一种隧道位移检测系统及检测计算方法与流程

本发明属于隧道监测技术领域，涉及一种隧道位移检测系统及检测计算方法。

背景技术：

在隧道施工中进行监控量测是普遍采用的塌方预测方法。在隧道监控量测项目中，隧道拱顶沉降量是判断围岩稳定性和指导施工的重要依据，是隧道与地下工程施工规范要求的必测项目。

目前国外对隧道安全监测研究较多，但受到多种因素影响，隧道自动化监测系统还有待进一步成熟，拱顶沉降还是采取人工检测为主、在线实时监测为辅的方法。隧道自动化实时监测还有很大的研究空间。国内在这方面则相对滞后，不少还采取人工检测的方法对隧道进行安全监测。存在数据实时性差、检测过程对施工干扰大、量测工作危险、量测费用高以及测量数据不可靠性差等不足。因此开展相关方面的研究具有重要的实际意义。

技术实现要素：

有鉴于此，本发明的目的在于提供一种隧道位移检测系统及检测计算方法，可以对隧道拱顶沉降量实施远程、实时、动态监测，有助于克服现有技术的不足。

为达到上述目的，本发明提供如下技术方案：

一种隧道位移检测系统，该系统包含多个综合测距单元，多个mcu控制单元，多个电力线通信(plc,powerlinecommunication)收发模块以及上位机单元，每个综合测距单元与一mcu控制单元以及一plc收发模块依次连接组成一测量单元，所述mcu控制单元用于处理所述综合测距单元所采集的数据并将数据传输至所述plc收发模块，所述plc收发模块将信息发送至所述上位机单元，所述上位机单元将多个测量单元传来的数据汇总处理并显示。

进一步，所述上位机单元包含依次连接的plc通信单元，mcu主控单元和显示控制单元，所述plc通信单元与所述测量单元之间进行通信，所述mcu控制单元还连接至一时钟芯片，所述时钟芯片用于产生系统时间。

进一步，所述plc通信单元与所述测量单元之间采用低压电力线为信号传输介质进行通信，且所述测量单元还设置有可扩展的无线通信模块接口。

进一步，所述综合测距单元包含激光测距仪，震动检测模块，垂直偏转控制步进电机，垂直仰角测量模块，水平偏转控制步进电机和水平偏转夹角测量模块；

所述激光测距仪与所述垂直仰角测量模块均安装在所述垂直偏转控制步进电机上，所述垂直偏转控制步进电机与水平偏转夹角测量模块均设置在所述水平偏转控制步进电机上；

所述震动检测模块用于检测系统周围环境中对激光测距可能产生影响的震动；

综合测距单元的各个模块均连接至所述mcu控制单元。

进一步，所述mcu控制单元根据周围环境中，启停所述激光测距仪，满足：

当sbgmin≤sreal＜0.9×snmin时，其中sbgmin表示背景震动水平下限，sreal表示实际震动值，snmin表示干扰震动水平下限，符合系统测量条件，可以启动测量；

当sreal≥0.9×snmin时，系统处于测量等待状态，先进行下一个测量点的测量，完成本轮测量后，再对本测量点进行测量；

当sreal＜0.9×sbgmin或者sreal测量无示数时，系统发出故障提示。

一种隧道位移检测计算方法，该方法包含如下步骤：

s1：通过mcu控制单元调整设置测量步长，获取测量值与测量状态构成的测量矩阵m；

s2：对于单个测量点，采用线性回归方法进行数据分析，判断单个测量点是否存在位置偏移；

s3：根据测量矩阵m，对整个测量段，采用数据聚类方法进行分析，对隧道位移状态进行判断。

进一步，步骤s1中，所述测量值与测量状态包含，测量时间ti，按设定步长的每一组仰角α、夹角β，测得一个对应的距离值d。

进一步，步骤s2具体包含如下步骤：

s21：对于单个测量点，固定一组仰角和夹角，在不同的测量时间ti，依次获得距离数据d，取测量点的距离数据，构成的距离序列d；

s22：取距离序列d中的前i个距离数据，拟合一个线性函数：

f(di)＝widi+bi

式中，wi表示加权系数，bi表示拟合截距，di表示距离序列d中的第i个距离数据；

s23：根据均方误差最小确定wi和bi的估计值wi*和bi*，使得所有di到拟合函数f(di)的欧氏距离之和最小：

其中，n表示所有测量次数；

s24：根据所获得的wi*和bi*替代线性函数中的wi和bi值，计算出ti时刻对应的函数拟合距离值；

s25：假设隧道存在正常的微量位移，则在ti+1时刻获得的测量值di+1到原有函数拟合函数的欧式距离满足：

δ＝[di+1-f(di)]²＝[di+1-widi-bi]²

s26：对所获得的ti+1时刻的测量值di+1到原有函数拟合函数的欧式距离进行判定：

若δ>门限值，系统报警；

若即大于历史数据中最大偏移，系统给出预警提示。

进一步，步骤s3具体包含如下步骤：

s31：根据测量矩阵m，对于整个测量段，根据步骤s2计算出每个测量点的线性函数加权系数，测量值di+1到原有函数拟合函数的欧式距离并记录下系统最大震动值snmax；

