IT202100014996A1 - Sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione. - Google Patents
Sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione. Download PDFInfo
- Publication number
- IT202100014996A1 IT202100014996A1 IT102021000014996A IT202100014996A IT202100014996A1 IT 202100014996 A1 IT202100014996 A1 IT 202100014996A1 IT 102021000014996 A IT102021000014996 A IT 102021000014996A IT 202100014996 A IT202100014996 A IT 202100014996A IT 202100014996 A1 IT202100014996 A1 IT 202100014996A1
- Authority
- IT
- Italy
- Prior art keywords
- infrastructure
- probability
- data
- coefficient
- monitoring system
- Prior art date
Links
- 238000001514 detection method Methods 0.000 title claims description 90
- 238000012544 monitoring process Methods 0.000 title claims description 50
- 230000001133 acceleration Effects 0.000 claims description 52
- 239000013598 vector Substances 0.000 claims description 36
- 238000004422 calculation algorithm Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 26
- 238000012545 processing Methods 0.000 claims description 24
- 238000010801 machine learning Methods 0.000 claims description 21
- 238000013528 artificial neural network Methods 0.000 claims description 11
- 230000008569 process Effects 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 5
- 230000001186 cumulative effect Effects 0.000 claims description 5
- 238000006073 displacement reaction Methods 0.000 claims description 5
- 238000001228 spectrum Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 4
- 238000009434 installation Methods 0.000 description 10
- 238000005259 measurement Methods 0.000 description 10
- 238000004891 communication Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 4
- 230000002776 aggregation Effects 0.000 description 3
- 238000004220 aggregation Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 241000269400 Sirenidae Species 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000003213 activating effect Effects 0.000 description 1
- 230000003466 anti-cipated effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000009977 dual effect Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000011664 signaling Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
- G01V1/00—Seismology; Seismic or acoustic prospecting or detecting
- G01V1/01—Measuring or predicting earthquakes
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Life Sciences & Earth Sciences (AREA)
- Environmental & Geological Engineering (AREA)
- Geology (AREA)
- Remote Sensing (AREA)
- Acoustics & Sound (AREA)
- Engineering & Computer Science (AREA)
- Geophysics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Geophysics And Detection Of Objects (AREA)
Description
Sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione
La presente invenzione riguarda un sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione.
Campo dell?invenzione
Pi? dettagliatamente l?invenzione concerne un sistema di monitoraggio strutturale in grado di rilevare la presenza di eventi di natura catastrofica mediante una opportuna elaborazione di dati, ma che pu? essere usato per qualsiasi applicazione in cui occorra monitorare il posizionamento spaziale nel tempo di strutture anche di grandi dimensioni di tipo edile.
Nel seguito la descrizione sar? rivolta alla rilevazione soprattutto di eventi sismici in strutture edili come ponti, strade simili, ma ? ben evidente come la stessa non debba essere considerata limitata a questo impiego specifico.
Tecnica nota
Sono noti attualmente sistemi di event detection per terremoti, che si basano tipicamente sull?installazione di accelerometri per lo pi? indipendenti l?uno dall?altro, per monitorare lo stato di vibrazione delle strutture cui sono fisicamente accoppiati.
Tali sistemi trasmettono una notifica di allarme quando una soglia legata all?ampiezza dell?oscillazione o ad un repentino cambio di caratteristiche di natura meccanica viene superata.
Tali soluzioni presentano diversi problemi tecnici, soprattutto legati al fatto che i dispositivi di rilevazione delle eventuali vibrazioni o degli spostamenti della posizione delle diverse parti di una struttura, come un ponte, un palazzo, o edificio in generale, cui sono installati, forniscono una informazione puntuale ma non complessiva e coordinata con quella di altri dispositivi.
Infatti, in genere le soluzioni esistenti si basano su piattaforme per lo pi? proprietarie, costituite da elementi eterogenei, che devono essere assemblati e a volte non risultano neppure compatibili tra loro.
Ad esempio, alcune soluzioni prevedono la comunicazione via Wi-Fi per la reportistica dei dati, presupponendo la presenza di una rete wireless infrastrutturata. Altre soluzioni utilizzano dispositivi USB esterni commerciali per fornire la connessione alla rete radiomobile (UMTS, 4G/LTE).
Tuttavia, tali soluzioni risultano essere particolarmente poco performanti, proprio il fatto che prevedono la necessit? di integrare sistemi di natura e struttura diversa che dovrebbero essere ottimizzati nel coordinamento ed adattabile alle diverse situazioni locali ed alle specifiche caratteristiche della struttura o delle strutture monitorate. Infatti, data la finalit? della soluzione, ovvero quella di rilevare in maniera precisa eventi sismici, occorre evitare sia di non rilevare eventi, che potrebbero essere catastrofici, ovvero rilevarle soltanto in parte, di evitare anche falsi allarmi, che sarebbero in ogni caso molto dispendiosi in termini economici nonch? sociali.
Scopo dell?invenzione
Alla luce di quanto sopra, ?, pertanto, scopo della presente invenzione quello di proporre un sistema di monitoraggio di eventi sismici in infrastrutture in grado di essere integrato, nel senso di consentire il monitoraggio di ampie aree territoriali e diversi edifici o elementi strutturali anche dell?arredo urbano, in modo coordinato ed efficace, in grado tra l?altro di adattarsi alle specificit? del territorio delle strutture cui ? applicato o da monitorare.
Ulteriore scopo della presente invenzione ? quello di fornire un algoritmo in grado di rilevare eventi sismici con precisione.
Oggetto dell?invenzione
Forma pertanto oggetto specifico della presente invenzione un sistema di monitoraggio di eventi catastrofici, come un sisma e simili, per infrastrutture, come un edificio, un ponte, un traliccio e simili. In particolare, detto sistema di monitoraggio comprende:
due o pi? dispositivi di rilevamento, installabili su una rispettiva porzione di almeno una infrastruttura, per rilevare dati associati a uno o pi? parametri relativi allo spostamento nel tempo di detta rispettiva porzione di detta almeno una infrastruttura, ed
almeno un aggregatore principale, collegato a detti dispositivi di rilevamento per l?acquisizione di detti dati rilevati per ciascuna porzione di detta almeno una infrastruttura.
Ciascun dispositivo di rilevamento comprende primi mezzi di elaborazione dati, configurati per elaborare i dati rilevati per detta rispettiva porzione di detta almeno una infrastruttura, per determinare un primo coefficiente di probabilit? di un evento catastrofico, tale che se detto primo coefficiente di probabilit? ? maggiore di una prima soglia predefinita, allora un segnale ? inviato a detto almeno un aggregatore principale.
Detto almeno un aggregatore principale comprende, a sua volta,
mezzi di interfaccia per l?acquisizione dati provenienti da detti dispositivi di rilevamento, e secondi mezzi di elaborazione dati, configurati per elaborare i dati ricevuti da detti dispositivi di rilevamento a seguito della ricezione di detto segnale, per determinare un secondo coefficiente di probabilit? di detto evento catastrofico in funzione di detti dati rilevati da ciascun dispositivo di rilevamento, tale che se detto secondo coefficiente di probabilit? ? maggiore di una seconda soglia predefinita, allora detto almeno un aggregatore principale rileva un evento catastrofico.
A titolo esemplificativo, detto secondo coefficiente di probabilit? pu? essere un numero compreso tra 0 e 1 e detta seconda soglia predefinita pu? essere pari a 0,9.
Secondo l?invenzione, detto segnale pu? consistere nell?invio di detti dati rilevati da detto dispositivo di rilevamento a detto almeno un aggregatore principale.
