关于超高层建筑物动态形变监测方法的探讨

超高层建筑物受到风力，特别是强风作用会产生摇摆晃动，这对其内部运行着的高速电梯危害极大。容易产生电梯缆绳缠绕、碰撞，酿成事故。因此，研究超高层建筑物受风等外力作用产生的摇摆晃动，找出适合的观测方法是一个值得探讨的问题。本文对超高层建筑物在强风等外力作用下产生的摆动幅度，其观测方法进行了探讨。并结合实例说明：此法是一种实用、可靠、简便、易行，能够满足精度要求的超高建筑物动态位移观测方法。     

GNSS RTK技术下超高层结构的动态变形监测

以天津电视塔为监测对象,设计了基于GNSS RTK技术的超高层结构动态变形监测系统,并进行了强风下的现场试验。试验中同时采用双星座组合导航系统和三星座组合导航系统进行监测,并对监测数据进行了对比。采用Kalman滤波方法,使用Matlab软件编制的程序对监测数据进行处理分析,得到测点的振动轨迹及结构的主振方向和振动曲线。结果表明,GNSS RTK技术结合Kalman滤波用于超高层动态变形监测及其数据处理分析是可行的;由于北斗导航系统的应用,三星座组合导航系统可见卫星数目大大增加,坐标中误差及PDOP值也相应减小,动态变形监测的精度和稳定性也得到了大大提高。     

基于BDS PPP技术的超高层建筑变形监测

超高层建筑变形监测是后续超高层建筑维护与修缮的重要内容．目前我国北斗卫星导航系统（BDS）已被广泛应用于建筑物的变形监测,本文利用BDS精密单点定位技术(PPP),根据高频超高层建筑BDS变形监测数据,以静态网解算三维坐标为基准,分析超高层建筑复杂环境下BDS数据质量、PPP定位精度以及超高层变形趋势．研究结果表明,在监测时间段内,BDS卫星数多于GPS,空间几何分布精度略低于GPS,观测时间达1 h以上开始收敛,水平向定位精度可以达到1 cm,竖直向定位精度可以达到2 cm,能满足超高层建筑变形监测的精度要求,可为今后的超高层建筑变形监测提供一种新的技术手段．      

基于北斗RTK技术的超高层水平摆动变形分析

超高层相比于普通高层建筑,其自身结构更容易受到损伤,因此对其进行变形监测是十分必要的。以某超高层为监测对象,利用北斗RTK技术对其进行监测,经过对北斗监测数据质量、监测点水平摆动幅度和形变轨迹的分析,发现超高层环境下北斗数据良好,北斗RTK技术能精确监测出超高层的变形幅度,超高层的水平摆动呈椭圆形周期性变化。     

基于变分模态分解与相关向量机的变形特征提取及智能分析研究

建筑物、大型工程结构、边坡等受到内在与外在的复杂因素影响下,产生不同程度的变形.通过变形监测及变形数据分析,可及时、准确地掌握形变过程信息.变形特征提取与分析是变形数据处理的核心内容之一,是建筑物与工程结构精确健康监测、预报预警的关键,是变形灾害防治的重要理论与实践基础.由于变形体变形过程及变形数据采集过程中受到多种不确定性环境因素与人为因素的影响,变形数据具有显著的非线性、非平稳、高噪声和多尺度等特点,导致传统的变形数据分析方法存在诸多不足之处.     

超高层建筑物角线垂直度测量方法研究

垂直度监测能够有效反映新建建筑物特别是超高层建筑物的施工质量和地基沉降等方面的综合情况。通过实际工程案例验证了精密方法施测计算出的超高层建筑物角线垂直度数据能够作为超高层建筑物垂直度监测指标,反映建筑物整体倾斜情况。最后与超高层建筑物的地基基础倾斜数据进行对比分析,说明这种角线垂直度测量方法具有一定的可靠性,完全可以应用于超高层建筑物的垂直度监测,并能获得满意的监测结果,为超高层建筑物垂直度监测提供了一定的借鉴。     

超高层钢结构建筑倾斜性监测分析

以钢结构为主体的超高层建筑,在施工过程中容易受到来自气温、风力、日照以及自身重力等方面的影响而造成建筑的整体结构变形或建筑中心轴线倾斜变形。文中以某超高层钢结构建筑的变形监测实测数据为基础,通过分别构建倾斜变形量与时间以及变形速率与高度的相关回归分析模型,对建筑的整体稳定性进行评价。并通过分析对建筑的倾斜方位、角度进行计算,确定建筑物主轴线的倾斜度。对单日观测数据进行分析,探讨温度变化对钢结构建筑倾斜变形规律的影响,并以此为基础提出一种确定钢结构建筑重要构件安装时间的决策方法。     

超高层建筑物的沉降观测方法

由于高层及超高层建(构)筑物日益增多,沉降观测作为保证建筑物质量和安全的重要技术手段,在施工期间和运营使用期间都是一项不可或缺的重要工作。以广州市某超高层建筑为例,通过对该建筑物进行沉降观测,对该高层建筑物的沉降规律进行分析,不仅确保了该建筑物的安全施工与运营,同时也为类似超高层建筑物的设计与施工提供参考依据。     

基于改进PSO-SVM的噪声稳健建筑物变形监测方法

对高层、超高层建筑物进行实时,高精度的变形监测对提前预防安全隐患,保证人民生命财产安全具有重要意义。建筑物变形作为一种典型的随机性和微弱性过程,噪声等误差的存在会影响从中提取有用的变形信息。针对该问题,提出一种改进粒子群(Particle Swarm Optimization,PSO)算法优化支持向量机(Support Vector Machine,SVM)的噪声稳健建筑物变形监测方法,利用改进PSO算法的全局搜索能力对SVM的核参数进行优化,提升预测精度的同时增强算法的噪声稳健性。基于实测数据的试验结果表明,相对于传统交叉验证SVM和小波方法,所提方法可以获得更高的变形预测精度,并且在低信噪比条件下优势更加明显。     

改进灰色人工神经网络模型的超高层建筑变形预测

针对灰色人工神经网络模型初始化权值和阈值的随机性导致易产生误差积累和过拟合的缺陷,该文利用遗传算法的全局优化能力训练灰色人工神经网络模型的权值和阈值,构建了基于遗传算法的灰色人工神经网络超高层建筑物变形预测模型。结合长沙北辰新河A1超高层建筑变形监测实例,用该文所提模型与灰色人工神经网络模型分别进行变形数据的处理分析和预测。实验结果表明,该文提出的模型具有更好的预测精度,预测趋势也更加逼近实际测量结果。