全站儀自動化監測技術設計與實現

毛 威

（上海市金山區自然資源確權登記事務中心，上海 200540）

0 引言

隨著社會經濟的發展，傳統的人工工程監測技術已無法滿足工程監測的質量和效率需求。因此，基于全站儀的工程監測自動化技術成為工程施工前、中、后期全面監測技術的重要發展方向之一［1］。基坑工程作為一種施工難度大、涉及層面廣的工程類型，對依賴傳感器的監測技術有較高的要求。同時，它對監測技術的效率、精準度和時效性也有更高的期望。而基于網絡技術的智能傳感器監測技術能夠滿足基坑工程的各種需求［2-4］。本次研究以全站儀作為基礎傳感器，并將基坑工程作為主要研究對象，設計了基于互聯網技術的智能全站儀自動化監測技術，旨在實現高效率、高精度、高實時性的基坑工程監測，從而保障工程安全，并降低工程事故發生的可能性。

1 基于物聯網的智能全站儀自動化監測模型

1.1 基于物聯網的監測數據自動化采集與傳輸設計

研究旨在應用監測設備和傳感器，基于物聯網構建針對深基坑工程項目的智能自動化監測模型。作為監測模型的數據采集和傳輸基礎，傳感技術在深基坑監測中扮演著重要角色。深基坑工程開挖過程中，需要全面監測周邊地表沉降和建筑物沉降等變形問題，因此，適用的傳感器設備是不可或缺的［5-6］。傳感器的選擇需符合以下要求：選擇量程較低的監測設備，以確保獲得更高精度的監測數據；根據數據的變化趨勢選擇合適的靈敏度設備，在保證準確性的前提下提高設備的經濟性；考慮到復雜的監測環境，傳感器在數據傳輸時應具備較強的抗干擾性能；傳感器需與其他設備進行交互，實時分析監測數據。本研究主要使用LEICA TC1102 全站儀、SOKKIA SET2B 全站儀等作為主要傳感器設備。

物聯網無線自組網絡架構由采集器、中繼器和收發器3 個部分組成。在物聯網系統運行過程中，如果出現中繼器發生指令性錯誤等意外狀況，系統需要采用新型網絡進行網絡組織。研究選用了一款型號為YT-300/D4-4 的無線數據采集器作為無線自組網絡節點的設計。該數據采集器具有強大的穿透力和抗衰減效果，主要硬件模塊包括主控模塊、電源管理模塊、無線射頻模塊、選擇電路和收發器，如圖1 所示。

圖1 數據采集器主要硬件模塊

鑒于施工現場環境的復雜性，物聯網無線自組網絡通信協議采用簡化的校驗碼—數據包聯合形式。該形式的通信協議通過在校驗碼錯誤的情況下直接舍棄數據包，來提升無線網絡通信能力，以實現穩定的通信效果。在數據采集過程中，需要采用物聯網無線組網的方式對傳感器獲取的數據進行分流和接收，并實時監測數據傳輸過程，以保證數據的連貫性。最終，將所有數據匯集到服務器進行統一處理。具體流程如圖2 所示。

圖2 數據采集具體流程

由圖2 可知：系統在數據采集過程中分為4 個階段對校驗碼錯誤的數據進行丟棄，分別是中繼器接收指令模塊、采集器接收指令模塊、二次中繼器接收指令模塊和串口接收指令模塊。中繼器接收指令模塊、采集器接收指令模塊和二次中繼器接收指令模塊需要進行地址匹配驗證，而串口接收指令模塊則需要確保數據校驗正確。此外，一旦系統在數據采集后發現數據采集不成功，將生成錯誤代碼并丟棄數據，直到相關數據通過校驗或地址匹配成功后，方可進入下一個數據處理環節。

1.2 監測數據處理策略設計

在整個監測數據處理過程中，數據轉化和監測基準點的選擇是非常重要的步驟。根據不同的監測項目，選擇監測基準點和進行相應的數據轉化方法也會有所不同。本研究主要將監測項目分為沉降監測、位移監測和支撐軸力監測3 種，并為每種項目設計了相應的計算方法。

在地表沉降監測中，沉降計的底部位置被認定為穩定，因為它們被埋入的深度超過了基坑的挖掘深度5 m，并且底部采用了混凝土加固。因此，傳感器的輸出值也是穩定的。確定地表沉降時，首先，需要建立以所有時刻穩定輸出值為基礎的一元線性回歸方程。通過一元線性回歸模型求解回歸直線中的誤差，然后，將實際測量值中超過誤差范圍的部分剔除，最終，使用保留下來的測量值的均值作為基準值V0，而絕對沉降值用V1表示，地表沉降變化絕對值為Vt，地表沉降變形值Pt如式（1）所示：

液位高差ht，j的計算式如式（2）所示：

式中：Ht，j為每次建筑物沉降監測完畢后得到的單獨點位基準點；Ht，j為液位高程。得到測點的液位高差后，便可以進一步測量得到單獨點位產生的形變數值，該數值即為建筑沉降值Pt，j如式（3）所示：

式中：h0，j 為基準點與測量點之間的液位高度差。在鋼支撐軸力監測中，軸力F1計算過程如式（4）所示：

式中：fi為應變計數值；f0為應變計初始數值；k為應變計標定系數。表面應變力F2的計算過程如式（5）所示：

式中：S為鋼支撐截面的面積；E為鋼彈模。鋼筋計的實際應變εs的計算過程如式（6）所示：

式中：εx為溫度變化形成的形變誤差；αs為鋼支撐截面的變形角度；ΔT為溫度變化。在鋼混凝土支撐軸力監測中，由于需要考慮混凝土和鋼筋兩種材料的特性和承載力差異，因此建立了變形協調支撐軸力計算式，如式（7）所示：

