一种基于多传感器的大坝安全智能监测与预警系统及方法
专利汇可以提供一种基于多传感器的大坝安全智能监测与预警系统及方法专利检索，专利查询，专利分析的服务。并且本 发明 属于大坝安全智能监测技术领域，公开了一种基于多 传感器 的大坝安全智能监测与预警系统及方法，通过摄像器监控大坝；采集大坝 水 压、水位、振动的数据；对采集到的数据进行实时分类处理；提取监控视频特征数据并对大坝裂缝进行分析；进行大坝异常数据的识别并发出警报通知；对实时数据进行存储，通过因特网传输至移动终端，并通过显示器进行数据显示。本发明通过裂缝分析模 块 可以识别影响大坝裂缝发展的不同因素的动态贡献率；同时，通过异常识别模块采用本发明公布的异常值识别方法能够自动提取监测数据序列的主要特征，避免人工建立数学模型，不但能保证判断的一致性和准确性。，下面是一种基于多传感器的大坝安全智能监测与预警系统及方法专利的具体信息内容。
1.一种基于多传感器的大坝安全智能监测与预警方法，其特征在于，所述基于多传感器的大坝安全智能监测与预警方法包括以下步骤：第一步，通过数据处理程序分别把大坝裂缝影响因子以及裂缝宽度序列数据归一化；通过以下公式计算：
式中，Xn表示归一化后的值，Xmax与Xmin分别表示该序列的最大值及最小值；
第二步，构建基于随机森林算法及大坝裂缝分析模型，所述大坝裂缝分析模型以水位、温度及时效因子这些影响因子为自变量、裂缝宽度为因变量进行构建；所选影响因子水位包括大坝上游水位，所述温度为大坝内部温度测量点测得的温度，所述时效因子是指一系列时间序列上的变量；三者共同作用在大坝上，影响大坝裂缝发展；
将所述影响因子的已知序列数据作为自变量，将所述影响因子的已知序列数据对应的大坝裂缝宽度序列作为因变量，对所述基于随机森林算法的大坝裂缝分析模型进行训练，得到经过训练的随机森林回归模型；
第三步，调整大坝裂缝分析模型中的参数，使得随机森林回归模型拟合效果最佳；
第四步，利用所建立的随机森林回归模型分析水位因子、温度因子及时效因子对大坝裂缝的影响；最基本时效因子以天为单位，以所选数据样本第一天为0开始，第二天为1，以此累加计算，并记为t；所述时效因子包括：
Ln(1+t)；
1-e-t；
t0.5；
t-0.5；
第五步，利用滑动窗口方法分析水位、温度及时效因子对大坝裂缝的动态贡献率；
所述的动态贡献率，根据影响因子的基尼不纯度增加值作为贡献指标，所述利用滑动窗口方法分析水位、温度及时效因子对大坝裂缝的动态贡献率，是指根据以一定长度的滑动窗为单位得到的一系列影响因子数据样本建立模型分析影响因子的动态贡献率；
所述各个影响因子的贡献率能够表示为：
式中，Dkgini表示第k个变量的基尼不纯度增加值；
第六步，通过识别程序由第一步～第五步监测的大坝裂缝宽度序列构建轨迹矩阵X，然后对轨迹矩阵进行奇异值分解得到一系列特征组；
所述轨迹矩阵X由对监测数据序列f0,f1,f2,...,fN-1在时间上滞后排列得到，表示为：
其中，N为监测序列数据总数，L为窗口长度，1＜L＜N，K为轨迹矩阵X每行所包含的测值数量，K＝N-L+1；i,j用来标示元素xij在轨迹矩阵X中所处的位置是在第i行第j列；
第七步，将特征组按照特征值从大到小排列，选择累积贡献率大于等于85％的前若干个特征组为主要特征组；
第八步，计算主要特征组对应的基本矩阵，然后对基本矩阵进行对角平均化得到数据序列的前若干个主要成分；
第九步，将主要成分累加得到重构数据序列；
第十步，用重构数据序列和原数据序列相减得到残差序列，求出残差序列的标准差；
第十一步，根据残差序列的标准差由拉依达准则判断大坝裂缝宽度值是否为异常值。
2.如权利要求1所述基于多传感器的大坝安全智能监测与预警方法，其特征在于，第一步对大坝裂缝进行分析前通过摄像器监控大坝；通过压力检测器采集大坝水压数据；通过水位检测器采集大坝水位数据；通过振动检测器采集大坝振动数据。
3.如权利要求1所述基于多传感器的大坝安全智能监测与预警方法，其特征在于，第一步对大坝裂缝进行分析前还通过提取程序提取监控视频特征数据；通过主控器控制大坝安全智能监测与预警系统的正常工作；通过数据预处理程序对采集到的信号数据进行实时分类处理。
4.如权利要求1所述基于多传感器的大坝安全智能监测与预警方法，其特征在于，第六T
步中，所述对轨迹矩阵X进行奇异值分解包括：求S＝XX的非负特征值λ1,λ2,λ3,...,λl以及对应的标准正交化的特征向量U1,U2,U3,...,Ul以及 所述特征组是指(λi,Ui,Vi)，称为第i个特征组；
所述第i个特征组的贡献率CRi由下式计算：
所述主要特征组为累积贡献率大于等于85％的前m个特征组，即：
其中，i,j用来标示是第几个特征值，m表示主要特征组的总数，l表示非负特征组的总数；
