基于云端的结构健康监测评估方法、系统及存储介质与流程

1.本发明涉及建筑施工监测的领域，尤其是涉及一种基于云端的结构健康监测评估方法、系统及存储介质。


背景技术：

2.网架结构相较其他类型的结构，在刚度相同的情况下高度较小，能利用较小的杆形构件拼装成大跨度的建筑，有效地利用了建筑空间，因而得到了广泛的应用。液压整体提升法为多层网架施工中常用的方法，施工时，首先将结构在地面就位拼装完成，再由液压起重设备垂直地将结构整体提升至设计标高。
3.然而，液压整体提升法在具有显著优势的同时，由于整体提升时载重大、同步性要求高、环境影响多，因此施工过程存在着较大的风险。为此，需要对施工过程进行监测和评估。目前，主要采取以下技术手段完成对施工过程的监测和评估：在网架的关键位置布设传感器后，通过人工或自动化采集的方式收集数据，收集完的数据存储于本地硬件中，并通过与一个专家确定的数值进行对比的方式完成评估。
4.在实现本技术的过程中，发明人发现上述技术至少存在以下问题：当采用人工采集的方式进行数据采集时，数据存在滞后性，且存在数据录入错误的可能性，即使采用自动化的方式对数据进行收集，由于施工工地存在电焊等强电磁干扰，有可能导致某些传感器出现点激励信号出现异常，最终导致监测和评估结果出错。


技术实现要素：

5.为了减少误报，提高施工效率和施工安全性，本技术提供一种基于云端的结构健康监测评估方法、系统及存储介质。
6.第一方面，本技术提供一种基于云端的结构健康监测评估方法，采用如下的技术方案：一种基于云端的结构健康监测评估方法，所述方法应用于包含至少两个提升阶段的整体提升过程中，并基于一种基于云端的结构健康监测评估系统中的云端服务器，所述结构健康监测评估系统还包括本地终端、用户终端和若干设置于不同结构件上的应力传感器，所述云端服务器和本地终端中均存储有理论应力变化曲线库，所述理论应力变化曲线库中存储有各个所述应力传感器所对应的结构件在不同提升阶段内的理论应力变化曲线，所述方法包括：在每个所述提升阶段内，按照预设有的监测周期，定期接收所有激活传感器所反馈的实时应力监测数据，所述激活传感器是指在当前提升阶段中实施监测的应力传感器；基于目标激活传感器在当前所述提升阶段内所对应的理论应力变化曲线，判断所述目标激活传感器所反馈的实时应力监测数据是否存在异常；当判断结果为是时，基于预存有的各个应力传感器之间的关联关系，识别所述目标激活传感器所对应的关联传感器所反馈的实时应力监测数据是否存在异常；
当识别结果为是时，生成工程告警信号并反馈至所述用户终端。
7.通过采用上述技术方案，在整体提升过程的施工过程的每个提升阶段内，该提升阶段内的激活传感器都会定期采集实时应力监测数据并通过本地终端上传至云端服务器，实现了数据的云端存储，减少了数据丢失的可能性。之后，云端服务器可以基于该提升阶段内各个激活传感器所对应的理论应力变化曲线，判断每个激活传感器所测得的实时应力监测数据是否存在异常，在识别到任意一个激活传感器，即目标激活传感器的实时应力监测数据存在异常时，云端服务器还可以对基于关联于目标激活传感器的关联传感器的实时应力监测数据的判断结果，进一步验证目标激活传感器所在的结构件是否存在应力异常，从而能够提高监测结果的准确性。通过对实时应力监测数据的监测和验证，实现了减少误报，提高施工效率和施工安全性的效果。
8.可选的，在所述识别所述目标激活传感器所对应的关联传感器所反馈的实时应力监测数据是否存在异常之后，还包括：当识别结果为否时，向所述目标激活传感器发送补充检测请求，以使所述目标激活传感器检测并反馈当前时刻的复检应力监测数据；基于所述目标激活传感器在当前所述提升阶段内所对应的理论应力变化曲线，判断所述复检应力监测数据是否存在异常；当判断结果为是时，生成针对所述目标激活传感器的异常提示信号并发送至所述本地终端；当判断结果为否时，基于所述复检应力监测数据对存在异常的所述实时应力监测数据进行更新。
9.可选的，在所述当判断结果为是时，生成针对所述目标激活传感器的异常提示信号并发送至所述本地终端的同时，还包括：当判断结果为是时，为所述目标激活传感器添加异常标记；在所述目标激活传感器的异常标记达到预设的数量阈值后，取消对所述目标激活传感器的监测，并在后续的对所述目标激活传感器所在结构件的监测过程中，采用以下方法：基于关联于所述目标激活传感器的关联传感器的监测结果，评估所述目标激活传感器所在结构件的应力变化情况。
