【技术实现步骤摘要】
一种建筑施工异常隐患数据检测方法及系统
[0001]本专利技术涉及异常隐患数据检测
,具体涉及一种建筑施工异常隐患数据检测方法及系统
。
技术介绍
[0002]建筑施工异常隐患数据检测就是通过对施工过程中的相关数据进行采集
、
分析和监测,以识别和预测施工中的异常情况和隐患风险,从而及时采取措施进行纠正或改进
。
而在建筑施工的异常情况和隐患风险中,机械设备故障导致的隐患占据着很大比例
。
机械设备的故障诊断可以通过对设备振动的异常检测来完成,而对振动异常的检测通常是基于局部离群因子(
Local outlier factor
,
LOF
)算法
。
[0003]LOF
算法中近邻参数
K
的选取设置对
LOF
算法的性能以及处理结果有着重大影响,较小的
K
值可能会导致过度敏感,容易将正常样本标记为异常;而较大的
k
值可能会平滑异常和正常样本之间的区别,导致漏检异常;而建筑施工过程的工作环境较为复杂,工作设备的工作特征之间也存在差异,不合适的
K
值会使得检测方法的检测结果不够准确
。
技术实现思路
[0004]为了解决
LOF
算法参数设置不合适导致对异常隐患数据检测不理想的技术问题,本专利技术的目的在于提供一种建筑施工异常隐患数据检测方法及系统,所采用的技术方案具体如下:一种 ...
【技术保护点】
【技术特征摘要】
1.
一种建筑施工异常隐患数据检测方法,其特征在于,所述方法包括:获取设备的振动信号;将所述振动信号进行分解,获得多个振动信号分量;分别对所述振动信号和振动信号分量进行分段,依次获得分段振动信号和分段振动信号分量;分析同一分段下每个所述分段振动信号分量与其他所述分段振动信号分量振动幅值的差异,获得每个所述分段振动信号分量的孤立程度;分析每个分段振动信号的离散程度,获取每个分段振动信号的受干扰程度;结合每个分段振动信号分量的孤立程度和对应的分段振动信号的受干扰程度,获得每个振动信号分量的第一权重参数;分析所有相同分段下,不同分段振动信号分量的差异性,获得所述振动信号分量的第二权重参数;根据所述第一权重参数和所述第二权重参数,获取对应振动信号分量的最终权重系数;利用
LOF
算法对所述振动信号进行异常检测,以预设初始近邻参数为起点,增大所述初始近邻参数并获取检测结果,根据不同的检测结果获得初始最优近邻参数;根据每个所述振动信号分量的所述最终权重系数对所述初始最优近邻参数进行调整,获得修正最优近邻参数;利用基于所述修正最优近邻参数的
LOF
算法对所述振动信号进行异常检测,获得异常隐患数据
。2.
根据权利要求1中所述的一种建筑施工异常隐患数据检测方法,其特征在于,所述振动信号分量
、
所述分段振动信号和所述分段振动信号分量的获取方法包括:将所述振动信号进行
EMD
分解,获得多个
IMF
振动信号分量;使用自相关函数计算每个所述振动信号分量的分量周期;以所有所述分量周期的最小公倍数作为分段周期分别对所述振动信号和振动信号分量进行分段,依次获得分段振动信号和分段振动信号分量
。3.
根据权利要求1中所述的一种建筑施工异常隐患数据检测方法,其特征在于,所述孤立程度的获取方法包括:获取每个所述振动信号分量的振幅均值作为孤立参数;选择任意所述振动信号分量为目标分量;获取目标分量的孤立参数与其他所有振动信号分量孤立参数的均值的差异,然后进行归一化,将归一化结果作为目标分量的孤立程度
。4.
根据权利要求1中所述的一种建筑施工异常隐患数据检测方法,其特征在于,所述受干扰程度的获取方法包括:利用受干扰程度计算公式获取每个分段振动信号的受干扰程度;所述受干扰程度计算公式包括:;其中为分段序号;表示第个分段振动信号的受干扰程度;表示时刻序号;表示第个分段第个时刻振动信号的振幅;第个分段振动信号的时间长度;表示第个分段振动信号的振幅均值;表示归一化函数
。5.
根据权利要求1中所述的一种建筑施工异常隐患数据检测方法,其特征在于,所述第一权重参数的获取方法包括:在每个分段下,将分段振动信号分量的孤立程度与所在分...
【专利技术属性】
技术研发人员:廖玉香,刘忠,欧阳新文,陈婷,贺姣亮,罗立铁,
申请(专利权)人:湖南省瑞大工程建设有限公司,
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。