基于大数据的建筑结构健康监测系统设计

2024-05-13豆旺

科学与信息化 2024年9期

豆旺

四川建筑职业技术学院工程管理系四川德阳 618000

引言

建筑物与人民生活和生命财产安全息息相关，一些建筑物，比如桥梁、高层建筑、居民房屋等，一旦发生安全事故，会造成不可估量的人身安全和财产损失，事故的原因，相当大的部分是因为建筑结构受损、健康状况不理想。建筑物的施工和使用时间长、结构复杂，自然因素或长期应力损伤，会给建筑结构造成不可逆转的破坏，需要建筑结构监测技术对土木工程的结构进行监测、提前预警。

1 建筑结构健康监测系统设计的原则

基于大数据的土木工程结构监测系统设计需要遵循安全可靠性原则、准确和实时性原则、长期稳定性原则、可扩展性原则和用户友好性原则，这些原则将有助于确保系统的可靠性、稳定性和易用性。

1.1 安全可靠性原则

安全可靠性是基于大数据的建筑结构监测系统设计的一个重要原则。系统涉及大量敏感数据和关键信息，如建筑结构的物理量、环境参数、健康状况等。因此，必须采用一系列技术手段来确保系统的信息安全性，比如数据加密、身份认证、访问控制等。此外，对于传感器设备选型、布置和维护也需要考虑安全问题，所以应选择具有稳定性和可靠性的传感器设备，并采取适当的防护措施，以避免恶意攻击和非法入侵。

1.2 准确和实时性原则

系统需要对建筑结构进行实时监测，并提供高精度的预测和诊断能力，因此，必须对传感器设备选型、布置、维护和校准等问题进行仔细研究和优化，以确保监测数据的准确性和实时性，此外，还需要考虑数据采集和传输的速度和稳定性问题，所以应使用高速传输线路和云计算技术，以加快数据处理和分析速度，并确保数据可靠地传输到云端数据库中。

1.3 长期稳定性原则

由于建筑结构通常具有较长的使用寿命，因此，该系统需要考虑长期稳定性问题，为此，应对数据存储、备份、迁移和恢复等方面进行规划和优化，确保系统能够长时间稳定运行，此外，对于硬件设备的维护和更新也需要考虑长期稳定性问题，所以应选择具有可靠性和耐用性的传感器设备，并定期进行维护和更换。

1.4 可扩展性原则

随着新的技术和设备的引入，该系统需要具备良好的可扩展性，以适应未来变化和需求的增加，因此，应采用模块化设计、开放式接口、云计算等技术手段，实现系统的扩展和升级，此外，对于数据存储和管理也需要考虑可扩展性问题，所以应采用分布式架构和云计算技术，以适应未来数据量的增长和数据中心的扩展。

2 建筑结构健康监测系统设计的功能和目标

基于大数据的建筑结构健康监测系统是一种综合性的软硬件系统，其主要功能目标是实现对建筑结构的实时监测、数据的存储和管理，异常预警和诊断，提供可视化监测界面，同时还需要具备用户管理功能和报表统计和分析功能，实现并提高建筑结构的安全性和可靠性。

2.1 实时监测

该系统主要目标是实现对建筑结构的实时监测。通过配备高精度的传感器设备，对建筑结构的物理量、环境参数、健康状况等进行实时监测。同时，采用云计算等技术手段，将监测数据传输到云端数据库中，以实现数据的集中存储和管理。

2.2 进行异常预警和诊断

系统设计的另一个重要目标是进行异常预警和诊断。通过对监测数据进行分析和处理，可以发现土木工程结构的异常变化，如变形、裂缝等，及时进行预警和诊断，提供相应的解决方案和建议。

2.3 可视化监测界面

为了方便用户使用和操作，该系统还需要提供可视化监测界面。通过图形化界面和交互式设计，用户可以直观地了解建筑结构的监测数据、趋势和分析结果，更好地进行决策和管理。为了方便用户了解建筑结构的状况，系统需要具备报表统计和分析功能，生成各种报表和图表，以展现建筑结构监测的结果和趋势。

2.4 数据的存储和管理

基于大数据的建筑结构健康监测系统需要实现对大量数据的存储和管理。通过采用云计算等技术手段，实现数据的集中存储和管理，并提供相应的数据备份、恢复和迁移服务，以确保数据的安全可靠性和长期稳定性。

2.5 用户管理

系统还需要具备用户管理功能，包括用户注册、登录、权限控制、数据查询与下载等。这些功能可以提高系统的安全性和可用性，同时也方便用户使用和操作。

3 建筑结构健康监测系统总体设计

基于大数据的建筑结构健康监测系统采用传感器、云计算、大数据等技术，对建筑结构进行长期、全面、动态监测和分析，提供精准预警和诊断的先进系统。其总体设计包括数据采集与传输、数据存储与管理、数据分析与挖掘、预警与诊断和用户界面与交互等部分，旨在提供精准、全面、高效的建筑结构健康监测和管理[1]。

3.1 数据采集与传输

在建筑结构上安装多种类型的传感器进行实时监测，如加速度计、位移传感器、应变计、沉降传感器等，采集各种物理量和环境参数，并将其传输到云端数据库中，同时，还要考虑传感器的选型、布局、标定和定位等问题。

3.2 数据存储与管理

为了保证数据质量和可靠性，需要建立完善的数据管理平台，包括数据存储、数据备份、数据清洗、数据校验和数据质量控制等，把采集到的监测数据进行分类、整理和存储，以便后续的分析和处理。

3.3 数据分析与挖掘

使用各种大数据技术对采集到的数据进行分析和挖掘，从中提取出有用的信息和特征。常见的技术包括机器学习、深度学习、神经网络、数据挖掘等，目前最流行的是采用机器学习技术来构建结构健康预测、损伤诊断和失效分析模型。