所述基本矩阵Xi由以下公式计算得到：
5.如权利要求1所述基于多传感器的大坝安全智能监测与预警方法，其特征在于，所述第十一步后，还需进行：
通过警报器根据识别异常数据进行警报通知；通过云数据库服务器将采集的大坝监控视频、水位、振动数据及提取特征数据、分析结果、识别结果的实时数据进行存储。
6.如权利要求1所述基于多传感器的大坝安全智能监测与预警方法，其特征在于，所述第十一步后，还需进行：
通过因特网进行数据传输，传输的最大速度150Mb/S；通过云数据库服务器将采集的大坝监控视频、水位、振动数据及提取特征数据、分析结果、识别结果的实时数据传输至移动终端。
7.如权利要求1所述基于多传感器的大坝安全智能监测与预警方法，其特征在于，第十一步后，还需进行：通过显示器显示采集的大坝监控视频、水位、振动数据及提取特征数据、分析结果、识别结果的实时数据。
8.一种如权利要求1所述基于多传感器的大坝安全智能监测与预警方法的基于多传感器的大坝安全智能监测与预警系统，其特征在于，所述基于多传感器的大坝安全智能监测与预警系统包括：
大坝视频监控模块，与中央控制模块连接，用于通过摄像器监控大坝；
水压采集模块，与中央控制模块连接，用于通过压力检测器采集大坝水压数据；
水位采集模块，与中央控制模块连接，用于通过水位检测器采集大坝水位数据；
振动采集模块，与中央控制模块连接，用于通过振动检测器采集大坝振动数据；
中央控制模块，与大坝视频监控模块、水压采集模块、水位采集模块、振动采集模块、数据预处理模块、视频特征提取模块、裂缝分析模块、异常识别模块、警报模块、数据存储模块、数据传输模块、终端模块、显示模块连接，用于通过主控器控制各个模块正常工作；
数据预处理模块，与中央控制模块连接，用于通过数据预处理程序对采集到的信号数据进行实时分类处理，一方面将数据传送到所述数据存储模块中进行存储，另一方面将数据传送到所述视频特征提取模块中进行特征提取；
视频特征提取模块，与中央控制模块连接，用于通过提取程序提取监控视频特征数据；
裂缝分析模块，与中央控制模块连接，用于通过分析程序根据提取的大坝特征对大坝裂缝进行分析；
异常识别模块，与中央控制模块连接，用于通过识别程序对大坝采集的数据异常进行识别；
警报模块，与中央控制模块连接，用于通过警报器根据识别异常数据进行警报通知；
数据存储模块，与中央控制模块连接，用于通过云数据库服务器将采集的大坝监控视频、水位、振动数据及提取特征数据、分析结果、识别结果的实时数据进行存储；
数据传输模块，与中央控制模块连接，用于通过因特网进行数据传输，传输的最大速度可达150Mb/S；
终端模块，与中央控制模块连接，用于通过云数据库服务器将采集的大坝监控视频、水位、振动数据及提取特征数据、分析结果、识别结果的实时数据传输至移动终端；
显示模块，与中央控制模块连接，用于通过显示器显示采集的大坝监控视频、水位、振动数据及提取特征数据、分析结果、识别结果的实时数据。
9.一种存储在计算机可读介质上的计算机程序产品，包括计算机可读程序，供于电子装置上执行时，提供用户输入接口以实施如权利要求权利要求1～7任意一项所述基于多传感器的大坝安全智能监测与预警方法。
10.一种计算机可读存储介质，包括指令，当其在计算机上运行时，使得计算机执行如权利要求1～7任意一项所述基于多传感器的大坝安全智能监测与预警方法。
一种基于多传感器的大坝安全智能监测与预警系统及方法
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 用于对运动信息进行编码和解码的方法以及用于对运动信息进行编码和解码的设备 | 2020-05-08 | 904 |
| 针对电子器件的具有数个接线模块的模块式端子排 | 2020-05-08 | 430 |
| 用于为可编程逻辑控制器提供服务的方法和装置 | 2020-05-11 | 510 |
| 用于当取回像素核时降低存储器延迟的方法、系统和设备 | 2020-05-08 | 968 |
| 柔性和多层电致变色器件及其制造方法 | 2020-05-11 | 302 |
| 半导体模块单元 | 2020-05-08 | 38 |
| 管理基于区块链的中心化账本系统 | 2020-05-08 | 728 |
| 用于数据传输的方法、发送端设备和接收端设备 | 2020-05-08 | 969 |
| 用户装置及基站装置 | 2020-05-08 | 109 |
| 编码方法、解码方法、编码设备和解码设备 | 2020-05-08 | 230 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
