基于测量机器人的变形监测数据处理白利锋课件

《基于测量机器人的变形监测数据处理白利锋课件》由会员分享，可在线阅读，更多相关《基于测量机器人的变形监测数据处理白利锋课件（72页珍藏版）》请在金锄头文库上搜索。

1、姓名：白利锋导师：赵建三 教授2014年3月19日二郎河特大桥二郎河特大桥变形监测变形监测数据处理研究数据处理研究基于测量机器人的变形监测数据处理-白利锋摘要摘要第一章第一章 绪论绪论1.1 1.1 研究的背景、目的和意义研究的背景、目的和意义1.2 1.2 国内外研究现状国内外研究现状1.3 1.3 论文主要研究内容及技术路线论文主要研究内容及技术路线第二章第二章 监测误差及影响分析监测误差及影响分析 2.1 2.1 误差的来源和分类误差的来源和分类2.2 2.2 测量机器人精密测角、测距的测量机器人精密测角、测距的误差影响误差影响第三章第三章 变形监测方案的设计变形监测方案的设计3.1 3

2、.1 变形监测方案设计的主要内容变形监测方案设计的主要内容3.2 3.2 变形监测数据处理步骤变形监测数据处理步骤3.3 3.3 测量机器人变形监测系统组成测量机器人变形监测系统组成3.4 3.4 二郎河特大桥变形监测方案二郎河特大桥变形监测方案第四章第四章 变形监测数据的处理分析变形监测数据的处理分析4.1 4.1 控制网测量数据处理控制网测量数据处理4.2 TCA 20034.2 TCA 2003测量机器人全天候测量测量机器人全天候测量数据处理数据处理4.3 4.3 本期数据的大桥变形分析本期数据的大桥变形分析4.4 4.4 小波包算法用于数据去噪小波包算法用于数据去噪第五章第五章 结论与

3、展望结论与展望5.1 5.1 结论结论5.2 5.2 展望展望参考文献致谢论文提纲基于测量机器人的变形监测数据处理-白利锋1.1 研究的背景、目的和意义1.1.1 研究背景 伴随着国家经济建设步伐的不断加快和西部大开发战略的实施，近些年，国内交通建设事业呈现出蓬勃发展的趋势，一大批具有超高桥墩的大跨连续刚构桥梁相继建成并通车，打破了传统的地形条件限制，为地区间的客运和物流提供了极大的便利。同时，这些特大桥的主墩高度不断刷新着世界纪录，其在施工和运营阶段的安全监测更加显得重要。 贵州省赤水至望谟高速公路（仁怀至赤水段）位于贵州省北部的遵义市，属龙岗溶谷地貌，山峦起伏，地表切割强烈，高差变化急剧，

4、谷深坡陡全线墩高超过100m的刚构桥梁就有6座，其中2座墩高均超过160m 本文以贵州二郎河特大桥为工程背景，研究其在超高墩施工阶段、悬臂施工阶段、合龙阶段的变形情况，为安全施工提供参考；对监测数据的处理也进行了深入研究，以便为类似工程提供经验借鉴。第一章 绪论基于测量机器人的变形监测数据处理-白利锋 二郎河特大桥就是一座比较典型的超高桥墩刚构桥梁。桥址区微地貌为河流沟谷、斜坡，大桥区位近南北向的河谷，横断面呈V型，地形坡度陡，沟壑深切，谷岸陡立，坡度约4060，局部陡壁发育，河谷底宽约30 m。 区内桥轴线经过地面最高处标高约为702.0m，位于特大桥两端桥台处，最低处标高为448.0m，位

5、于河流沟谷中心，相对高差254m。 桥梁全长701.08米，设计为3X40米+（106+200+106）+4X40米预应力混凝土连续刚构、预应力混凝土T梁。T梁采用先简支后结构连续体系。 主桥4、5号桥墩，采用即墩梁固结墩、双肢空心薄壁墩配桩基础，4号桥墩双肢墩高分别为166.405m和166.205m；5号桥墩双肢墩高分别为163.005m和162.805m，墩柱为等截面空心薄壁墩，每个墩的截面尺寸为83.5米。第一章 绪论基于测量机器人的变形监测数据处理-白利锋二郎河特大桥总体轮廓图第一章 绪论基于测量机器人的变形监测数据处理-白利锋二郎河特大桥主跨设计图第一章 绪论基于测量机器人的变形监

