基于特征速度自适应更新的露天矿变形阶段判别方法与流程

本发明属于露天矿边坡灾害防控,特别涉及一种基于特征速度自适应更新的露天矿变形阶段判别方法。

背景技术：

1、在边坡变形监测领域，gnss（全球导航卫星系统）技术凭借毫米级精度、全天候连续观测及实时数据传输等性能优势，已逐步替代传统测量手段，成为露天矿边坡表面位移监测的主流技术，并广泛部署于各类矿山安全监测系统。然而，边坡监测的核心价值在于将位移数据转化为可操作的预警判断。为此，国内外学者提出了多种基于位移-时间曲线的预警判据指标，其中切线角方法因其物理意义明确且易于工程应用，在边坡变形阶段划分与失稳预警中得到了广泛关注，然而仍存在以下显著不足：

2、（一）速度估计精度不足。现有方法大多直接对gnss位移监测数据进行数值差分以获得速度，即利用相邻历元位移差除以时间间隔。该方法的本质缺陷在于：差分运算实为高通滤波器，会对信号中的高频分量产生放大作用。设位移观测值中包含真实信号与测量噪声，则差分速度中的噪声项方差与采样间隔平方成反比，当gnss采样频率较高时，噪声被急剧放大，导致速度估计结果剧烈振荡。此外，在边坡变形速率较低的情况下，真实位移增量与观测噪声处于同一量级甚至更小，噪声可能完全淹没真实变形信号，使速度估计失去实际参考价值。

3、（二）变形速度基准取值缺乏自适应机制。现有计算方法中，变形相对匀速状态v0通常采用固定经验值，无法适应边坡变形过程中速度基准的动态变化。当边坡由匀速变形阶段进入加速变形阶段时，速度基准本身可能发生显著变化，固定v0取值将导致切线角计算失真，降低预警准确性。

4、（三）计算窗口长度依赖人工经验设定。现有方法在计算v0时，通常采用固定长度的计算窗口。然而，边坡变形数据的波动性具有时变特征：在变形平稳阶段，较长的窗口有助于抑制噪声、获取稳定的速度基准；在变形剧烈波动阶段，较短的窗口有助于快速捕捉趋势变化。固定窗口长度无法兼顾噪声抑制与响应灵敏度的双重需求。

5、（四）变形阶段判别缺乏连续性与动态更新能力。现有方法大多采用事后分析方式，即需要在积累一定长度的完整监测数据序列后方可进行回溯性分析，难以实现在线实时判别。常见的分析方法包括：位移历时曲线法、回归分析法、利用arima模型、指数平滑法等提取变形趋势以及反馈分析与数值模拟方法等。上述方法的共同局限在于：均依赖完整的监测数据序列作为输入，无法在变形过程中持续输出阶段判别结果。当边坡变形状态发生变化时，难以及时捕捉并更新判别结论，限制了滑坡预警的时效性。

6、针对上述问题，亟需提出一种基于特征速度自适应更新的露天矿变形阶段判别方法，能够在无需人工干预的情况下实现边坡变形阶段的自动识别与动态更新，显著提高边坡变形识别的准确性与实时性，有助于矿山提前识别滑坡风险，为人员和设备的及时撤离提供科学依据。

技术实现思路

1、针对现有技术存在的不足，本发明的目的是提供一种基于特征速度自适应更新的露天矿变形阶段判别方法，以解决上述背景技术中提出的问题。

2、发明所采用的技术方案是：一种基于特征速度自适应更新的露天矿变形阶段判别方法，其技术要点是，包括：

3、获取步骤，获取布设于露天矿边坡的多个gnss位移监测点连续采集并经预处理后形成的位移时间序列；

4、滤波步骤，将所述位移时间序列输入无迹卡尔曼滤波器，进行位移、速度和加速度的三维状态联合估计，输出每个时刻的速度估计值；

5、特征速度计算步骤，根据所述速度估计序列，采用动态自适应窗口方法计算特征速度，所述特征速度是速度归一化的基准值，用于表征边坡在当前变形阶段的特征速度水平；所述动态自适应窗口方法包括：根据速度历史数据的波动程度动态调整分析窗口的长度，并在所述分析窗口内的速度序列满足预设的稳定性判定条件时输出当前特征速度；

6、切线角计算步骤，根据所述速度估计值和所述特征速度计算归一化速度比，并将所述归一化速度比映射为切线角；

7、变形阶段判别步骤，根据所述切线角与预设的多个阶段判别阈值的比较结果，判定当前监测点所处的变形阶段；

8、预警步骤，采用滑动时间窗口对上述各步骤进行周期性滚动更新，当单个监测点连续多次判别结果为加速变形期或风险期时，触发预警信号。

9、上述方案中，所述特征速度计算步骤具体包括：

10、维护步骤，维护用于存储最近若干时刻速度绝对值的速度历史队列；

11、窗口长度自适应计算步骤，根据所述速度历史队列中数据的波动程度，动态计算分析窗口长度；所述波动程度采用变异系数进行量化，所述分析窗口长度与所述变异系数呈正相关关系；

