CN115314528A - 桥梁结构健康监测系统、方法和平台 - Google Patents
桥梁结构健康监测系统、方法和平台 Download PDFInfo
- Publication number
- CN115314528A CN115314528A CN202211025378.8A CN202211025378A CN115314528A CN 115314528 A CN115314528 A CN 115314528A CN 202211025378 A CN202211025378 A CN 202211025378A CN 115314528 A CN115314528 A CN 115314528A
- Authority
- CN
- China
- Prior art keywords
- data
- bridge
- platform
- mode
- analysis
- 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
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Computational Linguistics (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Probability & Statistics with Applications (AREA)
- Computer Networks & Wireless Communication (AREA)
- Medical Informatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Computation (AREA)
- Molecular Biology (AREA)
- Fuzzy Systems (AREA)
- Databases & Information Systems (AREA)
- Telephonic Communication Services (AREA)
Abstract
本公开的实施例公开了桥梁结构健康监测系统、方法和平台。桥梁结构健康监测系统包括:前端传感器网络和云端大数据平台;前端传感器网络包括多种多感知维度的传感器及数据采集仪、一体化网关设备,前端传感器网络用于测量目标桥梁的前端原始感知数据,并根据物联网协议接入云端大数据平台;云端大数据平台自适应定义了边缘分析模式,用于支持基于前端原始感知数据执行边缘分析,抽取有效数据并且,基于深度学习神经网络的多模态组合分析,实现桥梁健康综合智能评估,促进桥梁结构健康大数据的汇聚、治理与共享。
Description
技术领域
本公开的实施例涉及桥梁健康监测领域,具体涉及桥梁结构健康监测系统、方法和平台。
背景技术
随着交通运输事业的快速发展,各种大型桥梁在交通工程中的重要性日益突出。目前,已建成的许多桥梁进入了养护维修阶段。为了预防灾难性事件的发生,对大型桥梁进行系统的健康监测,以实现预测、预报事故,防止灾害的发生,成为保证交通安全的重大课题。
目前,对于桥梁的安全健康监测一般依赖于各种监测硬件,但是由于硬件数量和类型繁多、网络架构复杂、信息采集多单杂乱、数据传输不规范、分析不到位、缺乏有效的数据治理、充斥着海量无效数据、数据精细度和价值量偏低等因素,大量的监测数据没有得到充分利用、数据的价值未能等得到挖掘与利用、无法提供一种智能的结构损伤评估与预警方法。
发明内容
有鉴于此,本公开实施例提供了一种桥梁结构健康监测系统、方法和平台,以解决现有技术中由于硬件数量和类型繁多、网络架构复杂、信息采集多单杂乱、数据传输不规范、分析不到位、缺乏有效的数据治理、充斥着海量无效数据、大量的监测数据没有得到充分利用、数据精细度和价值量偏低等因素造成的无法提供高效便捷且准确性高的桥梁健康监测的技术问题。
本公开实施例的第一方面,提供了一种桥梁结构健康监测系统,桥梁结构健康监测系统包括:前端传感器网络和云端大数据平台;其中,所述前端传感器网络包括多种多感知维度的传感器及数据采集仪、一体化网关设备,所述前端传感器网络用于测量目标桥梁的前端原始感知数据,并由一体化网关设备根据物联网协议接入云端大数据平台;所述云端大数据平台自适应定义了边缘分析模式,用于支持基于所述前端原始感知数据执行边缘分析,抽取有效数据。
在一些实施例中,上述前端传感器网络的传感器和数据采集仪包括以下至少一项或几项:多感知维度传感器,计量仪表,车流量计数设备,称重设备,索力智能计。