6、测数据处理-白利锋1.1.2 研究目的（1）监测大桥在各种内部应力和外力荷载影响下产生的变形量和变形趋势（2）通过监测，及时发现异常变形，排除安全隐患（3）变形监测方案的设计研究（4）研究测量机器人在全天候监测时，主要的误差影响及改正措施（5）小波包算法应用于监测数据去噪第一章 绪论基于测量机器人的变形监测数据处理-白利锋1.1.3 研究意义（1）通过变形监测方法来了解和掌握变形信息，进而研究其变形规律，根据桥墩及悬臂的变形特点，提出有利于提高施工精度、严格控制墩身的平面位置和垂直度的具体措施。这对于施工期的精确放样和运营期的安全监测均具有重要的指导意义。 （2）更好地理解工程建筑物变形的机理

7、，作出相应的变形解释，对有关工程设计的理论进行验证，还可以进行反馈设计，结合先进的数据预测理论，建立出有效的变形分析及预测模型。第一章 绪论基于测量机器人的变形监测数据处理-白利锋1.2 国内外研究现状1.2.1 桥梁监测发展研究现状桥梁监测发展研究现状 主要介绍了国内外桥梁健康监测系统的一些应用案例1.2.2 变形监测技术手段研究现状变形监测技术手段研究现状 重点介绍了测量机器人（Georobot）、三维激光扫描仪、GPS技术的近年来的一些国内外应用案例。1.2.3 常用数据处理方法研究现状常用数据处理方法研究现状 介绍了时间序列、回归分析、灰色模型、神经网络、卡尔曼滤波、小波分析等常用数据

8、处理方法的应用发展。第一章 绪论基于测量机器人的变形监测数据处理-白利锋1.3 论文主要研究内容及技术路线1.3.1 1.3.1 研究的主要内容研究的主要内容（1）本文首先论述了变形监测研究的目的意义，并对其相关技术和理论的国内外发展现状进行了总结和概述。（2）对测量误差基本理论进行了深入研究，着重讨论了测量误差的主要来源与分类。针对工程背景中的监测内容、方法，专门分析了TCA2003测量机器人的主要测量误差及影响。（3）根据工程现场条件、施工特点、监测目的等，合理地制定了二郎河特大桥变形监测方案，运用测量机器人可以进行全天候无人值守连续监测的优点，在大桥施工各阶段采集了多组具有代表性意义的重

9、要监测数据。（4）对测量机器人监测数据，进行处理分析。同时，对测量机器人在气象条件变化下的不稳定性进行了重点研究分析，利用参考点数据差分，有效削弱了测角和测距中的部分系统误差。（5）桥梁变形监测所采集到的反映结构状态和变形的信息中，不可避免的会存在数据采集仪器观测误差和环境变化影响所引起的噪声，当测量噪声达到一定的强度值时，测量所获得的有效信息甚至会完全被噪声所覆盖，从而可能造成结构变形识别、监测预警及状态评估的困难，甚至得出错误的结论。本文着重讨论了基于小波分析的去噪方法，并将小波变换理论应用于监测数据的去噪。第一章 绪论基于测量机器人的变形监测数据处理-白利锋1.3.2 1.3.2 研究的

10、技术路线研究的技术路线第一章 绪论研究背景、目的、意义研究的内容与方法理论研究制定变形监测方案误差理论数据处理理论变形监测网测量机器人采集变形监测数据数据预处理变形分析及预测结论建议基于测量机器人的变形监测数据处理-白利锋2.1 2.1 误差的来源和分类误差的来源和分类 任何的观测数据总是包含信息和干扰两部分，采集数据就是为了获取有用的信息，干扰也称为误差，是除了信息以外的部分，需要设法排除或减弱其影响。2.1.1 2.1.1 误差的来源误差的来源 （1）测量仪器；（2）观测者；（3）外界条件。 综合起来称为观测条件观测条件。2.1.2 2.1.2 误差的分类误差的分类 （1）系统误差；（2）

