CN116977122B - 基于数字孪生技术的远程自动化监测危房的方法 - Google Patents
基于数字孪生技术的远程自动化监测危房的方法 Download PDFInfo
- Publication number
- CN116977122B CN116977122B CN202310826244.4A CN202310826244A CN116977122B CN 116977122 B CN116977122 B CN 116977122B CN 202310826244 A CN202310826244 A CN 202310826244A CN 116977122 B CN116977122 B CN 116977122B
- Authority
- CN
- China
- Prior art keywords
- building
- data
- monitored
- twin
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 47
- 238000005516 engineering process Methods 0.000 title claims abstract description 35
- 238000005259 measurement Methods 0.000 claims abstract description 166
- 238000004062 sedimentation Methods 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 12
- 238000010276 construction Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 230000000007 visual effect Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 231100001261 hazardous Toxicity 0.000 claims 3
- 238000007781 pre-processing Methods 0.000 description 7
- 230000009286 beneficial effect Effects 0.000 description 3
- 238000005094 computer simulation Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000013507 mapping Methods 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003068 static effect Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
-
- 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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/18—Details relating to CAD techniques using virtual or augmented reality
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Economics (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Data Mining & Analysis (AREA)
- Tourism & Hospitality (AREA)
- General Engineering & Computer Science (AREA)
- Marketing (AREA)
- Artificial Intelligence (AREA)
- General Business, Economics & Management (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Biology (AREA)
- Quality & Reliability (AREA)
- Entrepreneurship & Innovation (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Alarm Systems (AREA)
Abstract
本发明属于危房监测技术领域,特别是涉及一种基于数字孪生技术的远程自动化监测危房的方法,其中,方法包括:采集待监测建筑物的测量数据并构建孪生建筑物;读取与孪生建筑物相对应的历史模型,计算危险房屋模型和孪生建筑物之间的相似度,以及计算安全房屋模型和孪生建筑物之间的相似度;比较相似度以确定与孪生建筑物相似度数值大的历史模型;根据孪生建筑物相似度数值大的历史模型结合孪生建筑物对待监测建筑物进行数据趋势预测,当数据趋势预测的预测数值大于预设阈值,则发送告警信息。本发明根据待监测建筑物的测量数据进行危房预测,并提醒相关人员及时对该危房进行管理,有利于减少由于危房管理不及时而造成人员伤亡。
Description
技术领域
本发明涉及危房监测技术领域,特别涉及一种基于数字孪生技术的远程自动化监测危房的方法。
背景技术
高层建筑物绝大多数建筑年代较近,随着建筑高度的增加,高层建筑物主要的影响因素除了自重荷载因素外,还受到环境因素的影响,如温湿度、风速等。目前,对高层建筑物的监控主要为建筑物不均匀沉降,导致建筑物产生倾斜或裂缝,进而直接影响建筑物的安全性、适用性、耐久性,甚至危害群众的生命财产安全。因此,只有定期对建筑物进行监测,以预防为主,才能确保建筑物的安全使用。另外,随着已建成房屋老化的加剧,加快推动了对建筑危房的监测实施,显得尤为重要。
因此,如何实现对危房状态的预测是目前危房治理工作中需要解决的问题。
发明内容
本发明提供一种基于数字孪生技术的远程自动化监测危房的方法,旨在实现对危房状态的预测。
为了实现上述发明目的,本发明第一方面提出一种基于数字孪生技术的远程自动化监测危房的方法,所述方法包括:
采集待监测建筑物的测量数据,其中,所述待监测建筑物为危险房屋,所述测量数据包括整体变形数据、相对沉降数据、倾斜数据以及裂缝数据;
将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;
于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;
