一种自动适配的楼宇物联网监控方法及系统与流程

本发明涉及物联网监控领域，尤其涉及一种自动适配的楼宇物联网监控方法及系统。

背景技术：

1、为了确保楼宇的安全、可靠性和高效性，楼宇监控和管理变得至关重要。

2、传统的楼宇监控方法通常依赖于人工巡检和手动数据收集，这不仅费时费力，还容易出现遗漏和不准确性。随着物联网（iot）和数字技术的快速发展，自动适配的楼宇物联网监控方法应运而生，它通过结合激光扫描、有限元模型、深度学习和自动化技术，为楼宇监控和管理提供了全新的解决方案。

技术实现思路

1、本发明提供了一种自动适配的楼宇物联网监控方法及系统，用于提高对监控设备适配的效率以及准确度进而保障对楼宇的监控效果，并且提高楼宇的安全系数。

2、本发明第一方面提供了一种自动适配的楼宇物联网监控方法，所述自动适配的楼宇物联网监控方法包括：

3、通过激光扫描获取目标楼宇的三维结构数据，并根据所述三维结构数据构建所述目标楼宇的楼宇数字有限元模型；

4、根据所述楼宇数字有限元模型创建所述目标楼宇的初始模拟监控点集，并通过预置的plc对所述初始模拟监控点集进行有效性验证和优化，得到目标模拟监控点集；

5、通过所述plc，获取所述目标模拟监控点集对应的监控参数数据集，并对所述监控参数数据集进行特征提取，得到监控特征数据集；

6、将所述监控特征数据集输入预置的楼宇异常分析模型进行楼宇监控数据异常分析，得到异常分析结果。

7、结合第一方面，在本发明第一方面的第一种实现方式中，所述通过激光扫描获取目标楼宇的三维结构数据，并根据所述三维结构数据构建所述目标楼宇的楼宇数字有限元模型，包括：

8、通过预置的激光扫描设备对目标楼宇进行三维激光扫描，并获取所述目标楼宇的多角度楼宇图像数据；

9、对所述多角度楼宇图像数据进行载荷区域分割，得到多个楼宇载荷区域图像；

10、对所述多个楼宇载荷区域图像进行数字化信息提取，得到载荷区域坐标和几何信息；

11、根据所述载荷区域坐标和所述几何信息对所述多个楼宇载荷区域图像进行像素点筛选，得到楼宇像素点数据；

12、根据所述楼宇像素点数据对所述目标楼宇进行三维重建，得到三维结构数据；

13、对所述三维结构数据进行网格离散化处理，得到离散网格，并获取所述目标楼宇的结构元素；

14、根据所述结构元素，对所述离散网格进行网格优化，生成楼宇数字有限元模型。

15、结合第一方面，在本发明第一方面的第二种实现方式中，所述根据所述楼宇数字有限元模型创建所述目标楼宇的初始模拟监控点集，并通过预置的plc对所述初始模拟监控点集进行有效性验证和优化，得到目标模拟监控点集，包括：

16、根据所述楼宇数字有限元模型对所述目标楼宇进行力学性能分析，得到楼宇力学性能特征，并根据所述楼宇力学性能特征创建所述目标楼宇的初始模拟监控点集；

17、通过预置的plc建立与所述初始模拟监控点集之间的通信连接，并在模拟环境中对所述初始模拟监控点集进行运行验证，得到所述初始模拟监控点集的运行验证数据集；

18、对所述运行验证数据集进行有效性分析，得到有效性分析结果，并根据所述有效性分析结果对所述初始模拟监控点集进行群体初始化，得到初始化模拟监控点群体；

19、通过预置的遗传算法，对所述初始化模拟监控点群体进行模拟监控点最优化分析，生成目标模拟监控点集。

20、结合第一方面，在本发明第一方面的第三种实现方式中，所述根据所述楼宇数字有限元模型对所述目标楼宇进行力学性能分析，得到楼宇力学性能特征，并根据所述楼宇力学性能特征创建所述目标楼宇的初始模拟监控点集，包括：

21、根据所述楼宇数字有限元模型对所述目标楼宇进行力学性能分析，得到楼宇力学性能数据；

22、对所述楼宇力学性能数据进行特征解析，得到楼宇力学性能特征；

23、根据所述楼宇力学性能特征创建所述目标楼宇的初始模拟监控点集。

24、结合第一方面，在本发明第一方面的第四种实现方式中，所述通过预置的遗传算法，对所述初始化模拟监控点群体进行模拟监控点最优化分析，生成目标模拟监控点集，包括：

25、通过预置的遗传算法，分别计算所述初始化模拟监控点群体中多个第一候选模拟监控点集的适应度，得到每个第一候选模拟监控点集的第一适应度；

26、根据所述每个第一候选模拟监控点集的第一适应度，对所述多个第一候选模拟监控点集进行群体划分，得到已感染群体、易感染群体以及未感染群体；

27、对所述已感染群体进行繁殖和变异操作，并对所述易感染群体以及所述未感染群体进行遗传、繁殖和变异操作，得到多个第二候选模拟监控点集；

28、分别计算每个第二候选模拟监控点集的第二适应度，并根据所述第二适应度对所述多个第二候选模拟监控点集进行最优化分析，得到目标模拟监控点集。

29、结合第一方面，在本发明第一方面的第五种实现方式中，所述通过所述plc，获取所述目标模拟监控点集对应的监控参数数据集，并对所述监控参数数据集进行特征提取，得到监控特征数据集，包括：

