Науковий вісник НГУ

Масив GNSS для моніторингу деформації конструкцій

• 
• 

Рейтинг користувача:  / 0

ГіршийКращий 

Деталі

Категорія: Зміст №4 2025

Останнє оновлення: 26 серпня 2025

Опубліковано: 30 листопада -0001

Перегляди: 1885

Authors:

Трунг Тхань Дуонг, orcid.org/0009-0005-9336-0949, Ханойський університет гірничої справи та геології, Факультет геоматики та землекористування, м. Ханой, Соціалістична Республіка В’єтнам

Лонг Куок Нгуєн*, orcid.org/0000-0002-4792-3684, Ханойський університет гірничої справи та геології, Факультет геоматики та землекористування, м. Ханой, Соціалістична Республіка В’єтнам; Ханойський університет гірничої справи та геології, Дослідницька група з інновацій для сталого та відповідального гірничого господарства (ISRM), м. Ханой, Соціалістична Республіка В’єтнам

Дук Ван Буй, orcid.org/0000-0003-1073-8060, Ханойський університет гірничої справи та геології, Факультет цивільного будівництва, м. Ханой, Соціалістична Республіка В’єтнам

* Автор-кореспондент e-mail: Ця електронна адреса захищена від спам-ботів. вам потрібно увімкнути JavaScript, щоб побачити її.

повний текст / full article

Naukovyi Visnyk Natsionalnoho Hirnychoho Universytetu. 2025, (4): 168 - 176

https://doi.org/10.33271/nvngu/2025-4/168

Abstract:

Мета. Розробка та впровадження системи глобальної навігаційної супутникової системи (GNSS) для моніторингу деформацій конструкцій (SDM) з метою забезпечення безпеки й довговічності критично важливих об’єктів інфраструктури, таких як мости, дамби і висотні будівлі.

Методика. У ході дослідження використані двоантенні GNSS-приймачі для формування GNSS-мережі із надлишковими вимірюваннями для здійснення налаштування в режимі реального часу за методом найменших квадратів. Метод передбачає інтеграцію GNSS із додатковими датчиками, такими як інклінометри, і використання передових технік обробки даних для зменшення похибок і підвищення точності. Вимірювання деформацій у реальному часі здійснюються за допомогою багаточастотних, багатоконстеляційних приймачів GNSS із кінематичною системою навігації в реальному часі та методом найменших квадратів, у поєднанні з алгоритмами об’єднання даних датчиків, що забезпечує цілісне уявлення про поведінку конструкції.

Результати. Пілотне впровадження на великомасштабній споруді демонструє здатність системи відстежувати зміщення й довгострокові тенденції деформації з високою просторовою й часовою роздільною здатністю. Результати валідації підтверджують точність і надійність GNSS-масиву в порівнянні із традиційними методами моніторингу.

Наукова новизна. Це дослідження вирішує проблему обмежень одноточкової GNSS-системи шляхом розгортання декількох приймачів по всій конструкції, за допомогою нового підходу до SDM у режимі реального часу. Інтеграція GNSS із допоміжними датчиками та застосування передових методів обробки даних є значним прогресом у технологіях моніторингу на базі GNSS.

Практична значимість. Запропонована система GNSS-масиву дозволяє отримати масштабоване й економічно ефективне рішення для SDM у режимі реального часу, вирішуючи критичні завдання в галузі безпеки та управління інфраструктурою. Отримані результати відкривають шлях для широкомасштабного впровадження технологій моніторингу із використанням GNSS на об’єктах критичної інфраструктури.

Ключові слова: GNSS-масив, моніторинг деформацій конструкцій, метод найменших квадратів, умовне обмеження

References.

1. Qiu, Z., Jiao, M., Jiang, T., & Zhou, L. (2020). Dam Structure Deformation Monitoring by GB-InSAR Approach. IEEE Access, 8, 123287-123296. https://doi.org/10.1109/access.2020.3005343

2. Akhmedov, D., Boguspaev, N., Raskaliev, A., Samsonenko, A., & Zhumagali, S. (2023). Development of a simulation model for determining the coordinates of air objects based on the GNSS navigation signal reflected from the air object and received on the antenna of the navigation receiver. Engineering Journal of Satbayev University, 145(1), 32-38. https://doi.org/10.51301/ejsu.2023.i1.05

3. Baltiyeva, A., Orynbassarova, E., Zharaspaev, M., & Akhmetov, R. (2023). Studying sinkholes of the earth’s surface involving radar satellite interferometry in terms of Zhezkazgan field, Kazakhstan. Mining of Mineral Deposits, 17(4), 61-74. https://doi.org/10.33271/mining17.04.061

4. Lopez-Higuera, J. M., Rodriguez Cobo, L., Quintela Incera, A., & Cobo, A. (2011). Fiber Optic Sensors in Structural Health Monitoring. Journal of Lightwave Technology, 29(4), 587-608. https://doi.org/10.1109/JLT.2011.2106479

5. Bellone, T., Dabove, P., Manzino, A. M., & Taglioretti, C. (2014). Real-time monitoring for fast deformations using GNSS low-cost receivers. Geomatics. Natural Hazards and Risk, 7(2), 458-470. https://doi.org/10.1080/19475705.2014.966867

6. Shults, R., Ormambekova, A., Medvedskij, Y., & Annenkov, A. (2023). GNSS-Assisted Low-Cost Vision-Based Observation System for Deformation Monitoring. Applied Sciences, 13(5), 2813. https://doi.org/10.3390/app13052813

7. Yang, Y., Zheng, Y., Yu, W., Chen, W., & Weng, D. (2019). Deformation monitoring using GNSS-R technology. Advances in Space Research, 63(10), 3303-3314. https://doi.org/10.1016/j.asr.2019.01.033