10.可选的，所述方法还包括：在所述识别所述目标激活传感器所对应的关联传感器所反馈的实时应力监测数据是否存在异常之后，还包括当识别到存在第一关联传感器所反馈的实时应力监测数据不存在异常，且其他所述关联传感器所反馈的实时应力监测数据均存在异常时，为所述第一关联传感器添加漏报标记；若在当前所述监测周期内，所述第一关联传感器被添加的漏报标记的数量达到预设的阈值，则生成针对所述第一关联传感器的异常提示信号，并反馈至所述用户终端。
11.可选的，每个所述提升阶段均依次包括准备期、施工提升期和观察期，对所述提升阶段的切换位于在先的所述提升阶段的观察期和在后的所述提升阶段的准备期之间；所述基于目标激活传感器在当前所述提升阶段内所对应的理论应力变化曲线，判
断所述目标激活传感器所反馈的实时应力监测数据是否存在异常，具体包括：基于所述实时应力监测数据的获取时刻和进入所述施工提升期的时间节点，确认当前施工时长；基于所述当前施工时长，从对应的所述理论应力变化曲线中选取对应于所述实时应力监测数据的参照点；计算所述实时应力监测数据与对应的参照点的理论应力值的应力差值；当所述应力差值大于预设有的差值阈值时，判断所述实时应力监测数据存在异常。
12.可选的，所述云端服务器在接收实时应力监测数据的同时，还会接收针对施工区域的实时环境温度；在每个所述准备期内，所述方法还包括：基于在当前所述准备期内获取到的所有实时环境温度，得到对应于当前所述准备期的温度变化趋势；基于在当前所述准备期内获取到的对应于第一激活传感器的所有实时应力监测数据，生成在当前所述准备期内，针对所述第一激活传感器的实际应力变化曲线图；基于所述温度变化趋势和所述实际应力变化曲线图，判断所述第一激活传感器的可靠性。
13.可选的，所述云端服务器中预存有异常状况特征图，每个所述提升过程均对应有多组异常状况特征图，每组所述异常状况特征图均对应于一种类型的施工异常状况，在每个所述施工提升期内，所述方法还包括：基于预存有的对应于待施工的工程结构的仿真模型，以及当前监测周期内获取到的所有所述实时应力监测数据，生成当前实际受力分布图；基于所述当前实际受力分布图和当前提升过程所对应的多组异常状况特征图，判断当前所述施工提升期内是否有施工异常状况发生；当判断结果为是时，向所述本地终端发送暂停指令，并向所述用户终端发送施工异常告警信号，所述施工异常告警信号携带有施工异常状况的类型信息。
14.第二方面，本技术提供一种基于云端的结构健康监测评估系统，采用如下的技术方案：一种基于云端的结构健康监测评估系统，包括云端服务器、信号连接于所述云端服务器的本地终端、信号连接于所述本地终端的若干应力传感器以及信号连接于所述云端服务器的用户终端；所述云端服务器包括数据接收模块、异常判断模块和告警模块；所述数据接收模块用于在每个所述提升阶段内，按照预设有的对应于当前所述提升阶段的监测周期，定期接收所有激活传感器所反馈的实时应力监测数据，所述激活传感器是指在当前提升阶段中实施监测的应力传感器；所述异常判断模块用于基于目标激活传感器在当前所述提升阶段内所对应的理论应力变化曲线，判断所述目标激活传感器所反馈的实时应力监测数据是否存在异常；所述异常判断模块还用于当判断结果为是时，基于预存有的各个应力传感器之间的关联关系，识别所述目标激活传感器所对应的关联传感器所反馈的实时应力监测数据是
否存在异常；所述告警模块用于当识别结果为是时，生成工程告警信号并反馈至所述用户终端。
15.第三方面，本技术提供一种智能终端，采用如下的技术方案：一种智能终端，包括存储器和处理器，所述存储器上存储有能够被处理器加载并执行如第一方面所述方法的计算机程序。
16.第四方面，本技术提供一种计算机可读存储介质，采用如下的技术方案：一种计算机可读存储介质，包括存储有能够被处理器加载并执行如第一方面所述方法的计算机程序。
17.通过采用上述技术方案，当上述计算机可读存储介质被装入任一计算机后，该计算机就能执行第一方面所述的基于云端的结构健康监测评估方法。
18.综上所述，本技术包括以下至少一种有益技术效果：1.在整体提升过程的施工过程的每个提升阶段内，该提升阶段内的激活传感器都会定期采集实时应力监测数据并通过本地终端上传至云端服务器，实现了数据的云端存储，减少了数据丢失的可能性。之后，云端服务器可以基于该提升阶段内各个激活传感器所对应的理论应力变化曲线，判断每个激活传感器所测得的实时应力监测数据是否存在异常，在识别到任意一个激活传感器，即目标激活传感器的实时应力监测数据存在异常时，云端服务器还可以对基于关联于目标激活传感器的关联传感器的实时应力监测数据的判断结果，进一步验证目标激活传感器所在的结构件是否存在应力异常，从而能够提高监测结果的准确性。通过对实时应力监测数据的监测和验证，实现了减少误报，提高施工效率和施工安全性的效果。
