一种利用MEMS加速度传感器监测破坏性震动的方法与流程

一种利用mems加速度传感器监测破坏性震动的方法
技术领域
1.本发明涉及地震监测技术领域，特别涉及一种利用mems加速度传感器监测破坏性震动的方法。


背景技术：

2.目前，随着地震观测技术的发展及观测仪器的增多，利用实际观测地震动记录来计算等效地震烈度已经成为其发展趋势，利用地震动记录计算得到的烈度值称为地震仪器烈度，其出发点是基于震害原因中的振动因素，考虑地震动频谱、幅值和持时特征，由地震动本身来间接反映震害后果。地震烈度速报是利用观测地震动记录，无需现场调查而快速计算各观测点的地震影响程度(以仪器烈度和地震动参数表示)，进而给出完整的地震影响场，并快速发布，为人员伤亡估计和经济损失评估以及地震应急救援决策和工程抢险修复决策提供依据；
3.而且，破坏性地震发生后会接连发生一系列余震，救灾现场出现的大型救援设备运行所产生的破坏性震动，使得本就不稳定的建筑受到进一步的破坏，会对现场参与救援的人员带来危险。而现有的专业地震测量设备安装条件要求高，无法满足救援现场快速展开的要求，而且这些专业设备未提供告警功能，无法将检测到的可能的险情快速播报给现场参与救援的人员。


技术实现要素：

4.本发明提供一种利用mems加速度传感器监测破坏性震动的方法，用以解决有的专业地震测量设备安装条件要求高，无法满足救援现场快速展开的要求，而且这些专业设备未提供告警功能，无法将检测到的可能的险情快速播报给现场参与救援的人员。的情况。
5.在本发明的实施例中，包括一种利用mems加速度传感器监测破坏性震动的方法，包括：
6.通过mems加速度传感器，接收震动波的加速度数据；
7.通过巴特沃斯滤波器对加速度数据进行预处理，并对预处理后进行数据量化，并引入预设的地震烈度量化评判机制；
8.通过地震烈度量化评判机制，确定地震烈度，并进行报警。
9.作为本发明的一种可选实施例：所述方法还包括：
10.基于mems加速度传感器，接收震动波信号；
11.对震动波信号进行滤波和模拟信号数字化；其中，
12.滤波用于降低震动波信号的带外噪声，并限制震动波信号带宽；
13.模拟信号数字化用于确定滤波后，振动波信号的数字化值。
14.作为本发明的一种可选实施例：所述mems加速度传感器通过spi串行通信；
15.spi串行通信遵从spi协议时序方案；
16.spi协议时序方案包括时钟极性设定、时钟相位相定，时钟速率范围为100khz～
10mhz。
17.作为本发明的一种可选实施例：所述方法还包括：
18.接收预设时间段内的加速度数据，并计算平均值；
19.将平均值作为加速度基准值，并在mems加速度传感器接收加速度数据时，均减去加速度基准值；其中，
20.加速度的平均值变化范围在预设阈值范围内时，基准值不变；
21.当加速度的平均值变化范围超过了阈值，则对基准值更新。
22.作为本发明的一种可选实施例：所述方法还包括：
23.地震烈度量化评判机制包括地震烈度和地震感度；其中，
24.地震烈度和地震感度相对应；
25.地震烈度包括6个度；
26.地震感度包括：无感、微有感、少有感、多有感、惊醒和惊慌。
27.作为本发明的一种可选实施例：所述方法还包括：
28.mems加速度传感器通过多机共测进行地震监测；其中，
29.多机共测包括多机通信机制；其中，
30.多机通信机制中服务程序根据界面传入的设备类型参数判断主机设备和从机设备；
31.从机设备通过433通讯线程接收主机指令；
32.主机设备通过向从机发送询问指令，获取从机数据；其中，
33.每个主机对应多个从机，并对每个从机轮询发送询问指令。
34.作为本发明的一种可选实施例：所述方法还包括：
35.主机设备接收从机设备的报警信息，并在所有地震监测设备中超过预设比例地震监测设备超过阈值震动时，发出报警信息；其中，
36.所述报警信息包括：声光报警、语音报警和远程通信报警。
37.作为本发明的一种可选实施例：所述方法还包括：
38.在地震监测设备内均安装n个mems加速度传感器，实时测量当前mems加速度传感器所在位置的坐标，其中n≥3；
