CN116838114A - 一种基于数据分析的钢结构与幕墙智能监测系统 - Google Patents

一种基于数据分析的钢结构与幕墙智能监测系统 Download PDF

Info

Publication number
CN116838114A
CN116838114A CN202310824662.XA CN202310824662A CN116838114A CN 116838114 A CN116838114 A CN 116838114A CN 202310824662 A CN202310824662 A CN 202310824662A CN 116838114 A CN116838114 A CN 116838114A
Authority
CN
China
Prior art keywords
curtain wall
steel structure
steel
standard
abnormal
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.)
Granted
Application number
CN202310824662.XA
Other languages
English (en)
Other versions
CN116838114B (zh
Inventor
郑志强
郭宵东
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.)
Tongchuang Huajian Group Co ltd
Original Assignee
Tongchuang Huajian 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 Tongchuang Huajian Group Co ltd filed Critical Tongchuang Huajian Group Co ltd
Priority to CN202310824662.XA priority Critical patent/CN116838114B/zh
Publication of CN116838114A publication Critical patent/CN116838114A/zh
Application granted granted Critical
Publication of CN116838114B publication Critical patent/CN116838114B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04G—SCAFFOLDING; FORMS; SHUTTERING; BUILDING IMPLEMENTS OR AIDS, OR THEIR USE; HANDLING BUILDING MATERIALS ON THE SITE; REPAIRING, BREAKING-UP OR OTHER WORK ON EXISTING BUILDINGS
    • E04G21/00—Preparing, conveying, or working-up building materials or building elements in situ; Other devices or measures for constructional work
    • E04G21/14—Conveying or assembling building elements
    • E04G21/16—Tools or apparatus
    • E04G21/167—Tools or apparatus specially adapted for working-up plates, panels or slab shaped building elements
    • E—FIXED CONSTRUCTIONS
    • E04—BUILDING
    • E04G—SCAFFOLDING; FORMS; SHUTTERING; BUILDING IMPLEMENTS OR AIDS, OR THEIR USE; HANDLING BUILDING MATERIALS ON THE SITE; REPAIRING, BREAKING-UP OR OTHER WORK ON EXISTING BUILDINGS
    • E04G21/00—Preparing, conveying, or working-up building materials or building elements in situ; Other devices or measures for constructional work
    • E04G21/14—Conveying or assembling building elements
    • E04G21/16—Tools or apparatus
    • E04G21/18—Adjusting tools; Templates
    • E04G21/1841—Means for positioning building parts or elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • 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
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/06—Management of faults, events, alarms or notifications
    • H04L41/0654—Management of faults, events, alarms or notifications using network fault recovery
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
    • G01N2021/8883—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges involving the calculation of gauges, generating models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30108—Industrial image inspection
    • G06T2207/30136—Metal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30232—Surveillance

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Architecture (AREA)
  • General Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Biochemistry (AREA)
  • Biophysics (AREA)
  • Signal Processing (AREA)
  • Chemical & Material Sciences (AREA)
  • Pathology (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Immunology (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Mechanical Engineering (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Business, Economics & Management (AREA)
  • Analytical Chemistry (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Economics (AREA)
  • Quality & Reliability (AREA)
  • Computer Hardware Design (AREA)

Abstract

本发明公开了一种基于数据分析的钢结构与幕墙智能监测系统，具体涉及土木工程施工技术领域，包括：标准获取模块通过建立钢结构幕墙的仿真模型获取钢结构和幕墙的安装过程的标准位置信息和偏差阈值；钢结构实时监测模块用于获取实际的钢结构状态信息，将采集结果与标准数据库比较得到钢结构异常信息；幕墙实时监测模块用于获取幕墙子区域的状态信息，获取幕墙异常信息；稳定性监测模块用于监测完成后钢结构幕墙的稳定性，获取钢结构与幕墙的变形参数；调节模块包括调节设备和通信装置，基于异常集合生成调节策略集合消除异常信息，使钢结构安装与幕墙安装满足精度要求。

