CN117494293B - 基于温度分析的混凝土监测预警方法及系统 - Google Patents
基于温度分析的混凝土监测预警方法及系统 Download PDFInfo
- Publication number
- CN117494293B CN117494293B CN202410002998.2A CN202410002998A CN117494293B CN 117494293 B CN117494293 B CN 117494293B CN 202410002998 A CN202410002998 A CN 202410002998A CN 117494293 B CN117494293 B CN 117494293B
- Authority
- CN
- China
- Prior art keywords
- temperature
- concrete
- pouring
- temperature measurement
- data
- 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 86
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000009529 body temperature measurement Methods 0.000 claims abstract description 246
- 238000010276 construction Methods 0.000 claims abstract description 205
- 238000005266 casting Methods 0.000 claims abstract description 70
- 238000012502 risk assessment Methods 0.000 claims description 32
- 238000004422 calculation algorithm Methods 0.000 claims description 16
- 230000001419 dependent effect Effects 0.000 claims description 13
- 238000000547 structure data Methods 0.000 claims description 12
- 230000007613 environmental effect Effects 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 description 9
- 230000000694 effects Effects 0.000 description 7
- 238000013528 artificial neural network Methods 0.000 description 4
- 239000000203 mixture Substances 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000005309 stochastic process Methods 0.000 description 1
- 230000008646 thermal stress Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01K—MEASURING TEMPERATURE; MEASURING QUANTITY OF HEAT; THERMALLY-SENSITIVE ELEMENTS NOT OTHERWISE PROVIDED FOR
- G01K13/00—Thermometers specially adapted for specific purposes
- G01K13/10—Thermometers specially adapted for specific purposes for measuring temperature within piled or stacked materials
-
- 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
- G06F30/27—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
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/08—Thermal analysis or thermal optimisation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Geometry (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)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明公开了基于温度分析的混凝土监测预警方法及系统，涉及温度测量预警领域，其中，所述方法包括：获得浇筑实时混凝土测温源；根据匹配测温元件传感环境源对浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；将浇筑实时混凝土温度数据输入浇筑施工主体BIM模型，获得浇筑‑混凝土温度分布云图；对浇筑‑混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；若混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑‑混凝土温度预警信号。解决了现有技术中在浇筑施工时，混凝土的温度监测预警精准性低、可靠性差，导致浇筑施工过程的混凝土温度监测预警质量差的技术问题。
Description
技术领域
本发明涉及温度测量预警领域，具体地，涉及基于温度分析的混凝土监测预警方法及系统。
背景技术
混凝土是工程建设中应用最广泛的建筑材料之一。混凝土在浇筑过程中由于内外温度差而产生的热应力会直接影响浇筑质量，因此在浇筑施工时，需要对混凝土温度进行监测预警。现有技术中，存在浇筑施工时，混凝土的温度监测预警精准性低、可靠性差，导致浇筑施工过程的混凝土温度监测预警质量差的技术问题。
发明内容
本申请提供了基于温度分析的混凝土监测预警方法及系统。解决了现有技术中在浇筑施工时，混凝土的温度监测预警精准性低、可靠性差，导致浇筑施工过程的混凝土温度监测预警质量差的技术问题。达到了提高浇筑施工过程的混凝土温度监测预警精准性及可靠性，提升浇筑施工过程的混凝土温度监测预警质量的技术效果。
鉴于上述问题，本申请提供了基于温度分析的混凝土监测预警方法及系统。
