一种应用RTLS与IMU的结构健康在线监测方法与流程
一种应用rtls与imu的结构健康在线监测方法
技术领域
1.本发明涉及结构健康监测技术领域，具体涉及一种应用rtls与 imu的结构健康在线监测方法。
背景技术：
2.结构健康在线监测系统，目前测量沉降、滑坡的常规监测方法有利用遥感卫星定位系统的gnss，利用液位变化量的静力水准仪，利用光信号波长变化的光纤光栅传感器，利用相干光源的反射进行测距的激光传感器。其中利用卫星定位系统的gnss受天顶方向遮盖影响极大，不能在室内、隧道内作业，同时单台设备成本高。精力水准仪以及光纤光栅测量准确度受气温影响较大，温差较大地方会带来较大测量误差，同时精力水准仪需铺设导通管，光纤光栅需铺设光缆，不便于在复杂的环境中安装建设，不便于大批量投入使用，建设成本可观。激光测距来反馈监测位置点的滑坡，本身测量稳定性受天气，空气湿度的影响，并且要求视距测量完全无遮挡，此外存在响应不及时的问题。
技术实现要素：
3.本发明针对现有技术中存在的技术问题之一，提供一种应用 rtls与imu的结构健康在线监测方法用于解决至少上述技术问题之一。
4.根据本发明的第一方面，提供了一种应用rtls与imu的结构健康在线监测方法，其包括以下步骤：
5.s1、建立监测点和基准站，监测点固定在位置不稳定的待监测结构处的附着物上，基准站固定在位置相对固定的附着物上，且基准站作为监测点的参考对象，并进行批量数据处理，其中，监测点配置了 rtls和imu以及结构健康监测器件；
6.s2、通过配置了rtls和imu的监测点向基准站同步发送监测点的姿态状态数据以及测距请求，基于测距请求或姿态状态数据传输的时间结合光速获得监测点和基准站之间的距离；
7.s3、基于卡尔曼滤波算法对数据进行校准和补偿；
8.s4、基于步骤s3校准和补偿后的数据信息进行待监测结构的变化趋势及安全性评估。
9.根据本发明的以上技术方案，还可以作出以下改进：
10.可选的，所述监测点的结构健康监测器件包括uwb接收机、陀螺仪、加速度计、磁力计，以及若干用于采集结构健康数据的传感器，所述uwb接收机与传感器双向通信连接，所述陀螺仪、加速度计和磁力计集成在imu内，所述imu与传感器双向通信连接。
11.可选的，所述步骤s2包括：
12.s21、监测点首先向基准站发出一个测距请求的数据包，并记录下发包时刻t1，基准站收到数据包后，记下收包时刻t2；
13.s22、收到数据包后，等待一段时间，记等待时间为treplyb，在t3时刻，向监测
点发送一个确认数据包，监测点收到数据包后记下时刻值t4，其中t3＝t2+treplyb；
14.s23、监测点等待一段时间，记等待时间为treplya，在t5时刻，将监测点此时的姿态相关的状态值，发送给基准站，记该时刻为t6，其中t5＝t4+treplya；
15.s24、计算电磁波在空中的飞行时间tprop，
[0016][0017]
其中：
[0018]
rounda＝t4-t1；
[0019]
treplyb＝t3-t2；
[0020]
treplya＝t5-t4；
[0021]
roundb＝t6-t3。
[0022]
可选的，所述步骤s3包括将获得的监测点与基准站之间的距离值转化为位置坐标，将测得的状态值中的偏移量作为状态变量，将首次测距得到的位置坐标和姿态信息作为初始值输入到卡尔曼滤波算法中，并通过观察距离的变化以及姿态变化来控制整个算法的误差。
[0023]
可选的，所述步骤s3包括：
[0024]
s31、定义i时刻待测监测站的状态方程与观测方程为：
[0025][0026][0027]
和分别表示i时刻和i-1时刻的后验状态估计值，是滤波的结果之一，即更新后的结果，也叫最优估计。
[0028]
表示i时刻的先验状态估计值，是滤波的中间计算结果，即根据上一时刻(i-1时刻)的最优估计预测的i时刻的结果，是预测方程的结果。
[0029]
pi和p
i-1
分别表示i时刻和i-1时刻的后验估计协方差(即的协方差，表示状态的不确定度)，是滤波的结果之一。
[0030]
表示i时刻的先验估计协方差(的协方差)，是滤波的中间计算结果。
