[發明專利]一種大跨度金屬屋面的故障實時預警方法及裝置

有效

• 申請號: 201910024616.5
• 申請日: 2019-01-10
• 公開（公告）號: CN109655298B
• 公開（公告）日: 2020-09-11
• 發明（設計）人: 楊麗曼;沈東凱;富辰瑤
• 申請（專利權）人: 北京航空航天大學
• 主分類號: G01M99/00
• 分類號: G01M99/00;G06K9/62
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

本發明涉及一種大跨度金屬屋面的故障實時預警方法及裝置，該方法包括：獲取預設區域在預設時間內所有采集點的數據；所述采集點包括應力片和激光傳感器；將所述數據進行預處理，并提取時域特征量；將所述時域特征量，輸入雙層決策樹算法模型進行計算；所述雙層決策樹算法模型輸出故障類別及故障位置。本發明可以對大跨度金屬屋面狀態進行實時故障定位和預警，有效避免信號干擾造成的誤判，判別準確率高；可避免嚴重事故的發生，易于工程化實現。

技術領域

本發明涉及故障監測技術領域，特別涉及一種大跨度金屬屋面的故障實時預警方法及裝置。

背景技術

目前，隨著建筑業及科學技術的發展，金屬屋面以其良好的性能在現代建筑中的應用越來越廣泛。城市中新建成的場館，比如體育館、火車站、汽車站、演出劇院等等，大部分都是鋼結構屋面，屬于大跨度、開闊式空間結構。

其中鋼結構屋面的板材種類很多，有鍍鋅板、鍍鋁鋅板、鋁合金板、鋁鎂合金板、鈦合金板、銅板、不銹鋼板等；厚度一般為0.4～1.5mm，板的表面一般進行涂裝處理。金屬屋面按系統可分為：立邊咬合系統、直立鎖邊屋頂系統、古典式扣蓋系統、平鎖扣式系統、平面板條系統、壓型板系統、單元板塊式系統等。

但是，在鋼結構體系中，由于結構本身在溫度變化、受風載、雪載等外力的作用下，鋼結構屋面容易發生彈性變形、塑性變形等，進而可能導致屋面金屬板在連接部位產生位移而產生漏水隱患。空間金屬屋面和吊頂時常發生脫落等嚴重事故。現有技術中，大多針對機械設備或網絡安全監測數據進行分析并預警；而金屬屋面系統具有覆蓋面積大、監測點多、監測數據中噪聲混雜的特點，已有技術中提到的算法對于金屬屋面結構的預警并不能完全適用。部分現有技術中涉及的避免金屬屋面失效的方法是從連接方式上改進屋面板結構，沒有從結構監測數據分析角度預測面板結構失效。

因此，如何提供一種面向結構健康管理的金屬屋面故障實時預警方法，對安全隱患進行定位和預警，避免嚴重事故的發生，是同行從業人員亟待解決的問題。

發明內容

鑒于上述問題，本發明提出了一種大跨度金屬屋面的故障實時預警方法及裝置，能夠對基于分布式傳感器采集的結構監測數據分析處理，從而全面掌握金屬屋面的健康狀態，對安全隱患進行定位和預警，可避免嚴重事故的發生。

第一方面，本發明實施例提供一種大跨度金屬屋面的故障實時預警方法，包括：

獲取預設區域在預設時間內所有采集點的數據；所述采集點包括應力片和激光傳感器；

將所述數據進行預處理，并提取時域特征量；

將所述時域特征量，輸入雙層決策樹算法模型進行計算；

所述雙層決策樹算法模型輸出故障類別及故障位置。

在一個實施例中，所述雙層決策樹算法模型生成步驟包括：

采集各種類別對應的樣本數據；所述類別包括：屋面正常、屋面故障和傳感器故障；

對所述樣本數據進行預處理，并提取時域特征；所述時域特征包括特征量和判別類型的樣本集；

將所述樣本集分為訓練集數據和測試集數據；將所述訓練集數據，根據類別分別進行訓練，生成第一模型；

將所述測試集數據輸入所述第一模型，輸出測試結果；

根據所述測試結果，計算所述第一模型的判別準確率；當所述準確率大于第一預設閾值時，確定所述第一模型為雙層決策樹算法模型。

在一個實施例中，所述生成步驟還包括：根據第三方待分類監測數據類別預測，更新所述雙層決策樹算法模型。

在一個實施例中，將所述時域特征量，輸入雙層決策樹算法模型進行計算，包括：區域層計算和節點層計算；