11、偶然误差；（3）粗差。2.1.3 2.1.3 误差的消除或减弱误差的消除或减弱 系统误差和偶然误差在观测过程中总是同时产生的，当观测中有显著的系统误差时，偶然误差就处于次要地位，观测误差就呈现出系统性；反之，呈现出偶然性。当观测数据中存在粗差时，粗差的影响远大于前面两者，必须要通过数据处理手段识别和消除粗差，而在观测时应尽可能避免粗差的出现。第二章 监测误差及影响分析基于测量机器人的变形监测数据处理-白利锋2.2 2.2 测量机器人精密测角、测距的误差影响测量机器人精密测角、测距的误差影响 测量机器人的标称测角精度为 ，标称测距精度为 。 而对于实际工作中，精密测距对气象元素的测定精度及其代表

12、性均有很高的要求，如果采用的代表性气象参数与实际的气象参数差异较大，则即使进行了气象参数的改正及加乘常数改正，仍会有显著差异存在，达不到测距精度；而在角度测量（特别是距离大于1km以上）中，大气折光有着复杂的影响，要达到仪器标称精度是很困难的，需持谨慎的态度。第二章 监测误差及影响分析基于测量机器人的变形监测数据处理-白利锋2.2.1 精密测角的的影响精密测角的的影响（一）外界条件的影响1.大气层密度的变化和大气透明度对目标成像质量的影响（1）大气层密度的变化对目标成像质量的影响；（2）大气透明度对目标成像清晰地影响；2.水平折光的影响3.照准目标的相位差4.温度变化对视准轴的影响5.外界条件

13、对觇标内架稳定性的影响 （二）仪器误差的影响 1.水平度盘位移的影响第二章 监测误差及影响分析基于测量机器人的变形监测数据处理-白利锋（二）仪器误差的影响 1.水平度盘位移的影响 2.照准部旋转不正确的影响 3.照准部水平微动螺旋作用不正确的影响 4.垂直微动螺旋作用不正确的影响（三）照准和读数误差的影响2.2.2 2.2.2 精密测距的误差影响精密测距的误差影响（一）棱镜常数改正（二）仪器加常数改正（三）仪器乗常数改正（四）气象改正第二章 监测误差及影响分析基于测量机器人的变形监测数据处理-白利锋3.1 3.1 变形监测方案设计的主要内容变形监测方案设计的主要内容变形监测网；监测内容的确定；

14、监测方法、仪器和监测精度的确定；施测部位和测点布置的确定；监测周期（频率）的确定。3.2 变形监测数据处理步骤（1）粗差检测和剔除的意义和方法（2）变形监测数据处理平差模型的选择，变形监测的目的是定量的表示变形体的变形，因而就需要得到变形体变化的各种监测数据，然后画出变形体整个形变过程的波动线。观测值质量的评定，观测值质量直接影响到变形值的精度和可靠性。变形监测分析与预报。变形监测分析包括静态分析和动态分析，预报是对将来变形体的行为和状态作出主观的判断，正确的预报建立在对变形体的历史监测资料进行深入研究和科学分析的基础上。第三章 变形监测方案的设计基于测量机器人的变形监测数据处理-白利锋3.3

15、 3.3 测量机器人变形监测系统组成测量机器人变形监测系统组成 测量机器人（Georobot）是一种能进行自动搜索、识别及精确照准目标并能自动获取距离、角度、三维坐标和影像等测量信息的智能型电子全站仪；它是在普通全站仪的基础上集成驱动系统、CCD影像传感器系统，并配置了智能化的应用软件及控制系统发展而成。其自动目标寻找、智能识别以及精确照准能力都很强，对多个测量目标点可在短时间内完成持续的、重复的观测工作。 在工程和变形监测方面，测量机器人正逐渐成为首选的自动化测量技术设备。利用测量机器人进行工程建筑物的自动化变形监测，一般可根据实际情况采用两种方式：固定式全自动持续监测；移动式半自动变形监测

16、。第三章 变形监测方案的设计基于测量机器人的变形监测数据处理-白利锋1、基站。基站为极坐标系统的原点，用来架设测量机器人，要求有良好的通视条件和牢固稳定。2、参考点。参考点（三维坐标已知）应位于变形区域之外的稳固不动处，参考点上采用强制对中装置放置棱镜一般应有3-4个，要求覆盖整个变形区域。参考点除提供方位外，还为数据处理提供距离及高差差分基准。3、目标点。均匀地布设于变形体上能体现区域变形的部位。4、控制中心。由计算机和监测软件构成，通过通信电缆控制测量机器人作全自动变形监测，可直接放置在基站上，若要进行长期的无人值守监测，应建专用机房。第三章 变形监测方案的设计基于测量机器人的变形监测数据

