1.本發(fā)明屬于健康監(jiān)測技術領域，尤其涉及一種建筑健康監(jiān)測系統(tǒng)。

背景技術：

2.現(xiàn)階段對建筑的健康監(jiān)測多是采用人工或有線的方式進行的單一監(jiān)測(溫度，位移，受力)，因此效率低下，浪費大量人拱和物力，也不能實現(xiàn)實時監(jiān)控，漏報率高。
3.本發(fā)明的目的是建立實時智能無線傳輸?shù)慕ㄖ】当O(jiān)測體系，監(jiān)測建筑的使用情況，重點受力構件的運行情況。對重點受力構件和整體建筑的健康狀況和可使用年限做出合理的評估，避免突發(fā)性災害，對火災和地震等重大自然災害后建筑物的損傷情況做出評估。保證建筑在安全范圍內使用。

技術實現(xiàn)要素：

4.本發(fā)明就是針對上述問題，提供一種建筑健康監(jiān)測系統(tǒng)。
5.為實現(xiàn)上述目的，本發(fā)明采用如下技術方案，本發(fā)明包括前端傳感器、傳感器數(shù)據(jù)節(jié)點和數(shù)據(jù)終端，其特征在于前端傳感器反饋的信號由導線連接傳遞到傳感器數(shù)據(jù)節(jié)點，傳感器數(shù)據(jù)節(jié)點的信號傳輸端口與數(shù)據(jù)終端的信號傳輸端口相連；數(shù)據(jù)終端由粒子群優(yōu)化的bp神經(jīng)網(wǎng)絡預測結構健康狀況，對結構部件健康狀況的評估。
6.作為一種優(yōu)選方案，本發(fā)明所述前端傳感器包括力學監(jiān)測傳感器、位移監(jiān)測傳感器、溫度監(jiān)測傳感器和煙氣監(jiān)測傳感器。
7.作為另一種優(yōu)選方案，本發(fā)明所述bp神經(jīng)網(wǎng)絡對建筑結構受力的預測的具體步驟如下：
8.1)pso粒子群參數(shù)和bp神經(jīng)網(wǎng)絡參數(shù)的初始選定，根據(jù)bp神經(jīng)網(wǎng)絡的結構來確定粒子群的規(guī)模；
9.2)通過bp神經(jīng)網(wǎng)絡產生的誤差來確定粒子群的適應度函數(shù)；
10.3)計算并比較粒子的適應度值，找到最優(yōu)的粒子位置；
11.4)通過粒子群算法得到最優(yōu)解來優(yōu)化bp神經(jīng)網(wǎng)路的權值；
12.5)pso-bp神經(jīng)網(wǎng)絡得到預測結果，評估結構的受力狀況。
13.作為另一種優(yōu)選方案，本發(fā)明所述數(shù)據(jù)節(jié)點對前端傳感器接收傳感器的信號，在數(shù)據(jù)節(jié)點內進行預處理，判定是否達到閾值，達到閾值觸發(fā)蜂鳴器，進行預警，同時數(shù)據(jù)終端也會收到提示，數(shù)據(jù)節(jié)點與計算終端的數(shù)據(jù)傳輸是實時傳輸，終端對數(shù)據(jù)節(jié)點傳輸信號進行預測，判定受力情況，評估結構是否可以繼續(xù)使用，如果可以，則數(shù)據(jù)封存，一定周期后上傳云端，方便后期調用；如果判定結構失效，則激發(fā)預警，限制失效位置，同時向數(shù)據(jù)節(jié)點發(fā)送指令，激發(fā)蜂鳴器。
14.其次，本發(fā)明所述粒子群優(yōu)化bp神經(jīng)網(wǎng)絡根據(jù)構件中力學傳感器的數(shù)量確定輸入層的數(shù)量，輸出層根據(jù)構件是抗彎構件、抗壓構件、抗壓構件、綜合受力構件，判斷受力情
況，設定輸出層神經(jīng)元的個數(shù)；隱藏層數(shù)的判定根據(jù)公式其中n1為隱藏層數(shù)，n為輸入層，m為輸出層的個數(shù)，a為[1-10]的常數(shù)；粒子群算法的規(guī)模根據(jù)神經(jīng)網(wǎng)絡的結構來確定，通過粒子群算法得到最優(yōu)解來優(yōu)化bp神經(jīng)網(wǎng)路的權值。
