[go: up one dir, main page]

CN111882071A - 一种基于机器学习的预应力钢构件监测方法 - Google Patents

一种基于机器学习的预应力钢构件监测方法 Download PDF

Info

Publication number
CN111882071A
CN111882071A CN202010595889.8A CN202010595889A CN111882071A CN 111882071 A CN111882071 A CN 111882071A CN 202010595889 A CN202010595889 A CN 202010595889A CN 111882071 A CN111882071 A CN 111882071A
Authority
CN
China
Prior art keywords
monitoring
data
prestressed steel
sensor
machine learning
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.)
Pending
Application number
CN202010595889.8A
Other languages
English (en)
Inventor
刘占省
蒋安桐
杜修力
王宇波
邢泽众
史国梁
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN202010595889.8A priority Critical patent/CN111882071A/zh
Publication of CN111882071A publication Critical patent/CN111882071A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/02—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring length, width, or thickness
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B21/00—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant
    • G01B21/32—Measuring arrangements or details thereof, where the measuring technique is not covered by the other groups of this subclass, unspecified or not relevant for measuring the deformation in a solid
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
    • G01L5/00—Apparatus for, or methods of, measuring force, work, mechanical power, or torque, specially adapted for specific purposes
    • G01L5/0028—Force sensors associated with force applying means
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G08—SIGNALLING
    • G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
    • G08C17/00—Arrangements for transmitting signals characterised by the use of a wireless electrical link
    • G08C17/02—Arrangements for transmitting signals characterised by the use of a wireless electrical link using a radio link
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Signal Processing (AREA)
  • Data Mining & Analysis (AREA)
  • Artificial Intelligence (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Mathematical Physics (AREA)
  • Biomedical Technology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Molecular Biology (AREA)
  • Computational Linguistics (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biophysics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Arrangements For Transmission Of Measured Signals (AREA)

Abstract

本发明公开了一种基于机器学习的预应力钢构件监测方法，包括结构检测装置、数据采集子系统、数据库管理子系统、安全评估与预警子系统和用户界面子系统。本发明通过机器学习能够精准、有效地对结构性能变化进行监测，得到监测数据，与结构理论数据进行对比分析，从而进行安全预警，为施工过程和正常结构加固提供决策性技术依据，对于实现结构效率最大化、保证结构使用安全具有重大的价值、经济效益和社会效益。

