GPS变形监测-原理与方法王新洲.ppt

《GPS变形监测-原理与方法王新洲.ppt》由会员分享，可在线阅读，更多相关《GPS变形监测-原理与方法王新洲.ppt（70页珍藏版）》请在三一办公上搜索。

1、武汉大学灾害监测与防治研究中心,武汉大学灾害监测与防治研究中心,王新洲 教授,GPS变形监测-基本原理与方法,武汉大学灾害监测与防治研究中心,内容提要一、变形监测的意义二、变形监测的方法三、变形监测的要求四、GPS变形监测的几种模式五、GPS天线阵列变形系统,武汉大学灾害监测与防治研究中心,一、变形监测的意义1、保证建筑物的安全运营 建筑物一旦发生事故，将给国家带来巨大的经济损失，甚至危及人民的生命，其后果是不堪设想的。如：法国的马尔巴塞大坝，由于运行期间没有设置观测仪器，对建筑物缺乏定期而系统的检查观测，未能及时通过观测等手段掌握大坝破坏前的变形情况，作出有效的补救措施，导致岸坡局部变形和滑

2、坡，造成兵营500多名士兵全部死亡、费雷茄斯城变成了废墟，给人民生命和财产带来巨大损害。,武汉大学灾害监测与防治研究中心,一、变形监测的意义2、变形监测是落实防灾减灾战略的根本保证 通过变形监测，可发现建筑物变形规律，从而预报灾害的发生时间，让人们提前做好灾害预防工作，达到减灾的目的。例如，1962年我国梅山连拱坝右岸山坡漏水严重，经观测13#坝垛向左岸倾斜达57.2MM，向下游移动9.4MM，经分析并在垂线仪监测下放空水库进行加固处理，避免了大事故的发生。又如1985年6月12日凌晨，中国长江西陵峡北岸的湖北秭归县新滩镇，山崖裂缝四起，热气直冒，一声巨响，地动山摇，07平方公里崖坡整体滑动，

3、将新滩镇从地图上抹掉!滑坡总体积3000万立方米，大部分滞留在江岸阶地，200万立方米倾入长江，在80米长的河床上垫高17米，掀起36米高的涌浪，将对岸的石砌仓库卷入江中；江水向上回流13公里，向下27公里仍有1米高巨浪，致使13艘机动船、64艘木船沉没或损坏，船工死亡10人、伤8人。新滩镇1569间房屋全部甩入江1300多名居民除一位老人不肯定以外都已提前撤出。早从1974年开始，科研人员即对新滩进行考察，1982年出现地裂后加强监测，1985年6月9日发出准确预报，10日全镇居民撤离。,武汉大学灾害监测与防治研究中心,二、变形监测的方法1、利用经纬仪监测水平位移2、利用水准仪监测垂直位移3

4、、利用激光准直仪监测水平位移4、利用引张线监测水平位移5、利用各种传感器监测位移6、利用正锤线监测扰度 7、利用倒锤线提供点位基准8、利用近景摄影测量的方法监测三维位移9、利用测量机器人监测三维位移10、利用三维激光扫描技术监测三维位移11、利用GPS监测三维位移,武汉大学灾害监测与防治研究中心,三、变形监测的要求1、时间域上，要求监测要连续，处理要实时2、空间域上，监测点应有足够的密度3、不受气候的影响，应能保证全天候监测4、应有足够的精度，保证能区分变形和误差5、应能远程控制，不必经常到监测现场6、应能作到监测、处理、分析、预报一体化、自动化 根据上述要求，一般只有GPS监测能全部满足。,

5、武汉大学灾害监测与防治研究中心,四、GPS变形监测的几种模式1、几种模式普通模式:只用几台GPS接收机，人工定期逐点采集数据，通过后处理获得各期之间的变形。这种模式的GPS安全监测模式属于常规模式，例如云阳宝塔的GPS变形监测就属于这种模式。隔河岩模式:每个监测点上都安置一台GPS接收机，实现全天候、全自动化监测、处理和分析 RTK模式:采用GPS RTK技术,该模式一般难以达到3mm的监测精度建议不用这种方式进行变形监测,武汉大学灾害监测与防治研究中心,四、GPS变形监测的几种模式,宝塔滑坡监测点,武汉大学灾害监测与防治研究中心,四、GPS变形监测的几种模式,隔河岩大坝自动监测系统,武汉大学