[0031]
a表示状态转移矩阵，实际上是对目标状态转换的一种猜想模型。例如在机动目标跟踪中，状态转移矩阵常常用来对目标的运动建模，其模型可能为匀速直线运动或者匀加速运动。当状态转移矩阵不符合目标的状态转换模型时，滤波会很快发散。
[0032]
q表示过程激励噪声协方差(系统过程的协方差)。该参数被用来表示状态转换矩阵与实际过程之间的误差。因为我们无法直接观测到过程信号，所以q的取值是很难确定的。是卡尔曼滤波器用于估计离散时间过程的状态变量，也叫预测模型本身带来的噪声。状态转移协方差矩阵。
[0033]
b表示将输入转换为状态的矩阵，输入的状态参数有加速度值，角速度值，磁力传感器值，速度值以及位移值
[0034]
s32、计算卡尔曼增益k，然后就可以得到距离的估计值，
[0035][0036][0037]ki
卡尔曼增益也称滤波增益矩阵，是滤波的中间计算结果，或卡尔曼系数。
[0038]
h是状态变量到测量(观测)的转换矩阵，表示将状态和观测连接起来的关系，卡尔曼滤波里为线性关系，它负责将m维的测量值(角速度值，磁力传感器值，速度值以及位移值)转换到n维，使之符合状态变量的数学形式，是滤波的前提条件之一。
[0039]
r测量噪声协方差。滤波器实际实现时，测量噪声协方差r一般可以观测得到，是滤波器的已知条件。
[0040]
s33、计算估计值和真实值间的误差协方差矩阵，为下一次递归做准备，
[0041]
和后验状态估计值之间的比较结果，作为判断结构健康或不健康的风险评估依据。
[0042]
本发明提供一种应用rtls与imu的结构健康在线监测方法，具有以下有益效果：该方法支持全天候作业，相比当前的其他技术手段，本发明采用的方法所形成的产品在建设成本与维护成本上较其他技术方案都相对都较为明显的成本优势，适合大批量产品投放。同时所形成的产品功耗低，特别是监测站可以利用便携式电池进行供电驱动，可用于维护难度较大安装条件苛刻的区域投放，并长时间运作使用。同时通过无线数据传输，免于线缆管道铺设，稳定性较好。相比机械式拉绳传感器，不受机械疲劳使用年限的影响，不受高低温，温湿度环境干扰等特点。
附图说明
[0043]
图1为本发明提供的一种应用rtls与imu的结构健康在线监测方法的监测点与基准站之间的数据包发送及接收时刻示意图。
[0044]
图2为本发明提供的一种应用rtls与imu的结构健康在线监测方法的监测点与基准站之间的距离变化示意图。
[0045]
图3为本发明提供的一种应用rtls与imu的结构健康在线监测方法的监测点的原理框架示意图。
具体实施方式
[0046]
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制。
[0047]
在本发明的描述中，需要理解的是，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
[0048]
在本发明的描述中，除非另有规定和限定，需要说明的是，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是机械连接或电连接，也可以是两个元件内部的连通，可以是直接相连，也可以通过中间媒介间接相连，对于本领域的普通技术人员而言，可以根据具体情况理解上述术语的具体含义。
[0049]
如图1和图2所示：
[0050]
本实施例提供了一种应用rtls与imu的结构健康在线监测方法，其包括以下步骤：s1、建立监测点和基准站，监测点固定在位置不稳定的待监测结构处的附着物上，基准站固定在位置相对固定的附着物上，且基准站作为监测点的参考对象，并进行批量数据处理，其中，监测点配置了rtls和imu以及结构健康监测器件；
[0051]
s2、通过配置了rtls和imu的监测点向基准站同步发送监测点的姿态状态数据以及测距请求，基于测距请求或姿态状态数据传输的时间结合光速获得监测点和基准站之间的距离；
[0052]
s3、基于卡尔曼滤波算法对数据进行校准和补偿；
[0053]
s4、基于步骤s3校准和补偿后的数据信息进行待监测结构的变化趋势及安全性评估。