17、处理-白利锋 TCA2003测量机器人采用GSI(Geo Serial Interface 串行接口)数据格式结构，该数据格式有2种存储格式：1、 8位字符 GSI-8 格式 ；2、 16位字符 GSI-16格式 。徕卡GSI数据记录格式是徕卡仪器的专用记录格式，它是由字索引+测量数据构成一个测量数据块，一行记录由一个或多个数据块组成。例如： 110001+00000005 21.324+00000004 22.324+08545254 31.06+00044207 110002+00000007 21.324+00020034 22.324+09019410 31.06+00033750 1

18、10003+00000009 21.324+18019579 22.324+26942383 31.06+00033751 110001+00000005中11表示测量点号的字索引，用于标识该数据块，“+”之后为测量点号，21.324+00000004中的21表示水平角的字索引，00000004 是水平角00000.4；22.324+08545254中的22表示垂直角的字索引，08545254 是天顶距854525.4；31.06+00044207中的31表示斜距的字索引，00044207 是斜距4.4207m。第三章 变形监测方案的设计基于测量机器人的变形监测数据处理-白利锋3.4 二郎河特

19、大桥变形监测方案1 1、变形监测控制网的布设、变形监测控制网的布设经现场勘查地形，分别在高墩三个侧面地形合适的地方建立2个强制对中观测墩和1个控制点。以已有控制点GPS116、GPS117做起算数点，按国家D级网要求，使用GPS静态测量方法，精确测定各待定点坐标，布设此次监测控制网。 第三章 变形监测方案的设计基于测量机器人的变形监测数据处理-白利锋图2 监测控制网第三章 变形监测方案的设计基于测量机器人的变形监测数据处理-白利锋 2 2、确定变形监测内容、确定变形监测内容 ，3 3确定变形监测方法、仪器和精度，确定变形监测方法、仪器和精度，4 4、确定观测频率、确定观测频率 ，5 5、布置监

20、测部位和测点、布置监测部位和测点 桥墩在施工阶段，自120m起，桥墩每上升20m，于左、右幅观测面分别安置观测棱镜做为监测点。悬臂施工阶段，定期在零号块上方和悬臂最长处安置棱镜作为监测点，进行连续监测，时间间隔为每十分钟测量一次。第三章 变形监测方案的设计基于测量机器人的变形监测数据处理-白利锋基于测量机器人的变形监测数据处理-白利锋6 6、监测数据处理步骤、监测数据处理步骤变形监测数据采集监测资料的检核数据筛选奇异值的检验与插补绘制变形过程线变形分析与建模第三章 变形监测方案的设计基于测量机器人的变形监测数据处理-白利锋本章主要包含四个方面内容：一是对变形监测控制网数据进行处理分析，得到控制

21、点精确坐标；二是以某期TCA2003全天候连续监测数据（48小时以上）为例，进行数据的处理和分析，包括测量误差的改正，粗差的剔除；三是根据总的测量成果，对二郎河特大桥监测情况作变形分析；四是研究运用小波包算法对监测数据作去噪处理。第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋4.1 控制网测量数据处理4.1.1 4.1.1 平面坐标计算平面坐标计算测区内共有GPS点2个：GPS116,GPS117，起算数据的坐标为施工单位提供的工程独立坐标系统。中央子午线为1062300,投影面大地高为740m。本文根据大桥施工放样及变形监测需要,合理地布设了控制点和强制观测墩，加密已

22、有控制网，运用3台Trimble R8 GPS接收机对控制网（图3-3）进行了静态观测，以测定强制观测墩A（Q001）、B（Q002）和控制点标志C（GPS01）的中心平面坐标，并进行了复测。 参照GPS测量规范，按照D级网相关精度要求和技术指标，运用GPS数据处理软件，进行二维平差与高程拟合，初测、复测的三维坐标计算结果及中误差见表4-1、4-2。第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析结果显示，复测与初测平面坐标差值均在6mm以内。X、Y坐标中误差均在1.5mm