6、灾害监测与防治研究中心,四、GPS变形监测的几种模式2、各种模式的优缺点 普通模式的优点是简单、经济、成本低，GPS接收机可以与其他工程共享。其缺点是不能实现自动化，不能实现连续监测。隔河岩模式模式的优点是能自动连续地监测大坝变形。其缺点是成本很高。尤其是当监测点很多时，造价十分昂贵。RTK模式不适合变形监测。考虑到上述模式的优缺点，迫切需要发展一种具备以上各种模式之优点的新的GPS监测模式。下面即将介绍的我们的研究成果就是这样一种兼有各种模式之优点的新的GPS监测模式。,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统 为了克服上述各种模式中各自的缺点，发挥各自的优点，我们研制成功

7、了GPS多天线共享器。用该多天线共享器建立的GPS监测系统在每个监测点上只需安装天线，不需安装GPS接收机，即一台接收机控制多个天线。从而大幅度降低监测系统的成本。这样的变形监测系统称为GPS天线阵列变形监测系统。该系统的造价仅为“隔河岩大坝GPS自动监测系统”的1/3，可节省2/3的建设费用。,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统1、GPS天线阵列变形监测系统的工作原理,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统2、GPS天线阵列变形监测系统的组成本系统由下列设备组成：GPS接收机GPS多路天线共享器GPS信号放大器无线通信设备计算机网络系统控制与数据处

8、理软件网络数据库变形分析与预报软件,武汉大学灾害监测与防治研究中心,3、GPS天线阵列灾害监测系统(已获专利),特点:实时监测、自动传输、远程处理、成本低廉,五、GPS天线阵列变形系统,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术硬件 第一代产品 多路GPS天线共享器,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术硬件 第一代产品 GPS信号放大器,我中心研制的另一关键器件GPS信号放大器,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术硬

9、件 第二代产品 GPS多天线接收机,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术硬件 第二代产品 GPS信号放大器,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件界面,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,(1)数据采集 数据采集模块主要负责将基准点和监测点的数据接收到计算机上，在数据接收的过程中，不需要在GPS接收机上进行记录，所有数据自动记录到计算机上，同时进行解码，生成Rinex文件，供后面的数据处

10、理使用，在主控制程序中点击 按扭即可启动数据采集程序，程序界面如右所示：,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,串口配置 在数据采集程序中可以进行串口的配置，配置面板如下所示，配置好后即可点击开始测量按扭进行测量，在测量的过程中，系统会提示观测年月、观测时间、GPS周、GPS秒、卫星数、观测历元数等信息。,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,相关信息 系统还提供一些相关的信息，如卫星钟参数，观测站信息、日志信息、卫星视图等，如下图：,武汉大学

11、灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,(2)数据处理 基线解算 在主控制程序中点击 按扭，出现 菜单，选择基线处理将出现如下所示的面板，首先选择各个数据文件，然后点击基线处理按扭即可调用基线解算模块进行处理，操作界面如下：,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,平差计算 在总控制面板中用鼠标左键单击 按扭，出现 菜单。选择平差计算即可出现平差计算面板：,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软

12、件 软件功能,（3）数据库管理 观测值数据库管理,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,（3）数据库管理 平差结果的数据库管理,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,（4）成果报表 在主控制程序中点击按扭 即可自动启动成果报表程序，根据数据库中的数据自动生成变形量统计表，表格如下所示：,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,（5）形变预报 形变预报是根据数据库中已有的观

13、测数据，对未来的变形趋势进行预报，预报的模型比较多，如多元线性回归、灰色理论、神经网络等。预报模块的操作界面如下：,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术软件 软件功能,（6）变形矢量图 变形矢量图模块具有显示基准点和监测点点位、显示各个监测点的平面和高程方向的位移过程情况等图形，并具有一些基本的图形放大、缩小、平移、查询、打印预览和打印等功能。系统的界面如下：,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术通信及远程控制Nport 5200系列串口设备服务器,Nport 5200系

14、列串口设备服务器是为工业串口设备连接到局域网或因特网上而设计的。它使得RS-232或RS-422/RS485串口设备，比如PLC，传感器和GPS终端等可以轻易的通过一个以太网接口连接到网络上面，使您的原有读取PLC、传感器和GPS终端数据的软件不需要做任何修改就可以继续使用，无论您距离您的PLC、传感器和GPS终端有多远，您的计算机只要在网络上面就可以运行您的软件进行读取。,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术通信及远程控制无线通讯,采用OR Manager专用软件来设置、管理和监测无线通讯状况。,OR Manager专用软件界面,

