来源：期刊VIP网 时间：
作者：冉鲁光;周小燕;李双平;张斌;刘祖强;王华为;李建川;
单位：中国长江电力股份有限公司向家坝电厂;长江空间信息技术工程有限公司(武汉);
摘要：针对大坝边坡深部位移监测的自动化需求，开发了一种基于物联网的钻孔测斜机器人系统，并创新性地结合一维卷积神经网络模型(1D CNN)实现边坡变形模式的智能预测。通过自主研发的硬件主控板，实现了测斜仪的自动化控制及数据的实时采集和传输。基于采集的深部位移数据，1D CNN模型自动提取曲线特征并进行分类，识别出多种变形模式(如变形稳定、剪切滑动等),从而对边坡变形趋势进行智能化预测，有效支持地质灾害预警。试验表明，测斜机器人在A、B向的测量精度分别达±0.82、±1.04 mm/30 m,且1D CNN模型在曲线分类上表现优异。该系统通过高精度监测与自动化分析，显著提升了大坝边坡的监测效率和预警水平，具备广泛应用的潜力。
关键词：测斜机器人;;物联网;;变形模式;;卷积神经网络;;大坝边坡
基金资助：中国长江电力股份有限公司科研项目(Z422302005)
