CN116049958A - 历史建筑结构监测数据异常诊断与修复系统 - Google Patents

历史建筑结构监测数据异常诊断与修复系统 Download PDF

Info

Publication number
CN116049958A
CN116049958A CN202310086929.XA CN202310086929A CN116049958A CN 116049958 A CN116049958 A CN 116049958A CN 202310086929 A CN202310086929 A CN 202310086929A CN 116049958 A CN116049958 A CN 116049958A
Authority
CN
China
Prior art keywords
monitoring data
building structure
historical building
data
model
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
Application number
CN202310086929.XA
Other languages
English (en)
Inventor
张英楠
张书楷
谷志旺
张铭
李海青
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Construction No 4 Group Co Ltd
Original Assignee
Shanghai Construction No 4 Group Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shanghai Construction No 4 Group Co Ltd filed Critical Shanghai Construction No 4 Group Co Ltd
Priority to CN202310086929.XA priority Critical patent/CN116049958A/zh
Publication of CN116049958A publication Critical patent/CN116049958A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/10—Geometric CAD
    • G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/23—Design optimisation, verification or simulation using finite element methods [FEM] or finite difference methods [FDM]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Artificial Intelligence (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Testing And Monitoring For Control Systems (AREA)

Abstract

本发明提供了一种历史建筑结构监测数据异常诊断与修复系统，包括：设置历史建筑结构监测设备，获得历史建筑结构监测数据，并进行历史建筑结构监测数据的预处理操作，数据标准化处理；数据预处理后进行训练模型，得到最终监测物理量的预测结果，随着监测过程的进行，新的历史建筑结构监测数据可以加入模型训练，在监测中不断完善模型；结合模型预测结果，选取合适的异常判断指标，判断后续监测过程中是否存在数据异常情况，若某一时间段内出现异常数据，则利用预测反演数据对历史建筑结构监测数据进行修复。实现历史建筑结构监测数据异常诊断与修复方法，解决传统的历史建筑结构监测遇到数据异常无法修复的问题，提高历史建筑结构监测数据的异常诊断、异常修复以及反演预测能力。

