Page 128 - 2024年第55卷第10期

确且完整的反映施工现场的碾压作业情况，系统对施工质量的监控和反馈效果明显，ＲＣＣ碾压机效
率、标准遍数和达标率均有了较大幅度提升，对于坝体碾压质量的控制起到了重要作用。

５ 结论

（１）提出了基于 ＧＮＳＳ?ＵＷＢ?ＲＴＳ的 ＲＣＣ坝智能监控 ＰＣＴ，实现了 ＧＮＳＳ、ＵＷＢ、ＲＴＳ的优势互补，
克服了单一定位装置的局限性，保证了在 ＧＮＳＳ信号受到悬崖边壁、倒悬体遮挡等多种不利地形条件
影响时，大坝压实质量监测结果的准确性。
（ ２）建立了耦合新息阈值与最小二乘的融合卡尔曼滤波，以滤波过程中新息值变化量的最小二乘
为基准，设置新息值阈值优选观测数据，以抑制异常观测数据对算法稳定性的干扰，有效提高了施工
现场碾压机的定位精度。
（３）以西南某深窄河谷中 ＲＣＣ坝施工过程及系统监测结果为例，对提出的智能监控 ＰＣＴ进行了应
用。结果表明，该技术有效提高了深窄河谷地区碾压作业过程中碾压机械行驶轨迹监测的真实性，实
现了对大坝压实质量全过程、全地形控制的有益补充。