39.根据mems加速度传感器，实时绘制每个加速度数据的动态曲线；
40.根据加速度的动态曲线，将生成每个地震监测设备的均值曲线；
41.通过均值曲线，确定每个地震监测设备地震震度信息和地震感度信息。
42.作为本发明的一种可选实施例：所述数据量化包括：
43.设置基于神经网络的地震量化精度阈值；
44.分离量化每层输出特征数据量化参数和每层权重量化参数；
45.对于神经网络中的前后关联层，根据当前层的输出特征数据量化参数更新输入层的输出特征数据量化参数；
46.所述关联层为输入、输出特征数据不发生改变的层；
47.以地震量化精度阈值为约束条件，根据每层推理浮点值和分离量化后的定点值比对结果，优化输出特征数据量化参数。
48.作为本发明的一种可选实施例：所述优化输出特征数据量化参数包括：
49.根据每层输入输出数据，推理出每层第一浮点特征值；
50.根据分离量化后的量化参数，推理出定点特征值，将所述定点特征值转换成第二浮点特征值，比对所述第一浮点特征值和所述第二浮点特征值，判断是否满足所述推理精度阈值，是则确定量化参数，否则调整输出特征数据的量化参数，保持权重量化参数不变。
51.本发明的有益效果在于：
52.本发明利用mems加速度传感器实现对震动进行监测，将检测到的震动量化为对建筑物破坏程度，当可能对建筑物造成破坏时，利用设备装备的声光报警装置和对讲设备为现场救援人员提供声光报警。本发明通过地震监测设备内部安装的memo加速度传感器，经数据采集、滤波、平差等一系列计算方法，完成设备震动监测，当震动幅度达到一定阈值及逻辑条件时，通过备装备的声光报警装置和对讲设备对外发出声光报警。
53.本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
54.下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
55.附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
56.图1为本发明实施例中一种利用mems加速度传感器监测破坏性震动的方法的执行步骤流程图；
57.图2为本发明实施例中spi串行通信的接线图；
58.图3为本发明实施例中一种利用mems加速度传感器监测破坏性震动的方法的实施流程图。
具体实施方式
59.以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
60.在本发明的实施例中，包括一种利用mems加速度传感器监测破坏性震动的方法，包括：
61.通过mems加速度传感器，接收震动波的加速度数据；
62.通过巴特沃斯滤波器对加速度数据进行预处理，并对预处理后进行数据量化，并引入预设的地震烈度量化评判机制；
63.通过地震烈度量化评判机制，确定地震烈度，并进行报警。
64.可选的，本发明如附图1和附图3所示：
65.本发明利用mems加速度传感器实现对震动进行监测，本发明的mems加速度传感器是安装在地震监测设备中，所以在实施时，其将检测到的震动量化为对建筑物破坏程度，当可能对建筑物造成破坏时，利用设备装备的声光报警装置和对讲设备为现场救援人员提供声光报警。本发明通过地震监测设备内部安装的memo加速度传感器，经数据采集、滤波、平差等一系列计算方法，完成设备震动监测，当震动幅度达到一定阈值及逻辑条件时，通过备
装备的声光报警装置和对讲设备对外发出声光报警。系统接收到加速度数据后，以秒为单元，阻带设置为-30mg～30mg，利用巴特沃斯滤波器将采集到的数据进行预处理。使得通频带内的数值响应曲线最大限度平坦，没有纹波，而在阻带则逐渐下降为零。巴特沃斯滤波器是电子滤波器的一种，它也被称作最大平坦滤波器。巴特沃斯滤波器的特点是通频带内的频率响应曲线最大限度平坦，没有纹波，而在阻频带则逐渐下降为零。