[0015]
另外，本發(fā)明所述bp神經(jīng)網(wǎng)絡工作具體步驟如下：
[0016]
(1)網(wǎng)絡初始化：根據(jù)輸出輸入序列確定輸入層神經(jīng)元的個數(shù)為m，隱藏層神經(jīng)元個數(shù)n，輸出層神經(jīng)元個數(shù)為l，輸入層到隱藏層之間的連接權值為w
ij
，輸入層的閾值為bj，隱藏層到輸出層的連接權值為w
jk
，輸出層的閾值為bk。
[0017]
(2)隱藏層輸出值sj的計算：根據(jù)輸出變量x，輸入層到隱藏層之間的連接權值和閾值為w
ij
和bj，計算隱藏層輸出值sj。公式如下
[0018][0019]
式中：i為第i個輸入層神經(jīng)元(i＝1，2，3，4，
……
，m)；j為第j個隱藏層神經(jīng)元(j＝1，2，3，4，
……
，n)；f函數(shù)是隱藏層輸入與輸出間的激勵函數(shù)，常用log-sigmoid函數(shù)或tan-sigmoid函數(shù)。
[0020]
(3)輸出層輸出值yk的計算：根據(jù)隱藏層輸出值sj，隱藏層到輸出層之間的連接權值和閾值w
jk
和bk，計算輸出層輸出值yk。公式如下
[0021][0022]
式中：k為第k個輸出層神經(jīng)元(k＝1，2，3，4，
……
，l)；g函數(shù)為輸出層的傳遞函數(shù)，常用purelin函數(shù)和tan-sigmod函數(shù)。
[0023]
(4)誤差計算：根據(jù)實際輸出值yk和期望輸出值ok，計算節(jié)點輸出誤差e。
[0024]
公式如下
[0025][0026]
總誤差e的計算公式如下
[0027][0028]
式中：p為節(jié)點總數(shù)；ε為收斂誤差；er為第r個節(jié)點誤差(r＝1，2，3，4，
……
，p)
[0029]
(5)權值和閾值修正：輸出層和隱藏層之間的連接權值和閾值修正公式如下
[0030][0031][0032]
式中：t為迭代次數(shù)；γ為步長；δk為輸出層至隱藏層之間的誤差，計算公式如下
[0033]
δk＝(o
k-yk)yk(1-yk)
[0034]
隱藏層到輸入層之間連接權值和閾值的修正公式如下
[0035][0036][0037]
式中：δk為隱藏層到輸入層之間的誤差，計算公式如下
[0038][0039]
本發(fā)明有益效果。
[0040]
本發(fā)明建立一套實時智能無線傳輸?shù)慕ㄖ】当O(jiān)測體系，對建筑物中的梁、柱即節(jié)點和剪力墻等重要受力構件布設傳感器，通過傳感器數(shù)據(jù)節(jié)點將多個傳感器的信號匯集，并通過內置算法對傳感的信號做出初步判斷，如果超過預先設置的閾值，則促發(fā)預警。傳感器數(shù)據(jù)節(jié)點與數(shù)據(jù)終端信號雙向傳遞，將前端傳感器反饋的信號實時傳遞給數(shù)據(jù)終端，并通過數(shù)據(jù)終端中基于粒子群優(yōu)化的bp神經(jīng)網(wǎng)絡進行評估建筑結構的受力狀況、健康狀況。根據(jù)評估的解決，判定結構可否繼續(xù)工作，通過兩次評估的方式減少漏判、誤判的情況，同時終端可以根據(jù)個節(jié)點的受力狀況判斷建筑整體的健康情況做出評估。
附圖說明
[0041]
下面結合附圖和具體實施方式對本發(fā)明做進一步說明。本發(fā)明保護范圍不僅局限于以下內容的表述。
[0042]
圖1、監(jiān)測系統(tǒng)工作流程圖。
[0043]
圖2、數(shù)據(jù)節(jié)點元件圖。
[0044]
圖3、粒子群優(yōu)化bp神經(jīng)網(wǎng)絡算法流程圖。
[0045]
圖4、神經(jīng)元網(wǎng)絡結構圖。