附图说明
19.图1是本技术实施例中用于体现基于云端的结构健康监测评估系统的示意图；图2是本技术实施例中用于体现基于云端的结构健康监测评估方法的流程示意图；图3是本技术实施例中用于体现s20的一种可选实现方式的流程示意图；图4是本技术实施例中用于体现云端服务器的模块结构的系统框图；图5是本技术实施例中用于体现云端服务器的另一种模块结构的系统框图；图6是本技术实施例中用于体现云端服务器的另一种模块结构的系统框图；图7是本技术实施例中用于体现云端服务器的另一种模块结构的系统框图。
20.附图标记说明：41、数据接收模块；42、异常判断模块；43、告警模块；51、标记模块；61、温度变化趋势识别模块；62、实际应力变化曲线图生成模块；71、当前实际受力分布图生成模块。
具体实施方式
21.以下结合附图1-7对本技术作进一步详细说明。
22.本技术实施例公开一种基于云端的结构健康监测评估方法，该方法可以应用于包括至少两个提升阶段的整体提升过程中，其中，在对一些多层工程结构进行整体提升时，需
要进行分次提升，因此整个整体提升过程会分成多个提升阶段。以一个大厅屋盖的提升过程为例，假设该大厅屋盖包括门头桁架和大厅网架，且门头桁架相对大厅网架下沉数米，因此可以将该大厅屋盖的整体提升过程分为两个提升阶段，在第一提升阶段中先将大厅网架提升数米，在将门头桁架与大厅网架对接后，第二提升阶段中再将门头桁架与大厅网架共同提升到位。
23.本方法的执行主体为一种基于云端的结构健康监测评估系统中的云端服务器。参照图1，基于云端的结构健康监测评估系统还包括通信连接于云端服务器的本地终端和用户终端，以及设置于待施工的工程结构上的，用于监测所处结构件所受应力的应力传感器。其中，用户终端可以是指定的技术人员所携带的手机、平板电脑等智能设备。本地终端则用于采集应力传感器所测得的数据，并上传至云端服务器。
24.为了提升监测结果的有效性，应力传感器的布设位置可以通过以下方法确定：在施工开始之前，技术人员可以根据施工图纸，利用计算机建立针对待施工的工程结构的仿真模型，并利用midas等有限元分析软件对上述仿真模型进行结构易损性分析，从而确认出在提升过程中受力较大的结构件，结构件可以是需进行提升的网架中的杆件，也可以是用于进行支撑的支撑胎架中的杆件。计算机将仿真结构易损性分析结果提供给技术人员，使得技术人员能够从中选取受力较大的结构件作为传感器设置点。
25.之后，技术人员还可以基于施工计划和上述仿真模型，对被选取为传感器设置点的结构件进行仿真计算，得到每个上述结构件在不同的提升阶段中的理论应力变化曲线，对于单个结构件来说，每个提升阶段均对应有一个理论应力变化曲线。
26.在安装完网架、支撑胎架等工程结构后，技术人员可以将应力传感器安装到被选取为传感器设置点的结构件上，并在本地终端中建立应力传感器编号和结构件的对应关系，即应力传感器和理论应力变化曲线的对应关系，并最终形成理论应力变化曲线库。之后，技术人员可以通过本地终端将对应于本次整体提升过程的理论应力变化曲线库上传至云端服务器。
27.下面将结合具体实施方式，对图2所示的处理流程进行详细的说明，内容可以如下：s10：在每个提升阶段内，按照预设有的监测周期，定期接收所有激活传感器所反馈的实时应力监测数据。
28.其中，激活传感器是指在当前提升阶段中实施监测的应力传感器。随着提升阶段的递进，需要进行监测的激活传感器的数量也会随之增加，以上述大厅屋盖的提升过程为例，第一提升阶段中需要提升的大厅网架上的所有应力传感器分别为a1-a15，同时，作为支撑的支撑胎架上的应力传感器为a16-a30，此时，第一提升阶段中的激活传感器即为a1-a30。在第二提升阶段中，在需要继续对激活传感器a1-a30进行监测的同时，还需要对门头桁架上设置有的应力传感器a31-a50进行监测，因此，第二提升阶段中的激活传感器即为a1-a50。
29.在实施中，不同的提升阶段可以配置有不同的监测周期，举例来说，在后的提升阶段由于需要提升的工程结构的总重量增加，因此，在后的提升过程所对应的监测周期中的时间间隔也会缩短。技术人员可以预先向本地终端中输入不同提升阶段的监测周期，在每个提升阶段内，本地终端都会按照当前提升阶段的监测周期，定时获取每个激活传感器所
