1. Область техники, к которой относится изобретение
Изобретение относится к области автоматизированных систем мониторинга технического состояния зданий и сооружений и может быть использовано при проектировании и эксплуатации зданий и сооружений.
2. Уровень техники
Известен ряд технических решений, позволяющих проводить мониторинг зданий и сооружений.
Известен способ и система определения устойчивости зданий и сооружений [1], в котором система для определения устойчивости зданий и сооружений содержит блок ударного устройства, блок формирования электрического синхроимпульса, блок преобразования колебаний в электрический сигнал, блок аналого-цифрового преобразования электрического сигнала, блок цифрового запоминающего устройства и блок управления цифровым запоминающим устройством, блок ввода экспериментальных и/или расчетных значений поверхностной прочности, и/или объемной прочности, и/или параметров армирования элементов конструкции объекта, и/или осадков, и/или сдвигов, и/или кренов объекта, и/или глубины залегания фундамента, и/или его поверхностной прочности, и/или его объемной прочности, и/или периода собственных колебаний грунта под объектом, и/или вокруг него, измеренного, по меньшей мере, по первому тону колебаний и/или уровня грунтовых вод, блок сравнения экспериментальных данных с нормированными данными, рассчитанными для данных конструкций и материалов испытуемого объекта и состава грунта под ним и/или вокруг него и блок воспроизведения полученных данных, связанные по шинам управления и данных между собой и с остальными функциональными блоками системы.
Известна также система мониторинга технического состояния зданий и сооружений [2], содержащая блок ударного устройства, блок вибродатчиков, блок обработки и выходной информации, блок измерения ускорений колебаний объекта, и/или блок измерения скоростей колебаний объекта, и/или блок измерения амплитуд колебаний объекта, и/или блок измерения наклонов, и/или блок измерения прогибов, и/или блок измерения напряжений, и/или блок измерения нагрузок, и/или блок измерения абсолютной и неравномерной осадки, и/или блок контроля трещин, стыков и швов, и/или блок измерения геодезических параметров, блок градации выходной информации, причем выход блока вибродатчиков, и/или выход блока измерения ускорений колебаний объекта, и/или выход блок измерения скоростей колебаний объекта, и/или выход блока измерения амплитуд колебаний объекта, и/или выход блока измерения наклонов, и/или выход блока измерения прогибов, и/или выход блока измерения напряжений, и/или выход блока измерения нагрузок, и/или выход блока измерения абсолютной и неравномерной осадки, и/или выход блока контроля трещин, стыков и швов, и/или выход блока измерения геодезических параметров соединены с входом блока обработки и выходной информации, выход которого соединен с входом блока градации выходной информации.
Известны способ мониторинга и система мониторинга и прогнозирования технического состояния зданий и сооружений [3], содержащая блок ударного устройства, блок обработки и выходной информации, блок градации выходной информации, и/или датчики измерения вибраций объекта, и/или датчики измерения ускорений колебаний объекта, и/или датчики измерения скоростей колебаний объекта, и/или датчики измерения амплитуд колебаний объекта, и/или датчики измерения наклонов, и/или датчики измерения прогибов, и/или датчики измерения напряжений, и/или датчики измерения нагрузок, и/или датчики измерения абсолютной и неравномерной осадки, и/или датчики контроля трещин, стыков и швов, и/или датчики измерения геодезических параметров, датчики давления (в том числе для контроля давления объекта на грунт и/или давления грунта на объект), и/или датчики измерения деформаций, и/или датчики измерения температуры, и/или датчики измерения влажности (при этом все перечисленные выше датчики объединены в одном блоке блок датчиков и оборудования автоматизированной системы мониторинга), блок расчета параметров технического состояния объекта, блок фильтрации параметров технического состояния объекта, блок определения трендов и экстраполяции параметров технического состояния нижней части объекта, блок сравнения, пороговое устройство, блок математического моделирования и расчета параметров технического состояния верхней части объекта, блок корректировки параметров математической модели объекта, электронный ключ, блок отображения прогнозной и мониторинговой информации, причем выход блока датчиков и оборудования автоматизированной системы мониторинга соединен с входом блока расчета параметров технического состояния объекта, первый выход которого соединен с входом блока фильтрации параметров технического состояния объекта, а второй выход соединен с входом блока обработки и выходной информации, выход которого соединен с входом блока градации выходной информации, первый выход блока фильтрации параметров технического состояния объекта соединен с первым входом блока математического моделирования и расчета параметров технического состояния верхней части объекта, второй выход блока фильтрации параметров технического состояния объекта соединен с входом блока сравнения, выход блока сравнения соединен с входом порогового устройства, первый выход которого соединен с входом блока корректировки параметров математической модели объекта и первым управляющим входом электронного ключа, а второй выход соединен со вторым управляющим входом электронного ключа, выход блока корректировки параметров математической модели объекта соединен со вторым входом блока математического моделирования объекта и расчета параметров технического состояния верхней части объекта, первый выход которого соединен с входом блока сравнения, а второй выход соединен с первым входом блока отображения прогнозной и мониторинговой информации, третий вход блока математического моделирования объекта и расчета параметров технического состояния верхней части объекта соединен с выходом блока определения трендов и экстраполяции параметров технического состояния нижней части объекта, вход которого соединен с выходом электронного ключа.
