基于模糊控制的滑坡監測預警系統設計

陳鵬年，溫宗周，張 航，李麗敏，王 真

（1.西安工程大學電子信息學院，西安710600；2.西安工程大學機電工程學院，西安710600）

1 引 言

我國國土面積遼闊，地形地貌多種多樣，各類山體遍布全國各地，使得我國成為一個山體滑坡自然災害多發的國家[1]。滑坡在我國地質災害中的占比遠高于其他類型的地質災害。據統計，2001耀2005 年全國共發生地質災害9 萬余起，造成人員死亡3686人，傷3249 人，失蹤462 人，直接經濟損失212.05億元。其中滑坡71283 起，崩塌17404 起，泥石流6691 起。結合我國歷往災情實際情況，當務之急是要設計一款集滑坡災害監測和預警于一體的監測裝置，來實時監測滑坡發生的概率，及時預警，減少災害對人們生活帶來的危害[2]。目前對滑坡現狀的研究已有很長的發展歷程，諸多學者也提出了不同的解決辦法，但仍然存在諸多不足。對于此類災害，目前主要的預測方式是參考降雨情況，以當地是否發生強降雨以及降雨時長作為判斷依據[3-5]。

2 系統總體方案設計

在此提出一種系統，主要圍繞滑坡災害監測預警展開設計，集無線數據采集終端、現場預警終端、遠程監控中心于一體，并闡述各模塊之間傳輸方式的選擇依據。系統將潛在災害區域臨災前所積累的致災因子數據經LoRa、GPRS 傳送至遠程監控中心。遠程監控中心服務器對數據進行分析、整理，經模糊控制系統決策出相應的成災概率，并可據此對現場預警終端和移動端分別啟動聲光報警和緊急消息推送。現場預警終端可在致災因子數據達到所設相應閾值時啟動現場聲光報警，在移動端也可以實時地查看遠程監控中心的數據并可通過遠程監控中心對現場預警終端進行致災因子閾值設置并查看致災因子數據。

設計著重于提高預警系統的適應力與通用性，以潛在滑坡災害地區為監測預警系統的監測對象。本監測系統可長期對監測區域的滑坡致災因子變化情況進行監控，并根據現場預警終端的預警閾值和遠程監控中心的預警模型對災害發生進行及時有效的預警。系統主要包含無線數據采集終端、現場預警終端、遠程監控中心三大部分[6]。系統總體框架如圖1 所示。

圖1 系統總體框架圖

3 系統硬件平臺

3.1 無線通信方式選擇

滑坡災害監測預警系統設計中的數據傳輸工作主要包括潛在災害區域致災因子數據的遠程上傳和遠程監控中心對現場預警終端的監測命令下達?；聻暮ΡO測所需無線數據采集終端較多，且其布設具有點多面廣、全面監測致災因子變化情況的特點，因此使用無線廣域網[7]（Wireless Wide Area Network, WWAN）技術可擴大無線數據采集終端、現場預警終端、遠程監控中心之間的通信范圍和距離。無線數據采集終端和現場預警終端之間通信的最大距離擬定為10 km 以內，而現場預警終端和遠程監控中心之間的傳輸距離甚遠。

滑坡監測所需的數據流量較少，其數據傳輸不必要選用高帶寬的網絡。此外，WWAN 長久以來被普遍使用，經歷了GSM、GPRS 至TD-LTE 和FDDLTE 等10 余種技術革新，每種通信技術有著不同的傳輸速率。綜合考慮現場預警終端和遠程監控中心的數據傳輸流量，選用傳輸速率為171.2 kb/s 的GPRS 通信為此二者的通信方式。雖然無線數據采集與現場預警的終端系統中不需要所用的WWAN技術提供大的數據流量，但是對其無線數據采集終端、現場預警終端應有的低功耗、抗干擾等通信性能有較高要求。LoRa 技術是一種可以遠距離傳輸、支持多節點、擁有無需授權許可的免費頻段等優點的一種新型物聯網無線電調制解調通信技術。LoRa 技術徹底改變了嵌入式無線通信的現狀，它融合了數字信號處理、數字擴頻和前向糾錯編碼，具有超高的通信性能[8]。綜上，無線數據采集終端與現場預警終端之間的通信方式選用LoRa 無線通信。

3.2 硬件監測單元

考慮到造成滑坡災害的各影響因子信息的種類不一、量綱各異以及數據不平衡等因素，因此將多種不同類型的傳感器引入到泥石流災害預警系統的設計當中，系統結構如圖2 所示。

圖2 系統結構圖

系統中數據收集工作由各無線傳感器采集單元完成，各傳感器都有相應的監控分機，能夠控制傳感器、獲取傳感器的數據信息以及通過無線射頻單元發送數據。系統中所有的傳感器構成分布式無線傳感器自組網。該網絡結構簡單，維護和維修也較為便捷?，F場預警單元能夠獲取傳感器信息，同時將信息傳輸至系統后端的遠程監控中心，由遠程監控單元對信息進行綜合推演，計算出滑坡爆發的概率、規模和推進到保護區的所需時間，之后再將結果返回至現場預警單元并通過顯示器顯示出來。

