一种大坝双向爬模施工智能安全监测预警系统及方法与流程

本技术涉及大坝工程施工安全监测领域，尤其涉及一种大坝双向爬模施工智能安全监测预警系统及方法。

背景技术：

1、大坝混凝土浇筑施工多采用双向爬模施工工艺，该工艺具有施工效率高、适应性强、可实现连续高空作业的优势，被广泛应用于大中型水利大坝工程建设中。双向爬模系统属于动态施工临时承重结构，施工过程中持续承受混凝土荷载、自身自重、风荷载以及施工振动等多重作用，极易出现模板偏移、结构形变、倾角超标、受力不均等安全隐患，若无法及时发现并处置，极易引发模板滑落、局部坍塌等重大安全事故，严重威胁大坝施工人员生命安全与工程施工进度质量。

2、目前，大坝双向爬模的安全监测方式仍较为传统，多依赖人工定期巡检、单一传感器单点监测的模式。人工巡检受人员经验、作业视野、高空作业环境等因素影响，存在监测间隔大、实时性差、主观性强、漏检误检率高的问题，无法实现全天候动态监测。而传统单一参数监测方式仅能针对爬模单一工况指标进行采集分析，无法综合考量位移、形变、振动、荷载、环境风力等多因素的耦合影响，数据利用率低，难以全面、真实反映爬模整体安全状态，对隐性、微小的安全隐患识别能力极差。同时，现有监测系统多采用固定阈值判定预警方式，无法适配爬模动态施工的复杂工况变化，风险分级研判精度低、预警滞后，难以满足现代化大坝爬模施工的高精度、智能化安全防控需求。

技术实现思路

1、本发明的目的在于：为了解决现有爬模施工安全监测技术中监测维度单一、固定阈值及固定权重无法适配多工况动态变化导致风险研判不准与预警滞后的技术问题，提供一种大坝双向爬模施工智能安全监测预警系统及方法。

2、本技术的上述目的是通过以下技术方案得以实现的：

3、所述系统包括：多源数据采集模块、数据预处理模块、多源数据融合模块、机器学习安全研判模块、分级预警输出模块以及后台管控终端；

4、所述多源数据采集模块用于通过各传感器采集的原始监测数据；

5、所述数据预处理模块连接所述多源数据采集模块，用于接收原始监测数据并进行预处理，输出标准化监测数据集；

6、所述多源数据融合模块连接所述数据预处理模块，用于接收所述标准化监测数据集，采用改进加权融合算法对标准化后的监测数据进行深度融合，根据监测数据对爬模安全风险的影响权重动态分配融合系数，构建表征爬模整体安全工况的融合特征数据集；

7、所述机器学习安全研判模块内置预先训练完成的安全级别判断模型，根据融合特征数据集输出爬模实时的安全风险等级；

8、所述分级预警输出模块、后台管控终端均与所述机器学习安全研判模块连接，所述分级预警输出模块根据安全风险等级，对应输出不同级别的预警信号并触发对应的声光预警装置；

9、所述后台管控终端用于实时展示爬模工况数据、风险预警信息，同步存储监测数据与预警记录。

10、可选的，所述传感器组包括位移传感器、形变传感器、倾角传感器、振动传感器、荷载传感器及环境风速传感器，用于实时采集爬模施工过程中的原始监测数据；原始监测数据包括：爬模位移数据、结构形变数据、倾角数据、振动频率数据、实时荷载数据及施工现场环境风速数据。

11、可选的，所述预处理包括：滤波去噪、异常野值剔除、缺失数据插值补全、多维度量纲统一及标准化处理；

12、所述数据预处理模块采用自适应卡尔曼滤波算法对原始监测数据进行滤波去噪，其状态预测方程为：

13、

14、协方差自适应更新方程为：

15、

16、其中，为k时刻的状态预测值，为k-1时刻的状态估计值，为状态转移矩阵，为控制矩阵，为k-1时刻的控制输入向量，为k时刻的预测误差协方差矩阵，为k-1时刻的估计误差协方差矩阵，为状态转移矩阵的转置，为自适应过程噪声协方差矩阵，所述自适应过程噪声协方差矩阵根据实时风速、振动工况动态迭代更新；

17、所述数据预处理模块采用改进3σ准则剔除异常突变数据，异常判别公式为：

18、

19、其中，为第个监测数据值，为监测数据序列的均值，为监测数据序列的标准差，为数据超出区间的持续时长，为预设的工况有效时长阈值；

20、将满足异常判别条件的数据判定为无效野值予以剔除，对持续时长超过的瞬时冲击荷载有效峰值数据予以保留；

21、所述数据预处理模块采用分段线性插值法补全原始监测数据，并通过极值标准化公式统一各参数数据量纲，其中为待标准化的数据，为同类监测数据的最小值，为同类监测数据的最大值，为标准化后的监测数据。