参 考 文 献：

［ １］ 杨阳蕊，朱亚萍，陈思思，等．融合群体智能策略的 ＡＩ链在大坝防汛抢险知识推理中的应用［Ｊ］．水利学
报，２０２３，５４（９）：１１２２ － １１３２．
［ ２］ 刘彪，赵宇飞，陈祖煜，等．小样本条件下砂砾 石 坝 料 级 配 特 征 参 数 的 贝 叶 斯 估 计 方 法 ［Ｊ］．水 利 学 报，
２０２２，５３（５）：６０８ － ６２０．
［ ３］ ＧＯＰＡＬＡＫＲＩＳＨＮＡＮＫ，ＫＨＡＩＴＡＮ Ｓ Ｋ， ＣＨＯＵＤＨＡＲＹ Ａ， ｅｔａｌ．Ｄｅｅｐ ｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓｗｉｔｈ
ｔｒａｎｓｆｅｒｌｅａｒｎｉｎｇｆｏｒｃｏｍｐｕｔｅｒｖｉｓｉｏｎ － ｂａｓｅｄｄａｔａ － ｄｒｉｖｅｎｐａｖｅｍｅｎｔｄｉｓｔｒｅｓｓｄｅｔｅｃｔｉｏｎ ［Ｊ］．ＣｏｎｓｔｒｕｃｔｉｏｎａｎｄＢｕｉｌｄｉｎｇ
Ｍａｔｅｒｉａｌｓ ，２０１７，１５７：３２２ － ３３０．
［ ４］ 黄声享，刘经南，曾怀恩．水布垭大坝碾压质量 ＧＰＳ实时监控系统的研制与应用［Ｃ］??现代堆石坝技术进
展：２００９———第一届堆石坝国际研讨会论文集．北京：中国水利水电出版社，２００９．
［ ５］ 王佳俊，祁宁春，钟登华，等．高心墙堆石坝原 生 集 成 式 智 能 无 人 碾 压 系 统 研 发 及 应 用 ［Ｊ］．水 利 学 报，
２０２２，５３（１２）：１４２１ － １４３２．
［ ６］ ＬＩＵＹＨ，ＦＡＮＸＱ，ＬＶＣ，ｅｔａｌ．ＡｎｉｎｎｏｖａｔｉｖｅｉｎｆｏｒｍａｔｉｏｎｆｕｓｉｏｎｍｅｔｈｏｄｗｉｔｈａｄａｐｔｉｖｅＫａｌｍａｎｆｉｌｔｅｒｆｏｒｉｎｔｅ
ｇｒａｔｅｄＩＮＳ?ＧＰＳｎａｖｉｇａｔｉｏｎｏｆａｕｔｏｎｏｍｏｕｓｖｅｈｉｃｌｅｓ ［Ｊ］．ＭｅｃｈａｎｉｃａｌＳｙｓｔｅｍｓａｎｄＳｉｇｎａｌＰｒｏｃｅｓｓｉｎｇ，２０１８，１００：
６０５ － ６１６．
［ ７］ ＨＵＡＮＧＺ，ＳＨＥＮＸＬ，ＷＡＮＧＬ，ｅｔａｌ．Ａｌｏｗ － ｃｏｓｔａｎｄｒｅａｌ － ｔｉｍｅｐｏｓｅｍｅａｓｕｒｅｍｅｎｔｍｅｔｈｏｄｆｏｒｓｔｒａｉｇｈｔｐｉｐｅ
ｊａｃｋｉｎｇｍａｃｈｉｎｅｂａｓｅｄｏｎｄｕａｌ － ｓｃｒｅｅｎｌａｓｅｒｔａｒｇｅｔｉｎｔｕｎｎｅｌｉｎｇｇｕｉｄａｎｃｅ［Ｊ］．Ｍｅａｓｕｒｅｍｅｎｔ，２０２２，１９５：１１１１１０．
［ ８］ ＤＵＳ，ＧＡＮＸＤ，ＺＨＡＮＧＲＱ，ｅｔａｌ．ＴｈｅｉｎｔｅｇｒａｔｉｏｎｏｆｒｏｔａｒｙＭＥＭＳＩＮＳａｎｄＧＮＳＳｗｉｔｈａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔ
ｗｏｒｋｓ ［Ｊ］．ＭａｔｈｅｍａｔｉｃａｌＰｒｏｂｌｅｍｓｉｎＥｎｇｉｎｅｅｒｉｎｇ，２０２１，２０２１：６６６９６８２．
［ ９］ 王秋滢，刘凯悦，尹娟．车载 ＧＮＳＳ失锁下基于 ＢＰＮＮ的微陀螺误差估计及定位方法研究［Ｊ］．系统工程与
电子技术，２０２０，４２（５）：１１３９ － １１４５．
［１０］ 上官伟，陈晶晶，谢朝曦，等．基于 ＩＭＵ误差补偿 的 磁 力 计 增 强 型 组 合 定 位 方 法 ［Ｊ］．铁 道 学 报，２０２２，
４４（７）：８０ － ９０．
［１１］ ＣＨＡＹＪ，ＣＨＯＩＷ，ＳＵＨＧ，ｅｔａｌ．Ａｕｔｏｎｏｍｏｕｓｓｔｒｕｃｔｕｒａｌｖｉｓｕａｌｉｎｓｐｅｃｔｉｏｎｕｓｉｎｇｒｅｇｉｏｎ － ｂａｓｅｄｄｅｅｐｌｅａｒｎｉｎｇｆｏｒ
ｄｅｔｅｃｔｉｎｇｍｕｌｔｉｐｌｅｄａｍａｇｅｔｙｐｅｓ ［Ｊ］．Ｃｏｍｐｕｔｅｒ － ＡｉｄｅｄＣｉｖｉｌａｎｄＩｎｆｒａｓｔｒｕｃｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ， ２０１８， ３３（９）：
７３１ － ７４７．
［１２］ ＣＨＡＹＪ，ＣＨＯＩＷ，ＢＹＫ?ＺＴＲＫＯ．Ｄｅｅｐｌｅａｒｎｉｎｇ － ｂａｓｅｄｃｒａｃｋｄａｍａｇｅｄｅｔｅｃｔｉｏｎｕｓｉｎｇｃｏｎｖｏｌｕｔｉｏｎａｌｎｅｕｒａｌ
ｎｅｔｗｏｒｋｓ［Ｊ］．Ｃｏｍｐｕｔｅｒ － ＡｉｄｅｄＣｉｖｉｌａｎｄＩｎｆｒａｓｔｒｕｃｔｕｒｅＥｎｇｉｎｅｅｒｉｎｇ，２０１７，３２（５）：３６１ － ３７８．
［１３］ 刘洪公，王学军，李冰莹，等．基于卷积神经网络的桥梁裂缝检测与识别［Ｊ］．河北科技大学学报，２０１６，
３７（５）：４８５ － ４９０．
［１４］ ＱＩＮＸＢ，ＬＩＵＬ，ＷＡＮＧＰ，ｅｔａｌ．Ｍｉｃｒｏｓｃｏｐｉｃｐａｒａｍｅｔｅｒｅｘｔｒａｃｔｉｏｎａｎｄｃｏｒｒｅｓｐｏｎｄｉｎｇｓｔｒｅｎｇｔｈｐｒｅｄｉｃｔｉｏｎｏｆｃｅ

５
— １ ２ ８ —