[0054]
可以理解的是，在本实施例中，该方法支持全天候作业，相比当前的其他技术手段，本发明采用的方法所形成的产品在建设成本与维护成本上较其他技术方案都相对都较为明显的成本优势，适合大批量产品投放。同时所形成的产品功耗低，特别是监测站可以利用便携式电池进行供电驱动，可用于维护难度较大安装条件苛刻的区域投放，并长时间运作使用。同时通过无线数据传输，免于线缆管道铺设，稳定性较好。相比机械式拉绳传感器，不受机械疲劳使用年限的影响，不受高低温，温湿度环境干扰等特点。
[0055]
具体的，实施例利用了超宽带rtls实时时定位系统以及imu 惯性导航技术的融合方法。该方法用于实时在线监测结构健康安全。利用超宽带脉冲无线信号对信道衰落不敏感、发射信号功率谱密度低、低截获能力、系统复杂度低等特点，不断的通过皮秒级超窄无线脉冲，在基准站与监测站之间的空间相对位置进行精确测量。监测站与基准站之间，通过各自内置的mems高精度加速度计陀螺仪以及磁力计，利用无线脉冲建立的数据传输通道，脉冲信号将携带监测站的空间姿态参数值同步到该时刻基准站上，对比基准站与与监测站的姿态的变化，有效动态反馈了监测点的移动轨迹与姿态。利用监测点与基准站之间的相对距离与加速度、角速度以及磁力变化规律，以及后期数据处理以及趋势分析，可以进行结构滑坡形变的安全性能评估。
[0056]
利用空间实时定位以及姿态的数据融合递归分析校准分析，数据建模，更大程度地提取了可用信息，通过卡尔曼滤波，逐步减少高斯误差，实现位置与状态的估计，从而获得各个方向上的趋势位移。得到准确的滑坡、形变、位移与幅度变化。
[0057]
作为一种可选的实施例方式，所述监测点的结构健康监测器件包括uwb接收机、陀螺仪、加速度计、磁力计，以及若干用于采集结构健康数据的传感器，所述uwb接收机与传感器双向通信连接，所述陀螺仪、加速度计和磁力计集成在imu内，所述imu与传感器双向通信连接。
[0058]
可以理解的是，如图3所示，传感器融合表示多传感器融合在一起，用于通过传感器采集各类型的所需数据，主要用于采集环境参数，以及结构健康所需的其他数据信息。
[0059]
作为一种可选的实施例方式，所述步骤s2包括：
[0060]
s21、监测点首先向基准站发出一个测距请求的数据包，并记录下发包时刻t1，基准站收到数据包后，记下收包时刻t2；
[0061]
s22、收到数据包后，等待一段时间，记等待时间为treplyb，在t3时刻，向监测点发送一个确认数据包，监测点收到数据包后记下时刻值t4，其中t3＝t2+treplyb；
[0062]
s23、监测点等待一段时间，记等待时间为treplya，在t5时刻，将监测点此时的姿态相关的状态值，发送给基准站，记该时刻为t6，其中t5＝t4+treplya；
[0063]
s24、计算电磁波在空中的飞行时间tprop，
[0064][0065]
其中：
[0066]
rounda＝t4-t1；
[0067]
treplyb＝t3-t2；
[0068]
treplya＝t5-t4；
[0069]
roundb＝t6-t3。
[0070]
可以理解的是，本实施例涉及的方法，有如下两个角，监测点与基准站。监测点是安装在不稳定段的配备了rtls与imu融合方法的产品；基准站是安装在相对固定不动的产品，作为监测点的参考，以及作为批量数据的处理单元。具体方法如下：
[0071]
利用超宽带实现rtls实时时定位系统，也就是计算无线电磁波传输时间，通过传输的时间换算成距离。
[0072]
ask for ranging
[0073]
监测点首先向基准站发出一个数据包请求测距，并记录下发包时刻t1，基准站收到数据包后，记下收包时刻t2；
[0074]
respond for ask
[0075]
之后基准站等待treplyb时刻，在t3(t3＝t2+treplyb)时刻，向监测点发送一个确认数据包，监测点收到数据包后记下时刻值t4；
[0076]
my status
[0077]
监测点等待treplya时刻，在t5(t5＝t4+treplya)时刻，将监测点此时的mems姿态相关的状态值，发送给基准站，几下时刻t6。
