CN113483813A - 一种脚手架安全检测方法及系统 - Google Patents
一种脚手架安全检测方法及系统 Download PDFInfo
- Publication number
- CN113483813A CN113483813A CN202110676503.0A CN202110676503A CN113483813A CN 113483813 A CN113483813 A CN 113483813A CN 202110676503 A CN202110676503 A CN 202110676503A CN 113483813 A CN113483813 A CN 113483813A
- Authority
- CN
- China
- Prior art keywords
- scaffold
- signal data
- data
- bearing capacity
- noise reduction
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 46
- 238000000034 method Methods 0.000 claims abstract description 39
- 230000009467 reduction Effects 0.000 claims abstract description 36
- 238000012545 processing Methods 0.000 claims abstract description 19
- 238000007499 fusion processing Methods 0.000 claims abstract description 17
- 238000007500 overflow downdraw method Methods 0.000 claims abstract description 15
- 239000011159 matrix material Substances 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 12
- 238000007689 inspection Methods 0.000 claims description 7
- 230000004927 fusion Effects 0.000 claims description 6
- 238000005070 sampling Methods 0.000 claims description 4
- 230000001133 acceleration Effects 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006073 displacement reaction Methods 0.000 claims description 3
- 239000004065 semiconductor Substances 0.000 claims description 3
- 239000000758 substrate Substances 0.000 claims description 3
- 230000009471 action Effects 0.000 claims description 2
- 230000003044 adaptive effect Effects 0.000 claims description 2
- 238000010276 construction Methods 0.000 description 13
- 238000004891 communication Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 238000002474 experimental method Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000009415 formwork Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Data Mining & Analysis (AREA)
- Computational Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Algebra (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Operations Research (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明涉及一种安全检测的技术领域,揭露了一种脚手架安全检测方法,包括:将传感器布置在脚手架上,利用传感器实时获取脚手架的原始信号数据;利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据;利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据;根据脚手架的特征数据,实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。本发明还提供了一种脚手架安全检测系统。本发明实现了脚手架的安全检测。
Description
技术领域
本发明涉及安全检测的技术领域,尤其涉及一种脚手架安全检测方法及系统。
背景技术
随着我国城乡建设规模的扩大,城市建筑、工业厂房、桥梁等工程结构建设数量逐渐增加,为保证施工阶段的在建结构和施工人员的安全,需要在施工阶段搭设一系列的临时结构(例如脚手架、模板支撑架、施工栈道、卸料平台等),以支撑未成形的工程结构,或为施工人员提供操作平台。其中,脚手架广泛应用于此类工程项目的建设中,是施工阶段一类重要的临时结构。