s32：将步骤s22、s25以及s31中的特征参量w、δ与snmax作为样本特征，构成样本集s，采用k均值算法进行聚类：

设定聚类簇数k＝2，对应正常c1和异常c2两种状态，聚类目标是使得簇划分c＝{c1,c2}，对于簇均值向量的平方误差最小，满足：

式中，μqi是簇cq在时刻ti的均值向量，q＝{1,…,k}，

进一步，至少获取5个正常初始值构建初始正常状态c1集合，检测系统提供“异常”状态的初始数据，构建初始异常状态c2集合，且随着测量值的增多，每一次新的测量，将新的数据加入正常状态c1集合或者异常状态c2集合这两个簇的数据中，当新的测量数据，聚类分析落入簇c2，则系统给出报警信息。

本发明的有益效果在于：

1、本发明引入plc通信，结合无线模块，形成两种通信方式协同工作。克服在隧道特别是长距离隧道中，无线信号衰减影响通信质量的缺陷。

2、本发明电机平台，在水平平面上进行旋转扫描，扩展一个检测单元的控制区域。简化系统结构，降低系统造价。

3、本发明方法单个测量点，采用线性回归方法进行数据分析利用最新获得的测量值与原有数据拟合的函数的欧氏距离，对隧道位移变化状态进行预测，每次新的测量数值(正常值)都加入数据库，系统不断学习新的数据，优化数据分析能力。

4、本发明方法整个测量段，采用数据聚类方法进行分析，测量点和测量段，每次新的测量数值(正常值)都加入数据库，系统不断学习新的数据，优化数据分析能力。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本发明基于低压电力线通信的系统结构示意图；

图2为本发明无线通信模式的系统结构示意图；

图3为本发明综合测距单元功能结构示意图；

图4为本发明mcu控制单元结构示意图；

图5为本发明扫描结构示意图；

图6为本发明扫描参数示意图；

图7为本发明在隧道内的扫描示意图。

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。

本发明为一种隧道位移检测系统，首先，系统总体结构：

隧道施工中，隧道拱顶沉降量是判断围岩稳定性和指导施工的重要依据。针对隧道现场的情况，以及现有相关监测系统的不足。

(1)系统结构方面：

本发明在基本激光测距的基础上，引入震动检测，实现对测量条件的判断，保证测量有效性；引入垂直/水平偏转控制单元，扩展单个测量单元监控范围，简化系统结构、成本。如图1所示，本发明的隧道位移检测系统包含，多个综合测距单元1，多个mcu控制单元2，多个plc收发模块3，其中一个综合测距单元1，mcu控制单元2以及plc收发模块3依次连接形成一组测量单元，多组的测量单元均连接在低压电力线缆4上，通过低压电力线缆4的总线通信方式连接至上位机单元的plc通信模块5上，上位机的plc通信模块5连接至上位机单元的mcu主控单元6，mcu主控单元6连接至上位机的控制与显示单元7。

由于隧道内部环境复杂，不适宜无线信号在隧道内长距离传输。现有系统往往采用多次中继的方式进行信号传输。这一方面增加了系统的复杂程度；另一方面，由于使用中继模块越多，通信环节的总体故障概率相对越高，因此这降低了系统通信的可靠性。

在隧道施工中，电力线是保证施工正常进行的基本材质。根据电压高低可分为动力电力线和低压照明电力线。高压线进入隧道中，会在不同工作面配备变压器，不利于信号直接传送。因此选择低压照明线线路作为电力线通信(plc,powerlinecommunication)的介质，以实现简便、有效的通信。

如图2所示，系统仍然保留可扩展的无线通信模块41接口，用户在扩展无线通信模块41后，如果选用无线通信t/r(transmitterandreceiver)模块取代plc收发模块，则可将系统转为无线传输方式。此外，如果在plc收发模块工作同时，再同时增加无线通信模块，可将系统置于plc通信+无线通信共同工作的双传输模式方式。

