【技术实现步骤摘要】
基于分布式安全计算的工程建筑状态监测方法
[0001]本专利技术涉及一种基于分布式安全计算的工程建筑状态监测方法。
技术介绍
[0002]近年来,意外自然灾害及工程质量问题的事件频发,使得人们对建筑日常维护检查、风险监测重视程度的日益增加,楼宇建筑状态监测和风险感知成为了保障楼宇安全的必要技术手段。随着物联网技术飞速发展,其在楼宇建筑结构参数的实时监测应用已成为了研究热点。现有物联网监测方法大多将采集到的楼宇状态参数(如倾角、应力、裂缝位移)统一传输到云端的中心服务器并存储管理,采用统计学手段对监测数据进行特征提取,最后机器学习、深度学习等方法构建楼宇的安全模型并进行风险预警。在该监测技术在实际使用时存在以下问题:第一,对于重大的国家关键基础设备(如水电站、大坝)而言,若由中心服务集中存储表征其建筑工程结构安全的状态传感参数,极易出现隐私泄露等问题;第二,物联网边缘端提供数据采集功能的边缘设备本身存在可信问题,特别在进行传感数据运算时,存在安全隐患问题。
技术实现思路
[0003]针对上述问题,本专利技术提出 ...
【技术保护点】
【技术特征摘要】
1.一种基于分布式安全计算的工程建筑状态监测方法,其特征在于,所述方法包括以下步骤:步骤1):基于Stockwell变换核密度估计的工程建筑传感数值处理,过程如下:在工程建筑数据采集设备的边缘端,对于采集的工程建筑监测传感数据,定义为x(t),对其进行Stockwell变换,得到二维Stockwell变换时频谱;采用核密度估计对所述二维Stockwell变换时频谱|S(i,j)|进行核密度估计,得到核密度函数步骤2):基于联邦学习的工程建筑状态传感参数私有链构建,过程如下:将工程建筑边缘端数据采集设备与云端中心服务器进行多次通信迭代进行模型参数更新,采用间接协作的模型学习架构,所述数据采集设备在本地更新模型参数后,不直接向所述云端中心服务器上传训练模型的参数;每次所述工程建筑边缘端数据采集设备与所述云端中心服务器通信交互模型参数时,利用K均值算法对所述工程建筑边缘端数据采集设备边缘端的参数进行聚类,通过K均值聚类算法查找异常分布的数据点,并视作物联网端的异常攻击数据,予以剔除;引入差分隐私策略,通过向工程建筑边缘端上传数据添加拉普拉斯噪声,将原始数据进行隐匿,构建保护所述工程建筑边缘端数据采集设备隐私的联邦学习环境;步骤3):基于长短时记忆神经网络的工程建筑风险预测模型,在中心云服务器实现,包括两个步骤:a.采用小波包分解方法,对所述工程建筑边缘端数据采集设备边缘端上传数据进行预处理,其中,小波包层数选为4层...
【专利技术属性】
技术研发人员:柴昊祺,洪陈源,吴雨霖,张弈坤,傅雷,朱添田,
申请(专利权)人:浙江工业大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。