Description

一种基于机器学习的预应力钢构件监测方法
技术领域
本发明属于基于机器学习的预应力钢结构监测方法，具体涉及一种通过机器学习对钢结构进行实时监测的系统。
背景技术
近年钢结构工程在安装过程以及完成安装后使用过程中的质量安全一直是行业关注的重点，因为建筑结构会受到天气(风、温湿度、太阳辐射、降水)，自然灾害以及周边环境的影响，通过建立有限元模型来表示这些因素，基于机器学习进行结构分析及计算，大幅度提高了计算分析的准确性和及时性。
在项目实际实施的过程中，由于建筑结构的外部环境条件一直在变化，在设计阶段所做的分析并不能完全真实地反映出结构安装完成后，在使用阶段受到的外部应用，实时监测数据没有即时进行计算和分析，而是在问题出现后才进行报警并进行维修，未能做到风险实时监控和提前预判。
当下，许多行业智能化发展逐步走向成熟，但钢结构工程的实时监测预警系统和方法依然过于传统，缺少系统平台解决方案，缺少系统在线自我学习能力，迫切地需要通过智能的健康监测方法提高、优化结构分析和预警的精准性。
发明内容
针对上述现有技术中的不足，本发明旨在提出一种智能结构检测监测方法，以实现对钢结构的智能监测与预警，提高结构健康监测的真实性和对结构中隐藏风险的准确判断性，及时发现异常点，从而解决风险处理不及时的问题。
为实现上述目的，本发明具体提供的技术方法为：一种基于机器学习的钢结构工程实时监测方法。
在钢构件上安装结构应力、应变监测装置，对钢结构进行实时监测，包括无线传感器网络、应变传感器组件和位移传感器，在结构特定部位安装环境监测装置，监测数据通过通讯网络子系统事实上传至云数据服务器。
通过应力、应变监测装置，由无线传感器网络、应变传感器和位移传感器对结构进行监测，可以对结构的健康状况进行实时感知，并通过网络传至终端；同时，位移传感器对结构的危险部位工作基点的位移进行监测，以便于校对各个基点的稳定性。
通过各个传感器的测量，监测数据上传至数据采集监测子系统中的传感器模块，该模块用于现场采集监测数据，所述数据采集及传输模块是通过采集传感器输出的监测数据，进一步对所得数据进行信号调节，再将调整后的监测数据上传到所述的数据库管理子系统。
数据库管理子系统将结构的基本信息数据和通过所述数据采集监测子系统发出的监测数据进行储存，同时，还将对所述安全评估预警子系统所发出的预警信息及所述用户界面子系统发出的系统管理信息数据进行存储。
所述机器学习评估模块用于根据数据库管理子系统的结构基本信息数据、监测数据以及预警信息数据和系统管理信息数据。选取决策树，SVM，BP神经网络等算法建立易损性分析模型。从样本库中选取训练集和测试集进行多次试验，设定钢结构损伤临界阈值。与预先设置的安全评估规定进行对比，对上述所接收的数据进行安全评估，并根据对比结果输出相应的报警信息。
用户界面子系统中将会向用户提供系统管理的人机交互接口，数据库管理子系统所收集和监测的数据以及安全评估预警子系统所做出的对比、预警信息将会在所述系统中显示，同时，所述系统中的数据查询模块用于向用户提供数据查询的人机交互接口。
与现有技术相比较，本发明通过在钢构件上安装结构应力、应变监测装置进行数据监测，将监测数据通过传感器装置进行传输。之后，通过机器学习的方法在数据库管理子系统中对监测数据进行分析，同时，在安全评估预警子系统中与预设的安全评估规则进行对比分析，能够有效评估钢结构的健康状况，对参数异常的各工作基点及时发出预警，以达到提高传统人工检测方法滞后性及低效性等问题。
附图说明
图1为一种基于机器学习的预应力钢结构健康监测方法的一个实施例的流程图。
具体实施方式
一种基于机器学习的预应力钢结构监测方法，包括如下步骤：
步骤一，在钢构件上安装结构应力、应变监测装置，对钢结构进行实时监测，包括无线传感器网络、应变传感器组件和位移传感器，在结构特定部位安装环境监测装置，监测数据通过通讯网络子系统事实上传至云数据服务器；
步骤二，通过应力、应变监测装置，由无线传感器网络、应变传感器和位移传感器对结构进行监测，可以对结构的健康状况进行实时感知，并通过网络传至终端；同时，位移传感器对结构的危险部位工作基点的位移进行监测，以便于校对各个基点的稳定性；
