基于卡尔曼BP网络的施工高度测量方法研究

《基于卡尔曼BP网络的施工高度测量方法研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、硕士研究生学位论文摘要I摘要高处作业平台因其施工过程灵活、操作方便、拆卸容易等特点，在国内外建筑施工中被广泛用在高层、超高层建筑物幕墙玻璃安装、外墙保养、维修、保温施工、门窗安装等多种施工作业中。高处作业平台是建筑施工中常见的非常设机械设备，在我国拥有量已超过150万台，因其特有的摩擦式提升方式，在吊篮施工安全事故中，断绳、倾翻、坠落等事故较为常见。为了有效地解决高处作业平台施工中的安全问题，采用先进的物联网技术，对高处作业平台设备进行实时在线安全状态监测是高处作业施工设备行业发展的新趋势，作业平台的工作高度是作业平台状态参数监测中的重要数据，而作业平台高度数据有效、准确的采集和获取方

2、法，正是本文所研究的主要内容。在生产实践中，常见的高度数据获取方式有两种，一种是利用气压传感器获取气压数据转换为高度值，这种方式获取的高度值是基于气压数据的变化，从而导致获得的高度值不具有长效性；另一种方式是采用GPS算法推导平台上测试设备空间的几何高度，这种方式受信号的遮挡和施工工地干扰因素的影响非常明显。由于实际过程中误差产生具有多种不确定性因素，因此两种方式单独使用会导致在高度测量中产生较大的测量误差。本文针对单独使用气压或GPS测量平台施工高度过程中出现的误差特点，采用卡尔曼滤波融合模型与BP神经网络串联结合的方法，综合运用数据统计理论对实验获得的高度数据进行处理，减小因不确定

3、因素产生的随机误差影响，并进一步对高度测量系统进行优化，具体的研究工作简述如下：(1)分析了气压和GPS高度测量原理，并对每一种测高方法在实际应用中产生的测量误差进行研究。(2)基于统计学原理，对测试数据进行预处理。根据贝塞尔理论剔除了测试数据中的粗大误差，减小了随机误差对测试数据的影响。(3)采用卡尔曼滤波融合理论和BP神经网络原理，构建了卡尔曼BP神经网络误差修正模型，对平台施工高度测试中经过预处理的测试数据进行处理，减小误差。通过改变卡尔曼滤波参数对卡尔曼滤波融合模型进行优化，并对BP神经网络结构参数做了进一步优化处理。(4)针对误差修正模型的特点并结合高处作业平台的实际施工情况

4、，设计了验证高度测量误差修正模型正确性的高度测试系统。对实际施工中单独使用气压测高或GPS测高产生的误差，提出气压/GPS融合测高方法提高高度测量精度，减小误差对测试结果的影响。验证表明，理论分析和模型误差修正有效地提高了高度测量数据的稳定性和测量精度。关键词：气压高度；GPS高度；误差修正模型；卡尔曼滤波；BP神经网络硕士研究生学位论文摘要II硕士研究生学位论文AbstractIIIAbstractHighsuspendedplatformhasbeenwidelyusedintallbuildingsconstruction.Duetoitscharacteristicsoffle

5、xibleandconvenientoperation,loadingandunloadingeasily,gondolahasbeenappliedinconstructionworkssuchascurtainwallconstructionandmaintenance,thermalinsulationconstruction,doorsandwindowsinstallationandsoon.Gondolahasbeenacommonnon-permanentmachineinbuildingsconstruction,andtherehavebeenmorethan1.5m

6、unitsinourcountry.Becauseofitsuniquefrictionliftingmethod,ropebroken/dumping/fallingandotherconstructionaccidentsareeasytohappen,constantonlinemonitoringtogondolabyadvancedInternetofthings(IoT)hasbeenanewtrendtosolvesafetyaccidentsingondolaconstruction.Theconstructionheightisanimportantdataformo

7、nitoringsystem.Thepurposeofthisstudyishowtocollectandgettheconstructionheightdata.Therearetwousualwaytogetheightdatainproductionpractices.Theheightvaluecanbeobtainedbyconvertingthepressuredataobtainedbypressuresensors,butnot