大数据处理高陡岩体开采边坡稳定性声波探测评价系统的制作方法

1.本发明属于边坡稳定性检测技术领域，尤其涉及一种大数据处理高陡岩体开采边坡稳定性声波探测评价系统。


背景技术：

2.目前，在工程地质中，把工程作用范围内具有一定的岩石成分、结构特征及赋存于某种地质环境中的地质体称为岩体。岩体是在内部的联结力较弱的层理、片理和节理、断层等切割下，具有明显的不连续性。这是岩体的重要特点，使岩体结构的力学效应减弱和消失。使岩体强度远远低于岩石强度，岩体变形远远大于岩石本身，岩体的渗透性远远大于岩石的渗透性。岩体结构面的成因类型为：不同成因的结构面，具有不同的工程地质特性。按成因可把结构面分为原生结构面、构造结构面和次生结构面三类。在岩体开采过程中，需要对高陡岩体开采边坡稳定性进行检测。其中，边坡稳定性是指边坡岩、土体在一定坡高和坡角条件下的稳定程度。按照成因，边坡分为天然斜坡和人工边坡两类，后者又分为开挖边坡和堤坝边坡等。按照物质组成，边坡分为岩体边坡、土体边坡，以及岩、土体复合边坡3种。按照稳定程度，分为稳定边坡、不稳定边坡，以及极限平衡状态边坡。但是现有的高陡岩体开采边坡稳定性声波探测评价技术在评价过程中，数据处理效率和准确度低，无法保证高陡岩体开采的安全性。
3.通过上述分析，现有技术存在的问题及缺陷为：现有的高陡岩体开采边坡稳定性声波探测评价技术在评价过程中，数据处理效率和准确度低，无法保证高陡岩体开采的安全性。