步骤三，通过各个传感器的测量，监测数据上传至数据采集监测子系统中的传感器模块，该模块用于现场采集监测数据，所述数据采集及传输模块是通过采集传感器输出的监测数据，进一步对所得数据进行信号调节，再将调整后的监测数据上传到所述的数据库管理子系统；
步骤四，数据库管理子系统将结构的基本信息数据和通过所述数据采集监测子系统发出的监测数据进行储存，同时，还将对所述安全评估预警子系统所发出的预警信息及所述用户界面子系统发出的系统管理信息数据进行存储；
根据云数据服务器传来的监测数据实时进行仿真分析计算，优化结构分析和预警的及时性、准确性；可视化的智能预警管理，精准发现问题构件，危险构件及各个监测点通过不同的颜色所反映的情况。
监测系统包括对钢结构健康进行监测的无线传感器网络、用于监测钢结构各危险部位的应变传感器组件和位移传感器，所述无线传感器网络全覆盖对钢结构健康结构进行监测，同时，网络采用先进的物理信息融合系统，对健康结构进行实时感知；所述位移传感器以用于监测危险部位位移变化的工作基点和用于校对工作基点稳定性的全局基准点为基础进行三维空间位移监测，所述结构的各个危险部位、工作基点和全局基准点通过对钢结构进行有限元模拟分析确定；所述应变传感器组件包括参数性能及结构完全相同的工作用应变传感器和温度补偿用应变传感器，所属工作用应变传感器和温度补偿用应变传感器串联后设置于结构的各个危险部位上。
上述机器学习模块通信至终端设备，通过所述终端设备访问所述机器学习模块。首先选取决策树，SVM，BP神经网络等算法建立易损性分析模型。从样本库中选取训练集和测试集进行多次试验，设定钢结构损伤临界阈值。
智能监测系统在传感器内集成采集传输功能，或将采集的数据无线传输至网关，由网关统一发送至云平台，通过算法和大数据分析对比，确定结构物的健康状况，将评价结果反馈给相关用户。当数值超过设定阈值时，系统可自动发送报警短信并通过邮件和手机APP等方式通知相关人员。
所述传感器模块包括风速风向仪，湿温度计，加速度计，位移计，北斗监测仪，应变计和索力计。
通过数据处理与控制模块控制所述传感器模块现场采集所需监测数据；
通过数据处理与控制模块所述数据采集及传输模块采集传感器输出的监测数据，并对采集的传感器所输出数据进行信号调理，再将调理后的监测数据传输到所述数据库管理子系统；
通过所述机器学习评估模块访问访问数据库管理子系统的结构基本信息数据、监测数据、预警信息数据以及系统管理信息数据，并根据预先设置的安全评估规则对上述数据进行安全评估；
通过所述报警模块依照安全评估结果输出报警信息。
实施例
步骤一，在钢构件上安装结构应力、应变监测装置，对钢结构进行实时监测，包括无线传感器网络、应变传感器组件和位移传感器，在结构特定部位安装环境监测装置，监测数据通过通讯网络子系统事实上传至云数据服务器。
步骤二，通过应力、应变监测装置，由无线传感器网络、应变传感器和位移传感器对结构进行监测，可以对结构的健康状况进行实时感知，并通过网络传至终端；同时，位移传感器对结构的危险部位工作基点的位移进行监测，以便于校对各个基点的稳定性；
步骤三，通过各个传感器的测量，监测数据上传至数据采集监测子系统中的传感器模块，该模块用于现场采集监测数据，所述数据采集及传输模块是通过采集传感器输出的监测数据，进一步对所得数据进行信号调节，再将调整后的监测数据上传到所述的数据库管理子系统；
步骤四，数据库管理子系统将结构的基本信息数据和通过所述数据采集监测子系统发出的监测数据进行储存，同时，还将对所述安全评估预警子系统所发出的预警信息及所述用户界面子系统发出的系统管理信息数据进行存储；
步骤五，所述机器学习评估模块用于根据数据库管理子系统的结构基本信息数据、监测数据以及预警信息数据和系统管理信息数据，与预先设置的安全评估规定进行对比，对上述所接收的数据进行安全评估，并根据对比结果输出相应的报警信息；
步骤六，在用户界面子系统中将会向用户提供系统管理的人机交互接口，数据库管理子系统所收集和监测的数据以及安全评估预警子系统所做出的对比、预警信息将会在所述系统中显示，同时，所述系统中的数据查询模块用于向用户提供数据查询的人机交互接口。