Inoltre, secondo l?invenzione, detto sistema di monitoraggio pu? comprendere mezzi di avviso collegati a detto almeno un aggregatore principale. In tal modo, quando detto evento catastrofico viene rilevato, detto almeno un aggregatore principale pu? attivare detti mezzi di avviso.
Sempre secondo l?invenzione, detto sistema di monitoraggio pu? comprendere almeno un aggregatore secondario, preferibilmente un gateway di struttura di una rete mobile 5G, collegato ad un rispettivo aggregatore principale e a due o pi? dispositivi di rilevamento associati ad una rispettiva infrastruttura. In particolare, detto almeno un aggregatore secondario pu? comprendere ulteriori mezzi di interfaccia per l?acquisizione di detti primi coefficiente di probabilit? provenienti da detti dispositivi di rilevamento, e terzi mezzi di elaborazione dati, configurati per confrontare detti primi coefficienti di probabilit? ricevuti da detti dispositivi di rilevamento ed inviare detto segnale a detto almeno un aggregatore principale se almeno un numero predefinito di detti primi coefficiente di probabilit? ? maggiore di detta prima soglia predefinita. A titolo esemplificativo, detto numero predefinito pu? essere pari all?80% dei primi coefficienti di probabilit? ricevuti.
Ulteriormente, secondo l?invenzione, detti dati rilevati da detti dispositivi di rilevamento possono comprendere vettori di accelerazione di detta porzione di detta almeno una infrastruttura, preferibilmente lungo le tre dimensioni di un sistema di assi cartesiana.
Ancora, secondo l?invenzione, detto primo coefficiente di probabilit? di un evento catastrofico pu? essere costituito dal rapporto tra la media temporale del modulo del vettore di accelerazione in una prima finestra temporale e la media temporale del modulo del vettore di accelerazione in una seconda finestra temporale, in cui detta prima finestra temporale ? minore, ovverosia ? pi? corta, di detta seconda finestra temporale. Dette finestre temporali possono essere finestre temporali adiacenti, che si muovono sui dati di accelerazione acquisiti.
Inoltre, secondo l?invenzione, detto secondo coefficiente di probabilit? di un evento catastrofico pu? essere determinato mediante un algoritmo di tipo machine learning.
In particolare, secondo l?invenzione, detto algoritmo di tipo machine learning pu? comprendere una rete neurale che riceve parametri in ingresso determinati per ciascuna porzione di detta almeno una infrastruttura a partire da detti vettori relativi alle accelerazioni di detta porzione di detta almeno una infrastruttura rilevati in un predeterminato periodo di tempo, in cui detti parametri in ingresso possono comprendere:
- un primo parametro, IQR, relativo allo scarto interquartile del modulo di detti vettori di accelerazione in detto predeterminato periodo di tempo;
- un secondo parametro, CAV, relativo alla velocit? cumulativa di ciascuna porzione di detta almeno una infrastruttura, che ? calcolato come l?integrale in detto predeterminato periodo di tempo del modulo di detti vettori di accelerazione;
- un terzo parametro, ZC, relativo alla massima frequenza di inversione di segno di detti vettori di accelerazione rispetto a ciascuna dimensione; e
- un quarto parametro, FFT, relativo alla frequenza in cui lo spettro del segnale di detti vettori di accelerazione assume un valore massimo rispetto a ciascuna dimensione.
Sempre secondo l?invenzione, detto algoritmo di tipo machine learning pu? comprendere una rete neurale a tre livelli, preferibilmente una rete neurale comprendente quattro parametri in ingresso, cinque nodi nascosti e un nodo di uscita.
Ulteriormente, secondo l?invenzione, se detto secondo coefficiente di probabilit? di un evento catastrofico ? minore di detta seconda soglia predefinita, detti secondi mezzi di elaborazione dati possono essere configurati per continuare a ricevere detti dati rilevati da ciascun dispositivo di rilevamento e a determinare detto secondo coefficiente di probabilit? di detto evento catastrofico finch? detto primo coefficiente di probabilit? di detto evento catastrofico determinato da detto dispositivo di rilevamento non ? minore di una ulteriore soglia predefinita e/o non ? trascorso un predeterminato periodo di tempo.
Ancora, secondo l?invenzione, detto almeno un aggregatore principale pu? essere un nodo di tipo MEC server di una rete mobile 5G.
Infine, secondo l?invenzione, detto sistema di monitoraggio pu? comprendere una unit? centrale di controllo collegata a detto almeno un aggregatore principale e detti secondi mezzi di elaborazione dati di detto almeno un aggregatore principale possono essere configurati per inviare detti dati rilevati da ciascun dispositivo di rilevamento se detto secondo coefficiente di probabilit? ? maggiore di detta seconda soglia predefinita.
Forma un ulteriore oggetto della presente invenzione, un metodo di rilevazione di un evento catastrofico come un sisma e simili, in prossimit? di almeno una infrastruttura come un edificio, un ponte, un traliccio e simili, comprendente le seguenti fasi:
- ricevere un segnale relativo ad un dispositivo di rilevamento installato su una porzione di detta almeno una infrastruttura, in cui detto dispositivo di rilevamento ? configurato per rilevare dati associati a uno o pi? parametri relativi allo spostamento nel tempo di detta porzione di detta almeno una infrastruttura, ed in cui detto segnale ? stato inviato se un primo coefficiente di probabilit? di un evento catastrofico determinato da detto dispositivo di rilevamento (5) a partire da detti dati rilevati ? maggiore di una prima soglia predefinita;
- acquisire, mediante mezzi di interfaccia, detti dati rilevati da detto dispositivo di rilevamento e dati associati a uno o pi? parametri relativi allo spostamento nel tempo di almeno una ulteriore porzione di detta almeno una infrastruttura rilevati da almeno un ulteriore dispositivo di rilevamento;
- determinare un secondo coefficiente di probabilit? di detto evento catastrofico in funzione di detti dati acquisiti; e
- se detto secondo coefficiente di probabilit? ? maggiore di una seconda soglia predefinita, allora rilevare detto evento catastrofico.
A titolo esemplificativo, detto secondo coefficiente di probabilit? pu? essere un numero compreso tra 0 e 1 e detta seconda soglia predefinita pu? essere pari a 0,9.
Secondo l?invenzione, detti dati associati a uno o pi? parametri relativi allo spostamento nel tempo di detta porzione di detta almeno una infrastruttura possono comprendere vettori di accelerazione di detta porzione di detta almeno una infrastruttura, preferibilmente lungo le tre dimensioni di un sistema di assi cartesiana.
Sempre secondo l?invenzione, detto secondo coefficiente di probabilit? di detto evento catastrofico ? determinato mediante un algoritmo di tipo machinelearning.
In particolare, secondo l?invenzione, detto algoritmo di tipo machine learning pu? comprendere una rete neurale che riceve parametri in ingresso determinati per ciascuna porzione di detta almeno una infrastruttura a partire da detti vettori relativi alle accelerazioni di detta porzione di detta almeno una infrastruttura rilevati in un predeterminato periodo di tempo, in cui detti parametri in ingresso possono comprendere:
- un primo parametro, IQR, relativo allo scarto interquartile del modulo di detti vettori di accelerazione in detto predeterminato periodo di tempo;
- un secondo parametro, CAV, relativo alla velocit? cumulativa di ciascuna porzione di detta almeno una infrastruttura, che ? calcolato come l?integrale in detto predeterminato periodo di tempo del modulo di detti vettori di accelerazione;
- un terzo parametro, ZC, relativo alla massima frequenza di inversione di segno di detti vettori di accelerazione rispetto a ciascuna dimensione; e
- un quarto parametro, FFT, relativo alla frequenza in cui lo spettro del segnale di detti vettori di accelerazione assume un valore massimo rispetto a ciascuna dimensione.
