基于卡尔曼滤波的变形监测数据处理及分析.docVIP

基于卡尔曼滤波的基坑变形监测数据处理及分析 李增强1，宋杰2 （1．山东鲁能菏泽煤电公司郭屯煤矿 山东菏泽 274000， 2．山东胜宏矿业有限公司 山东 济宁 272500） 摘 要： 本文依据卡尔曼滤波方法，对XX市环境监控中心随着城市建设的高速发展，高层建筑越来越多，基坑工程施工朝着开深、工作面窄、周边房屋及地下管线近的特点发展。当前，基坑变形监测与设计、施工同被列为深基坑工程质量安全保证的三大基本要素。一方面， 基坑监测提供动态信息来指导施工全过程，并可通过基坑监测数据来验证基坑设计的科学性，为今后降低工程成本、提高基坑安全性提供设计依据。另一方面，基坑监测可及时预报和发现险情的发生以及险情的发展程度，为及时采取安全补救措施提供有力技术依据。所以说，基坑变形监测已成了工程建设必不可少的重要环节，同时也是指导正确施工，避免安全事故发生的必要措施，对保证人们生命财产安全具有重要意义。 基坑监测工程是一个长期积累的过程，影响观测量的有很多。为了提取主要的影响因素，人们采用各种方法来研究这些变量之间的关联程度，然后根据相关性的强弱，利用最小二乘回归得到一个大体反映该段时间内变量之间相互关系的统计模型。这种模型只能从静态状况做数学上的描述，不能体现监测体的动态特征如速率、加速率等。卡尔曼滤波就是利用相关因子及因子的变率作为状态因子，利用初始时刻附近的观测量，构建动态平差模型，进而解出初始状态值，然后利用状态转移矩阵及观测方程构建卡尔曼滤波模型，它的滤波过程反映的是最新时刻与下一时刻之间状态的转换关系。因此一旦滤波模型构成，它就不再依赖用过的数据。 状态方程 观测方程 式中、、分别为时刻状态向量、观测向量和观测噪声；、分别为时刻的状态转移矩阵和动态噪声；、分别为状态方程和观测方程时刻的系数矩阵。 离散线性系统的卡尔曼随机模型为： ，，， ，==，，， 其中，当k=j时，=1；当kj时，=0。 所谓离散线性系统的卡尔曼滤波就是利用观测向量，…，由相应的状态方程及随机模型求时刻状态向量的最佳估值。通常把的最佳估值记为。 状态预报方程 为由时刻时刻的状态预报，为时刻的滤波值。 预报误差协方差 增益矩阵 其中，为观测噪声方差阵，一般假定观测噪声的方差是一定的，取为动态平差中的观测值中误差协方差阵。 状态滤波方程 滤波误差协方差阵 卡尔曼滤波法的实现步骤首先确定滤波的初值，包括：状态向量的初值及其相应的协方差阵、观测噪声的协方差阵和动态噪声的协方差阵； 建立卡尔曼滤波模型，确定系统状态转移矩阵、动态噪声矩阵和观测矩阵； 在以上准备工作完成后就可以开始计算了，得出预测值、预报协方差阵、增益矩阵； 输入一组观测数据卡尔曼滤波，得出该组观测值的最佳预测值和方差阵； 再回到，进行递推计算。从卡尔曼滤波递推公式能够发现，要想确定系统在时刻的状态，首先需要知道系统的初始状态，即系统的初始值。对于实际问题而言，滤波前系统的初始状态是不能够精确得到的，一般只能近似的给定。 滤波的初值包括：初始状态向量及其相应的方差阵，动态噪声的方差阵和观测噪声的方差阵。 对于变形监测的初值问题，确定为了满足XX市环境监控中心的工程施工要求，XX单位于XX年XX月开始对该工程的基坑开挖进行了建筑基坑工程监测，包括沉降观测和位移观测。它的四周布设了10个变形监测点，基坑北部已经挖到-5米，南部已经挖到-3米，基坑西边紧邻科技馆大楼，科技馆大楼层高4层。东边紧邻乡村道路。由于观测数据过多，现将其观测点中的第10期原始观测值列见表1。 表1 第期原始观测值第沉降观测成果表 点号 第一次高程（m） 上次高程（m） 本次高程（m） J1 170.05920 170.05835 170.06016 J2 169.90880 169.90810 169.90934 J3 170.36048 170.36039 170.36055 J4 172.18072 172.18077 172.18109 J5 170.69034 170.68920 170.68931 计算着：XX 检查者：XX 日期：XX年X月XX日 基准点、工作基点及监测点的分布为图1： 图1 基准点、工作基点及监测点的分布 2.2 数据处理 该基坑边坡监测点共有10个，分别为J1J2，...J10，观测了20期，观测周期视开挖状况确定。通过采用卡尔曼滤波对完整采集的数据J监测点进行滤波运用建立好的模型依次对以后各期数据进行滤波并进行预测通过对滤波后的数据进行对比，分析观测值与滤波值和预报值的区别。 各监测点观测20期经整理后的数据见表表监测点观测20期经整理后的数据期次/Δt 1/1 2/1 3/1 4/1 5/3 170.36048