采集的实时应力监测数据，并立即上传至云端服务器，举例来说，可以每1分钟获取一次、每50s获取一次等等。其中，对不同提升阶段的切换可以由技术人员向本地终端和云端服务器发出切换指令来实现，也可以由本地终端和云端服务器基于预设有的施工时间安排自动切换。
30.s20：基于目标激活传感器在当前提升阶段内所对应的理论应力变化曲线，判断上述目标激活传感器所反馈的实时应力监测数据是否存在异常。
31.其中，目标激活传感器可以是所有激活传感器中的任意一个，当前提升阶段是指接收到实时应力监测数据时所处的提升阶段。
32.在实施中，在进入每个提升阶段之后，云端服务器都会提取出该提升阶段中每个激活传感器所对应的理论应力变化曲线。在接收到本地终端上传的由目标激活传感器所反馈的实时应力监测数据后，云端服务器基于目标激活传感器在当前提升阶段内所对应的理论应力变化曲线，判断目标激活传感器所反馈的实时应力监测数据是否存在异常。
33.s30：当判断结果为是时，基于预存有的各个应力传感器之间的关联关系，识别目标激活传感器所对应的关联传感器所反馈的实时应力监测数据是否存在异常。
34.其中，在实际施工的过程中，作为提升对象的工程结构中的相邻结构件之间一般会相互接触并协同工作，因此，具有协同工作关系的多个结构件互为关联结构件，互为关联结构件的所有结构件上的应力传感器也互为关联传感器，技术人员可以将上述的各个应力传感器之间的关联关系预先上传至云端服务器中。
35.在实施中，云端服务器在判断出目标激活传感器所反馈的实时应力监测数据存在异常，即目标激活传感器所在结构件存在受力异常时，为了排除目标激活传感器故障或者受到电磁干扰的可能性，可以进一步识别目标激活传感器所对应的所有关联传感器，从而得到对关联传感器所反馈的实时应力监测数据的判断结果。
36.s40：当识别结果为是时，生成工程告警信号并反馈至用户终端。
37.在实施中，云端服务器在识别到关联于目标激活传感器的关联传感器所反馈的实时应力监测数据同样存在异常时，则会判断目标激活传感器所对应的结构件所受应力确实存在异常，此时，云端服务器会生成针对所有存在异常的目标激活传感器所对应结构件的工程告警信号，并反馈给指定的技术人员的用户终端。其中，用户终端可以是手机、平板电脑等，工程告警信号可以以短信或app内通知等方式发送给用户终端。从而能够对技术人员起到提示作用，提醒技术人员及时处理异常状况，有助于施工的安全进行。
38.可选的，在另一实施例中，提升阶段可以被划分为准备期、施工提升期和观察期。其中，准备期是指安装完应力传感器之后和进行提升施工之前的一段时间，设置准备期的目的主要是为了观察应力传感器是否能够正常工作，在此时期内，应力传感器测得的数据相对稳定。施工提升期是指进行提升施工的一段时间，在施工提升期内，结构件所受的应力会在提升开始的短暂时间内骤升，并在后续稳定提升的过程中保持相对稳定。观察期是指提升施工结束后，到下一次提升阶段之前的一段时间，在观察期内，结构件所受的应力保持相对稳定。同时，同一提升阶段的监测周期也可以包括不同的子周期，分别针对准备期、施工提升期和观察期，并且由于施工提升期内结构件所受应力的变化会更为显著，且出现非正常状况的可能性也更高，因此在施工提升期内，实时应力监测数据的获取频率可以高于其他两个时期。
39.基于上述分析，以上述的大厅网架中的任一杆件为例，其在某个提升阶段中的理论应力变化曲线应当具有如下特征：准备期中的曲线对应的应力值为一恒定的准备期应力值，观察期中的曲线对应的应力值为一恒定的观察期应力值，且观察期应力值大于准备期应力值。
40.在此基础上，参照图3，上述s20具体可以包括以下内容：s201：基于实时应力监测数据的获取时刻和进入施工提升期的提升开始时刻，确认当前施工时长。
41.其中，进入施工提升期的提升开始时刻可以由技术人员按照施工安排预先上传至云端服务器中，也可以由云端服务器在识别到所有激活传感器所反馈的实时应力监测数据均出现骤升时，自动将获取到上述实时应力监测数据的系统时间作为提升开始时刻。同时，由于信号的传输是一个极为快速的过程，云端服务器可以将接收到实时应力监测数据时的系统时间作为该实时应力监测数据的获取时刻。
42.在实施中，云端服务器在接收到目标激活传感器所反馈的实时应力监测数据后，可以识别其获取时刻，并和提升开始时刻进行对比，当获取时刻早于提升开始时刻，或者当前仍未存在自动识别出的提升开始时刻时，云端服务器将当前施工时长定义为0，否则，云端服务器会计算获取时刻和提升开始时刻之间的差值，并作为当前施工时长。