Infine, secondo l?invenzione, detto secondo coefficiente di probabilit? di detto evento catastrofico pu? essere determinato finch? detto primo coefficiente di probabilit? di un evento catastrofico determinato da detto dispositivo di rilevamento non ? minore di una ulteriore soglia predefinita e/o non ? trascorso un predeterminato periodo di tempo.
Forma ulteriore oggetto della presente invenzione un programma per elaboratore comprendente istruzioni che, quando il programma ? eseguito da un elaboratore, causano l?esecuzione da parte dell?elaboratore delle fasi di un metodo secondo la presente invenzione.
Forma ulteriore oggetto della presente invenzione, un mezzo di memorizzazione leggibile da un elaboratore comprendente istruzioni che, quando eseguite da un elaboratore, causano l?esecuzione da parte dell?elaboratore delle fasi di un metodo secondo la presene invenzione.
Infine, forma oggetto della presente invenzione, un segnale portante di dati che trasporta un programma per elaboratore secondo la presente invenzione.
Breve descrizione delle figure
La presente invenzione verr? ora descritta a titolo illustrativo ma non limitativo, secondo le sue preferite forme di realizzazione, con particolare riferimento alle figure dei disegni allegati, in cui:
la figura 1 mostra uno schema del sistema di monitoraggio e rilevazione di eventi secondo la presente invenzione, applicato ad edifici e strutture urbane; la figura 2 mostra un diagramma di flusso del metodo di rilevazione di eventi sismici secondo la presente invenzione; e
la figura 3 mostra un grafico degli stati del sistema di monitoraggio rilevazione di eventi secondo la presente invenzione.
Descrizione dettagliata
Nelle varie figure le parti simili verranno indicate con gli stessi riferimenti numerici.
Facendo riferimento alla figura 1 si osserva un sistema di monitoraggio di eventi sismici secondo la presente invenzione, indicato con il riferimento numerico 1.
Il sistema di monitoraggio 1 comprende essenzialmente una unit? centrale di controllo 2, collegata operativamente mediante opportune reti di comunicazione 3, ad uno o pi? aggregatori 4, eventualmente suddivisi in aggregatori 4 principali 41 e 42, anche detti aggregatori di primo livello 41, 42, comprendenti primi mezzi di elaborazione dati, ed aggregatori secondari 411 e 421, anche detti aggregatori di secondo livello 411, 421, a loro volta collegati a dispositivi di rilevamento 5, comprendenti secondi mezzi di elaborazione dati, e/o ad attuatori.
L?unit? centrale di controllo 2 ? equipaggiata con un opportuno sistema di elaborazione dei dati, che pu? essere realizzato mediante l?uso di computer in parallelo, reti di computer o simili, per eseguire in tempo reale i calcoli necessari per la rilevazione di eventi fissi sismici, come sar? meglio descritto nel seguito. L?unit? centrale di controllo 2 ? collegata mediante opportune interfacce (non mostrate nelle figure) le reti di comunicazione 3, mediante le quali la stessa pu? ricevere o trasmettere dati.
Le reti di comunicazione 3 possono essere la rete internet 31 (linee a tratto continuo), o telefoniche 32, come la rete 5G (righe tratteggiate).
Per ciascun aggregatore principale 41 e 42 possono esserci eventualmente una pluralit? di aggregatori secondari, indicati rispettivamente con i riferimenti numerici 411 e 421.
Normalmente il sistema di monitoraggio 1 ? organizzato in modo da prevedere un aggregatore secondario 411 e 421 associato ad una specifica struttura. In particolare, come si osserva, un aggregatore secondario 411 mostrato nella figura 1 ? associato all?edificio E, mentre un aggregatore secondario 421 ? associato al ponte P.
Gli aggregatori principali 41, 42 e di secondo livello 411 e 421 sono collegati a sensori di rilevamento 5, da associare a delle strutture.
Gli aggregatori principali 41 e 42 o urbani sono dei MEC Server dell?architettura 5G, e sono in grado di raccogliere i dati dai dispositivi di rilevamento connessi alla rete radiomobile, siano essi degli aggregatori secondari 411 e 421 (o gateway di struttura, per come ? implementato il sistema di monitoraggio 1 della figura 1) oppure delle schede standalone dei sensori di rilevamento 5.
Come noto MEC server sono dei nodi di calcolo della rete 5G, che consentono eventualmente l?implementazione di specifici programmi o algoritmi o procedure.
I primi mezzi di elaborazione dati degli aggregatori principali 41 e 42 sono pertanto dispositivi con capacit? di calcolo pi? elevata rispetto ai singoli nodi e costituiscono gli elementi decisionali del sistema di monitoraggio 1.
Gli aggregatori secondari 411 e 421 o, come detto, gateway di struttura, concernono un dispositivo di raccolta dati dai nodi di rilevamento e terzi mezzi di elaborazione dati.
Su ciascun nodo di rilevamento ? disposto un dispositivo di rilevamento 5 o sensore di rilevamento 5 o nodo di rilevamento 5. I nodi di rilevamento coincidono, pertanto, con i punti di misura, ad esempio tramite la rete infrastrutturata di un edificio, sia essa una LAN/ETHERNET oppure una Wi-Fi.
Ciascun dispositivo di rilevamento 5 ? dotato di una scheda per l?elaborazione dati, ovvero di secondi mezzi di elaborazione dati.
Inoltre, detti dispositivi di rilevamento 5, oltre ad essere collegati a detti aggregatori secondari 411 e 421, possono anche essere direttamente collegati a detti aggregatori principali 41 e 42.
In altre forme di realizzazione gli aggregatori secondari 411 e 421 possono anche essere omessi e sono pertanto opzionali.
Come anticipato, i dispositivi di rilevamento 5 possono essere associati a diversi punti di misura. In particolare, come si osserva nella figura 1, tre dispositivi di rilevamento 5 sono associati all?edificio E, un sensore di rilevamento ? associato ad una elettrovalvola del gas V, un ulteriore dispositivo di rilevamento 5 ? associato al traliccio T, due dispositivi di rilevamento 5 sono associati al ponte P, un ulteriore dispositivo di rilevamento ? associato al semaforo S.
In una forma di realizzazione, i dispositivi di rilevamento 5 sono accelerometri, in grado di rilevare vettori di accelerazione ?????? nello spazio del punto in cui sono applicati. Pertanto ciascuna sensore di rilevamento rilever? in tempo reale l?accelerazione orientato nello spazio del punto cui ? applicato, fornendo, quindi, uno streaming di dati fino digitali relativi ai vettori accelerazione ?????? nelle tre dimensioni ad esempio di un sistema di assi cartesiana X, Y, Z. In tal modo, ? possibile rilevare l?orientamento dell?accelerazione cui ? sottoposto un determinato punto o parte di una struttura cui il dispositivo di rilevamento 5 applicato, nello spazio.
In particolare, in alcune forme di realizzazione, detti accelerometri e detti secondi mezzi di elaborazione dati possono essere costituiti da schede SHM Board.
In altre forme di realizzazione detti dispositivi di rilevamento 5 possono essere equipaggiati con inclinometri, fessurimetri, etc. per la rilevazione di ulteriori parametri fisici relativi allo spostamento nello spazio della struttura cui ciascun dispositivo di rilevamento 5 ? installato.