在一些实施例中,上述前端原始感知数据包括以下至少一项:结构维度感知数据,振动维度感知数据,载荷维度感知数据,环境维度感知数据,动态加速度维度感知数据。
在一些实施例中,上述边缘分析模式包括以下至少一项:定时式,触发式,特征统计式。
在一些实施例中,上述云端大数据平台的功能包括以下至少一项或几项:云端大数据平台的功能包括以下至少一项或几项:对前端传感器网络的平台接入,设备管理,协议解析,命令下发执行,前端传感器网络的控制和监管。
在一些实施例中,上述桥梁结构健康监测系统还包括:智能分析评估平台;上述智能分析评估平台的功能至少包括:针对上述有效数据利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。
在一些实施例中,上述桥梁结构健康监测系统还支持数据托管及评估托管功能,上述数据托管及评估托管功能用于在得到上述云端大数据平台授权后调取上述有效数据以及执行目标桥梁的健康程度的托管评估,得到托管评估结果。
在一些实施例中,上述智能分析评估平台的功能至少还包括在接收到上述托管评估结果后执行预警,调试上述边缘分析模式。
本公开实施例的第二方面,提供了一种桥梁结构健康监测方法,包括:控制安装于目标桥梁的前端传感器网络采集得到上述目标桥梁的前端原始感知数据;获取边缘分析模式;基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,抽取出有效数据;基于上述前端原始感知数据和上述有效数据,生成上述目标桥梁的桥梁健康综合评估结果。
在一些实施例中,上述边缘分析模式的定义表征对前端原始感知数据进行抽取有效数据的标准和方式,上述边缘分析模式包括以下至少一项:定时式,触发式,特征统计式。
在一些实施例中,上述定时式表征上述边缘分析模式定义为有效数据采样的时段范围和采样频率,上述前端传感器网络在上述时段范围内按照上述采样频率来采样得到有效数据,以及将上述有效数据上传至上述云端大数据平台。
在一些实施例中,上述触发式表征上述边缘分析模式定义为设置有效数据采样的判断阈值或触发条件和终止采样的触发条件,响应于确定满足上述判断阈值或满足上述触发条件时,根据预设的采样时长和采样频率进行采样得到有效数据,响应于确定满足上述终止采样的触发条件,终止采样。
在一些实施例中,上述特征统计式表征上述边缘分析模式定义为对前端原始感知数据进行统计获得统计特征的方式和统计时段的分布,上述前端传感器网络按照上述统计时段获得统计特征值作为有效数据,以及将上述有效数据上传至上述云端大数据平台。
在一些实施例中,上述基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,抽取出有效数据,包括:基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,过滤异常数据和冗余数据,得到上述有效数据。
在一些实施例中,上述基于上述前端原始感知数据和上述有效数据,生成上述目标桥梁的桥梁健康综合评估结果,包括:利用预先训练的深度学习神经网络,对上述前端原始感知数据和上述有效数据进行多模态组合分析,生成上述桥梁健康综合评估结果。
在一些实施例中,上述方法还包括:基于上述桥梁健康综合评估结果,生成用于表征上述目标桥梁健康状况的预警信息;将上述预警信息传输至用于监测桥梁健康的具有显示功能的目标设备,以及控制上述目标设备显示上述预警信息。
本公开实施例的第三方面,提供了一种桥梁结构健康智能感知监测云平台,包括:云端平台和桥梁结构健康智能感知监测系统;所述云端平台至少包括:物联网接口、数据资源池、服务能力池,其中物联网接口用于支持前端传感器网络数据的边缘分析、抽取有效数据,数据资源池存储所有前端的监测数据、并形成专题、主题、模型的特殊数据库,服务能力池则数据的汇聚、治理、分析、共享数据操作;在服务能力池中,利用神经网络及遗传算法的大数据分析、获得结构健康评估值阈值的进化结果形成自适应阈值库,利用多模态组合分析方式以及深度学习的人工智能算法、获得结构健康的多维度综合评估结果。
本公开实施例的第四方面,提供了一种桥梁健康智能感知监测装置,装置包括:采集单元,被配置成控制安装于目标桥梁的前端传感器网络采集得到所述目标桥梁的前端原始感知数据;获取单元,被配置成获取边缘分析模式;抽取单元,被配置成基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,抽取出有效数据;生成单元,被配置成针对上述前端原始感知数据、上述有效数据,利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。