66.可选的，本发明的mems加速度传感器优选adxl355加速度计作为加速度测量工具，adxl355是一款完整的三轴、超低噪声、失调超稳定的mems加速度计，其输出与模拟1.8v电源v1p8ana成比例。adxl355还增加了三个高分辨率adc，这些adc使用1.8v模拟电源作为基准电压源，以提供对电源电压不敏感的数字输出。
67.作为本发明的一种可选实施例：所述方法还包括：
68.基于mems加速度传感器，接收震动波信号；
69.可选的，mems加速度传感器在运行过程中，采用的时离散采样的方式，会采集多个振动加速度的数据，生成加速度序列l＝s1，s2，s3……
si；si表示第i个加速度数值，i∈n，加速度序列共会存在n个加速度的数值；加速度的序列是在预设的一个时间内采集的，然后通过均方根值来作为加速度信号的有效值：
70.均方根值如下式：
71.j为加速度信号的有效值，也是最终震动波信号的数据源值，数据源值通过转换为每一时刻的振动波信号，生成波形信号。
72.对震动波信号进行滤波和模拟信号数字化；其中，
73.滤波用于降低震动波信号的带外噪声，并限制震动波信号带宽；
74.模拟信号数字化用于确定滤波后，振动波信号的数字化值。
75.可选的，本发明信号预处理包括：滤波和模拟信号数字化两项工作，通过模拟数字信号进行数字化。
76.本发明优选adxl355加速度计时，adxl355利用模拟低通抗混叠滤波器降低带外噪声并限制带宽。模拟低通抗混叠滤波器提供约1.5khz的固定带宽，在该频率处输出响应衰减约50％。频域中滤波器响应的形状是sinc3滤波器的形状。adxl355内置一个20位σ-δadc，用以对滤波后的模拟信号进行数字化。
77.作为本发明的一种可选实施例：所述mems加速度传感器通过spi串行通信；
78.spi串行通信遵从spi协议时序方案；
79.spi协议时序方案包括时钟极性设定、时钟相位相定，时钟速率范围为100khz～10mhz。
80.可选的，如附图2所示，本发明采用了spi串行通信，当选择adxl355加速度计时，adxl355支持可编程的
±
2.048g、
±
4.096g和
±
8.192g满量程。adxl355同时提供spi和i2c通信端口。ta＝25℃，vsupply＝3.3v，x轴加速度和y轴加速度＝0g，z轴加速度＝1g，输出数据速率(odr)＝500hz。
81.作为本发明的一种可选实施例：所述方法还包括：
82.接收预设时间段内的加速度数据，并计算平均值；
83.将平均值作为加速度基准值，并在mems加速度传感器接收加速度数据时，均减去
加速度基准值；其中，
84.加速度的平均值变化范围在预设阈值范围内时，基准值不变；
85.当加速度的平均值变化范围超过了阈值，则对基准值更新。
86.可选的，发明适用于工作环境较为复杂的环境，因为现有技术在架设工作时无法保证水平放置，故设备静止时三轴会产生不确定性的分量，而且设备投入使用后可能人为移动，这就会使静止分量重新分配，为保证测量的准确定系统需要不停进行静止平差。
87.系统收集一秒内的加速度数据，计算出平均值，记为加速度基准值，此后的加速度值都减去这个基准值作为真实值进行运算。加速度值每一秒都有一个平均值，如果这个平均值的变化在阈值范围内，则基准值不变。如果这个平均值的变化超过了阈值，而后又稳定在另一个数值的附近，则基准值进行更新。这种数据变化对应设备在运行过程中被搬动的情形。另外如果每秒的数据中只有零星数据偏离基准值则记为误差数据，不作为震动判断。
88.作为本发明的一种可选实施例：所述方法还包括：
89.地震烈度量化评判机制包括地震烈度和地震感度；其中，
90.地震烈度和地震感度相对应；
91.地震烈度包括6个度；
92.地震感度包括：无感、微有感、少有感、多有感、惊醒和惊慌。
93.可选的，为更好的表述震动可能对建筑物产生的破坏能力，有效量化识别震动所产生的破坏性，我们引入地震烈度作为量化评判标准，即：
94.中国地震烈度表
[0095][0096][0097]
系统默认震动达到烈度达到3度时就可能对本已不稳定的建筑构成威胁，所以默
认达到3度即发出报警。后期用户可根据实际情况调整。
[0098]
作为本发明的一种可选实施例：所述方法还包括：
[0099]