如图3所示综合测距单元包含

(1)高精度激光测距仪模块13，用于测量激光仪与检测点之间的距离，以此为基础对隧道位移进行监控。

(2)震动检测模块11，检测系统周围环境中对高精度测距可能产生影响的震动，例如出现由爆破施工、机械车辆、大型设备移动等产生的明显震动时，激光测距仪暂停测量，需等待测量条件恢复。

(3)垂直偏转控制步进电机16，由微控制器单元(mcu控制单元)控制，调节激光测距仪在垂直方向上仰角。

(4)垂直仰角测量模块17，测量垂直仰角α，取值范围0～90o

(5)水平偏转控制步进电机14，

(6)水平偏转夹角测量模块15，测量水平方向上，偏转夹角β，取值范围0～90o。

(7)声、光报警模块12，隧道位移在隧道施工现场环境，提供报警声、闪烁灯光进行报警，提示施工人员撤离现场。

(8)可扩展的视频监测模块18，系统预留视频监控模块的数据、控制接口，可以扩展安装摄像头，提供位移检测点周围视频信息。

(9)可扩展的语音通信模块19(紧急呼救、语音通信)，系统预留语音通信模块的数据、控制接口，可以扩展双向语音通信模块，在位移检测点提供特殊情况下呼救、语音通信的功能。

以上所有模块的数据、控制信息都与mcu控制单元2相连接，受mcu控制单元2控制。

如图4所示，本发明的mcu控制器单元2是系统以及检测单元的信息处理、操作控制的重要单元。为满足本系统的数据处理与控制，本发明实施例选择了stm32f103ze，在mcu控制单元2，加入时钟芯片21。产生系统时间，作为测量数据的一个参数。初始时间，由上位机系统写入。

数据算法

检测系统周围环境中对高精度测距可能产生影响的震动，例如出现由爆破施工、机械车辆、大型设备移动等产生的明显震动时，激光测距仪暂停测量，需等待测量条件恢复。

包含以下参数：

背景震动水平上限sbgmax：背景震动上限是不影响测量的环境震动上限。

背景震动水平下限sbgmin：背景震动下限在本系统中取为噪声水平。

干扰震动水平下限snmin：干扰震动包括爆破施工、机械车辆、大型设备移动等产生的影响测量效果的震动

干扰震动水平上限snmax：记录的干扰最大值。

在每次启动激光仪进行测距检查以前，mcu控制单元都必需先对实际震动值sreal进行测量，只有sreal在背景震动水平上限sbgmax与干扰震动水平下限snmin之间一定范围内时，可以保证测量有效性：

(1)激光测距仪的精度较高，为保证测量准确性，本发明实施例设置了10％的测量裕量。

当sbgmin≤sreal＜0.9×snmin时，符合系统测量条件，可以启动测量。

(2)sreal≥0.9×snmin，系统显示“测量等待”状态，进行下一个测量点的测量。完成本轮测量后，再对此测量点进行测量处理。

(3)sreal＜0.9×sbgmin或者sreal测量无示数，mcu单元给出故障指示信号。检修员检查、维修震动检测单元及其它电路。

系统对震动噪声的智能学习、调整：

当sreal＞snmax，即实际震动值sreal超过系统内置干扰震动水平上限，系统记录该值，并作为新的最大值snmax。snmax是一个动态自学习、自适应调整的过程。

snmax在长期数据分析中使用，结合隧道分析数据，研究爆破等工作对施工面的影响，

相对于通常采用的固定测距仪，本发明中加入步进电机，增加在水平、垂直方向上的扫描，如图5所示。扩展一个测距仪可以监控的区域，简化系统结构，降低系统造价。

在垂直平面上进行扫描，形成一个部分断面的扫描，仰角α，如图6所示。在水平平面上进行扫描，扩展每个检测单元的扫描覆盖区域，夹角β，如图6所示。在某一个测量时间ti，按设定的每一组仰角α、夹角β，测得一个对应的距离值d。则所有测量状态与测量值构成测量矩阵m。

其中i＝1,…,n，是仰角α最大测量状态数。

j＝1,…,k，是夹角β最大测量状态数。

本发明实施例中系统默认参数，如图7所示，对仰角α∈[0,90°]、夹角β∈[0,90°]，均每隔10°设置一个测量状态进行测量。即仰角α、夹角β分别取(0,10°,20°,30°,…,90°)，进行测量：

仰角α、夹角β的调整步长，可以结合使用环境具体要求，通过mcu控制单元调整、设置。步长越小，测量点数越多，对隧道围岩断面的测量越细致，但是整个测量流程耗时越长；反之，步长越大，测量点数减小，整个测量流程耗时减少。