23、以内，而H坐标中误差则较大，最大值9.5mm。这表明，GPS静态测量的平面坐标精度较高，而水准测量则相对误差较大。所以对于各控制点高程数据，不可直接采用GPS静态测量结果。基于测量机器人的变形监测数据处理-白利锋4.1.2 三角高程计算三角高程计算1、对控制点的高程，根据三角高程测量的方法进行计算。2、在已知点架设全站仪，待测点架设棱镜，进行4个测回的观测，每半测回记录垂直角、斜距读数。3、在待测点架设全站仪，已知点架设棱镜，进行4个测回的观测，每半测回记录垂直角、斜距测值。4、一测回取盘左、盘右平均值。垂直角和斜距分别取4个测回的平均数，计算两点高差。5、计算待定点高程。 第四章 变形监测数

24、据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析 本文中控制点的三维坐标采用GPS复测结果的平面坐标和三角高程测量得到的高程值。基于测量机器人的变形监测数据处理-白利锋 4.2 TCA 2003测量机器人全天候测量数据处理测量机器人全天候测量数据处理 本节以2013年9月13日10:00-2013年9月16日19:40二郎河特大桥TCA 2003监测数据为例，进行数据的处理分析。 4.2.1 原始观测数据的分析原始观测数据的分析通过对GSI数据格式文件的读取，可以获得原始的观测信息，包括测站点、后视点的输入信息，测得后视点、学习目标点的方位信息，及每次监测目标

25、点的方位信息（点号、水平角、天顶距、斜距、三维坐标、改正值）。第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋 经对仪器输出数据初步整理，可得到各监测目标点的三维坐标变化曲线图。但是，通过参考点的数据，发现存在着较大的误差。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋测站点（Q001）和参考点1（Q002点）是强制观测墩上的点； 参考点2是固定在三脚架觇牌上的棱镜，测量过程中对三脚架的上基座对中气泡检查，仍在中心位置附近，对中点也并未发生明显偏移。 上图中参考点1的位移数据（

26、Y方向-35mm、+15的最大位移量，X方向+100mm的最大位移量，H方向-17mm、+27mm的最大位移量）的可信度不高，参考点2的位移数据存在同样问题。 参考点是为了验证监测数据可靠性而设置的，因此，处理监测点数据之前，必须对参考点数据进行分析。 9月13日10:00设置好仪器之后，由仪器自动进行监测，没有任何的人工干预。9月16日19:00收仪器时，人工对仪器进行了重新整平和定向，由仪器自动观测了4组数据，以期进行对比，分析误差来源。从图中可以看到，在重新整平定向后，X、Y、H各方向位移测值均大幅减小。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋基于测量机器

27、人的变形监测数据处理-白利锋基于测量机器人的变形监测数据处理-白利锋上面几组图反映了仪器观测两个参考点的方位角、垂直角、斜距等初始测值82小时的变化波动情况。图中显示：参考点1、2的方位角测值曲线形状相似，其变化趋势与温度变化趋势非常相近；在第四天19：00重新整平定向后测值发生-30左右的跳动。参考点1、2至测站的斜距测值曲线变化幅度不同，但形状非常相似，其变化趋势与温度变化趋势大致相反；重新定向后测值未有明显跳动。 参考点1、2垂直角测值变化幅度稍小，但形状却并不相似，测值随机性地波动比较明显；重新整平定向后也没有明显的跳动。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理

28、-白利锋4.2.2 测量元素对位移测值影响分析 全站仪三维坐标测量一般计算公式为： 第四章 变形监测数据的处理分析 从公式可以看出，在不考虑对中整平误差和三轴误差的情况下， 斜距SD、垂直角V的测值对三个坐标数据均有影响，方位角A的测值只对X、Y坐标数据产生影响。设再次观测坐标为 ，三维坐标变化量为 ，平面坐标位移量为S，空间位移量为U，则 基于测量机器人的变形监测数据处理-白利锋举参考点1的测量元素在第四天重新定向后的跳动为例： 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋 采用因素分析法分析，可得到斜距、垂直角、方位角三个变量测值跳动对位移测值的影响，表4-7。