计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;
将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;
根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。
进一步地,所述测量数据为整体变形数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第一指令,其中,所述第一指令为对待监测建筑物的整体变形情况进行测量的指令;
基于所述第一指令在预设时间范围内持续接收北斗卫星导航系统/GPS对待监测建筑物的整体变形情况进行测量的第一测量数据,其中,所述第一测量数据包括对所述待监测建筑物的多个测量控制点和位移观测点同时测量的数据;
将所述第一测量数据上传,得到所述待监测建筑物的整体变形数据。
进一步地,所述测量数据为相对沉降数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第二指令,其中,所述第二指令为对待监测建筑物的相对沉降情况进行测量的指令;
基于所述第二指令在预设时间范围内持续接收水准仪对待监测建筑物的相对沉降情况进行测量的第二测量数据,其中,所述第二测量数据包括对所述待监测建筑物的多个沉降位置和水准基点同时测量的数据;
将所述第二测量数据上传,得到所述待监测建筑物的相对沉降数据。
进一步地,所述测量数据为倾斜数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第三指令,其中,所述第三指令为对待监测建筑物的倾斜情况进行测量的指令;
基于所述第三指令在预设时间内持续接收倾斜仪对待监测建筑物的倾斜情况进行测量的第三测量数据,其中,所述第三测量数据包括对所述待监测建筑物的多个顶部观测点和底部观测点同时测量的数据;
将所述第三测量数据上传,得到所述待监测建筑物的倾斜数据。
进一步地,所述测量数据为裂缝数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第四指令,其中,所述第四指令为对待监测建筑物的裂缝情况进行测量的指令;
基于所述第四指令在预设时间内持续接收裂缝计对待监测建筑物的裂缝情况进行测量的第四测量数据,其中,所述第四测量数据包括对所述待监测建筑物的裂缝处的多个预设位置同时测量的数据;
将所述第四测量数据上传,得到所述待监测建筑物的裂缝数据。
进一步地,所述将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物的步骤,包括:
采用min-max标准化或z-score标准化将所述测量数据中的噪音和无效数据滤除,得到预处理测量数据;
将所述预处理测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述预处理测量数据进行模型构建,得到与所述待监测建筑物对应的孪生建筑物。
进一步地,所述根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据预测,当所述数据预测的预测数值大于预设阈值,则发送告警信息的步骤,包括:
根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物预测所述待监测建筑物包括整体变形、相对沉降、倾斜以及裂缝的数据趋势,得到预测数值;
将所述预测数值与预设阈值进行比较,判断所述预测数值是否大于所述预设阈值;
若是,则发送告警信息,其中,以手机短信、邮件、声光报警器中的任意一种或多种方式组合的形式发送告警信息。
本申请还提供一种基于数字孪生技术的远程自动化监测危房的装置,所述装置包括:
构建模块,用于将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;
获取模块,用于于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;
计算模块,用于计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;
比较模块,用于将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;
预测模块,用于根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。
本申请还提供一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现上述任一项所述的基于数字孪生技术的远程自动化监测危房的方法的步骤。
本申请还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现上述任一项所述的基于数字孪生技术的远程自动化监测危房的方法的步骤。
有益效果:在本申请中,通过采集待监测建筑物(危险房屋)整体变形数据、相对沉降数据、倾斜数据以及裂缝数据的测量数据,将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息,以提醒相关人员及时对该待监测建筑物进行管理,实现了对危房状态的预测,有利于减少由于危房管理不及时而造成人员伤亡。
附图说明
图1为本申请基于数字孪生技术的远程自动化监测危房的方法的一实施例流程示意图;
图2为本申请基于数字孪生技术的远程自动化监测危房的方法的另一实施例流程示意图;
图3为本申请基于数字孪生技术的远程自动化监测危房的方法的另一实施例流程示意图;
图4为本申请基于数字孪生技术的远程自动化监测危房的方法的另一实施例流程示意图;
图5为本申请基于数字孪生技术的远程自动化监测危房的方法的另一实施例流程示意图;
图6为本申请基于数字孪生技术的远程自动化监测危房的方法的另一实施例流程示意图;
图7为本申请基于数字孪生技术的远程自动化监测危房的方法的另一实施例流程示意图;
图8为本申请基于数字孪生技术的远程自动化监测危房的装置的一实施例结构示意图;
图9为本申请计算机设备的一实施例结构示意框图。
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
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本技术领域技术人员可以理解,除非特意声明,这里使用的单数形式“一”、“一个”、“上述”和“该”也可包括复数形式。应该进一步理解的是,本发明的说明书中使用的措辞“包括”是指存在特征、整数、步骤、操作、元件、模块和/或组件,但是并不排除存在或添加一个或多个其他特征、整数、步骤、操作、元件、模块、组件和/或它们的组。应该理解,当我们称元件被“连接”或“耦接”到另一元件时,它可以直接连接或耦接到其他元件,或者也可以存在中间元件。此外,这里使用的“连接”或“耦接”可以包括无线连接或无线耦接。这里使用的措辞“和/或”包括一个或更多个相关联的列出项的全部或任一模块和全部组合。
