野外数字地质剖面测制的基本方法

1:25万玉林幅为修测图幅,根据项目主管部门和设计书评审专家的意见,本图幅应“充分挖掘利用以往资料,并输入到采集器中,强化对地质调查专业成果的再开发,在综合分析利用基础上进行修测……”。因此,我们在实际工作中主要以野外逐层综合分析、批注或修测基础上直接选用前人地质剖面为主。但测区内已完成的205个1:5万图幅中,前人工作的时间间隔较大(分别在20世纪70~90年代完成),加上这些图幅分别由不同省份、不同地勘单位独立完成,他们在认识上尚存在较大的分歧,因此,前人所测的一些填图单位的部分地质剖面已跟不上当前地质理论的发展趋势,也不太适合1:25万填图规范的精度要求,我们对于该类填图单位的地质剖面则以实测为主。在剖面布置时,要求每个填图单位至少有1~2条数字剖面控制,并且将剖面线布置在地质体出露完整、露头连续、接触关系清楚、化石丰富、岩性组合和厚度在区内具有代表性,并基本垂直地质体走向的部位。一般要求剖面露头大于60%,当露头不连续时,则布置一些短剖面加以拼接,并注意层位拼接的准确性,防止重复和遗漏层位。

野外数字地质剖面测制可分为以下几个工作步骤:①剖面工程文件创建;②野外剖面数据采集;③剖面数据导入桌面系统;④数据整理与编图;⑤剖面数据入库。

(一)剖面工程文件创建

打开RGSection数字剖面程序,点击选择剖面编辑与计算菜单栏,在下拉菜单中点击选择“本图幅其他(新)剖面”,在“新建剖面名称”栏目填入新建的剖面号并点击“新建”和“打开”,即可新建一条数字剖面工程文件,这个剖面工程文件包含了12个已定义了数据格式的数据库表单,实现数据的规范化录入。这些数据库表单包括剖面信息、导线、分层、采样、照片、素描、地质点、化石、分层描述、产状等。打开这个工程文件和剖面路线手图作初始化 *** 作,在剖面起始位置作好记录,包括在剖面路线图上进行起始点定位,并将该点坐标值填入剖面信息库中。然后将其拷贝到掌上机上即可在野外使用。

(二)野外剖面数据采集

剖面起始点的初始化 *** 作完成后就可进入具体的野外剖面数据采集阶段。

1导线及分层数据采集

在“剖面编辑与计算”菜单栏的下拉菜单中点击“剖面编辑与计算”子菜单,就进入剖面编辑,在“导线测量库”点击一下,再点击“ADD”,在d出的对话框中填入导线数据(包括序号、导线号、导线方位、导线长度、坡度角等);在“分层数据库”框内点击一下,再点击“DAD”,在d出的对话框中填入分层数据(包括导线号、分层号、分层位置等)和分层描述内容(包括该层的岩性定名、岩石结构构造、成分含量、分层依据、上下层接触关系等),点击“OK”即可完成导线及分层数据采集。

2产状数据采集

点击剖面编辑左下角的“产状”菜单,就进入产状的编辑对话框,在产状数据库框内任意点击一下,再点击“ADD”菜单,进入产状数据录入对话框录入产状数据。进行产状数据的采集时,要注意产状性质的记录,如要标注是劈理、层理、片理、岩体接触面还是断层面、构造面理等,术语需规范统一,层理产状将用于剖面图的绘制。产状数据的采集要有一定的密度和代表性,这样才能反映出岩层的连续变化性质。

3样品数据采集

在采样数据库或化石数据库框内任意点击一下,再点击“ADD”菜单,进入采样数据及化石数据的录入。每个采样记录信息都包括采样位置信息与描述信息,故在记录时要注意层号和采样位置的对应关系。此外,还要特别注意对样品类型的记录,样品类型记录的是地质人员采样的目的,这样就可以直接利用样品类型字段进行搜索形成送样单。要注意采样的导线、分层及位置,如薄片样将直接影响剖面图的编绘。

4地质点数据采集

在地质点框内任意点一下,再点击“ADD”菜单,就进入地质点的编辑对话框,在对话框中填入地质点的有关内容(除增加剖面编号、导线号和分层号外,其他内容基本同数字地质路线的地质点)后,点击“OK”即可。

需要特别注意的是,在输完描述内容后,要点击一下“保存文本”,否则其记录内容将不能保存下来。

5素描及照片数据的采集

点击剖面编辑下边的“素描”及“照片”菜单,分别进入照片及素描编辑对话框,将照片及素描的数据录入对话框即可。在照片数据的采集时除了要准确记录照片位置、所属层号和一些说明外,特别要注意数码号的对应,因为系统将通过数码号与照片建立连接关系。

(三)剖面数据导入桌面系统

采集完当天的或单个剖面数据并经初步检查无误后,必须将掌上机上的数据转入桌面剖面数据库中,以便对数据进行编辑、厚度计算和作图等。

数据导入过程方法是:将掌上机与PC机相连,在数字剖面系统中执行:剖面数据编辑→剖面数据导入,选择野外剖面数据所在目录即可。在这一过程中系统要完成两个任务:①进行数据格式的转换,包括素描图与信手剖面的解压还原等;②将数据拷入相应的工作目录下。

