一种用于高大模板安全施工的实时智能监测方法及系统技术方案

本发明专利技术公开了一种用于高大模板安全施工的实时智能监测方法及系统，涉及建筑监测技术领域。具体步骤包括如下：根据高大模板施工图纸，建立高大模板支撑体系BIM模型；利用Revit软件对所述高大模板支撑体系BIM模型进行受力分析，在水平构件受力最大处设置监测点位；根据设计的所述监测点位在现场布置传感器模块，实时监测钢管承受的压力、架体的竖向位移、倾斜度与模板沉降，得到监测信息；对所述监测信息进行分析，若存在异常情况，则生成预警信息。本发明专利技术实现了对高大模板支撑系统的各个关键环节进行监测，具有实时高效、操作方便、节省人工成本的特点。工成本的特点。工成本的特点。

【技术实现步骤摘要】
一种用于高大模板安全施工的实时智能监测方法及系统


[0001]本专利技术涉及建筑监测
，更具体的说是涉及一种用于高大模板安全施工的实时智能监测方法及系统。

技术介绍

[0002]近年来，随着我国经济的快速发展，城市化和工业化进程的加速，城市基础设施和工业民用建设总量急剧增加，在这些工程建设领域中出现了一些空间、跨度、荷载比一般工程较大，其模板支撑体系也比一般工程更加复杂，也就是高大模板工程。目前把水平构件模板支撑体系高度超过8m、或跨度超过18m、或施工总荷载大于15kN/m2、或集中线荷载大于20kN/m的模板支撑体系称为高大模板支撑体系。由于高大模板工程在施工方法方面比较复杂，每年因高大模板支撑体系造成的坍塌等事故频繁发生，造成了较大的生命和财产的损失，因此高大模板工程应引起各方人员的高度重视。
[0003]现有技术中，高大模板支撑系统的监测一般采用人工模式，利用经纬仪、水准仪对其进行监测，通过技术人员手持采集设备，对接传感器进行数据采集，主要存在以下问题：(1)监测受天气因素影响较大，不同的天气环境，观测结果有差异；(2)受人为因素较大，不同的监测人员，监测的结果会存在一定的误差；(3)消耗核对分析时间较多，易出错，存在监测准确度和监测效率较低，监测成本较高的技术问题。
[0004]因此，对本领域人员来说，如何设计一种可实时监测、智能报警的高大模板及其支撑体系的变形监测装置，是亟待解决的问题。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种用于高大模板安全施工的实时智能监测方法及系统，以解决
技术介绍
中提出的问题。
[0006]为了实现上述目的，本专利技术采用如下技术方案：一种用于高大模板安全施工的实时智能监测方法，具体步骤包括如下：
[0007]根据高大模板施工图纸，建立高大模板支撑体系BIM模型；
[0008]利用Revit软件对所述高大模板支撑体系BIM模型进行受力分析，在水平构件受力最大处设置监测点位；
[0009]根据设计的所述监测点位在现场布置传感器模块，实时监测钢管承受的压力、架体的竖向位移、倾斜度与模板沉降，得到监测信息；
[0010]对所述监测信息进行分析，若存在异常情况，则生成预警信息。
[0011]可选的，对所述监测信息进行分析的具体方式为：将所述监测信息输入到预警神经网络模型中，输出预警结果。
[0012]可选的，所述预警神经网络模型的构建过程为：
[0013]可选的，对所述数据样本进行人工标注标签，判断每一组数据是否属于故障预警数据；
[0014]S2、建立多维度卷积神经网络；
[0015]S3、利用所述训练集对所述多维度卷积神经网络进行训练，形成高大模板安全预警模型；
[0016]S4、根据所述测试集对所述高大模板安全预警模型进行性能测试，根据所述性能测试的结果判断所述高大模板安全预警模型是否存在问题，若存在问题，则重复步骤S1
‑
步骤S3，直至所述高大模板安全预警模型通过所述性能测试；
[0017]S5、将通过性能测试的高大模板安全预警模型用于实际的高大模板安全检测中，利用传感器模块采集高大模板的实时监测数据，并作为输入应用到高大模板安全预警模型中，输出所述实时监测数据对应的人工标注标签；
[0018]S6、当输出的所述人工标注标签为所述实时监测数据属于故障预警数据时，则触发报警功能，否则，不触发报警功能。
[0019]可选的，还包括将所述训练集作为所述多维度卷积神经网络的输入，并输出所述多维度卷积神经网络的预测分辨结果，并将所述预测分辨结果，与输入的所述训练集中相对应的所述人工标注标签相比较；根据所述预测分辨结果和所述人工标注标签的偏差值，对所述多维度卷积神经网络的内部参数进行调整。
[0020]另一方面，提供一种用于高大模板安全施工的实时智能监测系统，包括依次相连的模型构建模块、监测点位设置模块、现场布置模块、预警模块；其中，
