Design of High Precision Building Warning and Monitoring System Based on BDS

2018-04-30 -

Kang Qian, Wang Hui, Chen Weipei (Xi'an Electronic Engineering Institute, Xi’an, 710071)

Abstract: According to the characteristics of Beidou high-precision building deformation monitoring, an extended dynamic nonlinear Kalman filter algorithm is proposed to solve the two-difference and three-difference problems. The deformation monitoring software based on BDS is developed by using the high precision static baseline calculation method based on double difference model. In order to reduce the system cost, a one-machine multi-antenna high-precision receiver is designed. compared with the traditional artificial building displacement monitoring system, the intelligent early warning monitoring system has the advantages of all - weather, high precision, high degree of automation and so on.

Keywords: extended Kalman filter; high precision baseline solution; one - machine multi – antenna; Beidou high precision; building early warning monitoring

1 引言

1.1 建筑安全整体形势

近年来，随着我国经济的发展，城市的建筑数量迅速增加，建筑高度越建越高，跨度越来越大，每年都有一批超高层建筑和特大型建筑开工建设并投入使用，我国已是名副其实的建筑大国。但随着城市大量工地的开挖，地下隧道、管廊的不断开凿建设，致使城市地下空间结构发生了巨大的变化，地震断裂带上、沉降严重地区的建筑安全隐患频发；一些高密度、高速度、超出环境负荷能力的建成区也将进入隐患高发带；与此同时八十年代初期的老旧危房数量大大增加，频繁发生垮塌、倒塌事故[1-2]。为了预防各种事故的发生，特别是大跨结构超高层建筑的安全性问题，国家住建部要求从施工到建筑物运营使用过程都应进行形变监测和建筑物健康状态评估。但传统人工检测自动化、实时性、集成化程度较低，难以实现大规模的快速监测覆盖和推广。因此，设计一套高效率、高集成度、定期巡检结合的实时监测楼宇动态预警监测系统，具有十分重要的现实意义。

1.2 北斗卫星导航系统发展概述北斗卫星导航系统是我国自主研发、独立运行

且兼容其它卫星导航系统的全球卫星导航系统，该系统自2007年首颗北斗卫星发射成功后，经过10年多的高密度发射，目前在轨卫星25颗，其中北斗“三号卫星”首批组网双星于2017年11月5日成功发射。北斗三号系统在北斗二号系统的基础上，运用了更高精度的星载原子钟、播发性能更优的导航信号、增加星间链路技术、全球搜索救援等新功能，将会大幅提升高精度时空信息服务能力。

近年来，北斗相关产业迅猛发展，导航民用产品进入了各行各业。随着北斗地基增强系统的建成，届时将形成全国“一张网”，可提供实时分米级、厘米级、后处理毫米级高精度服务，应用于精准农业，无人驾驶，桥梁监测、建筑监测，滑坡、泥石流地质灾害监测等各领域。

2 系统组成与工作原理

2.1 形变监测系统组成

基于北斗高精度定位技术的高层建筑物预警监测系统是高精度接收机与变形监测预警软件相结合的综合变形监测分析预警系统，集计算机技术、传感器技术、网络技术、通信技术等高新技术于一体的综合系统工程。该系统以三维引擎建立高层建筑物的三维模型，实时动态监测高层建筑物的扭矩、倾角等，并通过长时间监测，可以测量高层建筑物的沉降，位移形变等。

基于北斗的高精度楼宇预警监测系统由数据采集子系统、数据传输子系统、数据处理子系统以及

外场辅助子系统组成[3]。系统架构如图1所示。

（1）数据采集子统：由北斗基准站接收机、布

置在高层建筑物顶部节点的监测站接收机和接收天线及各类传感器如水准仪、温度、风速、加速度、倾斜仪等组成，主要实现北斗导航信号接收与观测数据、传感器数据采集功能。

（2）数据传输子系统：由基准站到监控中心以

及监测点数据采集单元与监控中心的数据通讯系统组成，包括有线和无线网络传输设备，将采集的卫星原始观测数据、监测点数据上传至数据处理子系统，同时能够将监控指令下发至北斗接收机。

