一种钢结构智能健康预警模型构建方法与流程

1.本发明属于钢结构性能预测技术领域，具体而言，涉及一种钢结构智能健康预警模型构建方法。


背景技术：

2.随着工业化和城市化的发展，钢结构建筑越来越受到人们的关注和重视。钢结构由于其刚度高、重量轻、耐腐蚀性能好等特点，在建筑结构、桥梁、矿山机械、海上平台等领域广泛应用。然而，由于钢材自身性质和施工、使用过程中的各种因素，钢结构容易产生应力集中和疲劳破坏等问题，给人们的生命财产安全带来严重的威胁。因此，及时准确地进行钢结构应力检测，对于确保钢结构的安全可靠性具有重要意义。
3.钢结构应力检测技术主要通过动态测试来进行应力检测。动态测试则是主要针对钢结构疲劳问题进行测试，包括应力波测试、谱分析、快速傅里叶变换等。应力波测试是指在钢结构表面施加冲击或振动载荷，并测量其传播速度、反射系数等，从而推算出钢结构内部的应力分布情况。
4.目前现有钢结构预警系统中，存在应力阈值设置不灵活，预警警报易误触的问题。


技术实现要素：

5.有鉴于此，本发明提供一种钢结构智能健康预警模型构建方法，能够解决现有技术中应力阈值设置不灵活，预警警报易误触的问题。
6.本发明是这样实现的：
7.本发明提供一种钢结构智能健康预警模型构建方法，其中，包括以下步骤：
8.s10：获取目标钢结构物理模型，多次改变环境条件，每次改变环境条件后都对所述目标钢结构物理模型进行应力检测，得到不同环境条件下的应力图像，作为应力图像；
9.s20：对所述应力图像进行训练，得到钢结构应力变化模型；
10.s30：对所述钢结构应力变化模型进行划分，得到钢结构预警模型；
11.s40：对所述环境条件进行实时监测，获取监测数据，对所述监测数据进行处理，得到钢结构综合预警模型。
12.在上述技术方案的基础上，本发明的一种钢结构智能健康预警模型构建方法还可以做如下改进:
13.其中，所述对目标钢结构物理模型进行应力测试具体步骤为：
14.将所述目标钢结构物理模型置于实验空间内部，使用全场应变测量系统中的曝光灯对所述目标钢结构物理模型进行曝光处理，将相机对准所述目标钢结构物理模型，进行应力分析，生成所述目标钢结构物理模型的应力图像，作为应力图像。
15.进一步的，所述环境条件包括实验空间的温度、相对湿度、风向和风速。
16.其中，所述对应力图像进行训练，得到钢结构应力变化模型的具体步骤为：
17.建立一个卷积神经网络模型，所述卷积神经网络包括包含1个输入层，1个flatten
层，1个全连接层以及1个输出层；
18.将环境条件转化为向量p，p＝[温度，湿度，风向，风速]，将应力图像转化为向量d，d＝[n，应力图像]，其中n表示第n次进行的应力检测得到的应力图像，将向量d作为期望输出；
[0019]
将向量p作为输入数据输入至所述卷积神经网络模型中，进行向前传播网络训练和反向传播网络训练两个阶段，所述向前传播网络训练是，将所述向量p利用所述flatten层进行展平，得到展平后的数据，将所述展平后的数据输入至激活函数为relu的全连接层进行特征提取，得到表示所述应力图像的输出向量，所述输出向量记为d，d＝[n，应力图像]，将输出向量与期望输出进行比较，若输出向量和期望输出的相似度小于75％，则采用随机梯度下降优化算法进行反向传播网络训练，得到钢结构应力变化模型。
[0020]
进一步的，所述对所述钢结构应力变化模型进行划分，得到钢结构预警模型的具体步骤为：
[0021]
获取所述目标钢的型号，查询所述目标钢的型号属性，获取所述目标钢的允许应力值和最大应力值；
[0022]
将目标钢的允许应力值作为一级预警阈值，将目标钢的最大应力值作为二级预警阈值；
[0023]
依据一级预警阈值和二级预警阈值，将所述应力图像划分为一级预警阈值区域、二级预警阈值区域、三级预警阈值区域和四级预警阈值区域，在所述应力图像中分别对应的颜色为绿色、蓝色、黄色和红色，得到钢结构预警模型。
[0024]
进一步的，所述一级预警阈值区域的划分方法为正常环境条件下，应力图像中应力小于一级预警阈值的区域；
[0025]
所述二级预警阈值区域的划分方法为正常环境条件下，应力图像中应力大于一级预警阈值的区域；
[0026]
所述三级预警阈值区域的划分方法为异常环境条件下，应力图像中应力大于一级预警阈值的区域；
[0027]