此外,还需进行照片的导入,其方法为:点击“剖面编辑与计算”菜单栏的下拉菜单中的“照片导入”子菜单,在d出的对话框中点击“目录浏览”选择,找到放置照片的文件夹即可开始拷贝,系统会自动将照片添加到剖面工程文件中。

(四)数据整理与编图

数字剖面系统室内数据整理包括:对各个库中记录的校对和完整性检查、分层的室内归并、真厚度计算并编写剖面小结等;图形编辑包括剖面图和柱状图编辑等。

1数据校对和完整性检查

检查内容包括以下几个方面:数据之间有无冲突、各记录项内容是否完整、术语是否统一规范、分层描述的编辑修改及批注等。

2分层室内归并

野外主要是根据岩性、岩性组合来进行地层的分层的,在室内分析整理或对比时可能会发现这些野外分层出现不协调的情况,需要在室内进行分层归并或整理。在数字剖面系统中进行分层归并的方法为:在分层库中重新指定分层号即可。

3真厚度计算

在地层剖面中还需对其真厚度进行计算,真厚度计算是根据分层的视厚度、岩层产状和剖面线方向来计算各层的真正厚度值。剖面线方向系统将自动按照导线方位值自动计算,视厚度系统将自动按分层起始位置和分层号自动进行累积计算,两者都不必用户进行干预。最主要的是岩层产状,我们在野外不可能为每一层都量一产状值,在默认状态下,系统在计算时将按就近原则选取产状值进行计算,也可以根据用户指定值进行计算。系统提供了四种计算真厚度的方式:①默认计算厚度;②室内自选产状计算;③按产状分段分层计算;④按室内分层计算。在这一过程中,系统将自动形成一剖面计算表,用户可以对其打印输出,这一计算表将是系统自动成图的根据。因此,在作图的时候要用对应的计算表。对计算表我们也有必要进行检查,这一检查主要是地层真厚度值有无出现0或负值,若出现这种情况说明分层或导线方位可能有错,也可能是剖面上该层进行了回测。

4剖面小结编写

剖面小结是指对所测剖面的一些认识和存在问题的总结,小结的编写要注意对所测剖面所取得的认识、进展及存在问题进行总结编写,并把它放在剖面小结信息框内保存。

5图形编辑

剖面图与柱状图是实测剖面的一种直观表达形式,在数字剖面系统中程序可根据剖面计算表自动生成实测地层剖面图框架、导线平面图以及地层柱状图框架,但要完成符合实际要求的成果图还要通过系统提供的一些交互式编辑工具进行岩性花纹添加、美观整饰和修缮等 *** 作才能完成。其基本步骤为:

①根据所要的图件类型(如是实测的还是室内归并的)进行真厚度计算,并检查确保数据无误;

②执行:图形选择→生成柱状图/生成剖面图,确定图件绘制比例尺和生成顺序(即由顶到底还是由底到顶)后,即可完成剖面图与柱状图框架的绘制:

③图件编辑(岩性花纹添加、美观整饰和修缮等)。

(五)剖面数据入库

在确保剖面数据完整性和准确输入了剖面的起点坐标的前提下,必须把剖面数据作为剖面路线投影到图幅PRB库中,然后转入到实际材料图库中。剖面入库的目的是对整个图幅剖面进行统一管理以及作为实际材料图地质界线勾绘的依据。

入库步骤为:在剖面信息对话框里执行导入图幅剖面库→运行数字填图桌面系统→选择剖面所在的图幅→打开图幅PRB库→选择剖面数据投影图幅PRB库→选择要投影的剖面目录即可。

在减速机诊断分析技术领域中，需要用不同类型的传感器来采集减速机数据，不同类型的传感器需要用不同的诊断系统，目前市场上有容知、斯凯孚诊断分析系统，他们的诊断分析系统多采用c/s架构，在使用时，数据采集不稳定，用多线程进行数据采集时，易发生数据传输错误、丢包现象，此外，c/s架构适用面窄，通常用于局域网中，由于程序需要安装才可使用，维护成本高，发生一次升级，则所有客户端的程序都需要改变。目前诊断分析系统的数据库大多采用单实例的架构设计，数据结构设计不合理，当数据量随着时间推移不断增大，数据查询非常缓慢。此外，目前诊断分析系统没有针对减速机的自学习、自修正及预测功能，从而导致分析结果的准确度低。

技术实现要素：

本发明旨在解决现有技术的不足，而提供一种减速机智能故障诊断系统及其诊断方法。

本发明为实现上述目的，采用以下技术方案：一种减速机智能故障诊断系统，其特征在于，包括数据层、webservice层、展示层和智能自适应诊断分析模块，数据层将采集的数据传递给webservice层，经webservice层处理后给展示层展示，数据层包括传感器、数据采集层和数据库，传感器采集减速机的振动数据和温度数据，采集的振动数据和温度数据经模数转换给数据采集层，数据采集层的数据以netty框架的多线程处理方式传递到数据库备用，数据库采用mysql主主+中间件mycat的架构管理数据，webservice层包括数据查询服务、数据配置服务、数据采集服务和api接口服务，数据库的数据双向传输给webservice层，展示层包括手机app、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块，webservice层经分析诊断将分析诊断的结果给展示层，且分析诊断采用ssm框架结构，展示层读取和查询webservice层传递来的数据，智能自适应诊断分析模块包括采样模块、信号处理模块，信号诊断分析模块和智能调机模块和预测分析模块，采样模块在数据库采样实时数据给信号处理模块，采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块，信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比，将对比的差值给智能调试模块，智能调试模块对信号处理模块和信号诊断分析模块进行调试，且智能调试模块对预测分析模块进行修正，预测分析模块与实际减速机的健康状态作对比，再将对比的差值给智能调试模块，智能调试模块在对预测分析模块修正预测减速机的剩余寿命。