分布式無線傳感器自組網設計的核心是電源供電單元。該模塊是預警系統安全穩定工作的可靠保障，但由于本系統的應用場所多為溝壑縱橫、環境惡劣的山區，設備安裝不便、供電困難，因此本設計采用太陽能結合蓄電池的方式為系統供電。日間，太陽能板將太陽能轉為電能以保障系統運行，同時為蓄電池充電。晚上，太陽能幾乎不存在，系統依靠蓄電池維持其正常工作。如圖3 所示為電源供電原理圖。

圖3 電源供電原理框圖

設計采用分布式無線傳感器自組網結構。在整個網絡中，每個傳感器節點處于同一級，且擔任著主機和路由器的角色。該結構的最大優勢在于當傳感器節點因各種原因造成故障或工作人員對自組網結構進行維修維護工作時，無需改動網絡的整體結構，只需通過自調節的方式即可完成穩定通信。

4 系統軟件設計

4.1 現場預警單元軟件設計

本監測系統的監測內容為滑坡災害的各影響因子數據信息?，F場預警單元詳細工作流程如圖4。

圖4 現場預警單元流程圖

系統通電后，即對系統進行內部初始化。初始化完成后，AS32_TTL_100 進入數據接收模式。此時，查詢按鍵或觸摸屏有無操作，若有則開始運行對應的程序，執行完程序之后，掃描有無召測指令；若沒有按鍵或觸摸屏操作，則直接查詢有無召測指令。若有召測指令，隨即檢驗召測任務類型，收集相應的信息，經GPRS 通信單元發送至遠程監控單元；若沒有檢驗到召測指令，可依據已設置的次序開始收集雨量、滲透壓、地表位移、土壤含水量和地表裂縫并比較閾值。若數據超出設置值，則AS32_TTL_100 進入到數據發送模式同時下達報警命令，配置AS32_TTL_100 數據包向報警單元下達命令和配置GPRS 數據將收集的數據信息發送至遠程監控單元；若收到的數據未超出設置值，則配置GPRS 數據包將收集的數據信息發送至遠程監控單元。

4.2 無線數據采集終端軟件設計

無線數據采集單元開始工作后，首先對內部進行初始化操作，AS32_TTL_100 進入到數據接收模式。之后檢驗采集時間是否到達，若未到時間且等待過程中產生中斷或收到預警單元下達的命令，則CPU 被喚醒以處理中斷或執行預警單元下達的命令。若已到采集時間且等待過程中沒有產生中斷或收到預警單元下達的命令，則CPU 被喚醒，然后開始采集相應數據，此時AS32_TTL_100 進入到數據發送模式。最后配置AS32_TTL_100 數據包并發送數據信息。無線數據采集單元主程序流程如圖5。

圖5 無線數據采集單元主程序流程圖

4.3 遠程監控中心功能與作用

以交換機、防火墻、電腦和服務器等硬件設施，與以此為基礎構建的遠程監控單元軟件框架共同組成一整套完備的遠程監控單元。整個遠程監控單元包括數據分析系統、服務器、預警系統、防火墻、故障診斷系統和數據庫系統。

遠程監控單元的電腦連有遠程監控單元的防火墻和服務器，對數據信息進行儲存、篩選、計算和系統故障診斷等功能可通過編寫數據分析系統、預警系統、故障診斷系統和數據庫系統等上位機軟件實現。管理人員可以通過上位機訪問并管理遠程監控單元，使用人員即現場從業者也可以通過上位機完成訪問遠程監控單元、查詢泥石流災害影響因子信息狀態以及修改現場預警單元各影響因子預警閾值等操作。

上位機功能結構圖如圖6 所示。其功能包括儲存數據、查詢影響因子狀態、設置預警閾值、推演計算和系統管理等，分別用于儲存各設備的狀態、各傳感器的數據；查詢各影響因子狀態、設置預警閾值；綜合所有影響因子信息推演計算出當前泥石流災害爆發的概率、規模和推進到保護區的所需時間并做出預警；管理用戶和設備信息。

圖6 上位機功能結構圖

5 基于模糊控制的滑坡監測預警模型

5.1 模型建立

模糊控制器是一種基于規則或知識的系統，屬于Mamdani 型模糊控制系統，由模糊器、模糊推理機、模糊規則庫和解模糊器四部分組成[9]，其結構圖如圖7 所示。

圖7 模糊控制系統結構圖

5.1.1 滑坡地質災害預警模型結構設計

該模糊決策系統屬于五維輸入系統，輸入變量為降雨量、滲透壓、土壤含水量、地表位移和地表裂縫，輸出變量為滑坡發生概率。為避免單級高維模糊決策系統帶來維度災難，采用多級低維模糊決策系統[10]。結合滑坡災害監測預警系統在實驗區陜西省商洛市山陽縣所采集的致災因子數據，設計的滑坡地質災害預警系統主要分為兩個部分[11]：以致災因子降雨量、滲透壓、土壤含水量作為輸入，以土體飽和度為輸出的模糊系統1；以土體飽和度和地表位移、地表裂縫為輸入，以滑坡發生概率為輸出的模糊系統2?；碌刭|災害預警系統結構如圖8 所示。