（3）数据处理子系统：由监控中心服务器系统

及平台软件组成。数据处理软件为系统的核心，主要完成数据的分析、解算处理与系统监控功能。通过实时处理和事后处理两种方式得到厘米级和后处理

毫米级监测结果。建筑物形变监测采用2小时或更长

时段的北斗静态观测数据，采用静态处理算法，得到各测点的静态处理坐标，该坐标有相对高的精度，可以结合水准资料监测建筑物变形、沉降等内容。

（4）外场辅助子系统：由防雷、供电系统、外场机

柜等设备组成，满足在野外恶劣条件下系统正常工作。

2.2 系统工作原理

北斗高精度楼宇预警监测系统基于RTK（载波

相位差分）技术，采用双差组合固定整周模糊度，同时增加先进的电离层改正模型，求解方程获取精确

的相对定位坐标，实现监测点的形变位移监测[6]。系

统工作原理为将两台及以上北斗观测点接收机以及北斗基准站接收机连续观测卫星信号（捕获、跟踪

及采集）通过通信链路（光纤、3G/4G无线通信）将

原始观测数据（包括卫星星历、钟差、开普勒参数等）发送给数据处理子系统，数据处理单元对卫星原始数据进行数据自动解算、平差处理（整周模糊度固定、基线解算）等工作，将分析处理后的数据按照固定格式存储至数据库，同时生成监测结果，通过建筑物监测与预警软件发布建筑物沉降、位移等后处理数据，分析和显示建筑物变形监测曲线图，并对数据进行评估和预警。

3 北斗楼宇预警监测系统平台设计

3.1 平台架构设计

北斗楼宇预警监测平台对监测建筑物的形变数据进行实时采集，处理与计算分析、并通过发布模块进行预警及发布，展示各项监测数据当前实时变化状态和历史变化过程，直观的反映建筑物的沉降和动态变形。平台的技术体系框架总体由基础设施支撑层、网络通信层、资源信息层、基础服务层及应用服务层组成，同时包括系统管理体系、数据管理

体系、标准化体系、运维及安全体系等支撑体系[1]。

图2为形变监测平台架构图。

软件平台核心为三大部分，即网络通信层的数据采集和分发模块，基础服务层的数据处理与存储模块以及应用服务层的分析与预警发布模块。

3.1.1 数据采集与分发模块

数据采集与分发模块通过有线网络或无线设备

（4G路由器）将基准站、监测站及各传感器的数据传输至数据处理中心，将数据分析处理后存入数据库，并分发到数据采集单元。设计功能如下：同时管理多个北斗基准站、监测站接收机，能够接入北斗地基增强系统；兼容国内外主流品牌接收机；支持

TCP Server，tcp Client， UDP通信协议，并支持GPRS、串口等数据传输[6]。

3.1.2 数据处理与存储模块

数据处理与存储模块接收基准站和各监测单元的原始观测数据，具有对卫星星历、钟差、开普勒参数等卫星原始观测数据进行卫星跟踪状态显示、数据解析、剔除、多基线解算、滤波分析、坐标转换、数据自动存储等数据处理功能。同时能够对多传感器观测数据进行数据融合解算处理，包括卫星观测数据；风向、风速、结构表面风荷载数据；结构温度分布数据；倾角、扭矩数据以及应力监测点的应力观测数据等[7]。

3.1.3 分析与预警发布模块

原始观测数据经数据处理后，可得到表面位移、时间信息、预警信息、健康状态等数据，一方面可将处理后的数据存储至数据库中，数据库为分析模块提供实时数据和历史监测数据[6]。另一方面通过分析与预警发布模块实时展示卫星定位数据，基础沉降数据，结构平面、纵向变形数据，扭矩、应力、倾角监测数据，环境监测数据等后处理数据，分析和显示建筑物变形监测统计，并对数据进行评估和预警，实时发布形变监测数据和预警状态，以图形化方式展示各维度的形变趋势图。

3.2 数据处理算法

数据处理是GNSS自动化预警监测系统的核心组成部分，其结果精度的高低关系到对监测体稳定性的判断、分析以及影响管理人员的决策。本监测

系统软件支持GPS\GLONASS\BDS联合解算，单

系统解算以及任意组合系统解算，同时支持GNSS单、双频解算以及各种频率组合自动最优搜索，能够满足高精度长基线（ 500KM）解算。在进行Gnss数据处理方面，采用非线性扩展动态kalman滤波双差、三差解算法，同时增加先进的电离层改正模型以提高解的精度，支持实时独立基线网平差

