基于BDS/GPS系统的某大坝实时监测与快速预警系统设计与开发*

李 威 闵从军 周 瑛 沈月千 令晓博 陈 林

(1.华东琅琊山抽水蓄能有限责任公司；2.河海大学地球科学与工程学院)

现阶段，我国已经进入世界水电建设大国的行列，是世界上大坝最多的国家。受到经济和技术条件的限制，很多大坝存在建设标准和施工标准低的问题，加之设计、施工、维护经验不足以及结构、运行环境等因素的复杂性，随着大坝运行时间推移、坝体老化，大坝安全运行受到了严重影响。目前，该类水电站大坝变形监测主要采用前方交会法、视准线法等传统技术方法[1]，该类方法存在工序繁琐、自动化程度低(通常大坝监测频率每月一次)、劳动强度大、人为因素误差较大、返工率高、内业数据处理复杂等不足，无法满足快速、实时监测大坝变形的要求。为此，本研究基于BDS/GPS卫星导航系统，对大坝实时监测与快速预警系统进行设计与开发。

1 系统工作原理及外部设计

基于BDS/GPS系统的大坝实时监测与快速预警系统的原理为常规的RTK定位技术[2-3]，其与传统RTK技术的区别在于，基准站的坐标已知且通过与周围CORS站进行联测更新，有效保证了在长期监测过程中基准的动态变化。该系统中，数据双向传输都是通过局域网WIFI技术实现，保证了数据传输的稳定性；将监测站获得的动态数据实时传递至远端服务器通过数据库进行存储，客户端监测软件通过数据库提取数据，经卡尔曼滤波处理，获得高精度的观测值；客户端监测软件根据用户需求生成相应的成果图；最后经过改进的BP神经网络模型，实现对大坝变形进行实时预测。

1.1 BDS/GPS接收机选取

BDS/GPS接收机模块选取最新天宝BD982定位模块。天宝BD982模块是一款高精度定位、定向的GNSS板卡，与Hemisphere公司的VECTOR板卡和NovAtel公司的(OEMV系列或OEM615、OEM628)Align技术相比具有更大的优势。与VECTOR板卡、BD982板卡相比，其定位精度更高；与Align技术相比，天宝BD982模块仅有一块板卡，而Align技术需要2块板卡，在可靠性和性价比方面天宝BD982模块更具有优势。天宝BD982模块的性能特点为：①单板双天线，可输出定位、定向数据；②支持多星座GNSS(BDS/GPS)另可升级到GALILEO功能，支持Omni STAR ；③灵活的RS232、USB网口和CAN接口。

1.2 系统供电设计

系统采用太阳能并联蓄电池的供电方式，即利用太阳能直接给监测系统供电，当遇到连续阴天气，太阳能供电不足时，可改由蓄电池为系统供电。系统供电稳定，是确保系统可靠运行的前提条件。考虑到整个系统的电流消耗和后续功能扩展的用电需求，系统的输出电流不宜小于3 A，经过挑选比对，选择NS公司的LMZ14203具备42 V最高输入电压的3ASIMPLE SWITCHER电源模块，该电源模块支持6～42 V输入电压和0.8～6 V输出电压，转换率达到90%。

1.3 基于WIFI技术的数据安全传输

系统通过WIFI技术构建大坝监测系统数据传输网络(图1)，旨在确保大坝变形监测数据得以被安全传输[4-5]。

图1 基于WiFi数据的传输网络

2 数据处理技术

系统的数据处理架构主要包括基于CORS站的大坝基准稳定性分析、基于卡尔曼滤波的数据处理技术和基于BP神经网络模型的大坝变形预测。

2.1 基于CORS站的大坝基准稳定性分析

按照传统的大坝变形监测方案，需要在监测区域构建一个监测基准网作为变形监测分析的基准。基准站接收机的天线位置受到不稳定因素(如参考站建设地点发生沉降、位移等)的影响时会发生微弱变化，从而影响到参考站点的稳定性[6]。为确保基准站提供的坐标基准准确无误并提高基准站站点的位置精度及可靠性，需要按照一定的周期将系统中的基准站与高精度已知点进行联测检查[6-7]。通过将基准点与周围CORS站建立联测控制网，来全方位、多系统地分析大坝变形监测基准点的稳定性。

2.2 数据处理方法

(1)基于卡尔曼滤波的大坝变形数据处理。卡尔曼滤波是一种具有无偏性的递推线性最小方差估计方法，即估计误差的均值或数学期望值为0。在计算方法上，卡尔曼滤波采用递推形式，即在t-1时刻估值的基础上，利用t时刻的观测值，递推得到t时刻的状态估值。卡尔曼滤波能有效消除噪声干扰，获得逼近真实情况的有用信息[8-9]。