第一方面，本申请提供了一种基于温度分析的混凝土监测预警方法，其中，所述方法应用于一种基于温度分析的混凝土监测预警系统，所述方法包括：获得第一浇筑施工主体，以及所述第一浇筑施工主体对应的目标浇筑混凝土和目标浇筑施工方案；基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；获得所述第二浇筑施工主体的第二主体基础数据，结合BIM子模块对所述第二浇筑施工主体进行建模，生成浇筑施工主体BIM模型；基于所述目标浇筑施工方案，根据所述目标浇筑混凝土对所述第二浇筑施工主体进行浇筑，并根据所述分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；获得所述分布式测温配置模块的匹配测温元件传感环境源，并根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；将所述浇筑实时混凝土温度数据输入所述浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；若所述混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。
第二方面，本申请还提供了一种基于温度分析的混凝土监测预警系统，其中，所述系统包括：信息获得模块，所述信息获得模块用于获得第一浇筑施工主体，以及所述第一浇筑施工主体对应的目标浇筑混凝土和目标浇筑施工方案；分层测温配置模块，所述分层测温配置模块用于基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体； BIM模型生成模块，所述BIM模型生成模块用于获得所述第二浇筑施工主体的第二主体基础数据，结合BIM子模块对所述第二浇筑施工主体进行建模，生成浇筑施工主体BIM模型；实时混凝土温度监测模块，所述实时混凝土温度监测模块用于基于所述目标浇筑施工方案，根据所述目标浇筑混凝土对所述第二浇筑施工主体进行浇筑，并根据所述分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；匹配误差补偿模块，所述匹配误差补偿模块用于获得所述分布式测温配置模块的匹配测温元件传感环境源，并根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；温度分布云图获得模块，所述温度分布云图获得模块用于将所述浇筑实时混凝土温度数据输入所述浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；风险识别模块，所述风险识别模块用于根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；混凝土温度预警模块，所述混凝土温度预警模块用于若所述混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
根据目标浇筑施工方案对第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；根据目标浇筑混凝土对第二浇筑施工主体进行浇筑，并根据分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；根据匹配测温元件传感环境源对浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；将浇筑实时混凝土温度数据输入浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；根据浇筑-混凝土温度风险解析算法对浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；若混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。达到了提高浇筑施工过程的混凝土温度监测预警精准性及可靠性，提升浇筑施工过程的混凝土温度监测预警质量的技术效果。
上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例的附图作简单地介绍。明显地，下面描述中的附图仅仅涉及本发明的一些实施例,而非对本发明的限制。
图1为本申请一种基于温度分析的混凝土监测预警方法的流程示意图。
图2为本申请一种基于温度分析的混凝土监测预警系统的结构示意图。
具体实施方式
本申请通过提供基于温度分析的混凝土监测预警方法及系统。解决了现有技术中在浇筑施工时，混凝土的温度监测预警精准性低、可靠性差，导致浇筑施工过程的混凝土温度监测预警质量差的技术问题。达到了提高浇筑施工过程的混凝土温度监测预警精准性及可靠性，提升浇筑施工过程的混凝土温度监测预警质量的技术效果。
实施例一
请参阅附图1，本申请提供一种基于温度分析的混凝土监测预警方法，其中，所述方法应用于一种基于温度分析的混凝土监测预警系统，所述方法具体包括如下步骤：
获得第一浇筑施工主体，以及所述第一浇筑施工主体对应的目标浇筑混凝土和目标浇筑施工方案；
连接所述一种基于温度分析的混凝土监测预警系统，读取第一浇筑施工主体对应的目标浇筑混凝土和目标浇筑施工方案。第一浇筑施工主体可以为使用所述一种基于温度分析的混凝土监测预警系统进行浇筑施工过程的混凝土温度监测预警的任意待浇筑施工的混凝土建筑物。例如，第一浇筑施工主体可以待浇筑施工的混凝土房屋、混凝土桥梁、混凝土隧道等。目标浇筑混凝土为第一浇筑施工主体对应的待浇筑混凝土。目标浇筑施工方案包括第一浇筑施工主体对应的浇筑位置、浇筑高度、浇筑速度、浇筑施工精度等浇筑参数。浇筑施工精度为第一浇筑施工主体对应的浇筑施工等级。浇筑施工等级越高，第一浇筑施工主体的浇筑施工精细化程度越大。
基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；
其中，基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体，包括：
获得所述第一浇筑施工主体的第一主体结构数据；
根据所述目标浇筑施工方案进行特征提取，获得浇筑施工位置数据和浇筑施工精度；
基于所述第一主体结构数据、所述浇筑施工位置数据和所述浇筑施工精度对所述第一浇筑施工主体进行分层测温配置解析，获得分层测温配置方案；
根据所述分层测温配置方案执行所述第一浇筑施工主体的测温元件布设，生成所述具有分布式测温配置模块的第二浇筑施工主体。
连接所述一种基于温度分析的混凝土监测预警系统，读取第一浇筑施工主体的结构参数、空间布局信息，获得第一主体结构数据。第一主体结构数据包括第一浇筑施工主体对应的结构参数、空间布局信息。继而，对目标浇筑施工方案进行特征提取，即，从目标浇筑施工方案中提取出浇筑位置、浇筑高度、浇筑施工精度，并将浇筑位置、浇筑高度标识为浇筑施工位置数据。
进一步，根据第一主体结构数据、浇筑施工位置数据和浇筑施工精度对第一浇筑施工主体进行分层测温配置解析，获得分层测温配置方案，并按照分层测温配置方案对第一浇筑施工主体进行测温元件（温度传感器）布设，获得具有分布式测温配置模块的第二浇筑施工主体。其中，分层测温配置解析是指对第一浇筑施工主体进行温度传感器的布设参数（布设位置、布设数量）分析。分层测温配置方案包括第一浇筑施工主体对应的温度传感器布设位置参数、温度传感器布设数量参数。分布式测温配置模块包括完成测温元件布设的第一浇筑施工主体内的多个温度传感器。第二浇筑施工主体为完成测温元件布设的第一浇筑施工主体。