Claims (8)

1.一种基于机器学习的预应力钢构件监测方法，其特征在于：包括如下步骤，
步骤一，在预应力钢构件上安装结构应力、应变监测装置，对预应力钢构件进行实时监测，包括无线传感器网络、应变传感器组件和位移传感器，在预应力钢构件需要重点监测部位安装环境监测装置，监测数据通过通讯网络子系统事实上传至云数据服务器；
步骤二，通过应力、应变监测装置，由无线传感器网络、应变传感器和位移传感器对预应力钢构件进行监测，实现对预应力钢构件的健康状况进行实时感知，并通过网络传至终端；位移传感器对预应力钢构件的危险部位工作基点的位移进行监测，以便于校对各个基点稳定性；
步骤三，通过各个传感器的测量，监测数据上传至数据采集监测子系统中的传感器模块，该传感器模块用于现场采集监测数据；所述数据采集及传输模块是通过采集传感器输出的监测数据，对所得监测数据进行信号调节，再将调整后的监测数据上传到所述的数据库管理子系统；
步骤四，数据库管理子系统将预应力钢构件的基本信息数据和通过所述数据采集监测子系统发出的监测数据进行储存，将对所述安全评估预警子系统所发出的预警信息及所述用户界面子系统发出的系统管理信息数据进行存储；安全评估预警子系统包括机器学习评估模块和报警模块。
2.根据权利要求1所述的一种基于机器学习的预应力钢构件监测方法，其特征在于：根据云数据服务器传来的监测数据实时进行仿真分析计算。
3.根据权利要求1所述的一种基于机器学习的预应力钢构件监测方法，其特征在于：监测系统包括对预应力钢构件健康进行监测的无线传感器网络、用于监测预应力钢构件各危险部位的应变传感器组件和位移传感器；所述无线传感器网络全覆盖对预应力钢构件健康结构进行监测，网络采用物理信息融合系统，对健康结构进行实时感知；所述位移传感器以用于监测危险部位位移变化的工作基点和用于校对工作基点稳定性的全局基准点为基础进行三维空间位移监测；所述预应力钢构件的各个危险部位、工作基点和全局基准点通过对预应力钢构件进行有限元模拟分析确定；所述应变传感器组件包括参数性能及结构完全相同的工作用应变传感器和温度补偿用应变传感器，工作用应变传感器和温度补偿用应变传感器串联后设置于预应力钢构件需要重点监测部位上。
4.根据权利要求1所述的一种基于机器学习的预应力钢构件监测方法，其特征在于：上述机器学习评估模块通信至终端设备，通过所述终端设备访问所述机器学习评估模块。从样本库中选取训练集和测试集进行多次试验，设定预应力钢构件损伤临界阈值。
5.根据权利要求3所述的一种基于机器学习的预应力钢构件监测方法，其特征在于：监测系统在传感器内集成采集传输功能，或将采集的数据无线传输至网关，由网关统一发送至云平台，通过算法和大数据分析对比，确定预应力钢构件的健康状况，并将健康状况的结果进行反馈。当健康状况的数值超过设定阈值时，智能监测系统自动发送报警。
6.根据权利要求1所述的一种基于机器学习的预应力钢构件监测方法，其特征在于：所述传感器模块包括风速风向仪、湿温度计、加速度计、位移计、北斗监测仪、应变计和索力计。
7.根据权利要求1-6任意一项所述的一种基于机器学习的预应力钢构件监测方法，其特征在于：
通过数据处理与控制模块控制所述传感器模块现场采集所需监测数据；
通过数据处理与控制模块所述数据采集及传输模块采集传感器输出的监测数据，并对采集的传感器所输出数据进行信号调理，再将调理后的监测数据传输到所述数据库管理子系统；
通过所述机器学习评估模块访问访问数据库管理子系统的预应力钢构件基本信息数据、监测数据、预警信息数据以及系统管理信息数据，并根据预先设置的安全评估规则对数据进行安全评估；
通过所述报警模块依照安全评估结果输出报警信息。
8.根据权利要求1所述的一种基于机器学习的预应力钢构件监测方法，其特征在于：预应力钢构件需要重点监测部位的确定由模拟仿真确定。
CN202010595889.8A 2020-06-24 2020-06-24 一种基于机器学习的预应力钢构件监测方法 Pending CN111882071A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010595889.8A CN111882071A (zh) 2020-06-24 2020-06-24 一种基于机器学习的预应力钢构件监测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010595889.8A CN111882071A (zh) 2020-06-24 2020-06-24 一种基于机器学习的预应力钢构件监测方法

Publications (1)

Publication Number Publication Date
CN111882071A true CN111882071A (zh) 2020-11-03

Family

ID=73157039

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010595889.8A Pending CN111882071A (zh) 2020-06-24 2020-06-24 一种基于机器学习的预应力钢构件监测方法

Country Status (1)

Country Link
CN (1) CN111882071A (zh)

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110212A (zh) * 2021-04-29 2021-07-13 西安建筑科技大学 一种钢结构建筑健康监测系统及其布置方法
CN113359645A (zh) * 2021-06-30 2021-09-07 四川交达预应力工程检测科技有限公司 基于工程物联网的预应力施工监测预警系统及方法
CN113408927A (zh) * 2021-06-30 2021-09-17 四川交达预应力工程检测科技有限公司 基于大数据的预应力施工质量评估方法及系统
CN113487157A (zh) * 2021-06-30 2021-10-08 四川交达预应力工程检测科技有限公司 基于云技术的预应力施工质量无人化监管平台及方法
CN113819851A (zh) * 2021-09-18 2021-12-21 哈尔滨工程大学 基于分布式光纤光栅的机载雷达罩的应变监测系统
CN115981255A (zh) * 2022-12-12 2023-04-18 江苏丰华建筑系统集成有限公司 一种钢结构试验平台的性能监测方法及系统
CN118654730A (zh) * 2024-08-13 2024-09-17 双龙软创(深圳)科技有限公司 海基钢结构的安全监测方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103309325A (zh) * 2013-06-07 2013-09-18 北京市建筑工程研究院有限责任公司 用于预应力钢结构的三维可视化动态监测系统及监测方法
CN107860425A (zh) * 2017-10-30 2018-03-30 湖北双可智能工程有限公司 一种桥梁结构健康监测与预警系统及方法
CN110502820A (zh) * 2019-08-14 2019-11-26 浙江精工钢结构集团有限公司 一种基于bim的钢结构工程实时监测预警方法
CN111178758A (zh) * 2019-12-30 2020-05-19 河海大学 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103309325A (zh) * 2013-06-07 2013-09-18 北京市建筑工程研究院有限责任公司 用于预应力钢结构的三维可视化动态监测系统及监测方法
CN107860425A (zh) * 2017-10-30 2018-03-30 湖北双可智能工程有限公司 一种桥梁结构健康监测与预警系统及方法
CN110502820A (zh) * 2019-08-14 2019-11-26 浙江精工钢结构集团有限公司 一种基于bim的钢结构工程实时监测预警方法
CN111178758A (zh) * 2019-12-30 2020-05-19 河海大学 一种基于bim的混凝土坝监测数据智能化管理与实时评估系统

