基于北斗和物联网智能传感的大坝安全监测方法

摘 要：为了提高大坝安全监测的准确性，本文研究一种基于北斗和物联网智能传感的大坝安全监测方法。该方法设计了以北斗和物联网智能传感为基础的大坝自动化在线监测系统架构，根据系统架构设计了大坝自动化在线监测系统模块。在完成大坝安全监测系统设计后，引入北斗技术，通过该技术进行大坝定位，将定位数据与物联网智能传感数据进行融合，基于融合的数据构建大坝安全风险预测方法，进行大坝安全监测。试验结果表明，该方法的安全监测准确率较高，能有效监测出大坝变形量，可应用于大坝安全监测，为大坝提供安全保障。

关键词：北斗定位；物联网智能传感；大坝监测

中图分类号：TV 699 " " " " 文献标志码：A

为了预防大坝监测时产生的多种问题，曾有学者提出多种方法。基于光学监测的安全监测方法能够实时监测大坝的表面变形和内部结构变化，但容易受天气和环境因素影响。基于地质勘探的安全监测方法能够获取大坝周围的地质信息和地下水情况，但地质勘探方法需要较长的勘探时间和周期，对一些紧急情况无法及时响应。因此，基于北斗和物联网智能传感的大坝安全监测方法应运而生，该方法利用北斗卫星导航系统和物联网智能传感技术，对大坝安全进行自动化在线监测。

1 大坝自动化在线监测系统架构设计

系统基于B/S架构，以分布式架构为主，根据监测点规模水平扩展计算资源。建立的大坝安全在线监测系统可采集并管理监测数据、进行数据信息展示、预警信息接收并进行监测设备管理等[1]。在线监测系统架构如图1所示。

图1直观地呈现了系统的整体结构和运作流程，明确标出了各组成部分及其相互关系。为确保简图的清晰度，采用简洁的线条和图形，以满足设计细节需求。设计细节包括以下2点。1）数据采集。从大坝的各种传感器中实时获取各种数据，如水位、流速、压力和温度等。设计时需要考虑传感器的类型、数量、分布位置以及数据采集的频率。2）数据处理。对采集的原始数据进行预处理、分析和处理。预处理包括数据清洗、格式转换等，分析包括对数据的统计、计算和模式识别等。根据上述，完成大坝自动化在线监测系统的架构设计。

2 大坝自动化在线监测系统模块构建

本文监测系统在线监测模块在线监测模块主要包括如图2所示的内容。

在线监测系统模块对安放在目标设施或自然物体上的几十个GNSS接收机进行实时三维位置解算，并达到毫米级精度。由北斗进行大坝沉降定位，获得每个监测点的原始实时数据，将定位数据与物联网智能传感数据进行融合并进行大坝安全风险预测[2]。

2.1 基于北斗技术的大坝定位

在坝体的表面变形中设置纵向和横向位移观测，监测断面不少于3条，纵断面不少于4条，在纵、横向2个监测断面的交叉点上设置监测点，并由校核基点、工作基点和其他网格点构成监测网。同时进行北斗基线解算，并定位大坝。北斗基线解算流程如图3所示。

在北斗基线解算流程中，本文提出一种基于高程角度加权的方法。利用不同北斗卫星间的相对位置角度差异进行定位，以高度角模型为随机模型，卫星的高度角度与大多数所接受的误差成反比[3]。技术细节包括以下4点。1）北斗定位模块。选用兼容北斗卫星系统的定位模块，能够接收北斗信号并计算出大坝的位置信息。2）数据采集模块。用于采集大坝相关数据，如水位、位移和倾斜等。3）数据传输模块。将采集的数据和位置信息传输至数据中心。4）数据传输与处理。使用GPRS或4G网络将数据传输至数据中心。数据中心接收数据后进行解析、处理和存储，并生成相应的监测报告。5）系统集成与功能扩展。将北斗定位模块、数据采集模块和数据传输模块集成到智能终端中，对大坝进行实时监测。

每个非差观察值的方差由正弦函数计算，如公式（1）所示。

（1）

式中：δi2表示北斗卫星i的原始观测值中误差；Ei表示北斗卫星i的高度角。

但卫星的高度角低于一定数值时，观察质量降低，因此通过高度角模型改进的公式如公式（2）所示。

（2）

式中：σ为高度角系数。

基于上述公式，在高度角改进模型与北斗卫星高度角间建立联系，反映各观测值的不同权重，从而反映不同的大坝特征，实现大坝定位。定位公式如公式（3）所示。

A=XEi+δi2（Ei） （3）

式中：X为线性回归模型中的设计矩阵。

2.2 定位数据和物联网智能传感数据融合

物联网智能传感器可对环境参数进行实时采集，如温度、湿度和气压等。将上文获取的定位数据和物联网智能传感数据进行融合，精准表征大坝变形情况。由于不同的数据源可能使用不同的数据格式和协议，为了使这些数据能够在统一的平台上进行融合，需要对这些数据进行格式转换。因此，为了进行数据融合，要将这些数据转换为更通用的JSON格式。同样，物联网智能传感数据也需要转换为传感器简单服务发现协议（SSDP）数据格式[4]，设置该数据为B。