传感器的种类包括e版传感器、煤安传感器和本安传感器。

mysql主主为两个主数据库互为主从。

ssm框架结构为spring+springmvc+mybatis的框架结构。

api接口服务为手机app、大屏展示模块提供数据接口服务。

数据采集服务通过socket接口与传感器进行通信，接收传感器数据，并经过算法处理，写入数据库。

数据查询服务通过前端页面请求数据，建立数据库连接获取查询数据。

数据配置服务通过前端页面进行配置管理模块，建立数据库连接写入到数据库。

上述一种减速机智能故障诊断系统的诊断方法，其方法如下：

传感器采用无线4g传感器，安装在减速机轴承座附近，传感器把采集的数据传输到网关，再通过网关，4g网络传输的方式传输到服务器，通过服务器的通讯软件接收到数据库里，通过智能算法计算数据库中的数据，再次存储到数据库，诊断分析系统读取数据，展现给用户，用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况。

本发明的有益效果是：数据采集层的数据采用netty框架的多线程处理方式，可以快速开发高性能、高可靠性的网络服务器和客户端程序，减少数据传输错误和丢包现象的发生；分析诊断采用ssm框架结构能够快速开发高性能、高可靠性的分析软件，维护成本低，不需要因一次升级所有的客户端的程序都需要改变；数据库采用mysql主主+中间件mycat的架构管理数据，具有读写分离、均衡负载、高可用等特点，能够快速存储和读取数据库；预测分析模块能够对减速机运行状态进行趋势分析及寿命预测。

附图说明

图1为本发明的架构示意图；

图2为本发明的数据流程图；

图3为本发明的mysql主主+中间件mycat的架构示意图；

图4为本发明的设备智能状态诊断过程示意图；

图5为本发明的设备智能状态预测过程示意图；

图6为本发明的智能算法流程图；

图7为实施例1的多趋势波形图；

图8为实施例1的时域波形图；

图9为实施例1的包络解调图；

图10为实施例2的多趋势波形图；

图11为实施例2的输入端3v时频域图；

图12为实施例2的时域波形图；

图13为实施例2的包络解调图；

以下将结合本发明的实施例参照附图进行详细叙述。

具体实施方式

下面结合附图和实施例对本发明作进一步说明：

如图1-6所示，一种减速机智能故障诊断系统，其特征在于，包括数据层、webservice层、展示层和智能自适应诊断分析模块，数据层将采集的数据传递给webservice层，经webservice层处理后给展示层展示，数据层包括传感器、数据采集层和数据库，传感器采集减速机的振动数据和温度数据，采集的振动数据和温度数据经模数转换给数据采集层，数据采集层的数据以netty框架的多线程处理方式传递到数据库备用，数据库采用mysql主主+中间件mycat的架构管理数据，webservice层包括数据查询服务、数据配置服务、数据采集服务和api接口服务，数据库的数据双向传输给webservice层，展示层包括手机app、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块，webservice层经分析诊断将分析诊断的结果给展示层，且分析诊断采用ssm框架结构，展示层读取和查询webservice层传递来的数据，智能自适应诊断分析模块包括采样模块、信号处理模块，信号诊断分析模块和智能调机模块和预测分析模块，采样模块在数据库采样实时数据给信号处理模块，采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块，信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比，将对比的差值给智能调试模块，智能调试模块对信号处理模块和信号诊断分析模块进行调试，且智能调试模块对预测分析模块进行修正，预测分析模块与实际减速机的健康状态作对比，再将对比的差值给智能调试模块，智能调试模块在对预测分析模块修正预测减速机的剩余寿命。

传感器的种类包括e版传感器、煤安传感器和本安传感器。

mysql主主为两个主数据库互为主从。

ssm框架结构为spring+springmvc+mybatis的框架结构。

api接口服务为手机app、大屏展示模块提供数据接口服务。

数据采集服务通过socket接口与传感器进行通信，接收传感器数据，并经过算法处理，写入数据库。

数据查询服务通过前端页面请求数据，建立数据库连接获取查询数据。

数据配置服务通过前端页面进行配置管理模块，建立数据库连接写入到数据库。

配置管理模块可以对组织结构、测点、采集站进行配置管理模块。

波形展示模块可以对减速机测点的各种波形进行展示。

报警展示模块可以对减速机测点的振动、温度进行报警事件的查询。

诊断报告模块可以对减速机的诊断报告模块进行查询。

上述一种减速机智能故障诊断系统的诊断方法，其方法如下：

传感器采用无线4g传感器，安装在减速机轴承座附近，传感器把采集的数据传输到网关，再通过网关，4g网络传输的方式传输到服务器，通过服务器的通讯软件接收到数据库里，通过智能算法计算数据库中的数据，再次存储到数据库，诊断分析系统读取数据，展现给用户，用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况。

如图4设备智能状态诊断过程，该模块能够系统地和逐步地选择重要诊断参数(包括能量包络宽度，信号与故障的关系，特征频带等)的最佳组合。包含信号特征和故障大小的自适应大数据分析方法以及深度和快速的机器学习方法将在此模块中实现。

