一种边坡实时承载力极限监测方法及系统与流程

本发明涉及岩土及结构工程技术领域，特别是涉及一种边坡实时承载力极限监测方法及系统。

背景技术：

现有针对山体、边坡的监测方法是采用了正常使用极限状态(sls)监测方法，该sls监测方法已被广泛采用在岩土及结构工程中。在不同的国家规范(中国建筑边坡工程技术规范gb50330-2013、中国建筑变形测量规范jgj8-2016以及相关的英国规范、美国规范)中变形、倾斜、沉降、位移等都是关键的监测参数。一般而言,这些sls监测方法的参数极限值是根据工程经验或经验法则而定。除此之外，这些极限值在不同的国家和地区实践中都有所不同。并且，sls监测方法需要有经验的工程师直接得出关键监测数据，并作出快速决定，而不没有任何进一步的分析。所以现行sls监测方法存在如下问题：

(1)控制结构稳定性和安全性的最重要因素是材料强度和施加的荷载。sls监测参数的变化只能够反映施加荷载的变化，但不直接关系到结构安全性水平；

(2)sls监测参数的极限值基于工程经验或经验法则而定义的，这些极限值不能反映结构的应力状态；

(3)sls监测方法中未考虑材料的特性。

由此可见，上述现有的一种sls监测方法仍存在有不便与缺陷，而亟待加以进一步改进。如何能创设一种新的边坡实时承载力极限监测方法及系统，使其能更加科学合理、快速实时的准确反应出边坡的安全性能，提升监测效果，成为当前业界极需改进的目标。

技术实现要素：

本发明要解决的技术问题是提供一种边坡实时承载力极限监测方法，使其能更加科学合理、快速实时的准确反应出边坡的安全性能，提升监测效果，从而克服现有的sls监测方法的不足。

为解决上述技术问题，本发明提供一种边坡实时承载力极限监测方法，所述监测方法包括如下步骤：

(1)对待监测边坡的场地环境、地形地貌、场地结构以及该监测边坡的历史情况进行检测和调查；

(2)根据步骤(1)的检测和调查结果，确定边坡的一个监测剖面及所述监测剖面的监测方案，所述监测方案包括需要监测的力学性能指标、监测点数量、布置位置及频率；

(3)根据步骤(1)所得到的检测和调查数据以及步骤(2)确定的监测指标和监测点信息，建立监测数学模型；

(4)根据步骤(2)制定的监测方案，在确定的监测点处放置传感器，并收集各传感器的实时监测数据上传至云服务器；

(5)所述云服务器接收并存储所述传感器上传的监测数据，结合建立的监测数学模型对监测数据进行实时分析，得出实时安全系数fosins，所述实时安全系数fosins的计算公式为：

fosins＝现有结构抵抗力负载能力(rc)/现有的负荷(l)；

(6)根据计算得到的所述实时安全系数fosins值的大小以及其与设计安全系数fos值的比较结果，向监测终端发出实时预警信号，其中，所述设计安全系数fos值的计算公式为：

fos＝设计结构抵抗力负载能力(rd)/最大设计负荷(lmax)。

进一步改进，所述步骤(1)中场地环境的调查内容包括场地类别、不良地质作用及影响、地下水升降，了解所处环境的土质情况，土的黏聚力以及内摩擦角。

进一步改进，所述步骤(1)中地形地貌勘察的内容包括测量场地标高、周围建筑物标和地下基础设施布置情况。

进一步改进，所述步骤(1)中场地结构检测的内容包括了解监测区域建筑物的力学性能参数，包括(a)混凝土结构的材料力学性能、几何尺寸、配筋及构造的检测；(b)地基检测、基础检测、地基水平变形和沉降观测；(c)钢材料性能、构建尺寸与偏差、连接与构造检测；和/或(d)桥梁结构几何参数、桥梁结构线性与变位、构件材料强度、构件裂缝、支座与伸缩装置状态、索力、结构自震频率的检测。

进一步改进，所述步骤(1)中历史情况调查内容包括如下一项或多项：(a)使用功能、使用荷载与使用环境；(b)使用中发现建筑结构存在的质量缺陷、处理方法和效果；(c)遭受过的火灾、爆炸、暴雨、台风地震等灾害对建筑结构的影响；(d)维护、改扩建、加固情况；(e)场地不稳定影响及地基不均匀沉降在建筑物上的反应；(f)当前工况与设计工况的差异，建筑结构在当前工况下的反应。

