裴孟德
上海建科檢驗有限公司 上海 201108
傳統沉降觀測,由專業測量人員逐站(逐點)觀測,雖然精度上滿足沉降觀測的要求,但仍然存在以下問題:①監測頻率低,做不到實時監測;②受人員通行限制、地形通視、氣候條件等影響,特定條件下存在人工沉降觀測無法實施的情況;③人工觀測效率低,人力成本較高。
在成本、精度、時效、可行性等方面,傳統的人工沉降觀測方法與新興的自動化沉降觀測手段相比逐漸失去優勢。采用自動化方法,或自動化與人工觀測相結合進行沉降觀測,已經成為一種趨勢。
鑒于傳統人工沉降觀測方法的一些不足,建立一套具有良好精度和時效性、合理成本的自動化沉降觀測系統,已顯得較為迫切。自動化采集的硬件設備已經比較成熟,開發與自動化沉降觀測系統配套、準確可靠的數據處理軟件是重中之重[1]。
自動化沉降觀測一般采用安裝傳感器采集數據的方法來實現,一般情況下多采用靜力水準儀形成沉降觀測系統。
靜力水準儀是由液位傳感器及儲液罐組成,各個儲液罐之間可以由連通管連接。基準罐設置在穩定的工作基點上,其他儲液罐布設于標高大致相同的不同被測位置,當被測位置處儲液罐相對于基準罐發生升降時,將引起該罐內液面的上升或下降。通過測量液位的變化,可以得到被測點相對工作基點的升降變形。靜力水準系統主要由以下元件組成:靜力水準儀傳感器、靜力水準儀儲液罐、靜力水準儀支架、靜力水準儀通液管、浮子等。
圖1 靜力水準觀測系統示意圖
傳統的靜力水準儀采用機械原理,利用浮子的沉浮反應液面的變化;也有新型的靜力水準儀采用超聲波傳感器測量液面的變化。
自動化沉降觀測多采用靜力水準自動化監測系統,高頻次采集數據,數據采集頻率一般可高至1min/次或更高。高頻采集的大量監測數據中必然會因為振動、外界偶然荷載等客觀因素產生少量異常數據。這些隨機出現的少量異常數據,對于人工數據處理來說已經是海量,必須采用軟件程序進行異常數據剔除。
除了振動、外界偶然荷載等因素會產生異常數據,精力水準傳感器工作區域溫度隨晝夜溫差的類周期性變化,也會導致監測數據的失真,需要進行修正[2]。
如何處理海量監測數據,并對上述引起監測數據誤差的因素進行剔除和修正處理,提供準確可靠的監測數據,是自動化沉降觀測的難點。
在自動化監測的過程中由于傳感器本身、電源電路及外界環境的影響,所測得數據不可避免會疊加一些噪聲和溫度干擾,因此數據處理平臺需要內置一些濾波算法對數據進行智能處理,提升信噪比、修正溫度影響。具體可以采用的數據處理算法有:
算數平均濾波法,把連續N 個采樣值看成一個隊列,隊列的長度固定為N,每次采樣到一個新數據放入隊尾,并扔掉原來隊首的一次數據,再把隊列中的N 個數據進行算術平均運算,作為本次采樣的結果,這種濾波可以去除疊加在低頻信號上的高頻噪聲[3]。
對于高頻信號,應當根據信號具體頻率,選用如巴特沃茲、切比雪夫等多階數字濾波器,對信號進行處理。濾波器的截止頻率、插入損耗等參數需設置合理,確保在降低噪聲幅度的情況下,不影響真實信號。
對于自動化觀測過程中常常出現的因偶然因素而引起的脈沖干擾,可以采用限幅濾波法,即根據經驗預設兩次采樣之間允許的最大偏差閾值。每次檢測到新值時進行判斷,如果本次值與上次值之差小于該閾值,則本次值有效;如果大于該閾值,則本次值無效,放棄本次值,用上次值代替本次值。如果連續多次都大于閾值時,才確認該值真實有效,更新上次采樣值。
高頻次自動化監測中會收到海量監測數據,其中必然會產生一定比例的異常數據。針對異常數據采用3σ 準則法剔除,即統計單日監測數據均值為μ、標準偏差為σ,單個測量數據的偏差超過3σ 時,可認定該測量數據為異常數據,將該數據剔除后,對剩余數據繼續求數據值偏差和標準偏差,直至各偏差小于3σ 為止。
高頻次自動化監測數據是由真實值和隨機噪聲組成的,為了消除噪聲干擾、獲取真實值,需要對監測數據進行平滑處理。可以采用移動平均法,即從數據中逐項推進,分別計算含有N 項數據的均值,并采用移動平均值來代替原有數值,以此消除隨機波動,得到數據的變化趨勢。
流體密度與沉降量值的對應函數關系,達到沉降測試的目的。而在日常監測過程中,晝夜溫差必然會流體的體積造成一定影響,從而影響沉降監測精度。對溫度數據進行處理是為了消除溫度對儀器監測的影響。通過溫度過濾算法,減少溫差對沉降變形的影響,對高度進行溫度補償后,使得測量數據波動幅度明顯減小。
靜力水準傳感器中可以設置溫度補償的電路設計,避免環境溫度的影響。
從多項數理統計模型和數據處理措施入手,在自動化監測數據處理軟件中實現了對異常數據的處理和修正優化,示例如圖2、3。
自動化沉降觀測系統在硬件上具有高分辨率、高精度、響應時間快等優點;配套開發與自動化沉降觀測系統相匹配的數據處理系統意義重大,數據處理系統必須準確可靠,配套數據處理軟件還應具有數據篩查、統計、分析、維護、發布以及報警預警等功能。可從多項數理統計模型和硬件處理措施入手,在自動化監測軟件中實現對異常數據的處理和優化[4-5]。
圖2 靜力水準測量原始數據
圖3 靜力水準測量濾波、溫度修正后數據