15、武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术通信及远程控制远程管理,本系统采用网络数据库管理技术，实现系统的远程操作、数据的远程处理。,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术相关理论与算法DC算法,随着研究的深入，本人提出了一种全新的单历元解算法。该算法的核心是利用变形监测的特点和已有信息，提出了一种既准确又快速的整周模糊度解算方法DC算法。该方法不需要组成和解算法方程，更不需要搜索和确认，而是直接计算整周模糊度。DC算法的基本原理 如图，双差后有：两式求差，得：令：,武汉大学灾害

16、监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术相关理论与算法DC算法,则可以解出双差整周模糊度：,当已知卫星的位置和监测点的位置时，由该式可直接计算出的整周模糊度的浮点解。如此计算时，监测点的变形量对整周模糊度的影响有多大，在变形多大的时候才可以直接采用这种方法来解算呢？,经推导，应用协方差传播律得：,若要求,武汉大学灾害监测与防治研究中心,。,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术相关理论与算法DC算法,即当=0.1648m时，位移对整周模糊度的影响小于等于半周。这种利用监测点的位移为约束条件直接解算单历元变形量的方法就称为

17、DC算法。,位移小于0.1648m时整周模糊度的解算结果 采用TRIMBLE 5700接收机采集实测GPS数据,采样率为15秒，采集时间为2个小时，组成5个卫星对，以4号星为参考星，分别按DC算法和一般的单历元解算方法解算了卫星对4-7、4-8、4-11、4-20、4-28的L1波段50个历元的整周模糊度。,武汉大学灾害监测与防治研究中心,计算结果比较,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术相关理论与算法DC算法,武汉大学灾害监测与防治研究中心,。,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术相关理论与算法DC算法,左图是卫星对4-28的双差模

18、糊度实数解，正确的周数为12周，当位移从0cm变化到16cm时，双差整周模糊度的变化也越来越大，但与真实的双差整周模糊度之间的差值始终小于0.5周。,武汉大学灾害监测与防治研究中心,五、GPS天线阵列变形系统4、GPS天线阵列变形监测系统的核心技术相关理论与算法DC算法,当位移从16cm变化到60cm时，当位移为60cm时，浮点解与真实的双差整周模糊度的差值达到2周。,武汉大学灾害监测与防治研究中心,位移量大于0.1648m时整周模糊度的解算方法 由上图知，当监测点的位移大于0.1648m时，直接解算L1载波的整周模糊度是不准确的，而在实际工作中，存在位移量大于0.1648m的情况，如悬索桥的

19、位移往往大于0.5m。在这种情况下，我们又导出了组合求解的方法。当位移值大到0.7m时，如果还希望对整周模糊度的影响小于等于半周，并应用DC算法计算整周模糊度，则载波相位的波长应为：m 因为不同的载波相位组合观测值,可以认为是不同波长和精度的载波相位观测值。设和为一理想卫星发射的双频相位观测值，则它们组合的观测值：适当选取n和m，可以保证组合载波的波长大于等于0.8083m。于是可应用DC算法计算组合载波的整周模糊度，使位移值对组合载波的整周模糊度的影响小于等于半周。如此解出的组合载波的整周模糊度虽然比较准确，但不是我们所需要的最终结果。我们所需要的最终结果是 和 的整周模糊度 和。为了解决这

20、个问题，我们再找一个波长大于0.8083m以上的载波相位组合观测值，并应用DC算法解得此组合的整周模糊度。,武汉大学灾害监测与防治研究中心,解出 和 后，由下列二元一次方程可解出 和确定、的条件 二元一次方程的解为 由上式知，当且仅当 或才能保证 和 为整数。,武汉大学灾害监测与防治研究中心,于是，可得到确定、的条件为：由上式就可确定、。显然，上式的解不惟一。考虑到组合观测值的波长越长噪声越大，我们确定采用宽巷和超宽巷观测值，即 代入以上条件，得 满足以上条件。,武汉大学灾害监测与防治研究中心,算例分析 采用Trimble 5700接收机采集实测GPS数据，采样率为15秒，采集时间为2个小时，

