【技术实现步骤摘要】
本专利技术属于隧道安全，尤其涉及基于一种面向隧道安全的安全步距监测方法及系统。
技术介绍
1、隧道施工过程中，需要实时监测隧道内部的位移、应变等结构参数以及温度、湿度等环境参数，以确保施工安全和质量。然而，隧道内部环境复杂，传感器布设位置和数量受限，数据传输面临信号衰减和干扰等问题。同时，隧道施工是一个动态过程，监测系统需要根据施工进度和环境变化实时调整传感器布局和数据传输路径，以保证监测数据的实时性和准确性。
2、此外，海量监测数据的处理和分析也对系统的计算能力和存储能力提出了挑战。
3、如何在有限的传感器资源条件下，优化传感器布设方案，建立稳定可靠的数据传输通道，并从海量监测数据中快速识别异常情况，是隧道施工安全监测系统面临的关键技术问题。
技术实现思路
1、本专利技术的目的是提出一种面向隧道安全的安全步距监测方法及系统，通过运用多传感器数据融合、自适应路由算法、边缘计算、机器学习等技术，构建一套智能化的隧道施工安全监测系统，为隧道施工的安全和质量提供可靠的技术保障。
2、为了达到上述目的，在本专利技术的第一方面提供了一种面向隧道安全的安全步距监测方法，所述方法包括：
3、s1、根据隧道施工进度和环境变化，动态优化传感器布设方案，通过根据传感器的布设位置、布设数量、数据传输路径设计多目标优化算法，并根据优化结果实时调整传感器布局；
4、s2、根据优化后的传感器布局，针对隧道内部边缘传感器设备与服务器之间的无线传输环境，
5、s3、在传感器边缘节点处部署边缘计算模块，在边缘计算模块中对采集的监测数据进行预处理和压缩，并进行数据降维和特征提取；
6、s4、根据提取到的特征构建隧道环境和设备状态的数字孪生模型，通过物理信息和虚拟信息的实时交互，实现对隧道施工过程的全面感知和动态跟踪，对传感器的监测数据进行融合分析，及时发现异常情况，为安全预警提供依据；
7、s5、根据在数字孪生模型中使用传感器的检测数据，采用增量学习算法，对传感器的监测数据进行在线分析，根据新采集的数据样本，动态更新异常检测模型，自适应调整预警阈值；
8、s6、综合运用多传感器数据融合技术，将隧道内不同类型、不同位置的传感器数据进行关联分析，通过数据冗余和互补，对隧道施工安全状态的全面评估；
9、s7、建立基于云边协同的数据处理架构，将海量监测数据分层存储和计算，边缘侧负责数据的实时处理和分析，云端负责数据的长期存储和挖掘，通过云边协同，实现监测数据的高效管理和利用，为隧道施工安全提供全面的数据支撑。
10、进一步地，所述s1、具体包括：
11、获取隧道施工进度和环境变化数据，根据预设的评估规则判断是否需要调整传感器布设方案，评估规则为预设的指标是否超出预设阈值；
12、若需要调整，则触发传感器布设方案的动态优化流程；
13、通过多目标优化算法，以传感器布设位置、布设数量和数据传输路径为优化变量，以监测数据质量、传输时延和能耗为优化目标，建立传感器布设优化模型；
14、采用粒子群优化算法求解传感器布设优化模型，输出优化的传感器布局方案；根据优化得到的传感器布设方案，生成传感器布设调整指令，将指令下发到相应的传感器节点：
15、对于需要新增的传感器节点，控制其部署和数据采集行为；
16、对于需要移除的传感器节点，控制其停止数据采集并从网络中移除；
17、对于需要调整位置或数据传输路径的传感器节点，控制其执行相应的调整操作；
18、在隧道施工和环境监测过程中，获取各传感器节点采集的监测数据，对数据进行清处理，通过数据处理，评估当前传感器布设方案的适应性：
19、若在监测过程中发现数据质量下降和传输时延增大或能耗异常，即数据质量指标低于预设阈值和传输时延超过预设阈值或能耗超过预设阈值，则重新触发传感器布设优化流程，动态调整传感器布设，保障监测系统的可靠运行；
20、跟踪隧道施工进度和环境变化情况，根据监测需求的变化，每隔一定时间触发一次传感器布设优化，同时在监测过程中发现传感器布设不适应当前需求时，也触发传感器布设优化；
21、通过定期和不定期的优化，动态适应传感器布设方案。
22、进一步地，所述粒子群优化算法的步骤包括：
23、初始化粒子群，计算每个粒子的适应度，更新粒子的位置和速度，直到满足终止条件；
24、粒子的位置向量表示传感器布设方案，适应度函数根据优化目标来设计；