示例性地，在根据第一主体结构数据、浇筑施工位置数据和浇筑施工精度对第一浇筑施工主体进行分层测温配置解析时，按照第一主体结构数据、浇筑施工位置数据和浇筑施工精度进行历史数据采集，获得分层测温配置解析库。将第一主体结构数据、浇筑施工位置数据和浇筑施工精度输入分层测温配置解析库，由分层测温配置解析库对第一浇筑施工主体进行温度传感器的布设参数分析，得到分层测温配置方案。分层测温配置解析库包括多个分层测温配置解析记录。每个分层测温配置解析记录包括历史主体结构数据、历史浇筑施工位置数据、历史浇筑施工精度、历史分层测温配置方案。
获得所述第二浇筑施工主体的第二主体基础数据，结合BIM子模块对所述第二浇筑施工主体进行建模，生成浇筑施工主体BIM模型；
基于所述目标浇筑施工方案，根据所述目标浇筑混凝土对所述第二浇筑施工主体进行浇筑，并根据所述分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；
采集第二浇筑施工主体的结构参数、空间布局信息，获得第二主体基础数据，并将第二主体基础数据输入BIM子模块，BIM子模块按照第二主体基础数据对第二浇筑施工主体进行建模，生成浇筑施工主体BIM模型。其中，第二主体基础数据包括第二浇筑施工主体对应的结构参数、空间布局信息。BIM子模块包括现有技术中的BIM建模系统。BIM建模系统具有对实体（建筑物等）进行三维建模的功能。浇筑施工主体BIM模型包括第二浇筑施工主体对应的三维仿真模型。
同时，按照目标浇筑施工方案，根据目标浇筑混凝土对第二浇筑施工主体进行浇筑，并根据分布式测温配置模块对第二浇筑施工主体进行实时混凝土温度监测，获得浇筑实时混凝土测温源。浇筑实时混凝土测温源包括第二浇筑施工主体对应的多个实时混凝土温度。
获得所述分布式测温配置模块的匹配测温元件传感环境源，并根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；
其中，根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据，包括：
遍历所述浇筑实时混凝土测温源和所述匹配测温元件传感环境源，提取第一浇筑实时混凝土测温数据，以及所述第一浇筑实时混凝土测温数据对应的第一测温元件传感环境数据；
连接所述一种基于温度分析的混凝土监测预警系统，调取匹配测温元件传感环境源。匹配测温元件传感环境源包括浇筑实时混凝土测温源内的多个实时混凝土温度对应的多个测温元件传感环境数据。每个测温元件传感环境数据包括浇筑实时混凝土测温源内的实时混凝土温度对应的温度传感器的实时环境温度、实时环境湿度等环境参数。
进一步，对浇筑实时混凝土测温源内的多个实时混凝土温度进行依次提取，获得第一浇筑实时混凝土测温数据。第一浇筑实时混凝土测温数据依次为浇筑实时混凝土测温源内的每个实时混凝土温度。继而，将匹配测温元件传感环境源内，第一浇筑实时混凝土测温数据对应的测温元件传感环境数据记为第一测温元件传感环境数据。
基于所述第一测温元件传感环境数据进行测温数据准确度影响分析，获得第一测温准度影响系数；
其中，基于所述第一测温元件传感环境数据进行测温数据准确度影响分析，获得第一测温准度影响系数，包括：
获得测温数据准确度影响记录库，其中，所述测温数据准确度影响记录库包括多个样本测温元件传感环境数据和多个样本测温准度影响系数，且，所述多个样本测温元件传感环境数据和所述多个样本测温准度影响系数具有样本特征关系；
根据知识图谱，获得模式层和数据层；
以样本测温元件传感环境数据为测温准度影响自变量，以样本测温准度影响系数为测温准度影响因变量；
将所述样本特征关系、所述测温准度影响自变量和所述测温准度影响因变量输入所述模式层，获得特征模式层；
将所述多个样本测温元件传感环境数据和所述多个样本测温准度影响系数输入所述数据层，获得特征数据层；
根据所述特征模式层对所述特征数据层进行数据整合，获得测温准度影响解析模型；
将所述第一测温元件传感环境数据输入所述测温准度影响解析模型，生成所述第一测温准度影响系数。
连接所述一种基于温度分析的混凝土监测预警系统，调取测温数据准确度影响记录库。测温数据准确度影响记录库包括多个样本测温元件传感环境数据和多个样本测温准度影响系数。多个样本测温元件传感环境数据包括多个历史测温元件传感环境数据。每个样本测温准度影响系数包括每个样本测温元件传感环境数据对应的历史测温准度影响系数。样本特征关系为多个样本测温元件传感环境数据和多个样本测温准度影响系数之间的对应关系。
进一步，知识图谱是一种以结构化的形式描述知识的数据模型。知识图谱是一种数据信息的表达方式。知识图谱包括模式层、数据层。数据层由一系列的事实组成。模式层构建在数据层之上，主要用于对数据层的一系列事实进行规范表达。进而，将样本测温元件传感环境数据设置为测温准度影响自变量，将样本测温准度影响系数设置为测温准度影响因变量。将样本特征关系、测温准度影响自变量和测温准度影响因变量输入模式层，获得特征模式层。特征模式层包括样本特征关系、测温准度影响自变量和测温准度影响因变量。继而，将多个样本测温元件传感环境数据和多个样本测温准度影响系数输入数据层，获得特征数据层。特征数据层包括多个样本测温元件传感环境数据和多个样本测温准度影响系数。
进一步，按照特征模式层对特征数据层进行数据整合，即，根据特征模式层内的测温准度影响自变量和测温准度影响因变量，将多个样本测温元件传感环境数据设置为多个测温准度影响自变量参数，将多个样本测温准度影响系数设置为多个测温准度影响因变量参数，继而，按照特征模式层内的样本特征关系将多个测温准度影响自变量参数、多个测温准度影响因变量参数进行排列，结合测温准度影响自变量和测温准度影响因变量，得到测温准度影响解析模型。进一步，将第一测温元件传感环境数据输入测温准度影响解析模型，获得第一测温准度影响系数。其中，测温准度影响解析模型包括测温准度影响自变量、测温准度影响因变量、多个测温准度影响自变量参数、多个测温准度影响因变量参数。且，多个测温准度影响自变量参数、多个测温准度影响因变量参数按照样本特征关系进行排列。第一测温准度影响系数是用于表征第一测温元件传感环境数据对第一浇筑实时混凝土测温数据的测温数据准确度影响程度的数据信息。第一测温元件传感环境数据对第一浇筑实时混凝土测温数据的测温数据准确度影响程度越大，对应的第一测温准度影响系数越高。
通过测温准度影响解析模型对第一测温元件传感环境数据进行测温数据准确度影响分析，获得准确的第一测温准度影响系数，从而提高对第一浇筑实时混凝土测温数据进行匹配误差补偿的可靠性。
判断所述第一测温准度影响系数是否满足测温准度影响约束；
若所述第一测温准度影响系数不满足所述测温准度影响约束，生成第一测温误差补偿指令；
根据所述第一测温误差补偿指令对所述第一浇筑实时混凝土测温数据进行匹配误差补偿，生成第一补偿混凝土测温数据，并将所述第一补偿混凝土测温数据添加至所述浇筑实时混凝土温度数据。
将所述浇筑实时混凝土温度数据输入所述浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；
