CN116011816A - 一种面向建筑结构的多灾害监测与预警方法和装置 - Google Patents
一种面向建筑结构的多灾害监测与预警方法和装置 Download PDFInfo
- Publication number
- CN116011816A CN116011816A CN202310019471.6A CN202310019471A CN116011816A CN 116011816 A CN116011816 A CN 116011816A CN 202310019471 A CN202310019471 A CN 202310019471A CN 116011816 A CN116011816 A CN 116011816A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- early warning
- data
- building structure
- crack
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 63
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000004927 fusion Effects 0.000 claims abstract description 15
- 230000036541 health Effects 0.000 claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 13
- 238000005516 engineering process Methods 0.000 claims abstract description 9
- 238000000605 extraction Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims abstract description 3
- 239000011159 matrix material Substances 0.000 claims description 21
- 230000006378 damage Effects 0.000 claims description 18
- 238000005259 measurement Methods 0.000 claims description 11
- 238000011161 development Methods 0.000 claims description 9
- 230000005540 biological transmission Effects 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000007405 data analysis Methods 0.000 claims description 5
- 238000013135 deep learning Methods 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 238000007689 inspection Methods 0.000 claims description 5
- 238000000513 principal component analysis Methods 0.000 claims description 4
- 208000027418 Wounds and injury Diseases 0.000 claims description 3
- 238000004140 cleaning Methods 0.000 claims description 3
- 238000000354 decomposition reaction Methods 0.000 claims description 3
- 238000003745 diagnosis Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 208000014674 injury Diseases 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 229910000831 Steel Inorganic materials 0.000 claims description 2
- 238000005336 cracking Methods 0.000 claims description 2
- 230000006870 function Effects 0.000 claims description 2
- 230000035939 shock Effects 0.000 claims description 2