Description

一种基于数据分析的钢结构与幕墙智能监测系统
技术领域
本发明涉及土木工程施工技术领域，更具体地说，本发明涉及一种基于数据分析的钢结构与幕墙智能监测系统。
背景技术
随着城市的快速发展和人们审美需求的提升，对建筑形态的要求越来越高，各类公共建筑外立面的造型越来越独特，各种复杂形状幕墙的应用越发普遍，越来越多地出现在建筑幕墙设计中，由于建筑外曲面造型越来越复杂，对幕墙安装的施工精度要求越来越高。
基于人工的幕墙安装过程中不可避免地存在操作误差，现有的钢结构幕墙安装的监测基于人工主观观察，导致判断不准确，同时钢结构幕墙的安装实施往往在施工一段时间后监测安装质量，等到发现超出预设范围时，钢结构幕墙的安装进程已经完成大部分，这时候再去调整造成人力、物力财力的浪费，此需要一种钢结构与幕墙的智能监测系统，能够基于图像采集装置获取钢结构幕墙的安装进程和效果，能够在安装过程完成对安装操作的实时监测，提高安装的精度。
发明内容
为了克服现有技术的上述缺陷，本发明的实施例提供一种基于数据分析的钢结构与幕墙智能监测系统，通过标准获取模块获取钢结构与幕墙安装的位置要求和阈值要求，通过钢结构实时监测模块获取实际钢结构的信息，与标准数据对比获取钢结构偏移指数，通过幕墙实时监测模块获取幕墙子区域的位置信息，与标准数据进行对比得到异常信息，最后通过调节模块消除异常，使钢结构安装与幕墙安装满足精度要求，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于数据分析的钢结构与幕墙智能监测系统，包括标准获取模块、钢结构实时监测模块、幕墙实时监测模块、稳定性监测模块和调节模块，
所述标准获取模块通过建立钢结构幕墙的仿真模型获取钢结构和幕墙的安装过程的标准位置信息和偏差阈值，将得到的标准数据和偏差阈值存储在标准数据库中；
所述钢结构实时监测模块用于获取实际的钢结构状态信息，包括钢结构外观监测单元和钢结构位置监测单元，钢结构实时监测模块将采集结果与标准数据库比较得到钢结构异常信息，将异常钢结构异常信息传输至调节模块；
所述幕墙实时监测模块用于获取幕墙子区域的状态信息，包括幕墙外观监测单元和幕墙偏移指数获取单元，幕墙实时监测模块将采集结果与标准数据库比较得到幕墙异常信息同时传输至调节模块；
所述稳定性监测模块用于监测完成后钢结构幕墙的稳定性，获取钢结构与幕墙的变形参数，基于变形参数获取幕墙稳定性指数，将结果传输至调节模块；
所述调节模块包括调节设备和通信装置，建立每种异常信息对应的调节策略的映射表，基于异常集合，生成调节策略集合。
优选的，所述标准获取模块基于钢结构幕墙的设计需求建立仿真模型，从仿真模型中获取钢结构与幕墙的标准位置信息和偏差阈值，基于BIM模型建立钢结构幕墙的仿真模型，设置基准线和水平点得到钢结构的中心轴坐标、幕墙的位置坐标，所述标准位置信息包括钢立柱的中轴线信息和幕墙子区域的三维坐标信息，所述偏差阈值包括钢立柱中轴线偏差阈值th1和幕墙子区域的偏差阈值th2。
优选的，所述钢结构外观监测单元基于训练后的卷积神经网络模型识别钢材、预埋件、衔接件的外观缺陷，卷积神经网络模型的训练方式为：设置初始权重矩阵经过损失函数进行迭代训练，将人工标记缺陷的样本为卷积神经输入，训练至识别精度满足要求，得到最终的权重矩阵和识别模型。
优选的，所述位置偏移参数获取单元用于获取钢结构的位置偏移参数，从标准数据库中获取预设的钢结构位置参数和误差阈值，将超出阈值的钢结构标记在异常钢结构数据集中，同时传输至调节模块。
优选的，所述钢结构位置监测单元通过获取平面内的钢结构偏移指数，并与偏移阈值比较得到异常钢结构立柱集合，包括下列步骤：
步骤S01 、将一个平面内钢结构划分为若干个子区域，设一个子区域中的钢结构包括n根钢立柱；
步骤S02、获取子区域中每根钢立柱的中轴线方程的斜率和位移，记为y1，y2，…，yn，其中y1=k1x+b1，yn=knx+bn，获取每根钢立柱对应的标准斜率和位移记为（ki0，bi0）；
步骤S03、基于标准数据库获取每根钢立柱与标准的倾斜角度和位移距离，记为（θ1，l1），所述位移参数为钢结构的θ1=|k1-ki0|，l1=|b1-b2|，计算钢立柱的偏移指数GPi，满足公式
步骤S04、获取钢立柱的初始偏移阈值th1，将超出阈值th1的钢立柱横梁进行标记，并传输至异常集合中；
步骤S05、计算相邻子区域的偏移阈值：设满足阈值的钢立柱有m根，获取m根钢立柱的累计偏移指数Lpi，满足公式，获取相邻区域的钢结构的偏移阈值为tha1；
