InSAR技术在矿区地表变形监测中的应用

以禹州市梁北矿为研究区，利用2018年11月—2020年6月间35景5 m×20 m分辨率Sentinel-1A数据，采用InSAR技术，利用SBAS（短基线集InSAR）雷达干涉测量方法对梁北矿进行地面沉降信息提取解译，并通过实地调查成果认为，采用InSAR技术适合在矿区开展地表变形监测。     

基于InSAR技术和SA-SVR算法的矿区沉降预测模型

为了解决矿区沉降预测模型精度低、预测模型与实际开采情形不符的问题，提出了一种基于合成孔径雷达干涉测量（Synthetic Aperture Radar Interferometry，InSAR）技术、支持向量回归算法 （Support Vector Regression，SVR）以及模拟退火算法（Simulated Annealing，SA）相结合的新型矿区沉降预测模型。首先，以InSAR技术获取矿区沉降监测数据，对数据进行处理得到测试点的累计沉降量，并将 其与GPS实际测量结果进行比较，发现二者吻合性较好。然后，进行矿区沉降预测模型构建，通过SVR算法得到静态沉降预计模型，再利用SA算法得到模型中的参数最优取值。为了使预测数据符合矿区开采实际情况， 引入嵌入维数公式，得到矿区沉降预测动态模型及精度评价指标。最后，将构建的沉降动态模型应用于陕西省大柳塔矿区，得到预测值和实际监测值之间绝对误差的最大值为9 mm，相对误差的最大值为3%；模型评价 指标通过计算得到试验区平均绝对误差的最大值为2.5%，最小的相关性指数为0.8，表明该模型预测精度较高。     

仿鸿雁编队的无人机集群飞行验证

为了降低无人机集群控制的复杂度，高效解决大规模无人机集群控制和长距离飞行时集群变拓扑问题，设计了一种仿鸿雁群编队的无人机集群自主协同控制方法，借鉴自然界中的鸿雁编队行为机制，开发了面向无人机平台的分布式仿生集群控制系统。鸿雁是一种常见的集群鸟类，其在迁徙途中表现的自组网和编队变拓扑行为与无人机集群飞行有极高的相似性。仿鸿雁编队行为机制的无人机集群飞行验证系统采用了低成本四旋翼无人机，利用无线局域网进行组网通信。外场飞行试验结果表明，自然界中的鸿雁编队行为机制有助于无人机集群的快速精准编队控制，实现了无人机的位置实时变拓扑，提高了无人机集群飞行的鲁棒性。      

一种适用于开采沉陷的InSAR最大可检测形变梯度函数模型

由于时空失相干、大气延迟等因素的影响,InSAR技术的检测能力受限,无法保证任意矿区监测结果的有效性。若检测能力未知,使用InSAR技术将极易造成人力、物力资源的浪费。为有效判断InSAR技术是否适用于矿区地表形变区域探测,提出了一种适用于开采沉陷的InSAR最大可检测形变梯度(Maximum Detectable Deformation Gradient,MDDG)函数模型。首先通过分析地质采矿因素对开采沉陷的影响,选取矿区开采深厚比和下沉系数两个参数作为模型参数;然后基于不同分辨率、不同波长和不同入射角的SAR影像数据,采用数值模拟和回归分析方法,建立了水平煤层开采条件下的InSAR最大可检测形变梯度函数模型。为验证模型的可靠性,采用陕西大柳塔矿区2012年11月21日—2013年4月2日的13景TerraSAR卫星数据进行模型验证试验。研究表明:InSAR在该矿区的最大可检测梯度为0.008 56,相邻控制点间能够检测的形变量不超过0.171 2 m,采用地表观测站GPS数据作为参考形变值验证了上述结论;与现有模型对比,该模型检测精度更高,细化检测性能更为突出,且无需提前获取SAR影像,可为促进InSAR技术应用于矿区开采沉陷监测提供参考。     

基于改进直接模糊自适应反馈控制的多移动机器人编队算法

针对多移动机器人控制系统适应性差、控制精度低的问题,提出一种改进直接模糊自适应反馈控制方法。利用模糊数学理论分别对机器人的理想输入状态量进行逼近,通过模糊逻辑推理得到输出反馈量并实时调整状态量,应用Lyapunov理论保证系统误差的收敛性和系统的稳定性,最后在Matla b中对所设计的WMR动力学和运动学相结合的控制系统进行仿真实验验证。结果表明在所设计的模糊控制器的作用下,实现了多个机器人的编队,并提高了运动系统的控制精度和响应速度。     

InSAR技术在输电线路工程中的应用

为了保证输电线路工程安全可靠,输电线路工程勘测设计及运行维护过程中要求提供沿线区域内高精度DEM数据。本文通过近些年内迅速发展起来的TerraSAR-X/TanDEM-X(TSX/TDX)卫星测高技术获取了某特高压输电线路工程的升降轨融合DEM,并结合实测的外部控制点数据对其进行校正,从而获取该区域高精度DEM数据,为输电线路设计提供可靠的基础测绘信息。通过设计、计算、对比两种布点方案,分析了外部控制点的分布特点及数目与TSX/TDX DEM的校正精度之间的关系。