本公开实施例的第五方面,提供了一种电子设备,包括存储器、处理器以及存储在存储器中并且可以在处理器上运行的计算机程序,该处理器执行计算机程序时实现上述方法的步骤。
本公开实施例的第六方面,提供了一种计算机可读存储介质,该计算机可读存储介质存储有计算机程序,该计算机程序被处理器执行时实现上述方法的步骤。
本公开的上述各个实施例中的一个实施例具有如下有益效果:本公开提供了一种桥梁结构健康监测系统,该系统包括:前端传感器网络和云端大数据平台;其中,上述前端传感器网络包括多种多感知维度的传感器及数据采集仪、一体化网关设备,上述前端传感器网络用于测量目标桥梁的前端原始感知数据,并由一体化网关设备根据物联网协议接入云端大数据平台;上述云端大数据平台自适应定义了边缘分析模式,用于支持基于上述前端原始感知数据执行边缘分析,抽取有效数据。本公开提供的桥梁结构健康监测系统可以利用前端传感器网络基于边缘分析模式采集前端原始感知数据以及抽取有效数据,以辅助分析桥梁健康情况。本公开提供的桥梁结构健康监测系统利用多种多感知维度传感器完成对前端原始感知数据的采集,抽取有效数据可以降低数据分析的工作量,也避免了无效数据对健康监测/评估结果的影响,对目标桥梁的评估过程还采用了多模态组合分析方式,提高评估结果的准确度。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的桥梁结构健康监测系统的一些实施例的结构示意图;
图2是根据本公开的桥梁结构健康监测方法的一些实施例的流程示意图;
图3是根据本公开的桥梁结构健康智能感知监测云平台的一些实施例的结构示意图;
图4是根据本公开的桥梁结构健康监测装置的一些实施例的结构示意图;
图5是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本公开实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本公开。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本公开的描述。
下面将结合附图详细说明根据本公开实施例的一种桥梁结构健康监测系统、方法、平台和电子设备。
图1是根据本公开的桥梁结构健康监测系统的一些实施例的结构示意图。如图1所示,该桥梁结构健康监测系统101,包括:前端传感器网络102和云端大数据平台103;上述前端传感器网络102包括多种多感知维度的传感器及数据采集仪、一体化网关设备,上述前端传感器网络用于测量目标桥梁的前端原始感知数据,并由一体化网关设备根据物联网协议接入云端大数据平台;上述云端大数据平台自适应定义了边缘分析模式,用于支持基于上述前端原始感知数据执行边缘分析,抽取有效数据。上文陈述的前端传感器网络102包括以下至少一项或几项:多感知维度传感器,计量仪表,车流量计数设备,称重设备,索力智能计。上文陈述的前端原始感知数据包括以下至少一项:结构维度感知数据,振动维度感知数据,载荷维度感知数据,环境维度感知数据,动态加速度维度感知数据。上文陈述的边缘分析模式包括以下至少一项:定时式,触发式,特征统计式。上文陈述的云端大数据平台103的功能包括以下至少一项或几项:对前端传感器网络102的平台接入,设备管理,协议解析,命令下发执行,前端传感器网络102的控制和监管。上文陈述的桥梁结构健康监测系统101还包括:智能分析评估平台104;上述智能分析评估平台104的功能至少包括:针对上述有效数据利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。上文陈述的桥梁结构健康监测系统还支持数据托管及评估托管功能,上述数据托管及评估托管功能用于在得到上述云端大数据平台授权后调取上述有效数据以及执行目标桥梁的健康程度的托管评估,得到托管评估结果。上文陈述的智能分析评估平台的功能至少还包括在接收到上述托管评估结果后执行预警,调试上述边缘分析模式。