如图5设备智能状态预测过程，该模块基于测量后的机器健康状况，将自动实现针对剩余寿命的预测最佳结果该目标的达成通过将参数趋势与大数据融合以及应用粒子群优化算法，从而迭代地改变诊断模块参数(长相关函数)。

如图6智能算法信号处理流程如下：

1、振动信号进行预处理(滤波)，通常使用巴特沃斯滤波器；

2、预处理后的信号进行时域(幅域)特征参数计算，计算的时域指标有波形指标、峰值指标、脉冲指标、峭度指标、裕度指标；

3、匀速信号进行匀转速情况下的频域特征计算，计算fft幅值谱、功率谱、倒频谱、包络谱及共振解调谱；

4、变速信号进行变转速情况下的频域特征计算，计算阶次功率谱、伯德图、极坐标图、瀑布图、级联图；

5、通过时域指标和频域特征(匀速、变速)进行故障位置判断；

6、趋势分析模块对振动信号的峭度、烈度、峰值因子、有效值进行趋势分析及预测；

7、arma及arma-rls算法能够对设备的残余寿命进行预测，此部分总体实现流程：

a将要分析的模拟进行采集，使其成为能够工上位机处理的数字信号；

b信号处理模块提取原始喜好的特征值，包括但不限于时域指标、频域特征等；

c信号诊断分析模块对设备健康状态进行判断；

d智能调机程序通过实际设备健康状态与设备预测健康状态的误差分析，来修正信号处理模块的特征提取方法，包括频带宽度、阈值等参数，以提高故障特征提取精度；

e预测分析模块通过获取诊断分析模块的设备健康状态判断结果，进一步预测设备的残余寿命；

f智能调机程序通过对比实际设备健康状态与预测分析模块计算出的设备残余寿命之间的误差，进而修正预测分析模块的相关参数，包括模型阈值、参数权重等；

g如此重复上述过程。

实施例1

一种减速机智能诊断分析系统，其特征在于，包括数据层、webservice层、展示层和智能自适应诊断分析模块，数据层将采集的数据传递给webservice层，经webservice层处理后给展示层展示，数据层包括传感器、数据采集层和数据库，传感器采集减速机的振动数据和温度数据，采集的振动数据和温度数据经模数转换给数据采集层，数据采集层的数据以netty框架的多线程处理方式传递到数据库备用，数据库采用mysql主主+中间件mycat的架构管理数据，webservice层包括数据查询服务、数据配置服务、数据采集服务和api接口服务，数据库的数据双向传输给webservice层，展示层包括手机app、配置管理模块、波形展示模块、报警展示模块、诊断报告模块和大屏展示模块，webservice层经分析诊断将分析诊断的结果给展示层，且分析诊断采用ssm框架结构，分析诊断的监测数据显示包括测点的状态、振动、温度实时数据，其中振动数据包括有原始波形(时域波形)、fft频谱、包络/解调谱，在显示波形时要具有峰值自动捕捉功能；分析诊断计算有效值、脉冲指标、波形指标、峰值指标、裕度指标、峭度指标、时域总值、频域总值；分析诊断的时域信号需要有多光标功能和谐光标(可以设置谐波个数)功能，频域需要多光标功能，有谐频(可以设置谐波个数)、边频和谐边带(可以设置谐波次数和边频个数)分析功能，同时可以在一个页面里显示同一个设备下多个测点下多个波形图；分析诊断的历史数据曲线图可以显示趋势分析(总值、峰值、脉冲、峭度、有效值、烈度、时域总值、包络谱总值、频域总值、温度)曲线图。在有效值、包络谱总值、频域总值趋势图中显示出报警线。

展示层读取和查询webservice层传递来的数据，智能自适应诊断分析模块包括采样模块、信号处理模块，信号诊断分析模块和智能调机模块和预测分析模块，采样模块在数据库采样实时数据给信号处理模块，采样的实时数据经信号处理模块处理后得到特征值给信号诊断分析模块，信号诊断分析模块判断减速机的健康状态与实际减速机的健康状态作对比，将对比的差值给智能调试模块，智能调试模块对信号处理模块和信号诊断分析模块进行调试，且智能调试模块对预测分析模块进行修正，预测分析模块与实际减速机的健康状态作对比，再将对比的差值给智能调试模块，智能调试模块在对预测分析模块修正预测减速机的剩余寿命。

如图7-9所示，传感器采用无线4g(振动、温度)传感器，安装在减速机轴承座附近(受力最大处)，传感器把采集的数据传输到网关，再通过网关，4g网络传输的方式传输到服务器，通过服务器的通讯软件(根据通讯协议)接收到数据库里，通过智能算法计算数据库中的数据，再次存储到数据库，诊断分析系统读取数据，展现给用户，用户可以根据振动波形和针对智能算法计算出的数值与报警阈值的比较产生的事件来诊断设备的情况，比如金隅广灵的减速机输入端轴承座和输出端轴承座振动波形趋势突然上升，查看输出端轴承座轴承的长波形，可以明显的见到冲击信号，且冲击频率为17hz左右，恰为转频的04x左右，因此推测为轴承保持架故障频率，再通过包络解调能够看到17hz左右频率谐波，且在97hz左右(滚珠故障频率)及其谐波中均存在17hz左右的边带，符合滚动轴承滚珠磨损带有保持架边带的故障特征，因此推测轴承座轴承存在中后期故障，且轴承的保持架和滚珠均有较明显的磨损现象，建议现场准备备品备件，密切关注设备振动和噪声的变化情况。

