技术领域
[0001] 本发明涉及智能制造技术领域，具体而言，涉及一种智能预警方法。
相关背景技术
[0002] 预警指标的设置是结构健康监测系统中的重要部分。健康监测的主要目标就是在临界点(应力等的临界点)到来之前提早检测出结构的损伤,通过测定其关键性能指标来检查结构是否受到损伤,如果受到损伤,损伤位置、程度如何,可否继续使用及其剩余寿命等。安全性评估是通过各种可能的、结构允许的测试手段,测试其当前的工作状态,并与其临界失效状态进行比较,评价其安全等级。通常预警阈值大都设计为规范中的规定值或正常工作及遇到灾害下的极限值。因此，阈值设计不灵活，无法根据不同结构设置出灵活的阈值，且阈值设计缺少提前量，只能在损伤已经来临时感知，还易出现误报的情况。
[0003] 有鉴于此，本说明书中的一些实施例提供了一种智能预警方法，以提前进行预警，减少误报的发生。
具体实施方式
[0023] 为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
[0024] 在一些实施例中，可以从环境和结构两个方面构建安全预警指标，环境方面即这些预警指标不受结构及荷载影响，主要包括温湿度以及风速风向等因素；结构方面即这些预警指标取决于结构与荷载，主要包括累计指标和动态指标。
[0025] 在一些实施例中，由于环境的预警指标不受结构及荷载影响，只与环境有关，故对于环境的预警指标阈值划分可以通过环境指标对结构的影响程度分为三级预警。关于环境的预警指标的更多内容，参见图1及其相关描述。
[0026] 在一些实施例中，由于结构层的预警指标取决于结构与荷载，该方面大部分预警指标使用等量划分的值作为预警阈值易导致预警结果出现偏差乃至错误，故结构层的指标多将荷载大小和种类及结构承载极限作为阈值。关于结构层的阈值指标的更多内容，参见图1、图2及其相关描述。
[0027] 图1为本发明一些实施例提供的一种智能预警方法的示例性流程图。
[0028] 如图1所示，流程100可以包括以下步骤：
[0029] 步骤110，确定监测目标的预测值，预测值用于表示监测目标在未来时间段的结构和荷载数据。
[0030] 监测目标可以是指被监测的对象。预测值可以为预测得到的未来时间段与监测目标的结构和荷载数据相关的数据的值。例如，预测值可以包括未来时间结构的应力、应变、振动、倾斜、水平及竖向变形、沉降、水平位移、温湿度以及风速风向等的值。
[0031] 在一些实施例中，可以将监测目标的实时监测数据输入预测模型，模型输出预测值。
[0032] 实时监测数据的类型可以为动态值，该动态值随荷载及结构的改变实时地变化。动态值可以与应变、水平及竖向变形和振动加速度相关。
[0033] 监测数据可以包括监测该监测目标得到的动态指标。动态指标可以与结构的应力、应变、振动、倾斜、水平及竖向变形、沉降、水平位移、温湿度以及风速风向等相关。监测数据可以通过传感器获得。
[0034] 在一些实施例中，预测模型可以通过训练初始预测模型得到，可以包括以下内容：
[0035] 从第一历史监测数据中获取训练样本和标签。
[0036] 第一历史监测数据为监测目标在正常工作状态下获取的监测数据。通过从第一历史监测数据中获取训练样本可以让机器学习模型在训练的过程中学习结构在正常工作状态下的数据的内部规律。
[0037] 训练样本包括监测该监测目标得到的多个历史时间段的历史动态指标。
[0038] 多个历史时间段可以为历史监测该监测数据的时间段。历史动态指标可以为传感器获取的历史监测数据。
[0039] 标签为待预测的历史时间段的监测目标的实际值。
[0040] 待预测的历史时间段可以为需要使用初始训练模型进行预测的历史时间段。实际值可以是指通过传感器获得的监测目标在该待预测的历史时间段所实时监测得到的监测数据。