29、可以看出，虽然仪器在重新整平定向后，SD、V、A测值均发生了跳动，分别为+0.15mm、 、 ，它们产生的影响却截然不同。 显然，斜距测值跳动值很小，对位移测值影响也最小；垂直角测值跳动较小，但对高程测值有较大影响；而方位角测值跳动最大，对水平方向位移和总位移测值影响都是最大的，对高程测值影响却相对很小。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋4.2.3 方位角测值的变化原因及规律研究方位角测值的变化原因及规律研究影响测角的主要因素有：外界条件的影响、仪器误差的影响等。以参考点1方位角初测为基准（设为0），图4-3显示：9月13日10:00至16日18:50期间

30、，方位角测值波动范围在0至+32.85之间；9月16日18:50方位角相对测值为+22.95；9月16日19:00将仪器重新整平定向后，方位角相对测值为-5.2；可知，重新定向后，方位角相对测值更加接近初测值0，与前一次相对测值的差值为-28.15。若忽略定向的偏差，可认为两次定向是一致的。据此判断认为，测量机器人对各测点的方位角测值在监测过程中发生了近似周期性的偏移。引起这种偏移的原因可能有以下几种：（1）大气水平折光引起。连续观测期间，大气温度是一直变化的，仪器激光测量所经路径空气密度发生变化，引起的水平折光，导致仪器观测到的方位角值随温度变化产生周期性的变化。（2）仪器水平度盘、视准轴位

31、移引起。仪器周围空气温度变化所产生的热辐射可能导致仪器内部构件发生微小变形，仪器的水平度盘、视准轴或因此产生周期性的位移变化，引起仪器观测到的方位角值随温度变化产生周期性的变化。（3）仪器纵轴倾斜误差引起。仪器周围空气温度变化所产生的热辐射可能导致仪器内部构件发生微小变形，仪器的纵轴或因此产生周期性的倾斜变化，引起仪器观测到的方位角值随温度变化产生周期性的变化。总而言之，环境温度的变化，会引起仪器观测方位角值发生偏差。我们可以将各种因素引起的方位角测值偏差，综合理解为定向方位的偏移。82小时的观测数据显示，这种偏差具有周期性，与温度变化密切相关。 第四章 变形监测数据的处理分析基于测量机器人的

32、变形监测数据处理-白利锋 在22:00-9:00时间段内相对波动较小，在16：00-19:00时间段内波动会达到一天中的峰值然后回落，在这两个时间段外，存在急剧变化。变化曲线与时间具有很强的关联性，且周期为一天，那么其变化原因很可能与大气因素相关，为了方便分析，在监测过程中，专门使用RC-4温度记录仪采集了环境空气温度数据，绘制相关曲线。 参考点方位角读数波动在一定程度上反映仪器定向方位的偏移情况，而图4-13则反映了定向方位偏移与温度的相关性。 那么再进一步推断，大气温度变化导致仪器的定向方位偏离初始方位（自上向下看，可分为逆时针和顺时针两个方向，以下同），使得方位角测值产生系统误差，最终这

33、种偏差反映为位移测值上的误差，主要体现在平面坐标位移上。 从82h的变化规律上看出，仪器定向方位在昼间（大概7：30-17：30）发生逆指针方向偏移，在傍晚及夜间（17：30-7：30）发生顺时针方向偏移；而逆时针方向的累计偏移量（白天）略大于顺时针方向偏移量（傍晚及夜间）；总体上呈现周期性的变化。第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋这种规律性与太阳辐射及气温发生变化有很大关系。夜间0:00至早上7:00的低温时段温度值相对稳定，此期间仪器方位角测值偏差也最小。 在参考点稳固的情况下，方位角测值的偏差可通过参考点方位角测值的变动反映并求出。因为这个偏差在所有监

34、测点的方位角测值中均存在且在同一时刻的数值理论上相等，所以，若在每个周期测量中，将参考点方位角的偏差量实时改正到各监测点方位角测值中去，则可有效削弱此项误差的影响。但因为水平度盘的位移量一直在发生变化，而测量机器人每周期对各个点的测量并不是完全同步的，加之在测量过程中仪器易受环境因素影响发生微小倾斜（在各个方向倾斜度不同，对方位角测值产生不同的影响），不能保证完全消除此项误差。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋4.2.4 方位角测值的改正方位角测值的改正 将每一期测得的其它各点方位角测值与参考点1方位角测值差分，求得的水平夹角中，方位角测值的偏差可有效地被