本技术领域技术人员可以理解,除非另外定义,这里使用的所有术语(包括技术术语和科学术语),具有与本发明所属领域中的普通技术人员的一般理解相同的意义。还应该理解的是,诸如通用字典中定义的那些术语,应该被理解为具有与现有技术的上下文中的意义一致的意义,并且除非像这里一样被特定定义,否则不会用理想化或过于正式的含义来解释。
参照图1,本发明实施例提供一种基于数字孪生技术的远程自动化监测危房的方法,包括以下步骤S10-S60:
S10:采集待监测建筑物的测量数据,其中,所述待监测建筑物为危险房屋,所述测量数据包括整体变形数据、相对沉降数据、倾斜数据以及裂缝数据。
为保证建筑物在施工、使用和运行中的安全,以及为建筑物的设计、施工、管理及科学研究提供可靠的资料,在建筑物施工和运行期间,需要对建筑物(危险房屋)的稳定性进行观测,这种观测称为建筑物的变形观测,其中,建筑物的变形观测包括建筑物沉降观测、建筑物倾斜观测、建筑物裂缝观测以及建筑物整体变形观测,因此,在观测之前,需要采集其相应的观测数据,具体的,采用北斗卫星导航系统/GPS对待监测建筑物的整体变形情况进行测量;采用水准仪对待监测建筑物的相对沉降情况进行测量;采用倾斜仪对待监测建筑物的倾斜情况进行测量;以及采用裂缝计对待监测建筑物的裂缝情况进行测量,进而得到待监测建筑物的测量数据。
S20:将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物。
将测量数据输入训练好的数字孪生模型中,其中,数字孪生模型指的是充分利用物理模型、传感器更新、运行历史等数据,集成多学科、多物理量、多尺度、多概率的仿真过程,在虚拟空间中完成映射,从而反映相对应的实体装备的全生命周期过程的模型;该数字孪生模型为预先根据要求使用建筑物的历史监测数据作为训练样本进行模型训练而得到的具备构建动态仿真建筑物性能的模型;数字孪生模型根据测量数据构建与待监测建筑物对应的孪生建筑物,该孪生建筑物为与待监测建筑物互为映射关系的虚拟仿真建筑物,是待监测建筑物的孪生体,直观的展示待监测建筑物的体态,有利于用于根据该动态仿真的孪生建筑物进行直观观测。
S30:于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型。
建筑物模型数据库指的是预先根据各危房的监测数据和安全房屋的监测数据构建对应的房屋建筑模型(历史模型),并按照房屋类型将该房屋建筑类型进行存储的数据库,该历史模型用于与构建的孪生建筑物进行比较,以确定构建的孪生建筑物属于何种建筑物类型,当在确定建筑物类型的情况下对待监测建筑物进行数据预测,可有效提高数据预测的置信度。
S40:计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值。
计算危险房屋模型和孪生建筑物之间的相似度,以及计算安全房屋模型和孪生建筑物之间的相似度,是为了后续根据相似度数值的大小确定孪生建筑物所属的建筑物类型,进而确定待监测建筑物所属的建筑物类型,在确定建筑物类型的情况下对待监测建筑物进行数据预测,可有效提高数据预测的置信度。
S50:将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型。
将第一相似度数值和第二相似度数值进行比较,以确定相似度数值大的历史模型,在一个实施例中,若第一相似度数值大于第二相似度数值,则孪生建筑物对应的建筑物类型则为危险房屋,即待监测建筑物为危险房屋;若第一相似度数值小于第二相似度数值,则孪生建筑物对应的建筑物类型则为安全房屋,即待监测建筑物为安全房屋;当根据相似度数值初判待监测建筑物为危险房屋的情况下再进行数据预测时,危险房屋的历史数据可为待监测建筑物的数据趋势预测提供参考数据,使得数据预测具有依据,进而提高数据预测的置信度。
S60:根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。
根据孪生建筑物相似度数值大的历史模型结合孪生建筑物预测待监测建筑物包括整体变形、相对沉降、倾斜以及裂缝的数据趋势,进而得到预测数值,该预测数据包括整体变形预测数据、相对沉降预测数据、倾斜预测数据以及裂缝预测数据;将预测数值与预设阈值进行比较,判断预测数值是否大于预设阈值,其中,整体变形预测数据、相对沉降预测数据、倾斜预测数据以及裂缝预测数据中存在任意一项预测数值大于预设阈值,都将判定待监测建筑物存在风险,因此,则发送告警信息,其中,以手机短信、邮件、声光报警器中的任意一种或多种方式组合的形式发送告警信息,以提醒相关人员及时对该待监测建筑物进行管理,实现了对危房状态的预测以及危房情况的及时告警。
本实施例提供了一种基于数字孪生技术的远程自动化监测危房的方法,通过采集待监测建筑物(危险房屋)整体变形数据、相对沉降数据、倾斜数据以及裂缝数据的测量数据,将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息,以提醒相关人员及时对该待监测建筑物进行管理,实现了对危房状态的预测,有利于减少由于危房管理不及时而造成人员伤亡。
参照图2,在一个实施例中,上述测量数据为整体变形数据时,所述采集待监测建筑物的测量数据的步骤,包括:
S101、接收第一指令,其中,所述第一指令为对待监测建筑物的整体变形情况进行测量的指令;
S102、基于所述第一指令在预设时间范围内持续接收北斗卫星导航系统/GPS对待监测建筑物的整体变形情况进行测量的第一测量数据,其中,所述第一测量数据包括对所述待监测建筑物的多个测量控制点和位移观测点同时测量的数据;
S103、将所述第一测量数据上传,得到所述待监测建筑物的整体变形数据。
如上所述,当测量数据为整体变形数据时,采用北斗卫星导航系统/GPS(GlobalPositioning System,全球定位系统)对待监测建筑物的整体变形情况进行测量,具体的,当接收到对待监测建筑物的整体变形情况进行测量的第一指令时,基于该第一指令在预设时间范围内持续接收北斗卫星导航系统/GPS对待监测建筑物的整体变形情况进行测量的第一测量数据,其中,北斗卫星导航系统的工作原理是由一系列静态卫星和动态卫星组成,它们可以覆盖全球范围,通过测量与卫星之间的时间差来计算出定位对象的位置;GPS的工作原理是通过在不同的位置测量卫星和接收器之间的距离,从而确定接收器的位置;基于北斗卫星导航系统/GPS即可实现对待监测建筑物的整体变形情况进行测量,其中,测量待监测建筑物时,是在预设时间范围内持续对待监测建筑物的多个测量控制点和位移观测点同时测量,该预设时间范围内指的是进行建筑物监测时数据采集的周期,为避免频繁、持续采集数据而增加运行负担,而设置在需要进行数据预测时才进行数据采集的采集时长;测量控制点和位移观测点为技术人员预先根据实际测试情况设置的监测点,该监测点为多个,因此,对待监测建筑物的整体数据进行采集时,会得到包括测量控制点和位移观测点同时测量的数据,该测量数据记为第一测量数据将该第一测量数据上传,即得到待监测建筑物的整体变形数据。