步骤S06、重复步骤S02、S03，超出阈值tha1的钢立柱横梁进行标记，并传输至异常集合中，将所有异常的数据传输至调节模块。
优选的，在相邻区域中交替使用静态偏移阈值和动态偏移阈值，静态偏移阈值为钢立柱中轴线偏差阈值th1，动态偏移阈值为tha1，满足公式。
优选的，所述幕墙外观监测单元用于监测幕墙外观的缺陷，利用基于深度学习算法的神经网络模型获取不符合标准的幕墙。
优选的，所述幕墙偏移指数获取单元通过机器视觉获得幕墙子区域图像信息，通过与标准与阈值数据库进行对比得到幕墙子区域的偏移指数，包括下列步骤：
步骤S11、幕墙子区域的划分：将幕墙划分为若干个子区域，得到幕墙的n个子区域同时编号，记为幕墙子区域1，2，…，n；
步骤S12、幕墙子区域的数据采集：采集幕墙子区域的三维图像信息，根据基准线和水平点建立三维坐标，得到每个幕墙子区域四个顶点的三维坐标，幕墙子区域上顶点的三维坐标记为d1i，d2i，d3i，d4i；
步骤S13、获取幕墙子区域的标准与偏差值域th2：从标准数据库中得到幕墙子区域的标准位置信息，即顶点的理想三维坐标记为Ld1i，Ld2i，Ld3i，Ld4i；
步骤S14、获取幕墙子区域顶点的偏移指数：将实际的顶点三维坐标与预设的三维坐标进行对比，将幕墙子区域四个顶点的偏移参数记为MP1i，MP2i，MP3i，MP4i，，其中（Xi，Yi，Zi）表示顶点的三维坐标，（LXi，LYi，LZi）表示顶点对应的标准顶点的三维坐标，λ1、λ2、λ3分别表示幕墙在x轴、y轴、z轴的系数常数，数值越大表明偏移空间越小；
步骤S15、获取幕墙子区域综合变形指数ZMpi：满足公式ZMpi=（MP1i+MP2i+MP3i+MP4i）；
步骤S16、异常子区域的标记：将顶点偏移参数、综合偏移指数与异常判别阈值th2进行比较，将超出阈值的幕墙子区域标记并传输至异常幕墙集合中。
优选的，所述稳定性监测模块用于监测施工完成后的钢结构与幕墙的变形参数，获取钢结构相对于施工结束时的变形参数a，获取幕墙相对于施工结束时的变形参数b，将结果传输至调节模块。
优选的，所述调节模块通过建立异常信息与调节策略的映射，获取异常数据对应的调节策略。
优选的，所述调节模块按照钢结构与幕墙的施工进程进行调节，先针对钢结构外观监测单元的异常数据对钢结构的材质进行处理，根据钢结构的位置偏移指数，对钢结构进行调节，根据幕墙的偏移指数对，包括下列步骤：
步骤S001、搭建仿真模型，基于设计要求的误差范围，得到钢结构和幕墙的偏差阈值，设置基准线和水平点得到钢结构的中轴线信息、幕墙的三维坐标；
步骤S002、采集钢结构的实际中轴线信息，以标准数据库中钢结构的中轴线信息为标准，获取钢结构的异常信息；
步骤S003、根据得到异常信息对钢结构的中轴线进行调节；
步骤S004、安装幕墙对幕墙子区域进行监测，采集幕墙子区域的实际坐标，以标准数据库中幕墙子区域的位置坐标为标准，获取幕墙子区域的异常信息；
步骤S005、对幕墙进行调节，根据得到异常信息对幕墙子区域进行调节；
步骤S006、对钢结构幕墙监测，评估幕墙外观，评估钢结构变形系数，对钢结构进行维修和加固。
本发明的技术效果和优点：
本发明通过标准获取模块获取钢结构与幕墙安装的位置要求和阈值要求，通过钢结构实时监测模块获取实际钢结构的信息，与标准数据对比获取钢结构偏移指数，通过将钢结构划分为若干个区域，同时为相邻区域匹配用静态阈值和动态阈值，缩小钢结构的误差，通过幕墙实时监测模块获取幕墙子区域的位置信息，与标准数据进行对比得到异常信息，最后通过调节模块消除异常，使钢结构安装与幕墙安装满足精度要求。
附图说明
图1为本发明的系统结构框图。
图2为本发明的幕墙子区域的偏移指数获取流程图。
图3为本发明的钢结构与幕墙施工进程流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
本申请使用的“模块”“系统”等术语旨在包括与计算机相关的实体，例如但不限于硬件、固件、软硬件组合、软件或者执行中的软件。例如，模块可以是，但并不仅限于：处理器上运行的进程、处理器、对象、可执行程序、执行的线程、程序和/或计算机。举例来说，计算设备上运行的应用程序和此计算设备都可以是模块。一个或多个模块可以位于执行中的一个进程和/或线程内，一个模块也可以位于一台计算机上和/或分布于两台或更多台计算机之间。
本实施例提供了如图1所示一种基于数据分析的钢结构与幕墙智能监测系统，包括标准获取模块、钢结构实时监测模块、幕墙实时监测模块、稳定性监测模块和调节模块，