[0041] 将训练样本输入初始预测模型，基于模型的输出和标签构建损失函数，基于损失函数更新初始预测模型的参数，得到训练好的预测模型。可以通过各种可行的方式基于模型的输出和标签构建损失函数，基于损失函数调整初始预测模型的参数，直到达到停止条件，将达到停止条件的初始预测模型作为训练好的预测模型。其中，停止条件可以包括损失函数收敛，迭代次数达到阈值等。
[0042] 步骤120，基于预测值，确定监测目标的工作状态是否达到预警阈值。
[0043] 工作状态可以通过多种动态指标表示。例如，可以通过监测目标所受的应变、水平及竖向变形和振动加速度确定监测目标的工作状态。
[0044] 预警阈值包括一级预警阈值、二级预警阈值和三级预警阈值。
[0045] 一级预警阈值可以是指监测目标在正常工作状态下的结构预警指标值。在一些实施例中，可以通过模型对监测目标在正常工作状态下的数据进行处理，得到一级预警阈值。关于一级预警阈值的更多内容，参见图2及其相关描述。
[0046] 二级预警阈值为结构面临突发性自然灾害(如，发生地震)或设备超高强工作下的结构进入塑性状态下的预警指标值。同一结构不同部位构件的力学性能不同，故本预警阈值不为某一固定值，而是针对不同力学性能的构件所在位置构建的空间阈值。
[0047] 三级预警阈值为结构在罕遇地震下的极限状态下的预警指标值。并且与二级预警相同，针对不同的预警指标，预警阈值也不同。
[0048] 在一些实施例中，通过对监测目标进行建模，确定二级预警阈值和三级预警阈值。例如，通过有限元软件对监测目标的工作状态和工作环境进行建模，通过向模型施加边界条件和荷载工况，模拟得到二级预警阈值和三级预警阈值。
[0049] 步骤130，基于监测目标触发的预警阈值的级别和次数，进行预警。
[0050] 在一些实施例中，可以预先设置监测目标触发的预警阈值的最大次数，并基于被触发的预警阈值的级别和次数，进行多级预警。关于预警的更多内容，参见图3及其相关描述。
[0051] 在一些实施例中，还可以获取监测目标的环境温湿度值，基于环境温湿度值、环境温湿度值的持续时间和温湿度预警阈值，确定是否进行预警。
[0052] 温度预警阈值可以是指预警温度的阈值。温湿度预警值可以用于确定钢结构厂房工作状态以及锈蚀程度评估等。
[0053] 在一些实施例中，温湿度预警阈值可以包括一、二、三级预警阈值。指标阈值由两部分组成，分别为环境的温湿度值，以及不同程度温湿度值的持续时间。对于不同的钢材以及不同的防腐措施，预警阈值可以不同。可以针对不同的易腐蚀程度，制定相应的温湿度预警阈值。
[0054] 在一些实施例中，还包括获取监测目标的风速数值和不同位置的风向，基于风速数值、不同位置的风向和风速预警阈值，确定是否进行预警。
[0055] 风速预警阈值可以是指预警风速的阈值。风速预警阈值可以作为受风动力荷载下钢结构厂房抗力程度评估的依据。
[0056] 在一些实施例中，风速预警阈值可以包括一、二、三级预警阈值。指标阈值由两部分组成，分别为风速数值，以及结构不同位置上的风向。风速预警的三级预警阈值可以为规范要求中的33.3％、66.7％以及100％。
[0057] 在一些实施例中，还包括，获取监测目标的基础沉降、水平位移和倾斜度，基于基础沉降、水平位移、倾斜度和累计指标预警阈值，确定是否进行预警。
[0058] 累计指标预警可以是指预警累计指标的阈值。累计指标预警可以用于表示在荷载的作用下，结构变化的累加值。其中，累计指标为结构层指标，该类指标与结构形式与荷载相关，但并不随荷载的改变实时地变化。
[0059] 在一些实施例中，可以基于规范要求中的指标值的等量划分确定累计指标预警阈值。例如，累计指标的三级预警阈值为规范中特级变形测量级别的33.3％、66.7％以及100％。
[0060] 图2为本发明一些实施例提供的确定一级预警阈值的示例性流程图。
[0061] 如图2所示，流程200可以包括以下步骤：
[0062] 步骤210，获取监测目标的第二历史监测数据。