[0046]
圖5、真實值與預測值對比圖。
具體實施方式
[0047]
如圖所示，建筑健康監(jiān)測系統(tǒng)包括前端傳感器、傳感器數(shù)據(jù)節(jié)點和數(shù)據(jù)終端。
[0048]
前端傳感器可包括力學監(jiān)測傳感器，位移監(jiān)測傳感器，溫度監(jiān)測傳感器和煙氣監(jiān)測傳感器。前端傳感器反饋的信號由導線連接傳遞到最近的數(shù)據(jù)節(jié)點，數(shù)據(jù)節(jié)點可由esp32芯片、電路板、蜂鳴器焊接而成。
[0049]
esp32芯片具有極佳的功耗性能、射頻性能、穩(wěn)定性、通用性和可靠性，通過內置算法實現(xiàn)數(shù)據(jù)整合預處理，判斷單個信號達到閾值，自動激發(fā)蜂鳴器，實現(xiàn)預警，實時數(shù)據(jù)傳輸。數(shù)據(jù)節(jié)點可內置2.4ghz wifi模塊，可采用udp傳輸協(xié)議，實現(xiàn)數(shù)據(jù)節(jié)點和計算終端的信號雙向傳播，即傳感器收集的數(shù)據(jù)可以實時傳輸?shù)綌?shù)據(jù)終端，同時可以通過數(shù)據(jù)終端，向每個傳感器節(jié)點發(fā)送指令，修正算法，改變閾值，增減功能，適應使用條件的變化。
[0050]
終端由粒子群優(yōu)化的bp神經(jīng)網(wǎng)絡預測結構健康狀況，實現(xiàn)對結構重要部件健康狀況的評估，bp神經(jīng)網(wǎng)絡是一種基于誤差方向傳播的多層前饋神經(jīng)網(wǎng)絡，是一種采用widrow-hoff學習算法和非線性可微轉移函數(shù)的監(jiān)督學習算法，bp神經(jīng)網(wǎng)絡的結構是由一層輸入層，多層隱藏層，一層輸出層組成。各層神經(jīng)元之間全連接，同層神經(jīng)元之間無連接。pso粒子群算法是將問題中的每一個解都看作一個粒子，每個粒子都有相應的適應度值，粒子通過自身或其他粒子間的相互作用來進行位置的動態(tài)調整從而找到最佳的粒子位置并對參數(shù)進行優(yōu)化得到最優(yōu)解。本發(fā)明粒子群算法優(yōu)化bp神經(jīng)網(wǎng)絡對建筑結構受力的預測的具體步驟如下：
[0051]
1)pso粒子群參數(shù)和bp神經(jīng)網(wǎng)絡參數(shù)的初始選定，根據(jù)bp神經(jīng)網(wǎng)絡的結構來確定粒子群的規(guī)模。
[0052]
2)通過bp神經(jīng)網(wǎng)絡產生的誤差來確定粒子群的適應度函數(shù)。
[0053]
3)計算并比較粒子的適應度值，找到最優(yōu)的粒子位置。
[0054]
4)通過粒子群算法得到最優(yōu)解來優(yōu)化bp神經(jīng)網(wǎng)路的權值。
[0055]
5)pso-bp神經(jīng)網(wǎng)絡得到預測結果，評估結構的受力狀況。
[0056]
本發(fā)明的健康監(jiān)測系統(tǒng)，數(shù)據(jù)節(jié)點具有獨立計算能力，可以完成計算，對傳感器反饋的信號可以做預處理，可減少了計算終端的計算量，同時還可以接受終端指令，修正算法和閾值，提高的修正的適用性、可調整性。無線傳輸技術的應用大幅度減少導線的布設，降低故障率，降低人工檢測的成本。數(shù)據(jù)節(jié)點和計算終端的雙重判定，降低了監(jiān)測系統(tǒng)的漏報率，為建筑結構的使用安全提供更大的保障。
[0057]
傳感器布設?？筛鶕?jù)有限元模擬的方式計算出建筑構件的最不利位置結合實際經(jīng)驗布設的傳感器，可布設的傳感器力學監(jiān)測傳感器、位移監(jiān)測傳感器、溫度監(jiān)測傳感器和煙氣監(jiān)測傳感器。