本公开的上述各个实施例中的一个实施例具有如下有益效果:本公开提供了一种桥梁结构健康监测系统,该系统包括:前端传感器网络和云端大数据平台;其中,上述前端传感器网络包括多种多感知维度的传感器,用于测量目标桥梁的前端原始感知数据;上述云端大数据平台自适应定义了边缘分析模式,用于支持上述前端传感器网络基于上述前端原始感知数据执行边缘分析,抽取有效数据;上述前端传感器网络利用一体化网关设备根据物联网协议接入上述云端大数据平台。本公开提供的桥梁结构健康监测系统可以利用前端传感器网络基于边缘分析模式采集前端原始感知数据以及抽取有效数据,以辅助分析桥梁健康情况。本公开提供的桥梁结构健康监测系统仅用少量检测硬件即可完成对前端原始感知数据的采集,抽取有效数据可以降低数据分析的工作量,也避免了无效数据对健康监测/评估结果的影响。另外,边缘分析模式可以根据需求进行调试,以满足监测需求。该实施方式利用传感器网络与一体化网关设备、完成前端原始感知数据的采集,抽取有效数据可以降低数据分析的工作量;利用云端的大数据平台、完成海量数据的汇聚、治理、分析、共享,并充分利用多种人工智能的大数据分析,大幅度降低结构健康的评估阈值以及评估结构的人为因素,提升结构健康的评估阈值以及评估结构的科学性。
图2是本公开实施例提供的桥梁结构健康监测方法的流程示意图。如图2 所示,该桥梁结构健康监测方法,包括以下步骤:
步骤S201,控制安装于目标桥梁的前端传感器网络采集得到上述目标桥梁的前端原始感知数据。
在一些实施例中,桥梁健康智能感知监测的执行主体可以控制安装于目标桥梁的前端传感器网络采集得到上述目标桥梁的前端原始感知数据。
步骤S202,获取边缘分析模式。
在一些实施例中,上述执行主体可以在上述前端传感器网络利用一体化网关设备根据物联网协议接入云端大数据平台后,向上述云端大数据平台获取上述边缘分析模式。这里,边缘分析模式的定义可以用于表征对前端原始感知数据进行抽取有效数据的标准和方式。可选的,用户可以在上述云端大数据平台上对边缘分析模式进行管理。
在一些实施例的一些可选的实现方式中,上述边缘分析模式可以为定时式。具体地,定时式表征上述边缘分析模式定义为有效数据采样的时段范围和采样频率,上述前端传感器网络在上述时段范围内按照上述采样频率来采样得到有效数据,以及将上述有效数据上传至上述云端大数据平台。
在一些实施例的一些可选的实现方式中,上述边缘分析模式可以为触发式。具体地,触发式表征上述边缘分析模式定义为设置有效数据采样的判断阈值或触发条件和终止采样的触发条件,响应于确定满足上述判断阈值或满足上述触发条件时,根据预设的采样时长和采样频率进行采样得到有效数据,响应于确定满足上述终止采样的触发条件,终止采样。
在一些实施例的一些可选的实现方式中,上述边缘分析模式可以为特征统计式。具体地,特征统计式表征上述边缘分析模式定义为对前端原始感知数据进行统计获得统计特征的方式和统计时段的分布,上述前端传感器网络按照上述统计时段获得统计特征值作为有效数据,以及将上述有效数据上传至上述云端大数据平台。
步骤S203,基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,抽取出有效数据。
在一些实施例中,上述执行主体可以控制执行上述边缘分析模式的网关,基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,过滤异常数据和冗余数据,得到上述有效数据。这里,异常数据可以是数据中不在预设范围内的值超过预设数据项数的数据,冗余数据可以是数据长度超过预设阈值的数据。
步骤S204,针对上述前端原始感知数据、上述有效数据,利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。
在一些实施例中,上述执行主体可以基于上述前端原始感知数据进行静态评估和动态评估,得到静态评估结果和动态评估结果。然后,上述执行主体可以利用预先训练的深度学习神经网络,基于上述静态评估结果、上述动态评估结果、样例数据和历史数据,对上述前端原始感知数据和上述有效数据进行多模态组合分析,分析生成上述桥梁健康综合评估结果。这里,桥梁健康综合评估结果可以是用于描述桥梁健康程度的文字,也可以是用于表征桥梁健康程度的分数。这里,上述深度学习神经网络采用的训练数据集为上述目标桥梁的历史实测数据集。上述多模态组合分析可以是在静态评估和动态评估的基础上,利用有效数据运用神经网络再进行评估的组合分析,静态评估可以是根据目标桥梁在某时刻、某个受力点采集的数据作为目标桥梁整体采集数据的均值进行评估,动态评估可以是根据目标桥梁在某时段、各个受力点采集的数据变化过程中的完整数据来进行评估的。
在一些实施例的一些可选的实现方式中,上述方法还包括:基于上述桥梁健康综合评估结果,生成用于表征上述目标桥梁健康状况的预警信息;将上述预警信息传输至用于监测桥梁健康的具有显示功能的目标设备,以及控制上述目标设备显示上述预警信息。作为示例,预警信息可以是“目标桥梁的健康程度分数为70,建议适当维护”。