(2)基于BP神经网络模型的大坝变形预测。目前，大坝变形监测预报分析方法主要有时间序列法、灰色系统理论、突变理论法、非线性动力学法等。由于坝体是一个开放的复杂系统，坝体失稳的地质过程、形成条件、诱发因素非常复杂，从而导致动态信息难以捕捉[10]。BP神经网络能学习和存贮大量的输入—输出模式映射关系，其学习规则为最速下降法，通过反向传播来不断调整网络的权值和阈值，使得网络的误差平方和达到最小[11-14]。因此，本研究采用BP神经网络模型来对大坝变形进行预测。

3 系统软件设计

3.1 软件平台需求分析

(1)将永久监测站传送的GNSS报文数据进行解析，解析出经纬度和大地高，通过卡尔曼滤波将坐标数据进行滤波改正，得到精确的三维坐标数据，并存储于数据库中。

(2)软件平台能够实时显示坝体各个监测点的三维坐标，能够实时绘制监测站点坐标变化折线图，并能够显示总体趋势生成报表，并存储于数据库中。

(3)软件平台能根据存储的各个监测站的坐标数据并通过采用BP神经网络模型进行站点坐标预测。

(4)允许客户端软件对数据库进行访问，并将实时监测数据、站点坐标变化图表以及站点变化的总体趋势报表发送给客户端软件。

(5)软件平台能够快速进行预警，在坝体各个监测站点位移超出一定的警戒值后，通过短消息、广播以及其他方式发送给相关部门和客户端软件。

3.2 数据中心软件平台设计

系统数据中心软件平台由服务器软件和客户端软件组成。服务器软件主要由软件加密、工程项目、网络通信、串口通信、图形分析、报表导出等模块组成(图2)。客户端软件主要功能为数据远程查询及管理、数据分析处理、报表导出、监测站点分析等，客户端软件各模块组成如图3所示。

图2 数据中心平台软件模块

图3 客户端各模块组成

4 系统性能分析

本研究将所开发的整套系统布设于大坝监测点上，通过1 s的采样时间间隔将监测站采集的数据传输回服务器数据库进行保存，客户端软件从数据库提取数据，经过处理后获得监测结果。某一监测点前500个历元的位移监测值如图4所示(数据获取开始时间为2016年12月28日凌晨0点00分)。由于抽水蓄能电站在夜晚会向水库里储水，而白天会将水库的水抽出用于发电，在蓄水—抽水过程中，大坝监测点位移会发生变化，X方向位移有一个变大回落的过程，Y方向位移则有一个减小至增大的过程，Z方向位移最为明显，由抬高至回落，图4监测数据有效反应了监测点3个方向的位移变化过程，可见本研究开发的软件系统可对大坝变形进行有效监测。

5 结 语

以国内某抽水蓄能电站大坝为例，基于BDS/GPS卫星导航系统，开发了大坝实时监测与快速预警系统，详细分析了系统软硬件设计思路及功能模块，试验表明，该系统可对大坝变形信息进行准确监测。结合BP神经网络模型可对大坝变形进行精确预测，从而实现对大坝变形的预警分析。

[1] 陈正威，崔秀伟，蒋 剑，等.测角前方交会法在坝顶水平位移监测中的应用——以阿海水电站为例[J].人民长江，2016(S)：167-169.

[2] 白立舜，张宏伟，聂敏莉.GPS PPK技术和GPS RTK技术在包头市第二次土地调查中的应用与对比分析[J].测绘通报，2013(7)：49-53.

[3] 李 黎 龙四春，张立亚，等.矿山变形监测中常规RTK精度提高方法研究[J].湖南科技大学学报(自然科学版)，2014(2)：18-21.

[4] 翁信人，朱明非，汪 维.基于GNSS/传感器铁道施工维护人员安全监测与预警系统的设计[J].测绘与地理空间信息，2016(11)：69-71.

[5] 李晓阳.WiFi技术及其应用与发展[J].信息技术，2012(2)：196-198.

[6] 丁 健.CORS系统稳定性与进度测试研究[D].合肥：合肥工业大学，2014.

[7] 李永泉.小波和Kalman滤波用于GPS数据去噪方法分析[J].交通科技与经济，2011，13(2)：111-114.

[8] 岳腾飞.基于卡尔曼滤波技术的GPS信号跟踪与多径估计算法研究[D].杭州：浙江理工大学，2015.

[9] 雷礼平.GPS动态卡尔曼滤波算法研究[D].成都：电子科技大学，2003.

[10] 李喜盼，刘新侠，张安兵，等.遗传神经网络在滑坡灾害预报中的应用研究[J].河北工程大学学报(自然科学版)，2009，26(1)：69-71.

[11] 高鹏毅.BP神经网络分类器优化技术研究[D].武汉：华中科技大学，2012.

[12] 刘彩红.BP神经网络学习算法的研究[D].重庆：重庆师范大学，2008.

[13] 毛文军.基于遗传BP神经网络模型的矿区开采沉陷预计[J].金属矿山，2016(2)：164-167.

[14] 陈海燕，戎晓力，林 阳.矿区开采沉陷预计的改进BP神经网络模型[J].金属矿山，2017(4)：119-122.

图4 不同时间段某监测点位移变化特征