对第一测温准度影响系数是否满足测温准度影响约束进行判断。测温准度影响约束包括由所述一种基于温度分析的混凝土监测预警系统预先设置确定的测温准度影响系数范围。如果第一测温准度影响系数不满足测温准度影响约束，生成第一测温误差补偿指令。第一测温误差补偿指令是用于表征第一测温准度影响系数不满足测温准度影响约束，第一测温准度影响系数较高，需要对第一浇筑实时混凝土测温数据进行匹配误差补偿的指令信息。
进一步，根据第一测温误差补偿指令对第一浇筑实时混凝土测温数据进行匹配误差补偿，生成第一补偿混凝土测温数据，并将第一补偿混凝土测温数据添加至浇筑实时混凝土温度数据。浇筑实时混凝土温度数据包括浇筑实时混凝土测温源内的多个实时混凝土温度对应的多个补偿混凝土测温数据。多个补偿混凝土测温数据与第一补偿混凝土测温数据的获得方式相同，在此不再赘述。由此，实现了根据匹配测温元件传感环境源对浇筑实时混凝土测温源进行适应性地匹配误差补偿，获得准确的浇筑实时混凝土温度数据，从而提高了在浇筑施工时，混凝土的温度监测准确度和可靠性，继而提升浇筑施工过程的混凝土温度监测预警质量。
示例性地，在根据第一测温误差补偿指令对第一浇筑实时混凝土测温数据进行匹配误差补偿时，将第一测温准度影响系数与第一浇筑实时混凝土测温数据的乘积设置为第一补偿温度，将第一补偿温度与第一浇筑实时混凝土测温数据的和输出为第一补偿混凝土测温数据。此外，如果第一测温准度影响系数满足测温准度影响约束，则，直接将第一浇筑实时混凝土测温数据输出为第一补偿混凝土测温数据。
进一步，将浇筑实时混凝土温度数据输入浇筑施工主体BIM模型，按照浇筑实时混凝土温度数据对浇筑施工主体BIM模型进行标识，得到浇筑-混凝土温度分布云图，提高浇筑施工过程的混凝土温度监测的可视化程度。浇筑-混凝土温度分布云图包括具有浇筑实时混凝土温度数据标识的浇筑施工主体BIM模型。
根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；
其中，根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数，包括：
基于所述浇筑-混凝土温度分布云图进行当前温度风险识别，获得第一混凝土温度风险系数；
其中，基于所述浇筑-混凝土温度分布云图进行当前温度风险识别，获得第一混凝土温度风险系数，包括：
获得实时环境数据，以及所述目标浇筑混凝土的混凝土成分特征；
基于所述浇筑-混凝土温度分布云图进行邻域温度梯度计算，获得邻域温度梯度图；
根据浇筑-混凝土温度风险识别库，构建满足当前温度风险识别精度约束的温度风险识别通道；
将所述混凝土成分特征、所述邻域温度梯度图和所述实时环境数据输入所述温度风险识别通道，生成所述第一混凝土温度风险系数。
优选的，本申请采用浇筑-混凝土温度风险解析算法对浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数。其中，浇筑-混凝土温度风险解析算法包括：连接所述一种基于温度分析的混凝土监测预警系统读取实时环境数据，以及目标浇筑混凝土的混凝土成分特征。实时环境数据包括根据目标浇筑混凝土对第二浇筑施工主体进行浇筑时，对应的实时环境温度参数、实时环境风力参数、实时环境风向参数、实时环境湿度参数等。混凝土成分特征包括目标浇筑混凝土对应的成分组成信息。
进一步，对浇筑-混凝土温度分布云图进行邻域温度梯度计算，即，对浇筑-混凝土温度分布云图中，相邻的混凝土温度进行差值计算，获得多个邻域温度梯度，并根据多个邻域温度梯度对浇筑-混凝土温度分布云图进行标识，生成邻域温度梯度图。邻域温度梯度图包括按照多个邻域温度梯度进行标识的浇筑-混凝土温度分布云图。多个邻域温度梯度包括浇筑-混凝土温度分布云图中，多个相邻的混凝土温度差值。
进一步，连接所述一种基于温度分析的混凝土监测预警系统，调取浇筑-混凝土温度风险识别库。浇筑-混凝土温度风险识别库包括多个浇筑-混凝土温度风险识别记录。每个浇筑-混凝土温度风险识别记录包括历史混凝土成分特征、历史邻域温度梯度图、历史环境数据，以及对应的历史混凝土温度风险系数。继而，将浇筑-混凝土温度风险识别库中随机的70％的数据信息划分为训练数据集，将浇筑-混凝土温度风险识别库中随机的30％的数据信息划分为测试数据集。根据BP神经网络对训练数据集进行交叉监督训练，获得浇筑-混凝土温度风险识别网络。BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。浇筑-混凝土温度风险识别网络符合BP神经网络，浇筑-混凝土温度风险识别网络包括输入层、隐含层、输出层。
进一步，将测试数据集输入浇筑-混凝土温度风险识别网络，通过测试数据集对浇筑-混凝土温度风险识别网络进行测试，获得浇筑-混凝土温度风险识别精度。浇筑-混凝土温度风险识别精度为浇筑-混凝土温度风险识别网络对测试数据集的输出准确率参数。进而，对浇筑-混凝土温度风险识别精度是否满足当前温度风险识别精度约束进行判断。当前温度风险识别精度约束为由所述一种基于温度分析的混凝土监测预警系统预先设置确定的浇筑-混凝土温度风险识别精度范围。如果浇筑-混凝土温度风险识别精度满足当前温度风险识别精度约束，则，将浇筑-混凝土温度风险识别精度设置为当前温度风险识别精度（即浇筑-混凝土温度风险解析函数中的coa），并将浇筑-混凝土温度风险识别网络设置为温度风险识别通道。继而，将混凝土成分特征、邻域温度梯度图和实时环境数据输入温度风险识别通道，生成第一混凝土温度风险系数。第一混凝土温度风险系数是用于表征浇筑-混凝土温度分布云图对第一浇筑施工主体的浇筑施工质量影响程度的数据信息。浇筑-混凝土温度分布云图对第一浇筑施工主体的浇筑施工质量影响程度越高，对应的第一混凝土温度风险系数越大。
基于所述浇筑-混凝土温度分布云图进行温度风险预测，获得第二混凝土温度风险系数；
其中，基于所述浇筑-混凝土温度分布云图进行温度风险预测，获得第二混凝土温度风险系数，包括：
获得第一预设时区对应的预测环境数据；
基于马尔科夫链，构建满足温度风险预测精度约束的温度风险预测通道；
基于所述混凝土成分特征、所述浇筑-混凝土温度分布云图和所述预测环境数据，根据所述温度风险预测通道，得到所述第二混凝土温度风险系数。
浇筑-混凝土温度风险解析算法还包括：连接所述一种基于温度分析的混凝土监测预警系统，读取第一预设时区对应的预测环境数据。第一预设时区包括由所述一种基于温度分析的混凝土监测预警系统预先设置确定的未来时间范围信息。例如，第一预设时区可以为未来3天、未来7天等。预测环境数据包括第一预设时区内，第二浇筑施工主体对应的预测环境温度参数、预测环境风力参数、预测环境风向参数、预测环境湿度参数等。
优选的，本申请采用马尔科夫链，构建满足温度风险预测精度约束的温度风险预测通道。继而，将混凝土成分特征、浇筑-混凝土温度分布云图和预测环境数据输入温度风险预测通道，获得第二混凝土温度风险系数。其中，马尔科夫链是一种随机过程。马尔科夫链的基本原理是每个状态只依赖于前一个状态，不受其他过去状态的影响。温度风险预测精度约束包括由所述一种基于温度分析的混凝土监测预警系统预先设置确定的温度风险预测准确率范围。第二混凝土温度风险系数是用于表征预测环境数据下，浇筑-混凝土温度分布云图对第一浇筑施工主体的预测浇筑施工质量影响程度的数据信息。