43.s202：基于当前施工时长，从对应的理论应力变化曲线中选取对应于上述实时应力监测数据的参照点。
44.其中，对应的理论应力变化曲线是指目标激活传感器在当前的提升阶段中所对应的理论应力变化曲线。
45.在实施中，云端服务器在识别出当前施工时长为0时，会将对应的理论应力变化曲线中对应于准备期的任一数据点作为对应于当前的实时应力监测数据的参照点。在当前施工时长大于0且小于等于提升施工时长时，云端服务器会基于当前施工时长，从对应的理论应力变化曲线中对应于施工提升期的一段曲线中选取出参照点。其中，由于对提升高度以及施工提升期内的提升速度有着严格的设计要求，因此，提升施工时长是一个可以预期的确定的数值。当施工提升期中出现过暂停施工的情况时，技术人员会将具体的暂停时长上传至云端服务器，因此，当出现上述暂停施工的情况时，云端服务器也可以在计算提升施工时长时自动减去上述暂停时长。在当前施工时长大于提升施工时长时，云端服务器会将对应的理论应力变化曲线中对应于观察期的任一数据点作为对应于当前的实时应力监测数据的参照点。
46.s203：计算所述实时应力监测数据与对应的参照点的理论应力值的应力差值。
47.在实施中，云端服务器会计算目标激活传感器所反馈的当前的实时应力监测数据和对应的参照点的理论应力值的应力差值，并进一步将计算出的应力差值和预设有的差值阈值进行对比。
48.s204：当应力差值大于预设有的差值阈值时，判断实时应力监测数据存在异常。
49.在实施中，云端服务器会在识别出上述应力差值大于差值阈值，判断目标激活传感器所反馈的当前的实时应力监测数据存在异常。
50.可选的，在另一实施例中，施工区域内还会安装有温度传感器，本地终端在获取各个激活传感器的实时应力监测数据的同时，还会获取温度传感器检测到的对应于施工区域
的实时环境温度。本地终端在向云端服务器上传实时应力监测数据时，会同步上传上述实时环境温度。此外，云端服务器还可以基于上述实时环境温度，对上述s204中所使用的差值阈值进行调整。
51.在获取实时环境温度的基础上，为了在实际提升前对应力传感器的可靠性进行进一步确认，在另一实施例中，上述方法还可以包括以下内容：在每个提升过程的准备期内，基于在当前准备期内获取到的所有实时环境温度，得到对应于当前所述准备期的温度变化趋势。
52.在实施中，云端服务器在完成当前准备期内的最后一次数据接收后，会基于在当前准备期内获取到的所有实时环境温度，生成对应于当前准备期的温度变化趋势。
53.生成在当前准备期内，针对第一激活传感器的实际应力变化曲线图。
54.其中，第一激活传感器是指所有激活传感器中的任意一个。
55.在实施中，云端服务器可以基于在当前准备期内接收到的所有由第一激活传感器反馈的实时应力监测数据，生成实时应力监测数据随时间的变化趋势，即对应于第一激活传感器的实际应力变化曲线图。
56.基于上述温度变化趋势和实际应力变化曲线图，判断第一激活传感器的可靠性。
57.在实施中，对于第一激活传感器，云端服务器可以判断其所对应的实际应力变化曲线图中，应力的变化趋势是否符合对应于当前准备期的温度变化趋势，当两者相符时，则代表第一激活传感器能够正常运行。否则，云端服务器可以生成针对第一激活传感器的异常通知并反馈给用户终端。
58.可选的，在另一实施例中，云端服务器中还可以预存有若干组异常状况特征图，异常状况特征图可以由技术人员利用计算机对待施工的工程结构的仿真模型进行仿真计算后生成，并上传至云端服务器中。每个提升过程均对应有多组异常状况特征图，同组的异常状况特征图均对应于同一种类型的施工异常状况。异常状况特征图中记录有当对应类型的施工异常状况发生时，施工中的工程结构中各结构件所受应力情况。在异常状况特征图中，可以将各个结构件按照其所受应力的大小标记为不同受力等级，每个受力等级均对应于一个数值范围。同组的异常状况特征图可以对应于同一施工异常状况在不同提升高度或不同施工时长时的具体表现。施工异常状况可以是工程结构两端提升不同步等，当施工异常状况刚开始出现时，单一的激活传感器所反馈的实时应力监测数据可能尚未出现异常，但是工作结构中各部分结构件所受应力分别会出现对应的变化趋势，因此，通过对工程结构整体受力情况的分析，可以在施工异常状况刚发生时及时发现。此时，上述方法还可以包括以下内容：在每个施工提升期内，基于预存有的对应于待施工的工程结构的仿真模型，以及当前监测周期内获取到的所有实时应力监测数据，生成当前实际受力分布图。
