摘要：全站机器人监测系统是地铁隧道安全风险监测的重要技术手段之一,但监测点相对有限。本文基于分布式光纤测量数据,提出了一种基于分布式光纤的地铁隧道安全风险监测技术。首先,将分布式光纤监测系统获取的应变数据映射为更加直观的变形位移数据;然后,通过确定3个输入参数、2个隐含层、1个输出参数,构建基于BP神经网络的应变-位移转换模型,验证结果表明,预测值和真实值的误差在0.2 mm以内,说明所建模型能较好地拟合数据的变化规律;最后,将其应用于青岛地铁1号线某区间,确定401.66~699.45με作为各测点预警值的安全区间,202.49~899.98με作为控制值的安全区间,计算结果与现场实测结果相吻合,误差满足工程需要。

摘要：全站机器人是地铁隧道结构变形监测的常用技术,该技术往存在监测盲区和空间连续性差等问题;分布式光纤监测技术能够实现隧道结构的空间连续式监测,但是其直接监测数据为结构应变,不便于实际工程的应用。针对上述问题,将全站机器人和分布式光纤监测技术结合,提出基于分布式应变-全站位移转换模型的隧道结构变形监测方法。首先,利用分布式传感光纤测点应变数据的空间相关性,提出全站稀疏测点位移数据的测点加密扩充算法;其次,依托分布式光纤应变和扩充后的全站位移监测数据,利用神经网络,构建光纤应变-全站位移转换模型,实现使分布式光纤应变数据能够转化为位移数据;最后,采用实际地铁隧道的实际监测数据对所提方法进行了验证,结果表明:所提监测方法误差满足工程要求,可以提高监测效果。LRC。