[0078]
然后可以算出电磁波在空中的飞行时间tprop，飞行时间乘以光速即为两个设备间的距离。
[0079][0080]
其中：
[0081]
rounda＝t4-t1；
[0082]
treplyb＝t3-t2；
[0083]
treplya＝t5-t4；
[0084]
roundb＝t6-t3。
[0085]
作为一种可选的实施例方式，所述步骤s3包括将获得的监测点与基准站之间的距
离值转化为位置坐标，将测得的状态值中的偏移量作为状态变量，将首次测距得到的位置坐标和姿态信息作为初始值输入到卡尔曼滤波算法中，并通过观察距离的变化以及姿态变化来控制整个算法的误差。
[0086]
所述步骤s3包括：
[0087]
s31、定义i时刻待测监测站的状态方程与观测方程为：
[0088][0089][0090]
和分别表示i时刻和i-1时刻的后验状态估计值，是滤波的结果之一，即更新后的结果，也叫最优估计。
[0091]
表示i时刻的先验状态估计值，是滤波的中间计算结果，即根据上一时刻(i-1时刻)的最优估计预测的i时刻的结果，是预测方程的结果。
[0092]
pi和p
i-1
分别表示i时刻和i-1时刻的后验估计协方差(即的协方差，表示状态的不确定度)，是滤波的结果之一。
[0093]
表示i时刻的先验估计协方差(的协方差)，是滤波的中间计算结果。
[0094]
a表示状态转移矩阵，实际上是对目标状态转换的一种猜想模型。例如在机动目标跟踪中，状态转移矩阵常常用来对目标的运动建模，其模型可能为匀速直线运动或者匀加速运动。当状态转移矩阵不符合目标的状态转换模型时，滤波会很快发散。
[0095]
q表示过程激励噪声协方差(系统过程的协方差)。该参数被用来表示状态转换矩阵与实际过程之间的误差。因为我们无法直接观测到过程信号，所以q的取值是很难确定的。是卡尔曼滤波器用于估计离散时间过程的状态变量，也叫预测模型本身带来的噪声。状态转移协方差矩阵。
[0096]
b表示将输入转换为状态的矩阵，输入的状态参数有加速度值，角速度值，磁力传感器值，速度值以及位移值。
[0097]
s32、计算卡尔曼增益k，然后就可以得到距离的估计值，
[0098][0099][0100]ki
卡尔曼增益也称滤波增益矩阵，是滤波的中间计算结果，或卡尔曼系数。
[0101]
h是状态变量到测量(观测)的转换矩阵，表示将状态和观测连接起来的关系，卡尔曼滤波里为线性关系，它负责将m维的测量值 (角速度值，磁力传感器值，速度值以及位移值)转换到n维，使之符合状态变量的数学形式，是滤波的前提条件之一。
[0102]
r测量噪声协方差。滤波器实际实现时，测量噪声协方差r一般可以观测得到，是滤波器的已知条件。
[0103]
s33、计算估计值和真实值间的误差协方差矩阵，为下一次递归做准备，
[0104]
和后验状态估计值之间的比较结果，作为判断结构健康或不健康的风险评估依据。
[0105]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0106]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式计算机或者其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0107]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0108]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0109]
尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造概念，则可对这些实施例作出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。
[0110]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本实用新型也意图包括这些改动和变型在内。
