简介:摘要:随着经济建设的发展和水力资源的不断开发利用,大型水利工程建筑物的数量和规模都在不断增加。但是由此带来的水电站跨坝与滑坡事件也越来越频繁,引起人们对水电站大坝安全监测的高度重视。水电站自动化安全监测主要采用几何监测与物理监测方法,对于外部形变的监测主要采用几何监测的方法,即以GNSS和测量机器人为主要采集对象,实现水电站大坝的自动化监测。但是在GNSS和测量机器人监测过程中特别是在数据传输方面还存在成本过高、供电不足等方面的问题,并且实现的也只是单一的几何监测。在一些隐蔽区域,地下无GNSS信号或者无法用智能机器人进行监测,从而导致数据盲点。对于水电站监测项目,各种传感器可以很好地实现水电站内观自动化监测。因此本文采用智能测量机器人、GNSS天线阵列与多种传感器相结合的多传感器集成的方法实现水电站一体化自动安全物理监测与几何监测的同步。
简介:无线传感器网络部署的成功取决于是否能够在其诸如数据的精确性、数据聚类程度以及网络生命周期最大化等问题上,提供一个高质量可靠的性能服务。其中,数据融合机制就特别具有挑战性。如果将一小部分低质量的数据作为数据融合输入,那么极可能对整个数据融合结果产生负面影响。该文提出了改进型分批估计和BP神经网络相结合的多传感器数据融合方法,旨在提高网络的服务质量并减少整个网络的能量消耗。该方法能够辨别和剔除低质量的终端数据,提高数据的精确性;同时,它还能够融合冗余的数据,以减少各站点之间的数据通信消耗,使网络生命周期最大化。通过MATLAB实验仿真,表明该文提出的方法具有良好的数据融合性能;相比于LEACH,有效减少转发数据包量,提高了网络生命期。