由于材料重复使用率高、搭设过程人为因素影响大和监督管理难度高等因素的影响,脚手架施工过程在易受到外部撞击、构件有严重缺陷、不合理搭设、支撑缺失、超载及基础处理不合理等因素的影响而发生突然失效,导致未成形永久工程结构发生倒塌,引发施工人员伤亡的重大安全事件;同时施工脚手架力学行为复杂,影响的随机因素数量众多,其还包含大量的非高斯随机变量,导致脚手架的随机输出量与输入量是隐式且表现出高度非线性。因此,如何考虑非线性因素与随机因素耦合作用的影响,并高效地对施工脚手架开展安全性评估仍具有较大的挑战。
鉴于此,如何有效地对脚手架进行安全检测,成为本领域技术人员亟待解决的问题。
发明内容
本发明提供一种脚手架安全检测方法,通过利用传感器获取脚手架的原始信号数据,并利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据;并利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据,根据脚手架的特征数据,实时计算脚手架各结构的承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。
为实现上述目的,本发明提供的一种脚手架安全检测方法,包括:
将传感器布置在脚手架上,利用传感器实时获取脚手架的原始信号数据;
利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据;
利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据;
根据脚手架的特征数据,实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。
可选地,所述利用传感器实时获取脚手架的原始信号数据,包括:
将压力传感器布置在脚手架的立杆结构和扣件结构,压力传感器内的半导体基片在受到外力的作用时会发生应变,并会把这种应变转换成电信号,所述压力传感器实时地将电信号传输到控制中心单元;在本发明一个具体实施例中,压力传感器的参数为:工作电压直流12V,工作电流不大于25mA,有效的测量范围0~60MPa,输出标准电压信号0.78~4.94V DC,精度2.5%;
将倾角传感器布置在脚手架底部,在脚手架运行的过程中,倾角传感器运用了惯性原理测量出脚手架的加速度,利用积分算出线速度,然后算出脚手架的直线位移,再利用算法计算出脚手架的倾角,并将脚手架的倾角发送到控制中心单元;在本发明一个具体实施例中,倾角传感器的参数为:作电压直流12V,工作电流不大于80mA,测量范围0°~9°。
可选地,所述利用自适应降噪方法对原始信号数据进行降噪处理,包括:
1)初始化n=n+1,K=1,且K=K+1;
3)若wk>0,则利用下式更新mk和wk:
其中:
β为常数,将其设置为0.8;
4)更新拉格朗日乘子λ:
6)构建Hankel矩阵,采用SVD处理分解得到的IMF,得到更为真实的信号数据,将所得到的信号数据作为降噪后的脚手架信号数据。
可选地,所述利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,包括:
2)计算xij的方差贡献率:
3)计算xij的融合系数:
4)计算第j个数据的融合信号值:
5)对所得到的每个降噪后的电信号数据进行上述信号融合处理,得到融合后的电信号数据序列{x1,x2,....,xn};将融合后的电信号数据序列作为脚手架的特征数据。
可选地,所述实时计算脚手架各结构的稳定承载力,包括:
1)初始化单位荷载矩阵M0=1,根据脚手架的特征数据,建立脚手架整体的刚度矩阵K:
其中:
d1表示脚手架中1号构件的压力序列值,即融合后的电信号数据序列;
s1表示脚手架中1号构件的倾斜角序列值;
2)建立脚手架中每个构件结构的刚度矩阵KΔ:
其中:
P为脚手架构件结构的长度;
L表示单元长度;
E表示脚手架构件的轴力;
3)建立特征方程|K-λM0KΔ|=0;
4)求解特征方程,得到特征方程的最小特征值λ′,将λ′作为脚手架中每个单杆所能承受的稳定承载力F;
5)建立如下结构功能函数:
g(F)=F-Fa
其中:
Fa表示预设定的容许承载力;
当F>Fa,表示脚手架中的立杆为安全状态,当F=Fa,表示脚手架中的立杆为临界状态,当F<Fa,表示脚手架中的立杆为失效危险状态,说明当前脚手架存在安全问题。
此外,为实现上述目的,本发明还提供一种脚手架安全检测系统,所述系统包括:
传感器数据获取装置,用于将传感器布置在脚手架上,利用传感器实时获取脚手架的原始信号数据;
数据处理器,用于利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据,利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据;
根据脚手架的特征数据,实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。
此外,为实现上述目的,本发明还提供一种计算机可读存储介质,所述计算机可读存储介质上存储有脚手架安全检测程序指令,所述脚手架安全检测程序指令可被一个或者多个处理器执行,以实现如上所述的脚手架安全检测的实现方法的步骤。
相对于现有技术,本发明提出一种脚手架安全检测方法,该技术具有以下优势:
首先,本发明在脚手架的立杆、扣件结构处布置若干压力传感器,并在脚手架底部布置若干倾角传感器,实时获取若干脚手架传感信号数据,由于每个传感器位于不同位置,单一传感器的监测数据只能片面表达结构的状态,无法反映结构整体的特征,本发明提出一种基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,所述基于方差贡献率的信号数据融合方法流程为:在采样时间t内,p个压力传感器均得到h个降噪后的电信号数据,则第i个压力传感器的第j个数据记为xij,同时第i个压力传感器信息序列均值为方差为计算xij的方差贡献率:
计算xij的融合系数:
计算第j个数据的融合信号值:
对所得到的每个降噪后的电信号数据进行上述信号融合处理,得到融合后的电信号数据序列{x1,x2,....,xn};将融合后的电信号数据序列作为脚手架的特征数据。相较于传统传感器数据融合算法对数据相似性具有较高要求,本发明所述算法基于不同传感器的方差贡献率,给每个传感器设置不同的系数,方差贡献率越大,即代表传感器检测数据越重要,因此该传感器具有较大的融合系数,据此将不同传感器的检测信息进行融合,融合后的特征值表示了脚手架的整体结构特征。
同时,本发明实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。所述脚手架各结构的稳定承载力的计算流程为:初始化单位荷载矩阵M0=1,根据脚手架的特征数据,建立脚手架整体的刚度矩阵K:
其中:d1表示脚手架中1号构件的压力序列值,即融合后的电信号数据序列;s1表示脚手架中1号构件的倾斜角序列值;建立脚手架中每个构件结构的刚度矩阵KΔ:
其中:P为脚手架构件结构的长度;L表示单元长度;E表示脚手架构件的轴力;建立特征方程|K-λM0KΔ|=0;求解特征方程,得到特征方程的最小特征值λ′,将λ′作为脚手架中每个单杆所能承受的稳定承载力F;建立如下结构功能函数:
g(F)=F-Fa
其中:Fa表示预设定的容许承载力;当F>Fa,表示脚手架中的立杆为安全状态,当F=Fa,表示脚手架中的立杆为临界状态,当F<Fa,表示脚手架中的立杆为失效危险状态,说明当前脚手架存在安全问题。相较于传统算法中存在非线性分析求解过程异常复杂,计算量过大的问题,本发明所述算法通过将结构稳定承载力的求解转换为广义特征值分析问题,能快速地确定结构稳定承载力的上限值,求解过程简单,易于被工程人员接受。
附图说明
图1为本发明一实施例提供的一种脚手架安全检测方法的流程示意图;
图2为本发明一实施例提供的一种脚手架安全检测系统的结构示意图;
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
通过利用传感器获取脚手架的原始信号数据,并利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据;并利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据,根据脚手架的特征数据,实时计算脚手架各结构的承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。参照图1所示,为本发明一实施例提供的脚手架安全检测方法示意图。
在本实施例中,脚手架安全检测方法包括:
S1、将传感器布置在脚手架上,利用传感器实时获取脚手架的原始信号数据。
首先,本发明将传感器布置在脚手架上,在本发明一个具体实施例中,所布置的传感器类型为压力传感器和倾角传感器;
详细地,本发明将压力传感器布置在脚手架的立杆结构和扣件结构,压力传感器内的半导体基片在受到外力的作用时会发生应变,并会把这种应变转换成电信号,所述压力传感器实时地将电信号传输到控制中心单元;在本发明一个具体实施例中,压力传感器的参数为:工作电压直流12V,工作电流不大于25mA,有效的测量范围0~60MPa,输出标准电压信号0.78~4.94V DC,精度2.5%;
本发明将倾角传感器布置在脚手架底部,在脚手架运行的过程中,倾角传感器运用了惯性原理测量出脚手架的加速度,利用积分算出线速度,然后算出脚手架的直线位移,再利用算法计算出脚手架的倾角,并将脚手架的倾角发送到控制中心单元;在本发明一个具体实施例中,倾角传感器的参数为:作电压直流12V,工作电流不大于80mA,测量范围0°~9°。
S2、利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据。
进一步地,所述控制中心单元利用自适应降噪方法对原始信号数据进行降噪处理,所述自适应降噪处理流程为:
1)初始化n=n+1,K=1,且K=K+1;
3)若wk>0,则利用下式更新mk和wk:
其中:
β为常数,将其设置为0.8;
4)更新拉格朗日乘子λ:
6)构建Hankel矩阵,采用SVD处理分解得到的IMF,得到更为真实的信号数据,将所得到的信号数据作为降噪后的脚手架信号数据。
S3、利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据。
进一步地,本发明利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,所述基于方差贡献率的信号数据融合方法流程为:
2)计算xij的方差贡献率:
3)计算xij的融合系数:
4)计算第j个数据的融合信号值:
5)对所得到的每个降噪后的电信号数据进行上述信号融合处理,得到融合后的电信号数据序列{x1,x2,....,xn};将融合后的电信号数据序列作为脚手架的特征数据。
S4、根据脚手架的特征数据,实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。
进一步地,根据脚手架的特征数据,本发明实时计算脚手架各结构的稳定承载力,所述脚手架各结构的稳定承载力的计算流程为:
1)初始化单位荷载矩阵M0=1,根据脚手架的特征数据,建立脚手架整体的刚度矩阵K:
其中:
d1表示脚手架中1号构件的压力序列值,即融合后的电信号数据序列;
s1表示脚手架中1号构件的倾斜角序列值;