59.在实施中，在施工提升期的每个监测周期内，云端服务器在每次完成对所有激活传感器所发出的实时应力监测数据的判断后，可以基于预存有的对应于待施工的工程结构的仿真模型，以及上述所有实时应力监测数据，生成对应于施工中的工程结构的当前实际受力分布图。当前实际受力分布图中记录有安装有激活传感器的各结构件所受应力情况。
60.基于上述当前实际受力分布图和当前提升过程所对应的多组异常状况特征图，判断当前施工提升期内是否有施工异常状况发生。
61.在实施中，云端服务器可以基于当前的提升高度或者施工时长，从当前提升过程所对应的多组异常状况特征图中，提取出多个异常状况特征图。之后，云端服务器可以将上述当前实际受力分布图和提取出的多个异常状况特征图分别进行对比。在当前实际受力分布图和任意一个异常状况特征图的相似度达到预设的阈值时，云端服务器会判断出现了该异常状况特征图所对应的施工异常状况。
62.当判断结果为是时，向本地终端发送暂停指令，并向用户终端发送施工异常告警信号，施工异常告警信号携带有施工异常状况的类型信息。
63.在实施中，云端服务器在判断出现了施工异常状况后，可以向本地终端发送暂停指令，以使本地终端控制现场的施工设备暂停运行。同时，云端服务器还可以向用户终端发送施工异常告警信号，施工异常告警信号携带有施工异常状况的类型信息，从而有助于现场的技术人员及时作出针对性的应对措施。
64.可选的，在另一实施例中，在上述s30之后，还可以包括以下内容：当识别结果为否时，向目标激活传感器发送补充检测请求，以使目标激活传感器检测并反馈当前时刻的复检应力监测数据。
65.在实施中，在识别到目标激活传感器所对应的所有关联传感器所测得的实时应力监测数据均不存在异常时，则代表目标激活传感器可能发生了故障或者受到了电磁干扰。此时，为了进行进一步的判定，云端服务器可以通过本地终端向目标激活传感器发送一个补充检测请求，使得目标激活传感器检测并反馈当前时刻的应力监测数据，即复检应力监测数据。
66.基于目标激活传感器在当前提升阶段内所对应的理论应力变化曲线，判断复检应力监测数据是否存在异常。
67.在实施中，云端服务器可以进一步基于目标激活传感器在当前提升阶段内所对应的理论应力变化曲线，判断复检应力监测数据是否存在异常。具体的判断过程可以如上述s201-s204所述，此处不再赘述。
68.当判断结果为是时，生成针对上述目标激活传感器的异常提示信号并发送至本地终端。
69.在实施中，若判断出复检应力监测数据仍旧存在异常，则可以初步判断目标激活传感器出现了故障，此时，云端服务器可以生成针对目标激活传感器的异常提示信号并发送至本地终端，从而提醒技术人员，便于技术人员制定后续的处理措施。其中，异常提示信号中可以携带有目标激活传感器的故障类型、传感器编号和实际所处位置当判断结果为否时，基于复检应力监测数据对存在异常的实时应力监测数据进行更新。
70.在实施中，云端服务器在判断出复检应力监测数据并不存在异常时，可以判断之前目标激活传感器可能受到了电磁干扰，导致数据异常。此时，云端服务器可以使用复检应力监测数据取代之前测得的实时应力监测数据，以供后续查看和处理。
71.可选的，在另一实施例中，在上述当判断结果为是时，生成针对目标激活传感器的异常提示信号并发送至本地终端的同时，还包括以下处理：当判断结果为是时，为目标激活传感器添加异常标记。
72.在实施中，在判断出复检应力监测数据仍旧存在异常时，云端服务器可以为目标
激活传感器添加一个异常标记，表示目标激活传感器存在由于故障而无法正常工作的可能性。
73.在目标激活传感器的异常标记达到预设的数量阈值后，取消对目标激活传感器的监测，并在后续的对目标激活传感器所在结构件的监测过程中，采用以下方法：基于关联于所述目标激活传感器的关联传感器的监测结果，评估所述目标激活传感器所在结构件的应力变化情况。
74.在实施中，云端服务器在识别出目标激活传感器的异常标记达到预设有的数量阈值后，会判定目标激活传感器确实存在故障，并无法正常工作，此时，云端服务器可以直接取消对目标激活传感器数据的获取，同时，为了减少更换应力传感器所带来的工期延长和成本增加，在后续的对目标激活传感器所在结构件的监测过程中，可以采用以下方式：云端服务器基于关联于目标激活传感器的所有关联传感器的监测结果，判断目标激活传感器所在结构件是否存在应力异常。
