APP下载

基于卡尔曼滤波的GM(1,1)在变形监测中的应用研究

2020-11-02王强,吴盛,杨静,任军

矿山测量 2020年5期
关键词:卡尔曼滤波变形模型

王 强 ,吴 盛 ,杨 静 ,任 军

(1.湖州吴兴东成测绘有限公司,浙江 湖州 313000 ; 2.中国水利水电第八工程局有限公司科研设计院,湖南 长沙 410000)

随着社会经济的发展,建设水平的提高,随之各种高层建筑、大型工业建筑、大坝等也不断涌现,对这些建筑物进行施工或者是建筑物在运营期间,一些外在影响因素会导致建筑物产生变形,当变形量超过相关规范规定的范围,就会对工程进度产生一定的影响,如果没能及时采取相关措施,甚至会产生安全事故[1]。显然,对这些建(构)筑监测就显得更加有必要。为了掌握建筑物变形的规律和趋势,可以通过对变形物体进行合理的监测,数据分析的结果也会给施工决策者提供指导意义[2]。在对监测数据处理和分析建模中,国内外学者已提出多种变形预测模型。主要有:灰色系统分析、回归分析、时间序列分析、卡尔曼滤波模型和工神经网络模型等[3]。刘江等[4]将小波和时间序列模型结合在一起,应用于郑州地铁2号线变形监测。朱军桃等[5]将马尔科夫与灰色模型组合对基坑进行变形监测,精度相对单一模型有所提高。

在实际监测数据采集过程中,外界环境复杂多变,在采集数据过程中也会带来其他扰动误差,这使得监测数据跳动很大,且数据信息量也很少。对此,在实际工程应用中,很难对变形物体有一个准确的预测。在数据建模过程中,随机扰动误差较大的数据用卡尔曼滤波剔除,可以使原始监测数据曲线变得平滑,拟合效果增强;……

登录APP查看全文

猜你喜欢

卡尔曼滤波变形模型
一半模型
谈诗的变形
重尾非线性自回归模型自加权M-估计的渐近分布
“我”的变形计
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
会变形的饼
3D打印中的模型分割与打包
基于模糊卡尔曼滤波算法的动力电池SOC估计
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于自适应卡尔曼滤波的新船舶试航系统