Известен также способ мониторинга технического состояния строительных объектов [4], который увеличивает быстродействие способа и системы мониторинга и прогнозирования технического состояния зданий и сооружений по Патенту РФ №2381470 [3], включающий определение контролируемых элементов строительного объекта на основании анализа угроз, и/или конструктивных особенностей, и/или местоположения, и/или внешних воздействий, и/или анализа напряженно-деформированного состояния строительного объекта, формирование симметричных пар контролируемых элементов строительного объекта и/или их частей, определение контролируемых параметров, отображающих состояния сформированного множества контролируемых элементов и/или их частей, определение набора измеряемых параметров, на основании которых возможно определение контролируемых параметров, определение допустимых значений или интервалов допустимых значений контролируемых параметров, в соответствии с которыми определяют техническое состояние объекта, измерение для симметричных контролируемых элементов строительного объекта и/или их частей параметров, на основании которых определяют абсолютные и относительные значения контролируемых параметров, сравнение абсолютных значений контролируемых параметров с их допустимыми значениями или интервалами допустимых значений, а относительных контролируемых параметров с допустимой погрешностью измерений, суждение по результатам сравнения, полученным на начальном интервале времени, об адекватности математической модели объекта, при вынесении суждения по результатам сравнения о неадекватности коррекция математической модели объекта, формирование выводов о текущем техническом состоянии объекта на основе сравнения абсолютных и/или относительных значений контролируемых параметров с их допустимыми значениями или интервалами допустимых значений, заданными в виде конкретных величин или интервалов.
Известен также способ мониторинга технического состояния строительных объектов и система мониторинга состояния строительных объектов [5], который по сравнению с приведенными выше способами повышает достоверность определения конструкций, находящихся в аварийном или предаварийном состоянии, повышение точности определения состояния контролируемых конструкций и объекта в целом за счет исключения систематической ошибки измерительных приборов и возможности взаимоувязанного анализа измерений с различных приборов, повышение быстродействия за счет уменьшения массива обрабатываемой информации.
Общим недостатком перечисленных технических решений является невозможность автоматического определения причин и последствий отклонения текущих и прогнозируемых параметров, характеризующих состояние объекта, от допустимых значений, что позволило бы более точно оценивать текущее состояние объекта, исключая из данных о текущем состоянии объекта недостоверные значения, а также повысить точность и оперативность прогнозирования изменения состояния объекта мониторинга.
3. Сущность изобретения
При мониторинге состояния зданий и сооружений результаты измерений представляют собой большой массив данных и для его корректной обработки и получения достоверных результатов по оценке технического состояния объекта и выявления наиболее вероятных причин изменения напряженно-деформированного состояния строительных конструкций требуется формирование соответствующих баз данных и совместное использование технологий математического моделирования, машинного обучения и нейронных сетей.
Для решения данной задачи в состав системы мониторинга технического состояния зданий и сооружений вводится блок интеллектуальной обработки, принимающий и обрабатывающий всю информацию с сети установленных на объекте сенсоров (сенсорной сети), который реализуется на основе технологий машинного обучения и нейронных сетей.
Техническим результатом является повышение точности определения зон напряженно-деформированного состояния строительных конструкций и повышение достоверности контроля их состояния. Достижение результата обеспечивается за счет корректной обработки большого массива входящих данных от датчиков (сенсоров), автоматического определения причин и последствий отклонения текущих и прогнозируемых параметров, характеризующих состояние объекта, от допустимых значений и выявления наиболее вероятных причин изменения напряженно-деформированного состояния строительных конструкций.
Ввиду того что методы интеллектуализации принятия решений, основанные на применении моделей классического символьного искусственного интеллекта, являются малопригодными из-за ограниченности вычислительных и энергетических ресурсов, в настоящее время для решения этих задач используется подход нечеткой логики, представляющий собой набор методологий обработки информации, позволяющих работать с неточными, неопределенными и нечеткими данными и обеспечивающих построение гибких и интерпретируемых моделей, использующих субъективную экспертную информацию. Подобный подход является обобщением для вложенных, распределенных, адаптивных систем концепции мягких измерений. Мягкие измерения возникли на основе гибридизации методов мягких вычислений и математической статистики для обработки результатов разнородных измерений.