示例性地，在构建温度风险预测通道时，连接所述一种基于温度分析的混凝土监测预警系统，调取多个历史时间点对应的多个浇筑混凝土温度风险记录。每个浇筑混凝土温度风险记录包括历史混凝土成分特征信息、历史浇筑-混凝土温度分布云图、历史环境数据信息，以及对应的历史混凝土温度风险系数信息。继而，按照多个历史时间点，将多个浇筑混凝土温度风险记录进行排列，获得温度风险预测链。温度风险预测链是一个马尔科夫链。温度风险预测链包括多个温度风险预测节点。多个温度风险预测节点为按照多个历史时间点进行排列的多个浇筑混凝土温度风险记录。进而，连接所述一种基于温度分析的混凝土监测预警系统，调取一个新的浇筑混凝土温度风险记录，并将这个新的浇筑混凝土温度风险记录设置为测试信息，将测试信息输入温度风险预测链，通过测试信息对温度风险预测链进行测试，获得温度风险预测准确率。温度风险预测准确率为温度风险预测链的输出准确率。进而，判断温度风险预测准确率是否满足温度风险预测精度约束。如果温度风险预测准确率满足温度风险预测精度约束，则，将温度风险预测准确率设置为温度风险预测精度（即浇筑-混凝土温度风险解析函数中的cob），并将温度风险预测链设置为温度风险预测通道。
构建浇筑-混凝土温度风险解析函数，其中，所述浇筑-混凝土温度风险解析函数为：
；
其中，TRK表征混凝土温度分布风险系数，TRA表征第一混凝土温度风险系数，coa表征当前温度风险识别精度，TRB表征第二混凝土温度风险系数，cob表征温度风险预测精度，α、β为预设温度风险解析约束；
基于浇筑-混凝土温度风险解析函数，根据所述第一混凝土温度风险系数和所述第二混凝土温度风险系数，计算所述混凝土温度分布风险系数。
若所述混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。
浇筑-混凝土温度风险解析算法还包括：将第一混凝土温度风险系数和第二混凝土温度风险系数输入浇筑-混凝土温度风险解析函数，获得混凝土温度分布风险系数。浇筑-混凝土温度风险解析函数为：
；
其中，TRK为输出的混凝土温度分布风险系数，TRA为输入的第一混凝土温度风险系数，coa为当前温度风险识别精度，TRB为输入的第二混凝土温度风险系数，cob为温度风险预测精度，α、β为预设温度风险解析约束，预设温度风险解析约束包括由所述一种基于温度分析的混凝土监测预警系统预先设置确定的当前温度风险权重（α）、预测温度风险权重（β）。
进一步，预设温度分布风险包括由所述一种基于温度分析的混凝土监测预警系统预先设置确定的混凝土温度分布风险系数阈值。对混凝土温度分布风险系数是否小于预设温度分布风险进行判断。如果混凝土温度分布风险系数大于/等于预设温度分布风险，所述一种基于温度分析的混凝土监测预警系统自动生成浇筑-混凝土温度预警信号，从而提高浇筑施工过程的混凝土温度监测预警质量。浇筑-混凝土温度预警信号是用于表征混凝土温度分布风险系数大于/等于预设温度分布风险的预警提示信息。
综上所述，本申请所提供的一种基于温度分析的混凝土监测预警方法具有如下技术效果：
根据目标浇筑施工方案对第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；根据目标浇筑混凝土对第二浇筑施工主体进行浇筑，并根据分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；根据匹配测温元件传感环境源对浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；将浇筑实时混凝土温度数据输入浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；根据浇筑-混凝土温度风险解析算法对浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；若混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。达到了提高浇筑施工过程的混凝土温度监测预警精准性及可靠性，提升浇筑施工过程的混凝土温度监测预警质量的技术效果。
实施例二
基于与前述实施例中一种基于温度分析的混凝土监测预警方法，同样发明构思，本发明还提供了一种基于温度分析的混凝土监测预警系统，请参阅附图2，所述系统包括：
信息获得模块，所述信息获得模块用于获得第一浇筑施工主体，以及所述第一浇筑施工主体对应的目标浇筑混凝土和目标浇筑施工方案；
分层测温配置模块，所述分层测温配置模块用于基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；
BIM模型生成模块，所述BIM模型生成模块用于获得所述第二浇筑施工主体的第二主体基础数据，结合BIM子模块对所述第二浇筑施工主体进行建模，生成浇筑施工主体BIM模型；
实时混凝土温度监测模块，所述实时混凝土温度监测模块用于基于所述目标浇筑施工方案，根据所述目标浇筑混凝土对所述第二浇筑施工主体进行浇筑，并根据所述分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；
匹配误差补偿模块，所述匹配误差补偿模块用于获得所述分布式测温配置模块的匹配测温元件传感环境源，并根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；
温度分布云图获得模块，所述温度分布云图获得模块用于将所述浇筑实时混凝土温度数据输入所述浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；
风险识别模块，所述风险识别模块用于根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；
混凝土温度预警模块，所述混凝土温度预警模块用于若所述混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。
进一步而言，所述分层测温配置模块还用于：
获得所述第一浇筑施工主体的第一主体结构数据；
根据所述目标浇筑施工方案进行特征提取，获得浇筑施工位置数据和浇筑施工精度；
基于所述第一主体结构数据、所述浇筑施工位置数据和所述浇筑施工精度对所述第一浇筑施工主体进行分层测温配置解析，获得分层测温配置方案；
根据所述分层测温配置方案执行所述第一浇筑施工主体的测温元件布设，生成所述具有分布式测温配置模块的第二浇筑施工主体。
进一步而言，所述匹配误差补偿模块还用于：
遍历所述浇筑实时混凝土测温源和所述匹配测温元件传感环境源，提取第一浇筑实时混凝土测温数据，以及所述第一浇筑实时混凝土测温数据对应的第一测温元件传感环境数据；
基于所述第一测温元件传感环境数据进行测温数据准确度影响分析，获得第一测温准度影响系数；
判断所述第一测温准度影响系数是否满足测温准度影响约束；
若所述第一测温准度影响系数不满足所述测温准度影响约束，生成第一测温误差补偿指令；
根据所述第一测温误差补偿指令对所述第一浇筑实时混凝土测温数据进行匹配误差补偿，生成第一补偿混凝土测温数据，并将所述第一补偿混凝土测温数据添加至所述浇筑实时混凝土温度数据。
进一步而言，所述匹配误差补偿模块还用于：