Come detto, ciascun dispositivo di rilevamento 5 ? un nodo del sistema di monitoraggio 1 e dispone di connettivit? wired/wireless. Inoltre, ciascun dispositivo di rilevamento 5 ? provvisto di mezzi di ricetrasmissione idonei a consentire il collegamento e l?interfaccia con l?infrastruttura di una rete 5G.
Il sistema di monitoraggio 1 cos? implementato si basa su comunicazioni end-to-end a bassissima latenza ed alta capacit?, in quanto le informazioni non vengono trasmesse mediante la rete Internet, e vengono, invece, elaborate direttamente dagli aggregatori principale 41 e 42.
Questi elementi consentono una risposta efficace e tempestiva dell?intero sistema di monitoraggio 1 all?evento nelle sue prime fasi (ad esempio, chiusura automatica delle elettrovalvole gas V, attivazione sistemi di allarme alla popolazione H).
Il sistema di monitoraggio 1 consente cos? sia l?individuazione di eventi sismici severi con bassa probabilit? di falso allarme, mediante coordinamento inter-nodo multilivello su tecnologia 5G, sia un primo coordinamento dei soccorsi della popolazione .
Il sistema di monitoraggio 1 consente, inoltre, di monitorare la risposta delle strutture, i.e., dell?edificio E, della torre T e del ponte P, ad esempio, mediante l?analisi dei dati e loro evoluzione nel tempo, fornendo supporto anche allo strutturista per ottenere informazioni circa lo stato della struttura specifica e delle sue caratteristiche elastiche.
Il funzionamento del sistema di monitoraggio 1 sopra descritto si svolge nel modo seguente.
Per la descrizione generale del sistema di monitoraggio 1, si fa anche riferimento nel seguito, oltre che alla figura 1, anche alle figure 2 e 3.
Come detto, preliminarmente i dispositivi di rilevazione 5 vengono installati sulle strutture da monitorare. Detti dispositivi di rilevazione 5, come detto, possono essere degli accelerometri basati su schede SHM Board, capaci di misurare valori puntuali di accelerazione triassiale ?????? in punti strategici delle strutture che si intende monitorare. La collocazione dei punti di misura, cos? come le caratteristiche degli accelerometri (on-board oppure esterni a basso rumore) o di altri sensori accessori (ad esempio, come detto, inclinometri, fessurimetri, etc,) sono pertinenti all?ingegnere strutturista o all?applicazione specifica.
Nella presente forma di realizzazione, gli accelerometri utilizzati rilevano misure accelerometriche triassiali.
La rilevazione di detti dati pu? essere effettuata mediante campionamento periodico ad alta risoluzione (24 bit) dei tre canali (un canale per ciascun asse dell?accelerometro), a cui sono associate le misure di accelerazione su ciascuno dei tre assi X, Y e Z di un sistema di assi cartesiano.
In alcune forme di realizzazione, la frequenza di campionamento ? configurabile fino a 1 kHz e la scheda elabora localmente le misure di accelerazione mediante calcolo del valore medio, in modo tale da produrre ogni secondo 100 misure di accelerazione ?????? su ciascuno dei tre assi X, Y e Z.
In alcune forme di realizzazione ogni dispositivo di rilevazione 5 comprende detta scheda, ovvero detti primi mezzi di elaborazione dati, su cui ? implementato un algoritmo di rilevazione evento, basato sul calcolo di un coefficiente di probabilit? associato ad un evento sismico. In particolare, tale coefficiente di probabilit? pu? dipendere dal confronto tra valori medi di accelerazione e soglie predefinite, programmabili dall?utente/installatore e/o generate da algoritmi di tipo machine learning, ovvero in grado di apprendere da situazioni contestuali.
In una forma realizzativa l?algoritmo di rilevazione evento utilizza come coefficiente di probabilit? legato ad un evento sismico il rapporto
(STA: Short-Time-Average ? media di breve termine; LTA: Long-Time-Average ? media di lungo termine) per la rilevazione di variazioni istantanee di accelerazione. In particolare, tale rapporto ? definito come il rapporto tra la media del vettore delle accelerazioni
misurate in una prima finestra temporale e la media del vettore delle accelerazioni misurate in una seconda finestra temporale, maggiore di detta prima finestra temporale. Entrambe le finestre temporali sono finestre mobili.
In particolare, le finestre temporali sono adiacenti e si muovono sui dati di accelerazione acquisiti.
Le finestre temporali utilizzate per calcolare il rapporto possono essere ad esempio selezionate sulla base del metodo descritto nel documento di arte nota a nome di A. Trnkoczy, ?Understanding and parameter setting of STA/LTA trigger algorithm?. In: New Manual of Seismological Observatory Practice (NMSOP). Deutsches GeoForschungsZentrum GFZ, 2009. p. 1-20.
I parametri dell?algoritmo di rilevazione evento, sono pertanto:
- la dimensione della prima finestra temporale che implementa la media LTA;
- la dimensione della seconda finestra temporale che implementa la media STA,
- i valori di una prima soglia predefinita e di una seconda soglia predefinita, rispettivamente di trigger e di de-trigger dell?algoritmo; e
- i valori di finestre temporali di pre-evento (PEM) e di post-evento (PET), per la memorizzazione dei dati relativi ad un evento rilevato.
Tali parametri sono configurabili e determinati a seguito di un iniziale periodo di addestramento (training) del programma dopo la prima installazione.
Ciascun nodo (dispositivo di rilevamento 5) ? pertanto in grado di rilevare la presenza di un evento e identificarlo come sismico, valutando un primo coefficiente di probabilit? di un evento catastrofico, ed in particolare il rapporto
L?eventuale allerta sollevata da un nodo, ovvero da un dispositivo di rilevamento 5, ? processata dagli aggregatori di dati 4, che implementano algoritmi di consenso per verificare l?effettiva presenza di un evento e distinguerlo da altri fenomeni di natura antropica, che hanno la caratteristica di essere eventi molto localizzati e che interessano meno nodi.
In questo contesto, la verifica dell?evento da parte di una rete coordinata piuttosto che da singoli nodi, e la presenza e l?uso dell?infrastruttura 5G risulta essere particolarmente vantaggiosa, in quanto consente di implementare un algoritmo che sfrutta elementi di calcolo distribuito di tipo edge computing per raccolta ed analisi di dati in tempo reale da pi? dispositivi di rilevamento 5, ovvero nodi, minimizzando la probabilit? di falsi allarmi.
Su ciascun dispositivo di rilevamento 5 ? pertanto possibile effettuare la classificazione di un evento in termini di sisma oppure di attivit? naturale o antropica e condividere i risultati dell?analisi di pi? schede che compongono la rete con gli elementi di confine dell?infrastruttura 5G (edge computing), che consentono di elaborare correlazioni spaziali sui dati e quindi validare le notifiche di allarme, minimizzando al contempo la probabilit? di generare falsi allarmi.
L?uso degli elementi di calcolo di tipo edge computing messi a disposizione dalla tecnologia di rete 5G Ultra-Reliable Low-Latency Communication (URLLC) consente la valutazione in tempo reale delle condizioni di allarme grazie alle caratteristiche di alta affidabilit? e bassa latenza, che garantiscono quindi la possibilit? di un monitoraggio e controllo (attivazione dei dispositivi e protocolli di allarme) per un?efficace e tempestiva risposta del sistema di monitoraggio 1 alla identificazione dell?evento nelle sue primissime fasi.
Pertanto, un sensore di rilevamento 5 ovvero l?accelerometro, rileva un evento ed eventualmente inizia a trasmettere i parametri rilevati verso un aggregatore di informazioni 41, 42; 411; 421.