技术实现要素：

4.针对现有技术存在的问题，本发明提供了一种大数据处理高陡岩体开采边坡稳定性声波探测评价系统。
5.本发明是这样实现的，一种大数据处理高陡岩体开采边坡稳定性声波探测评价系统，所述大数据处理高陡岩体开采边坡稳定性声波探测评价系统，包括：
6.声波发射模块，与中央处理模块连接，通过利用激振器放置在钻孔内部，发射不同一定频率的声波；
7.数据采集模块，与中央处理模块连接，通过在钻孔内部放置的声波传感器进行采集声波数据，并对声波信号进行处理；
8.中央处理模块，分别与声波发射模块、数据采集模块和通信模块连接，分别控制各个模块，并且根据采集的数据，进行分析判断储存；
9.通信模块，与中央处理模块连接，通过通信设备搭建中央处理模块与云服务器之间的数据传输的桥梁；
10.云服务器，与通信模块连接，通过云服务器利用大数据处理技术对高陡岩体开采边坡稳定性进行分析评价。
11.进一步，所述中央处理模块设置有：
12.数据整合模块，通过数据整合算法实现对数据的整合处理。
13.数据分析评价模块，通过边坡稳定性声波探测评价程序对数据进行分析评价。
14.数据分类储存模块，通过对数据进行聚类，并对数据进行储存。
15.进一步，所述数据分类储存模块对数据进行分类的具体过程为：
16.根据整体系统中的数据，确定一些类或组来使用并随机地初始化它们各自的中心点；
17.对于每一类或组中的每个数据点通过计算点和每个组中心之间的距离进行分类，然后将这个点分类为最接近它的组；
18.根据确定的分类点，通过取组中所有向量的均值来重新计算组中心；
19.重复上述过程直至对全部数据处理分类完成。
20.进一步，所述数据整合模块通过数据整合算法实现对数据的整合处理具体过程为：
21.根据整体系统中的数据，确定神经网络模型和学习规则，建立总体输入函数；
22.将总体输入函数定义为相关单元的映射函数，通过神经网络与环境的交互作用把环境的统计规律反映到网络本身的结构中来；
23.对传感器输出信息进行学习、理解、确定权值的分配，完成数据的获取、信息融合。
24.进一步，所述数据分析评价模块通过边坡稳定性声波探测评价程序对数据进行分析评价具体过程为：
25.将采集的数据输入到计算机中，利用大数据图解处理方式建立对应的仿真图；
26.用一定的曲线和偌谟图来表征边坡有关参数之间的定量关系，由此求出边坡稳定性系数，求出稳定坡角或极限坡高；
27.利用图解求边坡变形破坏的边界条件，分析软弱结构面的组合关系，分析滑体的形态、滑动方向，评价边坡的稳定程度。
28.进一步，所述云服务器通过云服务器利用大数据处理技术对高陡岩体开采边坡稳定性进行分析评价中大数据处理具体过程为：
29.利用多个数据库来接收发自客户端的数据，并且通过这些数据库来进行简单的查询和处理工作；
30.将数据导入到一个集中的大型分布式数据库或者分布式存储集群，在导入基础上对导入的数据进行清洗和预处理；
31.统计与分析利用分布式数据库或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总，以满足大多数常见的分析需求；
32.在现有数据上面进行基于各种算法的计算，从而起到预测的效果，从而实现一些高级别数据分析的需求。
33.进一步，所述数据采集模块设置有：
34.换能模块，通过换能电路将声波转换为电信号；
35.信号放大模块，通过信号放大电路对信号进行放大；
36.信号滤波模块，通过信号滤波电路对信号进行滤波；
37.信号转换模块，通过信号转换电路将信号转换为系统识别的信号。
38.进一步，所述信号滤波模块对信号进行滤波的具体过程为：
39.将含有噪声信号做小波变换，得到一组小波系数；
40.对小波系数进行阈值处理，得到估计小波系数；利用估计小波系数进行小波重构，得到滤波信号。
41.本发明另一目的在于提供一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施所述的大数据处理高陡岩体开采边坡稳定性声波探测评价系统。
42.本发明另一目的在于提供一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行所述的大数据处理高陡岩体开采边坡稳定性声波探测评价系统。
43.结合上述的所有技术方案，本发明所具备的优点及积极效果为：本发明通过设置有声波发射模块和数据采集模块，可以准确获取声波信号，避免出现干扰的声波信号。本发明通过云服务器利用大数据处理技术对高陡岩体开采边坡稳定性进行分析评价，提高了数据处理的准确度和效率。本发明利用大数据图解处理方式建立对应的仿真图，便于对高陡岩体开采边坡稳定性观察和分析，进而提高评价的准确度，提高高陡岩体开采的安全性。
附图说明
44.为了更清楚地说明本技术实施例的技术方案，下面将对本技术实施例中所需要使用的附图做简单的介绍，显而易见地，下面所描述的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下还可以根据这些附图获得其他的附图。