2)建立脚手架中每个构件结构的刚度矩阵KΔ:
其中:
P为脚手架构件结构的长度;
L表示单元长度;
E表示脚手架构件的轴力;
3)建立特征方程|K-λM0KΔ|=0;
4)求解特征方程,得到特征方程的最小特征值λ′,将λ′作为脚手架中每个单杆所能承受的稳定承载力F;
5)建立如下结构功能函数:
g(F)=F-Fa
其中:
Fa表示预设定的容许承载力;
当F>Fa,表示脚手架中的立杆为安全状态,当F=Fa,表示脚手架中的立杆为临界状态,当F<Fa,表示脚手架中的立杆为失效危险状态,说明当前脚手架存在安全问题。
下面通过一个算法实验来说明本发明的具体实施方式,并对发明的处理方法进行测试。本发明算法的硬件测试环境为:Inter(R)Core(TM)i7-6700K CPU,软件为Matlab2018a;对比方法为基于SVM的脚手架安全检测方法以及基于贝叶斯的脚手架安全检测方法。
在本发明所述算法实验中,数据集为10G的脚手架传感器数据。本实验通过将脚手架传感器数据输入到算法模型中,将脚手架安全检测的准确率作为算法可行性的评价指标,其中脚手架安全检测的准确率越高,则说明算法的有效性、可行性越高。
根据实验结果,基于SVM的脚手架安全检测方法的安全检测准确率为75.81%,基于贝叶斯的脚手架安全检测方法的安全检测准确率为81.79%,本发明所述方法的安全检测准确率为85.63%,相较于对比算法,本发明所提出的脚手架安全检测方法能够实现更高的安全检测准确率。
发明还提供一种脚手架安全检测系统。参照图2所示,为本发明一实施例提供的脚手架安全检测系统的内部结构示意图。
在本实施例中,所述脚手架安全检测系统1至少包括传感器数据获取装置11、数据处理器12、脚手架安全检测装置13,通信总线14,以及网络接口15。
其中,传感器数据获取装置11可以是PC(Personal Computer,个人电脑),或者是智能手机、平板电脑、便携计算机等终端设备,也可以是一种服务器等。
数据处理器12至少包括一种类型的可读存储介质,所述可读存储介质包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、磁性存储器、磁盘、光盘等。数据处理器12在一些实施例中可以是脚手架安全检测系统1的内部存储单元,例如该脚手架安全检测系统1的硬盘。数据处理器12在另一些实施例中也可以是脚手架安全检测系统1的外部存储设备,例如脚手架安全检测系统1上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,数据处理器12还可以既包括脚手架安全检测系统1的内部存储单元也包括外部存储设备。数据处理器12不仅可以用于存储安装于脚手架安全检测系统1的应用软件及各类数据,还可以用于暂时地存储已经输出或者将要输出的数据。
脚手架安全检测装置13在一些实施例中可以是一中央处理器(CentralProcessing Unit,CPU)、控制器、微控制器、微处理器或其他数据处理芯片,用于运行数据处理器12中存储的程序代码或处理数据,例如脚手架安全检测程序指令16等。
通信总线14用于实现这些组件之间的连接通信。
网络接口15可选的可以包括标准的有线接口、无线接口(如WI-FI接口),通常用于在该系统1与其他电子设备之间建立通信连接。
可选地,脚手架安全检测系统1还可以包括用户接口,用户接口可以包括显示器(Display)、输入单元比如键盘(Keyboard),可选的用户接口还可以包括标准的有线接口、无线接口。可选地,在一些实施例中,显示器可以是LED显示器、液晶显示器、触控式液晶显示器以及OLED(Organic Light-Emitting Diode,有机发光二极管)触摸器等。其中,显示器也可以适当的称为显示屏或显示单元,用于显示在脚手架安全检测系统1中处理的信息以及用于显示可视化的用户界面。
图2仅示出了具有组件11-15以及脚手架安全检测系统1,本领域技术人员可以理解的是,图1示出的结构并不构成对脚手架安全检测系统1的限定,可以包括比图示更少或者更多的部件,或者组合某些部件,或者不同的部件布置。
在图2所示的脚手架安全检测系统1实施例中,数据处理器12中存储有脚手架安全检测程序指令16;脚手架安全检测装置13执行数据处理器12中存储的脚手架安全检测程序指令16的步骤,与脚手架安全检测方法的实现方法相同,在此不作类述。
此外,本发明实施例还提出一种计算机可读存储介质,所述计算机可读存储介质上存储有脚手架安全检测程序指令,所述脚手架安全检测程序指令可被一个或多个处理器执行,以实现如下操作:
将传感器布置在脚手架上,利用传感器实时获取脚手架的原始信号数据;
利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据;
利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据;
根据脚手架的特征数据,实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。
需要说明的是,上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。并且本文中的术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品存储在如上所述的一个存储介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种脚手架安全检测方法,其特征在于,所述方法包括:
将传感器布置在脚手架上,利用传感器实时获取脚手架的原始信号数据;
利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据;
利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据;