75.可选的，在另一实施例中，在上述s30之后，还可以包括以下内容：当识别到存在第一关联传感器所反馈的实时应力监测数据不存在异常，且其他关联传感器所反馈的实时应力监测数据均存在异常时，为第一关联传感器添加漏报标记。
76.其中，第一关联传感器是指关联于目标激活传感器的所有关联传感器中的任意一个。
77.在实施中，云端服务器在识别到第一关联传感器所反馈的实时应力监测数据不存在异常，且其他关联于目标激活传感器的关联传感器所反馈的实时应力监测数据均存在异常时，则可以判断第一关联传感器并未检测出所处结构件的异常，第一关联传感器可能出现了检测数据不再变化或者不再响应于应力变化之类的故障，此时，云端服务器可以为第一关联传感器添加漏报标记。
78.若在当前监测周期内，第一关联传感器被添加的漏报标记的数量达到预设的阈值，则生成针对第一关联传感器的异常提示信号，并反馈至用户终端。
79.在实施中，若在当前监测周期内，第一关联传感器被添加的漏报标记的数量达到预设的阈值，即通过对关联于第一关联传感器的所有关联传感器所测数据的分析，均判断第一关联传感器存在漏测，则云端服务器可以生成针对第一关联传感器的异常提示信号并反馈至用户终端。其中，异常提示信号可以携带有第一关联传感器的故障类型、传感器编号和实际所处位置。
80.可选的，在另一实施例中，上述基于云端的结构健康监测评估方法还可以包括以下内容：在上述整体提升过程的持续时间内，记录每个突发事项和主要操作的发生时间。
81.其中，突发事项可以是出现台风、暴雨等恶劣天气，主要操作可以是暂停施工、卸载传感器等等。
82.在上述整体提升过程的持续时间内，技术人员可以将每次主要操作和突发事项的发生时间上传至云端服务器，其中，恶劣天气等突发事项的发生时间也可以由云端服务器自动联网获取。
83.在接收到施工结束信号后，基于接收到的所有实时应力监测数据，生成一一对应于应力传感器的实际应力变化曲线图，所述实际应力变化曲线图中记录有实时应力监测数
据随时间的变化情况。
84.在实施中，技术人员可以在所有施工均完成后，向云端服务器发送施工结束信号。云端服务器可以基于在所有提升阶段以及最后的拆卸过程中获取到的所有实时应力监测数据，生成一一对应于应力传感器的实际应力变化曲线图，每个实际应力变化曲线图中均记录有对应的应力传感器所反馈的实时应力监测数据随时间的变化情况，即应力传感器所在结构件所受应力随时间的变化情况。
85.基于所有上述发生时间，在上述实际应力变化曲线图中标注每个突发事项和主要操作的发生时间。
86.在实施中，云端服务器可以在每个实际应力变化曲线图中，对每个突发事项和主要操作的发生时间进行标注。例如，对上述发生时间所对应的那段曲线用不同颜色区别显示。
87.反馈标注有上述发生时间段的实际应力变化曲线图以供查看。
88.在实施中，云端服务器可以将标注有上述发生时间段的实际应力变化曲线图反馈给指定的技术人员的用户终端供其查看，便于技术人员对整个施工过程进行评估。举例来说，技术人员可以查看实际应力变化曲线图在各个发生时间段内的曲线变化情况，判断施工过程是否合规。技术人员也可以通过观察实际应力变化曲线图中所出现的最大应力值，确认本次施工中所使用的结构件的材料是否合适，从而能够为以后类似的施工提供参考，尽量避免材料的不够标准或者超标浪费。
89.基于上述方法，本技术实施例还公开一种基于云端的结构健康监测评估系统，参照图1和图4，基于云端的结构健康监测评估系统包括云端服务器、信号连接于云端服务器的本地终端、信号连接于本地终端的若干应力传感器以及信号连接于云端服务器的用户终端。
90.云端服务器包括数据接收模块41、异常判断模块42和告警模块43。
91.数据接收模块41用于在每个提升阶段内，按照预设有的监测周期，定期接收所有激活传感器所反馈的实时应力监测数据，激活传感器是指在当前提升阶段中实施监测的应力传感器。
92.异常判断模块42用于基于目标激活传感器在当前提升阶段内所对应的理论应力变化曲线，判断目标激活传感器所反馈的实时应力监测数据是否存在异常。
93.异常判断模块42还用于当判断结果为是时，基于预存有的各个应力传感器之间的关联关系，识别目标激活传感器所对应的关联传感器所反馈的实时应力监测数据是否存在异常。
94.告警模块43用于当识别结果为是时，生成工程告警信号并反馈至用户终端。
95.可选的，告警模块43还用于在识别目标激活传感器所对应的关联传感器所反馈的实时应力监测数据是否存在异常之后，当识别结果为否时，向目标激活传感器发送补充检测请求，以使目标激活传感器检测并反馈当前时刻的复检应力监测数据。