所述标准获取模块通过建立钢结构幕墙的仿真模型获取钢结构和幕墙的安装过程的标准位置信息和偏差阈值，将得到的标准数据和偏差阈值存储在标准数据库中；
所述钢结构实时监测模块用于获取实际的钢结构状态信息，包括钢结构外观监测单元和钢结构位置监测单元，钢结构实时监测模块将采集结果与标准数据库比较得到钢结构异常信息，将异常钢结构异常信息传输至调节模块；
所述幕墙实时监测模块用于获取幕墙子区域的状态信息，包括幕墙外观监测单元和幕墙偏移指数获取单元，幕墙实时监测模块将采集结果与标准数据库比较得到幕墙异常信息同时传输至调节模块；
所述稳定性监测模块用于监测完成后钢结构幕墙的稳定性，获取钢结构与幕墙的变形参数，基于变形参数获取幕墙稳定性指数，将结果传输至调节模块；
所述调节模块包括调节设备和通信装置，建立每种异常信息对应的调节策略的映射表，基于异常集合，生成调节策略集合。
进一步的，所述标准获取模块基于钢结构幕墙的设计需求建立仿真模型，从仿真模型中获取钢结构与幕墙的标准位置信息和偏差阈值，基于BIM模型建立钢结构幕墙的仿真模型，设置基准线和水平点得到钢结构的中心轴坐标、幕墙的位置坐标，所述标准位置信息包括钢立柱的中轴线信息和幕墙子区域的三维坐标信息，所述偏差阈值包括钢立柱中轴线偏差阈值th1和幕墙子区域的偏差阈值th2。
进一步的，所述钢结构外观监测单元基于训练后的卷积神经网络模型识别钢材、预埋件、衔接件的外观缺陷，卷积神经网络模型的训练方式为：设置初始权重矩阵经过损失函数进行迭代训练，将人工标记缺陷的样本为卷积神经输入，训练至识别精度满足要求，得到最终的权重矩阵和识别模型。
进一步的，所述位置偏移参数获取单元用于获取钢结构的位置偏移参数，从标准数据库中获取预设的钢结构位置参数和误差阈值，将超出阈值的钢结构标记在异常钢结构数据集中，同时传输至调节模块。
进一步的，所述钢结构位置监测单元通过获取平面内的钢结构偏移指数，并与偏移阈值比较得到异常钢结构立柱集合，包括下列步骤：
步骤S01 、将一个平面内钢结构划分为若干个子区域，设一个子区域中的钢结构包括n根钢立柱；
步骤S02、获取子区域中每根钢立柱的中轴线方程的斜率和位移，记为y1，y2，…，yn，其中y1=k1x+b1，yn=knx+bn，获取每根钢立柱对应的标准斜率和位移记为（ki0，bi0）；
步骤S03、基于标准数据库获取每根钢立柱与标准的倾斜角度和位移距离，记为（θ1，l1），所述位移参数为钢结构的θ1=|k1-ki0|，l1=|b1-b2|，计算钢立柱的偏移指数GPi，满足公式
步骤S04、获取钢立柱的初始偏移阈值th1，将超出阈值th1的钢立柱横梁进行标记，并传输至异常集合中；
步骤S05、计算相邻子区域的偏移阈值：设满足阈值的钢立柱有m根，获取m根钢立柱的累计偏移指数Lpi，满足公式，获取相邻区域的钢结构的偏移阈值为tha1；
步骤S06、重复步骤S02、S03，超出阈值tha1的钢立柱横梁进行标记，并传输至异常集合中，将所有异常的数据传输至调节模块。
进一步的，在相邻区域中交替使用静态偏移阈值和动态偏移阈值，静态偏移阈值为钢立柱中轴线偏差阈值th1，动态偏移阈值为tha1，满足公式。
进一步的，所述幕墙外观监测单元用于监测幕墙外观的缺陷，利用基于深度学习算法的神经网络模型获取不符合标准的幕墙。
进一步的，所述幕墙偏移指数获取单元通过机器视觉获得幕墙子区域图像信息，通过与标准与阈值数据库进行对比得到幕墙子区域的偏移指数，如图2所示，包括下列步骤：
步骤S11、将幕墙划分为若干个子区域，得到幕墙的n个子区域同时编号；
步骤S12、采集幕墙子区域的三维图像信息，根据基准线和水平点建立三维坐标，得到每个幕墙子区域四个顶点的三维坐标；
步骤S13、从标准数据库中得到幕墙子区域的标准位置信息；
步骤S14、获取幕墙子区域顶点的偏移指数：将实际的顶点三维坐标与预设的三维坐标进行对比，获取幕墙子区域四个顶点的偏移参数；
步骤S15、获取幕墙子区域综合变形指数；
步骤S16、异常子区域的标记：将顶点偏移参数、综合偏移指数与异常判别阈值th2进行比较，将超出阈值的幕墙子区域标记并传输至异常幕墙集合中。
进一步的，步骤S14中，所述顶点偏移参数记为MP1i，MP2i，MP3i，MP4i，其中，其中（Xi，Yi，Zi）表示顶点的三维坐标，（LXi，LYi，LZi）表示顶点对应的标准顶点的三维坐标，λ1、λ2、λ3分别表示幕墙在x轴、y轴、z轴的系数常数，数值越大表明偏移空间越小