mems加速度传感器通过多机共测进行地震监测；其中，
[0100]
多机共测包括多机通信机制；其中，
[0101]
多机通信机制中服务程序根据界面传入的设备类型参数判断主机设备和从机设备；
[0102]
从机设备通过433通讯线程接收主机指令；
[0103]
主机设备通过向从机发送询问指令，获取从机数据；其中，
[0104]
每个主机对应多个从机，并对每个从机轮询发送询问指令。
[0105]
可选的，在实际实施的时候，为消除误报，我们采用多机共同监测的方式，消除单机监测产生的误报；
[0106]
例如：三台设备放置在不同地点同时进行监测，实际实施不局限于3台。考虑到设备工作现场的环境可能无法借助4g无线网络进行无线远距离通信，三台设备间采用433mhz lora射频技术进行远距离通信。
[0107]
三机通信机制如下：
[0108]
服务程序根据界面传入的设备类型参数判断自己是主机还是从机。
[0109]
从机：如果设备是从机，433通讯线程启动后等待主机发来的指令，接收到指令后向主机返回数据；
[0110]
主机：如果设备是主机，433通讯线程启动后向从机1发送询问数据的指令，等待一定时间后读取从机1返回的数据；接着向从机2发送询问数据的指令，等待一定时间后读取从机2返回的数据。然后进入下一个循环。如果期间读不到数据，则在一定次数后判断从机设备处于脱机状态。
[0111]
作为本发明的一种可选实施例：所述方法还包括：
[0112]
主机设备接收从机设备的报警信息，并在所有地震监测设备中超过预设比例地震监测设备超过阈值震动时，发出报警信息；其中，
[0113]
所述报警信息包括：声光报警、语音报警和远程通信报警。
[0114]
可选的，三台设备中的主机接收另外两台设备的报警信息，当三台设备中的两台同时检测到超过阈值的震动时，主机对外发出报警。主机通过扩音设备和配备的报警灯发出声光报警，同时利用设备配备的模拟对讲模块，向救援人员手持对讲机发出语音提醒。
[0115]
可选的，本发明还包括一种报警方法，现有技术中的报警方式主要是进行多种方式共同报警，而且报警的信息只是是否存在地震，但是更具体的信息，只能通过管理员去查看监测数据来判断是地震的位置和地震的等级，这种情况下，报警是无法让管理员第一时间知道具体的地震信息，而本发明在报警的时候是一种新的方式，能够实现具体信息的报警，主要是在语音报警的过程中：
[0116]
首先，在具体实施时，会构建地震数据库，地震数据库中存在监测范围内的区域地图，能够确定地震的位置，还存在不同地震感度信息和烈度信息；地震数据库存在区域地图子数据库；烈度曲线子数据库；烈度和感度相对应。
[0117]
本发明会基于地震数据库，分别构建不同的特征模型，包括：
[0118]
区域位置模型：
[0119][0120]
烈度模型：
[0121][0122]
其中，w(i)表示区域地图子数据库中第i个地点的区域位置特征；l(j)表示烈度曲线子数据库中第j类曲线的烈度曲线特征；wi表示区域地图子数据库中第i个地点的位置坐标；lj表示烈度曲线子数据库中第j类曲线的曲线函数；i∈n，n表示区域地图子数据库位置区域的总数量，位置区域表示每个区域的区域地名；j∈m，m表示烈度曲线子数据库不同类型烈度曲线的总数量；区域位置模型和烈度模型用于显示所有可能出现的地震区域和地震烈度。exp的底数本发明中采用2，因为操作系统是计算机，所以更加符合二进制，采用2得到的数据更加精确。
[0123]
获取实时的报警信息，确定实施地震数据，并构建实时地震数据模型；
[0124][0125]
其中，s表示实时地震数据模型；wf表示第f个实时地震数据的位置信息参数；lf表示第f个实时地震数据的烈度信息参数；f∈f，f表示实时地震数据的总个数；
[0126]
将区域位置模型和烈度模型引入实时地震数据模型，确定实时地震数据和地震数据库中任意区域位置和烈度曲线的差异度，构建差异模型：
[0127][0128]
