基於綜合敏感事件驅動的無線監測網絡動態同步採集方法與流程
2024-01-24 11:15:15
本發明涉及一種滑坡數據採集方法,尤其涉及一種基於綜合敏感事件驅動的無線監測網絡動態同步採集方法。
背景技術:
我國幅員遼闊,是一個地質災害頻發的國家,大量的地質災害對人民群眾的生命財產安全都有極大的危害。在各類地質災害中,滑坡災害佔比最大,所以對滑坡的監測是十分必要的。滑坡體在發生滑坡之前往往會有一下預兆,包括:地下水位變化、降雨量變化、地表裂縫變化和深部位移變化等;使用相應傳感器對以上數據進行採集並在採集站中進行風險判斷,以確定是否需要上傳數據。傳統的監測算法是定時對系統各模塊上電,採集各傳感器參數並與每個模塊自己的閾值進行對比,若超過閾值則喚醒GSM模塊上傳所有數據。此控制算法實現較為容易,但各模塊頻繁上電,系統功耗較高。
目前採集站與各傳感器模塊主要採用有線(如RS485總線等)方式通信,此類方式在軟體程序設計上相對容易,但是在實際布設傳感器時受地形影響較大,而無線網絡能較好的解決此問題。傳統的無線通信方式的時間同步精度較為困難,難以滿足需求。本發明基於超低功耗的ZigBee協議組建無線傳輸網絡,使用RBS同步算法可以解決時間同步問題。
技術實現要素:
本發明的目發明的就在於提供一種解決上述問題,傳感器布設容易,可根據監控區域實際情況布設傳感器,且能對採集單元的採集周期進行動態調整,儘可能降低功耗的基於綜合敏感事件驅動的無線監測網絡動態同步採集方法。
為了實現上述目的,本發明採用的技術方案是這樣的:一種基於綜合敏感事件驅動的無線監測網絡動態同步採集方法,包括以下步驟,
(1)建立監測系統,所述監測系統包括採集單元、採集站和監控終端,所述採集單元包括數個位移傳感器、數個傾角傳感器、一水位傳感器、一區間雨量傳感器,所有傳感器均通過ZigBee接口與採集站連接,所述採集站獲取通過ZigBee網絡與各傳感器通信,並通過GSM模塊將與監控終端通信;
(2)在監測地安裝檢測系統,所述監測地至少包括一條地裂縫和一連通地下水的監測井,根據地裂縫的長度在裂縫兩端安裝一個或多個地裂縫傳感器,所述傾角傳感器均由同一方向等間距固定於一鋼纜上,且鋼纜豎直插入固定在監測井內底部,所述水位傳感器設置與監測井中,區間雨量傳感器設置在監測地的最高點;
(3)啟動監測系統,讀取各傳感器採集到的首次數據,其中,區間雨量傳感器的數據為X1,所有地表裂縫傳感器數據的最大值為X2,水位傳感器的數據為X3,所有傾角傳感器的角度數據擬合計算的位移量為X4,
為X1、X2、X3、X4分別分配首次的比例係數a、b、c、d,其中a最大,且各比例係數之和為1;
(4)設置一判決參數F, F採用下式(1)所得,
F=aX1 +bX2+cX3+dX4 (1),
根據監測地歷史數據設置一F的閾值,當F小於閾值時,系統不上傳滑坡體信息;當F大於等於閾值,則喚醒GSM模塊上傳數據,上傳完成後再關閉其電源。
作為優選:傾角傳感器的角度數據擬合計算的位移量為X4的方法為:
(1)設相鄰兩傾角傳感器的間距為L,以最下方傾角傳感器為參考節點,獲取每個傾角傳感器的傾斜角θ,得到該傾角傳感器相對上一個傾角傳感器的相對位移;
(2)將每個傾角傳感器的位移與前序所有傾角傳感器的相對位移累加,得到每個傾角傳感器的位移;
(3)用最小二乘法對所有位移進行擬合,擬合後曲線最大值與最小值之差即為滑坡體的位移量X4。
作為優選:將位移傳感器、傾角傳感器、水位傳感器、區間雨量傳感器按類型分組,每組設一相同閾值,若該組中至少一個數據超閾值,則增大與傳感器對應的比例係數,並保證各比例係數之和為1,若四組數據都超閾值,則保持各比例係數不變。
作為優選:所述監測井底部達到穩定的土巖層。
其中,位移傳感器為多個,實際個數根據地裂縫的個數和長短設置,如一條長的地裂縫兩側可以均勻設置多個位移傳感器,主要用於監測滑坡體的地表位裂縫數據;
傾角傳感器為多個,實際個數根據監測井的深度設置,最下面的一個固定在監測井底部部達到穩定的土(巖)層,默認其固定不會發生滑動,作為其餘傾角傳感器的參考節點,而在實際應用中可以通過該傾角傳感器數據判斷該節點是否滑動。傾角傳感器用於監測滑坡體的傾角數據;
區間雨量傳感器為一個,用於監測滑坡體區域降水量,而一般情況下,默認降雨量對地質災害如滑坡、泥石流等的影響最大,所以對應它的比例係數,一般按最高分配;
地下水位傳感器,設置在監測井中,用於監測滑坡體區域降地下水位,當然監測區域中的深井可以為多個,和傾角傳感器和地下水位傳感器不必一定要在同一個井中。
