中小型水库土坝安全监测系统及预测分析

摘要

世界大坝建筑已有5000年的历史了,在近一个世纪国内外相继发生了大坝垮坝的现象,造成了惨重的损失。因此,大坝的安全监测引起了人们重视。由于历史原因,这些水库大部分防洪标准低,规模较小,均未设置或仅设置了简单的人工观测设备。目前,还没有专门针对中小型土坝的安全监测系统,中小型土坝还是按传统大坝安全监测系统进行监测,而且传统大坝监测系统造价比较高,若要在全国中小型土坝中推广,资金难以实现是一大瓶颈。本文针对传统大坝安监系统存在MCU、数据传输、电源管理技术、后台分析软件等缺陷问题进行分析、研究,开发出一套实用的《中小型水库土坝安全监测系统》。
　　 本论文工作首先针对传统大坝监测系统的缺陷进行改进,从系统结构、传感器、数据采集模块、电源自动管理技术、远距离传送、软件系统几个方面对传统大坝安全监测系统进行创新与改进。重点叙述了数据采集、自动化电源管理的工作原理、硬件功能模块的设计与功能的实现。其中软件系统对于传感器数据的预测算法进行了专门改进,用Levenberg-Marquardt算法来说明优于BP算法,提高数据预测精确度。整个系统在湖南立新水库试点取得成功。
　　 2007年《中小型水库土坝安全监测系统》系统开发成功,于2007年12月在新田县立新水库试点成功,经过两年运行,项目于2010年7月获得湖南省科技进步二等奖。

目录

文摘

英文文摘

论文说明:图表目录

第1章 绪论

1.1 国内外水库大坝监测基本情况

1.2 水库大坝安全监测的目的和意义

1.2.1 大坝安全监测目的

1.2.2 大坝安全监测意义

1.3 大坝监测概述

1.4 常用数据预测算法介绍

1.5 本论文的研究内容

1.6 论文的结构

第2章 中小型水库土坝安全监测系统

2.1 传统水库土坝安全监测方法

2.1.1 传统土坝安全监测概述

2.1.2 传统土坝监测系统主要功能

2.1.3 传统土坝安全监测系统缺陷

2.2 改进土坝安全监测系统

2.2.1 系统结构创新

2.2.2 传感器

2.2.3 数据采集模块

2.2.4 电源自动管理技术

2.2.5 远距离传送

2.2.6 软件系统

2.2.7 两种监测系统比较

2.3 硬件电路软、硬件设计

2.3.1 采集模块硬件设计

2.3.2 电源自动管理硬件设计

2.4 小结

第3章 数据预测分析算法

3.1 人工神经网路

3.1.1 生物神经元的基本原理

3.1.2 神经网络的形式化描述

3.1.3 神经网络所具有的特点

3.2 BP算法

3.2.1 基本BP算法

3.2.2 BP算法的描述

3.2.3 目标函数选取为总体误差的期望时BP算法的公式

3.2.4 目标函数选取为总体误差的方差时BP算法公式

3.2.5 BP网络算法的缺陷

3.3 采用LEVENBERG-MARQUARDT算法对BP算法的改进

3.3.1 数值优化技术

3.3.2 Levenberg-Marquardt算法

3.4 神经网络在数据预测系统的开发设计

3.4.1 系统整体介绍

3.4.2 部分概要设计

3.5 程序流程

3.6 数据预测

3.7 两算法预测结果比较

3.8 小结

第4章 系统实现

4.1 系统项目简介

4.2 新田立新水库安全监测系统组成

4.2.1 大坝渗流观测

4.2.2 大坝变形观测

4.2.3 环境量观测

4.2.4 数据传送

4.3 软件介绍

4.4 小结

结论

参考文献

致谢

附录A 攻读学位期间所获项目成果

附录B 设计原理图