In essi viene eseguito un programma di identificazione, o algoritmo di controllo, (come meglio descritto di seguito) basato su machine learning, a partire da parametri estratti e trasmessi dai singoli nodi (ovvero dai dispositivi di rilevamento 5).
Il sistema di monitoraggio 1 prevede, quindi, il ruolo del sistema di comunicazione 32 5G, per cui i primi mezzi di elaborazione dati, ovvero le postazioni di calcolo distribuito (MEC server), costituiscono un elemento molto performante per l?analisi in tempo reale dell?evento, la sua identificazione e la velocit? di risposta del sistema di monitoraggio 1 stesso, al fine di attivare prontamente sistemi di sicurezza (e.g., chiusura elettrovalvole V) e segnalazione di allarmi (es. sirene di evacuazione H). L?identificazione dell?evento su piattaforme di calcolo pi? vicine possibili ai punti di misura, ma pur sempre in grado di aggregare dati ed informazioni da pi? postazioni, consente allo stesso tempo di abbassare la probabilit? di generare falsi allarmi, mediante tecniche di consenso tra misure di pi? dispositivi di rilevazione 5, spazialmente vicini tra loro, e velocizzare la risposta in conseguenza della concreta identificazione dell?evento sismico nei suoi primissimi istanti.
In questo modo, il processo di identificazione fa seguito all?aggregazione delle informazioni provenienti dai singoli punti di misura e consente l?abbattimento della probabilit? di generare quei falsi allarmi dovuti agli eventi locali che possono influenzare le misure di un dispositivo di rilevamento 5, ovvero di un nodo, e che potrebbe essere l?effetto del rumore originato dalle attivit? dell?uomo (traffico veicolare, cantieri di lavori nelle vicinanze) oppure da elementi atmosferici naturali a media-alta intensit? (vento forte, fortunali).
La figura 2 mostra il metodo di rilevazione 6 di un evento eseguito mediante un programma per elaboratore da ciascun aggregatore principale 41 e 42.
Specificamente, ciascun dispositivo di rilevamento 5 effettua un campionamento continuo (eseguendo la fase 61) dei vettori di accelerazione sui tre assi, perennemente alla ricerca di eventi. Quando un evento ? rilevato (quindi il rapporto tra medie Trigger ? maggiore di una prima soglia predefinita, fase 62), i primi mezzi di elaborazione dati di un aggregatore di primo livello 41, 42 acquisiscono i dati raccolti da ciascun nodo ad essi collegato (ovvero ciascun dispositivo di rilevamento 5) ed estraggono le caratteristiche associate alle tracce accelerometriche (fase 63), che poi sono elaborate mediante il programma di identificazione basato su machine learning (fase 64) in modo da determinare un secondo coefficiente di probabilit? di un evento catastrofico.
In particolare, in una ulteriore finestra temporale mobile di lunghezza predefinita (e determinata a seguito di un iniziale periodo di addestramento del sistema dopo la prima installazione) vengono calcolate le seguenti caratteristiche legate all?ampiezza del modulo del vettore accelerazione e alla frequenza dei segnali di accelerazione su ciascun asse:
- IQR: scarto interquartile del modulo del vettore accelerazione 3D;
- CAV: la velocit? cumulativa calcolata come integrale del modulo del vettore accelerazione 3D; - ZC: la massima frequenza di inversione di segno dell?accelerazione rispetto a ciascuno dei tre assi; e
- FFT: la frequenza in cui lo spettro del segnale di accelerazione assume il suo valore di picco rispetto a ciascuno dei tre assi.
Il programma di identificazione basato su machine learning fornisce in uscita, a partire dai quattro parametri elencati, detto secondo coefficiente di probabilit? di un evento catastrofico, ovverosia un valore associato alla probabilit? che il rapporto medie Trigger sia effettivamente collegato ad un evento sismico (fase 65).
In particolare, se tale secondo coefficiente di probabilit? ? associato ad una bassa probabilit? di avvenuto evento sismico, ? prevista una ulteriore estrazione delle caratteristiche associate alle tracce accelerometriche (fase 63) da processare mediante il programma di identificazione basato su machine learning (fase 64).
Invece, se tale valore in uscita ? associato ad un?alta probabilit? di avvenuto evento sismico, viene generato un segnale di allarme (fase 66) ed ? prevista una ulteriore acquisizione dati ed estrazione delle caratteristiche associate alle tracce accelerometriche (fase 63) da processare mediante il programma di identificazione basato su machine learning (fase 64).
Nell?architettura secondo l?invenzione, la notifica di allarme per un evento sismico viene diramata se dalle informazioni di un certo numero di nodi (ovvero da un predefinito numero di dispositivi di rilevamento 5) l?evento viene identificato, ovvero se l?algoritmo di controllo basato su machine learning restituisce un valore di probabilit? superiore ad una soglia impostata (ad esempio 90%) per un numero di nodi sufficiente (ad esempio 80% dei nodi vicini) e che, in ogni caso, dipende dalla loro reale ubicazione in fase di installazione (ovvero dal loro grado di reciproca correlazione spaziale).
In una forma di realizzazione, il segnale di allarme prevede l?invio di comandi di chiusura di elettrovalvole del gas in scenari di smart cities, attivando sirene di evacuazione per avvisare la popolazione, fermando il traffico veicolare.
In una configurazione che prevede l?installazione di un dispositivo di rilevamento 5 su ogni piano di un edificio E a pi? piani, un eventuale evento sismico viene segnalato dall?aggregatore secondario 411 (i.e., il gateway di struttura), all?aggregatore principale 41, se la maggioranza dei nodi lo rileva ed identifica come tale. Allo stesso modo, su scala urbana in cui uno o pi? dispositivi di rilevamento 5, che di fatto formano i nodi del sistema di monitoraggio 1, sono installati in pi? edifici E o strutture (es. ponti P, tralicci T), l?evento viene segnalato al sistema di monitoraggio 1, e di conseguenza all?unit? centrale di controllo 2, se la maggioranza di nodi/aggregatori lo rileva ed identifica come tale.
In altre parole, gli aggregatori secondari 411, 421 acquisiscono i primi coefficiente di probabilit? provenienti dai dispositivi di rilevamento 5 installati all?interno di una rispettiva infrastruttura, mediante mezzi di interfaccia per l?acquisizione, e confrontano i primi coefficienti di probabilit? ricevuti mediante detti terzi mezzi di elaborazione dati, in modo da inviare un segnale di trigger ad almeno un aggregatore principale 41, 42 se un numero predefinito di detti primi coefficiente di probabilit? ? maggiore di una prima soglia predefinita.
Le fasi 63, 64, 65 ed eventualmente 66 sono ripetute fino alla de-attivazione del trigger di rilevazione evento.
In particolare, mediante il sistema di monitoraggio 1 secondo la presente invenzione, la de-attivazione del trigger di rilevazione evento (ovvero la rilevazione di fine evento) ? esclusivamente legata al ritorno in condizioni normali del valore del rapporto (fase 67,
in cui il rapporto scende sotto una seconda soglia di de-trigger) e una volta trascorso il tempo impostato per la finestra di post-evento PET (fase 68 della figura 2).
L?architettura del sistema di monitoraggio 1 proposto consente inoltre la memorizzazione delle tracce dei parametri rilevati dai dispositivi di rilevamento, che, essendo questi ultimi degli accelerometri, sono le accelerazioni nelle tre dimensioni.