进一步的，所述稳定性监测模块用于监测施工完成后的钢结构与幕墙的变形参数，获取钢结构相对于施工结束时的变形参数a，获取幕墙相对于施工结束时的变形参数b，将结果传输至调节模块。
如图3所示，所述调节模块按照钢结构与幕墙的施工进程进行调节，先针对钢结构外观监测单元的异常数据对钢结构的材质进行处理，根据钢结构的位置偏移指数，对钢结构进行调节，根据幕墙的偏移指数对，钢结构与幕墙的施工进程包括下列步骤：
步骤S001、搭建仿真模型，基于设计要求的误差范围，得到钢结构和幕墙的偏差阈值，设置基准线和水平点得到钢结构的中轴线信息、幕墙的三维坐标；
步骤S002、采集钢结构的实际中轴线信息，以标准数据库中钢结构的中轴线信息为标准，获取钢结构的异常信息；
步骤S003、根据得到异常信息对钢结构的中轴线进行调节；
步骤S004、安装幕墙对幕墙子区域进行监测，采集幕墙子区域的实际坐标，以标准数据库中幕墙子区域的位置坐标为标准，获取幕墙子区域的异常信息；
步骤S005、对幕墙进行调节，根据得到异常信息对幕墙子区域进行调节；
步骤S006、对钢结构幕墙监测，评估幕墙外观，评估钢结构变形系数，对钢结构进行维修和加固。
进一步的，所述幕墙为金属板、玻璃、陶瓷、电子屏幕材料中的任一一种，本发明不作限定。
进一步的，数据采集步骤通过激光扫描技术获取。
本发明实施例仅仅提供一种实施方式，而不是具体的限定本发明的保护范围。
最后：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：包括下列模块：
标准获取模块通过建立钢结构幕墙的仿真模型获取钢结构和幕墙的安装过程的标准位置信息和偏差阈值，将得到的标准数据和偏差阈值存储在标准数据库中；
钢结构实时监测模块用于获取实际的钢结构状态信息，包括钢结构外观监测单元和钢结构位置监测单元，钢结构实时监测模块将采集结果与标准数据库比较得到钢结构异常信息，将异常钢结构异常信息传输至调节模块；
幕墙实时监测模块用于获取幕墙子区域的状态信息，包括幕墙外观监测单元和幕墙偏移指数获取单元，幕墙实时监测模块将采集结果与标准数据库比较得到幕墙异常信息同时传输至调节模块；
稳定性监测模块用于监测完成后钢结构幕墙的稳定性，获取钢结构与幕墙的变形参数，基于变形参数获取幕墙稳定性指数，将结果传输至调节模块；
所述调节模块包括调节设备和通信装置，建立每种异常信息对应的调节策略的映射表，基于异常集合，生成调节策略集合。
2.根据权利要求1所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：所述标准获取模块基于钢结构幕墙的设计需求建立仿真模型，从仿真模型中获取钢结构与幕墙的标准位置信息和偏差阈值，基于BIM模型建立钢结构幕墙的仿真模型，设置基准线和水平点得到钢结构的中心轴坐标、幕墙的位置坐标，所述标准位置信息包括钢立柱的中轴线信息和幕墙子区域的三维坐标信息，所述偏差阈值包括钢立柱中轴线偏差阈值th1和幕墙子区域的偏差阈值th2。
3.根据权利要求1所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：所述钢结构外观监测单元基于训练后的卷积神经网络模型识别钢材、预埋件、衔接件的外观缺陷，卷积神经网络模型的训练方式为：设置初始权重矩阵经过损失函数进行迭代训练，将人工标记缺陷的样本为卷积神经输入，训练至识别精度满足要求，得到最终的权重矩阵和识别模型。
4.根据权利要求1所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：所述位置偏移参数获取单元用于获取钢结构的位置偏移参数，从标准数据库中获取预设的钢结构位置参数和误差阈值，将超出阈值的钢结构标记在异常钢结构数据集中，同时传输至调节模块。
5.根据权利要求1所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：所述钢结构位置监测单元通过获取平面内的钢结构偏移指数，并与偏移阈值比较得到异常钢结构立柱集合，包括下列步骤：
步骤S01 、将一个平面内钢结构划分为若干个子区域，设一个子区域中的钢结构包括n根钢立柱；
步骤S02、获取子区域中每根钢立柱的中轴线方程的斜率和位移，记为y1，y2，…，yn，其中y1=k1x+b1，yn=knx+bn，获取每根钢立柱对应的标准斜率和位移记为（ki0，bi0）；