根据脚手架的特征数据,实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。
2.如权利要求1所述的一种脚手架安全检测方法,其特征在于,所述利用传感器实时获取脚手架的原始信号数据,包括:
将压力传感器布置在脚手架的立杆结构和扣件结构,压力传感器内的半导体基片在受到外力的作用时会发生应变,并会把这种应变转换成电信号,所述压力传感器实时地将电信号传输到控制中心单元;
将倾角传感器布置在脚手架底部,在脚手架运行的过程中,倾角传感器运用了惯性原理测量出脚手架的加速度,利用积分算出线速度,然后算出脚手架的直线位移,再利用算法计算出脚手架的倾角,并将脚手架的倾角发送到控制中心单元。
3.如权利要求2所述的一种脚手架安全检测方法,其特征在于,所述利用自适应降噪方法对原始信号数据进行降噪处理,包括:
1)初始化n=n+1,K=1,且K=K+1;
3)若wk>0,则利用下式更新mk和wk:
其中:
β为常数,将其设置为0.8;
4)更新拉格朗日乘子λ:
6)构建Hankel矩阵,采用SVD处理分解得到的IMF,得到更为真实的信号数据,将所得到的信号数据作为降噪后的脚手架信号数据。
5.如权利要求4所述的一种脚手架安全检测方法,其特征在于,所述实时计算脚手架各结构的稳定承载力,包括:
1)初始化单位荷载矩阵M0=1,根据脚手架的特征数据,建立脚手架整体的刚度矩阵K:
其中:
d1表示脚手架中1号构件的压力序列值,即融合后的电信号数据序列;
s1表示脚手架中1号构件的倾斜角序列值;
2)建立脚手架中每个构件结构的刚度矩阵KΔ:
其中:
P为脚手架构件结构的长度;
L表示单元长度;
E表示脚手架构件的轴力;
3)建立特征方程|K-λM0KΔ|=0;
4)求解特征方程,得到特征方程的最小特征值λ′,将λ′作为脚手架中每个单杆所能承受的稳定承载力F;
5)建立如下结构功能函数:
g(F)=F-Fa
其中:
Fa表示预设定的容许承载力;
当F>Fa,表示脚手架中的立杆为安全状态,当F=Fa,表示脚手架中的立杆为临界状态,当F<Fa,表示脚手架中的立杆为失效危险状态,说明当前脚手架存在安全问题。
6.一种脚手架安全检测系统,其特征在于,所述系统包括:
传感器数据获取装置,用于将传感器布置在脚手架上,利用传感器实时获取脚手架的原始信号数据;
数据处理器,用于利用自适应降噪方法对原始信号数据进行降噪处理,得到降噪后的脚手架信号数据,利用基于方差贡献率的信号数据融合方法对脚手架信号数据进行信号数据融合处理,将融合后的数据作为脚手架的特征数据;
根据脚手架的特征数据,实时计算脚手架各结构的稳定承载力,若脚手架某一结构的承载力超过结构容许承载力,则说明当前脚手架存在安全问题。
7.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质上存储有脚手架安全检测程序指令,所述脚手架安全检测程序指令可被一个或者多个处理器执行,以实现如上所述的脚手架安全检测的实现方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110676503.0A CN113483813A (zh) | 2021-06-18 | 2021-06-18 | 一种脚手架安全检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110676503.0A CN113483813A (zh) | 2021-06-18 | 2021-06-18 | 一种脚手架安全检测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113483813A true CN113483813A (zh) | 2021-10-08 |
Family
ID=77933998
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110676503.0A Pending CN113483813A (zh) | 2021-06-18 | 2021-06-18 | 一种脚手架安全检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113483813A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115326587A (zh) * | 2022-10-11 | 2022-11-11 | 山东智模工程技术有限公司 | 一种脚手架横向极限稳定承载能力测试装置 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104110124A (zh) * | 2014-07-25 | 2014-10-22 | 广东信海建筑有限公司 | 一种具有视频安全监控系统的附着式升降脚手架 |
CN104598970A (zh) * | 2015-01-09 | 2015-05-06 | 宁波大学 | 一种爬架组的工作状态检测方法 |
CN106643631A (zh) * | 2016-12-12 | 2017-05-10 | 中建三局第建设工程有限责任公司 | 一种高支模形变监测预警方法 |
CN109039882A (zh) * | 2018-09-07 | 2018-12-18 | 安徽建筑大学 | 一种满堂扣件式钢管脚手架安全监测系统及方法 |
CN110398305A (zh) * | 2019-08-22 | 2019-11-01 | 沈邕 | 一种建筑施工架体受力监测装置 |
CN209942202U (zh) * | 2019-05-16 | 2020-01-14 | 姚佳良 | 一种建筑装配式脚手架 |
-
2021