35、削弱。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋举参考点2的数据处理结果为例说明：差分后，水平夹角的变化较之前参考点2的方位角测值变化幅度小了许多，第四天重新整平定向后的大幅跳动也不见了。18:50夹角测值与19：00重新整平定向后夹角测值仅相差-1.8，这表明，由于仪器水平度盘位移引起的系统误差已经大部分被消除或削弱。但是此数据仍然存在不规律的上下波动情况，与未处理的垂直角测值波动类似。这种误差应该与仪器受温度影响，产生微小颤动，且纵轴发生倾斜有关。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋4.2.5 距离测值的改正距离测值的改正通

36、常所说的距离改正，主要是指气象改正。如果气象条件在测量的时段内，剧烈变化，则各气象参数的值是不确定的，因此无法进行实时的气象改正。在利用TCA 2003测量机器人进行24小时以上连续全天候变形监测的过程中，由于气象条件的复杂多变性，要获取每一时刻的准确气象参数是比较困难的。事实上，归根结底气象条件对测距的影响主要体现在大气折射率的变化上。 第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析根据已知资料进行换

37、算，取测站点望远镜中心至参考点1（后视点）的标准距离为665.359m。 基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析根据已知资料进行换算，取测站点望远镜中心至参考点1（后视点）的标准距离为665.359m。 基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析经方位角、斜距改正后，可以得到参考点2三维坐标近似变化曲线基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析改正后，参考点2的X方向位移测值在-1.62+1.08mm之间波动，Y方向的位移测值在-4.71+5.81mm之间波动，H方向在-2.55+4.45mm之间波动。其中

38、，随机误差影响较为严重。基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.3 本期数据的大桥变形分析本期数据的大桥变形分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.3.1 绘制监测点变形曲线绘制监测点变形曲线 基于测量机器人的变形监测数据处理-白利锋基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.3.2 变形点位移分析变形点位移分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析从图中看出，横向位移量普遍大于纵向位移量；0号块位移相对中跨、边跨要小许多；同一桥墩上各监测点位移方向基本一致；5

39、号墩边跨、中跨沉降量较大，达到20mm以上。对比施工记录，各监测点的变化情况比较吻合，主要体现在高程变化上，0号块高程变化量较小，主要是墩身的支撑作用；悬臂两端在水箱注水和浇筑混凝土过程中均产生明显沉降，大约在1020mm左右，时间上与现场施工情况较为吻合。可以看出，虽然仪器存在微颤及纵轴不稳定性倾斜等误差未能给予有效排除，但是对高程测值的影响，从0号块的高程变化情况看，仅仅体现为围绕测值的随机波动比较多，但并未出现明显的偏离。所以，TCA2003监测数据经处理后，对于变形点的分析仍然是有效的。基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.4 小波包算法用于数据去噪

40、小波包算法用于数据去噪4.4.1 小波分析基本原理 小波分析是一种窗口大小（窗口面积）固定但是形状可改变，时间窗和频率窗都可以改变的时频局部化分析方法，在低频部分它具有相对较高的频率分辨率和和较低的时间分辨率，而在高频部分则具有相对较高的时间分辨率和较低的频率分辨率。正是由于这种特性，使小波分析具备了对信号的自适应性。基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.4.2 小波包算法小波包算法 小波包变换将小波空间作了更为精细的分割，它对信号的频带进行了多层的划分，将小波变换还没有细分的高频部分进行

41、了更进一步的分解。1. 小波包的的定义 2. 小波包的性质3. 小波包的分解与重构基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.4.3 基于小波包算法的观测数据去噪和估计基于小波包算法的观测数据去噪和估计 为验证运用验证小波包算法去噪的有效性，本文在数据采集时，对Q002参考点和中跨合龙段监测点每期均进行了两次重复观测。理论上，对同一个点，在极短的时间内可以认为其变形量接近于0，即此间的观测量的差值应接近0。下面即为利用小波包算法去噪前后的数据对比。去噪后图显示，利用小波包算法，对3号点、13号点方位角测值变量进行去噪处理后，其变化曲线明显平滑了许多。基于测量机器人

42、的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.4.3 基于小波包算法的观测数据去噪和估计基于小波包算法的观测数据去噪和估计 为对13号点、3号点方位角测值差值，进行小波包算法消噪前、后的变化曲线。3号点、13号点测得是同一参考点，且对它们的测量是在一期（10min每期）内间隔时间很短，可以理论上认为其方位角差值为0。下图即反映了这个差值在整个486期监测中的变化。消噪前、后的均方差分别为：4.283、0.314。基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析4.4.3 基于小波包算法的观测数据去噪和估计基于小波包算法的观测数据去噪和估计 为对13号点、3号