及多参考站解算等功能[5]。

GNSS模糊度固定是软件的核心，由于GNSS卫星的增加，模糊度搜索数呈现了指数级的增加，如果仍然采用传统方法，搜索效率低且受“污染”卫星的影响较大，往往导致搜索失败；软件采用了一种自主特色的部分模糊度搜索算法，既提高了模糊度搜索效率，也保证了固定解的可靠性。

3.2.1 扩展动态非线性Kalman滤波算法

采用最优估计方算法—— Kalman滤波器能够消除GNSS动态定位数据中的随机误差，将真实的

定位结果从各种随机干扰中实时最优地估计出来。但应用Kalman滤波器进行最优估计时，需建立较

准确的观测模型和系统模型，因而，不仅要对运动载体建立准确合理的动态模型，而且要对各种随机误差准确建模。

GNSS动态定位的离散状态空间模型如下：

式中， X为n维状态向量； Y为m维输出量； φ(k+1,k)为nhn维系统转移矩阵； h()为关于状态的m维非线性函数。w(k)，v(k)分别为n,m维随机向量序列，并满足如下统计特性：

式中，Q(k)为nhn维半正定对称矩阵；r(k)为mhm维正定对称矩阵。设初始状态X(0)为满足如下统计特性的随机向量： E[X(0)]=X0

E[(X(0)-X0)(X(0)-X0)T]=M0当非线性系统在其标称轨线上进行泰勒展开，近似取其线性部分，并用通常的Kalman滤波器进行状态估计时，便得到扩展Kalman滤波器如下：

该算法采用同时刻（在1微秒之内）的GNSS原始观测值进行差分解算，数据更新率可达1Hz、5Hz、10hz、20hz，根据系统参数设置对不同观测站的实时差分结果进行Kalman滤波，以达到不同的精度和动态要求。

3.2.2 静态基线解算

传统静态引擎使用的前提是假定某个时间段（如1小时）监测点是静止的，采用传统静态处理模式，通过循环迭代的方法，解算监测点的位置，因此这种模式并不能完全反映该监测点的位移变化。本软件采用一种新的静态解算引擎，假定缓变监测点也是移动的，在此基础上建立静态解算滤波引擎，这种模式能实时反映每个监测点位移变化，且随着观测时间的增加，精度也随之提高。

基线处理通过控制参数包括数据采样间隔、截止角、参考卫星及其电离层和解算模型的设定可以实现基线的优化处理。基线解算的关键在于固定整周模糊度，在足够长的同步观测时间并得到足够多的观测数据的情况下，仅靠取整可以得到正确的

整周模糊度，但采用快速求解整周模糊度（FARA， Fast Ambiguity Resolution Approach）方法和模糊度搜索算法（least square ambiguity decorrelation adjustment简称lambda）解算，可以极大地缩短观测时间，提高模糊度搜索的稳定性。该算法解决了单一载波相位观测方程的秩亏及伪距观测量精度较低导致的单历元整周模糊度正确固定难以保证的问

题[8-9]。基线处理主要步骤如图3所示。

4 楼宇预警监测系统搭建及测试结果分析

本文采用一拖二式北斗监测接收机，一台主机可以安装2个天线，共设计北斗监测点4个，分别位于建筑物楼顶4个角，用于监测建筑物的变形，一般

位移监测和角度传感器必选，温度、风速、加速度等传感器选配。选用高精度北斗监测接收机和倾角传感器实时监测建筑物的三维位置变化以及X， Y两个方向的角度变化。基准站选用101大楼8楼北

斗单基站地基增强系统。北斗楼宇监测预警系统平台软件具有较强的可扩展性，除了常用的监测参数外，软件预留了多个监测参数接口，方便系统扩展。系统拓扑图如图4所示。

控制中心数据处理软件根据每台GNSS接收机对应的IP地址和端口号，获得每个监测点的原始观

测数据，从而对这些原始数据进行实时差分解算，

参考站和监测站的观测数据保持严格同步，因此大气层延迟造成的公共误差被最大程度地抵消，此外

采用扩展动态非线性Kalman滤波方法消除gnss动态定位数据中的各种随机误差，使输出的定位结果更符合真实的情况。

在一个静止点上，采用普通双频GNSS接收机天线进行RTK定位解算，得到结果如图5所示。

采用同样GNSS接收机，在一个静止点上观测2个小时的数据，用本文数据处理软件对其进行处理，得到结果如图6所示。

图6中，平面精度在5mm左右，高程精度小于