[0063] 第二历史监测数据为监测目标当前的历史监测数据。例如，第二历史监测数据可以为本次开始使用监测目标到当前的时间段内获取的监测数据。又例如，第二历史监测数据可以为预设长度的时间段，该预设长度的时间段的结束点为当前时间，在该段时间内获取的监测数据可以被认为是第二历史监测数据。
[0064] 在一些实施例中，第二历史监测数据可以通过提取数据库中存储的历史监测数据得到。也可以使用其他可行的方式获取第二历史监测数据。
[0065] 步骤220，基于第二历史监测数据，获取多个历史时刻的实时监测数据。
[0066] 对于每个历史时刻，传感器可以获取监测目标在该历史时刻的监测数据。每个在该历史时刻获取的监测数据可以被认为是该历史时刻的实时监测数据。
[0067] 在一些实施例中，可以基于历史时间，通过各种数据提取方法，获取传感器在该历史时间获取的实时监测数据。
[0068] 步骤230，分别将多个历史时刻的实时监测数据输入预测模型，模型分别输出多个历史时刻的预测值。
[0069] 在一些实施例中，可以将多个历史时刻的实时监测数据进行分类，然后将分类好的监测数据输入预测模型，模型预测该多个历史时刻对应的预测值。例如，历史时刻1，预测值1；历史时刻2，预测值2；历史时刻3，预测值3；历史时刻4，预测值4；可以基于(历史时刻1，预测值1)预测历史时刻2的预测值；可以基于(历史时刻1，预测值1；历史时刻2，预测值2)预测历史时刻3的预测值等。当然，也可以通过其他各种可行的方式预测多个历史时刻的预测值。
[0070] 步骤240，基于多个历史时刻的预测值，确定残差量。
[0071] 在一些实施例中，可以通过计算多个历史时刻的预测值之间的残差，得到残差量。
[0072] 步骤250，基于残差量，确定残差阈值和允许偏差。
[0073] 在一些实施例中，对残差量进行统计分析后可将残差阈值确定为某个统计分位数。允许偏差可以根据经验设置。
[0074] 步骤260，基于允许偏差和预测值，确定一级预警阈值。
[0075] 在一些实施例中，可以在预测值的基础上加入允许偏差(包括允许预测偏差和允许误差放大系数)作为监测量的阈值。例如，将允许偏差与预测值的和作为一级预警阈值。
[0076] 图3为本发明一些实施例提供的基于预警阈值进行预警的示例性示意图。如图3所示，示意的流程300可以包括对三个预警阈值在一定时间范围内的超越与否及超越次数进行综合评判实现综合预警。若监测指标超出对应的预警阈值，则立即触发相应级别的警报，若短时间内连续触发相同级别的警报，则将警报级别提升一级，具体地：
[0077] 当预测值达到一级预警阈值，触发第一警报。
[0078] 例如，一级预警可以为蓝色警报，预测值达到一级预警阈值，则触发蓝色警报。为了防止同一事件在短时间内连续触发蓝色警报，蓝色警报在10s内最多触发一次。
[0079] 当预测值超过二级预警阈值，触发第二预警，或在预设时间内触发三次第一警报且至少有一次预测值达到二级预警阈值的50％，则当预测值第四次超过一级预警阈值时触发第二警报。
[0080] 例如，二级预警可以为黄色警报，若预测值超过二级预警阈值则直接触发黄色警报。又例如，若在1min内触发三次蓝色警报且至少有一次预测值达到二级阈值的50％，则当预测值第四次超越一级预警阈值时触发黄色警报。在一些实施例中，为了防止同一事件在短时间内连续触发黄色警报，黄色警报在10s内最多触发一次。
[0081] 当预测值超过三级预警阈值，触发第三警报，或在预设时间内触发三次第二警报且至少有一次预测值达到三级预警阈值的50％，则当预测值第四次超过二级预警阈值时触发第三警报。
[0082] 例如，三级预警可以为红色警报，若预测值超过三级预警阈值则直接触发红色警报。又例如，若在1min内触发三次黄色警报且至少有一次预测值达到三级预警阈值的50％，则第四次超越二级预警阈值时触发红色警报。
[0083] 以上仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。