进一步改进，所述步骤(2)中需要监测的力学性能指标包括孔隙水压力、荷载和压力数据；所述监测方案还考虑监测期间的气候状况。

进一步改进，所述步骤(4)中传感器监测的数据包括地下水位、承受荷载、建筑物或边坡标高及沉降、房屋倾斜角度，且所述传感器监测数据均为动态实时数据。

进一步改进，所述建筑物或边坡的标高及沉降监测采用无人机实现。

进一步改进，所述步骤(6)中还包括将所述实时安全系数fosins与时间关系绘制曲线的步骤，当所述实时安全系数fosins低于设计安全系数fos值时，发出实时预警信号。

进一步改进，所述步骤(6)中监测终端包括手机端app、pc端和监测区域现场报警单元中的一种或多种。

进一步改进，所述实时预警信号包括不同等级的预警信号，若所述实时安全系数fosins值低于1.0时，则向所述监测终端发出一级预警信号，若所述实时安全系数fosins值处于1.0至fos-2δf范围值时，则向所述监测终端发出二级预警信号，若所述实时安全系数fosins值处于fos-2δf至fos-δf范围值时，则向所述监测终端发出三级预警信号，若所述实时安全系数fosins值处于fos-δf至fos范围值时，则向所述监测终端发出四级预警信号，其中，

进一步改进，所述待监测边坡确定多个监测剖面，并根据所述步骤(1)至步骤(5)计算每个监测剖面的实时安全系数fosins，找出计算得到的实时安全系数fosins中的最低值，并根据所述实时安全系数fosins的最低值以及其与设计安全系数fos值的比较结果，依据所述步骤(6)向监测终端发出实时预警信号。

本发明还提供一种边坡实时承载力极限监测系统，包括：

监测数学模型建立模块，用于根据场地环境、地形地貌、场地结构检测结果和监测区域历史情况调查结果，以及确定的监测方案，建立监测数学模型；

传感器组，包括根据监测方案布置在各监测点处的多种传感器，所述多种传感器与云服务器连接；

云服务器，用于收集所述传感器组中各传感器采集的监测数据，存储并结合所述监测数学模型对监测数据进行实时分析，得出实时安全系数fosins，再根据得出的实时安全系数fosins值的大小以及其与设计安全系数fos值的比较结果，向监测终端发出不同等级的实时预警信号；

监测终端，用于与所述云服务器连接，接收监测数据和预警信号，所述监测终端包括手机端app、pc端和监测区域现场报警单元中的一种或多种。

采用这样的设计后，本发明至少具有以下优点：

本发明边坡实时承载力极限监测方法考虑边坡及其建筑物结构的场地环境、地形地貌、场地结构以及该监测区域的历史情况，详细了解场地材料特性、能力和力稳定性能，制定科学合理的监测方案及监测指标，建立监测数学模型，并通过实时采集各种iot传感器的动态监测数据，再通过云服务器对数据的及时分析，得出综合量化指标-实时安全系数fosins，并根据该实时安全系数fosins值的大小以及其与设计安全系数fos值的比较结果，对场地实时安全等级进行随时评估，及时发出不同等级的实时预警信号，为人员安全逃离留出充足时间，大大避免人员、财产的损失。

该方法更科学准确、更安全可靠，可以把不同国家和地区的关键安全监测参数统一到一个综合的量化指数上，还可以用在不同应力状态下的安全水平评估。

本发明监测方法通过在待监测边坡确定多个监测剖面，并分别对每个监测剖面的实时安全系数fosins进行计算，找到最低值，再根据该最低值向监测终端发出实时预警信号，更加全面的实现对边坡的多点监测，使监测结果全面可靠。

本发明监测系统通过采用iot传感器实时监测，云服务器对数据及时分析，得出结果后及时预警，大大提高了采集数据频率，并减少了人工输出的错误，提高了安全保障，增加了有效撤离时间，对维护社会稳定，保障生态环境、促进国民经济和社会可持续发展具有重要的意义。

附图说明

上述仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，以下结合附图与具体实施方式对本发明作进一步的详细说明。

图1是本发明边坡实时承载力极限监测方法的流程示意图。

具体实施方式

本发明提供一种边坡实时承载力极限监测方法，该监测方法(简称：uls监测方法)是一种创新的监测方法，是利用实时监测数据和云分析来计算结构的实时安全系数fosins。该监测方法考虑到结构强度和负载是随时间而变化的，所以建立一个新的综合量化指标(fosins)来评估结构的实时安全水平。其具体的实时承载力极限监测方法详细介绍如下。