[0058]
數(shù)據(jù)節(jié)點。數(shù)據(jù)節(jié)點可由電路板，蜂鳴器、esp32芯片焊接而成，電路板上可留有傳感器接口，可根據(jù)具體需求調整數(shù)量，程序命令可由c語言編寫，拷入單片機中。數(shù)據(jù)節(jié)點中調用udp傳輸協(xié)議，將封存的數(shù)據(jù)幀傳輸?shù)接嬎憬K端。傳輸過程通過內置的2.4ghz wifi模塊，連接建筑內wifi信號實現(xiàn)與數(shù)據(jù)終端的雙向傳輸，更換wifi的賬號密碼時，可通過終端對數(shù)據(jù)節(jié)點進行修改。數(shù)據(jù)節(jié)點對前端傳感器的種類兼容性強，可同時接受多種傳感器的信號，在數(shù)據(jù)節(jié)點內進行預處理，判定是否達到閾值，達到閾值會觸發(fā)蜂鳴器，進行預警，同時數(shù)據(jù)終端也會收到提示，數(shù)據(jù)節(jié)點與計算終端的數(shù)據(jù)傳輸是實時傳輸，終端對數(shù)據(jù)節(jié)點傳輸信號進行預測，判定受力情況，評估結構是否可以繼續(xù)使用，如果可以，則數(shù)據(jù)封存，一定周期后上傳云端，方便后期調用，如果判定結構失效，則激發(fā)預警，限制失效位置，同時向數(shù)據(jù)節(jié)點發(fā)送指令，激發(fā)蜂鳴器。數(shù)據(jù)節(jié)點的布設位置，可根據(jù)傳感器的位置選擇，應設置成開放式的，方便按時檢修，數(shù)據(jù)節(jié)點布置在室外或者環(huán)境潮濕的地方，應注意選用防水的外殼材料，避免因潮濕導致短路損壞，影響使用壽命。
[0059]
pso-bp神經(jīng)網(wǎng)絡。粒子群算法優(yōu)化bp神經(jīng)網(wǎng)絡是一種采用粒子群算法優(yōu)化權值的前饋神經(jīng)網(wǎng)絡。在具體實施過程中，根據(jù)構件中力學傳感器的數(shù)量確定輸入層的數(shù)量，輸出層根據(jù)構件是抗彎構件、抗壓構件、抗壓構件，綜合受力構件等，判斷主要受力情況，設定輸出層神經(jīng)元的個數(shù)。隱藏層數(shù)的判定根據(jù)公式其中n1為隱藏層數(shù)，n為
輸入層，m為輸出層的個數(shù)，a為[1-10]的常數(shù)。粒子群算法的規(guī)模根據(jù)神經(jīng)網(wǎng)絡的結構來確定，通過粒子群算法得到最優(yōu)解來優(yōu)化bp神經(jīng)網(wǎng)路的權值。
[0060]
bp伸進網(wǎng)絡工作具體步驟如下：
[0061]
(1)網(wǎng)絡初始化：根據(jù)輸出輸入序列確定輸入層神經(jīng)元的個數(shù)為m，隱藏層神經(jīng)元個數(shù)n，輸出層神經(jīng)元個數(shù)為l，輸入層到隱藏層之間的連接權值為w
ij
，輸入層的閾值為bj，隱藏層到輸出層的連接權值為w
jk
，輸出層的閾值為bk。
[0062]
(2)隱藏層輸出值sj的計算：根據(jù)輸出變量x，輸入層到隱藏層之間的連接權值和閾值為w
ij
和bj，計算隱藏層輸出值sj。公式如下
[0063][0064]
式中：i為第i個輸入層神經(jīng)元(i＝1，2，3，4，
……
，m)；j為第j個隱藏層神經(jīng)元(j＝1，2，3，4，
……
，n)；f函數(shù)是隱藏層輸入與輸出間的激勵函數(shù)，常用log-sigmoid函數(shù)或tan-sigmoid函數(shù)。
[0065]
(3)輸出層輸出值yk的計算：根據(jù)隱藏層輸出值sj，隱藏層到輸出層之間的連接權值和閾值w
jk
和bk，計算輸出層輸出值yk。公式如下
[0066][0067]
式中：k為第k個輸出層神經(jīng)元(k＝1，2，3，4，