式中：P為支撐軸力；Ec為混凝土材料的彈性模量；Et為鋼筋材料的彈性模量；δi為鋼筋測量得到的應力值；A為支撐面的橫截面面積；At為鋼筋的橫截面面積。樁頂水平位移監測示意圖如圖3 所示。

圖3 樁頂水平位移監測

由圖3 可知：樁頂水平位移監測以全站儀為底層設備，并以參考點與目標點為基礎，分別建立參考系與變形系，最終的樁頂水平位移Dt通過當次測量結果與初次測量結果的水平坐標系差值計算得出，如式（8）所示：

通過對沉降監測、位移監測、支撐軸力監測3種項目進行監測和數據處理，可以綜合得到建筑的異常變化狀況。

2 物聯網自動化監測有效性驗證

在物聯網自動化監測有效性驗證中，研究選擇了某市車站作為基坑監測對象。該車站于2012 年開始建設，2016 年正式通車，整體施工條件復雜。為了驗證自動化監測的準確性，同時進行了密度和頻率較高的人工監測作為對照。從結構斷面支撐軸力對比、地表沉降監測數據對比和圍護樁體測斜對比3 個方面進行了數據對比分析。自動監測采用了每30 min 進行一次監測的頻率，而人工監測則每天進行2 次。由于自動監測點與人工監測點的位置布置并不完全吻合，因此，選擇了4 個工程斷面進行分析。具體結果如圖4 所示。

圖4 支撐軸力監測結果

由圖4 可知：斷面1 的支撐軸力監測顯示，人工監測數據呈現出整體平穩的狀態，盡管整體趨勢有所下降，但每個時段的波動保持在較小的范圍內。相比之下，自動監測數據的折線在時間點變化下波動劇烈。這是因為自動監測每30 min 進行一次，監測結果更細致。盡管自動監測波動較大，但整體趨勢與人工監測結果一致，且自動監測數據更準確。類似的趨勢也在斷面2 和斷面3 的支撐軸力監測結果中觀察到，但這2 個斷面的人工監測結果并未能在整個測試時間周期內保持完整。這是由于受到外部因素的影響，人工監測在某些時間節點上失效。然而，在這些節點上自動監測并未出現失效情況，因此，自動監測的檢測效果更加穩定。斷面4 的數據也呈現出與人工監測類似的趨勢，再次證實了自動監測在軸支撐力監測中的準確性。地表沉降監測結果如圖5 所示。

圖5 地表沉降監測結果

由圖5 可知：在斷面5、斷面6、斷面7 和斷面8等地表沉降斷面上，自動化監測和人工監測得到的數據值較為接近，整體差異不大，誤差保持在3 mm范圍內。由于自動監測和人工監測在監測頻率和位置上存在一定差距，因此，這樣的誤差是可以接受的。地表沉降斷面的監測結果充分證實了自動監測的有效性。圍護樁體測斜監測結果對比如圖6所示。

圖6 圍護樁體測斜監測結果

由圖6 可知：選取了圍護樁體測斜出現的斷面2、斷面5 和斷面6 作為監測對比對象。在斷面2的監測結果中，可以觀察到自動監測結果整體波動較小，折線在0.0 mm 位移基準上進行輕微的左右波動，而人工監測折線顯示出相對較大的波動幅度。這是因為自動化監測數據主要由沿著樁體分布的采集器材采集，并通過物聯網進行實時數據處理。從數據處理和采集角度來看，自動監測受到外部因素的影響較少，因此，形成的監測數據更加準確。相比之下，人工監測容易受到溫度、濕度、人為因素等多種外部因素的影響，導致數據波動較大，并且部分數據可能失真。類似的特征也在斷面5和斷面6 中觀察到，自動監測數據呈現出在0.0 mm位移附近小幅度波動的狀態，整體波動頻率較低。而人工監測數據則呈現出較大且頻繁的波動。盡管斷面6 的人工監測結果在深度增加時呈現出一定的收斂趨勢，但收斂后的波動范圍仍然大于自動監測數據的波動范圍。因此，可見自動監測始終具有數據更準確的優勢。

3 結語

本次研究旨在優化基坑工程中監測結果的準確性。通過結合物聯網數據傳輸技術和傳感監測技術，實現了自動化監測和數據處理。采用物聯網技術建立了數據自動化采集和傳輸的架構，并針對地表沉降監測、建筑物沉降監測、樁頂水平位移監測、鋼支撐軸力監測以及鋼混凝土支撐軸力監測這5 種主要工程項目的監測類型，設計了區分化的數據處理策略。最后，通過實際監測驗證了系統的有效性。結果顯示：設計的基坑自動化監測系統在支撐軸力監測方面與人工監測結果呈現一致的變化趨勢，但在監測效果上更加細致、準確和有效。在地表沉降監測方面，系統在4 個斷面的監測結果與人工監測結果的誤差都保持在3 mm 范圍內，證明系統具備有效性。而在圍護樁體測斜監測方面，系統展現出更為穩定的監測效果，相比容易受干擾的人工監測，具備更大的優勢。綜上所述，研究設計的物聯網自動化監測系統在基坑工程中表現出顯著的有效性，相較于人工監測具備更多的優勢。