L?unit? centrale di controllo 2 pu? inoltre rilevare le tracce accelerometriche prodotte dai diversi dispositivi di rilevamento 5 e salvarle in specifici database (allocati nel data center, ma non mostrati nelle figure) con il duplice scopo di alimentare il processo di apprendimento continuo della tecnica di identificazione di eventi e fornire supporto per la valutazione dell?evoluzione nel tempo del comportamento elastico di ciascuna struttura sottoposta a monitoraggio.
L?algoritmo di controllo basato su machine learning ? implementato da una rete neurale 7 di tipo 4-5-1 (ovverosia avente 4 parametri di ingresso, 5 nodi intermedi e un nodo di uscita), mostrata nella figura 3. Tale rete neurale 7 ha in ingresso le caratteristiche elencate (IQR, CAV, ZC e FFT) ed ? allenato a valutare la probabilit? che queste siano riferite ad un evento di sisma oppure no. Similmente a quanto affermato a riguardo dei parametri dell?algoritmo
i parametri dell?algoritmo di machine learning sono
configurabili e determinati a seguito di un iniziale periodo di addestramento dopo la prima installazione. Pi? in dettaglio, l?addestramento ed il processo di apprendimento della macchina sono di tipo continuo ed eseguiti in due fasi:
- Fase 1: addestramento off-line a partire da tracce accelerometriche di terremoti disponibili da database accessibili su Internet per varie magnitudo e distanze dai punti di rilevamento e di eventi non associati a sismi ottenute da database aggiornati di dati provenienti da installazioni attive del sistema.
- Fase 2: apprendimento on-line quando il sistema di monitoraggio 1 ? messo in opera in una nuova installazione ed acquisisce per un opportuno periodo i dati relativi ad eventi di natura antropica o sismici (tali dati contribuiscono inoltre al popolamento del database usato per l?addestramento o training nella Fase 1). L?addestramento della rete neurale 7 pu? avvenire, come detto, da tracce accelerometriche di terremoti disponibili, concernenti in particolare dati per addestrare gli algoritmi di machine learning relativi a: - tracce accelerometriche triassiali per eventi sismici di varie magnitudo e rilevati da stazioni sismiche poste a diverse distanze dall?epicentro. - tracce accelerometriche triassiali per eventi non sismici tipicamente di natura antropica.
In forme di realizzazione, entrambi i set di dati sono stati scaricati da database disponibili su Internet.
Per quanto riguarda il primo set di dati, sono stati utilizzati i seguenti riferimenti, ricordando che la scelta ha riguardato principalmente dati di sismi avvenuti in Europa (ed in Italia, in particolare) e zone limitrofe:
- Dipartimento di Protezione Civile, Rete Accelerometrica Nazionale, http://ran.protezionecivile.it/IT/index.php;
- ESM, Engineering Strong-Motion Database, https://esm-db.eu/#/waveform/search.
Relativamente al secondo set di dati, diversi datasets sono stati recuperati mediante ricerca tra le banche dati online. Di seguito si riportano alcuni dei riferimenti pi? significativi:
-(2020). Fine-Grained Activities of Daily Living Data with Structural Vibration and Electrical Load Sensing (Version 1) [Data set]. Zenodo. http://doi.org/10.5281/zenodo.3745900.
-"UMAFall: A Multisensor Dataset for the Research on Automatic Fall Detection." Procedia Computer Science 110 (2017): 32-39. https://figshare.com/articles/dataset/UMA_ADL_FALL _Dataset_zip/4214283.
-"Wind and Acceleration Data from the Hardanger Bridge", https://doi.org/10.21400/5ng8980s.
Sono state effettuate alcune installazioni pilota delle schede di monitoraggio in versione prototipale ed anche questi dati acquisiti sono stati utilizzati per addestrare gli algoritmi di machine learning.
Vantaggi
Un vantaggio della presente invenzione ? dato dal fatto di basarsi su una piattaforma hardware e software flessibile e facilmente implementabile a sistemi urbani diversi e complessi, consentendo la compatibilit? con svariati sensori esterni, che garantisce la possibilit? di adattare la configurazione della piattaforma al monitoraggio di edifici sia moderni che storici, oppure ponti, tralicci, etc. I singoli nodi del sistema proposto possono essere equipaggiati con modulo radio 5G oppure far parte di una rete locale utilizzando un gateway 5G di aggregazione.
Un ulteriore vantaggio della presente invenzione ? quello di prevedere la piena integrazione nell?architettura di comunicazione radio 5G, non limitandosi al semplice uso per il trasporto di dati ed informazioni dai sensori all?unit? centrale di controllo, che funge quindi da centro remoto di raccolta.
Inoltre, le caratteristiche di edge computing previste nell?architettura 5G costituiscono un elemento vantaggioso per favorire l?analisi, il riconoscimento e la reazione in tempo reale ad un evento sismico, minimizzando al tempo stesso la probabilit? di generare quei falsi allarmi spesso legati ad eventi di natura locale ed antropica, che possono caratterizzare le soluzioni che non prevedano tecniche di aggregazione e filtraggio dei dati nella rete. Infatti, contrariamente alle soluzioni esistenti, mediante il sistema di monitoraggio e il metodo di rilevazione proposti, si riesce a sfruttare appieno le potenzialit? offerte dai nuovi sistemi di telecomunicazione basati su 5G, ovvero l?elevata capacit? di banda unita alla ridotta latenza nel trasferimento di informazioni.
Un altro vantaggio della presente invenzione ? quello di prevedere la comunicazione tra tutte le installazioni attive, in modo da garantire l?individuazione ed il riconoscimento degli eventi con bassa probabilit? di falsi allarmi in rete ed in maniera del tutto distribuita.
Un altro vantaggio della presente invenzione ? quello di garantire la massima flessibilit? nella gestione del sistema di acquisizione dai sensori onboard e/o esterni che possono essere ad essa collegati.
Infine, la presente invenzione permette vantaggiosamente di effettuare un?analisi in ?tempo reale? dei dati acquisiti, in modo da attivare prontamente le procedure di sicurezza previste nel momento in cui si identifica la sussistenza delle condizioni di allarme.
La presente invenzione ? stata descritta a titolo illustrativo, ma non limitativo, secondo le sue forme preferite di realizzazione, ma ? da intendersi che variazioni e/o modifiche potranno essere apportate dagli esperti del ramo senza per questo uscire dal relativo ambito di protezione, come definito dalle rivendicazioni allegate.
Claims (20)
- RIVENDICAZIONI 1. Sistema di monitoraggio (1) di eventi catastrofici, come un sisma e simili, per infrastrutture, come un edificio (E), un ponte (P), un traliccio (T) e simili, comprendente due o pi? dispositivi di rilevamento (5), installabili su una rispettiva porzione di almeno una infrastruttura (E, T, P), per rilevare dati associati a uno o pi? parametri (??????) relativi allo spostamento nel tempo di detta rispettiva porzione di detta almeno una infrastruttura (E, T, P), ed almeno un aggregatore principale (41, 42), collegato a detti dispositivi di rilevamento (5) per l?acquisizione di detti dati rilevati per ciascuna porzione di detta almeno una infrastruttura (E, T, P), caratterizzato dal fatto che ciascun dispositivo di rilevamento (5) comprende primi mezzi di elaborazione dati, configurati per elaborare i dati rilevati per detta rispettiva porzione di detta almeno una infrastruttura (E, T, P), per determinare un primo coefficiente di probabilit? di un evento catastrofico, tale che se detto primo coefficiente di probabilit? ? maggiore di una prima soglia predefinita, allora un segnale ? inviato a detto almeno un aggregatore principale (41, 42), e dal fatto che dal fatto che detto almeno un aggregatore principale (41, 42) comprende mezzi di interfaccia per l?acquisizione dati provenienti da detti dispositivi di rilevamento (5), e secondi mezzi di elaborazione dati, configurati per elaborare i dati ricevuti da detti dispositivi di rilevamento (5) a seguito della ricezione di detto segnale per determinare un secondo coefficiente di probabilit? di detto evento catastrofico in funzione di detti dati rilevati da ciascun dispositivo di rilevamento (5), tale che se detto secondo coefficiente di probabilit? ? maggiore di una seconda soglia predefinita, allora detto almeno un aggregatore principale (41 e 42) rileva un evento catastrofico.