参照图3,在一个实施例中,上述测量数据为相对沉降数据时,所述采集待监测建筑物的测量数据的步骤,包括:
S104、接收第二指令,其中,所述第二指令为对待监测建筑物的相对沉降情况进行测量的指令;
S105、基于所述第二指令在预设时间范围内持续接收水准仪对待监测建筑物的相对沉降情况进行测量的第二测量数据,其中,所述第二测量数据包括对所述待监测建筑物的多个沉降位置和水准基点同时测量的数据;
S106、将所述第二测量数据上传,得到所述待监测建筑物的相对沉降数据。
如上所述,当测量数据为相对沉降数据时,采用水准仪对待监测建筑物的相对沉降情况进行测量,其中,水准仪的工作原理是通过测量每个测点液位变化的高度来计算沉降;而建筑物沉降观测是用水准测量的方法,周期性地观测建筑物上的沉降观测点和水准基点之间的高差变化值,因此,当接收到对待监测建筑物的相对沉降情况进行测量的第二指令时,基于该第二指令在预设时间范围内持续接收水准仪对待监测建筑物的多个沉降位置和水准基点同时测量的数据,其中,该沉降位置的布设为在能全面反映建筑物沉降情况的部位,如建筑物四角,沉降缝两侧,荷载有变化的部位,大型设备基础,柱子基础和地质条件变化处,且为均匀布置,其点与点之间的距离一般为10~20m为佳;水准基点的布设则为设置在沉降影响范围以外,且最少应布设三个,以便相互检核;基于沉降位置及水准基点均为多个的监测点,因此,对待监测建筑物的相对沉降情况进行测量时,会得到包括多个沉降位置和水准基点同时测量的数据,该数据记为第二测量数据,将该第二测量数据上传,即得到待监测建筑物的相对沉降数据。
参照图4,在一个实施例中,上述测量数据为倾斜数据时,所述采集待监测建筑物的测量数据的步骤,包括:
S107、接收第三指令,其中,所述第三指令为对待监测建筑物的倾斜情况进行测量的指令;
S108、基于所述第三指令在预设时间内持续接收倾斜仪对待监测建筑物的倾斜情况进行测量的第三测量数据,其中,所述第三测量数据包括对所述待监测建筑物的多个顶部观测点和底部观测点同时测量的数据;
S109、将所述第三测量数据上传,得到所述待监测建筑物的倾斜数据。
如上所述,当测量数据为倾斜数据时,采用倾斜仪对待监测建筑物的倾斜情况进行测量,其中,倾斜仪的工作原理是测量重力加速度的变化来确定物体的倾斜角度,而建筑物主体的倾斜观测是通过测定建筑物顶部观测点相对于底部观测点的偏移值,再根据建筑物的高度,计算建筑物主体的倾斜度;因此,当接收到对待监测建筑物的倾斜情况进行测量的第三指令时,基于该第三指令在预设时间内持续接收倾斜仪对待监测建筑物的多个顶部观测点和底部观测点同时测量的数据,其中,顶部观测点与底部观测点相互对应进行布设,进而得到包括对待监测建筑物的多个顶部观测点和底部观测点同时测量的第三测量数据,将该第三测量数据上传,即得到待监测建筑物的倾斜数据。
参照图5,在一个实施例中,上述测量数据为裂缝数据时,所述采集待监测建筑物的测量数据的步骤,包括:
S110、接收第四指令,其中,所述第四指令为对待监测建筑物的裂缝情况进行测量的指令;
S111、基于所述第四指令在预设时间内持续接收裂缝计对待监测建筑物的裂缝情况进行测量的第四测量数据,其中,所述第四测量数据包括对所述待监测建筑物的裂缝处的多个预设位置同时测量的数据;
S112、将所述第四测量数据上传,得到所述待监测建筑物的裂缝数据。
如上所述,当测量数据为裂缝数据时,采用裂缝计对待监测建筑物的裂缝情况进行测量,其中,裂缝计又称裂缝仪,是监测裂缝深度、宽度、开合度的仪器,主要用于桥梁、隧道、建筑、混凝土路面等裂缝的宽度的精确检测;当接收到对待监测建筑物的裂缝情况进行测量的第四指令时,基于该第四指令在预设时间内持续接收裂缝计对待监测建筑物的裂缝处的多个预设位置同时测量的第四测量数据,并将该第四测量数据上传,即得到待监测建筑物的裂缝数据。
参照图6,在一个实施例中,上述将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物的步骤,包括:
S201、采用min-max标准化或z-score标准化将所述测量数据中的噪音和无效数据滤除,得到预处理测量数据;
S202、将所述预处理测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述预处理测量数据进行模型构建,得到与所述待监测建筑物对应的孪生建筑物。
如上所述,由于采集到的测量数据为多个不同监测点的多个数据,该多个数据中可能存在无效数据,因此,采用min-max标准化或z-score标准化将测量数据中的噪音和无效数据滤除,得到预处理测量数据;进行数据预处理可使得采集的测量数据规范化,且有效减少无效数据的干扰,有利于提高数据预设的准确性;在得到预处理测量数据之后,将预处理测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据该预处理测量数据进行模型构建,进而得到与待监测建筑物对应的孪生建筑物,该孪生建筑物为与待监测建筑物互为映射关系的虚拟仿真建筑物,是待监测建筑物的孪生体,直观的展示待监测建筑物的体态,有利于用于根据该动态仿真的孪生建筑物进行直观观测。
参照图7,在一个实施例中,上述根据所述预设图表对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息的步骤,包括:
S601、根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物预测所述待监测建筑物包括整体变形、相对沉降、倾斜以及裂缝的数据趋势,得到预测数值;
S602、将所述预测数值与预设阈值进行比较,判断所述预测数值是否大于所述预设阈值;
S603、若是,则发送告警信息,其中,以手机短信、邮件、声光报警器中的任意一种或多种方式组合的形式发送告警信息。
如上所述,根据孪生建筑物相似度数值大的历史模型结合孪生建筑物预测待监测建筑物包括整体变形、相对沉降、倾斜以及裂缝的数据趋势,进而得到对应的整体变形预测数据、相对沉降预测数据、倾斜预测数据以及裂缝预测数据,将整体变形预测数据、相对沉降预测数据、倾斜预测数据以及裂缝预测数据一一与预设阈值进行比较,并判断上述预测数据是否大于预设阈值,当整体变形预测数据、相对沉降预测数据、倾斜预测数据以及裂缝预测数据中存在任意一项预测数值大于预设阈值,都将判定待监测建筑物存在风险,在判定待监测建筑物存在风险的情况下将以手机短信、邮件、声光报警器中的任意一种或多种方式组合的形式发送告警信息,以提醒相关人员及时对该待监测建筑物进行管理,进而实现了对危房状态的预测以及危房情况的及时告警。