Description

历史建筑结构监测数据异常诊断与修复系统
技术领域
本发明涉及一种历史建筑结构监测数据异常诊断与修复系统。
背景技术
历史建筑主体结构服役过程中，不仅会受到日晒、风蚀、雨淋、地基沉降、钢结构生锈、混凝土收缩等不利因素的作用，还会遭受温度变化等平稳荷载的影响。目前，部分历史建筑结构已安装相应的监测设备，实现对历史建筑结构实施位移、应力、应变等物理量(以下简称“监测物理量”)的监测。
已有的监测的实践过程中，历史建筑结构监测数据除了会受到温度、结构实际应力状态等情况的影响以外，还会受到由于传感器损坏或者异常等情况的影响。已有的对历史建筑结构监测数据异常判断方法，仅能通过人为设置阈值的手段来确定异常情况，这种阈值设置仅能依据有限元分析以及历史经验，无法深刻挖掘极限阈值范围内物理量实时变化中的隐藏风险。
另外，对这种异常出现后的数据修复过程，传统方法并没有给出一种较为合理可靠的修复方法，这导致当历史建筑结构监测数据出现异常时，无法对数据异常进行修补，只能显示出现异常的数据，影响对历史建筑结构监测数据的分析过程。
发明内容
本发明的目的在于提供一种历史建筑结构监测数据异常诊断与修复系统。
为解决上述问题，本发明提供一种历史建筑结构监测数据异常诊断与修复系统，包括：
监测数据采集与预处理模块，用于按照模型建立与训练模块要求，将历史建筑结构监测数据处理为符合模型输入的数据结构形式；
监测数据预测反演模块，用于模型的建立和训练工作，以使模型对预处理后数据进行学习，提取历史建筑结构监测数据规律，以输出反演信息；
监测数据异常判断模块，用于根据监测数据预测反演模块输出的反演信息，与实际传感器获得的历史建筑结构监测数据相对比，判断传感器采集的历史建筑结构监测数据是否发生异常情况；
结构监测数据修复模块，用于对历史建筑结构监测数据中出现异常时段内的数据，替换为监测数据预测反演模块输出的反演信息。
进一步的，在上述系统中，所述监测数据采集与预处理模块，还用于监测设备的数量、布置可结合有限元分析和实际工程经验设置。
进一步的，在上述系统中，所述监测数据采集与预处理模块，还用于进行历史建筑结构监测数据的前期处理，使监测信息以符合模型训练、测试、预测以及预警要求的形式进入监测数据预测反演模块，对数据进行标准化处理。
进一步的，在上述系统中，所述模型采用基于人工智能的深度学习网络模型，模型的输入为时序温度和之前结构响应数据，模型的输出为待预测反演数据。
进一步的，在上述系统中，所述模型采用DNN、RNN、LSTM或Transformer深度学习模型。
进一步的，在上述系统中，所述模型的训练过程采用SGD或Adam的优化算法，直至目标损失函数达到预先设置期望值时，停止训练。
进一步的，在上述系统中，所述监测数据异常判断模块，用于当选取判断传感器采集的历史建筑结构监测数据是否发生异常的指标超过预设范围，则判定该段时间内历史建筑结构监测数据存在异常，将历史建筑结构监测数据中出现异常时段内的数据传至结构监测数据修复模块。
进一步的，在上述系统中，所述监测数据异常判断模块，用于选择不同的判断传感器采集的历史建筑结构监测数据是否发生异常的指标。
进一步的，在上述系统中，所述不同的判断传感器采集的历史建筑结构监测数据是否发生异常的指标，包括：一天内的反演信息与传感器数据差值的标准差、均值或极值。
与现有技术相比，本发明的有益效果主要有以下几点：
(1)高效数据异常诊断。本方法从人工智能的角度出发，提出预测反演数据与实时数据对比的方法，选取合适特征量，判断历史建筑结构监测数据是否出现异常，适用面更广，直接根据人工智能模型判断监测系统异常情况；
(2)高效数据异常修复。本方法根据预测反演数据，对监测传感器出现异常的部分进行数据修复，有效提高历史建筑结构监测数据分析处理能力，增强监测系统鲁棒性。同时基于数据的方法，比有限元求解过程更为高效。
附图说明
图1是本发明一实施例的历史建筑结构监测数据异常诊断与修复系统的示意图；
图2是本发明一实施例的结构响应预测与异常诊断示意图；
图3是本发明一实施例的历史建筑结构监测数据异常诊断与修复方法关键工作流程示意图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1至3所示，本发明提供一种历史建筑结构监测数据异常诊断与修复系统，包括：
监测数据采集与预处理模块，用于按照模型建立与训练模块要求，将数据处理为符合模型输入的数据结构形式；
监测数据预测反演模块，用于模型的建立和训练工作，以使模型对预处理后数据进行学习，提取历史建筑结构监测数据规律，以输出反演信息；
监测数据异常判断模块，用于根据监测数据预测反演模块输出的反演信息，与实际传感器获得的历史建筑结构监测数据相对比，判断传感器采集的历史建筑结构监测数据是否发生异常情况；
结构监测数据修复模块，用于对历史建筑结构监测数据中出现异常时段内的数据，替换为监测数据预测反演模块输出的反演信息。
在此，本发明包括：首先，设置历史建筑结构监测设备，获得历史建筑的结构历史建筑结构监测数据，并进行历史建筑结构监测数据的预处理操作，数据标准化处理，避免测量范围造成的误差；进一步的，数据预处理后进行训练模型，获得基于温度序列以及前序结构响应预测反演接下来一段时间结构响应的模型，得到最终监测物理量的预测结果，此外，随着监测过程的进行，新的历史建筑结构监测数据可以加入模型训练，在监测中不断完善模型；最后，结合模型预测结果，选取合适的异常判断指标，判断后续监测过程中是否存在数据异常情况，若某一时间段内出现异常数据，则利用预测反演数据对历史建筑结构监测数据进行修复过程。本发明基于人工智能神经网络的方法，实现历史建筑结构监测数据异常诊断与修复方法，解决传统的历史建筑结构监测遇到数据异常无法修复的问题，提高历史建筑结构监测数据的异常诊断、异常修复以及反演预测能力。
本发明针对传统方法无法给出较为合理可靠的历史建筑结构监测数据异常诊断与修复系统，无法对数据异常进行修补，只能显示出现异常数据，影响对历史建筑结构监测数据分析过程的问题，提出一种新的历史建筑结构监测数据异常诊断与修复系统，基于人工智能神经网络的方法，建立模型实现历史建筑结构监测数据异常检测以及数据修复过程，提高历史建筑结构监测数据的异常发现修复以及数据综合分析的能力。