- 239000010959 steel Substances 0.000 claims description 2
- 230000001960 triggered effect Effects 0.000 claims description 2
- 238000012795 verification Methods 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 3
- 238000001514 detection method Methods 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
Images
Landscapes
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种面向建筑结构的多灾害监测与预警方法和装置，包括无人机、具备边缘计算能力和集成无线通信模块的倾斜仪、拉线式裂缝计、应变计、强震仪、云服务平台以及轻量化的B/S架构的监测预警软件，而且针对多种监测数据采用了主成分分析的技术进行特征提取，并采用贝叶斯理论进行信息融合分析和结构健康状态评估。本发明提供的技术方案解决了背景技术中提到的传统建筑结构沉降、倾斜、裂缝监测方法实时性差、效率低下、预测可靠性低等缺点。
Description
技术领域
本发明涉及建筑结构的裂缝监测技术领域，尤其是一种面向建筑结构的多灾害监测与预警方法和装置。
背景技术
随着经济社会的快速发展，建筑结构的规模越来越大，对安全性的要求也越来越高。建筑结构在施工、运营期间，由于受到各种不利因素的影响，其中包括设计缺陷、施工偏差、年久失修、台风地震等极端自然灾害、周遭环境变动(地下空间的高度开发、地铁隧道盾构、周边深基坑开挖)、填海地区和软弱地层等等，常常会导致建筑结构发生不均匀沉降进而产生一定的变形，当变形达到一定阈值时，建筑结构中一些较为薄弱的、负担较大的构件就会出现裂缝，进一步会导致构件断裂、结构倾斜和倒塌，危害人民群众的生命财产安全。但是，并不是建筑结构一旦出现沉降、倾斜和裂缝就要立刻停止建筑的使用，在周遭环境没有大幅度变动的情况下，建筑结构的变形在一定时间内会趋于稳定，此时沉降、倾斜和裂缝可能不再继续发展、危害程度较小，通过一定的技术手段对建筑裂缝进行填补和倾斜进行纠正之后建筑依然可以正常使用。因此，当建筑结构由于不均匀沉降导致的倾斜和裂缝之后，为了及时了解倾斜和裂缝的发展情况，预测倾斜和裂缝的发展趋势，评估建筑的安全状况，更为了对重大安全事故提前预警，采取便利和高效的只能感知监测系统和软件系统对建筑结构沉降、倾斜和裂缝进行监测与预警是非常有必要的。
传统的建筑结构裂缝监测多采用人工监测形式，需要专业人员使用全站仪和裂缝探测仪对沉降、倾斜和裂缝进行周期性的测量，缺点如下：一是实时性差，人工测量的周期较长，一些突发的、紧急的安全事故无法被预警；二是效率低下，当待监测建筑的规模较大、建筑结构裂缝较多时，人工测量需要耗费较长的时间；三是可靠性低，人工监测的测量周期过长，导致常规检测获得的倾斜、裂缝、应力应变、强震动数据过少，难以对倾斜和裂缝的发展趋势进行准确的分析；四是专业性太强，常规倾斜和裂缝检测需要专业机构有经验的技术人员操作仪器设备测量，而且检测报告复杂难懂，不容易向一般房屋住户有效地发布检测结果和预警信息。
发明内容
(一)要解决的技术问题
传统建筑结构沉降、倾斜、裂缝监测方法具有实时性差、效率低下、预测可靠性低等缺点。
(二)技术方案
一种面向建筑结构的多灾害监测与预警方法和装置，采用多元感知监测技术对多种灾害进行联合监测并将多种监测数据对应的多元健康评估信息进行数据融合，获得对建筑结构的健康状态和多灾害风险的综合安全评估结果，具体的步骤包括：
S10：通过无人机、具备边缘计算能力和集成无线通信模块的倾斜仪、拉线式裂缝计、应变计、强震仪，以及如下步骤对多种监测数据采进行主成分分析和特征提取：
S1：设对m个参数进行n次的观测，得到一个原始数据矩阵X：
S2：对原始数据标准化，采用如下标准差标准化的公式：
其中，
为Xj的均值，sj为Xj的标准差，标准化之后的原始矩阵作X′；
S3：根据如下公式计算相关矩阵：
其中，标准化后的矩阵相关矩阵R为其协方差矩阵；
S4：对样本数据相关矩阵R作特征分解，得到前m阶的特征值λ1≥λ2≥…≥λm≥0；并定义第j个主成分贡献率
前p个主成分的累计贡献率
S5：求出每个特征值对应的特征向量就是相关系数aij，代入如下计算公式：
即可求得各阶所述主成分，其中Y1、Y2和Ym分别是第1、2和m阶的主成分；
S20：采用贝叶斯理论对提取的数据进行信息融合分析和结构健康状态评估；设多种建筑结构的灾害工况集合为{A1 A2…An}，多种监测数据对应的多元健康评估指标为{B1B2…Bm}，并通过如下公式进行多元数据融合：