本公开的上述各个实施例中的一个实施例具有如下有益效果:首先,控制安装于目标桥梁的前端传感器网络采集得到上述目标桥梁的前端原始感知数据;然后,获取边缘分析模式;之后,基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,抽取出有效数据;最后,针对上述前端原始感知数据、上述有效数据,利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。本公开提供的桥梁结构健康监测方法可以在采集前端原始感知数据后对数据进行抽取得到有效数据,减少数据分析的工作量,提高分析效率。而后,利用深度学习神经网络进行多模态组合分析,提高分析评估结果的准确性。最后,将根据桥梁健康综合评估结果生成的预警信息传输及显示在用于监测桥梁健康的目标设备,有助于及时提示维护人员对桥梁进行维护工作。
上述所有可选技术方案,可以采用任意结合形成本申请的可选实施例,在此不再一一赘述。
下述为本公开装置实施例,可以用于执行本公开方法实施例。对于本公开装置实施例中未披露的细节,请参照本公开方法实施例。
图3是根据本公开的桥梁结构健康智能感知监测云平台的一些实施例的结构示意图。如图3所示,该桥梁结构健康智能感知监测云平台301,包括:云端平台302和桥梁结构健康监测系统303(图1中的101);上述云端平台302 至少包括:物联网接口3021、数据资源池3022、服务能力池3023,其中物联网接口3021用于支持前端传感器网络数据的边缘分析、抽取有效数据,数据资源池3022存储所有前端的监测数据、并形成专题、主题、模型的特殊数据库,服务能力池3023则数据的汇聚、治理、分析、共享数据操作;在服务能力池 3023中,利用神经网络及遗传算法的大数据分析、获得结构健康评估值阈值的进化结果形成自适应阈值库,利用多模态组合分析方式以及深度学习的人工智能算法、获得结构健康的多维度综合评估结果。在利用深度学习的人工智能算法时还采用了评估阈值、评估算法和评估预警的方式为获得多维度综合评估结果提供了帮助。桥梁结构健康智能感知监测云平台301还包括由上述物联网接口3021所连接的物联网平台、数据资源池3022、服务能力池3023支持的三个属于业务应用层3024的域,分别是评估域30241、运营域30242和决策域30243。上述评估域30241在上述服务能力池3023得出多维度综合评估结果的基础上,对评估结果的呈现的系统。上述运营域30242主要用于保障桥梁正常运行状态的运营系统。作为示例具体说明,桥梁日常运营管理工作中分为桥梁本身的运营管理和路面通行的运营管理,桥梁结构健康监测是对桥梁本身进行监测,包括结构、设备、供电等等的监测,路面通行的运营管理可以是监测路面是否有障碍物、车祸等。上述决策域30243为在上述物联网接口3021所连接的物联网平台、数据资源池3022、服务能力池3023对数据进行汇聚清洗后,对数据进行专题分析和呈现的系统。
图4是本公开实施例提供的桥梁结构健康监测装置的示意图。如图4所示,该桥梁结构健康监测装置包括:采集单元401、获取单元402、抽取单元403 和生成单元404。其中,采集单元401,被配置成控制安装于目标桥梁的前端传感器网络采集得到上述目标桥梁的前端原始感知数据;获取单元402,被配置成获取边缘分析模式;抽取单元403,被配置成基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,抽取出有效数据;生成单元404,被配置成针对上述前端原始感知数据、上述有效数据,利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。
在一些实施例的一些可选的实现方式中,上述边缘分析模式的定义表征对前端原始感知数据进行抽取有效数据的标准和方式,上述边缘分析模式包括以下至少一项:定时式,触发式,特征统计式。
在一些实施例的一些可选的实现方式中,上述定时式表征上述边缘分析模式定义为有效数据采样的时段范围和采样频率,上述前端传感器网络在上述时段范围内按照上述采样频率来采样得到有效数据,以及将上述有效数据上传至上述云端大数据平台。
在一些实施例的一些可选的实现方式中,上述触发式表征上述边缘分析模式定义为设置有效数据采样的判断阈值或触发条件和终止采样的触发条件,响应于确定满足上述判断阈值或满足上述触发条件时,根据预设的采样时长和采样频率进行采样得到有效数据,响应于确定满足上述终止采样的触发条件,终止采样。