其中，a＝w(i)+l(j)；sum表示求和；c(s，a)的值为实时地震数据和地震数据库中任意数据的差异值，差异值为0时，或者差异值在预设的差异值区间之内时，表示对应的区域位置数据和烈度数据符合报警信息对应的信息类型，从而转换为语音信息进行输出，转换为语音信息的方式进行语音报警。上述方向相对于现有技术中的方式相比，可以输出具体的地震地点信息，地震烈度信息和感度信息。
[0129]
作为本发明的一种可选实施例：所述方法还包括：
[0130]
在地震监测设备内均安装n个mems加速度传感器，实时测量当前mems加速度传感器所在位置的坐标，其中n≥3；
[0131]
根据mems加速度传感器，实时绘制每个加速度数据的动态曲线；
[0132]
根据加速度的动态曲线，将生成每个地震监测设备的均值曲线；
[0133]
通过均值曲线，确定每个地震监测设备地震震度信息和地震感度信息。
[0134]
可选的，本发明在具体实施的时候，通过设置n个mems加速度传感器，每个mems加速度传感器都有一个坐标位置，不同坐标位置因为距离震源的远近不同，所以产生的加速
度是不同的，所以测量的震感值是不同的，这会导致地震监测的结果存在一定的误差，因此本发明在进行监测的时候，每个mems加速度传感器都有一个加速度数据的均值曲线，通过均值曲线的作为地震震度信息和地震感度信息的实际测量值；相当于通过一种坐标矩阵，来判断地震震度的均值信息，通过不同坐标下的监测结果，让最终得到的数据更加准确。
[0135]
作为本发明的一种可选实施例：所述数据量化包括：
[0136]
设置基于神经网络的地震量化精度阈值；
[0137]
分离量化每层输出特征数据量化参数和每层权重量化参数；
[0138]
对于神经网络中的前后关联层，根据当前层的输出特征数据量化参数更新输入层的输出特征数据量化参数；
[0139]
所述关联层为输入、输出特征数据不发生改变的层；
[0140]
以地震量化精度阈值为约束条件，根据每层推理浮点值和分离量化后的定点值比对结果，优化输出特征数据量化参数。
[0141]
可选的，本发明还引入了深度神经网络算法，神经网络包括输入层、隐藏层和输出层，隐藏层为n个，深度神经网络算法通过对历史地震监测数据的训练，训练得到了深度神经网络，地震量化精度阈值是基于历史数据设定的地震量化数据的精度阈值，也就是地震检测信号的精度范围，训练后的深度神经网络又是通过多个关联层实现对不同地震监测数据进行逐层量化，每一层都是对数据的一个转换，，每一层的转换都有其预先规定的权重，然后让数据更加精确，对于分离量化每层输出特征数据量化参数和每层权重量化参数，是在加速度数据输入之后，当两个隐藏层的数据转化不发生变化时，也就是输入输出的数据没有区别时，表示深度神经网络对数据的量化已经成功，然后就可以以地震量化精度阈值为约束条件，判断数据是否在阈值之内，在与之之内表述数据正确，可以进行输出。采用每层推理浮点值和分离量化后的定点值比对结果，实在输出符合约束田间的时候，判断浮点值和定点值之间的偏差，浮点值是为了提高精度的，对比之下如果存在偏差的情况，可以再次进行优化。
[0142]
作为本发明的一种可选实施例：所述优化输出特征数据量化参数包括：
[0143]
根据每层输入输出数据，推理出每层第一浮点特征值；
[0144]
浮点特征值由浮点值的尾数和阶码确定。
[0145]
根据分离量化后的量化参数，推理出定点特征值，将所述定点特征值转换成第二浮点特征值，比对所述第一浮点特征值和所述第二浮点特征值，判断是否满足所述推理精度阈值，是则确定量化参数，否则调整输出特征数据的量化参数，保持权重量化参数不变。
[0146]
本发明通过地震量化精度阈值的控制，优化特征数据量化参数，实现性能的不断优化，平衡了精度和性能需求。
[0147]
本发明利用地震监测设备中的内部协处理器实现每个网络层的定点推理过程。利用地震监测设备内部的协处理器特征，可以实现浮点，各种高低精度量化推理，不受硬件量化功能限制，灵活编程，较现有技术成本更低。
[0148]
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，则本发明也意图包含这些改动和变型在内。