96.异常判断模块42还用于基于目标激活传感器在当前提升阶段内所对应的理论应力变化曲线，判断复检应力监测数据是否存在异常。
97.告警模块43还用于当判断结果为是时，生成针对目标激活传感器的异常提示信号并发送至本地终端。
98.云端服务器还包括数据更新模块，用于当判断结果为否时，基于复检应力监测数据对存在异常的实时应力监测数据进行更新。
99.可选的，参照图5，云端服务器还包括标记模块51，用于在异常判断模块42当判断结果为是时，生成针对异常判断模块42目标激活传感器的异常提示信号并发送至异常判断模块42本地终端的同时，当判断结果为是时，为异常判断模块42目标激活传感器添加异常标记；异常判断模块42还用于在异常判断模块42目标激活传感器的异常标记达到预设的数量阈值后，基于关联于异常判断模块42目标激活传感器的关联传感器的监测结果，评估异常判断模块42目标激活传感器所在结构件的应力变化情况。
100.可选的，标记模块51还用于当识别到存在第一关联传感器所反馈的实时应力监测数据不存在异常，且其他异常判断模块42关联传感器所反馈的实时应力监测数据均存在异常时，为异常判断模块42第一关联传感器添加漏报标记。
101.告警模块43还用于当在当前异常判断模块42监测周期内，异常判断模块42第一关联传感器被添加的漏报标记的数量达到预设的阈值时，生成针对异常判断模块42第一关联传感器的异常提示信号，并反馈至异常判断模块42用户终端。
102.可选的，云端服务器还包括施工时长判断模块，用于基于异常判断模块42实时应力监测数据的获取时刻和进入异常判断模块42施工提升期的提升开始时刻，确认当前施工时长。
103.异常判断模块42具体用于基于异常判断模块42当前施工时长，从对应的异常判断模块42理论应力变化曲线中选取对应于异常判断模块42实时应力监测数据的参照点；计算异常判断模块42实时应力监测数据与对应的参照点的理论应力值的应力差值；当异常判断模块42应力差值大于预设有的差值阈值时，判断异常判断模块42实时应力监测数据存在异常。
104.可选的，参照图6，数据接收模块41还用于在接收实时应力监测数据的同时，接收针对施工区域的实时环境温度。
105.云端服务器还包括：温度变化趋势识别模块61，用于基于在当前异常判断模块42准备期内获取到的所有实时环境温度，得到对应于当前异常判断模块42准备期的温度变化趋势。
106.实际应力变化曲线图生成模块62，用于基于在当前异常判断模块42准备期内获取到的对应于异常判断模块42第一激活传感器的所有实时应力监测数据，生成在当前异常判断模块42准备期内，针对第一激活传感器的实际应力变化曲线图。
107.异常判断模块42还用于基于异常判断模块42温度变化趋势和异常判断模块42实际应力变化曲线图，判断异常判断模块42第一激活传感器的可靠性。
108.可选的，参照图7，云端服务器还包括当前实际受力分布图生成模块71，用于在每个异常判断模块42施工提升期内，基于预存有的对应于待施工的工程结构的仿真模型，以及当前监测周期内获取到的所有异常判断模块42实时应力监测数据，生成当前实际受力分布图。
109.异常判断模块42还用于基于异常判断模块42当前实际受力分布图和当前提升过程所对应的多组异常状况特征图，判断当前异常判断模块42施工提升期内是否有施工异常
状况发生。
110.告警模块43还用于当判断结果为是时，向异常判断模块42本地终端发送暂停指令，并向异常判断模块42用户终端发送施工异常告警信号，异常判断模块42施工异常告警信号携带有施工异常状况的类型信息。
111.本技术实施例还公开一种智能终端，智能终端包括存储器和处理器，存储器上存储有能够被处理器加载并执行如上述的基于云端的结构健康监测评估方法的计算机程序。
112.本技术实施例还公开一种计算机可读存储介质，其存储有能够被处理器加载并执行如上述的基于云端的结构健康监测评估方法的计算机程序，该计算机可读存储介质例如包括：u盘、移动硬盘、只读存储器(read-only memory，rom)、随机存取存储器(random access memory，ram)、磁碟或者光盘等各种可以存储程序代码的介质。
113.以上实施例仅用以说明本技术的技术方案，而非对申请的保护范围进行限制。显然，所描述的实施例仅仅是本技术部分实施例，而不是全部实施例。基于这些实施例，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例，都属于本技术所要保护的范围。