进行格式转换后，开始实施数据融合。融合定位数据和物联网智能传感数据时，需要根据具体的应用场景和需求，选择加权平均法融合数据，如公式（4）所示。

（4）

式中：W是融合后的数据；W1，W2，...，Wn是各数据源的权重；x1，x2，...，xn是各数据源的数据。

2.3 大坝安全风险预测

在水位、气温等多个不确定因素作用下，坝体将产生不可解释的非线性变形。因此建立基于Logistic的预测模型来预测大坝安全风险。Logistic曲线预测模型如公式（5）所示。

（5）

式中：N（t）是坝体在t时刻的风险预测值；a和r是待定系数；K是理论上的风险预测最大值[5]。

将公式（5）转换成公式（6）。

（6）

采用三点计算法求方程中的参数K，最后可得公式（7）。

（7）

将公式进行转换，确定待定系数a和r，如公式（8）所示。

a'=（tT·t）-1·tT·Y（t），取第一个元素

r'=（tT·t）-1·tT·Y（t），取第二个元素 （8）

将新得到的待定系数代入公式（5），得出大坝安全风险预测[6]，如公式（9）所示。

（9）

3 试验

3.1 试验环境

某电站位于某溪中游，坝址以上雨水收集面积为392km²，水库正常水位为160.0m，对应库容为7760万m³，死水位为120.0m³，调节库容为5800万m³，库容系数为0.17，属年调节水库，电站装机20MW，保证出力为2830kW，设计年发电量为5860万kW·h，是一项集发电、灌溉和防洪于一体的大型综合水利枢纽。

在拱坝工程加固后蓄水过程中应加强观测，同时需要收集前期安全监测资料，以便及时掌握大坝变形动态，发现问题及时处理。结合目前该溪监测情况，需要对大坝外部监测系统进行科技改造。

3.2 试验结果与分析

此次为了保证数据的准确性和监测点位坐标的准确性，选择测点时应考虑断面型式相近，测点埋设布置也相同，尽量考虑相邻的测点，距离不应过大，以水平位移为安全监测指标，试验结果见表1。

将本文方法与其他安全监测方法进行对比试验，对大坝的水平位移进行监测。从表1中的准确率可看出，基于北斗和物联网智能传感的安全监测方法的准确率较高，均在90%以上。表明该方法能够更准确地监测大坝的状态变化和安全状况，及时发现并解决潜在的安全隐患。相比下，基于光学监测的安全监测方法和基于地质勘探的安全监测方法的准确率略低一些。因此，基于北斗和物联网智能传感的安全监测方法具有较高的实用性和推广价值。

4 结语

本文基于北斗和物联网智能传感的大坝安全监测方法的研究不仅能提高大坝安全监测的效率和准确性，同时也为大坝的安全运行提供了保障。该方法通过将北斗卫星导航系统和物联网智能传感技术相结合，实现了大坝安全的自动化在线监测。本文研究旨在为大坝安全监测提供一种更先进、可靠的方法，同时也能促进北斗卫星导航系统和物联网智能传感技术在水利工程领域的推广和应用。

参考文献

[1]陈元福.水库大坝安全监测技术标准相关问题探析[J].大众标准化，2023，12（8）：36-37，40.

[2]马昆，周子健，朱攀峰.基于北斗定位技术的铁路基础设施监测系统设计与应用[J].铁路计算机应用，2023，32（1）：40-45.

[3]李秀文，王建，赵向波，等.大坝安全监测系统研究应用及智慧化提升[J].中国防汛抗旱，2022，32（12）：53-57.

[4]吴剑.探讨铸造工厂物联网与智能传感技术的应用方案[J].铸造设备与工艺，2022，12（1）：48-51.

[5]黄跃文，牛广利，李端有，等.大坝安全监测智能感知与智慧管理技术研究及应用[J].长江科学院院报，2021，38（10）：180-185，198.

[6]江超，肖传成.我国水库大坝安全监测现状深度剖析与对策研究[J].水利水运工程学报，2021，34（6）：97-102.