與現有技術相比,本發明的優點在於:
1、功耗低、傳感器布設容易。裝置中每個傳感器與採集站在硬體上完全獨立,均只通過ZigBee無線網絡通信,並基於事件驅動的採集周期和權重動態調整的方法,調度各模塊採集和上傳,方便系統布線。
2、採集站採集各傳感器的數據,根據傳感器事件對滑坡的影響程度,分配各傳感器上電採集時間,並對各傳感器數據進行加權求和,當和值超過閾值時,認定為發生敏感事件,喚醒GSM模塊上傳數據。使用敏感事件驅動的方法,對每個模塊採集周期進行動態調整,可以達到降低功耗的要求。
附圖說明
圖1為本發明監測系統的原理圖;
圖2為兩個相鄰傾角傳感器的位置關係圖。
具體實施方式
下面將結合附圖對本發明作進一步說明。
實施例1:參見圖1、圖2, 一種基於綜合敏感事件驅動的無線監測網絡動態同步採集方法,包括以下步驟:
(1)建立監測系統,所述監測系統包括採集單元、採集站和監控終端,所述採集單元包括數個位移傳感器、數個傾角傳感器、一水位傳感器、一區間雨量傳感器,所有傳感器均通過ZigBee接口與採集站連接,所述採集站獲取通過ZigBee網絡與各傳感器通信,並通過GSM模塊將與監控終端通信;
(2)在監測地安裝檢測系統,所述監測地至少包括一條地裂縫和一連通地下水的監測井,根據地裂縫的長度在裂縫兩端安裝一個或多個地裂縫傳感器,所述傾角傳感器均由同一方向等間距固定於一鋼纜上,且鋼纜豎直插入固定在監測井內底部,所述水位傳感器設置與監測井中,區間雨量傳感器為一個,設置在監測地的最高點,用於監測滑坡體區域降水量,而一般情況下,默認降雨量對地質災害如滑坡、泥石流等的影響最大,所以對應它的比例係數,一般按最高分配,地下水位傳感器為一個,設置在監測井中,用於監測滑坡體區域降地下水位,當然監測區域中的深井可以為多個,和傾角傳感器和地下水位傳感器不必一定要在同一個井中;
(3)啟動監測系統,讀取各傳感器採集到的首次數據,其中,區間雨量傳感器的數據為X1,所有地表裂縫傳感器數據的最大值為X2,水位傳感器的數據為X3,所有傾角傳感器的角度數據擬合計算的位移量為X4;
為X1、X2、X3、X4分別分配首次的比例係數a、b、c、d,其中a最大,且各比例係數之和為1;
(4)設置一判決參數F, F採用下式(1)所得,
F=aX1 +bX2+cX3+dX4 (1),
根據監測地歷史數據設置一F的閾值,當F小於閾值時,系統不上傳滑坡體信息;當F大於等於閾值,則喚醒GSM模塊上傳數據,上傳完成後再關閉其電源;
(5)將位移傳感器、傾角傳感器、水位傳感器、區間雨量傳感器按類型分組,每組設一相同閾值,若該組中至少一個數據超閾值,則增大與傳感器對應的比例係數,並保證各比例係數之和為1,若四組數據都超閾值,則保持各比例係數不變,根據改變後的數據計算F值;當F大於等於閾值,則喚醒GSM模塊上傳數據,上傳完成後再關閉其電源。
一般情況下:由於雨量對地質災害的影響最大,在首次設置比例係數的時候,我們可以將與區間雨量傳感器數據X1對應的比例係數a設置為大於等於0.5,其餘比例係數再均勻分布,或根據監測地實際影響地質的參數比例,調整比例係數的大小,例如根據地質勘測,當地對地質影響的關係,裂縫數據>水位數據>傾角數據,則調整比例係數a>b>c>d,且四個比例係數之和為1;
而關於判決參數F的閾值,可以根據監測地和X1、X2、X3、X4有關的歷史數據來擬定,也可以根據實際經驗來設置。
另外,關於X4的計算方法:由於監測井底部達到穩定的土巖層,最下方的傾角傳感器理論上不會發生滑動,可以認為底部的傾角傳感器節點是固定的,可以作為參考節點,在實際應用中可以通過傾角傳感器數據判斷該節點是否滑動。本實施例中,傾角傳感器的角度數據擬合計算的位移量為X4的方法為:
(1)設相鄰兩傾角傳感器的間距為L,以最下方傾角傳感器為參考節點,獲取每個傾角傳感器的傾斜角θ,得到該傾角傳感器相對上一個傾角傳感器的相對位移;
(2)將每個傾角傳感器的位移與前序所有傾角傳感器的相對位移累加,得到每個傾角傳感器的位移;
(3)用最小二乘法對所有位移進行擬合,擬合後曲線最大值與最小值之差即為滑坡體的位移量X4。
本發明為F設置了閾值,當監測到的數據計算得出的F值超閾值,才認定為發生敏感事件,喚醒GSM模塊上傳數據。使用敏感事件驅動的方法,對每個模塊採集周期進行動態調整,可以達到降低功耗的要求。
但本發明中,比例係數實際上不是固定不變的,否則敏感度較低,我們還為各傳感器設置了閾值,並根據閾值動態調整各比例係數的值,使F值根據實際情況發生動態變化,進一步降低了功耗,還保證了上傳數據的精確度。