数采用径向基核函数)。
3、在已形成的学习结果基础上，以第一组样本为目标参数，以学习所得的 LSSVM回归函数为目标函数，通过交叉验证的方式来优化确定γ和σ2这两个参数。其中，γ∈[20,50]步长为5；σ2∈[100,160]步长为10；最终计算得到γ＝45，σ2＝150。
4、学习后，已知任意连续5天的锁脚锚杆应力(应变)值，即可预测之后一天的应力(应变)值。在预测结果基础上，设置警戒变化值，若变化量超出警戒值，系统发出预警，防止灾害的发生。
以上所述，仅为本实用新型的较佳的具体实施方式，但本实用新型的保护范围并不局限于此，所有熟悉本技术领域的技术人员在本实用新型公开的技术范围内，根据本实用新型的技术方案及其本实用新型的构思加以等同替换或改变均应涵盖在本实用新型的保护范围之内。