在一些实施例的一些可选的实现方式中,上述特征统计式表征上述边缘分析模式定义为对前端原始感知数据进行统计获得统计特征的方式和统计时段的分布,上述前端传感器网络按照上述统计时段获得统计特征值作为有效数据,以及将上述有效数据上传至上述云端大数据平台。
在一些实施例的一些可选的实现方式中,桥梁结构健康监测装置的抽取单元403被进一步配置成:基于上述边缘分析模式,对上述前端原始感知数据进行边缘分析,过滤异常数据和冗余数据,得到上述有效数据。
在一些实施例的一些可选的实现方式中,桥梁健康智能感知监测装置被进一步配置成:基于上述桥梁健康综合评估结果,生成用于表征上述目标桥梁健康状况的预警信息;将上述预警信息传输至用于监测桥梁健康的具有显示功能的目标设备,以及控制上述目标设备显示上述预警信息。
可以理解的是,该装置中记载的诸单元与参考图2描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置及其中包含的单元,在此不再赘述。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本公开实施例的实施过程构成任何限定。
图5是本公开实施例提供的计算机设备5的示意图。如图5所示,该实施例的计算机设备5包括:处理器501、存储器502以及存储在该存储器502中并且可以在处理器501上运行的计算机程序503。处理器501执行计算机程序 503时实现上述各个方法实施例中的步骤。或者,处理器501执行计算机程序 503时实现上述各装置实施例中各模块/单元的功能。
示例性地,计算机程序503可以被分割成一个或多个模块/单元,一个或多个模块/单元被存储在存储器502中,并由处理器501执行,以完成本公开。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序503在计算机设备5中的执行过程。
计算机设备5可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算机设备。计算机设备5可以包括但不仅限于处理器501和存储器502。本领域技术人员可以理解,图5仅仅是计算机设备5的示例,并不构成对计算机设备5的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如,计算机设备还可以包括输入输出设备、网络接入设备、总线等。
处理器501可以是中央处理单元(Central Processing Unit,CPU),也可以是其它通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器502可以是计算机设备5的内部存储单元,例如,计算机设备5的硬盘或内存。存储器502也可以是计算机设备5的外部存储设备,例如,计算机设备5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,存储器 502还可以既包括计算机设备5的内部存储单元也包括外部存储设备。存储器 502用于存储计算机程序以及计算机设备所需的其它程序和数据。存储器502 还可以用于暂时地存储已经输出或者将要输出的数据。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本公开的范围。
在本公开所提供的实施例中,应该理解到,所揭露的装置/计算机设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/计算机设备实施例仅仅是示意性的,例如,模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本公开各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读存储介质中。基于这样的理解,本公开实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,计算机程序可以存储在计算机可读存储介质中,该计算机程序在被处理器执行时,可以实现上述各个方法实施例的步骤。计算机程序可以包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(Read-Only Memory,ROM)、随机存取存储器(Random Access Memory,RAM)、电载波信号、电信信号以及软件分发介质等。需要说明的是,计算机可读介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减,例如,在某些司法管辖区,根据立法和专利实践,计算机可读介质不包括电载波信号和电信信号。
