小波与kalman联合滤波在变形监测预测中的应用研究

《小波与kalman联合滤波在变形监测预测中的应用研究》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、分类号：学校代码：10153UDC：密级：公开硕士学位论文小波与kalman联合滤波在变形监测预测中的应用研究作者姓名：王晓峰入学年份：2013年9月指导教师：王井利副教授学科专业：土木工程测量申请学位：工学硕士所在单位：交通工程学院论文提交日期：2015年11月论文答辩日期：2015年12月学位授予日期：2016年1月答辩委员会主席：杨国范答辩委员会组成：杨国范孙立双刘玉梅李如仁刘茂华论文评阅人：硕士研究生学位论文摘要I摘要现代城市交通网络越发完善，地下轨道交通成为城市交通的重要组成部分，而大型构筑物的施工势必会对邻近地下既有隧道结构造成影响，对受影响的隧道路

2、段进行变形监测，实时监控，对于保证地下交通的安全和施工安全都具有重大意义。在地下密闭的监测环境中，变形监测受到复杂的外界信号干扰，如不准确的仪器校准和安置，地铁运营时列车产生的震动以及隧道内的高压线影响等，导致监测数据不稳定或漂移现象。因此，选取科学有效的滤波算法，才能保证监测预测的准确性、可靠性与稳定性。小波变换以其多分辨率特性降低信号干扰，但对于频率覆盖整个频率段的白噪声处理效果一般；卡尔曼滤波以其对数据的实时处理、预测能力而广泛应用在变形监测实时变形分析中，但不准确的数学模型和异常数据会导致卡尔曼滤波的发散。两种算法在数据处理方面具有互补性，研究小波去噪和

3、卡尔曼滤波联合算法在变形监测上的应用可以弥补单一算法的缺陷，具有重要意义。本文提出了基于最优小波去噪与动态卡尔曼滤波相结合的联合滤波算法，来改进单一算法在变形分析中的不足。通过沈阳地铁一号线沈阳站到太原街站自动化变形监测数据分析，探讨了小波去噪算法中小波分解层数、小波基、阈值函数以及阈值规则的选取，确立了最优小波去噪算法；通过分析监测数据位移速度、位移加速度变形趋势、变形体特性，提出了基于运动学方法的6参数法卡尔曼滤波方程；利用联合滤波算法对数据进行处理，对比传统卡尔曼滤波可知，联合滤波算法克服了单一算法处理噪声的不足，提高了变形监测数据精度，保障了变形分析与预

4、测的可靠性和稳定性；根据高精度全站仪观测的地铁变形监测数据进行预测，通过分析预测残差值，验证了联合滤波算法在地铁自动化变形监测变形预测的可靠性，实现了以较高的预测精度进行实时预测分析。关键词：小波去噪；阈值；卡尔曼滤波；变形预测II摘要硕士研究生学位论文硕士研究生学位论文AbstractIIIAbstractWithconstructionofmodernurbantransportnetwork,undergroundrailtraffic,aspartofurbantraffic,becamegraduallyimportant.Whileexistingt

5、unnelstructurewouldbeaffectedbyconstructionoflargestructureswhichwereadjacenttothetunnel.Thereforereal-timedeformationmonitoringofthetunnelwassignificanttoensuresafetyoftheundergroundtrafficandtheconstructionprocess.Deformationmonitoringwasdisturbedbycomplicatedsignalinterferencebeca

6、useofclosedmonitoringenvironment,suchaschangeoftemperature,humidityandairpressure,settlementandadjustmentofinstrument,vibrationofrunningtrain.Thereforescientificandeffectivedeformationanalysiswasnecessarytoensureaccuracyandreliabilityofpredictionofdeformation.Multi-resolutionwaveleth

7、adgoodde-noisingeffectonsignalinterferencedistributedinthehighfrequencypartofthedatabutnotwhiteGaussiannoisebeinginallfrequency.TraditionalKalmanFiltercouldbeappliedonreal-timeprocessinganddynamicpredictionofthedatabasedonminimumvarianceunbiased.However,bothabnormalobservationsandcom

8、plicatedmath