[0021]所述模型构建模块，用于根据高大模板施工图纸，建立高大模板支撑体系BIM模型；
[0022]所述监测点位设置模块，用于利用Revit软件对所述高大模板支撑体系BIM模型进行受力分析，在水平构件受力最大处设置监测点位；
[0023]所述现场布置模块，用于根据设计的所述监测点位在现场布置传感器模块，实时监测钢管承受的压力、架体的竖向位移、倾斜度与模板沉降，得到监测信息；
[0024]所述预警模块，用于对所述监测信息进行分析，若存在异常情况，则生成预警信息。
[0025]可选的，所述传感器模块包括杆件倾角传感器、水平位移传感器、竖向位移传感器、杆件轴力传感器、模板沉降监测器。
[0026]可选的，还包括云计算平台和移动终端，所述云计算平台和移动终端与所述预警模块相连，预警模块将预警信息同步与所述云计算平台和移动终端。
[0027]可选的，所述传感器模块外设有保护罩。
[0028]可选的，还包括无线传输模块，所述无线传输模块与所述现场布置模块、所述预警模块相连。
[0029]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种用于高大模板安全施工的实时智能监测方法及系统，具有以下有益的技术效果：
[0030](1)实现了对高大模板支撑系统的各个关键环节进行监测，具有实时高效、操作方便的特点，并且可以节省人工成本；
[0031](2)在高大模板支撑系统发生异常时，及时发出告警信息并通过手机客户端通知到相关人员，可以解决人工监测高大模板支撑系统效率较低的问题，保证告警及时性，降低施工安全问题的发生；
[0032](3)基于BIM技术的高大模板安全监测信息系统实现了数据采集、传输、处理与分析一体化管理，将BIM模型、施工与监测信息、预报警处置机制、监测成果发布有机融合在一起，构建了高大模板监测管控可视化协同平台，大大提高监测人员责任心，有效指导高大模板施工，对高大模板工程施工过程中安全风险起到预防作用；
[0033](4)根据采集到的数据建立高大模板安全预警模型，通过多维卷积神经网络对数据进行深度挖掘，从而提高高大模板安全预警模型对安全隐患诊断的准确率。
附图说明
[0034]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0035]图1为本专利技术的方法流程图；
[0036]图2为本专利技术的施工工艺流程图；
[0037]图3为本专利技术的系统结构图。
具体实施方式
[0038]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于高大模板安全施工的实时智能监测方法，其特征在于，具体步骤包括如下：根据高大模板施工图纸，建立高大模板支撑体系BIM模型；利用Revit软件对所述高大模板支撑体系BIM模型进行受力分析，在水平构件受力最大处设置监测点位；根据设计的所述监测点位在现场布置传感器模块，实时监测钢管承受的压力、架体的竖向位移、倾斜度与模板沉降，得到监测信息；对所述监测信息进行分析，若存在异常情况，则生成预警信息。2.根据权利要求1所述的一种用于高大模板安全施工的实时智能监测方法，其特征在于，对所述监测信息进行分析的具体方式为：将所述监测信息输入到预警神经网络模型中，输出预警结果。3.根据权利要求2所述的一种用于高大模板安全施工的实时智能监测方法，其特征在于，所述预警神经网络模型的构建过程为：S1、利用传感器模块采集数据样本，并将所述数据样本分为训练集和测试集，对所述数据样本进行人工标注标签，判断每一组数据是否属于故障预警数据；S2、建立多维度卷积神经网络；S3、利用所述训练集对所述多维度卷积神经网络进行训练，形成高大模板安全预警模型；S4、根据所述测试集对所述高大模板安全预警模型进行性能测试，根据所述性能测试的结果判断所述高大模板安全预警模型是否存在问题，若存在问题，则重复步骤S1
‑
步骤S3，直至所述高大模板安全预警模型通过所述性能测试；S5、将通过性能测试的高大模板安全预警模型用于实际的高大模板安全检测中，利用传感器模块采集高大模板的实时监测数据，并作为输入应用到高大模板安全预警模型中，输出所述实时监测数据对应的人工标注标签；S6、当输出的所述人工标注标签为所述实时监测数据属于故障预警数据时，则触发报警功能，否则，不触发报警功能。4.根据权利要求3所述的一种用于高大模板安全...

【专利技术属性】
技术研发人员：孙延华，陈海旭，刘忠刚，
申请(专利权)人：贵州工程应用技术学院，
类型：发明
国别省市：