实施例2

如图10-13所示，以滦平建龙矿业动辊减速机为例，传感器采用无线4g(振动、温度)传感器，安装在减速机轴承座附近(受力最大处)，动辊设备多趋势中可以看到近期振动趋势有整体上升趋势，动辊减速机输入端3v的趋势图中能够发现振动趋势逐渐上升，时域波形中发现明显的冲击信号且能量较高，频谱分析中能够发现143hz左右的谐频(推测一级行星啮合频率)以及6hz的边带，以及349hz左右的谐波；从动辊磨辊输出端时域波形中可以明显的发现017hz左右的冲击信号，包络解调能够解调出大量的017hz左右的谐波，因此推测动辊输入端轴承存在磨损现象，一级平行齿轮啮合和一级行星齿轮啮合存在啮合不良的现象，齿轮存在磨损现象，磨辊输出端轴承出现严重磨损或输出端连接部件出现异常现象。(目前没有详细的设备内部参数，影响故障判断的准确率，建议现场尽快提供设备的详细信息，例如：齿轮齿数、轴承型号等)，建议现场检查动辊输入端是否存在异常，仔细听设备是否存在异响，检查磨辊输出端轴承是否存在异响，以及磨辊输出端连接部件是否存在异常情况，保证轴承润滑密切关注设备的振动和噪声的变化情况。

传感器检测点的数量为1-9个，检测点位于轴承座上。

上面结合附图对本发明进行了示例性描述，显然本发明具体实现并不受上述方式的限制，只要采用了本发明的方法构思和技术方案进行的各种改进，或未经改进直接应用于其它场合的，均在本发明的保护范围之内。

在Oracle 10g中，AWR采样缺省部署于数据库中，那么如何禁用这个功能呢？

在Metalink Note： 4363861中，Oracle提供了一个增强脚本，称为： dbmsnoawrplb 通过这个脚本可以启用和禁用AWR采样功能，从原则上，为未购买该部分功能授权的用户提供了一个退出途径。

在Oracle Database 11g中，可以通过参数CONTROL_MANAGEMENT_PACK_ACCESS 控制组件包的访问。

该脚本的内容如下：

Rem Rem dbmsnoawrsql Rem Rem Copyright (c) 2006, Oracle All rights reserved Rem Rem NAME Rem dbmsnoawrsql - Declaration of the DBMS_AWR package Rem Rem DESCRIPTION Rem Utilities for disabling and getting status of AWR Rem Rem NOTES Rem Rem MODIFIED (MM/DD/YY) Rem gwood 04/13/07 - created Rem create or replace package dbms_awr as -- PACKAGE dbms_awr -- This package allows users to disable AWR functionality in a Oracle 10g+ database -- The use of this package is not resticted by licencing of the Diagnostic Pack -- Additionally this package contains two functions that can be used to determine -- if AWR is currently enabled -- -- PROCEDURE dbms_awrdisable_awr -- PURPOSE: turns off collections into Automatic Workload Repository -- PARAMETERS: none procedure disable_awr; -- PROCEDURE dbms_awrenable_awr -- PURPOSE: turns on collections into Automatic Workload Repository The capture interval -- is set to the default of 60 minutes -- PARAMETERS: none procedure enable_awr; -- FUNCTION dbms_awrawr_enabled -- PURPOSE: Returns TRUE if Automatic Workload Repository is performing periodic capture -- Returns FALSE if Automatic Workload Repository periodic capture is disabled -- PARAMETERS: none function awr_enabled return boolean; -- FUNCTION dbms_awrawr_status -- PURPOSE: Returns 'ENABLED' if Automatic Workload Repository is performing periodic capture -- Returns 'DISABLED' if Automatic Workload Repository periodic capture is disabled -- PARAMETERS: none function awr_status return varchar2; end dbms_awr; / create or replace package body dbms_awr wrapped a000000 b2 abcd abcd abcd abcd abcd abcd abcd abcd abcd abcd abcd abcd abcd abcd abcd b 27b 1de XeDco+SpVfG9KEZ2ikXc00yhW88wg2P3AK7bfHRAWE7VX0b1S25KKJCp5VrehjNR9oaXoWT1 GGfYVnyl/lLyux308Fmhfp1y9pjrQyux50RY8xmHmiSG2bFbFs2Upn6MLYcfsqsW+joOTKYe 4TyFpXVqzVWS+Tjt8bcmSiai64IVcdOB3Q7Y6kQ8PGwqXqAiy9sFQKD0X6RC/ePGAQzUKwvS 3L8/hKgjdK9Fgw8bb7v1HTq22OJlAv+R/DYCSK57rPmAkyx/XLuXcPo3hcYs8fvUUAO33szW gy5zNau9U7xiyAOExBz9Vh0U7EaMRl6rLr6UXpk/0tk3BW0W/GVo3XfdSzUpGN5aKa1xF2Yh trcMV3KuK/FfIpy0bNDxSQ3LFuOsB8i5xzhj/dCqMxT4dO2awc0hnP3XeLhxWDvcEuqdkR9O u+Z6US/LtRISXt2I8zFq6/aDSuOXTor9KQ1jYA== /

