基于STM8L的滑坡灾害在线监测预测系统.pdf
《基于STM8L的滑坡灾害在线监测预测系统.pdf》由会员分享,可在线阅读,更多相关《基于STM8L的滑坡灾害在线监测预测系统.pdf(5页珍藏版)》请在咨信网上搜索。
1、1引言滑坡灾害是在自然演变或人为因素影响下的一种自然灾害,是复杂的非线性演化过程。山区地形、人类活动、土质岩石特性及水文状态等多种因素混合影响,对滑坡预测提出严峻的考验1-2。对滑坡进行实时自动化监测从而达到防灾减灾工作尤其重要。近年来国家相继出台防灾减灾政策,强调多方位关注并增加灾害的预防提示。于怀昌3将多传感器技术与物联网结合,成功应用在栾川魏家沟的滑坡实时监测中,为滑坡成灾参数选取提供一种新的可行性判据;秦宏楠4将地基雷达干涉测量动态高频次数据用在滑坡的早期预警;朱武5使用自动化监测设备,对研究区环境进行实时监测,但传统无线网络手段难以平衡远距离无线传输技术高效与网络布设开销的问题。直至
2、低功耗广域网技术 ZigBee6-7无线技术的出现解决了这一大难题。随着机器学习理论的发展,非线性模型被广泛应用在滑坡灾害预测的理论中8。马娟、杨宗佶等9-10将多参数预警模式应用于滑坡预测中,效果良好。针对滑坡体灾害概率基于 STM8L 的滑坡灾害在线监测预测系统*李璐1,张永强1,窦婉婷1,马媛1,王悦2,程良1(1.西安思源学院理工学院,西安 710038;2.西安交通大学城市学院传播系,西安 710018)摘要:针对山区滑坡灾害监测系统中传感器布设及网络通讯困难导致系统预测精度低下的问题,基于 STM8L,设计一种低功耗的滑坡灾害在线监测预测系统。设计采用群布设分布式传感器采集数据,使
3、用 ZigBee 组网无线通信技术实现多传感器采集数据的交互式通信及现场终端传输;基于GC-KELM 算法对滑坡灾害的成灾因子建模,实现预测功能,达到防灾减灾目的。实际使用效果表明该系统功耗低、监测数据稳定、信息保留效果好,能够准确地对成灾因子进行实时监测,适用于针对山区滑坡灾害的实时监测和预测。关键词:ZigBee 组网;STM8L 单片机;滑坡预测;KELM 算法;超参数优化DOI:10.3969/j.issn.1002-2279.2023.04.014中图分类号:TP277;P642.22文献标识码:A文章编号:1002-2279(2023)04-0051-05Online Monito
4、ring and Prediction System of Landslide DisasterBased on STM8LLI Lu1,ZHANG Yongqiang1,DOU Wanting1,MA Yuan1,WANG Yue2,CHENG Liang1(1.School of Science and Engineering,Xian Siyuan University,Xian 710038,China;2.Department of Communication,Xian Jiaotong University City College,Xian 710018,China)Abstra
5、ct:Aiming at the problem of low prediction accuracy caused by the difficulty of sensor layoutand network communication in landslide disaster monitoring system in mountainous areas,based on STM8L,a low power online landslide disaster monitoring and prediction system is designed.The distributed sen-so
6、rs are used to collect data,and the wireless communication technology of ZigBee networking is used torealize the interactive communication of multi-sensor collected data and the field terminal transmission.Based on GC-KELM algorithm,the disaster factors of landslide disaster are modeled,the predicti
7、on func-tion is realized,and the purpose of disaster prevention and reduction is achieved.The practical applicationresults show that the system has low power consumption,stable monitoring data and good informationretention effect,and can accurately monitor disaster factors in real time,which is suit
8、able for real-timemonitoring and prediction of landslide disasters in mountainous areas.Key words:ZigBee;STM8L;Landslide prediction;KELM algorithm;Hyperparametric optimization基金项目:陕西省教育厅科研计划资助项目(22JK0515);陕西省自然科学基础研究计划项目(2023-JC-YB-464)作者简介:李璐(1994),女,山西省长治市沁县人,硕士,讲师,主研方向:地质灾害预报,人工智能算法。收稿日期:2023-02-