圖8 滑坡預警模糊決策系統結構

根據《國土資源部和中國氣象局聯合開展地質災害氣象預警工作協議》，可將未來24 小時之內地質災害發生的概率劃分為5 個預警等級?；聦儆诘刭|災害類型之一，其發生概率和等級關系的劃分依據預警工作協議而定。詳細劃分情況如表1 所示。

表1 滑坡預警等級劃分

5.1.2 模糊決策系統的輸入輸出設計

系統將降雨量、滲透壓、土壤含水量、地表位移和地表裂縫的語言變量分別劃分為5、4、4、4、4 個，其模糊量從小到大分別為：小雨、中雨、大雨、暴雨、大暴雨；小、中、大、非常大；小、中、大、非常大；小、中、大、非常大；小、中、大、非常大。全國降雨量R 劃分的語言變量如表2 所示。

表2 全國降雨量R 劃分的語言變量（R 為24 小時降雨）

根據降雨量、滲透壓、土壤含水量和土體飽和度的具體情況，此處選用高斯隸屬度函數描述語言變量的模糊子集。圖9 為降雨量、滲透壓、土壤含水量三項參數的隸屬度函數圖。該三維模糊決策系統1的輸入劃分已定，其輸入變量為降雨量R、滲透壓F、土壤含水量D，輸出變量為土體飽和度S。

圖9 隸屬度函數曲線（降雨量、滲透壓、土壤含水量）

平均解模糊法適合該模糊決策系統的去模糊化，以此法獲取的輸出控制量就是土體飽和度，其隸屬度函數如圖10 所示。土體飽和度仿真曲面如圖11 所示。

圖10 土體飽和度隸屬度函數

圖11 土體飽和度仿真曲面

輸入變量為地表位移、地表裂縫和土體飽和度，輸出變量為滑坡發生概率，相關的隸屬度函數如圖12 所示。滑坡發生概率仿真曲面如圖13 所示。

圖12 隸屬度函數曲線（地表位移、地表裂縫）

圖13 滑坡發生概率仿真曲面

6 監測預警系統功能驗證

滑坡災害遠程監控中心的主要功能包括滑坡災害監測預警以及滑坡災害致災因子數查詢三個部分。遠程監控中心的功能界面如圖14 所示。

圖14 遠程監控中心的功能界面

此處以滑坡災害為例，建立基于模糊規則的滑坡災害預警模型并以監測預警系統在實驗區陜西省商洛市山陽縣所采集的致災因子數據驗證系統的預警功能。當降雨量為51.5 mm，滲透壓為41kPa，地表位移為36.1 cm，土壤含水量為61.3%，地表裂縫為476 mm 時，現場預警終端的報警狀態顯示為否。

與遠程監控中心的功能相輔相成的滑坡災害監測預警系統移動端APP 主要功能界面如圖15 所示。其主要功能界面包括滑坡災害監測預警系統移動端APP 的登錄界面、滑坡災害類型選擇界面、災害信息實時顯示界面等。

圖15 移動端APP 主要功能界面

各級防災減災人員能夠通過滑坡災害監測預警系統的遠程監控中心或者移動端APP 軟件登錄帳號，可實時查看監測預警系統所監測的潛在災害區域各個致災因子數據，并根據遠程監控中心預警系統所預測出的災害概率（等級）對現場預警終端啟動聲光報警，從而使得監測預警系統成為集潛在災害區域眾多致災因子數據實時監測、監測數據遠程無線傳輸、多致災因子綜合評判并預警功能于一體的監測預警系統。

7 結 束 語

系統利用基于STM32F103ZET6、MSP430F149的低功耗無線傳感技術和模糊控制算法，對降雨量、滲透壓、土壤含水量、地表位移和地表裂縫等信息進行實時監測和模糊決策，可在監測數據超出現場預警終端所設閾值時啟動報警模塊。根據相關專家經驗，以滑坡災害為例，建立了基于模糊規則的滑坡災害預警模型，同時應用MATLAB 軟件仿真出預警模型。在陜西省商洛市山陽縣地區對滑坡災害監測預警系統的子系統滑坡災害監測預警系統的監測預警功能進行了驗證，結果表明該系統可將無線數據采集終端的各致災因子數據實時傳送至遠程監控中心，并可由遠程監控中心和移動端對災害進行實時監測預警，獲得了良好的實用效果。