……
，l)；g函數(shù)為輸出層的傳遞函數(shù)，常用purelin函數(shù)和tan-sigmod函數(shù)。
[0068]
(4)誤差計算：根據(jù)實際輸出值yk和期望輸出值ok，計算節(jié)點輸出誤差e。
[0069]
公式如下
[0070][0071]
總誤差e的計算公式如下
[0072][0073]
式中：p為節(jié)點總數(shù)；ε為收斂誤差；er為第r個節(jié)點誤差(r＝1，2，3，4，
……
，p)
[0074]
(5)權值和閾值修正：輸出層和隱藏層之間的連接權值和閾值修正公式如下
[0075][0076][0077]
式中：t為迭代次數(shù)；γ為步長；δk為輸出層至隱藏層之間的誤差，計算公式如下
[0078]
δk＝(o
k-yk)yk(1-yk)
[0079]
隱藏層到輸入層之間連接權值和閾值的修正公式如下
[0080][0081][0082]
式中：δk為隱藏層到輸入層之間的誤差，計算公式如下
[0083][0084]
粒子群算法優(yōu)化bp神經(jīng)網(wǎng)絡具體方法
[0085]
pso粒子群算法是一種采用群體搜索方法最優(yōu)閾值和初始值的全局優(yōu)化算法，將問題中的每一個解都看作一個粒子，每個粒子都有相應的適應度值，粒子通過自身或其他粒子間的相互作用來進行位置的動態(tài)調整從而找到最佳的粒子位置并對參數(shù)進行優(yōu)化得到最優(yōu)解。根據(jù)圖可以看出粒子群算法優(yōu)化bp神經(jīng)網(wǎng)絡對建筑結構受力的預測的具體步驟如下：
[0086]
(1)pso粒子群參數(shù)和bp神經(jīng)網(wǎng)絡參數(shù)的初始選定，根據(jù)bp神經(jīng)網(wǎng)絡的結構來確定粒子群的規(guī)模。
[0087]
(2)通過bp神經(jīng)網(wǎng)絡產生的誤差來確定粒子群的適應度函數(shù)。
[0088]
(3)計算并比較粒子的適應度值，找到最優(yōu)的粒子位置。
[0089]
(4)通過粒子群算法得到最優(yōu)解來優(yōu)化bp神經(jīng)網(wǎng)路的權值。
[0090]
(5)pso-bp神經(jīng)網(wǎng)絡得到預測結果，評估結構的受力狀況。
[0091]
數(shù)據(jù)節(jié)點單片機內置程序部分為：
[0092]
1.調用esp32芯片中內置wifi模塊
[0093]
2.使用異步udp傳輸協(xié)議
[0094]
3.確定傳感器輸入端口數(shù)量
[0095]
4.確定預警蜂鳴器布置
[0096]
5.設定初始報警閾值
[0097]
6.設定連接的wifi賬號及密碼
[0098]
7.創(chuàng)建udp連接對象
[0099]
8.確定本地端口號
[0100]
9.確定udp數(shù)據(jù)來源類型、遠端地址及端口號、目標地址及端口號、數(shù)據(jù)長度、數(shù)據(jù)內容。
[0101]
10.判斷輸入信號是否達到閾值，達到閾值則激發(fā)蜂鳴器預警
[0102]
eps32具有內置的wifi模塊可以穩(wěn)定傳輸信號數(shù)據(jù)。可以實現(xiàn)數(shù)據(jù)雙向傳播，可以通過vscode對芯片上的程序根據(jù)實際情況實時調整，例如閾值的大小，wifi賬號的選擇。
[0103]
本發(fā)明芯片寫入程序作為無線數(shù)據(jù)傳輸節(jié)點，然后引用了bp神經(jīng)網(wǎng)絡算法到后面的數(shù)據(jù)處理當中作為一整套健康監(jiān)測系統(tǒng)。
[0104]
單片機上的代碼為：
[0105]
[0106]
[0107]
[0108]
[0109][0110]