21、通过TGO1.5计算已知点的坐标为(-2794583.3077，4649775.1620，3342969.6442)，(-2793370.6767，4649979.2830，3343690.6012)，基线长1425.4537m。将已知坐标进行变化，分别使位移为30cm，35cm，40cm，45cm，50cm，55cm，60cm，组成4个卫星对，以4号星为参考星，使其和观测卫星所构成的PDOP等于最小，按DC算法解算大变形的方法算得的卫星对4-7、4-8、4-11、4-20、4-28的L1，L2波段的整周模糊度列于表1，表2列出了用DC算法单历元解算的在XYZ三个方向上的变形量平均值。,武汉大

22、学灾害监测与防治研究中心,表1 DC算法算得的整周模糊度,武汉大学灾害监测与防治研究中心,表2 DC算法单历元解算的变形量与实际变形量比较,武汉大学灾害监测与防治研究中心,用组合宽巷解算整周模糊度，本文设计了10个试验，位移量由小到大逐渐进行变化，然后用DC组合宽巷法单历元进行解算。由表1可以看出在变形量小于0.7m以内，由DC组合宽巷法所解算出来的整周模糊度均为正确值。当单历元正确固定其整周模糊度后，用DC算法单历元解算的位移量的平均值在三个方向上与实际变形量最大差值仅在1.9mm，最小的差值在0.3mm，达到毫米级，表明该算法能达到很高的精度。DC算法不仅能很好地应用于GPS变形监测，快速

23、准确地确定出模糊度，获得高精度的变形量。而且可以应用于一般的GPS短基线定位问题，当近似坐标的精度不低于0.6m时，可用精确确定短基线得整周模糊度。特别是对周跳发生频繁的观测数据，采用DC算法处理具有明显的优势。,武汉大学灾害监测与防治研究中心,模糊神经网络神经网络和模糊逻辑 神经网络是建立在人类神经网络解剖的基础上的，它描述的是人类神经网络传递、处理信息的微观过程，并期望从这种微观过程来模仿人的智能，探索人的智慧形成和表现形式。模糊逻辑则基于人类模糊思维这一抽象机理，用人类的语言来表述问题。它描述的是与人类模糊思维方式方法相关的宏观过程，同时，期望在这个宏观过程中挖掘人的智能形态，模拟人的智

24、能作用，模糊数学为模糊逻辑的研究和开发提供了数学基础。神经网络的内部知识表达是不清楚的，但它具有学习能力。模糊逻辑虽然长于表达近似与定性知识，但通常又没有学习能力。由于神经网络的内部知识表达是不清楚，使得神经网络在每次学习时都只能从任意初始条件开始，不能利用必要的初始经验和知识，收敛速度慢，易于陷入局部极值。相反，由于模糊逻辑缺乏学习能力，则只能主观地依赖先验知识确定隶属函数和模糊规则，不能根据积累的经验自动改善模糊系统的性能。因此，神经网络与模糊逻辑的结合就显得非常必要。,武汉大学灾害监测与防治研究中心,模糊推理神经网络结构 模糊推理神经网络以下列模糊规则为基础：由此设计出如下图所示多输入多

25、输出（MIMO）结构的模糊推理神经网络。,武汉大学灾害监测与防治研究中心,大坝变形预报实例 根据收集整理东江大坝安全监测的位移、气温、库水位等资料，以12个坝体垂线观测点的径切向位移序列为预报对象，共有时间范围从1999年1月至2003年12月期间245个周期的样本数据，在此基础上分别建立了统计模型和FNN模型。,武汉大学灾害监测与防治研究中心,由上表知，在预报精度上，FNN预报模型的RMS和MAE都比统计模型的相应误差要小；位移范围同样为-6,2，本文中的RMS为0.3814，低于文献4的0.5220。在迭代次数上，文献3中迭代次数一般为30007000次，文献4中迭代次数为5000次，而本

26、文中均未超过50次，远远低于参考文献3、4所建模型的迭代次数，优势明显。位移预报值与观测值对比情况和预报误差以L7H205L测点（如下图）为例说明之，其余测点相同。,武汉大学灾害监测与防治研究中心,支持向量机（SVMSupport Vector Machines）SVM是一种基于统计学习理论的模式识别方法，它是由Boser，Guyon，Vapnik在COLT（Computational Learning Theory）-92上首次提出，从此迅速的发展起来，现在已经在许多领域都取得了成功的应用。支持向量机的基本原理 支持向量机的目标是寻找一个超平面，使得它能够尽可能多的将两类数据点正确的分开，同