其中，P(Aj)为先验概率，即发生Aj建筑结构发生损伤事件的概率，而P(Bk|Aj)则为指标Bk对Aj损伤的诊断，P(Ai|B)是基于贝叶斯理论获得的多元数据融合指标，用于对建筑结构的健康状态和多灾害风险进行综合的评估。
(三)有益效果
本发明主要有如下优点：研发一种面向建筑结构不均匀沉降导致的倾斜和裂缝的联合的同步的实时在线监测预警系统，该系统能以较高的测量频率实时在线获取倾斜、裂缝、应变、强震动的测量数据，并基于边缘计算技术实现分布式测点的独立运算从而实现比传统中央计算方式更快速的实时预警；效率高，全自动化的倾斜和裂缝测量、数据传输、数据处理及管理，实现了对监测点的远距离监测和24小时无人值守，效率显著提升；预测可靠性高，较高的测量频率能够获取大量的倾斜和裂缝数据，在此基础上对倾斜和裂缝的发展趋势和分布特征进行联合分析和概率统计，大大提高了分析的准确性以及预测的可靠性；实用性好，通过设置阈值设置不同的预警等级，预警等级分三级，不同级别的预警等级对应不同的结构安全状态，并根据预警级别提供预警处置建议，为应急管理和处置提供参考；基于云平台和B/C架构的轻量化软件设计，而且采用简化的预警信息发布方法，并开放上传事故图片模块，用户可以将建筑事故图片上传至系统，便于业主进行管理及维护，同时有利于建筑结构安全监测预警信息系统在一般住户人群中普及和推广。
附图说明
图1为本发明实施例中基于机器视觉和深度学习的结构裂缝识别的示意图；
图2为本发明实施例中面向建筑结构不均匀沉降导致的倾斜和裂缝的实时在线监测与预警系统的示意图；
图3为本发明实施例中面向建筑结构的多灾害监测的安全预警信息分级处置流程图；
图4为本发明实施例中结构安全监测分级预警的预警阈值。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。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。
参考图1至图4，本发明提供一种面向建筑结构的多灾害监测与预警方法和装置，包括：无人机、倾斜仪、拉线式裂缝计、应变计、强震仪、摄像头、云服务平台以及轻量化的B/S架构的监测预警软件。
针对人工巡检较难到达和拍摄建筑的高层外立面，无法大规模获取建筑群的图像和视频数据的问题，首先基于无人机拍摄图像和视频的建筑结构沉降和外部损伤计算机视觉识别技术，包含结构不均匀沉降、墙体裂缝、结构倾斜、柱脚破坏等多类型建筑外表面损伤的图像视频数据库，基于计算机视觉和深度学习的多类型损伤识别和定位算法，从大量无人机拍摄的图像和视频中识别损伤的类型、程度和外观形态，并利用无人机的GPS定位信息进行城市建筑发生不均匀位置的定位，进而融合损伤的类型、程度和空间位置等信息进行建筑结构和建筑的灾害风险状态评估。
倾斜仪、裂缝计、应变计、和强震仪包括测量模块、边缘计算模块、5G/4G无线传输模块和太阳能供电模块。其中，供电模块为测量模块、边缘计算模块、无线传输模块供电；测量模块用于感测建筑结构倾角/裂缝宽度/应变/强震动；边缘计算模块用于在每个独立的测量节点上实现数据清洗和滤波，并实时计算倾斜/裂缝/应变/强震动的简易安全预警指标；5G/4G无线传输模块结合物联网卡用于将测量到的数据发送给云服务平台；云服务平台接收并记录所述倾斜仪、裂缝计、应变计、强震仪发送来的倾斜度、裂缝宽度、应变、强震仪数据，并提供给监测预警软件；监测预警软件从云服务平台获取倾斜度、裂缝宽度、应变和振动数据，并进一步对多元数据进行深度融合和分析处理，包括基于倾斜、裂缝、应变、强震动实时监测数据进行主成分分析分析，最终通过电脑或者手机的浏览器将结果展示给用户。
进一步地，测量模块采用具备边缘计算能力的高精度的倾斜仪，精度可达到0.01度，安装在楼顶四角或对角线上任意两角；具备边缘计算能力的高精度拉线式位移计，精度可达到0.01mm，安装在裂缝两侧，具备边缘计算能力的应变计，非线性度小于0.1％FS，安装在裂缝处及关键受力构件截面处；具备边缘计算能力的应变计，安装在建筑结构关键受力构件上；具备边缘计算能力的强震仪，线性度误差小于0.05％，安装在建筑结构基础部位；测量模块具备边缘计算能力因此可以在每个节点上进行简易数据分析和预警指标计算，实现分布式的独立的实时在线监测和预警。
进一步地，监测软件采用B/S架构轻量化开发的设计理念，用户不需要安装特定的客户端软件，使用任意Web浏览器即可登录监测预警系统，大大降低了用户的使用成本，同时也大大降低了监测软件的安装、维护成本。
进一步地，监测软件包含预警功能，当倾斜、裂缝、应变和振动监测值超过预先设定的值时(阈值设置见图4)，触发预警系统，软件界面弹出警告信息，同时向工作人员发送短信警报以及Email警报，为了简化专业检测报告的复杂信息和提高推广应用效率，监测预警系统基于数据分析的结果创新性地采用极简化的红黄蓝三级预警信息发布方法：一级预警(用蓝色警示)代表接近或超过结构正常使用条件下界限值，但不会对结构安全、正常使用产生影响；二级预警(用黄色警示)代表可能对结构安全、人群舒适度产生显著影响；三级预警(用红色警示)代表监测数据接近结构安全界限值，严重影响结构安全、正常使用和人群舒适度时。