25、通过迭代优化，得到满足监测需求的最优传感器布设方案，确定每个传感器的布设位置、布设数量和数据传输路径。
26、进一步地，所述s2，具体包括：
27、根据隧道内部的无线信号传输环境参数，获取多个实时链路质量评估指标；
28、对获取的链路质量评估指标数据进行预处理，提高数据质量；
29、将预处理后的链路质量评估指标数据输入至预先构建的基于长短期记忆神经网络的链路质量预测模型中，通过该模型计算得到各候选传输路径未来一段时间内的预测链路质量值；
30、根据预测的各候选传输路径的链路质量值，结合预设的链路质量阈值，采用模糊层次分析法，综合考虑链路带宽和时延，对各候选传输路径的综合传输性能进行评分，得到各候选传输路径的综合评分值；
31、将候选传输路径按照综合评分值由高到低进行排序，选取综合评分值最高的候选传输路径作为当前最优数据传输路径；
32、若当前最优传输路径的综合评分值低于预设的路径切换阈值，则触发路径切换机制，选取排序结果中综合评分次高的候选传输路径作为新的最优数据传输路径，并将数据传输切换至该路径上；
33、在数据传输过程中，监测当前链路的传输质量，获取实时链路质量参数：
34、当链路质量下降到预设阈值以下持续超过一定时间时，重新触发自适应路由算法，更新链路质量预测模型，动态选择最优传输路径；
35、同时针对隧道内部存在的无线信号干扰因素，采用最小均方误差自适应滤波算法实时调整接收信号的均衡系数。
36、进一步地，所述s3，具体包括：
37、若传感器节点采集的监测数据量较大，则将边缘计算模块部署在传感器节点处，对监测数据进行预处理和压缩，通过数据降维和特征提取，减少数据传输量：
38、首先，根据预处理后的监测数据特征，采用主成分分析法进行数据降维，提取数据的主要特征，去除冗余信息，降低数据维度；
39、然后，将主成分分析提取的主要特征作为输入，通过lzw无损压缩算法对数据进行压缩编码；
40、根据边缘计算模块的cpu和内存资源以及监测数据的实时本文档来自技高网...
【技术保护点】
1.一种面向隧道安全的安全步距监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述S1、具体包括：
3.根据权利要求2所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述粒子群优化算法的步骤包括：
4.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述S2，具体包括：
5.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述S3，具体包括：
6.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述S4，具体包括：
7.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述S5，具体包括：
8.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述S6，具体包括：
9.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述S7，具体包括：
10.一种面向隧道安全的安全步距监测系统，其特征在于，所
...【技术特征摘要】
1.一种面向隧道安全的安全步距监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述s1、具体包括：
3.根据权利要求2所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述粒子群优化算法的步骤包括：
4.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述s2，具体包括：
5.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述s3，具体包括：
【专利技术属性】
技术研发人员：马义安，徐新，庞晓林，张仁宏，穆鹏，王森，姜智国，蔡养弟，张朋辉，耿庆军，渠昌，
申请(专利权)人：中铁二十局集团有限公司，
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。