结构监测数据修复模块，主要负责对历史建筑结构监测数据中出现异常时段内的数据修复工作。对于监测数据异常判断模块中判定为异常数据的时间段内数据，将该段时间内的监测异常数据替换为监测数据预测反演模块输出的数据，实现历史建筑结构监测数据的修复工作。至此，历史建筑结构监测数据修复工作完成。
本发明的历史建筑结构监测数据异常诊断与修复系统一实施例中，所述监测数据采集与预处理模块，还用于监测设备的数量、布置可结合有限元分析和实际工程经验设置。
本发明的历史建筑结构监测数据异常诊断与修复系统一实施例中，所述监测数据采集与预处理模块，还用于进行历史建筑结构监测数据的前期处理，使监测信息以符合模型训练、测试、预测以及预警要求的形式进入监测数据预测反演模块，对数据进行标准化处理。
在此，监测数据采集与预处理模块，用于历史建筑结构监测数据的采集工作与预处理工作。监测设备的数量、布置可结合有限元分析和实际工程经验设置，建议选择结构代表性位置处布置，以较少的成本达到结构最大程度的监测。之后，进行历史建筑结构监测数据的前期处理，使监测信息以符合模型训练、测试、预测以及预警要求的形式进入监测数据预测反演模块，对数据进行标准化处理，使其均值、方差，以减少由于监测物理量单位、波动范围等因素对后续模型训练、预测的影响；最后，按照模型建立与训练模块要求，将数据处理为符合模型输入的数据结构形式，至此，历史建筑结构监测数据采集与预处理工作完成。
本发明的历史建筑结构监测数据异常诊断与修复系统一实施例中，所述模型采用基于人工智能的深度学习网络模型，模型的输入为时序温度和之前结构响应数据，模型的输出为待预测反演数据。
本发明的历史建筑结构监测数据异常诊断与修复系统一实施例中，所述模型采用DNN、RNN、LSTM或Transformer深度学习模型。
本发明的历史建筑结构监测数据异常诊断与修复系统一实施例中，所述模型的训练过程采用SGD或Adam的优化算法，直至目标损失函数达到预先设置期望值时，停止训练。
在此，监测数据预测反演模块，主要负责模型的建立和训练工作，以使模型对预处理后数据进行学习，提取历史建筑结构监测数据规律，作为监测数据异常判断模块的模型基础。模型采用基于人工智能的深度学习网络模型，模型的输入为时序温度和之前结构响应数据，模型的输出为待预测反演数据，模型可以采用包括但不限于DNN、RNN、LSTM、Transformer等深度学习模型，模型训练过程可采用SGD、Adam等优化算法，直至目标损失函数达到预先设置期望值时，可停止训练。至此，历史建筑结构监测数据预测反演工作完成。
本发明的历史建筑结构监测数据异常诊断与修复系统一实施例中，所述监测数据异常判断模块，用于当选取判断传感器采集的历史建筑结构监测数据是否发生异常的指标超过预设范围，则判定该段时间内历史建筑结构监测数据存在异常，将历史建筑结构监测数据中出现异常时段内的数据传至结构监测数据修复模块。
本发明的历史建筑结构监测数据异常诊断与修复系统一实施例中，所述监测数据异常判断模块，用于选择不同的判断传感器采集的历史建筑结构监测数据是否发生异常的指标。
在此，监测数据异常判断模块，主要负责历史建筑结构监测数据是否异常的判断过程。根据监测数据预测反演模块输出的反演信息，与实际传感器获得的历史建筑结构监测数据相对比，判断传感器采集的历史建筑结构监测数据是否发生异常情况。可以选择不同的判断传感器采集的历史建筑结构监测数据是否发生异常的指标，如可以选择一天内的反演信息与传感器数据差值的标准差、均值、极值等，选取指标根据不同响应的数据特征确定。当选取判断传感器采集的历史建筑结构监测数据是否发生异常的指标超过预设范围(如选取正态分布出现概率95％之内为正常范围)，则判定该段时间内历史建筑结构监测数据存在异常，将异常数据传至结构监测数据修复模块。
具体的，本发明首先，可以与项目业主或监测系统设计方共同确定待监测历史建筑平稳荷载类型，并结合有限元模型等工程项目具体信息，确定监测量、传感器种类与型号、传感器数量与分布以及历史建筑结构监测数据频率与信号传输等内容；之后，对数据进行预处理，以便该数据用于监测模型的建立、训练、预测以及预警阶段，预处理主要包括选定预测基本期、选定模型训练集与测试集范围、数据标准化等工作；进一步的，监测数据预测反演模块将预处理后数据用于模型建立与预测，包括建立监测模型、模型分布训练以及测试工作；之后，监测数据异常判断模块利用训练后的监测模型，结合实时历史建筑结构监测数据，获得结构异常的分层次分级预警阈值，若监测物理量在预警阈值范围内，则判定监测结果不处于异常状况，否则认为监测结果处于异常状况；最后，对出现异常数据时间段内的历史建筑结构监测数据，替换为模型预测结果，作为历史建筑结构监测数据预测的修复结果。至此，历史建筑结构监测数据异常诊断与修复工作完成。
相比于现阶段的历史建筑结构监测数据异常阈值判断与无法修复的数据处理方法，本发明的有益效果主要有以下几点：
(1)高效数据异常诊断。本方法从人工智能的角度出发，提出预测反演数据与实时数据对比的方法，选取合适特征量，判断历史建筑结构监测数据是否出现异常，适用面更广，直接根据人工智能模型判断监测系统异常情况；
(2)高效数据异常修复。本方法根据预测反演数据，对监测传感器出现异常的部分进行数据修复，有效提高历史建筑结构监测数据分析处理能力，增强监测系统鲁棒性。同时基于数据的方法，比有限元求解过程更为高效。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到，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、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。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发明的范围。
显然，本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包括这些改动和变型在内。

