一种基于关联分析的建筑安全检测方法与流程

本发明涉及安全检测领域，尤其涉及一种基于关联分析的建筑安全检测领域。
背景技术：
随着经济不断发展，人们生活质量不断提升，我国建筑工程建设也开始了迅猛的发展，相关部门对建筑结构的安全也越来越重视。目前建筑结构的安全检测基本上是传统的检测方式，主要利用人工手段实现，但是随着建筑物越来越高，人工进行检测的手段变得越来越难以实现，而且对于建筑物的安全要求也越来越高，人工的检测存在很大的偏差，为此，为了更加精确的把握建筑结构的安全性，设计一种通过传感器采集数据基于数据分析的建筑安全检测方法是非常必要的。技术实现要素：本发明设计开发了一种基于关联分析的建筑物安全检测方法，能够用于评定建筑物安全等级，为建筑安全提供决策支持。本发明提供的技术方案为：一种基于关联分析的建筑物安全检测方法，包括：步骤一、通过传感器采集建筑物的振动数据帧、压力数据帧、温度数据帧、湿度数据帧，并对传输过来的数据帧进行信号特征提取；步骤二、根据所述特征数据，得出拟合公式来计算建筑物的安全系数；步骤三、将所述安全系数结合建筑物结构参数和建筑物材料性能参数输入模糊控制器得到建筑物的综合评价系数；步骤四、所述综合评价系数通过关联分析方法确定建筑物对应的安全等级，得到关于建筑物安全等级的数据关系模型；步骤五、利用所述数据关系模型对建筑物的安全等级进行预测分析。优选的是，在所述步骤一中对数据帧进行信号特征提取，包括：其中，f(ω)为f(t)的象函数，f(t)为f(ω)的原函数。优选的是，所述拟合公式为：其中，x为建筑物对应的安全系数，a为建筑物的振动位移，e1为建筑物所受压力值，μ为建筑物环境温度，λ为建筑物环境湿度，σ为作用系数，其数值为0.169。优选的是，所述建筑物结构参数计算公式为：其中，g为建筑物结构参数，k2为校正系数，其数值为0.894，ω为建筑物倾角，d0为建筑物表面积，v为建筑物体积，k1为受力系数。优选的是，所述建筑物材料性能参数的计算公式为：其中，ψ为建筑物材料性能参数，a为建筑物的振动位移，kb为材料硬度，l为建筑物高度，e1为建筑物所受压力值。优选的是，所述步骤三中建筑物结构参数和建筑物材料性能参数的模糊集为：{nb，nm，ns，zr，ps，pm，pb}，nb表示负大，nm表示负中，ns表示负小，zr表示零，ps表示正小，pm表示正中，pb表示正大，它们的论域为：{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}。优选的是，所述模糊控制器的输入和输出变量的隶属度函数均选择三角形隶属度函数。优选的是，所述步骤四的数据关系模型为：其中，xi为建筑物对应的安全系数，对m个建筑物进行安全系数计算，yi为建筑物对应的安全等级。本发明所述的有益效果本发明设计开发了一种基于关联分析的建筑物安全检测方法，解决了人工进行检测的手段变得越来越难以实现和人工评定不准确的问题，能够用于评定建筑物安全等级，为建筑安全提供决策支持。本发明提供的信号处理方法对数据进行特征提取，根据提取到的数据特征，利用离线训练阶段得到的关联规则进行关联判定，得到检测结果，准确性高。附图说明图1为本发明所述的基于关联分析的建筑物安全检测方法的流程图。图2为本发明所述的基于关联分析的建筑物安全检测方法的结构框图。图3为本发明所述的建筑物材料性能参数变化率信号e3的隶属度函数表。图4为本发明所述的基于关联分析的建筑物安全检测方法另一实施例的流程图。图5为本发明所述的实时数据监测框架示意图。具体实施方式下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。