该脚本包含两个过程和两个函数，通过disable_awr / enable_awr 就可以禁用或者启用AWR采样功能：

SQL> @D:dbmsnoawrplb

Package created

Package body created

SQL> desc dbms_awr

FUNCTION AWR_ENABLED RETURNS BOOLEAN

FUNCTION AWR_STATUS RETURNS VARCHAR2

PROCEDURE DISABLE_AWR

PROCEDURE ENABLE_AWR

SQL> exec dbms_awrdisable_awr

PL/SQL procedure successfully completed

SQL> select dbms_awrawr_status from dual;

AWR_STATUS

------------------------------------------------------- DISABLED

SQL> exec dbms_awrenable_awr

PL/SQL procedure successfully completed

SQL> select dbms_awrawr_status from dual;

AWR_STATUS

------------------------------------------------------- ENABLED

这个脚本本质上非常简单，就是通过将快照采样价格设置为0和60来控制禁用和启用的。

PROCEDURE DISABLE_AWR

IS

BEGIN DBMS_WORKLOAD_REPOSITORYMODIFY_SNAPSHOT_SETTINGS(INTERVAL => 0);

END;

PROCEDURE ENABLE_AWR IS

BEGIN DBMS_WORKLOAD_REPOSITORYMODIFY_SNAPSHOT_SETTINGS(INTERVAL => 60);

END;

记录供参考。

空间采样数据的获取采用的是退化废弃地移动监测作业系统，是针对退化废弃地与土地利用变化快速监测与评估需求，面向土地管理部门，将 GPS、GIS、ＲS、PDA 嵌入式技术，无线通信技术，移动多媒体等技术进行高度集成的野外作业系统。该系统为快速、有效的空间采样提供了技术支持，也为土地管理部门针对经济发达地区以及灾害发生区域的土地利用变化、土地退化以及灾毁情况提供了实地调查手段，做到现场办公、快速监测、及时统计与评估，实现土地利用变化监测过程的数字化、智能化、实时化、准确化和规范化，全面满足信息化时代土地变化监测的现实需求。

( 一) 退化废弃地移动监测作业系统的设计

退化废弃地移动监测作业系统本着科学性、先进性、可发展性、合理性、便捷性、兼容性等原则进行设计与研发，有效结合各种计算机与网络资源，研发具有创新意义的应用系统。系统总体上分为 “一个中心、两个系统”: Tgda 土地监测多媒体数据服务中心、Tgda 土地移动监测作业子系统、Tgda 土地移动监测信息服务子系统。如图 7 － 1 所示。

Tgda 土地监测多媒体数据服务中心主要提供对于位置多媒体数据的存储、管理与发布等服务。Tgda 土地移动监测作业子系统主要实现对于位置多媒体数据的移动绘制与实时采集，采集数据的即时上报与批量上传等功能。Tgda 土地移动监测信息服务子系统主要实现对于移动采集终端的在线位置的监控、上传数据综合查询以及基于 PC 的位置多媒体数据上传与编辑等功能。三者之间的拓扑结构关系如图 7 －2 所示，从中可以看出，文本信息、图像信息、GPS 数据等各种信息通过 PDA ( 含 WiFi 无线上网模块) 、高精度 GPS 模块和实地监测软件组成的 Tgda 土地移动监测作业子系统，以土地利用现状数据、规划图、遥感影像数据作为底图数据，快速采集、显示、处理以及发送地类图斑属性和实地位置多媒体信息。Tgda 土地监测多媒体数据服务中心与 Tgda 土地移动监测作业子系统之间的地理多媒体数据传输方式包括两种，即移动通讯网络 ( 中国移动 EDGE、中国电信 CDMA) 和车载无线路由中继。实时获取的退化废弃地和土地利用变化等多媒体数据，将实时存储到 Tgda 土地移动监测信息服务子系统中，嵌入在服务器的退化废弃地监控评估信息系统中 ( 图7 －3) 。

图 7 －1 村镇退化废弃地移动监测作业系统

图 7 －2 移动监测作业系统的拓扑结构

( 二) 退化废弃地移动监测作业系统的功能实现

图 7 －3 Tgda 土地移动监测作业子系统的功能运行流程

1 土地监测多媒体数据服务中心

土地监测多媒体数据服务中心负责数据服务与应用服务，应用客户端可通过远程登陆或内网登陆，访问应用服务器与数据库服务器，实时监察 PDA 移动终端空间位置，即时查看 PDA 移动终端所采集的空间多媒体数据。

2 Tgda 土地移动监测作业子系统

土地移动监测业务子系统的主要功能包括目的地导航、数据裁剪下载、采点时间设置、转换参数计算、监测信息采集、采集数据回发、GIS 管理等。该子系统功能运行的业务流程如图 7 －3 所示。

3 Tgda 土地移动监测信息服务子系统

土地移动监测信息服务子系统主要是实现影像地图图元数据综合管理、Tgda 移动监测作业工作状态监控、外业土地监测位置多媒体数据实时获取、遥感影像数据解译的现场样例与标志在线和离线获取、用户权限管理等功能。

( 三) 退化废弃地移动监测作业系统在空间采样中的应用

在空间采样数据的获取上，利用退化废弃地移动监测作业系统，以土地利用现状、遥感影像等作为底图数据，快速采集、显示以及处理退化废弃地野外采样数据的属性信息和实地位置多媒体信息，并将采集数据回发，与其他调查数据一起在 GIS 系统支持下，构建退化废弃地数据库。