3.4 预警与诊断

实时监测建筑结构的健康状况，根据预设的安全阈值进行预警和报警。同时，通过对采集到的数据进行分析和处理，能够对建筑结构的损伤和失效情况进行准确地诊断和预测，以提供及时的维护和修复建议。

3.5 用户界面与交互

具有友好简洁的用户界面和交互方式，便于用户直观地了解建筑结构的健康状态和监测数据。为此，可以借助可视化技术、图形化界面和交互设计等手段来实现数据的可视化呈现和操作[2-3]。

4 监测系统硬件构成

4.1 传感器

传感器是土木工程结构监测系统中最重要的硬件之一，有位移传感器、应变传感器、压力传感器、加速传感器、张力传感器、温度和湿度传感器等，需要具备高精度、高灵敏度、低功耗、长寿命等特点，以确保数据的及时、准确地采集和传输，同时，还要具备防水、防尘、防爆、抗干扰等特性，以适应不同的环境条件和使用场景[4]。这些传感器负责采集建筑结构的各种物理量，并将数据传输给数据采集装置。

4.2 数据采集装置

数据采集装置是连接传感器和通信模块的重要设备，用于收集传感器采集到的数据并初步进行处理，它需要具备高精度、高速度、低功耗、可靠性等特点，同时，数据采集装置需要具备多个输入通道以连接多个传感器，并支持不同类型的传感器接口，例如模拟信号、数字信号、脉冲信号等。

4.3 通信模块

通信模块是将数据采集装置采集的数据传输到云端服务器的重要设备。通信模块可以使用无线通信技术（例如LTE、NBIoT、LoRaWAN、Wi-Fi等）或有线通信技术（例如以太网、RS-485、CAN总线等）[5]。通信模块需要具备高速率、低功耗、可靠性等特点，以确保数据的及时、准确地传输和处理。

4.4 云端服务器

云端服务器是建筑健康监测系统中最重要的硬件部分之一，它负责接收、存储、管理和处理传感器采集的大量数据。云端服务器需要具备高容量、高可用性、高安全性、高性能等特点，以满足系统对于数据存储和处理的需求，同时，还要能支持多种操作系统和数据库，提供可靠的备份和恢复机制。

5 监测系统软件设计

①数据采集模块。用于采集传感器运行状态的相关数据，包括振动、位移、压力、湿度等数据。②数据存储和管理模块。通过云端技术将采集到的数据存储到数据库中，并提供数据的备份、恢复和删除等管理功能。③数据预处理模块。针对原始数据进行去噪、滤波、校正等处理，使其更加准确可靠。④数据分析模块。采用机器学习、人工智能等算法对数据进行分析，提取结构健康状态的特征参数，并提供健康评估和预警等相关服务。⑤数据可视化模块。将数据分析结果以图表等形式呈现，方便用户查看土木结构的运行状况，并生成监测报告。⑥用户界面模块。为用户提供友好的操作界面，方便用户查询、管理、分析数据，并进行监测报告的生成和导出等相关操作。

除此之外，还可以加入数据安全保护模块，以保障敏感数据的安全性，这些模块可以协同工作，构成一个完整的基于大数据的建筑结构健康监测系统软件。

6 监测系统需要的技术支持

储存技术：包括分布式储存系统（如Hadoop、Ceph）、关系型数据库（如MySQL、Oracle）和NoSQL数据库（如MongoDB、Cassandra）。这些技术可以提供高可靠性、高可扩展性和分布式计算能力，满足建筑结构健康监测数据的储存需求。

计算技术：对大量监测数据进行并行计算和处理，需要使用诸如MapReduce、Spark等分布式计算框架，以及CUDA并行计算技术。这些技术可以提高计算效率，快速处理大规模的数据。

分析技术：包括机器学习、数据挖掘、深度学习等技术，用于从海量监测数据中提取有价值的信息，如异常检测、故障预测、质量评估等。

预警技术：利用监测数据的计算和分析结果，建立建筑结构健康模型，通过预警系统发出警报通知，提示工程师和管理人员采取相应的措施，避免事故的发生。

7 监测系统工作流程

基于大数据的建筑结构健康监测系统可以实现全方位、多层次的安全监测、自动化的风险预测和实时预警，有效地保障建筑结构的安全性和可靠性，监测系统工作流程如下图1所示。

图1 工作流程图

首先，使用大数据处理技术Hadoop系统将采集的数据存储在分布式储存系统或数据库中，保证数据的可靠性和完整性。然后，提取有效特征、去除异常数据、调整数据格式等预处理步骤，为后续的计算和分析做好准备。常用的预处理技术包括特征选择、离群点检测、数据清洗等。随后，利用分布式计算框架对大规模的监测数据进行并行计算和处理，如基于时间序列分析的振动频谱分析、位移分析、应变分析等。接着是对数据进行分析，数据分析是基于机器学习、数据挖掘等技术对处理后的数据进行分析，揭示数据背后的规律和趋势。比如通过聚类分析找出相似的结构物，通过异常检测发现可能存在的问题，通过故障诊断确定具体的故障原因。常用的分析技术包括聚类分析、分类分析、回归分析、异常检测等。根据分析结果，建立建筑结构健康模型，预测潜在的安全风险，并发出预警信号。当出现安全风险时及时发出报警通知。常用的风险预警技术包括机器学习、时间序列分析、统计分析等。而后，是将分析结果以可视化的形式呈现给工程师和管理人员，如图表、大屏幕等，方便他们进行实时监测和决策。常用的可视化技术包括数据可视化、交互式可视化、虚拟现实等。工程师和管理人员收到预警信号后，及时采取相应的措施，避免事故的发生。常用的措施处理技术包括故障排除、维修保养、结构加固等。