pos-bp神經(jīng)網(wǎng)絡預測墻體受力狀況可靠性驗證如下：
[0111]
為驗證粒子群改進的bp神經(jīng)網(wǎng)絡可以很好的預測墻體的受力狀況，選用eps格構式有限元墻體模型為樣例，分析根據(jù)墻體危險點應變值預測墻體整體的受力狀況。選取墻體中四個危險點，提取不同受力狀況下的應變值，即輸入層神經(jīng)元個數(shù)為4。由于格構式墻體在實際使用中主要起到抗剪切應力的作用，因此主要觀察側向受力狀況，即輸出層神經(jīng)
元個數(shù)為1。為了使pos-bp神經(jīng)網(wǎng)絡有良好的性能，需要選擇適合的隱藏層節(jié)點數(shù)，若隱藏層選擇的節(jié)點數(shù)過多，會使網(wǎng)絡結構的靈敏度度過高，導致出現(xiàn)過擬合現(xiàn)象，若節(jié)點數(shù)過少，又會降低網(wǎng)絡結構的容錯性。根據(jù)經(jīng)驗公式確定pos-bp神經(jīng)網(wǎng)絡隱藏層神經(jīng)元節(jié)點數(shù)取值范圍，再通過試算確定最優(yōu)節(jié)點數(shù)，最終確定本文采用輸入層神經(jīng)元個數(shù)為4，隱藏層神經(jīng)元個數(shù)為5，輸出層神經(jīng)元個數(shù)為1的pos-bp神經(jīng)網(wǎng)絡拓撲結構，如圖4。
[0112][0113]
式中：n1為隱藏層數(shù)，n為輸入層，m為輸出層的個數(shù)，a為[1-10]常數(shù)。
[0114]
為了驗證pos-bp神經(jīng)網(wǎng)絡對格構式墻體受力情況預測的精度，提取27組模擬數(shù)據(jù)來作為訓練集，選取3組數(shù)據(jù)作為測試集進行驗算，預測值如真實值的對比如圖所示，圖中可見三組預測值與真實值的誤差皆比較小，百分比誤差皆小于2％，預測精度優(yōu)異。進一步分析誤差，擬合優(yōu)度r2是回歸直線對觀測值的擬合程度。評定擬合優(yōu)度的統(tǒng)計量是可決系數(shù)r2(確定系數(shù))。r2的范圍再0到1之間。當r2趨近于1時，說明擬合程度越好；反之，r2趨近于0時，擬合程度越差。圖5可見，r2為0.99952，說明pos-bp神經(jīng)網(wǎng)絡計算的預測值擬合程度較好，預測精度較高，具有作為終端算法評估格構式墻體受力狀況及建筑健康監(jiān)測、安全評估的能力，是適用于建筑健康監(jiān)測系統(tǒng)的優(yōu)異終端算法。
[0115][0116]
附表全部數(shù)據(jù)
[0117][0118][0119]
可以理解的是，以上關于本發(fā)明的具體描述，僅用于說明本發(fā)明而并非受限于本
發(fā)明實施例所描述的技術方案，本領域的普通技術人員應當理解，仍然可以對本發(fā)明進行修改或等同替換，以達到相同的技術效果；只要滿足使用需要，都在本發(fā)明的保護范圍之內。

相關知識

古建筑結構健康監(jiān)測方案
綠色建筑室內環(huán)境監(jiān)測系統(tǒng)
環(huán)境監(jiān)測系統(tǒng)建設的政策背景！
居住室內健康環(huán)境監(jiān)測系統(tǒng)構建及應用研究
“獨居老人”健康監(jiān)測系統(tǒng)設計
設備健康監(jiān)測系統(tǒng)
綠色建筑成為建筑行業(yè)的發(fā)展趨勢，樓宇自控系統(tǒng)為綠建助力
結構健康監(jiān)測系統(tǒng)設計標準(征求意見稿)
面向健康智能家居的生理參數(shù)監(jiān)測系統(tǒng)研制
室內環(huán)境監(jiān)測系統(tǒng)1

網(wǎng)址: 建筑健康監(jiān)測系統(tǒng) http://m.u1s5d6.cn/newsview336839.html