在2022.06-2024.06期间在此实习，主要完成科研项目两次，详细情况可访问济宁市重点研发计划项目任务书项，山东省科技型中小企业创新能力提升工程项目，两次横向项目掘进工作面围岩破裂动力显现微震监测技术研究，基于微震监测的高应力环境安全高效掘进技术研究，并在山东泰安金源矿业露天矿山边坡监测系统中，在传感器设计中完成了主导设计，并配合完成软件设计和最终的项目验收。

主要研究结论：

基于MEMS的边坡监测技术目前是国际公认的可以有效监测边坡稳定性的手段，广泛应用于矿山、大坝、隧道等边坡领域。振动与倾角的监测原理是通过合理布置MEMS传感器，采集监测范围内的振动与倾角信号。利用地球物理学、微机电原理、力学等专业知识获得边坡滑移过程中的发生时间、滑移量等信息。利用计算机技术与数学模型，通过信号滤波与温度漂移补偿的手段，对监测信号进行优化。

本文分析并总结边坡信号监测、边坡振动监测和边坡倾角监测的国内外研究及应用现状。针对目前边坡监测系统还存在的问题：如何在边坡监测的众多监测传感器中，选用合适的传感器搭配；如何在边坡监测中，有效减少振动信号的环境噪声以及倾角信号的温度漂移；如何通过合理的监测手段实现本地和云端监测。通过分析振动与倾角信号的特点，并在前人研究边坡振动信号监测与边坡倾角信号监测的基础上，设计了一款MEMS传感器，并提出了一个基于卡尔曼滤波和BP前馈神经网络的振动信号滤波与倾角温度补偿算法；同时设计了本地和云端的监测，并通过实际数据进行了文章可行性验证。本文主要结论如下：

（1）根据边坡在岩质崩塌监测方面所需要的要求，选取了合适的主控芯片、加速度计和倾角计，通过振动和倾角监测的原理，并考虑边坡监测中的实际情况，设计了低功耗和正常模式，并据此完成了对硬件电路部分的设计和固件代码部分的设计，最终获得了实物部分。

（2）针对边坡监测时存在受环境噪声和温度漂移的问题，使用了离散卡尔曼滤波算法与BP前馈神经网络模型。在加速度信号去噪方面，相对于移动平均滤波和中值滤波法，SNR分别提高了11.12%和5.27%，RMSE则分别降低了42.24%和24.17%，去噪效果优良。在倾角信号温度漂移补偿方面，XYZ三轴倾角的温度漂移现象各自降低了82.2%、82.8%、55.9%，平均降低了73.6%，温度漂移现象显著降低。经测试，MEMS传感器在振动性能方面，带宽约为1Hz~240Hz，在10-3至10ms2范围内，线性度较好，动态范围达到86.5dB；在倾角性能方面，支持双轴测量，测量范围为±30°，x轴和y轴的测量精度分别达到了0.094和0.087。以上结果均表明了本文去噪和温度补偿的方法相比传统算法有明显优势，并满足规范中的精度要求。

（3）针对不同的平台，使用或设计了对应的PC、网页和手机APP。在PC上，可使用本实验室的采集软件VibraDAQ和分析软件VibraLoc进行本地监测；在网页和手机APP上，设计了多种功能。并依赖远程服务器等技术，实现了信号的远程监测。

（4）依托山东泰安某采场岩质边坡在线监测系统的监测原始数据，基于MATLAB对其原始数据实行了离散卡尔曼滤波和BP前馈神经网络的算法优化。最终降低了高频干扰，抑制了低频干扰，在x轴和y轴方向上的倾角基本稳定，未有明显增大趋势，确保了本文算法的可行性。

研究展望：

本文研究的主要目的是构造一种基于MEMS的边坡振动与倾角监测技术，用以提高岩质边坡的监测准确率。主要是设计MEMS监测传感器和基于离散卡尔曼滤波和BP前馈神经网络对振动与倾角信号分别进行降噪与温度漂移补偿，以及搭建了云端服务器和对监测软件进行了使用与设计，并通过最后的实际应用进行了系统验证，确保了本技术的可行性。本文虽然在边坡监测技术中取得了一定的进展，但是由于实际边坡的复杂性以及算法设计的多样性，还需从以下方面重点展开研究工作：

（1）使用离散卡尔曼滤波时，针对不同的边坡，系统噪声方差和测量噪声方差其实都会有区别，没有进行算法上的遍历寻得最优的系统噪声方差和测量噪声方差。因此下一步需要继续改进算法，计算出最优的系统噪声方差和测量噪声方差。

（2）本文构建的BP前馈神经网络模型虽然对温度漂移补偿的效果良好，但是在训练模型中也会出现过拟合的情况，并且当变温范围超出建模时的变温范围时，系统误差开始逐渐增大。因此下一步需要继续改进BP前馈神经网络模型以及扩大建模时的变温范围。

（3）手机端APP的设计较为简陋，虽然扩大了使用范围，但主要还是通过对网页进行封装所得到的，还有许多功能可以完善。因此，接下来还需要继续优化软件，增添它的功能。