45.图1是本发明实施例提供的大数据处理高陡岩体开采边坡稳定性声波探测评价系统结构示意图。
46.图中：1、声波发射模块；2、数据采集模块；3、中央处理模块；4、通信模块；5、云服务器。
47.图2是本发明实施例提供的中央处理模块结构示意图。
48.图3是本发明实施例提供的数据分类储存模块对数据进行分类方法流程图。
49.图4是本发明实施例提供的数据整合模块通过数据整合算法实现对数据的整合处理方法流程图。
50.图5是本发明实施例提供的中央处理模块对边坡稳定性分析方法流程图。
具体实施方式
51.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
52.针对现有技术存在的问题，本发明提供了一种大数据处理高陡岩体开采边坡稳定性声波探测评价系统，下面结合附图对本发明作详细的描述。
53.如图1所示，本发明实施例提供的大数据处理高陡岩体开采边坡稳定性声波探测评价系统，包括：
54.声波发射模块1，与中央处理模块3连接，通过利用激振器放置在钻孔内部，发射不同一定频率的声波。
55.数据采集模块2，与中央处理模块3连接，通过在钻孔内部放置的声波传感器进行采集声波数据，并对声波信号进行处理。
56.中央处理模块3，分别与声波发射模块1、数据采集模块2和通信模块4连接，分别控制各个模块，并且根据采集的数据，进行分析判断储存。
57.通信模块4，与中央处理模块3连接，通过通信设备搭建中央处理模块与云服务器之间的数据传输的桥梁。
58.云服务器5，与通信模块4连接，通过云服务器利用大数据处理技术对高陡岩体开采边坡稳定性进行分析评价。
59.如图2所示，本发明实施例提供的中央处理模块设置有：
60.数据整合模块，通过数据整合算法实现对数据的整合处理。
61.数据分析评价模块，通过边坡稳定性声波探测评价程序对数据进行分析评价。
62.数据分类储存模块，通过对数据进行聚类，并对数据进行储存。
63.如图3所示，本发明实施例提供的数据分类储存模块对数据进行分类的具体过程为：
64.s101：根据整体系统中的数据，确定一些类或组来使用并随机地初始化它们各自的中心点；
65.s102：对于每一类或组中的每个数据点通过计算点和每个组中心之间的距离进行分类，然后将这个点分类为最接近它的组；
66.s103：根据s102中确定的分类点，通过取组中所有向量的均值来重新计算组中心；
67.s104：重复上述s101～102直至对全部数据处理分类完成。
68.如图4所示，本发明实施例提供的数据整合模块通过数据整合算法实现对数据的整合处理具体过程为：
69.s201：根据整体系统中的数据，确定神经网络模型和学习规则，建立总体输入函数；
70.s202：将总体输入函数定义为相关单元的映射函数，通过神经网络与环境的交互作用把环境的统计规律反映到网络本身的结构中来；
71.s203：对传感器输出信息进行学习、理解、确定权值的分配，完成数据的获取、信息融合。
72.如图5所示，本发明实施例提供的中央处理模块对边坡稳定性分析如下：
73.s301：将采集的数据输入到计算机中，利用大数据图解处理方式建立对应的仿真图；
74.s302：用一定的曲线和偌谟图来表征边坡有关参数之间的定量关系，由此求出边坡稳定性系数，求出稳定坡角或极限坡高；
75.s303：利用图解求边坡变形破坏的边界条件，分析软弱结构面的组合关系，分析滑体的形态、滑动方向，评价边坡的稳定程度。
76.本发明实施例提供的云服务器通过云服务器利用大数据处理技术对高陡岩体开采边坡稳定性进行分析评价中大数据处理具体过程为：
77.利用多个数据库来接收发自客户端的数据，并且通过这些数据库来进行简单的查询和处理工作；
78.将数据导入到一个集中的大型分布式数据库或者分布式存储集群，在导入基础上对导入的数据进行清洗和预处理；
79.统计与分析利用分布式数据库或者分布式计算集群来对存储于其内的海量数据进行普通的分析和分类汇总，以满足大多数常见的分析需求；
80.在现有数据上面进行基于各种算法的计算，从而起到预测的效果，从而实现一些高级别数据分析的需求。
81.本发明实施例提供的数据采集模块2设置有：
82.换能模块，通过换能电路将声波转换为电信号；
83.信号放大模块，通过信号放大电路对信号进行放大；
84.信号滤波模块，通过信号滤波电路对信号进行滤波；
85.信号转换模块，通过信号转换电路将信号转换为系统识别的信号。
86.本发明实施例提供的信号滤波模块对信号进行滤波的具体过程为：
87.将含有噪声信号做小波变换，得到一组小波系数；
88.对小波系数进行阈值处理，得到估计小波系数；利用估计小波系数进行小波重构，得到滤波信号。
89.以上所述，仅为本发明较优的具体的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，都应涵盖在本发明的保护范围之内。