[发明专利]一种地下管廊装配式结构的绿色检测方法及系统有效
| 申请号: | 202210740903.8 | 申请日: | 2022-06-28 |
| 公开(公告)号: | CN114820825B | 公开(公告)日: | 2022-09-20 |
| 发明(设计)人: | 王坚 | 申请(专利权)人: | 浩源科技有限公司 |
| 主分类号: | G06T7/90 | 分类号: | G06T7/90;G06F30/13;G06F16/2455 |
| 代理公司: | 北京奥肯律师事务所 11881 | 代理人: | 左大帅 |
| 地址: | 321000 浙江*** | 国省代码: | 浙江;33 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 一种 地下 装配式 结构 绿色 检测 方法 系统 | ||
1.一种地下管廊装配式结构的绿色检测方法,其特征在于,所述方法包括:
搭建分布式廊仓监测系统,所述分布式廊仓监测系统包括数据采集单元、数据分析单元以及异常预警单元;
基于BIM技术,对目标城市地下管廊的各舱室装配区进行仿真建模,生成所述目标城市地下管廊的立体式三维仿真环境;
基于所述数据采集单元,对所述立体式三维仿真环境中各舱室运行环境进行数据采集,获得各舱室运行数据集合;
将所述各舱室运行数据集合上传至所述数据分析单元,对所述各舱室运行数据集合进行特征提取,获得目标提取特征集合;
通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析,获得各提取特征数据分析结果;
将所述各提取特征数据分析结果上传至所述异常预警单元,对异常结果进行检测并输出;
所述对所述各舱室运行数据集合进行特征提取,包括:
采集获得各舱室运行数据的历史能耗特征;
将所述历史能耗特征作为标识信息,构建能耗特征提取模型;
将所述各舱室运行数据集合作为输入数据,上传至所述能耗特征提取模型,基于所述标识信息,对所述输入数据进行训练,获得训练结果,其中,所述训练结果包括模型提取特征集合;
获得所述模型提取特征集合对应的目标特征能耗值集合;
获得所述各舱室运行数据集合的各运行数据能耗值集合;
根据所述目标特征能耗值集合,确定预设能耗阈值;
基于所述预设能耗阈值,对所述各运行数据能耗值集合进行筛选,获得额外能耗特征集合;
将所述额外能耗特征集合输入至所述能耗特征提取模型,对所述能耗特征提取模型进行优化训练。
2.如权利要求1所述的方法,其特征在于,所述对所述立体式三维仿真环境中各舱室运行环境进行数据采集,包括:
基于所述各舱室装配区中嵌入的多种传感器监测系统,对所述各舱室运行环境进行数据采集,获得初级采集数据集合;
通过对所述初级采集数据集合进行数据预处理,获得处理后标准数据集合;
对所述处理后标准数据集合,进行时间要素的采集标记,生成所述各舱室运行数据集合。
3.如权利要求2所述的方法,其特征在于,所述通过对所述初级采集数据集合进行数据预处理,包括:
根据所述初级采集数据集合,获得第一特征数据集;
对所述第一特征数据集进行去中心化处理,获得第二特征数据集;
获得所述第二特征数据集的第一协方差矩阵;
对所述第一协方差矩阵进行运算,获得所述第一协方差矩阵的第一特征值和第一特征向量;
将所述第一特征数据集投影到所述第一特征向量,获得第一降维数据集,其中所述第一降维数据集为所述第一特征数据集降维之后获得的特征数据集。
4.如权利要求1所述的方法,其特征在于,所述通过对所述目标提取特征集合进行正向连续时间序列的能耗数据比对分析,包括:
对所述模型提取特征集合和所述额外能耗特征集合,进行数据融合,生成所述目标提取特征集合;
基于所述正向连续时间序列的逻辑,对所述目标提取特征集合的能耗数据进行逐点采集,获得各目标提取特征能耗数据集合,且所述各目标提取特征能耗数据集合具有连续时间特性;
通过计算所述各目标提取特征能耗数据集合中,各时间节点较上一时间节点的能耗数据差值,获得各时间节点能耗差值集合;
根据所述各时间节点能耗差值集合,确定所述各提取特征数据分析结果。
5.如权利要求4所述的方法,其特征在于,所述方法包括:
所述异常预警单元嵌入有数据波动监测响应;
基于所述数据波动监测响应,对输入的所述各时间节点能耗差值集合,进行数据波动的监测,获得各能耗差值数据波动结果;
判断所述各能耗差值数据波动结果是否满足预设数据波动阈值;
若所述各能耗差值数据波动结果满足所述预设数据波动阈值,对满足部分进行异常标记,且将异常能耗差值数据波动结果进行输出。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浩源科技有限公司,未经浩源科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210740903.8/1.html,转载请声明来源钻瓜专利网。