- 2021-06-18 CN CN202110676503.0A patent/CN113483813A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104110124A (zh) * | 2014-07-25 | 2014-10-22 | 广东信海建筑有限公司 | 一种具有视频安全监控系统的附着式升降脚手架 |
CN104598970A (zh) * | 2015-01-09 | 2015-05-06 | 宁波大学 | 一种爬架组的工作状态检测方法 |
CN106643631A (zh) * | 2016-12-12 | 2017-05-10 | 中建三局第建设工程有限责任公司 | 一种高支模形变监测预警方法 |
CN109039882A (zh) * | 2018-09-07 | 2018-12-18 | 安徽建筑大学 | 一种满堂扣件式钢管脚手架安全监测系统及方法 |
CN209942202U (zh) * | 2019-05-16 | 2020-01-14 | 姚佳良 | 一种建筑装配式脚手架 |
CN110398305A (zh) * | 2019-08-22 | 2019-11-01 | 沈邕 | 一种建筑施工架体受力监测装置 |
Non-Patent Citations (21)
Title |
---|
刘大鹏;袁涛;张曾;: "有限单元法在长河坝水电站泄洪系统进口高边坡脚手架稳定性计算中的应用", 四川水力发电, no. 06 * |
刘大鹏等: "有限单元法在长河坝水电站泄洪系统进口高边坡脚手架稳定性计算中的应用", 《四川水力发电》 * |
刘大鹏等: "有限单元法在长河坝水电站泄洪系统进口高边坡脚手架稳定性计算中的应用", 《四川水力发电》, no. 06, 15 December 2012 (2012-12-15) * |
应志君等: "边坡施工采用超高层钢管脚手架安全性能研究", 《四川建筑科学研究》 * |
应志君等: "边坡施工采用超高层钢管脚手架安全性能研究", 《四川建筑科学研究》, no. 04, 25 August 2012 (2012-08-25) * |
张莹等: "基于改进SVD及参数优化VMD的轴承故障诊断", 《噪声与振动控制》 * |
张莹等: "基于改进SVD及参数优化VMD的轴承故障诊断", 《噪声与振动控制》, no. 01, 18 February 2020 (2020-02-18), pages 2 * |
敖鸿斐,李国强: "双排扣件式钢管脚手架的极限稳定承载力研究", 力学季刊, no. 02 * |
李火坤等: "拱坝多传感器振动信号的数据级融合方法", 《振动.测试与诊断》 * |
李火坤等: "拱坝多传感器振动信号的数据级融合方法", 《振动.测试与诊断》, no. 06, 15 December 2015 (2015-12-15), pages 2 * |
秦建武等: "BP神经网络在爬架组安全监测系统中的应用", 《无线通信技术》 * |
秦建武等: "BP神经网络在爬架组安全监测系统中的应用", 《无线通信技术》, no. 03, 15 August 2015 (2015-08-15), pages 2 * |
蔡体发,智小川,朱桐浩: "高层建筑门式外脚手架结构的稳定计算研究", 四川建筑科学研究, no. 03 * |
蔡体发等: "高层建筑门式外脚手架结构的稳定计算研究", 《四川建筑科学研究》 * |
蔡体发等: "高层建筑门式外脚手架结构的稳定计算研究", 《四川建筑科学研究》, no. 03, 25 September 1989 (1989-09-25) * |
许文煜等: "基于BIM技术的高支模施工安全预警平台设计", 《四川建材》 * |
许文煜等: "基于BIM技术的高支模施工安全预警平台设计", 《四川建材》, no. 09, 10 September 2020 (2020-09-10) * |
赵平等: "基于信息融合的建筑施工安全预警管理研究", 《中国安全科学学报》 * |
赵平等: "基于信息融合的建筑施工安全预警管理研究", 《中国安全科学学报》, no. 10, 31 October 2009 (2009-10-31) * |
马斌等: "基于相关性方差贡献率的高坝泄洪振动数据级融合方法", 《水利水电科技进展》 * |
马斌等: "基于相关性方差贡献率的高坝泄洪振动数据级融合方法", 《水利水电科技进展》, no. 02, 10 March 2020 (2020-03-10) * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115326587A (zh) * | 2022-10-11 | 2022-11-11 | 山东智模工程技术有限公司 | 一种脚手架横向极限稳定承载能力测试装置 |
CN115326587B (zh) * | 2022-10-11 | 2023-01-24 | 山东智模工程技术有限公司 | 一种脚手架横向极限稳定承载能力测试装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | Structural reliability: approaches from perspectives of statistical moments | |
Long et al. | Stochastic response analysis of the scaled boundary finite element method and application to probabilistic fracture mechanics | |