如图1-2所示，本发明提供的基于关联分析的建筑物安全检测方法，包括：步骤s110、通过加速度传感器、应力传感器、温湿度传感器采集建筑物的振动数据帧、压力数据帧、温度数据帧、湿度数据帧，并对传输过来的数据帧进行信号特征提取；通过无线/有线传输方式传输给信号处理模块，利用信号处理方法对传输过来的数据帧进行信号特征提取，信号处理方法具体包括：由离散傅里叶变换将信号分解成幅值谱——显示与频率对应的幅值大小；傅里叶变换公式如下：其中f(ω)为f(t)的象函数，f(t)为f(ω)的原函数；步骤s120、根据步骤s110中提取出的特征数据，得出拟合公式来计算建筑物的安全系数，拟合公式为：其中，x为建筑物对应的安全系数，a为建筑物的振动位移，e1为建筑物所受压力值，μ为建筑物环境温度，λ为建筑物环境湿度，σ为作用系数，其数值为0.169。步骤s130、将步骤s120得到的安全系数结合建筑物结构参数和建筑物材料性能参数输入模糊控制器得到建筑物的综合评价系数；建筑物结构参数计算公式为：其中，g为建筑物结构参数，k2为校正系数，其数值为0.894，ω为建筑物倾角，d0为建筑物表面积，v为建筑物体积，k1为受力系数。建筑物材料性能参数的计算公式为：其中，ψ为建筑物材料性能参数，a为建筑物的振动位移，kb为材料硬度，l为建筑物高度，e1为建筑物所受压力值。将建筑物的安全系数变化率信号e1、建筑物结构参数变化率信号e2和建筑物材料性能参数变化率信号e3输入模糊控制器，输出为建筑物的综合评价系数q。其中，e1、e2、e3、q的实际变化范围分别为[-1，1]，[-1,1]，[-1,1]，[20,60]；e1、e2、e3的离散论域均为{-6，-5，-4，-3，-2，-1，0，1，2，3，4，5，6}，q的离散论域为{0，1，2，3，4，5，6，7，8，9，10}则量化因子k1＝6/1，k2＝6/1，k3＝6/1比例因子k3＝10/40定义模糊子集及隶属函数：把建筑物的安全系数变化率信号e1分为7个模糊状态：pb(正大)，pm(正中)，ps(正小)，zr(零)，ns(负小)，nm(负中)，nb(负大)，结合经验得出建筑物的安全系数变化率信号e1的隶属度函数表，如表1所示表1建筑物的安全系数变化率信号e1的隶属度函数表e1-6-5-4-3-2-1-0+0+1+2+3+4+5+6pb000000000000.20.71.0pm0000000000.20.71.00.70.2ps00000000.10.71.00.70.100zr00000.10.71.00000000nb000.10.71.00.70.10000000nm0.20.71.00.70.2000000000ns1.00.70.200000000000建筑物结构参数变化率信号e2分为7个模糊状态：pb(正大)，pm(正中)，ps(正小)，zr(零)，ns(负小)，nm(负中)，nb(负大)，结合经验得出建筑物结构参数变化率信号e2的隶属度函数表，如表2所示。表2建筑物结构参数变化率信号e2的隶属度函数表e2-6-5-4-3-2-1-0+0+1+2+3+4+5+6pb000000000000.20.71.0pm0000000000.20.71.00.70.2ps00000000.10.71.00.70.100zr00000.10.71.00000000nb000.10.71.00.70.10000000nm0.20.71.00.70.2000000000ns1.00.70.200000000000建筑物材料性能参数变化率信号e3分为3个模糊状态：pb(正大)，pm(正中)，ps(正小)，结合经验得出建筑物材料性能参数变化率信号e3的隶属度函数表，如图3所示。建筑物的综合评价系数q分为七个模糊状态：pb(正大)，pm(正中)，ps(正小)，zr(零)，ns(负小)，nm(负中)，nb(负大)，结合经验得出建筑物的综合评价系数q的隶属的函数表，如表3所示。