- 2. Sistema di monitoraggio (1) secondo la rivendicazione precedente, caratterizzato dal fatto che detto segnale consiste nell?invio di detti dati rilevati da detto dispositivo di rilevamento (5) a detto almeno un aggregatore principale (41, 42).
- 3. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto di comprendere mezzi di avviso (H) collegati a detto almeno un aggregatore principale (41, 42), e dal fatto che quando detto evento catastrofico viene rilevato, detto almeno un aggregatore principale (41, 42) attiva detti mezzi di avviso (H).
- 4. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto di comprendere almeno un aggregatore secondario (411, 421), preferibilmente un gateway di struttura di una rete mobile 5G, collegato ad un rispettivo aggregatore principale (41, 42) e a due o pi? dispositivi di rilevamento (5) associati ad una rispettiva infrastruttura (E, T, P), in cui detto almeno un aggregatore secondario (411, 421) comprende ulteriori mezzi di interfaccia per l?acquisizione di detti primi coefficiente di probabilit? provenienti da detti dispositivi di rilevamento (5), e terzi mezzi di elaborazione dati, configurati per confrontare detti primi coefficienti di probabilit? ricevuti da detti dispositivi di rilevamento (5) ed inviare detto segnale a detto almeno un aggregatore principale (41, 42) se almeno un numero predefinito di detti primi coefficiente di probabilit? ? maggiore di detta prima soglia predefinita.
- 5. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto che detti dati rilevati da detti dispositivi di rilevamento (5) comprendono vettoridi accelerazione di detta porzione di detta almeno una infrastruttura (E, T, P), preferibilmente lungo le tre dimensioni di un sistema di assi cartesiana (X, Y, Z).
- 6. Sistema di monitoraggio (1) secondo la rivendicazione precedente, caratterizzato dal fatto che detto primo coefficiente di probabilit? di un evento catastrofico ? costituito dal rapporto tra la media temporale del modulo del vettore di accelerazione in una prima finestra temporale e la media temporale del modulo del vettore di accelerazione in una seconda finestra temporale, in cui detta prima finestra temporale ? minore di detta seconda finestra temporale.
- 7. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto che detto secondo coefficiente di probabilit? di un evento catastrofico ? determinato mediante un algoritmo di tipo machine learning.
- 8. Sistema di monitoraggio (1) secondo le rivendicazioni 6 e 7, caratterizzato dal fatto che detto algoritmo di tipo machine learning comprende una rete neurale che riceve parametri in ingresso determinati per ciascuna porzione di detta almeno una infrastruttura (E, T, P) a partire da detti vettori relativi alle accelerazioni di detta porzione di detta almeno una infrastruttura (E, T, P) rilevati in un predeterminato periodo di tempo, in cui detti parametri in ingresso comprendono: - un primo parametro (IQR) relativo allo scarto interquartile del modulo di detti vettori di accelerazione in detto predeterminato periodo di tempo; - un secondo parametro (CAV) relativo alla velocit? cumulativa di ciascuna porzione di detta almeno una infrastruttura (E, T, P) ed ? calcolato come l?integrale in detto predeterminato periodo di tempo del modulo di detti vettori di accelerazione; - un terzo parametro (ZC) relativo alla massima frequenza di inversione di segno di detti vettoridi accelerazione rispetto a ciascuna dimensione; e - un quarto parametro (FFT) relativo alla frequenza in cui lo spettro del segnale di detti vettori di accelerazione assume un valore massimo rispetto a ciascuna dimensione.
- 9. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni 7 ? 8, caratterizzato dal fatto che detto algoritmo di tipo machine learning comprende una rete neurale a tre livelli, preferibilmente una rete neurale comprendente quattro parametri in ingresso, cinque nodi nascosti e un nodo di uscita.
- 10. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto che, se detto secondo coefficiente di probabilit? di un evento catastrofico ? minore di detta seconda soglia predefinita, detti secondi mezzi di elaborazione dati sono configurati per continuare a ricevere detti dati rilevati da ciascun dispositivo di rilevamento (5) e a determinare detto secondo coefficiente di probabilit? di detto evento catastrofico finch? detto primo coefficiente di probabilit? di detto evento catastrofico determinato da detto dispositivo di rilevamento (5) non ? minore di una ulteriore soglia predefinita e/o non ? trascorso un predeterminato periodo di tempo.
- 11. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto che detto almeno un aggregatore principale (41 e 42) ? un nodo di tipo MEC server di una rete mobile 5G.
- 12. Sistema di monitoraggio (1) secondo una qualsiasi delle rivendicazioni precedenti, caratterizzato dal fatto di comprendere una unit? centrale di controllo (2) collegata a detto almeno un aggregatore principale (41, 42) e dal fatto che detti secondi mezzi di elaborazione dati di detto almeno un aggregatore principale (41, 42) sono configurati per inviare detti dati rilevati da ciascun dispositivo di rilevamento (5) se detto secondo coefficiente di probabilit? ? maggiore di detta seconda soglia predefinita.
- 13. Metodo (6) di rilevazione di un evento catastrofico come un sisma e simili, in prossimit? di almeno una infrastruttura (E, T, P) come un edificio (E), un ponte (P), un traliccio (T) e simili, comprendente le seguenti fasi: - ricevere (62) un segnale relativo ad un dispositivo di rilevamento (5) installato su una porzione di detta almeno una infrastruttura (E, T, P), in cui detto dispositivo di rilevamento (5) ? configurato per rilevare dati associati a uno o pi? parametrirelativi allo spostamento nel tempo di detta porzione di detta almeno una infrastruttura (E, T, P), ed in cui detto segnale ? stato inviato se un primo coefficiente di probabilit? di un evento catastrofico determinato da detto dispositivo di rilevamento (5) a partire da detti dati rilevati ? maggiore di una prima soglia predefinita; - acquisire (63), mediante mezzi di interfaccia, detti dati rilevati da detto dispositivo di rilevamento (5) e dati associati a uno o pi? parametri relativi allo spostamento nel tempo di almeno una ulteriore porzione di detta almeno una infrastruttura (E, T, P) rilevati da almeno un ulteriore dispositivo di rilevamento (5); - determinare (64) un secondo coefficiente di probabilit? di detto evento catastrofico in funzione di detti dati acquisiti; e - se detto secondo coefficiente di probabilit? ? maggiore di una seconda soglia predefinita, allora rilevare (66) detto evento catastrofico.
- 14. Metodo (6) secondo la rivendicazione precedente, caratterizzato dal fatto che detti dati associati a uno o pi? parametri relativi allo spostamento nel tempo di detta porzione di detta almeno una infrastruttura (E, T, P) comprendono vettori di accelerazione di detta porzione di detta almeno una infrastruttura (E, T, P), preferibilmente lungo le tre dimensioni di un sistema di assi cartesiana (X, Y, Z).
- 15. Metodo (6) secondo una qualsiasi delle rivendicazioni 13 o 14, caratterizzato dal fatto che detto secondo coefficiente di probabilit? di detto evento catastrofico ? determinato mediante un algoritmo di tipo machine-learning.