30、通过所述plc，获取所述目标模拟监控点集对应的监控参数数据集；

31、对所述监控参数数据集进行数据清洗和参数标准化处理，得到标准参数数据集；

32、根据多个监控参数类型，对所述标准参数数据集进行参数聚类，得到每个监控参数类型对应的标准参数数据；

33、对每个监控参数类型对应的标准参数数据进行时序关联处理，得到每个监控参数类型对应的时序标准参数；

34、对每个监控参数类型对应的时序标准参数进行曲线拟合，得到每个监控参数类型对应的目标监控曲线；

35、分别对所述目标监控曲线进行曲线特征提取，得到每个监控参数类型对应的曲线特征集合；

36、根据每个监控参数类型对应的曲线特征集合，生成对应的监控特征数据集。

37、结合第一方面，在本发明第一方面的第六种实现方式中，所述将所述监控特征数据集输入预置的楼宇异常分析模型进行楼宇监控数据异常分析，得到异常分析结果，包括：

38、对所述监控特征数据集进行归一化处理，得到多个归一化监控特征，并对所述多个归一化监控特征进行向量编码，生成目标监控特征向量；

39、将所述目标监控特征向量输入预置的楼宇异常分析模型，其中，所述楼宇异常分析模型包括两层卷积长短时记忆网络、全连接层以及输出层；

40、通过所述两层卷积长短时记忆网络对所述目标监控特征向量进行高维特征提取，得到高维监控特征向量；

41、通过所述全连接层对所述高维监控特征向量进行异常概率预测，得到异常概率预测值；

42、构建异常概率与异常结果之间的映射关系表，并根据所述异常概率预测值匹配所述映射关系表，通过所述输出层输出对应的异常分析结果，其中，所述异常分析结果包括：异常类型、位置以及异常原因。

43、本发明第二方面提供了一种自动适配的楼宇物联网监控系统，所述自动适配的楼宇物联网监控系统包括：

44、获取模块，用于通过激光扫描获取目标楼宇的三维结构数据，并根据所述三维结构数据构建所述目标楼宇的楼宇数字有限元模型；

45、创建模块，用于根据所述楼宇数字有限元模型创建所述目标楼宇的初始模拟监控点集，并通过预置的plc对所述初始模拟监控点集进行有效性验证和优化，得到目标模拟监控点集；

46、特征提取模块，用于通过所述plc，获取所述目标模拟监控点集对应的监控参数数据集，并对所述监控参数数据集进行特征提取，得到监控特征数据集；

47、分析模块，用于将所述监控特征数据集输入预置的楼宇异常分析模型进行楼宇监控数据异常分析，得到异常分析结果。

48、本发明第三方面提供了一种自动适配的楼宇物联网监控设备，包括：存储器和至少一个处理器，所述存储器中存储有指令；所述至少一个处理器调用所述存储器中的所述指令，以使得所述自动适配的楼宇物联网监控设备执行上述的自动适配的楼宇物联网监控方法。

49、本发明的第四方面提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当其在计算机上运行时，使得计算机执行上述的自动适配的楼宇物联网监控方法。

50、本发明提供的技术方案中，通过激光扫描获取目标楼宇的三维结构数据，并根据三维结构数据构建目标楼宇的楼宇数字有限元模型；根据楼宇数字有限元模型创建目标楼宇的初始模拟监控点集，并通过预置的plc对初始模拟监控点集进行有效性验证和优化，得到目标模拟监控点集；通过plc，获取目标模拟监控点集对应的监控参数数据集，并对监控参数数据集进行特征提取，得到监控特征数据集；将监控特征数据集输入预置的楼宇异常分析模型进行楼宇监控数据异常分析，得到异常分析结果，本发明利用激光扫描、有限元模型、深度学习，实现了楼宇监控的自动化和智能化。相对于传统的人工巡检，它能够大大提高监控效率，实时监测楼宇状态，降低了监控和维护成本。通过数字有限元模型，能够准确地模拟楼宇在不同工况下的响应。这提供了更准确的监控数据，有助于及早发现结构问题、异常情况或性能下降，并采取及时的措施进行修复和改进。自动适配的监控点集与plc的结合使得监控数据可以实时传输和分析。发现异常，系统可以立即发出预警，有助于防止潜在危险的发生，并减少损失。通过深度学习模型，该方法可以对监控数据进行高维特征提取和分析。这种深度分析有助于更深入地理解楼宇的行为，检测隐含的问题，并提供详细的异常分析结果，包括异常类型、位置和原因。监控点集的优化和plc的自动验证，使得系统能够自动化地调整监控点和参数，以适应不同的工况和需求，进而提高了对监控设备适配的效率以及准确度进而保障了对楼宇的监控效果，并且提高了楼宇的安全系数。