基于多传感器和人工智能的高支模安全监测方法和系统与流程

本发明涉及高支模监测技术领域，具体而言，涉及基于多传感器和人工智能的高支模安全监测方法和系统。

背景技术：

高支模是指支模高度大于或等于8m时的支模作业。随着社会经济的发展，建筑工程的规模越来越大，越来越多的工程建设需要采用高支模。高支模的高度从几米到十几米，有的甚至高达几十米。一方面，高支模施工作业，比较容易发生高处坠落事故，造成人员的伤亡，更为严重的是在施工过程中，如果支模系统发生坍塌，会造成在上面作业人员的群死群伤，酿成较大、甚至重大的施工安全事故。因此，高支模的安全监测具有重大的安全意义和价值。现有的高支模相关的安全监测方法对高支模的监测数据较少，不能准确地监测高支模的安全状态。

技术实现要素：

本发明的目的在于提供一种基于多传感器的高支模安全监测方法和系统，其能够监测高支模的安全状态，提前预报可能发生的灾害。

本发明的第一方面，提供一种关于基于多传感器的高支模安全监测方法用于高支模的安全监测，所述基于多传感器和人工智能的高支模安全监测方法包括：

获取所述高支模的参数信息；

将所述参数信息输入高速运算平台的卷积神经网络，输出高支模的状态信息；

将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。

进一步地，所述参数信息包括角度信息、位移信息和重量信息。

进一步地，所述基于多传感器和人工智能的高支模安全监测方法包括：

获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组；

将所述参数信息组输入至高速运算平台的卷积神经网络，输出高支模的状态信息；

将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管；

和/或，所述基于多传感器和人工智能的高支模安全监测方法包括：

获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组；

将所述参数信息组中的每个参数分别输入至高速运算平台的对应的卷积神经网络，输出高支模的状态信息；

将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。

进一步地，所述参数信息还包括角度信息的变化速度、位移信息的变化速度和重量信息的变化速度。

进一步地，所述传感器包括拉绳式位移传感器、称重传感器和倾角传感器。

本发明的第二方面，提供一种基于多传感器和人工智能的高支模安全监测系统，用于高支模的安全监测，所述基于多传感器和人工智能的高支模安全监测系统包括：

传感器组：用于获取所述高支模的参数信息，并将所述参数信息输入高速运算平台；

高速运算平台：用于将获取到的参数信息输入至的卷积神经网络，输出高支模的状态信息，并将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。

进一步地，所述参数信息包括角度信息、位移信息和重量信息。

进一步地，所述系统包括：

传感器组：获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组，并将所述参数信息组输入高速运算平台；

高速运算平台：将获取到的参数信息组输入至的卷积神经网络，输出高支模的状态信息，并将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管；

和/或，所述系统包括：

传感器组：获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组，并将所述参数信息组输入高速运算平台；

高速运算平台：将所述参数信息组中的每个参数分别输入至高速运算平台的对应的卷积神经网络，输出高支模的状态信息，并将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。

进一步地，所述参数信息还包括角度信息的变化速度、位移信息的变化速度和重量信息的变化速度。

进一步地，所述传感器包括拉绳式位移传感器、称重传感器和倾角传感器。

相比现有技术，本发明提供的基于多传感器的高支模安全监测方法的有益效果是：

通过高支模的参数信息输入至高速运算平台，不仅实现多点异地同时传输以适用于不同应用场景，而且基于人工智能算法(卷积神经网络)进行风险分析(状态信息)，并上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。另外，通过本发明提供的基于多传感器的高支模安全监测方法能够监测高支模的安全状态，提前预报可能发生的灾害。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍。应当理解，以下附图仅示出了本发明的某些实施例，因此不应被看作是对范围的限定。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，还可以根据这些附图获得其他相关的附图。

图1为本发明一示例性实施例提供的基于多传感器和人工智能的高支模安全监测方法的流程框图。

图2为本发明一示例性实施例提供的基于多传感器和人工智能的高支模安全监测系统的连接框图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述。显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。

因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。

在本发明的描述中，需要理解的是，术语“上”、“下”、“内”、“外”、“左”、“右”等指示的方位或位置关系为基于附图所示的方位或位置关系，或者是该发明产品使用时惯常摆放的方位或位置关系，或者是本领域技术人员惯常理解的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的设备或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。

此外，术语“第一”、“第二”等仅用于区分描述，而不能理解为指示或暗示相对重要性。

在本发明的描述中，还需要说明的是，除非另有明确的规定和限定，“设置”、“连接”等术语应做广义理解，例如，“连接”可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接连接，也可以通过中间媒介间接连接，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本发明中的具体含义。

