摘要 | 第4-5页 |
ABSTRACT | 第5-6页 |
第一章 绪论 | 第10-18页 |
1.1 研究背景及意义 | 第10-11页 |
1.1.1 建筑物结构在线监测技术的重要性 | 第10-11页 |
1.1.2 建筑物结构监测技术的意义 | 第11页 |
1.2 建筑物在线监测技术研究现状 | 第11-14页 |
1.2.1 传统监测技术 | 第11-12页 |
1.2.2 GPS定位技术 | 第12页 |
1.2.3 嵌入式监测技术 | 第12-13页 |
1.2.4 连通管监测技术 | 第13页 |
1.2.5 基于各类传感器的动态测量技术 | 第13-14页 |
1.3 发展动态 | 第14-16页 |
1.3.1 具备高性价比 | 第15页 |
1.3.2 快速方便的安装和使用 | 第15页 |
1.3.3 利用网络资源进行网络连接与资源共享 | 第15-16页 |
1.4 本文创新点及研究工作 | 第16页 |
1.5 本文组织结构 | 第16-17页 |
1.6 本章小结 | 第17-18页 |
第二章 基于图像分析的建筑结构滑动监测方法 | 第18-26页 |
2.1 基本方案 | 第18页 |
2.2 改进方案 | 第18-19页 |
2.3 滑动监测算法 | 第19-21页 |
2.3.1 基准点位置不变时滑动监测算法 | 第19-20页 |
2.3.2 基准点发生相对位移时修正算法 | 第20-21页 |
2.4 图像滤波方法 | 第21-22页 |
2.5 图像颜色分割 | 第22-23页 |
2.6 基准点与靶标中心点圆心计算 | 第23-24页 |
2.7 本章小结 | 第24-26页 |
第三章 基于连通管压力法的建筑物结构沉降监测系统 | 第26-34页 |
3.1 系统方案 | 第26-30页 |
3.1.1 基本方案 | 第26-28页 |
3.1.2 方案改进 | 第28-30页 |
3.2 测量原理 | 第30-31页 |
3.3 系统特性分析 | 第31-33页 |
3.3.1 供水系统特性分析 | 第31-32页 |
3.3.2 压力传感器频率响应分析 | 第32-33页 |
3.4 本章小结 | 第33-34页 |
第四章 沉降监测系统软硬件实现及实验验证 | 第34-52页 |
4.1 软件系统实现 | 第34-39页 |
4.1.1 C | 第34页 |
4.1.2 串口操作 | 第34-35页 |
4.1.3 数据接收与显示模块 | 第35-36页 |
4.1.4 数据处理模块 | 第36-37页 |
4.1.5 日志查询模块 | 第37-38页 |
4.1.6 手机远程监控模块 | 第38-39页 |
4.2 硬件系统实现 | 第39-44页 |
4.2.1 数字压力传感器 | 第39-40页 |
4.2.2 倾角传感器 | 第40-42页 |
4.2.3 DTU | 第42-43页 |
4.2.4 特制供水系统 | 第43-44页 |
4.2.5 太阳能供电系统 | 第44页 |
4.3 沉降监测系统实验验证 | 第44-51页 |
4.3.1 倾角传感器实验验证 | 第44-46页 |
4.3.2 压力传感器空载测试 | 第46-48页 |
4.3.3 压力传感器标定测试 | 第48-51页 |
4.4 本章小结 | 第51-52页 |
第五章 监测数据分析及沉降监测预测模型 | 第52-72页 |
5.1 监测背景介绍 | 第52-54页 |
5.1.1 待测房屋基本情况 | 第52-53页 |
5.1.2 前期发现的问题 | 第53-54页 |
5.1.3 房屋所在地的地质情况 | 第54页 |
5.2 监测点方案设计 | 第54-58页 |
5.2.1 传感器布置方案 | 第55页 |
5.2.2 太阳能供电方案 | 第55-56页 |
5.2.3 系统实施效果 | 第56-58页 |
5.3 监测数据分析 | 第58-65页 |
5.3.1 基准点压强变化分析 | 第59-60页 |
5.3.2 八个监测点压力自变化情况分析 | 第60-61页 |
5.3.3 各点基于基准点的位移变化情况 | 第61-63页 |
5.3.4 倾角传感器数据分析 | 第63-65页 |
5.4 BP神经网络预测模型 | 第65-70页 |
5.4.1 BP神经网络原理 | 第65-67页 |
5.4.2 基于L-M算法的BP神经网络沉降数据预测模型 | 第67-70页 |
5.5 本章小结 | 第70-72页 |
第六章 总结与展望 | 第72-74页 |
致谢 | 第74-76页 |
参考文献 | 第76-80页 |
攻读学位期间取得的研究成果 | 第80页 |