参照图8,是本发明实施例还提供一种基于数字孪生技术的远程自动化监测危房的装置,包括:
采集模块100,用于采集待监测建筑物的测量数据,其中,所述待监测建筑物为危险房屋,所述测量数据包括整体变形数据、相对沉降数据、倾斜数据以及裂缝数据;
构建模块200,用于将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;
获取模块300,用于于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;
计算模块400,用于计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;
比较模块500,用于将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;
预测模块600,用于根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。
如上所述,基于数字孪生技术的远程自动化监测危房的装置能够实现基于数字孪生技术的远程自动化监测危房的方法。
在一个实施例中,上述采集模块100还包括:
第一接收单元,用于接收第一指令,其中,所述第一指令为对待监测建筑物的整体变形情况进行测量的指令;
第一测量单元,用于基于所述第一指令在预设时间范围内持续接收北斗卫星导航系统/GPS对待监测建筑物的整体变形情况进行测量的第一测量数据,其中,所述第一测量数据包括对所述待监测建筑物的多个测量控制点和位移观测点同时测量的数据;
第一上传单元,用于将所述第一测量数据上传,得到所述待监测建筑物的整体变形数据。
在一个实施例中,上述采集模块100还包括:
第二接收单元,用于接收第二指令,其中,所述第二指令为对待监测建筑物的相对沉降情况进行测量的指令;
第二测量单元,用于基于所述第二指令在预设时间范围内持续接收水准仪对待监测建筑物的相对沉降情况进行测量的第二测量数据,其中,所述第二测量数据包括对所述待监测建筑物的多个沉降位置和水准基点同时测量的数据;
第二上传单元,用于将所述第二测量数据上传,得到所述待监测建筑物的相对沉降数据。
在一个实施例中,上述采集模块100还包括:
第三接收单元,用于接收第三指令,其中,所述第三指令为对待监测建筑物的倾斜情况进行测量的指令;
第三测量单元,用于基于所述第三指令在预设时间内持续接收倾斜仪对待监测建筑物的倾斜情况进行测量的第三测量数据,其中,所述第三测量数据包括对所述待监测建筑物的多个顶部观测点和底部观测点同时测量的数据;
第三上传单元,用于将所述第三测量数据上传,得到所述待监测建筑物的倾斜数据。
在一个实施例中,上述采集模块100还包括:
第四接收单元,用于接收第四指令,其中,所述第四指令为对待监测建筑物的裂缝情况进行测量的指令;
第四测量单元,用于基于所述第四指令在预设时间内持续接收裂缝计对待监测建筑物的裂缝情况进行测量的第四测量数据,其中,所述第四测量数据包括对所述待监测建筑物的裂缝处的多个预设位置同时测量的数据;
第四上传单元,用于将所述第四测量数据上传,得到所述待监测建筑物的裂缝数据。
在一个实施例中,上述构建模块200还包括;
预处理单元,用于采用min-max标准化或z-score标准化将所述测量数据中的噪音和无效数据滤除,得到预处理测量数据;
构建单元,用于将所述预处理测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述预处理测量数据进行模型构建,得到与所述待监测建筑物对应的孪生建筑物。
在一个实施例中,上述预测模块600还包括;
预测单元,用于根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物预测所述待监测建筑物包括整体变形、相对沉降、倾斜以及裂缝的数据趋势,得到预测数值;
比较单元,用于将所述预测数值与预设阈值进行比较,判断所述预测数值是否大于所述预设阈值;
告警单元,用于若是,则发送告警信息,其中,以手机短信、邮件、声光报警器中的任意一种或多种方式组合的形式发送告警信息。
参照图9,本发明实施例还提供一种计算机设备,该计算机设备的内部结构可以如图9所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中,该计算机设备设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作装置、计算机程序和数据库。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于数字孪生技术的远程自动化监测危房的方法的相关数据等。该计算机设备的网络接口用于与外部的终端通过网络连接通信。进一步地,上述计算机设备还可以设置有输入装置和显示屏等。上述计算机程序被处理器执行时以实现基于数字孪生技术的远程自动化监测危房的方法,包括如下步骤:采集待监测建筑物的测量数据,其中,所述待监测建筑物为危险房屋,所述测量数据包括整体变形数据、相对沉降数据、倾斜数据以及裂缝数据;将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。本领域技术人员可以理解,图9中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请一实施例还提供一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现基于数字孪生技术的远程自动化监测危房的方法,包括如下步骤:采集待监测建筑物的测量数据,其中,所述待监测建筑物为危险房屋,所述测量数据包括整体变形数据、相对沉降数据、倾斜数据以及裂缝数据;将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。可以理解的是,本实施例中的计算机可读存储介质可以是易失性可读存储介质,也可以为非易失性可读存储介质。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的和实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可以包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM通过多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双速据率SDRAM(SSRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其它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它要素,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。
