分布式光纤传感技术在道路高陡边坡稳定性监测中的应用:综述
《IEEE Sensors Journal》:Distributed Optical Fiber Sensing Technology in Stability Monitoring of High–Steep Slopes on Roadways: A Review
【字体:
大
中
小
】
时间:2026年09月17日
来源:IEEE Sensors Journal 4.5
编辑推荐:
摘要:高等级公路边坡正日益暴露于多种灾害力的共同作用之下(降雨入渗、地下水波动、冻融循环、地震荷载和人为扰动),而传统的点式监测往往缺乏早期预警所需的空间连续性和时间分辨率。本文综述了分布式光纤传感(DOFS)用于边坡监测的技术现状,重点聚焦于公路工程应用。首先,我们总结了
摘要:
高等级公路边坡正日益暴露于多种灾害力的共同作用之下(降雨入渗、地下水波动、冻融循环、地震荷载和人为扰动),而传统的点式监测往往缺乏早期预警所需的空间连续性和时间分辨率。本文综述了分布式光纤传感(DOFS)用于边坡监测的技术现状,重点聚焦于公路工程应用。首先,我们总结了从点式、线式到面式监测的演进历程,并阐明了传统仪器、干涉合成孔径雷达(InSAR)/全球导航卫星系统(GNSS)/时域反射仪(TDR)与光纤系统之间的互补作用及实际应用局限性。其次,我们回顾了基于布里渊、瑞利和拉曼散射的解调器的传感基本原理与技术选型,包括量程-分辨率-采样率的权衡以及面向应用的选择矩阵。第三,我们分析了从封装安装到应变传递机理、温度解耦、耐久性及维护的完整工程链条,指出耦合质量和界面演化是长期部署中的主要误差来源。第四,我们综合了将分布式应变转化为可操作的岩土工程参数(位移、轴力、弯矩、剪力和滑面活动性)的数据处理与反演流程,并总结了利用测斜仪、GPS、应变片和物理模型试验进行验证的途径。第五,我们回顾了用于DOFS数据解释与预警的机器学习(ML)新兴范式,包括序列模型、分割网络和物理引导框架,这些方法提高了可解释性并减少了误报。为弥合学术分类体系与工程实践之间的鸿沟,本文明确综合了现场性能精度,制定了经验法则,并……
I. 引言
边坡稳定性监测是减轻地质灾害(如滑坡、崩塌和泥石流)危害的关键措施,直接关系到公共安全、基础设施服役能力以及生态保护[1]、[2]。在气候变化导致极端降水加剧以及道路走廊向山区、丘陵和喀斯特地形扩展的背景下,高等级公路高填方边坡和路堑边坡的失稳频率和后果日益严重[3]、[4]。这些边坡反复受到降雨入渗、地下水波动、季节性冻融、地震以及行车荷载的扰动,而工程活动(如坡脚开挖、坡顶超载、排水系统失效和植被破坏)则可能进一步破坏应力-渗流状态[5]、[6]、[7]、[8]。一旦高等级公路高边坡发生失稳,其影响往往超越局部破坏,波及交通中断、灾害链效应和重大经济损失,因此迫切需要具备高时空分辨率、长期连续性和全天候运行能力的监测与预警系统[2]、[9]。
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号