在满足测量条件(包括震动水平等)时，系统按照设定的不同检测模式启动检测程序，对隧道位移量进行测量。总体上，检测模式分为两类：

(1)固定间隔模式

在此模式下，系统按照固定时间间隔t进行测量。

系统提供若干基于工程经验给定的测量时间间隔t。用户可以选择系统自带的典型时间间隔参数t，也可以自行设定时间间隔t。

(2)自动优化测量模式

在此模式下，系统根据历史位移测量数据，划分潜在风险/重点测量点或者潜在风险/重点区域，增加测量次数。(正常检查点/区域与潜在风险/重点测量点/区域的判断，参见4。)测量频次的增加，按照预警、警戒、危险状态，分别提升为正常测量频次的2、5、10倍。

以正常状态测量时间间隔t＝1小时为例说明，预警、警戒、危险状态下，测量频次提高，测量时间间隔t分缩短为30分钟、12分钟、6分钟。

如果位移量变化状态退出非正常状态，系统测量时间自动恢复到正常时间间隔。

具有学习能力的报警监测分析

利用是本系统中最重要的基础数据—测量矩阵m的数据，结合机器学习方法，对隧道位移的变化状态进行预测。如果预测为异常状态，则给出报警信息。

单个测量点，采用线性回归方法进行数据分析

以#1测量单元的一个测量点为例，对于该点：测量矩阵m中仰角α＝30°、夹角β＝60°，在不同的测量时间ti，依次获得距离数据di。只考虑该测量点的距离数据，构成的距离序列d：

d＝(d1,d2,d3,…,dn)

用测量值(d1,…,di)拟合一个线性函数：

f(di)＝widi+bi

根据均方误差最小确定wi和bi的估计值wi*和bi*，使得所有di到f(di)的欧氏距离之和最小：

然后用wi*和bi*替代拟合的线性函数中的wi和bi，获得时刻ti对应的f(di)。根据它对时刻ti+1获得的测量数据进行判断检验。

预测分析：

根据实际情况，本发明实施例假设隧道存在正常的微量位移，时刻ti+1获得的测量值di+1到原有数据拟合的函数f(di)＝widi+bi的欧氏距离δ：

δi+1＝[di+1-f(di)]²＝[di+1-widi-bi]²

δ可以在一定范围内存在正常偏移，但如果：

(1)δ≥门限值(本发明实施例取3mm)；系统报警。(门限值可设)

(2)大于历史数据中最大偏移，系统给出预警提示。

系统开始工作后，每个测量点，需要获取至少5个初始值，才开始函数拟合的分析。随着测量值的增多，每次新的测量数值(正常值)都加入距离序列d，所拟合的数据也同步增加，完成一个系统数据自学习的过程。

整个测量段，采用数据聚类方法进行分析

由测量矩阵m，以及图7可知，系统的每一个测量单元，管辖了多个测量点，不同测量点初始数据不同，位移变化状态也不相同。对于本系统所监测的一个隧道测量段，本发明实施例采用数据聚类的方法进行分析。

按照本发明实施例系统设置9个位移检测单元分析，测量矩阵分别为m1,…,m9。

根据单个测量点的线性回归方法的数据分析方法，求得一个测量点的：

(1)线性拟合函数加权系数wi；

(2)位移测量值di+1到历史数据拟合的函数f(di)＝widi+bi的欧氏距离δi+1。

(3)系统记录的最大震动值snmax

将这三个参量作为样本特征，构成样本集s(包含w、δ与snmax三个特征)，采用k均值算法进行聚类：

本发明实施例中设定聚类簇数k＝2，对应正常c1和异常c2两种状态。聚类目标是使得簇划分c＝{c1,c2}，对于簇均值向量的平方误差最小：

其中，μqi是簇cq在时刻ti的均值向量，q＝{1,…,k}，

系统在启动状态下，

(1)需要获取少5个正常初始值，构建初始c1；

(2)系统提供“异常”状态的初始数据，构建初始c2。

此时才能开始聚类分析进行。

随着测量值的增多，每一次新的测量，新的数据都会加入c1(正常值)或者c2(异常值)这两个簇的数据中。簇均值向量的平方误差不断在更新(学习)状态下，对新的测量数据进行分析处理，完成一个系统数据自学习的过程。

当新的测量数据，聚类分析落入簇c2，则系统给出报警信息，聚类簇数k不限于设为2，可以结合分析状态设为3等其他值，对隧道位移状态进行更为精细的划分。

最后说明的是，以上优选实施例仅用以说明发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。