获得测温数据准确度影响记录库，其中，所述测温数据准确度影响记录库包括多个样本测温元件传感环境数据和多个样本测温准度影响系数，且，所述多个样本测温元件传感环境数据和所述多个样本测温准度影响系数具有样本特征关系；
根据知识图谱，获得模式层和数据层；
以样本测温元件传感环境数据为测温准度影响自变量，以样本测温准度影响系数为测温准度影响因变量；
将所述样本特征关系、所述测温准度影响自变量和所述测温准度影响因变量输入所述模式层，获得特征模式层；
将所述多个样本测温元件传感环境数据和所述多个样本测温准度影响系数输入所述数据层，获得特征数据层；
根据所述特征模式层对所述特征数据层进行数据整合，获得测温准度影响解析模型；
将所述第一测温元件传感环境数据输入所述测温准度影响解析模型，生成所述第一测温准度影响系数。
进一步而言，所述风险识别模块还用于：
基于所述浇筑-混凝土温度分布云图进行当前温度风险识别，获得第一混凝土温度风险系数；
基于所述浇筑-混凝土温度分布云图进行温度风险预测，获得第二混凝土温度风险系数；
构建浇筑-混凝土温度风险解析函数，其中，所述浇筑-混凝土温度风险解析函数为：
；
其中，TRK表征混凝土温度分布风险系数，TRA表征第一混凝土温度风险系数，coa表征当前温度风险识别精度，TRB表征第二混凝土温度风险系数，cob表征温度风险预测精度，α、β为预设温度风险解析约束；
基于浇筑-混凝土温度风险解析函数，根据所述第一混凝土温度风险系数和所述第二混凝土温度风险系数，计算所述混凝土温度分布风险系数。
进一步而言，所述风险识别模块还用于：
获得实时环境数据，以及所述目标浇筑混凝土的混凝土成分特征；
基于所述浇筑-混凝土温度分布云图进行邻域温度梯度计算，获得邻域温度梯度图；
根据浇筑-混凝土温度风险识别库，构建满足当前温度风险识别精度约束的温度风险识别通道；
将所述混凝土成分特征、所述邻域温度梯度图和所述实时环境数据输入所述温度风险识别通道，生成所述第一混凝土温度风险系数。
进一步而言，所述风险识别模块还用于：
获得第一预设时区对应的预测环境数据；
基于马尔科夫链，构建满足温度风险预测精度约束的温度风险预测通道；
基于所述混凝土成分特征、所述浇筑-混凝土温度分布云图和所述预测环境数据，根据所述温度风险预测通道，得到所述第二混凝土温度风险系数。
本发明实施例所提供的一种基于温度分析的混凝土监测预警系统可执行本发明任意实施例所提供的一种基于温度分析的混凝土监测预警方法，具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能模块的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。
本申请提供了一种基于温度分析的混凝土监测预警方法，其中，所述方法应用于一种基于温度分析的混凝土监测预警系统，所述方法包括：根据目标浇筑施工方案对第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；根据目标浇筑混凝土对第二浇筑施工主体进行浇筑，并根据分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；根据匹配测温元件传感环境源对浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；将浇筑实时混凝土温度数据输入浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；根据浇筑-混凝土温度风险解析算法对浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；若混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。解决了现有技术中在浇筑施工时，混凝土的温度监测预警精准性低、可靠性差，导致浇筑施工过程的混凝土温度监测预警质量差的技术问题。达到了提高浇筑施工过程的混凝土温度监测预警精准性及可靠性，提升浇筑施工过程的混凝土温度监测预警质量的技术效果。
虽然通过以上实施例对本发明进行了较为详细的说明，但是本发明不仅仅限于以上实施例，在不脱离本发明构思的情况下，还可以包括更多其他等效实施例，而本发明的范围由所附的权利要求范围决定。
Claims (7)
1.一种基于温度分析的混凝土监测预警方法，其特征在于，所述方法包括：
获得第一浇筑施工主体，以及所述第一浇筑施工主体对应的目标浇筑混凝土和目标浇筑施工方案；
基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；
获得所述第二浇筑施工主体的第二主体基础数据，结合BIM子模块对所述第二浇筑施工主体进行建模，生成浇筑施工主体BIM模型；
基于所述目标浇筑施工方案，根据所述目标浇筑混凝土对所述第二浇筑施工主体进行浇筑，并根据所述分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；
获得所述分布式测温配置模块的匹配测温元件传感环境源，并根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；
将所述浇筑实时混凝土温度数据输入所述浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；
根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；
若所述混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号；
根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据，包括：
遍历所述浇筑实时混凝土测温源和所述匹配测温元件传感环境源，提取第一浇筑实时混凝土测温数据，以及所述第一浇筑实时混凝土测温数据对应的第一测温元件传感环境数据；
基于所述第一测温元件传感环境数据进行测温数据准确度影响分析，获得第一测温准度影响系数；
判断所述第一测温准度影响系数是否满足测温准度影响约束；
若所述第一测温准度影响系数不满足所述测温准度影响约束，生成第一测温误差补偿指令；
根据所述第一测温误差补偿指令对所述第一浇筑实时混凝土测温数据进行匹配误差补偿，生成第一补偿混凝土测温数据，并将所述第一补偿混凝土测温数据添加至所述浇筑实时混凝土温度数据。
2.如权利要求1所述的方法，其特征在于，基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体，包括：
获得所述第一浇筑施工主体的第一主体结构数据；
根据所述目标浇筑施工方案进行特征提取，获得浇筑施工位置数据和浇筑施工精度；
基于所述第一主体结构数据、所述浇筑施工位置数据和所述浇筑施工精度对所述第一浇筑施工主体进行分层测温配置解析，获得分层测温配置方案；
根据所述分层测温配置方案执行所述第一浇筑施工主体的测温元件布设，生成所述具有分布式测温配置模块的第二浇筑施工主体。
3.如权利要求1所述的方法，其特征在于，基于所述第一测温元件传感环境数据进行测温数据准确度影响分析，获得第一测温准度影响系数，包括：