参照附图1所示，本实施例边坡实时承载力极限监测方法包括如下步骤：

(1)对待监测边坡的场地环境、地形地貌、场地结构以及该监测区域的历史情况进行检测和调查；

其中，场地环境的调查内容包括场地类别、不良地质作用及影响、地下水升降，据此了解所处环境的土质情况，土的黏聚力以及内摩擦角等。

地形地貌勘察的内容包括测量场地标高、周围建筑物标和地下基础设施布置情况等。

场地结构检测的内容包括了解监测区域建筑物的力学性能参数，包括(a)混凝土结构的材料力学性能、几何尺寸、配筋及构造的检测；(b)地基检测、基础检测、地基水平变形和沉降观测；(c)钢材料性能、构建尺寸与偏差、连接与构造检测；和/或(d)桥梁结构几何参数、桥梁结构线性与变位、构件材料强度、构件裂缝、支座与伸缩装置状态、索力、结构自震频率等的检测。

还有，历史情况调查内容包括如下一项或多项：(a)使用功能、使用荷载与使用环境；(b)使用中发现建筑结构存在的质量缺陷、处理方法和效果；(c)遭受过的火灾、爆炸、暴雨、台风地震等灾害对建筑结构的影响；(d)维护、改扩建、加固情况；(e)场地不稳定影响及地基不均匀沉降在建筑物上的反应；(f)当前工况与设计工况的差异，建筑结构在当前工况下的反应等。

(2)根据步骤(1)的检测和调查结果，确定边坡的一个或多个监测剖面及每个监测剖面的监测方案，监测方案包括需要监测的力学性能指标、监测点数量、布置位置及频率；所述监测方案还考虑监测期间的气候状况。

其中需要监测的力学性能指标包括孔隙水压力、荷载和压力数据。

(3)根据步骤(1)所得到的检测和调查数据以及步骤(2)确定的监测指标和监测点信息，建立一个或多个监测数学模型。

(4)根据步骤(2)制定的监测方案，在各个监测剖面确定的监测点处放置各种iot传感器，并收集各iot传感器的实时监测数据上传至云服务器，该各iot传感器监测的数据包括地下水位、承受荷载、建筑物或边坡标高及沉降、房屋倾斜角度等。

各传感器监测数据均为动态实时数据。

并且，其中建筑物或边坡的标高及沉降监测可采用无人机实现。

(5)所述云服务器接收所述传感器上传的监测数据，并将其存储在云端数据库中，结合建立的监测数学模型对监测数据进行实时分析，得出每个监测剖面的实时安全系数fosins，所述实时安全系数fosins的计算公式为：