技术特征：
1.一种应用rtls与imu的结构健康在线监测方法，其特征在于，其包括以下步骤：s1、建立监测点和基准站，监测点固定在位置不稳定的待监测结构处的附着物上，基准站固定在位置相对固定的附着物上，且基准站作为监测点的参考对象，并进行批量数据处理，其中，监测点配置了rtls和imu以及结构健康监测器件；s2、通过配置了rtls和imu的监测点向基准站同步发送监测点的姿态状态数据以及测距请求，基于测距请求或姿态状态数据传输的时间结合光速获得监测点和基准站之间的距离；s3、基于卡尔曼滤波算法对数据进行校准和补偿；s4、基于步骤s3校准和补偿后的数据信息进行待监测结构的变化趋势及安全性评估。2.根据权利要求1所述的一种应用rtsl和imu的结构健康在线监测方法，其特征在于，所述监测点的结构健康监测器件包括uwb接收机、陀螺仪、加速度计、磁力计，以及若干用于采集结构健康数据的传感器，所述uwb接收机与传感器双向通信连接，所述陀螺仪、加速度计和磁力计集成在imu内，所述imu与传感器双向通信连接。3.根据权利要求2所述的一种应用rtsl和imu的结构健康在线监测方法，其特征在于，所述步骤s2包括：s21、监测点首先向基准站发出一个测距请求的数据包，并记录下发包时刻t1，基准站收到数据包后，记下收包时刻t2；s22、收到数据包后，等待一段时间，记等待时间为treplyb，在t3时刻，向监测点发送一个确认数据包，监测点收到数据包后记下时刻值t4，其中t3＝t2+treplyb；s23、监测点等待一段时间，记等待时间为treplya，在t5时刻，将监测点此时的姿态相关的状态值，发送给基准站，记该时刻为t6，其中t5＝t4+treplya；s24、计算电磁波在空中的飞行时间tprop，其中：rounda＝t4-t1；treplyb＝t3-t2；treplya＝t5-t4；roundb＝t6-t3。4.根据权利要求3所述的一种应用rtsl和imu的结构健康监测方法，其特征在于，所述步骤s3包括将获得的监测点与基准站之间的距离值转化为位置坐标，将测得的状态值中的偏移量作为状态变量，将首次测距得到的位置坐标和姿态信息作为初始值输入到卡尔曼滤波算法中，并通过观察距离的变化以及姿态变化来控制整个算法的误差。5.根据权利要求4所述逇一种应用rtsl和imu的结构健康监测方法，其特征在于，所述步骤s3包括：s31、定义i时刻待测监测站的状态方程与观测方程为：s31、定义i时刻待测监测站的状态方程与观测方程为：
和分别表示i时刻和i-1时刻的后验状态估计值；表示i时刻的先验状态估计值，即根据上一时刻的最优估计预测的i时刻的结果；p
i
和p
i-1
分别表示i时刻和i-1时刻的后验估计协方差；p
i
表示i时刻的先验估计协方差；a表示状态转移矩阵，q表示过程激励噪声协方差，b表示将输入转换为状态的矩阵；s32、计算卡尔曼增益k，然后就可以得到距离的估计值，s32、计算卡尔曼增益k，然后就可以得到距离的估计值，k
i
卡尔曼增益也称滤波增益矩阵；h是状态变量到测量的转换矩阵，表示将状态和观测连接起来的关系，卡尔曼滤波里为线性关系；r测量噪声协方差；s33、计算估计值和真实值间的误差协方差矩阵，为下一次递归做准备，将和后验状态估计值之间的比较结果，作为判断结构健康或不健康的风险评估依据。
技术总结
本发明提供一种应用RTLS与IMU的结构健康在线监测方法，其包括以下步骤：S1、建立监测点和基准站，监测点配置了RTLS和IMU以及结构健康监测器件；S2、通过配置了RTLS和IMU的监测点向基准站同步发送监测点的姿态状态数据以及测距请求，基于测距请求或姿态状态数据传输的时间结合光速获得监测点和基准站之间的距离；S3、基于卡尔曼滤波算法对数据进行校准和补偿；S4、基于步骤S3校准和补偿后的数据信息进行待监测结构的变化趋势及安全性评估。本发明采用的方法适合大批量产品投放，可用于维护难度较大安装条件苛刻的区域投放，并长时间运作使用。同时通过无线数据传输，免于线缆管道铺设，稳定性较好。稳定性较好。稳定性较好。