步骤S03、基于标准数据库获取每根钢立柱与标准的倾斜角度和位移距离，记为（θ1，l1），所述位移参数为钢结构的θ1=|k1-ki0|，l1=|b1-b2|，计算钢立柱的偏移指数GPi，满足公式
步骤S04、获取钢立柱的初始偏移阈值th1，将超出阈值th1的钢立柱横梁进行标记，并传输至异常集合中；
步骤S05、计算相邻子区域的偏移阈值：设满足阈值的钢立柱有m根，获取m根钢立柱的累计偏移指数Lpi，满足公式，获取相邻区域的钢结构的偏移阈值为tha1；
步骤S06、重复步骤S02、S03，超出阈值tha1的钢立柱横梁进行标记，并传输至异常集合中，将所有异常的数据传输至调节模块。
6.根据权利要求5所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：在相邻区域中交替使用静态偏移阈值和动态偏移阈值，静态偏移阈值为钢立柱中轴线偏差阈值th1，动态偏移阈值为tha1，满足公式。
7.根据权利要求1所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：所述幕墙偏移指数获取单元通过机器视觉获得幕墙子区域图像信息，通过与标准与阈值数据库进行对比得到幕墙子区域的偏移指数，包括下列步骤：
步骤S11、幕墙子区域的划分：将幕墙划分为若干个子区域，得到幕墙的n个子区域同时编号，记为幕墙子区域1，2，…，n；
步骤S12、幕墙子区域的数据采集：采集幕墙子区域的三维图像信息，根据基准线和水平点建立三维坐标，得到每个幕墙子区域四个顶点的三维坐标，幕墙子区域上顶点的三维坐标记为d1i，d2i，d3i，d4i；
步骤S13、获取幕墙子区域的标准与偏差值域th2：从标准数据库中得到幕墙子区域的标准位置信息，即顶点的理想三维坐标记为Ld1i，Ld2i，Ld3i，Ld4i；
步骤S14、获取幕墙子区域顶点的偏移指数：将实际的顶点三维坐标与预设的三维坐标进行对比，获取幕墙子区域四个顶点的偏移参数记为MP1i，MP2i，MP3i，MP4i；
步骤S15、获取幕墙子区域综合变形指数ZMpi，满足公式ZMpi=（MP1i+MP2i+MP3i+MP4i）；
步骤S16、异常子区域的标记：将顶点偏移参数、综合偏移指数与异常判别阈值th2进行比较，将超出阈值的幕墙子区域标记并传输至异常幕墙集合中。
8.根据权利要求1所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：所述幕墙子区域四个顶点的偏移参数记为MP1i，MP2i，MP3i，MP4i，其中，其中（Xi，Yi，Zi）表示顶点的三维坐标，（LXi，LYi，LZi）表示顶点对应的标准顶点的三维坐标，λ1、λ2、λ3分别表示幕墙在x轴、y轴、z轴的系数常数。
9.根据权利要求1所述的一种基于数据分析的钢结构与幕墙智能监测系统，其特征在于：所述调节模块按照钢结构与幕墙的施工进程进行调节，先针对钢结构外观监测单元的异常数据对钢结构的材质进行处理，根据钢结构的位置偏移指数，对钢结构进行调节，根据幕墙的偏移指数对，包括下列步骤：
步骤S001、搭建仿真模型，基于设计要求的误差范围，得到钢结构和幕墙的偏差阈值，设置基准线和水平点得到钢结构的中轴线信息、幕墙的三维坐标；
步骤S002、采集钢结构的实际中轴线信息，以标准数据库中钢结构的中轴线信息为标准，获取钢结构的异常信息；
步骤S003、根据得到异常信息对钢结构的中轴线进行调节；
步骤S004、安装幕墙对幕墙子区域进行监测，采集幕墙子区域的实际坐标，以标准数据库中幕墙子区域的位置坐标为标准，获取幕墙子区域的异常信息；
步骤S005、对幕墙进行调节，根据得到异常信息对幕墙子区域进行调节；
步骤S006、对钢结构幕墙监测，评估幕墙外观，评估钢结构变形系数，对钢结构进行维修和加固。
CN202310824662.XA 2023-07-06 2023-07-06 一种基于数据分析的钢结构与幕墙智能监测系统 Active CN116838114B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310824662.XA CN116838114B (zh) 2023-07-06 2023-07-06 一种基于数据分析的钢结构与幕墙智能监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310824662.XA CN116838114B (zh) 2023-07-06 2023-07-06 一种基于数据分析的钢结构与幕墙智能监测系统