43、点方位角测值差值，进行小波包算法消噪前、后的变化曲线。3号点、13号点测得是同一参考点，且对它们的测量是在一期（10min每期）内间隔时间很短，可以理论上认为其方位角差值为0。下图即反映了这个差值在整个486期监测中的变化。消噪前、后的均方差分别为：4.283、0.314。基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析同理，对中跨合龙段监测点的两次数据做相同处理，消噪前、后的均方差分别为：2.093、1.003。基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析直接对位移监测数据去噪，可得参考点2、监测点消噪后位移变化曲线如下：基于测量机器人的变形监

44、测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析基于测量机器人的变形监测数据处理-白利锋第四章 变形监测数据的处理分析 通过上面图和表中数据可以看出，消噪监测点变形曲线更为平滑，且消除了消噪前测值的大幅度随机波动，位移测值幅度也相对小了许多，去噪效果非常明显。基于测量机器人的变形监测数据处理-白利锋第五章 结论与展望5.1 结论对大型工程建（构）筑物进行变形监测具有重要的现实意义。本文以二郎河特大桥施工背景为依托，结合变形监测一般方法步骤，设计了针对此桥施

45、工各阶段的变形监测方案，并结合变形监测数据处理常用方法手段，在数据处理方面做了一定的研究，最终提取了相关的变形信息。所做的主要工作和研究成果如下：1、 通过阅读大量的文献资料，研究和掌握了变形监测技术及桥梁常规监测技术的国内外发展现状，设计了本文研究的主要技术路线。2、对测量误差理论和常用变形监测数据处理方法进行了深入学习和研究，制定了符合工程实际和施工特点的可行的变形监测方案。3、针对仪器自身出现的测角偏差和气象条件引起的测距偏差，运用设置参考点进行数据差分的方法，作了有效改正，削弱了主要系统误差的影响。4、依据数据处理结果，绘制了各监测点的变形曲线，并对变形量和变形方向趋势进行了分析。结合

46、实际施工进展情况和外界环境因素，分析了引起变形的主要原因。5、进行变形监测数据的有效信息提取，具有非常重要的意义。本文针对监测数据中包含较多随机噪声的情况，利用小波包算法，把变形数据看作是一种信号，实现了对监测数据的去噪，从中提取出有用信息。结果显示，去噪效果比较明显，通过参考点的数据看，去噪后的数据更加接近理论值。基于测量机器人的变形监测数据处理-白利锋第五章 结论与展望5.2 展望本文利用参考点数据差分的方法，对监测系统误差进行了一定地削弱；运用小波包算法对变形监测数据去噪和信息提取的问题做了一些工作，取得了一定成果，但还是存在着一些问题，有待进一步深入研究。 1、由于地形条件限制，测量环

47、境气象条件变化十分复杂，其对测量机器人开展变形监测是十分不利的，包括温度的变化、空气的对流、大气的折光等，都会对仪器测角、测距产生不可忽视影响，空气中的热辐射甚至引起仪器内部构件相互关系的变化（仪器微颤、水平度盘偏移、纵轴倾斜等）。而这些，简单地使用参考点数据进行改正是不够的，尤其是纵轴倾斜的偏差，因地处山区，所涉参考点数量有限，未能通过数据处理方法进行有效估计和消除。对这些因素的影响，下一步需要深入研究。 2、小波包算法在全频域分析上有着比较强大的优势，本文中小波包算法采用的是全局阈值，某些情况下消噪的效果可能会相对较差。小波函数的种类较多，究竟选取哪种小波更加适合用于变形监测数据的处理和分析，有待下一步深入研究。 3、仅靠小波包算方法很难同时解决所有问题，需与其它的数据处理方法相结合。4、高桥墩大型桥梁的变形是复杂的，引起变形的因素也有很多。本文还未针对引起的变形量（施工、风振、温度）作量化的分析，这也是以后需要研究的一个重点。基于测量机器人的变形监测数据处理-白利锋谢谢！基于测量机器人的变形监测数据处理-白利锋