下面结合附图，对本发明的具体实施方式进行详细说明。

本实施例提供了一种基于多传感器的高支模安全监测方法，其能够监测高支模的安全状态，提前预报可能发生的灾害。

需要说明的是，本示例性实施例提供的基于多传感器的高支模安全监测方法用于对高支模的安全监测，通过本实施例提供的基于多传感器的高支模安全监测方法，能够提前预报高支模可能发生的灾害。

请参阅图1，本示例性实施例提供的基于多传感器的高支模安全监测方法包括以下步骤：

s100：获取高支模的参数信息。

可选地，参数信息可以包括角度信息、位移信息和重量信息。其中，角度信息可以为高支模的倾斜角度，位移信息可以为高支模的位移距离，重量信息可以为高支模的承重压力。进一步地，高支模的倾斜角度、移动距离和承重压力能够在三个方面反映高支模的安全状态。

可选地，可以通过相应的传感器获取上述角度信息、位移信息和重量信息，比如通过拉绳式位移传感器获取高支模的位移信息，通过称重传感器获得高支模的重量信息。通过倾角传感器获取高支模的角度信息。

s200：将所述参数信息输入高速运算平台的卷积神经网络，输出高支模的状态信息。

需要说明的是，参数信息可以包括角度信息、位移信息和重量信息。

卷积神经网络为经过训练的卷积神经网络。

可选地，卷积神经网络分为两种，需要分别进行训练：

(1)第一种为将角度信息、位移信息和重量信息三者数据共同作为同一个卷积神经网络的输入。对应地，所述方法包括：

获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组；

将所述参数信息组输入至高速运算平台的卷积神经网络，输出高支模的状态信息。

(2)第一种为将角度信息、位移信息和重量信息三者数据分别作为三个卷积神经网络的输入。对应地，所述方法包括：

获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组；

将所述参数信息组中的每个参数分别输入至高速运算平台的对应的卷积神经网络，输出高支模的状态信息。

s300：将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。

从而实现上级对下级部门监管，总部对地方区域监管。

进一步地，当高支模处于不安全状态时，可以采用报警等方式提醒用户，以做好安全撤离或者进行再一次检查。

可选地，在本示例性实施例中，所述参数信息还包括角度信息的变化速度、位移信息的变化速度和重量信息的变化速度。

也就是说，在本示例性实施例中，在高支模出现异常的初始状态下，参数信息的变化量不大，而可以考虑对其变化量的变化速度进行监测。该变化速度由参数信息计算得到。

请参阅图2，本申请又示例性实施例提供一种基于多传感器和人工智能的高支模安全监测系统，用于高支模的安全监测，与所述方法具有相同的发明构思，因此与所述方法类似的部分不进行赘述。所述基于多传感器和人工智能的高支模安全监测系统包括：

传感器组：用于获取所述高支模的参数信息，并将所述参数信息输入高速运算平台；

高速运算平台：用于将获取到的参数信息输入至的卷积神经网络，输出高支模的状态信息，并将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。

更优地，在本示例性实施例中，所述参数信息包括角度信息、位移信息和重量信息。

更优地，在本示例性实施例中，所述系统包括：

传感器组：获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组，并将所述参数信息组输入高速运算平台；

高速运算平台：将获取到的参数信息组输入至的卷积神经网络，输出高支模的状态信息，并将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管；

和/或，所述系统包括：

传感器组：获取包括角度信息、所述位移信息和所述重量信息在内的打包的参数信息组，并将所述参数信息组输入高速运算平台；

高速运算平台：将所述参数信息组中的每个参数分别输入至高速运算平台的对应的卷积神经网络，输出高支模的状态信息，并将所述状态信息上传至总部的ai超算处理平台，平台处理后分级预警，实现总部对地方区域监管。

更优地，在本示例性实施例中，所述参数信息还包括角度信息的变化速度、位移信息的变化速度和重量信息的变化速度。

更优地，在本示例性实施例中，所述传感器包括拉绳式位移传感器、称重传感器和倾角传感器。

本示例性实施例提供的基于多传感器的高支模安全监测方法和系统的有益效果：通过高支模的参数信息得到其安全数据，并将安全数据与预设数据对比，得到高支模的状态信息。高支模的状态信息可以为安全状态或者不安全状态。通过本实施例提供的基于多传感器的高支模安全监测方法能够监测高支模的安全状态，提前预报可能发生的灾害。

以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。