一、基本要求

1 浅井壁展开作图法

选北壁作第一壁后，北壁不动，从北壁与西壁交线处断开，将西、南、东三个壁同时作逆时针旋转，直至与第一壁构成一个平面，则为浅井四壁展开图，见图7- 43 和图7- 44。

图7-43 四壁展开平面示意图

图7-44 井壁展开剖面示意图

2 浅井素描图的内容及要求

(1) 图面上应有图名、图例、比例尺、垂直标尺、方位、分析结果表和责任签。图内应有岩性分层界线、矿层 (体) 界线、蚀变带，断层及破碎带、样品位置及编号、产状等 (图7-45) 。

(2) 素描图应真实、准确地反映地质现象，凡地质体或地质现象在不同比例尺的素描图上宽 (厚) 度≥1mm，长度≥3mm 者，都应在图上反映。如素描图的比例尺是 1∶ 50，实际地质体宽 (厚) 度≥5cm，长度≥15cm，素描图上要夸大表示。

3 作图基本步骤和要求

(1) 确定第一壁。按照矿区统一规定，在浅井工程实地位置，确定第一壁及其方位，同时丈量浅井四壁规格。

(2) 布设基点 (木桩) 、基线。在第一壁和第四壁交汇的井口处，打入编有浅井编号的木桩即为基点，基点亦是浅井的坐标点。基线是用皮尺的 0m 点固定在木桩 (基点)上，并沿第一壁和第四壁铅垂悬挂而成。

(3) 绘制浅井空白图。作图人员在进入井下之前，丈量井口四壁规格，在方格厘米纸上，按照比例尺将 1、2、3、4 壁依次展开，同时绘上基点、基线和第一壁方向，即为浅井空白图，作为井下编录使用。

(4) 记录、采样。在观察地质现象和测量各种数据的基础上，进行文字记录和采样。文字记录的内容和要求同槽探。采样应填写 “槽、井、坑探工程采样记录表”。

(5) 投影—编绘素描草图。按照点投影、线投影的方法和要求，对浅井编录壁 (两壁或四壁) 上各分层界线、矿层 (体) 界线，断层线等以及样品、标本、产状位置等地质现象进行投影，将投影点展绘到空白图的相应位置上，然后连接相同性质的投影点构成各类界线，标注样品标本号、产状数据等，形成素描草图。

(6) 浅井编录应随施工进度分段进行。在分段编录的全过程中，要求每次编录的基线布置都应从井口基点处统一从 0m 开始悬挂皮尺，以保证上次编录末端井深与这次编录的开始井深数据完全吻合，避免重新布设基点出现井深误差。

二、实习资料及要求

(1) 某某矿区 FJ01 原始地质编录记录表 (表 7-6) ;

表 7-6 FJ01 浅井编录记录表

(2) 按表 7-6 记录的信息资料手工绘制浅井素描图;

(3) 按表 7-6 记录的信息用矿产资源调查野外数据采集系统 MEMapGIS 数字工程编录软件系统编绘浅井素描图。

三、圆井 (方井) 数字地质编录步骤

1 圆井 (方井) 基本信息数据采集

(1) 在桌面菜单上 工程 *** 作与区域采样的下拉菜单中选中 “室内工程属性数据录入 (新建) ”下的 “圆井”;

(2) 系统会自动选择圆井图层，同时d出 “是否填加到图层 ‘圆井”中对话框，按Y;

(3) 在屏幕上，用鼠标点击该 “工程”的位置，即定点，按左键后，屏幕自动d出下对话框 (图7-45) ，输入圆井基本信息。

重要参数说明: 工程编号———必须输入，由数字加字母组成，并作为目录使用; 勘探线号———由数字加字母组成，并作为目录使用，如果未给出勘探线号，所有工程会自动放入 ENGPOOL 目录下; 壁宽———一到四壁的宽度、井深和比例尺数据必输入，如果是圆井，只输入一壁的宽度即可。

(4) 按 确定后，系统自动把浅井的位置和工程编号标注图上。

图7-45 圆井 (浅井) 基本信息采集对话框

2 圆井 (方井) 测量数据采集

(1) 打开圆井 (方井) 数据录入总界面。①在桌面菜单上选择 工程 *** 作与区域采样的下拉菜单中选中 “工程数据库编辑与浏览”下的 “圆井浅井”; ②先选中要编辑工程图元，对新录的工程数据，第一次会d出探险矿工程目录不存在，是否新建对话框，必须按 Y，系统会创建以圆井编号的目录，来存放该工程所有的文件; ③系统d出圆井数据的总对话框，圆井浅井地质数据的输入对话框。

数据录入的顺序必须遵循的基本原则: 首选输入分层库后，才能输入采样、素描、产状、刻槽数据。

(2) 圆 (方) 井分层坐标参数约定 (图7-46)

图7-46 圆 (方) 井分层坐标约定

(3) 圆 (方) 井分层数据采集。①按 分层库按钮，对话框的顶部提示条会说明当前的数据库为 “分层库”，然后按下 添加按钮，进入分层数据录入对话框 (图7-47) ; ②分层的高度从顶往下记数地录入数据，数据录入完，按 确定 后，数据自动导入列表框，以方便浏览; ③若要继续输入数据，重复①②步即可; ④查看图形，按 素描图按钮即可。