针对各级预警级别提出相应的预警处置方法：蓝色预警提醒业主单位对结构可能出现的安全隐患加强关注；黄色预警警示业主单位应对某些构件或部位连续密切关注，采取适当检查、管制等措施；红色预警警示业主单位结构可能存在严重安全隐患，应采取必要的管制措施，并进行结构状态评估。
具体地，对实时样本数据和健康样本数据分别进行进主成分析和特征提取，通过如下步骤计算获得：
步骤1：假设对m个参数进行n次的观测，则能得到一个原始数据矩阵X：
步骤2：对原始数据标准化，采用如下标准差标准化的公式：
其中，
为Xj的均值，sj为Xj的标准差，标准化之后的原始矩阵作X′；
步骤3：根据如下公式计算相关矩阵：
其中，标准化后的矩阵相关矩阵R为其协方差矩阵；
步骤4：对样本数据相关矩阵R作特征分解，得到前m阶的特征值λ1≥λ2≥…≥λm≥0；并定义第j个主成分贡献率
前p个主成分的累计贡献率
步骤5：求出每个特征值对应的特征向量就是相关系数aij，代入如下计算公式：
即可求得各阶所述主成分，其中Y1、Y2和Ym分别是第1、2和m阶的主成分。
采用贝叶斯理论进行融合处理时，设多种建筑结构的灾害工况集合为{A1 A2…An}，多种监测数据对应的多元健康评估指标为{B1 B2…Bm}，并通过如下公式进行多元数据融合：
其中，P(Aj)为先验概率，即发生Aj建筑结构发生损伤事件的概率，而P(Bk|Aj)则为指标Bk对Aj损伤的诊断，P(Ai|B)是基于贝叶斯理论获得的多元数据融合指标，可以对建筑结构的健康状态和多灾害风险进行综合的评估。
进一步地，采用无人进行定期的巡检，基于视频和图像感知技术并结合深度学习方法进行数据分析和特征提取，可以对建筑结构局部的开裂、混凝土剥落和钢筋暴露等损伤进行定位和评估，并将相关的分析结果上传到云服务平台的监测预警系统。
进一步地，云服务平台将应变计发送来的数据，采用雨流法和Miner准则计算构件疲劳累积损伤量，以判断裂缝成因及发展趋势。
以上是对本发明广域感知和地下三维成像联合的建筑群沉降监测预警方案进行的阐述，用于帮助理解本发明；但本发明的实施方式并不受上述实施例的限制，任何未背离本发明原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (9)
1.一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于采用多元感知监测技术对多种灾害进行联合监测并将多种监测数据对应的多元健康评估信息进行数据融合，获得对建筑结构的健康状态和多灾害风险的综合安全评估结果，具体的步骤包括：
S10：通过无人机、具备边缘计算能力和集成无线通信模块的倾斜仪、拉线式裂缝计、应变计、强震仪，以及如下步骤对多种监测数据采进行主成分分析和特征提取：
S1：设对m个参数进行n次的观测，得到一个原始数据矩阵X：
S2：对原始数据标准化，采用如下标准差标准化的公式：
其中，
为Xj的均值，sj为Xj的标准差，标准化之后的原始矩阵作X′；
S3：根据如下公式计算相关矩阵：
其中，标准化后的矩阵相关矩阵R为其协方差矩阵；
S4：对样本数据相关矩阵R作特征分解，得到前m阶的特征值λ1≥λ2≥…≥λm≥0；并定义第j个主成分贡献率
前p个主成分的累计贡献率
S5：求出每个特征值对应的特征向量就是相关系数aij，代入如下计算公式：
即可求得各阶所述主成分，其中Y1、Y2和Ym分别是第1、2和m阶的主成分；
S20：采用贝叶斯理论对提取的数据进行信息融合分析和结构健康状态评估；设多种建筑结构的灾害工况集合为{A1A2…An}，多种监测数据对应的多元健康评估指标为{B1B2…Bm}，并通过如下公式进行多元数据融合：
其中，P(Aj)为先验概率，即发生Aj建筑结构发生损伤事件的概率，而P(Bk|Aj)则为指标Bk对Aj损伤的诊断，P(Ai|B)是基于贝叶斯理论获得的多元数据融合指标，用于对建筑结构的健康状态和多灾害风险进行综合的评估。
2.如权利要求1所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，所述S10包括：
基于计算机视觉和深度学习的多类型损伤识别和定位算法，从大量无人机拍摄的图像和视频中识别损伤的类型、程度和外观形态，并利用无人机的GPS定位信息进行城市建筑发生不均匀位置的定位，进而融合损伤的类型、程度和空间位置等信息进行建筑结构和建筑的灾害风险状态评估；
其中，基于无人机拍摄图像和视频的建筑结构沉降和外部损伤计算机视觉识别技术，包含结构不均匀沉降、墙体裂缝、结构倾斜、柱脚破坏多类型建筑外表面损伤的图像视频数据库。