以上所述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 (10)
1.一种基于数字孪生技术的远程自动化监测危房的方法,其特征在于,所述方法包括:
采集待监测建筑物的测量数据,其中,所述待监测建筑物为危险房屋,所述测量数据包括整体变形数据、相对沉降数据、倾斜数据以及裂缝数据;
将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;
于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;其中,建筑物模型数据库指的是预先根据各危房的监测数据和安全房屋的监测数据构建对应的房屋建筑模型,并按照房屋类型将该房屋建筑类型进行存储的数据库,该历史模型用于与构建的孪生建筑物进行比较,以确定构建的孪生建筑物属于何种建筑物类型,当在确定建筑物类型的情况下对待监测建筑物进行数据预测;
计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;
将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;
根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。
2.根据权利要求1所述的基于数字孪生技术的远程自动化监测危房的方法,其特征在于,所述测量数据为整体变形数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第一指令,其中,所述第一指令为对待监测建筑物的整体变形情况进行测量的指令;
基于所述第一指令在预设时间范围内持续接收北斗卫星导航系统/GPS对待监测建筑物的整体变形情况进行测量的第一测量数据,其中,所述第一测量数据包括对所述待监测建筑物的多个测量控制点和位移观测点同时测量的数据;
将所述第一测量数据上传,得到所述待监测建筑物的整体变形数据。
3.根据权利要求1所述的基于数字孪生技术的远程自动化监测危房的方法,其特征在于,所述测量数据为相对沉降数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第二指令,其中,所述第二指令为对待监测建筑物的相对沉降情况进行测量的指令;
基于所述第二指令在预设时间范围内持续接收水准仪对待监测建筑物的相对沉降情况进行测量的第二测量数据,其中,所述第二测量数据包括对所述待监测建筑物的多个沉降位置和水准基点同时测量的数据;
将所述第二测量数据上传,得到所述待监测建筑物的相对沉降数据。
4.根据权利要求1所述的基于数字孪生技术的远程自动化监测危房的方法,其特征在于,所述测量数据为倾斜数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第三指令,其中,所述第三指令为对待监测建筑物的倾斜情况进行测量的指令;
基于所述第三指令在预设时间内持续接收倾斜仪对待监测建筑物的倾斜情况进行测量的第三测量数据,其中,所述第三测量数据包括对所述待监测建筑物的多个顶部观测点和底部观测点同时测量的数据;
将所述第三测量数据上传,得到所述待监测建筑物的倾斜数据。
5.根据权利要求1所述的基于数字孪生技术的远程自动化监测危房的方法,其特征在于,所述测量数据为裂缝数据时,所述采集待监测建筑物的测量数据的步骤,包括:
接收第四指令,其中,所述第四指令为对待监测建筑物的裂缝情况进行测量的指令;
基于所述第四指令在预设时间内持续接收裂缝计对待监测建筑物的裂缝情况进行测量的第四测量数据,其中,所述第四测量数据包括对所述待监测建筑物的裂缝处的多个预设位置同时测量的数据;
将所述第四测量数据上传,得到所述待监测建筑物的裂缝数据。
6.根据权利要求1所述的基于数字孪生技术的远程自动化监测危房的方法,其特征在于,所述将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物的步骤,包括:
采用min-max标准化或z-score标准化将所述测量数据中的噪音和无效数据滤除,得到预处理测量数据;
将所述预处理测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述预处理测量数据进行模型构建,得到与所述待监测建筑物对应的孪生建筑物。
7.根据权利要求1所述的基于数字孪生技术的远程自动化监测危房的方法,其特征在于,所述根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据预测,当所述数据预测的预测数值大于预设阈值,则发送告警信息的步骤,包括:
根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物预测所述待监测建筑物包括整体变形、相对沉降、倾斜以及裂缝的数据趋势,得到预测数值;
将所述预测数值与预设阈值进行比较,判断所述预测数值是否大于所述预设阈值;
若是,则发送告警信息,其中,以手机短信、邮件、声光报警器中的任意一种或多种方式组合的形式发送告警信息。
8.一种基于数字孪生技术的远程自动化监测危房的装置,其特征在于,所述装置包括:
采集模块,用于采集待监测建筑物的测量数据,其中,所述待监测建筑物为危险房屋,所述测量数据包括整体变形数据、相对沉降数据、倾斜数据以及裂缝数据;
构建模块,用于将所述测量数据输入训练好的数字孪生模型中,于所述数字孪生模型中根据所述测量数据构建与所述待监测建筑物对应的孪生建筑物;
获取模块,用于于预先构建的建筑物模型数据库中读取与所述孪生建筑物相对应的历史模型,所述历史模型包括危险房屋模型和安全房屋模型;其中,建筑物模型数据库指的是预先根据各危房的监测数据和安全房屋的监测数据构建对应的房屋建筑模型,并按照房屋类型将该房屋建筑类型进行存储的数据库,该历史模型用于与构建的孪生建筑物进行比较,以确定构建的孪生建筑物属于何种建筑物类型,当在确定建筑物类型的情况下对待监测建筑物进行数据预测;
计算模块,用于计算所述危险房屋模型和所述孪生建筑物之间的相似度,得到第一相似度数值,以及计算所述安全房屋模型和所述孪生建筑物之间的相似度,得到第二相似度数值;
比较模块,用于将所述第一相似度数值和所述第二相似度数值进行比较,以确定与所述孪生建筑物相似度数值大的所述历史模型;