- 16. Metodo (6) secondo le rivendicazioni 14 e 15, caratterizzato dal fatto che detto algoritmo di tipo machine learning comprende una rete neurale che riceve parametri in ingresso determinati per ciascuna porzione di detta almeno una infrastruttura (E, T, P) a partire da detti vettori relativi alle accelerazioni di detta porzione di detta almeno una infrastruttura (E, T, P) rilevati in un predeterminato periodo di tempo, in cui detti parametri in ingresso comprendono: - un primo parametro (IQR) relativo allo scarto interquartile del modulo di detti vettori di accelerazione in detto predeterminato periodo di tempo; - un secondo parametro (CAV) relativo alla velocit? cumulativa di ciascuna porzione di detta almeno una infrastruttura (E, T, P) ed ? calcolato come l?integrale in detto predeterminato periodo di tempo del modulo di detti vettori di accelerazione; - un terzo parametro (ZC) relativo alla massima frequenza di inversione di segno di detti vettoridi accelerazione rispetto a ciascuna dimensione; e - un quarto parametro (FFT) relativo alla frequenza in cui lo spettro del segnale di detti vettori di accelerazione assume un valore massimo rispetto a ciascuna dimensione.
- 17. Metodo (6) secondo una qualsiasi delle rivendicazioni 13 ? 16, caratterizzato dal fatto che detto secondo coefficiente di probabilit? di detto evento catastrofico ? determinato finch? detto primo coefficiente di probabilit? di un evento catastrofico determinato da detto dispositivo di rilevamento (5) non ? minore di una ulteriore soglia predefinita e/o non ? trascorso un predeterminato periodo di tempo.
- 18. Programma per elaboratore comprendente istruzioni che, quando il programma ? eseguito da un elaboratore, causano l?esecuzione da parte dell?elaboratore delle fasi del metodo secondo una qualsiasi delle rivendicazioni 13 - 17.
- 19. Mezzo di memorizzazione leggibile da un elaboratore comprendente istruzioni che, quando eseguite da un elaboratore, causano l?esecuzione da parte dell?elaboratore delle fasi di metodo secondo una qualsiasi delle rivendicazioni 13 - 17.
- 20. Segnale portante di dati che trasporta il programma per elaboratore secondo la rivendicazione 18.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102021000014996A IT202100014996A1 (it) | 2021-06-09 | 2021-06-09 | Sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione. |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| IT102021000014996A IT202100014996A1 (it) | 2021-06-09 | 2021-06-09 | Sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione. |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| IT202100014996A1 true IT202100014996A1 (it) | 2022-12-09 |
Family
ID=77627297
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| IT102021000014996A IT202100014996A1 (it) | 2021-06-09 | 2021-06-09 | Sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione. |
Country Status (1)
| Country | Link |
|---|---|
| IT (1) | IT202100014996A1 (it) |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180376314A1 (en) * | 2015-11-11 | 2018-12-27 | The Regents Of The University Of California | Myshake: smartphone-based earthquake early warning system |
| US20200309974A1 (en) * | 2019-03-28 | 2020-10-01 | Verizon Patent And Licensing Inc. | Earthquake detection platform |
-
2021
- 2021-06-09 IT IT102021000014996A patent/IT202100014996A1/it unknown
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20180376314A1 (en) * | 2015-11-11 | 2018-12-27 | The Regents Of The University Of California | Myshake: smartphone-based earthquake early warning system |
| US20200309974A1 (en) * | 2019-03-28 | 2020-10-01 | Verizon Patent And Licensing Inc. | Earthquake detection platform |
Non-Patent Citations (4)
| Title |
|---|
| A. TRNKOCZY: "New Manual of Seismological Observatory practice (NMSOP", 2009, article "Understanding and parameter setting of STA/LTA trigger algorithm", pages: 1 - 20 |
| CASILARI, EDUARDOJOSE A. SANTOYO-RAMONJOSE M. CANO-GARCIA: "UMAfall: A Multisensor dataset for the Research on Automatic fall Detection", PROCEDIA COMPUTER SCIENCE, vol. 110, 2017, pages 32 - 39, XP085129946, Retrieved from the Internet <URL:https://figshare.com/articles/dataset/UMAADLFALL> DOI: 10.1016/j.procs.2017.06.110 |
| D'ERRICO L ET AL: "Structural Health Monitoring and Earthquake Early Warning on 5G uRLLC Network", 2019 IEEE 5TH WORLD FORUM ON INTERNET OF THINGS (WF-IOT), IEEE, 15 April 2019 (2019-04-15), pages 783 - 786, XP033578719, DOI: 10.1109/WF-IOT.2019.8767329 * |
| SHIJIA PANMARIO BERGESJULEEN RODAKOWSKIPEI ZHANGHAE YOUNG NOH, FINE-GRAINED ACTIVITIES OF DAILY LIVING DATA WITH STRUCTURAL VIBRATION AND ELECTRICAL LOAD SENSING, 2020, Retrieved from the Internet <URL:http://doi.org/10.5281/zenodo.3745900> |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhou et al. | Recent developments on wireless sensor networks technology for bridge health monitoring | |
| Hodge et al. | Wireless sensor networks for condition monitoring in the railway industry: A survey | |
| CN114005278B (zh) | 一种高速公路基础设施群智能监测与预警系统及方法 | |
| KR100669070B1 (ko) | 구조물의 모니터링을 위한 동적응답측정용 무선계측 시스템 | |
| JP2012168152A (ja) | 構造物安全性の分析方法 | |
| EP3835833A1 (en) | Improved monitoring and early warning system | |
| Mukhopadhyay et al. | Sensors and technologies for structural health monitoring: a review | |
| CN102507121A (zh) | 基于无线传感网的建筑结构震害评估系统及方法 | |
| CN208172538U (zh) | 一种基于物联网大数据的桥梁安全监测采集系统 | |
| KR20120114439A (ko) | 유에스엔 기반 지능형 교량 모니터링 및 안전성 평가 시스템 | |
| KR20170052271A (ko) | 진동 가속도와 변위 계측 기반 재난 경보 시스템 및 방법 | |
| CN108520227A (zh) | 一种基于双传感器信息的传递熵的桥梁结构损伤定位方法 | |
| Morello et al. | Remote monitoring of building structural integrity by a smart wireless sensor network | |
| KR101754937B1 (ko) | M2m 무선통신을 이용한 재난 경보 시스템 | |
| CN107121253A (zh) | 用于桥梁结构在不中断交通情况下快速振动检测的方法 | |
| Huang et al. | Online dual‐rate decentralized structural identification for wireless sensor networks | |
| Zrelli et al. | Application of damage detection for bridge health monitoring | |
| US20220179114A1 (en) | Appliance for Monitoring Activity Within a Dwelling | |
| KR101288870B1 (ko) | 진동 무선센서노드를 이용한 건물의 진동 상태 중앙 모니터링 시스템 | |
| KR101098041B1 (ko) | 지하철 화재 감시 시스템 및 그의 제어방법 | |
| IT202100014996A1 (it) | Sistema di monitoraggio di eventi sismici in infrastrutture e metodo di rilevazione. | |
| CN102849555A (zh) | 一种基于云计算的高精度地震管控的方法及系统 | |
| JP2020008293A (ja) | 構造物劣化診断システム | |
| Hou et al. | Monitoring and identification of vehicle-bridge interaction using mobile truck-based wireless sensors | |
| CN103472774A (zh) | 一种电力隧道实时监测系统及方法 |