3.如权利要求2所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，在S10中，对于用无人机排查出有安全隐患的重点建筑物，在所述重点建筑物中安装包括测量模块、边缘计算模块、以及5G/4G无线传输模块和太阳能供电模块的倾斜仪、裂缝计、应变计和强震仪；
其中，所述测量模块用于感测建筑结构的倾角/裂缝宽度/应变/强震动；
所述边缘计算模块用于在每个测量节点上实现数据的清洗和滤波，并实时计算倾斜/裂缝/应变/振动的简易安全预警指标；
所述5G/4G无线传输模块结合物联网卡用于将测量到的数据发送给云服务平台；
所述太阳能供电模块为所述测量模块、边缘计算模块、无线传输模块供电；
所述云服务平台接收并记录所述倾斜仪、裂缝计、应变计和强震仪发送来的倾斜度、裂缝宽度、应变和振动数据，并提供给监测预警软件；
所述监测预警软件从所述云服务平台获取所述多种监测数据后进一步对数据进行深度融合和分析处理，包括基于倾斜、裂缝、应变和振动监测数据进行主成分分析和采用贝叶斯理论进行信息融合分析，最终通过电脑或者手机的浏览器将结果展示给用户。
4.如权利要求3所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，所述监测软件包含预警功能，当倾斜/裂缝/应力应变/强震动监测值超过预先设定的值时，触发预警系统，软件界面弹出警告信息及应急处置方式，同时向工作人员发送短信警报以及Email警报。
5.如权利要求3所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，所述测量模块采用高精度的倾斜仪，精度达到0.01度；采用高精度拉线式裂缝计，精度达到0.01mm，安装在裂缝两侧；采用的应变计非线性度小于0.1％FS，安装在裂缝处及关键受力构件截面处；采用的强震仪线性度误差小于0.05％，安装在建筑结构基础部位。
6.如权利要求3所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，所述测量模块同时用于感测建筑结构的倾角/裂缝的宽度/应力应变/强震动并进行相互的预警校验，所述的边缘计算模块用于在每个测量节点上实现数据的清洗和滤波，并实时计算倾斜/裂缝/应力应变/强震动的简易安全预警指标，所述无线传输模块结合物联网卡用于将测量到的数据发送给所述云服务平台。
7.如权利要求3所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，所述云服务平台将应变计发送来的数据，采用雨流法和Miner准则计算构件疲劳累积损伤量，以判断裂缝成因及发展趋势。
8.如权利要求1至7任一项所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，采用无人进行定期的巡检，基于视频和图像感知技术并结合深度学习方法进行数据分析和特征提取，对建筑结构局部的开裂、混凝土剥落和钢筋暴露等损伤进行定位和评估，并将相关的分析结果上传到云服务平台的监测预警系统。
9.如权利要求8所述的一种面向建筑结构的多灾害监测与预警方法和装置，其特征在于，所述的监测预警系统基于数据分析的结果创新性地采用极简化的红黄蓝三级预警信息发布方法，蓝色预警代表接近或超过结构正常使用条件下界限值，但不会对结构安全、正常使用产生影响；黄色预警代表可能对结构安全、人群舒适度产生显著影响；红色预警代表监测数据接近结构安全界限值，严重影响结构安全、正常使用和人群舒适度。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310019471.6A CN116011816A (zh) | 2023-01-06 | 2023-01-06 | 一种面向建筑结构的多灾害监测与预警方法和装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310019471.6A CN116011816A (zh) | 2023-01-06 | 2023-01-06 | 一种面向建筑结构的多灾害监测与预警方法和装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116011816A true CN116011816A (zh) | 2023-04-25 |
Family
ID=86022967
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310019471.6A Pending CN116011816A (zh) | 2023-01-06 | 2023-01-06 | 一种面向建筑结构的多灾害监测与预警方法和装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116011816A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117033951A (zh) * | 2023-10-10 | 2023-11-10 | 广州大学 | 多层及高层组合剪力墙结构地震损伤等级评估方法及系统 |