预测模块,用于根据所述孪生建筑物相似度数值大的所述历史模型结合所述孪生建筑物对所述待监测建筑物进行数据趋势预测,当所述数据趋势预测的预测数值大于预设阈值,则发送告警信息。
9.一种计算机设备,包括存储器和处理器,所述存储器中存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7中任一项所述的基于数字孪生技术的远程自动化监测危房的方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的基于数字孪生技术的远程自动化监测危房的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310826244.4A CN116977122B (zh) | 2023-07-06 | 2023-07-06 | 基于数字孪生技术的远程自动化监测危房的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310826244.4A CN116977122B (zh) | 2023-07-06 | 2023-07-06 | 基于数字孪生技术的远程自动化监测危房的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116977122A CN116977122A (zh) | 2023-10-31 |
CN116977122B true CN116977122B (zh) | 2024-04-19 |
Family
ID=88474138
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310826244.4A Active CN116977122B (zh) | 2023-07-06 | 2023-07-06 | 基于数字孪生技术的远程自动化监测危房的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116977122B (zh) |
Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360105A (zh) * | 2018-09-18 | 2019-02-19 | 平安科技(深圳)有限公司 | 产品风险预警方法、装置、计算机设备和存储介质 |
CN112381674A (zh) * | 2020-11-16 | 2021-02-19 | 同济大学 | 一种基于数字孪生平台的模块化建筑物健康监测系统 |
CN113487138A (zh) * | 2021-06-09 | 2021-10-08 | 中国民航大学 | 一种基于数字孪生的机场应急演练方法和系统 |
CN114239288A (zh) * | 2021-12-20 | 2022-03-25 | 国家石油天然气管网集团有限公司 | 构建管道数字孪生体的方法、装置、存储介质及处理器 |
CN114526910A (zh) * | 2022-04-21 | 2022-05-24 | 杭州杰牌传动科技有限公司 | 一种基于数字孪生驱动的传动系统故障定位方法 |
CN114662712A (zh) * | 2022-02-22 | 2022-06-24 | 清华大学 | 基于Wasserstein深度数字孪生模型的旋转机械状态监测方法 |
CN115130356A (zh) * | 2022-09-01 | 2022-09-30 | 北京云庐科技有限公司 | 一种基于数字孪生技术的崩塌监测系统与方法 |
CN115169974A (zh) * | 2022-03-14 | 2022-10-11 | 北京住总集团有限责任公司 | 一种基于动态模拟的施工风险预警系统及方法 |
CN115412947A (zh) * | 2022-08-26 | 2022-11-29 | 武汉烽火技术服务有限公司 | 一种基于数字孪生与ai算法的故障仿真方法和系统 |
WO2022257925A1 (zh) * | 2021-06-09 | 2022-12-15 | 五邑大学 | 基于数字孪生的故障预测方法、装置、服务器及存储介质 |
CN115545970A (zh) * | 2022-10-13 | 2022-12-30 | 国网山西省电力公司 | 基于数字孪生的电网故障分析方法、系统、设备及介质 |
WO2023024259A1 (zh) * | 2021-08-26 | 2023-03-02 | 广东电网有限责任公司广州供电局 | 基于数字孪生的局部放电监测系统、方法和装置 |
CN115731678A (zh) * | 2022-11-11 | 2023-03-03 | 浙江省水利水电勘测设计院有限责任公司 | 基于数字孪生和大数据的安全监测预警与处置系统 |
CN116128290A (zh) * | 2022-12-28 | 2023-05-16 | 北京交通大学 | 城市建成区盾构法施工环境风险智能评估数字孪生系统 |
CN116366313A (zh) * | 2023-03-16 | 2023-06-30 | 中国科学院信息工程研究所 | 一种小样本异常流量检测方法和系统 |
CN116380166A (zh) * | 2023-04-04 | 2023-07-04 | 山推工程机械股份有限公司 | 一种设备异常监测方法、电子设备及存储介质 |
CN116383937A (zh) * | 2023-04-03 | 2023-07-04 | 广西大学 | 一种村落数字孪生保护评估方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210173969A1 (en) * | 2019-12-04 | 2021-06-10 | Johnson Controls Technology Company | Multifactor analysis of building microenvironments |
-
2023
- 2023-07-06 CN CN202310826244.4A patent/CN116977122B/zh active Active
Patent Citations (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109360105A (zh) * | 2018-09-18 | 2019-02-19 | 平安科技(深圳)有限公司 | 产品风险预警方法、装置、计算机设备和存储介质 |
CN112381674A (zh) * | 2020-11-16 | 2021-02-19 | 同济大学 | 一种基于数字孪生平台的模块化建筑物健康监测系统 |
