首页--工业技术论文--建筑科学论文--土力学、地基基础工程论文--土力学论文

基于徕卡测量机器人的边坡监测系统研究

摘要第4-5页
ABSTRACT第5页
第一章 绪论第9-14页
    1.1 研究背景第9-10页
    1.2 国内外研究现状和发展动态第10-11页
    1.3 目前边坡监测存在的问题第11-12页
    1.4 本文主要研究内容和技术路线第12-13页
        1.4.1 本文主要研究内容第12-13页
        1.4.2 本文研究的技术路线第13页
    1.5 本章小结第13-14页
第二章 变形监测概念与数据处理原理第14-25页
    2.1 变形监测概念与监测方法第14-16页
        2.1.1 变形监测的基本概念第14页
        2.1.2 变形监测的主要技术方法第14-16页
    2.2 方向观测法计算与平差原理第16-18页
    2.3 极坐标与三角高程测量计算原理第18-20页
    2.4 监测点测量精度评定与稳定性判断第20-22页
        2.4.1 变形监测精度评定方法第20-21页
        2.4.2 监测点稳定性判断第21-22页
    2.5 实时差分改正模型第22-24页
    2.6 本章小结第24-25页
第三章 边坡监测系统软硬件介绍第25-32页
    3.1 徕卡TS30测量机器人及机载软件介绍第25-28页
        3.1.1 徕卡TS30测量机器人介绍第25-27页
        3.1.2 多测回测角机载软件介绍第27-28页
    3.2 边坡监测系统开发平台第28-29页
        3.2.1 Visual Basic6.0 相关概念第28页
        3.2.2 SQL Server 2012 的相关概念第28-29页
    3.3 TS30测量机器人测量过程第29-31页
        3.3.1 多测回测角软件操作过程第29-30页
        3.3.2 TS30测量机器人自动测量过程第30-31页
    3.4 本章小结第31-32页
第四章 边坡监测系统设计第32-43页
    4.1 系统总体结构设计第32-33页
    4.2 SQL Server数据库设计第33-38页
        4.2.1 TS30测量数据类型分析第34-36页
        4.2.2 SQL Server数据库常用字段类型第36页
        4.2.3 数据库表字段设计第36-38页
    4.3 Visual Basic程序设计第38-39页
    4.4 VB访问SQL Server数据库第39-42页
        4.4.1 VB与SQL Server数据库连接第39-40页
        4.4.2 原始数据导入数据库第40-41页
        4.4.3 VB调用数据库数据第41-42页
    4.5 本章小结第42-43页
第五章 边坡监测系统开发第43-60页
    5.1 作业管理模块第43-44页
        5.1.1 新建作业第43页
        5.1.2 打开作业第43-44页
        5.1.3 数据导入第44页
    5.2 数据管理模块第44-48页
        5.2.1 测点查询功能第44-45页
        5.2.2 点位布设图查看第45页
        5.2.3 查看三维地形图与等高线图第45-47页
        5.2.4 照片管理第47-48页
    5.3 数据处理模块第48-55页
        5.3.1 数据质量检查第48-51页
        5.3.2 差分模型改正第51-53页
        5.3.3 平差计算第53页
        5.3.4 坐标计算第53-55页
    5.4 数据分析模块第55-57页
    5.5 报表管理模块第57页
    5.6 边坡安全预警管理模块第57-59页
        5.6.1 预警指标与预警值设计第57-58页
        5.6.2 安全预警等级设计第58页
        5.6.3 报警方式设计第58-59页
    5.7 本章小结第59-60页
第六章 工程实例应用第60-72页
    6.1 奉溪高速公路大坪滑坡工程概况第60-61页
    6.2 大坪滑坡水文地质条件第61页
    6.3 大坪滑坡安全状况第61-62页
    6.4 监测网点布设与监测方式第62-63页
    6.5 系统综合应用第63-71页
    6.6 本章小结第71-72页
第七章 结论与展望第72-74页
    7.1 结论第72页
    7.2 展望第72-74页
致谢第74-75页
参考文献第75-78页
攻读硕士学位期间发表的论文及科研成果第78页

论文共78页,点击 下载论文
上一篇:改进的粒子群优化算法(APSO和DPSO)研究
下一篇:数据挖掘中几种划分聚类算法的比较及改进