大规模边坡监测无线传输算法及稳定性快速分析研究

Slope safety monitoring is very important in geotechnical engineering research. Slope stability is directly related to the success of geotechnical projects and people’s lives and property. This project aims to solve the problem of wireless transmission of large-scale in-situ monitoring data and improve the calculation speed of slope stability. First, according to the parameters of network performance such as network delay, network reliability, packet loss rate, WSN (Wireless Sensor Network) transmission algorithm is designed to meet the requirement of large-scale slope monitoring and simulated to verify its effectiveness in OMNet++. Then, the slope’s Finite Element Model is built in Abaqus. The program that is to analyze large-scale displacement monitoring data and do the displacement back analysis of slope key parameters is implanted based on GPU parallel computing in Visual C++. Using the back analysis results, the slope’s overall FEM displacement can be calculated and used to analyze slope stability quickly. Meanwhile, the reliability and speed performance of GPU-based parallel computing program can be verified by comparing the calculation results and time of GPU-based program with that of Abaqus. Finally, the performance of monitoring data transmission algorithm and GPU-based parallel computing acceleration can be verified further when applied in a slope project. In the final results of this project, a new way can be provided for large-scale slope monitoring, which is important and valuable for the future large-scale slope monitoring.

边坡安全监测是工程研究中的一项重要研究内容，边坡稳定性关系到工程成败和人民生命财产安全。本项目主要围绕大规模边坡监测中的现场监测数据无线传输问题和边坡稳定性快速分析问题展开研究。首先，根据网络传输延时、稳定性、丢包率等参数指标，设计适合大规模边坡监测现场的无线传感器网络（WSN）数据传输算法，在OMNet++仿真平台上模拟和验证该算法的有效性。然后，在Abaqus中建立边坡有限元模型，用VC++开发基于GPU并行计算的大规模监测数据分析程序和边坡岩土体关键参数反演程序，根据反演关键参数结果，计算出边坡整体位移有限元值，快速分析边坡稳定性。同时，通过对比GPU并行计算程序与Abaqus的计算结果和时间，验证GPU并行计算程序的可靠性和加速效果。最后，结合边坡工程实例，验证边坡监测数据传输算法性能和GPU并行计算加速效果。研究结果可以为大规模边坡监测提供一种新方法，具有重要理论意义和工程价值。

随着边坡工程规模的扩大，边坡监测范围也会相应增加，如何有效地应对大规模边坡监测数据传输、快速计算大规模边坡稳定性状态，是目前的一大难点和亟待解决的核心问题。针对这些问题，本项目在总结前人研究成果的基础上，开展了大规模边坡监测无线传感器网络（WSN）数据传输算法，设计了适合大规模边坡的WSN数据传输算法，并在仿真平台上模拟、测试和完善该算法，最后在实际工程中应用完善该无线传输算法。同时，还研究了大规模边坡有限元分析模型，开展了大规模边坡岩土体关键参数快速反演分析和稳定性预测等内容，并将研究成果实际在工程中。项目的主要研究成果如下：（1）设计了适合大规模边坡的WSN数据传输算法，针对目前边坡监测点布设的特点，提出了一种基于节点位置信息的改进APTEEN数据传输算法，有效地解决了周期性数据和突发性数据传输问题；（2）开发了基于OMNeT++平台的仿真程序，定义了普通节点、Sink节点、网络、数据包消息等元素的结构体，开发了相关功能实现的代码，经过测试表明WSN数据传输算法的有效性；（3）设计加工了用于边坡监测的传感器数据采集电路，并结合TelosB无线模块、Contiki操作系统，编写了相应的传感器数据采集传输程序；（4）开发了基于GPU并行计算的位移计算及参数反演程序，以各层介质的物理力学参数弹性模量E、粘聚力C作为优化反演设计变量，以边坡深部变形为主要参数，建立与计算位移和实测位移相关的反演目标函数。将目标函数中的最小平方误差项映射到GPU的线程中，实现基于GPU的反演并行计算程序。大规模边坡监测数据传输算法和基于GPU的大规模边坡稳定性快速分析方面研究，为边坡监测数据传输和快速分析提供了一个新的途径和方法，研究成果具有重要的理论意义和工程价值。