| CN117522195A (zh) * | 2023-11-06 | 2024-02-06 | 北京住总集团有限责任公司 | 一种住宅质量检测评估系统和方法 |
-
2023
- 2023-01-06 CN CN202310019471.6A patent/CN116011816A/zh active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117033951A (zh) * | 2023-10-10 | 2023-11-10 | 广州大学 | 多层及高层组合剪力墙结构地震损伤等级评估方法及系统 |
| CN117033951B (zh) * | 2023-10-10 | 2024-05-14 | 广州大学 | 多层及高层组合剪力墙结构地震损伤等级评估方法及系统 |
| CN117522195A (zh) * | 2023-11-06 | 2024-02-06 | 北京住总集团有限责任公司 | 一种住宅质量检测评估系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2023061039A1 (zh) | 基于物联网的尾矿库风险监测预警系统 | |
| KR102112046B1 (ko) | 시설물 안전진단 및 유지관리 방법 | |
| CN116011816A (zh) | 一种面向建筑结构的多灾害监测与预警方法和装置 | |
| CN108051450B (zh) | 一种基于无人机的桥梁健康检测系统及方法 | |
| Ding et al. | Development of web-based system for safety risk early warning in urban metro construction | |
| US10641898B1 (en) | Structural displacement measurement using unmanned aerial vehicles equipped with lasers | |
| CN114169548B (zh) | 一种基于bim的公路桥梁管养phm系统和方法 | |
| CN110858334A (zh) | 道路安全评估方法、装置及道路安全预警系统 | |
| CN113900381B (zh) | 一种基于物联网的钢结构远程健康监测平台及应用方法 | |
| JP7065477B2 (ja) | 災害状況判定システムおよび災害判定飛行システム | |
| CN116580532A (zh) | 一种基于雷达遥感技术的地质灾害预警系统 | |
| JP2015162095A (ja) | 地すべり保全管理システムおよび地すべり保全管理方法 | |
| CN112903008B (zh) | 基于多传感数据融合技术的山体滑坡预警方法 | |
| CN117292230A (zh) | 基于多模态大模型的建筑物震害损伤智能评估方法 | |
| CN113503912A (zh) | 一种城市轨道交通土建设施健康状态实时监控系统 | |
| JP7141309B2 (ja) | 地盤変位に起因する災害発生危険度定量評価システムとその方法とそのプログラム | |
| Hatoum et al. | The use of drones in the construction industry: applications and implementation | |
| CN118212747A (zh) | 一种多源信息融合的边坡灾害智能监测预警系统及方法 | |
| CN113887019A (zh) | 一种基于灰色关联的基坑整体的预警状态评价方法 | |
| CN111666910B (zh) | 一种机场净空区障碍物检测方法、装置、和电子产品 | |
| Ding et al. | Bridge inspection and management system based on smart phone | |
| CN116739357B (zh) | 多模态融合感知的城市既有建筑广域监测预警方法及装置 | |
| CN118278293B (zh) | 一种基于数据分析的公路施工安全防护系统 | |
| JP2020084589A (ja) | 斜面安定性評価システム、及び斜面安定性評価方法 | |
| Ni | Structural health monitoring for civil infrastructure systems: from research to application |
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 |