Tang et al. | MAP123-EP: A mechanistic-based data-driven approach for numerical elastoplastic analysis | |
Chow et al. | A model of continuum damage mechanics for fatigue failure | |
de Larrard et al. | Effect of the Young modulus variability on the mechanical behaviour of a nuclear containment vessel | |
Amiri et al. | Damage prognosis by means of modal residual force and static deflections obtained by modal flexibility based on the diagonalization method | |
CN113483813A (zh) | 一种脚手架安全检测方法及系统 | |
Su et al. | Locating damaged storeys in a structure based on its identified modal parameters in Cauchy wavelet domain | |
Baldelli et al. | Numerical bifurcation and stability analysis of variational gradient-damage models for phase-field fracture | |
Sundar et al. | Updating reliability models of statically loaded instrumented structures | |
Yan et al. | Application of transmissibility matrix and random matrix to Bayesian system identification with response measurements only | |
Yang et al. | An interval perturbation method for singular value decomposition (SVD) with unknown-but-bounded (UBB) parameters | |
Yang et al. | Interval elastoplastic analysis of structures | |
Kuok et al. | Multi‐resolution broad learning for model updating using incomplete modal data | |
Hård af Segerstad et al. | A micropolar theory for the finite elasticity of open-cell cellular solids | |
Tangaramvong et al. | Mathematical programming approaches for the safety assessment of semirigid elastoplastic frames | |
Bazrafshan et al. | A computer vision-based crack quantification of reinforced concrete shells using graph theory measures | |
Karuna et al. | Structural analysis with alternative uncertainty models: from data to safety measures | |
Wang et al. | Research on the damage evolution process of steel wire with pre-corroded defects in cable-stayed bridges | |
CN112800912A (zh) | 基于动态特征基于标签的迁移特征的神经网络的训练方法 | |
da Costa Mattos | Modelling low-cycle fatigue tests using a gradient-enhanced continuum damage model | |
Kimiaeifar et al. | Application of the homotopy analysis method to determine the analytical limit state functions and reliability index for large deflection of a cantilever beam subjected to static co-planar loading | |
Antipov | Nonlinear bending models for beams and plates | |
Zabojszcza et al. | Optimization of Steel Roof Framing Taking into Account the Random Nature of Design Parameters | |
KR20170078038A (ko) | 유사성 분석을 통한 시공 계측 센서 데이터 이상 감지 방법 및 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20211008 |