获得测温数据准确度影响记录库，其中，所述测温数据准确度影响记录库包括多个样本测温元件传感环境数据和多个样本测温准度影响系数，且，所述多个样本测温元件传感环境数据和所述多个样本测温准度影响系数具有样本特征关系；
根据知识图谱，获得模式层和数据层；
以样本测温元件传感环境数据为测温准度影响自变量，以样本测温准度影响系数为测温准度影响因变量；
将所述样本特征关系、所述测温准度影响自变量和所述测温准度影响因变量输入所述模式层，获得特征模式层；
将所述多个样本测温元件传感环境数据和所述多个样本测温准度影响系数输入所述数据层，获得特征数据层；
根据所述特征模式层对所述特征数据层进行数据整合，获得测温准度影响解析模型；
将所述第一测温元件传感环境数据输入所述测温准度影响解析模型，生成所述第一测温准度影响系数。
4.如权利要求1所述的方法，其特征在于，根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数，包括：
基于所述浇筑-混凝土温度分布云图进行当前温度风险识别，获得第一混凝土温度风险系数；
基于所述浇筑-混凝土温度分布云图进行温度风险预测，获得第二混凝土温度风险系数；
构建浇筑-混凝土温度风险解析函数，其中，所述浇筑-混凝土温度风险解析函数为：
；
其中，TRK表征混凝土温度分布风险系数，TRA表征第一混凝土温度风险系数，coa表征当前温度风险识别精度，TRB表征第二混凝土温度风险系数，cob表征温度风险预测精度，α、β为预设温度风险解析约束；
基于浇筑-混凝土温度风险解析函数，根据所述第一混凝土温度风险系数和所述第二混凝土温度风险系数，计算所述混凝土温度分布风险系数。
5.如权利要求4所述的方法，其特征在于，基于所述浇筑-混凝土温度分布云图进行当前温度风险识别，获得第一混凝土温度风险系数，包括：
获得实时环境数据，以及所述目标浇筑混凝土的混凝土成分特征；
基于所述浇筑-混凝土温度分布云图进行邻域温度梯度计算，获得邻域温度梯度图；
根据浇筑-混凝土温度风险识别库，构建满足当前温度风险识别精度约束的温度风险识别通道；
将所述混凝土成分特征、所述邻域温度梯度图和所述实时环境数据输入所述温度风险识别通道，生成所述第一混凝土温度风险系数。
6.如权利要求5所述的方法，其特征在于，基于所述浇筑-混凝土温度分布云图进行温度风险预测，获得第二混凝土温度风险系数，包括：
获得第一预设时区对应的预测环境数据；
基于马尔科夫链，构建满足温度风险预测精度约束的温度风险预测通道；
基于所述混凝土成分特征、所述浇筑-混凝土温度分布云图和所述预测环境数据，根据所述温度风险预测通道，得到所述第二混凝土温度风险系数。
7.一种基于温度分析的混凝土监测预警系统，其特征在于，所述系统用于执行权利要求1至6中任一项所述的方法，所述系统包括：
信息获得模块，所述信息获得模块用于获得第一浇筑施工主体，以及所述第一浇筑施工主体对应的目标浇筑混凝土和目标浇筑施工方案；
分层测温配置模块，所述分层测温配置模块用于基于所述目标浇筑施工方案对所述第一浇筑施工主体进行分层测温配置，获得具有分布式测温配置模块的第二浇筑施工主体；
BIM模型生成模块，所述BIM模型生成模块用于获得所述第二浇筑施工主体的第二主体基础数据，结合BIM子模块对所述第二浇筑施工主体进行建模，生成浇筑施工主体BIM模型；
实时混凝土温度监测模块，所述实时混凝土温度监测模块用于基于所述目标浇筑施工方案，根据所述目标浇筑混凝土对所述第二浇筑施工主体进行浇筑，并根据所述分布式测温配置模块进行实时混凝土温度监测，获得浇筑实时混凝土测温源；
匹配误差补偿模块，所述匹配误差补偿模块用于获得所述分布式测温配置模块的匹配测温元件传感环境源，并根据所述匹配测温元件传感环境源对所述浇筑实时混凝土测温源进行匹配误差补偿，获得浇筑实时混凝土温度数据；
温度分布云图获得模块，所述温度分布云图获得模块用于将所述浇筑实时混凝土温度数据输入所述浇筑施工主体BIM模型，获得浇筑-混凝土温度分布云图；
风险识别模块，所述风险识别模块用于根据浇筑-混凝土温度风险解析算法对所述浇筑-混凝土温度分布云图进行风险识别，获得混凝土温度分布风险系数；
混凝土温度预警模块，所述混凝土温度预警模块用于若所述混凝土温度分布风险系数大于/等于预设温度分布风险，生成浇筑-混凝土温度预警信号。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002998.2A CN117494293B (zh) | 2024-01-02 | 2024-01-02 | 基于温度分析的混凝土监测预警方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410002998.2A CN117494293B (zh) | 2024-01-02 | 2024-01-02 | 基于温度分析的混凝土监测预警方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117494293A CN117494293A (zh) | 2024-02-02 |
| CN117494293B true CN117494293B (zh) | 2024-03-22 |
Family
ID=89671298
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410002998.2A Active CN117494293B (zh) | 2024-01-02 | 2024-01-02 | 基于温度分析的混凝土监测预警方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117494293B (zh) |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106768432A (zh) * | 2016-11-17 | 2017-05-31 | 南通四建集团有限公司 | 一种基于bim的大体积混凝土实时温度监测、预警方法 |
| CN110687944A (zh) * | 2019-11-01 | 2020-01-14 | 安徽贝慕信息科技有限公司 | 一种基于bim大体积混凝土温度监测与控制方法及系统 |
| CN115187033A (zh) * | 2022-06-30 | 2022-10-14 | 江苏鑫昇腾科技发展股份有限公司 | 一种智慧工地施工安全风险预警系统及其方法 |
| CN116010826A (zh) * | 2022-12-28 | 2023-04-25 | 嘉兴市叁壹工程检测有限公司 | 一种建筑工程的施工安全预警方法及系统 |
| CN116307745A (zh) * | 2023-05-25 | 2023-06-23 | 北京联讯星烨科技有限公司 | 一种工程项目智能风险监管预警方法及系统 |
| CN116305797A (zh) * | 2023-02-07 | 2023-06-23 | 广东电网有限责任公司广州供电局 | 一种基于bim和多源质量信息融合的施工风险评估系统 |
| CN116577653A (zh) * | 2023-05-16 | 2023-08-11 | 嘉兴正弦电气有限公司 | 一种储能电机的故障检测方法及系统 |