Cited By (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113110212A (zh) * 2021-04-29 2021-07-13 西安建筑科技大学 一种钢结构建筑健康监测系统及其布置方法
CN113359645A (zh) * 2021-06-30 2021-09-07 四川交达预应力工程检测科技有限公司 基于工程物联网的预应力施工监测预警系统及方法
CN113408927A (zh) * 2021-06-30 2021-09-17 四川交达预应力工程检测科技有限公司 基于大数据的预应力施工质量评估方法及系统
CN113487157A (zh) * 2021-06-30 2021-10-08 四川交达预应力工程检测科技有限公司 基于云技术的预应力施工质量无人化监管平台及方法
CN113408927B (zh) * 2021-06-30 2023-01-10 四川交达预应力工程检测科技有限公司 基于大数据的预应力施工质量评估方法及系统
CN113487157B (zh) * 2021-06-30 2023-12-15 四川交达预应力工程检测科技有限公司 基于云技术的预应力施工质量无人化监管平台及方法
CN113819851A (zh) * 2021-09-18 2021-12-21 哈尔滨工程大学 基于分布式光纤光栅的机载雷达罩的应变监测系统
CN115981255A (zh) * 2022-12-12 2023-04-18 江苏丰华建筑系统集成有限公司 一种钢结构试验平台的性能监测方法及系统
CN115981255B (zh) * 2022-12-12 2023-12-15 扬州丰筑建设工程有限公司 一种钢结构试验平台的性能监测方法及系统
CN118654730A (zh) * 2024-08-13 2024-09-17 双龙软创(深圳)科技有限公司 海基钢结构的安全监测方法和装置

Similar Documents

Publication Publication Date Title
CN111882071A (zh) 一种基于机器学习的预应力钢构件监测方法
CN112990288A (zh) 一种大型设备在线监测与故障预测系统
CN113110212A (zh) 一种钢结构建筑健康监测系统及其布置方法
CN210924883U (zh) 一种桥梁结构健康监测系统
CN108376184A (zh) 一种桥梁健康监控的方法及系统
CN105758661B (zh) 一种锅炉受热面寿命评估系统和方法
CN114689994A (zh) 一种输送电线路故障在线定位监测系统和方法
CN113503912A (zh) 一种城市轨道交通土建设施健康状态实时监控系统
CN104192722A (zh) 一种岸边集装箱装卸桥结构健康监测与安全预警方法
CN103267763A (zh) 一种起重机械金属结构健康监测方法
CN112326583A (zh) 一种基于物联网的毒害气体智能检测系统及方法
CN201741025U (zh) 沥青混合料动态质量远程监控系统
CN113053063A (zh) 基于移动端的灾害在线处置流程实现方法
CN119063779A (zh) 一种漂浮式光伏发电站浮体运输状态检测方法及系统
CN107783073A (zh) 关口电能计量装置运维管理系统、数据采集及报警方法
CN116517788B (zh) 一种风电机组混凝土塔筒结构健康在线监测系统及方法
CN120352033B (zh) 一种中红外传感器的性能监测方法
CN113177646A (zh) 一种基于自适应边缘代理的配电设备在线监测方法及系统
CN120352133B (zh) 一种金属屋面的温度效应监测方法及系统
CN106081958A (zh) 一种塔式起重机在线监测系统
CN119691670B (zh) 基于边缘计算的通信数据融合方法及系统
CN104864845A (zh) 厂房结构变形实时监测及安全预警系统
WO2026020623A1 (zh) 一种电站锅炉水冷壁状态监测与失效预警系统及方法
CN113153262A (zh) 一种基于电缆热特性的海上油田可接入容量评估方法
CN119416136A (zh) 灌区测控一体化闸门健康监测方法及其系统

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201103

RJ01 Rejection of invention patent application after publication