一种高精度的大坝安全远程监测系统的制作方法

本发明创造涉及安全监测技术领域，具体涉及一种高精度的大坝安全远程监测系统。

背景技术：

大坝是国家防护工程体系中的重要组成部分，在工业和饮用供水、农业灌溉和发电等方面都有比较显著的效益，如何保证这些已建成和将要建成的大坝在外界各种力量作用下的健康运行，是一个关系民生发展的重要问题。大坝安全监测系统是人们了解大坝运行状态和安全状况的有效手段,也是保证其安全运行的重要措施之一。现有技术中的大坝监测大多数采用自动监测系统进行监测。

然而现有的大坝自动监测系统一般均采用有线方式，其存在监测测点固定，布置不灵活，布线工程复杂等问题，以致难以在大坝安全监测中得到实际应用。此外，大坝早期安全预警模型多利用大坝运行的原型观测学习和指导，然而影响大坝安全的主要因素是随处隐藏的，利用传统预测模型并不能很好的预测大坝的安全状态。

技术实现要素：

针对上述问题，本发明旨在提供一种高精度的大坝安全远程监测系统。

本发明创造的目的通过以下技术方案实现：

一种高精度的大坝安全远程监测系统，包括数据监测模块、数据修正模块、数据传输模块、数据管理模块和安全预警模块；

(1)数据监测模块，包括用于监测大坝变形情况的第一传感器组件和用于监测大坝渗流情况的第二传感器组件，所述第一传感器组件包括用于分别监测大坝上游水位值和下游水位值的传感器和用于监测大坝边界气温的温度传感器，所述第二传感器组件包括用于监测大坝浸润线的渗压计和用于监测降雨量的雨量计；

(2)数据修正模块，用于对传感器节点采集的数据进行修正，从而消除环境因素对数据采集的影响，设某时刻i采集到的数据为x_i,则修正公式为：

式中，x_i′为修正后的数据，x_i为修正前的原始数据，T₀为传感器使用标准温度，T为传感器使用时实际环境温度，P₀为传感器使用标准气压，P为传感器使用时实际环境气压，H₀为传感器使用标准湿度，H为传感器使用时实际环境湿度；

(3)数据传输模块，由传感器网络构成，用于将各监测区域所得数据进行传输，其采用一种改进的基于遗传算法的路由机制，定义网络节点的初始路径是L_i＝{l₁,l₂,…,l_p}，则算法中的适应度函数定义为：

其中，d(l_i)是链路l_i的路径长度，D(L)是所有链路的路径长度之和，e(l_i)是链路l_i的能耗，E(L)是所有链路的能耗之和，α和β分别是自定义的链路长度和能耗在适应度函数中的权重，发明人根据大量的现场实践，对这两个权重给出了经验值，α＝0.4，β＝0.6；

(4)数据管理模块，用于对数据监测模块采集得到的数据进行处理，包括以下步骤：

a、采用一种数据加权移动平均算法对数据进行处理，处理后的数据y′_i为：

式中，x_i-2、x_i-1、x_i、x_i+1、x_i+2分别为i-2、i-1、i、i+1、i+2时刻采集到的数据，σ₁、σ₂、σ₃分别为相应的权重因子；

b、处理后得到某段时间内的一组数据为y′_j{j＝1,2,…,m}，则该时间段内的数据平均值f(y)为：

(5)安全预警模块，用于根据数据管理模块处理得到的上下游平均水位差、平均温度值和平均降雨量以及平均浸润线值分析判断大坝的安全状况进行预警。

本发明创造的有益效果：提出一种基于遗传算法的路由机制，与现有技术相比，其选用的适应度函数既考虑了节点的路径长度又考虑了节点的能耗，确保获得能耗最少的网络通信路径，从而节约网络能量；设置数据修正模块，消除了环境对传感器测量值的影响，得到的数据更为准确；采用加权移动平均算法处理数据，能准确获取监测数据，克服了单个数据的偶然性。