Claims (9)

1.一种历史建筑结构监测数据异常诊断与修复系统，其特征在于，包括：
监测数据采集与预处理模块，用于按照模型建立与训练模块要求，将历史建筑结构监测数据处理为符合模型输入的数据结构形式；
监测数据预测反演模块，用于模型的建立和训练工作，以使模型对预处理后数据进行学习，提取历史建筑结构监测数据规律，以输出反演信息；
监测数据异常判断模块，用于根据监测数据预测反演模块输出的反演信息，与实际传感器获得的历史建筑结构监测数据相对比，判断传感器采集的历史建筑结构监测数据是否发生异常情况；
结构监测数据修复模块，用于对历史建筑结构监测数据中出现异常时段内的数据，替换为监测数据预测反演模块输出的反演信息。
2.如权利要求1所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述监测数据采集与预处理模块，还用于监测设备的数量、布置可结合有限元分析和实际工程经验设置。
3.如权利要求1所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述监测数据采集与预处理模块，还用于进行历史建筑结构监测数据的前期处理，使监测信息以符合模型训练、测试、预测以及预警要求的形式进入监测数据预测反演模块，对数据进行标准化处理。
4.如权利要求1所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述模型采用基于人工智能的深度学习网络模型，模型的输入为时序温度和之前结构响应数据，模型的输出为待预测反演数据。
5.如权利要求1所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述模型采用DNN、RNN、LSTM或Transformer深度学习模型。
6.如权利要求1所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述模型的训练过程采用SGD或Adam的优化算法，直至目标损失函数达到预先设置期望值时，停止训练。
7.如权利要求1所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述监测数据异常判断模块，用于当选取判断传感器采集的历史建筑结构监测数据是否发生异常的指标超过预设范围，则判定该段时间内历史建筑结构监测数据存在异常，将历史建筑结构监测数据中出现异常时段内的数据传至结构监测数据修复模块。
8.如权利要求7所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述监测数据异常判断模块，用于选择不同的判断传感器采集的历史建筑结构监测数据是否发生异常的指标。
9.如权利要求8所述的历史建筑结构监测数据异常诊断与修复系统，其特征在于，所述不同的判断传感器采集的历史建筑结构监测数据是否发生异常的指标，包括：一天内的反演信息与传感器数据差值的标准差、均值或极值。
CN202310086929.XA 2023-01-19 2023-01-19 历史建筑结构监测数据异常诊断与修复系统 Pending CN116049958A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310086929.XA CN116049958A (zh) 2023-01-19 2023-01-19 历史建筑结构监测数据异常诊断与修复系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310086929.XA CN116049958A (zh) 2023-01-19 2023-01-19 历史建筑结构监测数据异常诊断与修复系统