以上实施例仅用以说明本公开的技术方案,而非对其限制;尽管参照前述实施例对本公开进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本公开各实施例技术方案的精神和范围,均应包含在本公开的保护范围之内。
Claims (10)
1.一种桥梁结构健康监测系统,其特征在于,桥梁结构健康监测系统包括:前端传感器网络和云端大数据平台;其中,所述前端传感器网络包括多种多感知维度的传感器及数据采集仪、一体化网关设备,所述前端传感器网络用于测量目标桥梁的前端原始感知数据,并由一体化网关设备根据物联网协议接入云端大数据平台;所述云端大数据平台自适应定义了边缘分析模式,用于支持基于所述前端原始感知数据执行边缘分析,抽取有效数据。
2.根据权利要求1所述的桥梁结构健康监测系统,其特征在于,所述前端传感器网络的传感器和数据采集仪包括以下至少一项或几项:多感知维度传感器,计量仪表,车流量计数设备,称重设备,索力智能计。
3.根据权利要求1所述的桥梁结构健康监测系统,其特征在于,所述前端原始感知数据包括以下至少一项:结构维度感知数据,振动维度感知数据,载荷维度感知数据,环境维度感知数据,动态加速度维度感知数据。
4.根据权利要求1所述的桥梁结构健康监测系统,其特征在于,所述边缘分析模式包括以下至少一项:定时式,触发式,特征统计式。
5.根据权利要求1所述的桥梁结构健康监测系统,其特征在于,所述云端大数据平台的功能包括以下至少一项或几项:对前端传感器网络的平台接入,设备管理,协议解析,命令下发执行,前端传感器网络的控制和监管。
6.根据权利要求1所述的桥梁结构健康监测系统,其特征在于,所述桥梁结构健康监测系统还包括:智能分析评估平台;所述智能分析评估平台的功能至少包括:针对所述有效数据利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。
7.根据权利要求6所述的桥梁结构健康监测系统,其特征在于,所述桥梁结构健康监测系统还支持数据托管及评估托管功能,所述数据托管及评估托管功能用于在得到所述云端大数据平台授权后调取所述有效数据以及执行目标桥梁的健康程度的托管评估,得到托管评估结果。
8.根据权利要求7所述的桥梁结构健康监测系统,其特征在于,所述智能分析评估平台的功能至少还包括在接收到所述托管评估结果后执行预警,调试所述边缘分析模式。
9.一种桥梁结构健康监测方法,包括:
控制安装于目标桥梁的前端传感器网络采集得到所述目标桥梁的前端原始感知数据;
获取边缘分析模式;
基于所述边缘分析模式,对所述前端原始感知数据进行边缘分析,抽取出有效数据;
针对所述前端原始感知数据、所述有效数据,利用预先训练的深度学习神经网络进行多模态组合分析,得到桥梁健康综合评估结果。
10.一种桥梁结构健康智能感知监测云平台,包括:云端平台和桥梁结构健康监测系统;所述云端平台至少包括:物联网接口、数据资源池、服务能力池,其中物联网接口用于支持前端传感器网络数据的边缘分析、抽取有效数据,数据资源池存储所有前端的监测数据、并形成专题、主题、模型的特殊数据库,服务能力池则数据的汇聚、治理、分析、共享数据操作;在服务能力池中,利用神经网络及遗传算法的大数据分析、获得结构健康评估值阈值的进化结果形成自适应阈值库,利用多模态组合分析方式以及深度学习的人工智能算法、获得结构健康的多维度综合评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211025378.8A CN115314528A (zh) | 2022-08-25 | 2022-08-25 | 桥梁结构健康监测系统、方法和平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211025378.8A CN115314528A (zh) | 2022-08-25 | 2022-08-25 | 桥梁结构健康监测系统、方法和平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115314528A true CN115314528A (zh) | 2022-11-08 |
Family
ID=83863995