图7-47 数据录入对话框

(4) 圆 (方) 井刻槽数据采集、产状数据采集、B 采样数据采集、照片数据采集。①先选择当前刻槽或产状、B 采样、照片的层号，然后按 刻槽库或产状库、B 采样库、照片库按钮，然后按下 添加按钮，系统会d出所需的对话框; ②数据录入完后，按 确定，数据自动导入列表框，以方便浏览; ③若要继续输入数据，重复①②步即可; ④查看图形，按 素描图按钮即可查看刚才输入的数据已经绘在图上了。

(5) 圆井、方井素描图绘制及编录表输出与探槽同理。

#python中的pandas库主要有DataFrame和Series类(面向对象的的语言更愿意叫类) DataFrame也就是

#数据框(主要是借鉴R里面的dataframe)，Series也就是序列 ，pandas底层是c写的 性能很棒，有大神

#做过测试 处理亿级别的数据没问题，起性能可以跟同等配置的sas媲美

#DataFrame索引 dfloc是标签选取 *** 作，dfiloc是位置切片 *** 作

print(df[['row_names','Rape']])

df['行标签']

dfloc[行标签,列标签]

print(dfloc[0:2,['Rape','Murder']])

dfiloc[行位置,列位置]

dfiloc[1,1]#选取第二行，第二列的值，返回的为单个值

dfiloc[0,2],:]#选取第一行及第三行的数据

dfiloc[0:2,:]#选取第一行到第三行（不包含）的数据

dfiloc[:,1]#选取所有记录的第一列的值，返回的为一个Series

dfiloc[1,:]#选取第一行数据，返回的为一个Series

print(dfix[1,1]) # 更广义的切片方式是使用ix，它自动根据你给到的索引类型判断是使用位置还是标签进行切片

print(dfix[0:2])

#DataFrame根据条件选取子集 类似于sas里面if、where ,R里面的subset之类的函数

df[dfMurder>13]

df[(dfMurder>10)&(dfRape>30)]

df[dfsex==u'男']

#重命名 相当于sas里面的rename R软件中reshape包的中的rename

dfrename(columns={'A':'A_rename'})

dfrename(index={1:'other'})

#删除列 相当于sas中的drop R软件中的test['col']<-null

dfdrop(['a','b'],axis=1) or del df[['a','b']]

#排序 相当于sas里面的sort R软件里面的df[order(x),]

dfsort(columns='C') #行排序 y轴上

dfsort(axis=1) #各个列之间位置排序 x轴上

#数据描述 相当于sas中proc menas R软件里面的summary

dfdescribe()

#生成新的一列 跟R里面有点类似

df['new_columns']=df['columns']

dfinsert(1,'new_columns',df['B']) #效率最高

dfjoin(Series(df['columns'],name='new_columns'))

#列上面的追加 相当于sas中的append R里面cbind()

dfappend(df1,ignore_index=True)

pdconcat([df,df1],ignore_index=True)

#最经典的join 跟sas和R里面的merge类似 跟sql里面的各种join对照

merge()

#删除重行 跟sas里面nodukey R里面的which(!duplicated(df[])类似

dfdrop_duplicated()

#获取最大值 最小值的位置 有点类似矩阵里面的方法

dfidxmin(axis=0 ) dfidxmax(axis=1) 0和1有什么不同 自己摸索去

#读取外部数据跟sas的proc import R里面的readcsv等类似

read_excel() read_csv() read_hdf5() 等

与之相反的是dfto_excel() dfto_ecv()

#缺失值处理 个人觉得pandas中缺失值处理比sas和R方便多了

dffillna(9999) #用9999填充

#链接数据库 不多说 pandas里面主要用 MySQLdb

import MySQLdb

conn=MySQLdbconnect(host="localhost",user="root",passwd="",db="mysql",use_unicode=True,charset="utf8")

read_sql() #很经典

#写数据进数据库

dfto_sql('hbase_visit',con, flavor="mysql", if_exists='replace', index=False)

#groupby 跟sas里面的中的by R软件中dplyr包中的group_by sql里面的group by功能是一样的 这里不多说

#求哑变量

dumiper=pdget_dummies(df['key'])

df['key']join(dumpier)

#透视表 和交叉表 跟sas里面的proc freq步类似 R里面的aggrate和cast函数类似

pdpivot_table()

pdcrosstab()

#聚合函数经常跟group by一起组合用

dfgroupby('sex')agg({'height':['mean','sum'],'weight':['count','min']})

#数据查询过滤

testquery("02

将STK_ID中的值过滤出来

stk_list = ['600809','600141','600329']中的全部记录过滤出来，命令是：rpt[rpt['STK_ID']isin(stk_list)]

将dataframe中，某列进行清洗的命令

删除换行符：misc['product_desc'] = misc['product_desc']strreplace('\n', '')

删除字符串前后空格：df["Make"] = df["Make"]map(strstrip)

如果用模糊匹配的话，命令是：

rpt[rpt['STK_ID']strcontains(r'^600[0-9]{3}$')]

对dataframe中元素，进行类型转换

df['2nd'] = df['2nd']strreplace(',','')astype(int) df['CTR'] = df['CTR']strreplace('%','')astype(npfloat64)

#时间变换 主要依赖于datemie 和time两个包

>

以上就是关于野外数字地质剖面测制的基本方法全部的内容，包括:野外数字地质剖面测制的基本方法、选择什么传感器对减速机进行故障诊断、如何禁用Oracle AWR自动采样功能等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！