Publications (1)

Publication Number Publication Date
CN116049958A true CN116049958A (zh) 2023-05-02

Family

ID=86121814

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310086929.XA Pending CN116049958A (zh) 2023-01-19 2023-01-19 历史建筑结构监测数据异常诊断与修复系统

Country Status (1)

Country Link
CN (1) CN116049958A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910848A (zh) * 2023-05-16 2023-10-20 上海建工四建集团有限公司 历史建筑结构监测数据多模态分析系统
CN117291329A (zh) * 2023-08-29 2023-12-26 质点数字科技有限公司 基于高层复建项目的异常监控方法、装置、设备以及介质

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116910848A (zh) * 2023-05-16 2023-10-20 上海建工四建集团有限公司 历史建筑结构监测数据多模态分析系统
CN117291329A (zh) * 2023-08-29 2023-12-26 质点数字科技有限公司 基于高层复建项目的异常监控方法、装置、设备以及介质
CN117291329B (zh) * 2023-08-29 2024-03-19 质点数字科技有限公司 基于高层复建项目的异常监控方法、装置、设备以及介质

Similar Documents

Publication Publication Date Title
CN116049958A (zh) 历史建筑结构监测数据异常诊断与修复系统
CN109086804B (zh) 一种基于多源状态监测信息和可靠性特征融合的液压设备早期故障预测方法
CN106780121B (zh) 一种基于用电负荷模式分析的用电异常识别方法
US20070244841A1 (en) Method and Apparatus for Data Processing, and Method and Apparatus for Diagnosis
CN111967185B (zh) 基于索力和位移分布相关性建模的斜拉桥状态评估方法
CN115034578A (zh) 一种基于数字孪生的水工金属结构设备智能管理构建方法及系统
US20060142990A1 (en) Information processor, state judging unit and diagnostic unit, information processing method, state judging method and diagnosing method
CN111625988A (zh) 基于深度学习的桥梁健康管理分析与预测系统及方法
CN110764474B (zh) 监测设备运行状态的方法和系统
CN116090347A (zh) 平稳荷载下历史建筑结构智能监测与预警系统
CN110276385B (zh) 基于相似性的机械部件剩余使用寿命预测方法
CN116591768A (zh) 一种基于分布式网络的隧道监测方法、系统及装置
CN116163807A (zh) 一种基于arima模型的隧道健康监测异常数据动态预警方法
CN117725792A (zh) 基于时间序列和模型修正的建筑安全监测预警方法
CN115392089A (zh) 一种智能预警方法
CN116306062A (zh) 建设工程智能监测方法、系统、装置和存储介质
CN117807659A (zh) 一种建筑结构缺陷检测和纠正方法及系统
CN116938676A (zh) 一种基于数据源分析的通信风险联合预警方法
CN116677569A (zh) 一种风机塔架应力监测与预警方法及其系统
CN106844861B (zh) 正交异性钢桥面板焊接节点实测应力幅动态概率建模方法
CN116050271A (zh) 历史建筑结构监测数据降维反演系统
CN117977536A (zh) 一种智能电网负荷辨识方法
CN115688555B (zh) 一种桥梁寿命预测方法
CN101526433A (zh) 监测系统故障自诊断方法
CN115829331A (zh) 海上生产平台井口装置与采油树风险评估方法及系统

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