所述四级预警阈值区域的划分方案为正常环境条件下，应力图像中应力大于二级预警阈值的区域。
[0028]
进一步的，所述异常环境条件为实验空间温度低于10摄氏度，实验空间温度高于30摄氏度，实验空间相对湿度大于80％，实验空间风速大于15米每秒，其中，当实验空间环境条件满足上述任一环境条件时，即为异常环境条件；
[0029]
所述正常环境条件为当实验空间为非异常环境条件时的环境条件。
[0030]
进一步的，所述对钢结构预警模型进行实时监测，获取监测数据，对所述监测数据进行处理，得到钢结构综合预警模型的具体步骤为：
[0031]
使用环境检测设备实时检测环境条件，将获取的监测数据输入到钢结构应力变化模型中，得到当前应力图像；
[0032]
将当前应力图像数据输入到钢结构预警模型中，对应力图像进行颜色划分；
[0033]
将颜色划分完成的钢结构预警模型设置预警等级触发机制，得到钢结构综合预警模型。
[0034]
进一步的，所述预警等级分为蓝色警报、黄色警报和红色警报；
[0035]
所述蓝色警报触发机制为当颜色划分完成的钢结构预警模型中出现蓝色区域时，则触发蓝色警报；
[0036]
所述黄色警报触发机制为当颜色划分完成的钢结构预警模型中出现黄色区域时，则触发黄色警报；或者一分钟内触发超过三次蓝色警报时，则触发黄色警报；
[0037]
所述红色警报触发机制为当颜色划分完成的钢结构预警模型中出现红色区域时，则触发红色警报；或者一分钟内触发超过三次黄色警报时，则触发红色警报。
[0038]
进一步的，所述蓝色警报和黄色警报10秒内最多触发一次。
[0039]
与现有技术相比较，本发明提供的一种钢结构智能健康预警模型构建方法的有益效果是：本发明通过在不同环境条件下，对钢结构进行应力分析，得到目标钢结构的应力图像，通过神经网络模型将得到的应力图像与环境数值相匹配，能够在后续钢结构使用时，通过环境条件数据预测当前钢结构健康情况，应力阈值能够灵活调整；通过构建钢结构预警模型，能够对当前钢结构应力图像进行颜色分类，便于实时监测；通过设置三级预警等级，能够应力阈值的增加提前量，提前对当前钢结构进行隐患处理；通过设置预警等级触发机制，减少误触，提高预警准确率。
附图说明
[0040]
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描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0041]
图1为一种钢结构智能健康预警模型构建方法的步骤流程图。
具体实施方式
[0042]
为使本发明实施方式的目的、技术方案和优点更加清楚，下面将结合本发明实施方式中的附图，对本发明实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本发明一部分实施方式，而不是全部的实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0043]
因此，以下对在附图中提供的本发明的实施方式的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施方式。基于本发明中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本发明保护的范围。
[0044]
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。
[0045]
在本发明的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”、“顺时针”、“逆时针”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。
block块和1个包含16个卷积层的dense block块依次堆叠而成，dense block中每个卷积层的输入为前面所有卷积层的输出。
[0063]
通过神经网络模型训练出不同的环境条件与目标钢结构物理模型的应力图像对应关系，得到钢结构应力变化模型，后续可以仅通过测量环境条件预测出当前钢结构物理模型的应力图像。
[0064]
进一步的，在上述技术方案中，对钢结构应力变化模型进行划分，得到钢结构预警模型的具体步骤为：
[0065]