Наиболее удобным для построения интеллектуальных систем распознавания и поддержки принятия решений на основе сенсорных сетей является модель нечеткого (мягкого) сенсора, ядром которого является машина вывода, представляющая собой набор нечетких продукционных правил с блоками фаззификации и дефаззификации, осуществляющих перевод численных измерений в лингвистическую форму и наоборот. Выходом такого сенсора может быть любая функция входных параметров, например, параметры, которые трудно или невозможно измерить, результаты агрегации или слияния входных параметров, управляющие воздействия на сеть для маршрутизации или оптимизации работы сети. Построение базы знаний нечеткого сенсора осуществляется блоком интеллектуальной обработки, использующим результаты самообучения.
В рамках подобной технологии на основе аппарата нечетких вложенных систем реализована универсальная оболочка нечеткого сенсора, вложенная во все узлы сенсорной сети, которая, может аппроксимировать широкий класс из существующих алгоритмов слияния и агрегации данных. Каждый узел сети, помимо функций сбора и передачи информации, может быть запрограммирован на реализацию любой необходимой зависимости между входными и выходными переменными. В эти вершины по сети могут пересылаться параметры нечетких сенсоров - шаблоны правил. В ряде задач, например при слежении за параметрами, такие пересылки могут осуществляться вершинами самостоятельно, на основании имеющихся правил, в зависимости от состояния параметра и содержания запроса. Однако в более сложных случаях используется еще один уровень вершин-координаторов, которые управляют пересылкой знаний по сети или самообучением вершин и сети и, в общем случае, обладают данными о распределении знаний по сети, у них имеются внутренние модели среды и наблюдаемых объектов.
Универсальный инструментарий для систем интеллектуальной поддержки принятия решений в сенсорной сети может быть использован для следующих уровней обработки данных:
- сетевой уровень (маршрутизация, активные сети);
- уровень баз данных (нечеткий язык запросов);
- уровень распределенной поддержки принятия решений (слияние и агрегация данных);
- уровень распределенной базы знаний;
- уровень многоагентной системы (реактивные агенты).
Основной целью функционирования сенсорных сетей является прямой сбор большого количества данных и передача их пользователю. Собранные данные могут интерпретироваться как распределенная база данных. При таком подходе как у пользователя, так и у разработчика возникают проблемы, связанные с организацией сильно распределенных процессов обработки неточных, неполных, недоопределенных или, наоборот, избыточных сенсорных данных.
Основными факторами, оказывающими значительное влияние на функционирование сенсорных сетей и усложняющими их проектирование, являются следующие:
- узлы сенсорной сети обладают крайне ограниченными вычислительными возможностями;
- радиус коммуникации между узлами в большинстве приложений крайне ограничен и в ряде случаев ограничен ближайшими соседями;
- сенсорные сети содержит большое количество ненадежных узлов, допускающих ошибки при измерении и при передаче информации;
- сенсорная сеть должна надежно функционировать при разрушении части ее узлов;
- вершины или их отдельные каналы связи могут временно прекращать функционировать из-за изменений внешней среды и внутреннего состояния;
- в силу вышеупомянутых причин топология сенсорных сетей может постоянно меняться и включать множество дублирующих маршрутов;
- расход энергии в узлах крайне неравномерен;
- энергетические и временные затраты на передачу данных увеличиваются с увеличением размеров сети.
Пропускная способность сети лишь незначительно увеличивается в зависимости от числа вершин (увеличивается, как log N, где N - число вершин). Наиболее целесообразным выходом из этой ситуации является уменьшение потока данных через сеть за счет добавления распределенной иерархической обработки данных внутри сети и передачи пользователю лишь релевантных ответов на запрос. Существует целый спектр разнообразных алгоритмов для реализации такой обработки, зависящих от типа данных и уровня их обобщения. Но в традиционных моделях распределенной иерархической обработки каждый алгоритм, как правило, жестко связывается с соответствующей вершиной в рамках заданной топологии сети. При изменении топологии сети необходимо перепрограммирование вершин, что связано с пересылкой по сети больших объемов программного кода. Для решения данной проблемы предпочтительно заменить пересылку данных или программного кода пересылкой знаний, нужных для необходимой настройки локальных узлов.