Publications (2)

Publication Number Publication Date
CN116838114A true CN116838114A (zh) 2023-10-03
CN116838114B CN116838114B (zh) 2024-01-23

Family

ID=88172238

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310824662.XA Active CN116838114B (zh) 2023-07-06 2023-07-06 一种基于数据分析的钢结构与幕墙智能监测系统

Country Status (1)

Country Link
CN (1) CN116838114B (zh)

Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000064475A (ja) * 1998-08-20 2000-02-29 Asahi Chem Ind Co Ltd 壁パネルの取付構造及び面精度出し方法
CN108108768A (zh) * 2017-12-29 2018-06-01 清华大学 基于卷积神经网络的光伏玻璃缺陷分类方法及装置
CN109680946A (zh) * 2018-12-27 2019-04-26 中民筑友科技投资有限公司 基于装配式反馈现场装饰实现方法、装置、设备及介质
JP2019174390A (ja) * 2018-03-29 2019-10-10 株式会社奥村組 位置検出方法
CN110565856A (zh) * 2019-08-20 2019-12-13 金刚幕墙集团有限公司 一种双曲面金属板幕墙快速安装方法
CN110996074A (zh) * 2020-01-04 2020-04-10 盛广济 幕墙玻璃爆裂分区监控方法
CN111472486A (zh) * 2020-04-23 2020-07-31 浙江精工钢结构集团有限公司 基于bim的钢结构与幕墙智能监测维护系统
CN111899224A (zh) * 2020-06-30 2020-11-06 烟台市计量所 基于深度学习注意力机制的核电管道缺陷检测系统
CN112016848A (zh) * 2020-09-11 2020-12-01 范玲珍 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统
CN112069464A (zh) * 2020-09-05 2020-12-11 范玲珍 一种基于大数据的建筑幕墙工程验收检测管理系统
US20210010809A1 (en) * 2019-07-11 2021-01-14 Zhejiang University Method for monitoring ground settlement based on computer vision
CN112859681A (zh) * 2021-01-07 2021-05-28 南京渐起网络科技有限公司 一种基于大数据分析的建筑钢结构安全稳定性智能监测方法及云监测平台
CN113571004A (zh) * 2019-12-30 2021-10-29 乐金显示有限公司 显示装置及其图像处理方法
CN113653334A (zh) * 2021-10-09 2021-11-16 中建八局第二建设有限公司 一种单层金属网壳穹顶结构安装方法
CN114000626A (zh) * 2021-10-28 2022-02-01 上海宝冶建筑装饰有限公司 一种双曲线铝板幕墙的施工方法
CN114459372A (zh) * 2022-01-26 2022-05-10 江苏瑞成建筑科技有限公司 一种钢架构钢柱形变损坏在线智能预警方法
CN114809388A (zh) * 2022-04-26 2022-07-29 中铁二十局集团第三工程有限公司 异形钢结构幕墙系统、施工系统及其施工方法
CN114971357A (zh) * 2022-06-11 2022-08-30 蒋贵华 一种基于数字化的建筑装饰工程施工智能监理管理一体化云平台
CN115434515A (zh) * 2022-10-17 2022-12-06 中铁十一局集团有限公司 一种站房工程双曲面檐口龙骨施工方法
CN115510543A (zh) * 2022-10-14 2022-12-23 苏州苏明装饰股份有限公司 一种基于bim的箱体模块化幕墙设计方法及系统
CN115618479A (zh) * 2022-12-20 2023-01-17 广东卓智设计工程有限公司 一种基于bim的幕墙高封闭性安装方法
GB2610449A (en) * 2021-09-06 2023-03-08 Harbin Inst Technology Efficient high-resolution non-destructive detecting method based on convolutional neural network
CN115853173A (zh) * 2022-12-16 2023-03-28 吴国尧 一种用于施工安装的建筑幕墙
CN115859445A (zh) * 2022-12-29 2023-03-28 广东省水利水电第三工程局有限公司 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法
CN116007542A (zh) * 2022-12-30 2023-04-25 深圳瑞捷工程咨询股份有限公司 一种基于bim的无人机智能检测系统
CN116129158A (zh) * 2022-09-05 2023-05-16 珠海市金锐电力科技有限公司 一种输电线路铁塔小部件图像识别方法及装置
CN116241075A (zh) * 2023-02-13 2023-06-09 中建八局发展建设有限公司 一种马鞍式自平衡拉索幕墙施工方法