表3建筑物的综合评价系数q的隶属度函数表q012345678910pb000000000.20.71.0pm00000000.21.00.80.2ps0000000.81.00.200zr000000.50.50000nb000.20.81.00.800000nm0.20.81.00.80.2000000ns1.00.70.200000000模糊推理过程必须执行复杂的矩阵运算，计算量非常大，在线实施推理很难满足控制系统实时性的要求，本发明采用查表法进行模糊推理运算，模糊推理决策采用双输入单输出的方式，控制规则由下列推理语言构成：ifeisaiandecisbithenδkjisci其中，ai、bi、ci分别为ec1、ec2和q模糊子集。通过经验可以总结出模糊控制器的初步控制规则，其中参数q控制规则见表4。表4为模糊控制规则表模糊控制器根据得出的模糊值对输出信号进行解模糊化，得到输送装置的倾角，求模糊控制查询表，由于论域是离散的，模糊控制规则及可以表示为一个模糊矩阵，采用单点模糊化，求出模糊控制查询表，见表5表5模糊控制查询表步骤s140、步骤s130中的综合评价系数通过关联分析方法确定建筑物对应的安全等级，即得到建筑物检测数据和建筑物安全等级的数据关系模型；设定xi为建筑物对应的安全系数，对m个建筑物进行安全系数计算，yi为建筑物对应的安全等级,设建立建筑物检测数据和建筑物安全等级的的数据关系模型为：如图4所示，在另一实例中，基于关联分析进行建筑安全检测框架示意图。通过加速度传感器、应力传感器、温湿度传感器采集到建筑物的振动数据帧、压力数据帧、温度数据帧、湿度数据帧，通过无线/有线传输方式传输给信号处理模块，利用信号处理方法对传输过来的数据帧进行信号特征提取，信号处理方法具体包括：由离散傅里叶变换将信号分解成幅值谱——显示与频率对应的幅值大小；傅里叶变换公式如下：其中f(ω)为f(t)的象函数，f(t)为f(ω)的原函数；接着通过关联分析方法中的apriori+安全等级融合算法对训练数据进行分析，进而得到相应的关联规则；apriori+安全等级算法实施步骤：首先输入传感器采集到的数据的数据库，设定最小阈值；步骤一、扫描传感器采集数据数据库，生成候选1项集和频繁1项集。设定一个安全等级；步骤二、从2项集开始循环，由频繁k-1项集生成频繁频繁k项集，按照生成的频繁项集设定k种安全等级。步骤a.频繁k-1项集生成2项子集，这里的2项指的生成的子集中有两个k-1项集。步骤b.对由步骤a生成的2项子集中的两个项集根据上面所述的连接步进行连接，生成k项集；步骤c.对k项集中的每个项集根据如上所述的剪枝步进行计算，舍弃掉子集不是频繁项集即不在频繁k-1项集中的项集；步骤d.扫描数据库，计算步骤c中过滤后的k项集的支持度，舍弃掉支持度小于阈值的项集，生成频繁k项集。步骤三、当当前生成的频繁k项集中只有一个项集时循环结束。首先对采集的数据分为两个阶段：离线训练阶段和在线检测阶段。离线训练阶段：将先前各类传感器采集到的数据作为训练数据，通过matlab等工具，使用上述信号处理方法对数据进行特征提取，再结合经相关分析得到的标记数据，利用上述提到的关联分析方法对数据进行挖掘分析，得到相应的关联规则；在线检测阶段：将实时各类传感器采集到的数据作为实时数据，通过c语言、sql等工具，使用上述信号处理方法对数据进行特征提取，根据提取到的数据特征，利用离线训练阶段得到的关联规则进行关联判定，得到检测结果，通过辅助决策系统反馈给政府等有关部门；在基于以上描述的基础上，利用传感器读数盒读取各个传感器上传来的数据，利用无线/有线网络设施，通过windows服务器存储在数据库服务器中，再结合基于关联分析方法进行安全事件检测的框架，进行安全事件检测，将检测的结果通过数据库反馈给政府等有关部门，协助有关部门做出决策。尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。当前第1页12