9、14*微处理机MICROPROCESSORS第 4 期2023 年 8 月No.4Aug.,2023微处理机2023 年预测及预警的相关研究仍然存在一些不足,包括地域成灾机理复杂、系统监测较难,预测模型容易陷入局部最优导致精度不足,尤其山区的传感器布设难、网络传输慢,导致预测精度不准确。针对上述问题,在此基于 STM8L、传感器技术和 ZigBee 无线通信技术,并结合 KELM 算法,尝试设计一种具有多传感器成灾因子监测功能的低功耗滑坡灾害在线监测和预测系统。2系统整体设计所设计的滑坡灾害监测预测系统由分布式监测分机、监测主机和后台上位机三部分组成,其整体工作原理如图 1 所示。滑坡灾害监测
10、和预测的精度依赖于对滑坡监测地成灾因子的采集和对历史数据的分析,因此本系统设计基于分布式设计的传感器监测分机,借助于雨量传感器压力传感器以及土壤含水率传感器等多种传感器,对主要成灾因子中包括降雨量、土壤含水率、地声及孔隙水压力等数据进行采集。由于滑坡监测区域范围广、布线困难以及能量获取不易等情况,设计采用低功耗无线分机,通过降低传感器唤醒频率、采用低功耗器件以及采取低功耗信息传递等设计手段降低分布式传感器分机的功耗,在采用电池供电的基础上能实现持续工作。分布式传感器分机与监测主机采用无线自组网形式传输数据,实际降低分机的功耗,实现灵活组网和稳定通信。监测主机一般设置于地质监护站点或者巡查点,主
11、要用于对一定区域内监测分机的数据汇集、存储和现地显示;也可通过后台上位机或触摸屏输入成灾因子报警阈值,经整理后,数据和报警信息每间隔固定时间通过 GPRS/4G 通信上传至数据后台。监测主机具有蓄电池作为储能部分,在便于取电的位置可采用市电;在不易取电的野外,可采用太阳能发电的方式获取电能。电能储存在蓄电池中,为监测主机提供能量。后台上位机的功能是对当前监测数据进行分析,通过最大相似日模型完成数据预测,在滑坡灾害发生概率达到阈值时提前预警,以减少可能出现的灾害损失。3系统软硬件设计3.1主从机硬件设计分布式传感器从机的工作环境特殊,取电困难,从设计上应尽可能降低从机功率。根据从机的工作性能要求
12、和功耗,选择 STM8L151K4T6 单片机作为从机的主控芯片。该型单片机具有低功耗设计,片内外资源丰富,具有 3 路 PWM 定时器,输出 1 路 A/D接口和 1 路 D/A 接口。分布式传感器从机结构原理如图 2 所示。从机在长时间稳定运行的过程中对滑坡易发区域进行监测,保证监测数据的及时性和准确性,在运行中会造成大量的能量损耗。设计中,为降低功耗、延长使用寿命、减少维修和更换电源的次数,从机在运行时大多处于低功耗状态,定期对数据进行采集,并与最近几次采集数据对比,判断近期监测状态变化情况,无异常则继续循环执行命令,若数据发生异常,再次进行数据采集并将采集数据上传至主机。数据无异常,则
13、每 1 小时上传一次数据。从机的传感器为泥石流灾害的主要因子测量传感器,包括降雨量传感器、土壤含水率传感器、地声传感器及孔隙水压力传感器。监测主机原理框图和电路板如图 3 所示。除具备基本的环境信息采集、数据显示、无线收发功能,以及 GPRS/4G、北斗通信系统外,另有两套供电模块,分别为市电供电和太阳能发电;同时具备蓄电池储能部分,能实现市电和太阳能取能的存储以不间断供电。图 2监测从机原理框图图 1系统原理框图信号采集信号采集信号采集降雨量传感器土壤含水率传感器孔隙水压传感器监测从机1监测从机2监测从机n.太阳能供电模块电源模块预警灯液晶显示STM32主控单元太阳能供电模块电源模块预警灯液
14、晶显示STM32主控单元监测主机1监测主机2多监测从机数据后台无线自组网网络电压信号传感器信号看门狗电源模块从机控制芯片STM8L151无线收发模块窑52窑4 期在监测主机中设计有太阳能充电控制模块,如图 4 所示。除了能实现太阳能为蓄电池供电能力外,还具有电路保护功能,防止出现夜晚或光线较暗环境下电流倒灌而损坏太阳能电池板。同时对蓄电池设计过充和过放保护电路,防止发生过充过放情况而造成监测主机使用寿命降低。在电路中还加入了一片 470滋F 的钽电容,通过一个反向的二极管与蓄电池相连接。在第一次使用或者蓄电池电量较低时,在有光源的情况下,该蓄电池可短时间对钽电容进行充电,短时间拉高电路电压,为
15、监测主机供电,完成一些消耗能较低的操作。3.2ZigBee 无线技术数据采集终端可灵活布置 ZigBee 网络,实现大范围监测区域的灵活通信。通过传感器采集监测区域数据信息,各采集终端加入监控主机中协调器建立的 ZigBee 网络中,多传感器采集的数据通过在滑坡体区域设置 ZigBee 节点来构成一个局域网络进行数据的交互。需要在监测区域范围内进行相关监测节点部署,封闭自组网主要包括终端节点和路由节点,由二者共同监测区域,形成闭合组网进行数据传递。数据采集 ZigBee 组网结构如图 5 所示。在数据汇聚层,ZigBee 无线通信网络由协调器、路由器、终端节点三部分构成,设备间数据传输通过星型
16、网状拓扑进行。网络构成的方式可以通过终端节点自行组织方式勾划出的构成,依据逐级跳跃及多个节点的相互处理,将所有数据汇集到路由器节点中,最后通过协调器节点完成与上位机监控系统的数据管理。ZigBee 无线通信传感网络的拓扑结构如图 6 所示。4GC-KELM 滑坡灾害预测模型4.1KELM 模型ELM 是一种单隐层的前馈神经网络,对于线性问题计算速度快且拟合能力也较好,但由于其隐藏节点存在随机映射的特点,训练的模型的稳定性和泛化性能力较差11-12。KELM 是在其基础上引入核函数解决随机映射问题。针对于 N 组不同的样本,ELM 隐含层节点数用 M 表示,激励函数用 g()表示,有如下关系式:
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 基于 STM8L 滑坡 灾害 在线 监测 预测 系统
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。