22、可选的，所述多源数据接收标准化监测数据集，采用改进加权融合算法对标准化后的监测数据进行深度融合；

23、根据监测数据对爬模安全风险的影响权重动态分配融合系数，构建表征爬模整体安全工况的融合特征数据集；

24、所述多源数据融合模块采用以下步骤构建融合特征数据集：

25、计算监测数据与爬模安全风险标签的互信息，量化参数风险敏感度，参数单变量信息熵计算公式为：

26、

27、

28、其中，为第类监测数据的信息熵，为样本数量，为第类监测数据第个样本值在该类参数总和中的占比，为第类监测数据第个样本的标准化值；

29、监测数据与安全风险标签的互信息计算公式为：

30、

31、其中，为第类监测数据与安全风险标签的互信息，为条件熵；

32、引入有限元仿真得到的爬模结构风险贡献先验系数，计算基础敏感度：

33、

34、其中，为第类监测数据的基础敏感度，为第类监测数据的结构风险贡献先验系数；

35、设置工况识别函数，匹配分段修正系数，计算动态修正后的敏感度：

36、

37、其中，为动态修正后的敏感度，为工况类别，为第类工况下第类监测数据的分段修正系数；

38、归一化动态融合权重：

39、

40、其中，为第类监测数据的动态融合权重，为监测数据类别总数，为分层动态修正系数；

41、构建非线性耦合的综合安全特征值：

42、

43、其中，为综合安全特征值，为第类监测数据与第类监测数据之间的互信息耦合系数，、分别为第类、第类监测数据的标准化值，为单参数基础加权项，为双参数交叉耦合项。

44、可选的，所述安全级别判断模型采用分层多粒度加权随机森林模型，包括：

45、三层并行特征输入层，所述三层并行特征输入层的三层并行特征独立配置分层权重：

46、基础特征通道输入由标准化监测数据集组成的单传感器标准化参数集；

47、耦合特征通道输入双参数交叉耦合项；

48、全局融合通道输入综合安全特征值；

49、双粒度决策树并行层：并行构建细粒度决策树集群和粗粒度决策树集群，所述细粒度决策树用于识别隐性隐患；所述粗粒度决策树用于识别显性重大风险；

50、动态集成权重计算单元：根据实时工况动态参数权重计算每棵决策树的独立集成权重：

51、

52、其中，为第t棵决策树的集成权重，为第t棵决策树训练样本中第类监测数据的均值，为细粒度决策树总数，为粗粒度决策树总数；

53、总风险综合判别层，其判别公式为：

54、

55、其中，为综合风险分值，为第t棵决策树的判别输出，为粗粒度风险放大系数，；

56、将综合风险分值映射至四级安全等级，四级安全等级包括：正常、轻微风险、一般风险和重大风险。

57、可选的，所述分层多粒度加权随机森林模型采用分级加权损失函数进行训练：

58、

59、其中，为训练损失值，为训练样本总量，为样本序号，为第个样本的真实风险等级，为风险等级对应的分级损失权重，为第个样本的综合风险分值，为第个样本的真实风险等级标签；重大风险样本的分级损失权重高于轻微风险样本的分级损失权重。

60、可选的，所述分级预警输出模块根据安全风险等级对应输出如下预警信号：

61、0级正常状态：无现场声光信号，后台管控终端实时展示工况数据并自动存储监测时序数据；

62、1级一级预警：后台管控终端弹窗提示，记录预警台账；

63、2级二级告警：现场黄灯持续声光告警，同步推送排查信息至管理人员移动终端；

64、3级三级紧急处置：现场红灯高频声光报警，自动向项目安全负责人及施工班组负责人发送预警信息。

65、一种大坝双向爬模施工智能安全监测预警方法，所述方法包括：

66、s1、在大坝双向爬模系统各关键监测点位布设传感器组，全天候实时采集原始监测数据并进行预处理，生成标准化监测数据集；原始监测数据包括：爬模位移数据、结构形变数据、倾角数据、振动频率数据、实时荷载数据及施工现场环境风速数据；

67、s2、基于互信息计算标准化监测数据集中各监测数据的风险敏感度，引入力学先验系数修正，结合施工工况分段动态修正各参数权重，构建含单参数基础加权项与双参数交叉耦合项的综合安全特征值；

68、s3、将预处理后的原始监测数据、双参数交叉耦合项及综合安全特征值输入分层多粒度加权随机森林模型，模型输出四级安全风险等级；

69、s4、根据安全风险等级，对应输出不同级别的预警信号并触发声光预警装置，同步在后台管控终端展示工况数据与预警信息。

70、本技术提供的技术方案带来的有益效果是：

71、1、本发明采用多类型传感器组网采集爬模多维度工况数据，替代传统单一参数监测模式，结合多源数据融合技术耦合多因素关联影响，能够全面、真实反映双向爬模整体施工工况，彻底解决单一监测数据片面性、漏检率高的问题，监测覆盖性与准确性大幅提升。

72、2、本发明突破传统固定阈值判定、固定权重数据融合的技术瓶颈，自主设计基于工况关联度的动态熵权融合算法与改进加权随机森林判别模型，配套原创核心理论公式，可根据实时施工工况自适应调整参数权重与模型判别系数，能够精准捕捉爬模微小、隐性、多参耦合型安全隐患，实现四级精细化风险分级预警，从理论层面解决了传统监测模型工况适配性差、预警误判漏判率高的技术难题，具备显著的理论创新性与技术先进性。

73、3、本发明实现了爬模施工数据采集、预处理、数据融合、风险研判、分级预警、数据归档的全流程自动化智能化运行，无需人工频繁巡检干预，大幅降低人工作业成本，规避高空人工巡检的安全风险，实现全天候不间断安全监测。

74、4、本发明可实时追溯施工监测数据与预警记录，能够为大坝爬模施工质量管控、隐患整改复盘、施工工艺优化提供数据支撑，有效保障大坝双向爬模施工的安全性、稳定性，适配各类大中型水利大坝爬模施工场景，通用性与工程实用性极强。