fosins＝现有结构抵抗力负载能力(rc)/现有的负荷(l)。

其中，该现有结构抵抗力负载能力rc和现有的负荷l的计算方法可参考《建筑边坡工程技术规范》附录a实现。

如针对圆弧形滑面的边坡实时安全系数fosins的计算步骤为：

式中，ci为第i计算条块滑面粘聚力(kpa)；

为第i计算条块滑面内摩擦力(°)；

li为第i计算条块滑面长度(m)；

θi为第i计算条块滑面倾角(°)，滑面倾向与滑动方向相同时取正值，滑面倾向与滑动方向相反时取负值；

ui为第i计算条块滑面单位宽度由传感器量度的总水压力(kn/m)；

gi为第i计算条块滑面单位宽度自重(kn/m)；

gbi为第i计算条块滑面单位宽度由传感器量度的竖向附加荷载(kn/m)；方向指向下方时取正值,指向上方时取负值；

qi为第i计算条块滑面单位宽度由传感器量度的水平荷载(kn/m)；方向指向坡外时取正值，指向坡内上方时取负值；

hwi、hw,i-1为第i及第i-1计算条块滑面前端水头高度(m)；

γw为水重力，取10kn/m³；

i为计算条块号，从后方起编；

n为条块数量。

其中，ui、gbi、qi、hwi、hw,i-1均通过上述传感器实时监测得到。

还有，针对平面滑动面的边坡实时安全系数fosins的计算步骤为：

l＝(g+gb)sinθ+qcosθ+vcosθ

式中，c为滑面粘聚力(kpa)；

为滑面内摩擦角(°)；

l为滑面长度(m)；

g为滑面单位宽度自重(kn/m)；

gb为滑面单位宽度由传感器量度的竖向附加荷载(kn/m)；方向指向下方时取正值，指向上方时取负值；

θ为滑面倾角(°)；

u为滑面单位宽度由传感器量度的总水压力(kn/m)；

v为后缘陡倾裂隙面上的单位宽度由传感器量度的总水压力(kn/m)；

q为滑动单位宽度由传感器量度的水平荷载(kn/m)；方向指向坡外时取正值，指向坡内时取负值；

hw为后缘陡倾裂隙由传感器量度的充水高度(m),根据裂隙情况及汇水条件确定；

γw为水重力,取10kn/m³。

其中，gb、u、v、q、hwi同样均通过传感器实时监测得到。

另外，如针对折线形滑动面的边坡实时安全系数fosins的计算步骤为：

l＝(ci+gbi)sinθi+qicosθi

式中，pi为第i计算条块与第i-1计算条块单位宽度剩余下滑力(kn/m)；当pi<0(i<n)时，取pi＝0；

ψi-1为第i计算条块对第i-1计算条块的传递系数，其它符号含义同上。

由上述针对不同滑动面的边坡实时安全系数计算公式可知，该现有结构抵抗力负载能力rc和现有的负荷l均是利用现有公式结合传感器的实时监测数据进行计算，故能够得到各个边坡监测剖面的实时安全系数，能对边坡实时承载力极限进行及时的实时监测，可靠性极高。

(6)根据计算得到的每个实时安全系数fosins值的大小以及其与设计安全系数fos值的比较结果，或采用计算得到的实时安全系数fosins中的最低值与设计安全系数fos值相比较，若所述实时安全系数fosins值低于设计安全系数fos值，则向监测终端发出实时预警信号，其中，所述设计安全系数fos值的计算公式为：

fos＝设计结构抵抗力负载能力(rd)/最大设计负荷(lmax)。

其中，监测终端包括手机端app、pc端和监测区域现场报警单元中的一种或多种。

或者，该步骤(6)中还可以为将实时安全系数fosins与时间关系绘制曲线，当实时安全系数fosins将要降至设计安全系数fos值时，发出实时预警信号。

更具体的，该实时预警信号包括不同等级的预警信号，若实时安全系数fosins值低于1.0时，则向监测终端发出一级预警信号，如红色预警；若实时安全系数fosins值处于1.0至fos-2δf范围值时，则向监测终端发出二级预警信号，如橙色预警；若实时安全系数fosins值处于fos-2δf至fos-δf范围值时，则向监测终端发出三级预警信号，如黄色预警；若实时安全系数fosins值处于fos-δf至fos范围值时，则向监测终端发出四级预警信号，如蓝色预警，其中，

当然，还可以根据实际情况设置更为精细的预警等级，以及不同等级的不同颜色信号。

基于上述边坡实时承载力极限监测方法，本发明边坡实时承载力极限监测系统，包括：

监测数学模型建立模块，该模块用于根据场地环境、地形地貌、场地结构检测结果和监测区域历史情况调查结果，以及确定的监测方案，建立客观准确的监测数学模型，为后续数据分析和结果评估提供科学合理的依据。

传感器组，包括根据监测方案布置在各监测点处的多种iot传感器，各iot传感器用于监测地下水位、承受荷载、建筑物或边坡标高及沉降、房屋倾斜角度等数据。并且各iot传感器与云服务器连接。

云服务器，用于收集所述传感器组中各传感器采集的监测数据，存储并结合所述监测数学模型对监测数据进行实时分析，得出实时安全系数fosins，再根据得出的实时安全系数fosins值的大小以及其与设计安全系数fos值的比较结果，向监测终端发出不同等级的实时预警信号。

监测终端，用于与所述云服务器连接，接收监测数据和预警信号，所述监测终端包括手机端app、pc端和监测区域现场报警单元中的一种或多种。

还包括为上述传感器组和监测区域现场报警单元提供电能的太阳能电池模块，为监测区域实时采集数据提供可靠保障。

地质灾害防治事关人民群众的生命财产安全，事关重大建设项目建设成效，要全面落实地质灾害防治和各项制度和措施。本发明uls监测方法可以最大限度地减少人员伤亡和财产损失，科学规划地质灾害防治工作，加强地质灾害的防治与管理，避免和减少地质灾害给人民生命和财产造成的损失，区别于传统监测。本方法大大提高了读数频率，并减少了人工输出的错误，提高了安全保障和有效的撤离时间，对维护社会稳定，保障生态环境、促进国民经济和社会可持续发展具有重要的意义。

以上所述，仅是本发明的较佳实施例而已，并非对本发明作任何形式上的限制，本领域技术人员利用上述揭示的技术内容做出些许简单修改、等同变化或修饰，均落在本发明的保护范围内。