获取目标钢的型号，查询目标钢的型号属性，获取目标钢的允许应力值和最大应力值；
[0066]
将目标钢的允许应力值作为一级预警阈值，将目标钢的最大应力值作为二级预警阈值；
[0067]
依据一级预警阈值和二级预警阈值，将应力图像划分为一级预警阈值区域、二级预警阈值区域、三级预警阈值区域和四级预警阈值区域，在应力图像中分别对应的颜色为绿色、蓝色、黄色和红色，得到钢结构预警模型。
[0068]
通过将目标钢的型号属性与当前应力图像进行数值对比，将应力图像划分为四个等级的预警阈值区域，每个区域通过特定颜色进行标记，方便后续颜色识别，触发警报。
[0069]
进一步的，在上述技术方案中，一级预警阈值区域的划分方法为正常环境条件下，应力图像中应力小于一级预警阈值的区域；
[0070]
二级预警阈值区域的划分方法为正常环境条件下，应力图像中应力大于一级预警阈值的区域；
[0071]
三级预警阈值区域的划分方法为异常环境条件下，应力图像中应力大于一级预警阈值的区域；
[0072]
四级预警阈值区域的划分方案为正常环境条件下，应力图像中应力大于二级预警阈值的区域。
[0073]
需要说明的是，钢的物理属性会因环境发生改变，导致允许应力和最大应力发生变化，通过设置二级预警阈值区域，能够在环境条件较为恶劣时，依旧能够实现预警区域的准确划分，将环境的影响计算在内。
[0074]
进一步的，在上述技术方案中，异常环境条件为实验空间温度低于10摄氏度，实验空间温度高于30摄氏度，实验空间相对湿度大于80％，实验空间风速大于15米每秒，其中，当实验空间环境条件满足上述任一环境条件时，即为异常环境条件；
[0075]
正常环境条件为当实验空间为非异常环境条件时的环境条件。
[0076]
作为本发明的第一实施例，目标钢结构选用的梯形脚手架，材质使用型号为q235b钢材，该钢材的最大应力为235mpa，允许应力为180mpa，在正常环境条件下，实验空间温度为25摄氏度，相对湿度为60％，风向为东风，风速为10米每秒，使用曝光灯对梯形脚手架进行曝光，将相机聚焦于梯形脚手架的平台部分，对平台进行应力分析，通过分析系统获得应力图像。
[0077]
作为本发明的第二实施例，与第一实施例不同之处在于，在异常环境条件下，实验空间温度为5摄氏度。
[0078]
作为本发明的第三实施例，与第一实施例不同之处在于，在异常环境条件下，实验
空间温度为35摄氏度。
[0079]
作为本发明的第四实施例，与第一实施例不同之处在于，在异常环境条件下，实验空间相对湿度为90％。
[0080]
作为本发明的第五实施例，与第一实施例不同之处在于，在异常环境条件下，实验空间风速为20米每秒。
[0081]
进一步的，在上述技术方案中，对钢结构预警模型进行实时监测，获取监测数据，对监测数据进行处理，得到钢结构综合预警模型的具体步骤为：
[0082]
使用环境检测设备实时检测环境条件，将获取的监测数据输入到钢结构应力变化模型中，得到当前应力图像；
[0083]
环境检测设备可选用型号为zh-7847环境检测系统。
[0084]
将当前应力图像数据输入到钢结构预警模型中，对应力图像进行颜色划分；
[0085]
将颜色划分完成的钢结构预警模型设置预警等级触发机制，得到钢结构综合预警模型。
[0086]
进一步的，在上述技术方案中，预警等级分为蓝色警报、黄色警报和红色警报；
[0087]
蓝色警报触发机制为当颜色划分完成的钢结构预警模型中出现蓝色区域时，则触发蓝色警报；
[0088]
黄色警报触发机制为当颜色划分完成的钢结构预警模型中出现黄色区域时，则触发黄色警报；或者一分钟内触发超过三次蓝色警报时，则触发黄色警报；
[0089]
红色警报触发机制为当颜色划分完成的钢结构预警模型中出现红色区域时，则触发红色警报；或者一分钟内触发超过三次黄色警报时，则触发红色警报。
[0090]
当目标钢结构物理模型触发警报时，需进行结构排查；
[0091]
当触发蓝色警报时，及时修理故障部分；
[0092]
当触发黄色警报时，及时更换故障部分；
[0093]
当触发红色警报时，停止使用。
[0094]
进一步的，在上述技术方案中，蓝色警报和黄色警报10秒内最多触发一次，防止某一警报一直触发，影响触发下一级警报。
[0095]
以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