WO2022257925A1 (zh) * | 2021-06-09 | 2022-12-15 | 五邑大学 | 基于数字孪生的故障预测方法、装置、服务器及存储介质 |
CN113487138A (zh) * | 2021-06-09 | 2021-10-08 | 中国民航大学 | 一种基于数字孪生的机场应急演练方法和系统 |
WO2023024259A1 (zh) * | 2021-08-26 | 2023-03-02 | 广东电网有限责任公司广州供电局 | 基于数字孪生的局部放电监测系统、方法和装置 |
CN114239288A (zh) * | 2021-12-20 | 2022-03-25 | 国家石油天然气管网集团有限公司 | 构建管道数字孪生体的方法、装置、存储介质及处理器 |
CN114662712A (zh) * | 2022-02-22 | 2022-06-24 | 清华大学 | 基于Wasserstein深度数字孪生模型的旋转机械状态监测方法 |
CN115169974A (zh) * | 2022-03-14 | 2022-10-11 | 北京住总集团有限责任公司 | 一种基于动态模拟的施工风险预警系统及方法 |
CN114526910A (zh) * | 2022-04-21 | 2022-05-24 | 杭州杰牌传动科技有限公司 | 一种基于数字孪生驱动的传动系统故障定位方法 |
CN115412947A (zh) * | 2022-08-26 | 2022-11-29 | 武汉烽火技术服务有限公司 | 一种基于数字孪生与ai算法的故障仿真方法和系统 |
CN115130356A (zh) * | 2022-09-01 | 2022-09-30 | 北京云庐科技有限公司 | 一种基于数字孪生技术的崩塌监测系统与方法 |
CN115545970A (zh) * | 2022-10-13 | 2022-12-30 | 国网山西省电力公司 | 基于数字孪生的电网故障分析方法、系统、设备及介质 |
CN115731678A (zh) * | 2022-11-11 | 2023-03-03 | 浙江省水利水电勘测设计院有限责任公司 | 基于数字孪生和大数据的安全监测预警与处置系统 |
CN116128290A (zh) * | 2022-12-28 | 2023-05-16 | 北京交通大学 | 城市建成区盾构法施工环境风险智能评估数字孪生系统 |
CN116366313A (zh) * | 2023-03-16 | 2023-06-30 | 中国科学院信息工程研究所 | 一种小样本异常流量检测方法和系统 |
CN116383937A (zh) * | 2023-04-03 | 2023-07-04 | 广西大学 | 一种村落数字孪生保护评估方法 |
CN116380166A (zh) * | 2023-04-04 | 2023-07-04 | 山推工程机械股份有限公司 | 一种设备异常监测方法、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116977122A (zh) | 2023-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109493569B (zh) | 滑坡预警方法、装置、计算机设备和存储介质 | |
CN206410668U (zh) | 基于北斗卫星和传感器的建筑物安全监测设备 | |
CN106767378A (zh) | 基于北斗卫星和传感器的建筑物安全监测设备及监测方法 | |
JP6028119B1 (ja) | 建物健康管理装置及びこの建物健康管理装置を用いた建物健康管理方法 | |
CN111486814B (zh) | 基于遗传算法的bim三维可视化深基坑变形预测系统 | |
CN106595537A (zh) | 一种基于北斗卫星的建筑物安全状态监测设备及监测方法 | |
CN110360461B (zh) | 压力管道监测系统、方法、装置和计算机可读存储介质 | |
CN110310021B (zh) | 一种用于基坑监测预警的场地环境与监测点匹配系统 | |
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 | |
KR102065435B1 (ko) | 사회기반시설물 건전성 모니터링 시스템 및 방법 | |
CN104048843B (zh) | 基于gps位移监测的大跨桥梁钢箱梁损伤预警方法 | |
CN112185072A (zh) | 基于物联网的深基坑自动监测方法、装置、设备及介质 | |
CN114004631A (zh) | 基于bim技术的工程造价控制方法、系统及计算机设备 | |
CN109684774A (zh) | 一种梁式桥安全监测与评估装置 | |
KR100739445B1 (ko) | 무선 주파수 인식 기술을 이용한 산업기간 시설물의 정보관리시스템 | |
CN116716927A (zh) | 塔基监测方法、装置、计算机设备、存储介质和产品 | |
CN116977122B (zh) | 基于数字孪生技术的远程自动化监测危房的方法 | |
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 | |
EP3951441A1 (en) | Structural arrangement for a tipping bucket rain gauge and related microcontrolled electronic system | |
CN112883478B (zh) | 钢结构位移预测方法、装置、终端设备和系统 | |
CN116087476A (zh) | 水汽环境下混凝土结构的性能检测系统及性能检测方法 | |
RU2515130C1 (ru) | Сейсмометрический способ мониторинга технического состояния зданий и/или сооружений | |
KR20200069552A (ko) | 흙막이 가시설 및 인접 구조물 통합 안전성 평가시스템 | |
CN115392089A (zh) | 一种智能预警方法 | |
Costantino et al. | Structural monitoring with geodetic survey of Quadrifoglio condominium (Lecce) |
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 |