附图说明

利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。

图1是本发明结构示意图；

图2是本发明安全预警模块结构示意图。

附图标记：

数据监测模块1；数据修正模块2；数据传输模块3；数据管理模块4；安全预警模块5；变形监测评估子模块51；渗流监测评估子模块52；综合预警子模块53。

具体实施方式

结合以下实施例对本发明作进一步描述。

参见图1、图2，本实施例的一种高精度的大坝安全远程监测系统，包括数据监测模块1、数据修正模块2、数据传输模块3、数据管理模块4和安全预警模块5；

(1)数据监测模块1，包括用于监测大坝变形情况的第一传感器组件和用于监测大坝渗流情况的第二传感器组件，所述第一传感器组件包括用于分别监测大坝上游水位值和下游水位值的传感器和用于监测大坝边界气温的温度传感器，所述第二传感器组件包括用于监测大坝浸润线的渗压计和用于监测降雨量的雨量计；

(2)数据修正模块2，数据修正模块，用于对传感器节点采集的数据进行修正，从而消除环境因素对数据采集的影响，设某时刻i采集到的数据为x_i,则修正公式为：

式中，x_i′为修正后的数据，x_i为修正前的原始数据，T₀为传感器使用标准温度，T为传感器使用时实际环境温度，P₀为传感器使用标准气压，P为传感器使用时实际环境气压，H₀为传感器使用标准湿度，H为传感器使用时实际环境湿度；

本实施例设置数据修正模块2，消除了环境对传感器测量值的影响，得到的数据更为准确,增加了大坝安全远程监测系统的精确性。

(3)数据传输模块3，由传感器网络构成，用于将各监测区域所得数据进行传输，其采用一种改进的基于遗传算法的路由机制，定义网络节点的初始路径是L＝{l₁,l₂,…,l_p}，则算法中的适应度函数定义为：

其中，d(l_i)是链路l_i的路径长度，D(L)是所有链路的路径长度之和，e(l_i)是链路l_i的能耗，E(L)是所有链路的能耗之和，α和β分别是自定义的链路长度和能耗在适应度函数中的权重，发明人根据大量的现场实践，对这两个权重给出了经验值，α＝0.4，β＝0.6；

本实施例提出一种基于遗传算法的路由机制，与现有技术相比，其选用的适应度函数既考虑了节点的路径长度又考虑了节点的能耗，确保获得能耗最少的网络通信路径，从而节约网络能量，因此节约了大坝安全远程监测系统的能耗，在一定程度上增加了系统的使用寿命。

(4)数据管理模块4，用于对数据监测模块采集得到的数据进行处理，包括以下步骤：

a、采用一种数据加权移动平均算法对数据进行处理，处理后的数据y′_i为：

式中，x_i-2、x_i-1、x_i、x_i+1、x_i+2分别为i-2、i-1、i、i+1、i+2时刻采集到的数据，σ₁、σ₂、σ₃分别为相应的权重因子；

b、处理后得到某段时间内的一组数据为y′_j{j＝1,2,…,m}，则该时间段内的数据平均值f(y)为：

本实施例采用加权移动平均算法处理数据，能准确获取监测数据，克服了单个数据的偶然性，在一定程度上增加了监测系统的精确性。

(5)安全预警模块5，用于根据数据管理模块处理得到的上下游平均水位差、平均温度值和平均降雨量以及平均浸润线值分析判断大坝的安全状况进行预警。

优选地，所述安全预警模块包括变形监测评估子模块51、渗流监测评估子模块52以及综合预警子模块53；

(1)变形监测评估子模块51，用于根据上述所得的水位差和平均温度值对大坝的变形程度进行评估，具体包括：

a.基于模糊算法建立变形监测评估子模块，以上下游水位差和平均温度值作为输入变量，对各输入变量设定上下限值，并根据各输入量对大坝变形程度的影响分别制定相应的权重，对输入变量定义相同的模糊状态，即“很高”、“高”、“正常”、“低”、“很低”。以大坝的变形程度y(i)作为输出量，对变形程度定义三个模糊状态，即“严重”、“轻度”、“正常”；