技术特征：
1.一种钢结构智能健康预警模型构建方法，其特征在于，包括以下步骤：s10：获取目标钢结构物理模型，多次改变环境条件，每次改变环境条件后都对所述目标钢结构物理模型进行应力检测，得到不同环境条件下的应力图像，作为应力图像；s20：对所述应力图像进行训练，得到钢结构应力变化模型；s30：对所述钢结构应力变化模型进行划分，得到钢结构预警模型；s40：对所述环境条件进行实时监测，获取监测数据，对所述监测数据进行处理，得到钢结构综合预警模型。2.根据权利要求1所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述对目标钢结构物理模型进行应力测试具体步骤为：将所述目标钢结构物理模型置于实验空间内部，使用全场应变测量系统中的曝光灯对所述目标钢结构物理模型进行曝光处理，将相机对准所述目标钢结构物理模型，进行应力分析，生成所述目标钢结构物理模型的应力图像。3.根据权利要求2所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述环境条件包括实验空间的温度、相对湿度、风向和风速。4.根据权利要求1所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述对应力图像进行训练，得到钢结构应力变化模型的具体步骤为：建立一个卷积神经网络模型，所述卷积神经网络包括包含1个输入层，1个flatten层，1个全连接层以及1个输出层；将环境条件转化为向量p，p＝[温度，湿度，风向，风速]，将应力图像转化为向量d，d＝[n，应力图像]，其中n表示第n次进行的应力检测得到的应力图像，将向量d作为期望输出；将向量p作为输入数据输入至所述卷积神经网络模型中，进行向前传播网络训练和反向传播网络训练两个阶段，所述向前传播网络训练是，将所述向量p利用所述flatten层进行展平，得到展平后的数据，将所述展平后的数据输入至激活函数为relu的全连接层进行特征提取，得到表示所述应力图像的输出向量，所述输出向量记为d，d＝[n，应力图像]，将输出向量与期望输出进行比较，若输出向量和期望输出的相似度小于75％，则采用随机梯度下降优化算法进行反向传播网络训练，得到钢结构应力变化模型。5.根据权利要求3所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述对所述钢结构应力变化模型进行划分，得到钢结构预警模型的具体步骤为：获取所述目标钢的型号，查询所述目标钢的型号属性，获取所述目标钢的允许应力值和最大应力值；将目标钢的允许应力值作为一级预警阈值，将目标钢的最大应力值作为二级预警阈值；依据一级预警阈值和二级预警阈值，将所述应力图像划分为一级预警阈值区域、二级预警阈值区域、三级预警阈值区域和四级预警阈值区域，在所述应力图像中分别对应的颜色为绿色、蓝色、黄色和红色，得到钢结构预警模型。6.根据权利要求5所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述一级预警阈值区域的划分方法为正常环境条件下，应力图像中应力小于一级预警阈值的区域；所述二级预警阈值区域的划分方法为正常环境条件下，应力图像中应力大于一级预警
阈值的区域；所述三级预警阈值区域的划分方法为异常环境条件下，应力图像中应力大于一级预警阈值的区域；所述四级预警阈值区域的划分方案为正常环境条件下，应力图像中应力大于二级预警阈值的区域。7.根据权利要求6所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述异常环境条件为实验空间温度低于10摄氏度，实验空间温度高于30摄氏度，实验空间相对湿度大于80％，实验空间风速大于15米每秒，其中，当实验空间环境条件满足上述任一环境条件时，即为异常环境条件；所述正常环境条件为当实验空间为非异常环境条件时的环境条件。8.根据权利要求5所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述对环境条件进行实时监测，获取监测数据，对所述监测数据进行处理，得到钢结构综合预警模型的具体步骤为：使用环境检测设备实时检测环境条件，将获取的监测数据输入到钢结构应力变化模型中，得到当前应力图像；将当前应力图像数据输入到钢结构预警模型中，对应力图像进行颜色划分；将颜色划分完成的钢结构预警模型设置预警等级触发机制，得到钢结构综合预警模型。9.根据权利要求8所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述预警等级分为蓝色警报、黄色警报和红色警报；所述蓝色警报触发机制为当颜色划分完成的钢结构预警模型中出现蓝色区域时，则触发蓝色警报；所述黄色警报触发机制为当颜色划分完成的钢结构预警模型中出现黄色区域时，则触发黄色警报；或者一分钟内触发超过三次蓝色警报时，则触发黄色警报；所述红色警报触发机制为当颜色划分完成的钢结构预警模型中出现红色区域时，则触发红色警报；或者一分钟内触发超过三次黄色警报时，则触发红色警报。10.根据权利要求9所述的一种钢结构智能健康预警模型构建方法，其特征在于，所述蓝色警报和黄色警报10秒内最多触发一次。

技术总结
本发明提供了一种钢结构智能健康预警模型构建方法，属于钢结构性能预测技术领域，该钢结构智能健康预警模型构建方法包括以下步骤：获取目标钢结构物理模型，多次改变环境条件，每次改变环境条件后都对所述目标钢结构物理模型进行应力检测，得到不同环境条件下的应力图像，作为应力图像；对所述应力图像进行训练，得到钢结构应力变化模型；对所述钢结构应力变化模型进行划分，得到钢结构预警模型；对所述钢结构预警模型进行实时监测，获取监测数据，对所述监测数据进行处理，得到钢结构综合预警模型；本发明能够解决现有技术中应力阈值设置不灵活，预警警报易误触的问题。预警警报易误触的问题。预警警报易误触的问题。


技术研发人员：秦红昌 张兴国 李腾 吴仁强 殷飞 岳远磊 解旭龙 田相强 姜云浩 苗田丰 刘琪 王帅 袁永强 李鸿祥 李飞龙
受保护的技术使用者：中建八局发展建设有限公司
技术研发日：2023.04.25
技术公布日：2023/7/25