| CN117172556A (zh) * | 2023-11-02 | 2023-12-05 | 江苏菲尔浦工程科技有限公司 | 一种桥梁工程的施工风险预警方法与系统 |
-
2024
- 2024-01-02 CN CN202410002998.2A patent/CN117494293B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106768432A (zh) * | 2016-11-17 | 2017-05-31 | 南通四建集团有限公司 | 一种基于bim的大体积混凝土实时温度监测、预警方法 |
| CN110687944A (zh) * | 2019-11-01 | 2020-01-14 | 安徽贝慕信息科技有限公司 | 一种基于bim大体积混凝土温度监测与控制方法及系统 |
| CN115187033A (zh) * | 2022-06-30 | 2022-10-14 | 江苏鑫昇腾科技发展股份有限公司 | 一种智慧工地施工安全风险预警系统及其方法 |
| CN116010826A (zh) * | 2022-12-28 | 2023-04-25 | 嘉兴市叁壹工程检测有限公司 | 一种建筑工程的施工安全预警方法及系统 |
| CN116305797A (zh) * | 2023-02-07 | 2023-06-23 | 广东电网有限责任公司广州供电局 | 一种基于bim和多源质量信息融合的施工风险评估系统 |
| CN116577653A (zh) * | 2023-05-16 | 2023-08-11 | 嘉兴正弦电气有限公司 | 一种储能电机的故障检测方法及系统 |
| CN116307745A (zh) * | 2023-05-25 | 2023-06-23 | 北京联讯星烨科技有限公司 | 一种工程项目智能风险监管预警方法及系统 |
| CN117172556A (zh) * | 2023-11-02 | 2023-12-05 | 江苏菲尔浦工程科技有限公司 | 一种桥梁工程的施工风险预警方法与系统 |
Non-Patent Citations (1)
| Title |
|---|
| 基于BIM技术的大体积混凝土温度控制系统设计;彭楚才 等;《湖南理工学院学报(自然科学版)》;20200930;第43-46页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117494293A (zh) | 2024-02-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN100510633C (zh) | 一种基于神经网络进行温度补偿的光纤陀螺 | |
| KR102181966B1 (ko) | 유압실린더 종합 테스트 스테이션에 대한 소프트 측량방법 및 시스템 | |
| CN109615860A (zh) | 一种基于非参数贝叶斯框架的信号交叉口状态估计方法 | |
| US10303827B2 (en) | Predicting cracking in cooled metal or alloy components | |
| CN113532397A (zh) | 一种基于扩展算法的分区域高程异常拟合方法 | |
| Lawless et al. | A comparison of two methods for developing the linearization of a shallow‐water model | |
| CN117494293B (zh) | 基于温度分析的混凝土监测预警方法及系统 | |
| Casillo et al. | Predictive preservation of historic buildings through IoT-based system | |
| CN113642249A (zh) | 陀螺仪零偏误差补偿方法 | |
| CN113570165A (zh) | 基于粒子群算法优化的煤储层渗透率智能预测方法 | |
| CN117076893A (zh) | 一种基于长短期记忆神经网络的声速分布预报方法 | |
| CN116187153B (zh) | 基于层次贝叶斯的水工结构数字孪生模型更新方法 | |
| Taraben et al. | Case study for the integration of geometrical analyses for structural condition assessment in building information models | |
| CN110968929A (zh) | 风电场风速的预测方法、装置及电子设备 | |
| CN115392360A (zh) | 基于Transformer的大型桥梁温度-响应相关模式识别与健康诊断方法 | |
| CN115248075A (zh) | 一种多源声学大数据融合的水声探测效能评估系统 | |
| Zhang et al. | Structural Vibration Data Anomaly Detection Based on Multiple Feature Information Using CNN‐LSTM Model | |
| CN108595484B (zh) | 一种海洋大气波导数据采集及可视化处理方法 | |
| Sakr et al. | Recent progress and future outlook of digital twins in structural health monitoring of civil infrastructure | |
| CN116028757B (zh) | 一种基于多源信息融合的最优软测量模型生成方法及系统 | |
| Xu et al. | A method for suspenders tension identification of bridges based on the spatio‐temporal correlation between the girder strain and suspenders tension | |
| CN114018773B (zh) | Pm2.5浓度空间分布数据的获取方法、装置、设备及存储介质 | |
| Song et al. | A virtual level temperature compensation system based on information fusion technology | |
| Pfeil et al. | Unique steady annual cycle in marine ecosystem model simulations | |
| Khine et al. | Numerical Simulation of Wind Flow over Complex Terrain of Yangon City |
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 |