b.根据历年收集的大坝的上下游水位差和平均温度值的样本数据库，制定以上下游水位差和平均温度值为依据来推理大坝渗流程度的模糊规则；

c.输入变量值，当变量值超出上下限范围时，判定传感器故障，当变量值在范围内时，根据模糊规则推理得到各输入变量在模糊集中的隶属度，设定第i时刻采集得到的水位差和平均温度值的数据分别为H(i)和T(i)，则计算大坝的变形程度y(i)的表达式为：

其中，和μ(h)分别为水位差H(i)权重和隶属度，和μ(t)分别为平均温度值T(i)的权重和隶属度；

本优选实施例提供的基于模糊算法的大坝变形监测评估子模块51，与现有技术相比，根据对影响大坝变形和渗流的坝体水位值、温度值的监测数据，利用模糊评估模型对大坝的变形程度进行评估，较好地处理了多因素、模糊性及主观判断等问题，有效的诊断出大坝的变形程度；

(2)渗流监测评估子模块52，用于根据上述所得的平均降水量和平均浸润线对大坝的渗流程度进行评估，其方法为：

a.基于模糊算法建立渗流监测评估子模块，以平均降水量和浸润线作为输入变量，对各输入变量设定上下限值，并根据各输入量对大坝渗流程度的影响制定相应的权重，对输入变量定义相同的模糊状态，即“很高”、“高”、“正常”。以大坝的渗流程度作为输出量，对渗流程度定义三个模糊状态，即“严重”、“轻度”、“正常”；

b.根据历年收集的大坝的平均降水量和浸润线的样本数据库，制定以平均降水量和浸润线为依据推理大坝渗流程度的规则表；

c.输入变量值，当变量值超出上下限范围时，判定传感器故障，当变量值在范围内时，根据模糊规则推理得到各输入变量在模糊集中的隶属度，设定第i时刻采集得到的平均降水量和平均浸润线的数据分别为P(i)和L(i)，则计算大坝的渗流程度z(i)的表达式为：

其中，和μ(p)分别为平均降水量P(i)的权重和隶属度，和μ(l)分别为平均浸润线L(i)的权重和隶属度；

本优选实施例提供的渗流监测评估子模块52，与现有技术相比，根据对影响大坝渗流的坝体浸润线和平均降水量的监测数据，利用模糊评估模型获取大坝的渗流程度，较好地处理了多因素、模糊性及主观判断等问题，有效的诊断出大坝的渗流程度；

(3)综合预警子模块53，用于根据大坝变形程度y(i)值和渗流程度z(i)进一步对大坝的安全状况进行综合评价，

定义大坝的安全评估系数为：

其中，A和B分别为根据历史数据库确定的大坝变形程度和渗流程度对大坝安全状况影响程度的权值,n表示2个小时内得到的变形程度y(i)和渗流程度z(i)的个数；

根据历年监测数据制定大坝预警等级的分界值L，当安全评估系数ρ高于分界值L时即进行预警；

根据安全评估系数ρ与分界值L关系定义安全等级，将安全等级划分为蓝色预警、黄色预警、橙色预警和红色预警，具体为：

本优选实施例提出的综合预警子模块53，根据上述所得的大坝变形和渗流程度进行大坝安全综合预警，与现有技术相比，突破了传统单一指标、单层次大坝安全预警的局限，形成了较为全面、高精度的大坝安全预警体系；建立预警等级制度，便于针对不同的险情发出不同的预警警报，采取相应的措施。

基于上述实施例，根据数据库中不同的大坝参数进行了一系列测试，以下是测试得到的评估结果：

最后应当说明的是，以上实施例仅用以说明本发明的技术方案，而非对本发明保护范围的限制，尽管参照较佳实施例对本发明作了详细地说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或者等同替换，而不脱离本发明技术方案的实质和范围。