8. Yu, Ln., Xiong, K., & Gao, Xf. (2024). Application of GNSS-PPP on Dynamic Deformation Monitoring of Offshore Platforms. China Ocean Engineering, 38, 352-361. https://doi.org/10.1007/s13344-024-0029-7

9. Xi, R. J., Zhou, X. H., Jiang, W. P., & Chen, Q. S., (2018). Simultaneous estimation of dam displacements and reservoir level variation from GPS measurements. Measurement, 122, 247-256. https://doi.org/10.1016/j.measurement.2018.03.036

10.      Leick, A., Rapoport, L., & Tatarnikov, D. (2015). GPS Satellite Surveying. https://doi.org/10.1002/9781119018612

11.      Xu, C., Chen, Y., & Qiao, L. (2017). Analysis of multipath effects in GNSS-based structural health monitoring. Advances in Space Research, 59(2), 567-578.

12.      Li, X., Zhang, Q., & Yuan, Y. (2018). Ionospheric delay corrections in GNSS structural monitoring systems: An overview and recent advances. Journal of Geodesy, 92(3), 281-299.

13.      Chen, X., Huang, J., & Zhao, Q. (2021). Optimization of GNSS sensor placement for large dam deformation monitoring. Structural Health Monitoring, 20(5), 1672-1691.

14.      Roberts, G. W., Meng, X., & Dodson, A. H. (2020). GNSS for bridge deformation monitoring: Dynamic analysis and integration with accelerometers. Engineering Structures, 234, 111782.

15.      Hou, C., Shi, J., Ouyang, C., Guo, J., & Zou, J. (2024). A dual-base station constraint method to improve deformation monitoring precision consistency in strip regions. Satellite Navigation, 5, 26. https://doi.org/10.1186/s43020-024-00148-3

16.      Li, R., Zhang, Z., Gao, Y., Zhang, J., & Ge, H. (2023). A New Method for Deformation Monitoring of Structures by Precise Point Positioning. Remote Sensing, 15(24), 5743. https://doi.org/10.3390/rs15245743

17.      Zhao, Z., Li, Y., Liu, C., & Gao, J. (2019). On-line part deformation prediction based on deep learning. Journal of Intelligent Manufacturing, 31(3), 561-574. https://doi.org/10.1007/s10845-019-01465-0

18.      Bui, K. T., Torres, J. F., Gutiérrez-Avilés, D., Nhu, V., Bui, D. T., & Martínez-Álvarez, F. (2022). Deformation forecasting of a hydropower dam by hybridizing a long short-term memory deep learning network with the coronavirus optimization algorithm. Computer-Aided Civil and Infrastructure Engineering, 37(11), 1368-1386. Portico. https://doi.org/10.1111/mice.12810

19.      Xie, Y., Meng, X., Wang, J., Li, H., Lu, X., Ding, J., Jia, Y., & Yang, Y. (2024). Enhancing GNSS Deformation Monitoring Forecasting with a Combined VMD-CNN-LSTM Deep Learning Model. Remote Sensing, 16(10), 1767. https://doi.org/10.3390/rs16101767

20.      Mao, W., Li, Z., Wang, Z., Li, P., Zhu, Y., & Hou, J. (2024). GNSS Ground deformation observation network optimization assisted using prior InSAR-derived ground surface deformation and multiscale iteration estimation. International Journal of Digital Earth, 17(1). https://doi.org/10.1080/17538947.2024.2329348

21.      Wang, G. (2023). A methodology for long-term offshore structural health monitoring using stand-alone GNSS: case study in the Gulf of Mexico. Structural Health Monitoring, 23(1), 463-478. https://doi.org/10.1177/14759217231169934

22.      Cina, A., Manzino, A. M., & Bendea, I. H. (2019). Improving GNSS Landslide Monitoring with the Use of Low-Cost MEMS Accelerometers. Applied Sciences, 9(23), 5075. https://doi.org/10.3390/app9235075

23.      Xin, S., Geng, J., Zeng, R., Zhang, Q., Ortega-Culaciati, F., & Wang, T. (2021). In-situ real-time seismogeodesy by integrating multi-GNSS and accelerometers. Measurement, 179, 109453. https://doi.org/10.1016/j.measurement.2021.109453

24.      Xie, Y., Zhang, S., Meng, X., Nguyen, D. T., Ye, G., & Li, H. (2024). An Innovative Sensor Integrated with GNSS and Accelerometer for Bridge Health Monitoring. Remote Sensing, 16(4), 607. https://doi.org/10.3390/rs16040607

25.      Shirzaei, M. (2023). A Kalman Filter Framework for Resolving 3D Displacement Field Time Series By Combining Multitrack Multitemporal InSAR and GNSS Horizontal Velocities. arXiv:2303, 03954, https://doi.org/10.48550/arXiv.2303.03954

26.      Shen, N., Chen, L., Liu, J., Wang, L., Tao, T., Wu, D., & Chen, R. (2019). A Review of Global Navigation Satellite System (GNSS)-Based Dynamic Monitoring Technologies for Structural Health Monitoring. Remote Sensing, 11(9), 1001. https://doi.org/10.3390/rs11091001

27.      Ghilani, C. D. (2017). Adjustment Computations: Spatial Data Analysis (6 ^th ed.). John Wiley & Sons.

28.      Pham Thi, H., Nghiem Quoc, D., Trinh Thi Hoai, T., Pham The, H., & Le Thi, N. (2019). Determination of the relationship between Vietnam national coordinate reference system (VN-2000) and ITRS, WGS84 and PZ-90. E3S Web of Conferences, 94, 03014. https://doi.org/10.1051/e3sconf/20199403014

• < Попередня
• Наступна >