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211025378.8A Pending CN115314528A (zh) | 2022-08-25 | 2022-08-25 | 桥梁结构健康监测系统、方法和平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115314528A (zh) |
-
2022
- 2022-08-25 CN CN202211025378.8A patent/CN115314528A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111459700B (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN110912737A (zh) | 一种基于混合模型的动态感知性能预告警方法 | |
CN111045894A (zh) | 数据库异常检测方法、装置、计算机设备和存储介质 | |
CN113592019A (zh) | 基于多模型融合的故障检测方法、装置、设备及介质 | |
CN111797815A (zh) | 基于深度学习的复杂装备健康评估方法及系统 | |
CN114325405A (zh) | 电池组一致性分析方法、建模方法、装置、设备及介质 | |
CN116413604A (zh) | 一种电池参数监测方法、系统、装置及存储介质 | |
CN111638988A (zh) | 一种基于深度学习的云主机故障智能预测方法 | |
CN113268403A (zh) | 时间序列的分析预测方法、装置、设备及存储介质 | |
CN112801315A (zh) | 电力二次设备的状态诊断方法、装置及终端 | |
CN116711339A (zh) | 用于监测水质的系统和方法 | |
CN111007452A (zh) | 一种数据采集系统的故障诊断方法及装置 | |
CN113313304A (zh) | 一种基于大数据决策树的电网事故异常分析方法及系统 | |
CN110413482B (zh) | 检测方法和装置 | |
CN110769003B (zh) | 一种网络安全预警的方法、系统、设备及可读存储介质 | |
CN112595537A (zh) | 基于信号分析的设备健康状态监控方法、系统及存储介质 | |
CN117149565A (zh) | 云平台关键性能指标的状态检测方法、装置、设备及介质 | |
CN115314528A (zh) | 桥梁结构健康监测系统、方法和平台 | |
CN108535033A (zh) | 虚拟传感器及其健康监测智能决策系统 | |
CN114312930B (zh) | 基于日志数据的列车运行异常诊断方法和装置 | |
Khokhlov et al. | Data security and quality evaluation framework: Implementation empirical study on android devices | |
CN110263811B (zh) | 一种基于数据融合的设备运行状态监测方法及系统 | |
CN113220551A (zh) | 指标趋势预测及预警方法、装置、电子设备及存储介质 | |
CN113688004A (zh) | 云平台时序监控数据管理方法、装置、设备及存储介质 | |
CN113197116A (zh) | 生猪健康监测及出栏时间评估方法、终端设备及存储介质 |
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 | ||
CB02 | Change of applicant information | ||
CB02 | Change of applicant information |
Address after: 401120 8th floor, building 12, No.106, west section of Jinkai Avenue, Yubei District, Chongqing Applicant after: Chongqing Aishouhui Technology Co.,Ltd. Address before: 401120 8th floor, building 12, No.106, west section of Jinkai Avenue, Yubei District, Chongqing Applicant before: Chongqing Zheda New Technology Co.,Ltd. |