Patent Citations (27)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000064475A (ja) * 1998-08-20 2000-02-29 Asahi Chem Ind Co Ltd 壁パネルの取付構造及び面精度出し方法
CN108108768A (zh) * 2017-12-29 2018-06-01 清华大学 基于卷积神经网络的光伏玻璃缺陷分类方法及装置
JP2019174390A (ja) * 2018-03-29 2019-10-10 株式会社奥村組 位置検出方法
CN109680946A (zh) * 2018-12-27 2019-04-26 中民筑友科技投资有限公司 基于装配式反馈现场装饰实现方法、装置、设备及介质
US20210010809A1 (en) * 2019-07-11 2021-01-14 Zhejiang University Method for monitoring ground settlement based on computer vision
CN110565856A (zh) * 2019-08-20 2019-12-13 金刚幕墙集团有限公司 一种双曲面金属板幕墙快速安装方法
CN113571004A (zh) * 2019-12-30 2021-10-29 乐金显示有限公司 显示装置及其图像处理方法
CN110996074A (zh) * 2020-01-04 2020-04-10 盛广济 幕墙玻璃爆裂分区监控方法
CN111472486A (zh) * 2020-04-23 2020-07-31 浙江精工钢结构集团有限公司 基于bim的钢结构与幕墙智能监测维护系统
CN111899224A (zh) * 2020-06-30 2020-11-06 烟台市计量所 基于深度学习注意力机制的核电管道缺陷检测系统
CN112069464A (zh) * 2020-09-05 2020-12-11 范玲珍 一种基于大数据的建筑幕墙工程验收检测管理系统
CN112016848A (zh) * 2020-09-11 2020-12-01 范玲珍 一种基于数据调度的建筑工程质量监理验收智能化检测管理系统
CN112859681A (zh) * 2021-01-07 2021-05-28 南京渐起网络科技有限公司 一种基于大数据分析的建筑钢结构安全稳定性智能监测方法及云监测平台
GB2610449A (en) * 2021-09-06 2023-03-08 Harbin Inst Technology Efficient high-resolution non-destructive detecting method based on convolutional neural network
CN113653334A (zh) * 2021-10-09 2021-11-16 中建八局第二建设有限公司 一种单层金属网壳穹顶结构安装方法
CN114000626A (zh) * 2021-10-28 2022-02-01 上海宝冶建筑装饰有限公司 一种双曲线铝板幕墙的施工方法
CN114459372A (zh) * 2022-01-26 2022-05-10 江苏瑞成建筑科技有限公司 一种钢架构钢柱形变损坏在线智能预警方法
CN114809388A (zh) * 2022-04-26 2022-07-29 中铁二十局集团第三工程有限公司 异形钢结构幕墙系统、施工系统及其施工方法
CN114971357A (zh) * 2022-06-11 2022-08-30 蒋贵华 一种基于数字化的建筑装饰工程施工智能监理管理一体化云平台
CN116129158A (zh) * 2022-09-05 2023-05-16 珠海市金锐电力科技有限公司 一种输电线路铁塔小部件图像识别方法及装置
CN115510543A (zh) * 2022-10-14 2022-12-23 苏州苏明装饰股份有限公司 一种基于bim的箱体模块化幕墙设计方法及系统
CN115434515A (zh) * 2022-10-17 2022-12-06 中铁十一局集团有限公司 一种站房工程双曲面檐口龙骨施工方法
CN115853173A (zh) * 2022-12-16 2023-03-28 吴国尧 一种用于施工安装的建筑幕墙
CN115618479A (zh) * 2022-12-20 2023-01-17 广东卓智设计工程有限公司 一种基于bim的幕墙高封闭性安装方法
CN115859445A (zh) * 2022-12-29 2023-03-28 广东省水利水电第三工程局有限公司 基于全站扫描技术和逆向算法的桥梁组装仿真测试方法
CN116007542A (zh) * 2022-12-30 2023-04-25 深圳瑞捷工程咨询股份有限公司 一种基于bim的无人机智能检测系统
CN116241075A (zh) * 2023-02-13 2023-06-09 中建八局发展建设有限公司 一种马鞍式自平衡拉索幕墙施工方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
SHAO, SONGDONG;GOTOH, HITOSHI: "SIMULATING COUPLED MOTION OF PROGRESSIVE WAVE AND FLOATING CURTAIN WALL BY SPH-LES MODEL.", vol. 46, no. 2 *
SONGDONG SHAO;HITOSHI GOTOH: "SIMULATING COUPLED MOTION OF PROGRESSIVE WAVE AND FLOATING CURTAIN WALL BY SPH-LES MODEL", vol. 46, no. 2 *
卞涛;杨政宝;曹大伟;: "三维激光扫描技术在幕墙施工中的应用", 中国建筑金属结构, no. 15 *
林叶榛;: "超高层建筑幕墙的安装施工与质量控制", 浙江建筑, no. 08 *

Also Published As

Publication number Publication date
CN116838114B (zh) 2024-01-23

Similar Documents

Publication Publication Date Title
DE112014005866B4 (de) Verbesserung der plenoptischen Kameraauflösung
EP2806248B1 (de) Verfahren zur Kalibrierung einer Erfassungseinrichtung und Erfassungseinrichtung
CN113343342B (zh) 一种基于bim技术的建筑工程量分析管理方法、系统及计算机存储介质
CN111488874A (zh) 一种指针式仪表倾斜校正方法及系统
CN111459166A (zh) 一种灾后救援环境下含受困人员位置信息的情景地图构建方法
CN110411340B (zh) 一种3d视觉检测装置及方法
CN112184830B (zh) 相机内参和外参标定方法、装置、计算机设备及存储介质
CN113408034B (zh) 一种基于bim建筑三维模型技术的工程施工智能云管理平台
CN114396871B (zh) 一种基于三维激光扫描的预制墩柱安装位置姿态监测方法
CN111145157A (zh) 基于高分辨率遥感影像的路网数据自动化质量检查方法
DE102018102833A1 (de) Positionskontrollsystem, positionserkennungsvorrichtung und steuerprogramm
CN116838114B (zh) 一种基于数据分析的钢结构与幕墙智能监测系统
CN112859681A (zh) 一种基于大数据分析的建筑钢结构安全稳定性智能监测方法及云监测平台
CN115858940A (zh) 一种基于大数据处理的钢结构焊接工艺质量管理推荐方法
CN110378315A (zh) 一种基于脸部图像的视线角度估计方法
CN112696025A (zh) 一种指导及监测高大模板支撑体系正确性的方法及系统
CN116362696A (zh) 一种建筑数字化样板库管理平台及方法
CN110515884B (zh) 基于图像分析的施工现场钢筋测距装置
CN115018735A (zh) 基于霍夫变换校正二维码图像的裂缝宽度识别方法及系统
CN115100126A (zh) 一种桥梁结构平面位移场智能感知方法
CN116934863A (zh) 一种相机外参确定方法、装置及电子设备
EP1925910A1 (de) Verfahren zur optischen Markierung der vertikalen Projektion ausgewählter Punkte einer virtuellen dreidimensionalen Struktur
EP3904828A1 (de) Verfahren zum auslegen eines bauelements und messsystem
CN113255033A (zh) 基于bim技术的建筑工程监理智能一体化云平台及监理方法
CN114648588A (zh) 基于神经网络的镜头标定校正方法

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
GR01 Patent grant
GR01 Patent grant