[发明专利]基于云平台的边坡预应力锚杆智能化监测预警系统及方法

权利要求书

1.一种基于云平台的边坡预应力锚杆智能化监测预警系统的预警方法，其特征在于，所述基于云平台的边坡预应力锚杆智能化监测预警系统包括锚杆；所述锚杆底部与搅拌筒连接，搅拌筒上设置若干个搅拌齿；所述锚杆外围设置套管，套管和锚杆之间形成注浆通道；所述注浆通道顶部与注浆口连通，注浆通道底部与若干个出浆口连通；所述锚杆顶部的与套管的交界处套设止浆塞，位于止浆塞下部的锚杆上设置磁通量传感器，位于止浆塞上部的锚杆上依次安装盖板和预应力螺母；所述锚杆顶部贴设RFID标签；

所述磁通量传感器通过电缆与现场通信网关通信连接，RFID标签与现场读写器信号连接；所述现场读写器与现场通信网关电缆相连，现场通信网关通过云服务器与管理人员APP信号连接；所述云服务器与用户业务网络端信号连接；

所述锚杆上间隔贴设有若干应力片，所述应力片通过电缆与现场通信网关相连；

所述搅拌筒与锚杆底部螺纹连接，若干个所述出浆口开设于套管下部，且出浆口倾斜设置；

所述现场通信网关通过4G/5G/xDSL与云服务器信号连接，磁通量传感器为CCT105J磁通量传感器；

位于锚杆四周的地质或土壤内安装温度传感器和湿度传感器；

所述方法包括：

S1、基于若干个应力片实时采集锚杆上各个点位的应变值，并将应变值通过现场通信网关上传至云服务器；

S2、根据获取的各个点位的应变值，构建锚杆平均剪应力预测模型；

S3、计算锚杆与锚孔之间的空隙应力函数关系；

S4、根据S3中的孔隙应力函数关系修正锚杆平均剪应力预测模型，得到锚杆剪应力预测模型；

S5、按照时间顺序，衡量锚杆剪应力预测模型输出的锚杆剪应力值与磁通量传感器实测得到的锚杆剪应力值之间的差的绝对值D；

S6、根据锚杆事故类型，利用专家知识库对事故进行事故真伪判断，并对绝对值D进划分，得到划分后的绝对值d1，d2，d3，d4，…dn；

S7、基于深度学习，并根据划分后的绝对值d1，d2，d3，d4，…dn，构建事故预警的神经网络模型，并通过事故预警的神经网络模型将输出的事故预警信息传送至管理人员APP和现场施工APP上。

2.根据权利要求1所述的基于云平台的边坡预应力锚杆智能化监测预警系统的预警方法，其特征在于，所述S2中根据获取的各个点位的应变值，构建锚杆平均剪应力预测模型：

其中，F₀为平均剪应力值，f₁和f₂为锚杆上相邻两点之间的剪应力值，E为锚杆的弹性模量，d为锚杆直径，为相邻应变片之间的间距，A_S为锚杆横截面积。

3.根据权利要求1所述的基于云平台的边坡预应力锚杆智能化监测预警系统的预警方法，其特征在于，所述S3中计算锚杆与锚孔之间的空隙应力函数关系：

其中，P₁为锚孔内平均空隙压力，为锚孔内浆液与锚杆之间的张力，h为浆液深度，R为浆液围绕锚杆的外围半径，r为锚孔半径。

4.根据权利要求1所述的基于云平台的边坡预应力锚杆智能化监测预警系统的预警方法，其特征在于，所述S4中根据S3中的孔隙应力函数关系修正锚杆平均剪应力预测模型，得到锚杆剪应力预测模型，为：

其中，F为修正后的锚杆剪应力，β为孔隙应力修正系数，K₁为浆液压缩模量，K₂为土壤或固体基质压缩模量，S₁为浆液饱和度，S₂为土壤饱和度，为整体孔隙率，f₁和f₂为锚杆上相邻两点之间的剪应力值，E为锚杆的弹性模量，d为锚杆直径，为相邻应变片之间的间距，A_S为锚杆横截面积。

5.根据权利要求1所述的基于云平台的边坡预应力锚杆智能化监测预警系统的预警方法，其特征在于，所述S7中基于深度学习，并根据划分后的绝对值d1，d2，d3，d4，…dn，构建事故预警的神经网络模型，包括：

将若干组绝对值d1，d2，d3，d4，…dn，进行归一化处理，并将归一化处理后的绝对值数据投影到[0，1]区间内，得到若干组绝对值特征数据；

将若干组绝对值特征数据作为输入特征向量代入训练好的PNN模型中进行事故初步诊断，输出初步事故诊断结果；

将未能识别出事故类型对应的绝对值特征数据，带入训练好的支持向量机中进行非线性数据的事故分类，输出绝对值特征数据对应的事故类型。