27、时使分开的两类数据点距离分类面最远。其解决方法是构造一个在约束条件下的优化问题，具体的说是一个受限二次规划问题(constrained quadratic programing)，求解该问题，得到分类器。,武汉大学灾害监测与防治研究中心,如下图，H为分类线，H1、H2分别为过各类中离分类线最近的样本且平行于分类线的直线，它们之间的距离叫做分离边缘。所谓最优分类线，就是要求分类线不但能将两类正确分开（训练错误率为0），而且使分离边缘最大。,武汉大学灾害监测与防治研究中心,如果所有数据点距离最优分类平面的距离都大于1，即可以实现正确分类，则对于数据(xi,yi)，满足下式 对于每一数据点，距离分类

28、平面的距离为：对于支持向量来说，上面不等号改为等号。则分离边缘为：,wTxi+b 1 if yi=1wTxi+b-1 if yi=-1,武汉大学灾害监测与防治研究中心,由于要求最佳分类平面的 最大，则问题可转化为：上式还可表达为：,寻找w 和b 使得：最大；并对所有数据点(xi,yi)有wTxi+b 1 if yi=1;wTxi+b-1 if yi=-1,Min wTw;St.yi(wTxi+b)1,武汉大学灾害监测与防治研究中心,当因噪声等原因，会出现分类错误。此时，引入松弛变量 i；从而可以实现有噪情况下的分类。,武汉大学灾害监测与防治研究中心,于是，原来的表达式：引入松弛变量后变为：参数

29、C用来调节正则化和经验风险部分之间的平衡，还可以看作是对错误分类点的惩罚参数。,Min wTw;St.yi(wTxi+b)1,Min wTw+Ci St.yi(wTxi+b)1-i i 0,武汉大学灾害监测与防治研究中心,引入Lagrange乘子得到Lagrange方程：该Lagrange方程的鞍点就是上面二次规划问题的解，转换为下面对偶问题：min st.,武汉大学灾害监测与防治研究中心,基于支持向量机的大坝变形预报模型的建立 基于支持向量机的大坝变形预报模型的建模过程如下：对训练样本数据和检验样本数据进行预处理；利用交叉验证法确定惩罚系数C 和核参数，并给定不敏感损失函数的允许误差；用预处

30、理过的训练样本建立对应的目标函数；利用序列最小优化算法进求解；将求解所得到的参数和代入到回归函数中去，并利用回归函数对预处理后的检验样本进行预测；对预测数据进行反预处理，得到最终的预测结果。,武汉大学灾害监测与防治研究中心,以东江大坝水平垂线位移观测数据为依据，测值样本取L3H291、L5H291、L7H291垂线测点径向位移1999年1月至2003年12月之间的数值，输入的个数为8个，即以前8次观测的位移作为自变量，第9次的观测位移作为因变量，以此类推。拟合或训练样本数150个，检验样本数为87个。以L3H291测点为例，对该测点的的245期变形观测数据进行建模分析。将87个检验样本输入到经

31、过学习的支持向量机中，进行预测效果检验。,武汉大学灾害监测与防治研究中心,测点L3H291观测值与预测值对比图与预测误差,武汉大学灾害监测与防治研究中心,测点L5H291观测值与预测值对比图与预测误差,武汉大学灾害监测与防治研究中心,测点L7H291观测值与预测值对比图与预测误差,武汉大学灾害监测与防治研究中心,四、GPS天线阵列的监测结果及精度 我们对云南漫湾大坝和滑坡的25期一个小时和70期二个小时的观测数据，应用我们的软件进行了处理，所有点的过程线如下图（上图为一个小时）。,武汉大学灾害监测与防治研究中心,武汉大学灾害监测与防治研究中心,武汉大学灾害监测与防治研究中心,武汉大学灾害监测与

32、防治研究中心,武汉大学灾害监测与防治研究中心,武汉大学灾害监测与防治研究中心,由上图知，各个方向的平均精度为：满足高精度变形监测的要求。,武汉大学灾害监测与防治研究中心,五、结论建议 1、GPS天线阵列变形监测系统，是集GPS、计算机网络、数据库、无线通信、变形分析与预报为一体的，经济实用的变形监测系统；2、该系统的核心技术，如GPS多天线接收机、整周模糊度的DC算法、变形预报的模糊神经网络法和支持向量机法等达到了国际先进水平。3、项目组研制的GPS多天线接收机，具有多种工作模式，价格低廉，既可以用于静态监测，也可以用于动态监测，还可以作一般接收机使用。4、欢迎各位以任何形式和我们合作，试用、推广该系统。,武汉大学灾害监测与防治研究中心,谢谢大家！,