12、稳定性判定步骤，从所述速度历史队列中提取当前分析窗口长度对应的数据构成分析窗口，对所述分析窗口内的速度序列进行稳定性判定；

13、特征速度更新步骤，当所述分析窗口内的速度序列满足稳定性判定条件时，更新所述特征速度的取值。

14、上述方案中，所述稳定性判定步骤具体包括：

15、计算所述分析窗口内速度绝对值的变异系数，并判断该变异系数是否小于预设的变异系数阈值；

16、计算所述分析窗口内速度绝对值对时间的线性回归斜率，并根据所述回归斜率计算相对斜率，判断该相对斜率是否小于预设的相对斜率阈值；

17、当上述两个判断结果均为是时，判定所述分析窗口内的速度序列处于稳定状态。

18、上述方案中，所述相对斜率为所述线性回归斜率的绝对值与所述分析窗口内速度绝对值均值之比。

19、上述方案中，所述特征速度更新步骤具体包括：

20、当所述稳定性判定步骤连续判定速度序列处于稳定状态的次数达到预设的稳定保持次数时，触发特征速度更新；

21、特征速度更新完成后，进入预设时长的锁定周期，在所述锁定周期内暂停特征速度更新；

22、所述锁定周期结束后，重置所述连续判定次数并返回所述窗口长度自适应计算步骤。

23、上述方案中，所述滤波步骤具体包括：

24、建立以位移、速度和加速度为状态向量的状态空间模型，所述状态空间模型的状态转移基于匀速-匀加速运动模型；

25、基于上一时刻的状态估计，通过无迹变换生成sigma点集，将所述sigma点集经状态转移函数传播后，计算先验状态估计值和先验协方差矩阵；

26、将传播后的sigma点映射到观测空间，计算观测均值和协方差，进而计算卡尔曼增益，利用当前时刻的位移观测值对所述先验状态估计值进行修正，输出当前时刻的位移估计值、速度估计值和加速度估计值。

27、上述方案中，所述先验协方差矩阵的计算包含过程噪声协方差矩阵，所述过程噪声协方差矩阵为以位置噪声、速度噪声和加速度噪声分别与时间步长乘积为对角元素的矩阵；所述观测协方差的计算包含观测噪声协方差矩阵，所述观测噪声协方差矩阵为以观测噪声平方为元素的矩阵。

28、上述方案中，所述切线角计算步骤具体包括：

29、将所述速度估计值除以所述特征速度与极小正数之和，得到归一化速度比；

30、对所述归一化速度比取反正切函数，得到弧度值形式的切线角；

31、将所述弧度值形式的切线角转换为角度值。

32、与现有技术相比，本发明的有益效果是：本发明引入ukf对gnss位移监测数据进行三维状态估计，ukf通过无迹变换处理非线性传递问题，无需对非线性函数进行线性化近似，相比传统差分求导方法，本发明在ukf的状态转移中采用匀速-匀加速运动模型，将过程噪声协方差矩阵q设置为，实现了对位移、速度和加速度的联合最优估计，可有效抑制gnss观测噪声对速度和加速度计算的影响，显著提高速度估计的精度和稳定性。

33、本发明提出动态自适应窗口方法计算特征速度v0，与传统固定窗口方法不同，本发明根据速度数据的变异系数cv实时调整窗口长度：数据波动大时自动拉长窗口以抑制噪声（cv大时），数据平稳时自动缩短窗口以提高响应灵敏度（cv小时）。该自适应机制通过映射函数实现，具有连续、平滑、无阈值跳变的特性。

34、本发明引入融合变异系数及相对斜率的双重稳定判据，增加锁定周期机制以避免在过渡阶段的频繁调整，当速度序列同时满足低变异系数和低趋势斜率时判定为稳定状态并触发更新，从而确保v0更新的准确性和稳定性。本方法能够准确反映边坡的阶段性速度基准，解决了固定取值导致的切线角计算失真问题。

35、本发明通过构建归一化速度比，将绝对速度映射到统一的物理标尺下，再通过反正切函数计算切线角。引入滑动窗口动态更新机制，结合预设阶段判别阈值，实现了边坡变形阶段的实时在线判别与动态更新，摆脱了对人工经验的依赖，有助于推动边坡灾害预警的智能化与标准化。