Проблема, связанная с неравномерностью расхода энергии, решается введением соответствующих правил в заданный сенсорный узел для возможности получения им автономного решения о целесообразности его участия в сборе и передаче данных при данном состоянии среды, соседних узлов и узла, принимающего решение.
В качестве средства для решения этих задач используется универсальная оболочка нечеткого сенсора с продукционной моделью представления знаний, вложенная во все узлы сенсорной сети, которая может аппроксимировать широкий класс из существующих алгоритмов слияния и агрегации данных.
В случае, когда возникает необходимость спроектировать интеллектуальные системы поддержки принятия решений для сенсорных сетей, но в наличии имеются только численные данные, проектирование систем делается проблематичным. Одним из путей их разрешения являются нейро-нечеткие системы типа ANFIS (адаптивная нейро-нечеткая система вывода). Они обладают многими достоинствами, однако сдерживающим моментом является длительность наполнения их знаниями в процессе итеративного обучения. Другой путь-использование самообучающихся нейро-нечеткие системы типа нечетких карт Кохонена, которые не требуют создания обучающих выборок и могут обучаться в процессе функционирования сети. Кроме того, возникает возможность создания распределенной карты Кохонена на узлах сенсорной сети по принципу «один сенсор - один нейрон». В этом случает обучение и создание базы правил для одного или нескольких узлов может происходить без участия вершины-координатора.
Принцип работы нейронной сети такого типа включает описание поведения (программирования) каждого нейрона. Для описания поведения нейрона задают информацию о его входных параметрах (от 1 до n), их связях (синапсах) с управляющим блоком нейрона (ячейкой нейрона) и выходном параметре или нескольких выходных параметрах. При этом каждая связь (синапс) имеет коэффициент, который учитывает степень влияния определенного входного параметра на выходной параметр нейрона. В управляющем блоке нейрона (ячейке нейрона) происходят вычисления по заданному алгоритму на основе входных параметров и соответствующих им коэффициентов. В блоке памяти управляющего блока сенсора (ячейки нейрона) хранятся результаты предыдущих вычислений. Эти результаты используются для обучения нейронной сети и при необходимости корректировки коэффициентов для повышения точности работы нейронной сети.
Технологии нейронных сетей позволяют реализовать взаимоувязанный анализ измерений с возможностью обучения нейронной сети. Способность обучения является одним из преимуществ технологии нейронных сетей.
Обучение проводится путем подачи на вход нейронной сети параметров X с известными значениями («ожиданиями»), которым соответствует известный результат Y.
После получения результатов работы нейронной сети Yh данные результаты сравниваются с известными Y и формируется массив ошибок Е, характеризующий отличия между результатом работы нейронной сети Yн с известными результатами Y путем вычисления разницы (E=Yн-Y). Задача обучения нейронной сети состоит в минимизации массива ошибки (Е>0) путем корректировки весовых коэффициентов связей (синапсов) нейронной сети и/или алгоритмов обработки. Обучение нейронной сети проходит итерационно до достижения заданного уровня ошибки.
Необходимые для обучения нейронной сети массивы различных известных вариантов входных параметров X, характеризующих результаты измерений, и выходных параметров Y, характеризующих состояние отдельных конструктивных элементов и/или здания в целом, получают путем математического моделирования допустимых параметров отслеживаемых строительных конструкций. При этом формируется модель возможных угроз, которые влияют на техническое состояние объекта (образование дефектов в конструкциях, возникновение непроектных нагрузок, образование карстовых явлений или других неблагоприятных геологических процессов в грунте основания объекта и т.п.). Данные угрозы вносятся в математическую модель объекта, на основании которой выполняется математическое моделирование работы строительных конструкций с расчетом необходимых массивов X и Y.
Проверка адекватности модели проводится аналогично тому, как проводится обучение нейронной сети. Подготавливаются массивы различных известных вариантов входных параметров X, характеризующих результаты измерений, и выходных параметров Y, характеризующих состояние отдельных конструктивных элементов и/или здания в целом, которые могут быть получены путем математического моделирования строительных конструкций. В этом случае формируется модель возможных угроз, которые могут влиять на техническое состояние объекта (напряженно-деформационное состояние строительных конструкций, образование дефектов в конструкциях, возникновение непроектных нагрузок, образование карстовых явлений или других неблагоприятных геологических процессов в грунте основания объекта и т.п.). На основании модели выполняется проверка адекватности модели.
4. Графические материалы
В этом разделе представлена фигура 1, на которой изображена блок-схема системы выявления и контроля зон изменения напряженно-деформированного состояния строительных конструкций, где приняты следующие обозначения:
1. Блок вибродатчиков
2. Блок датчиков измерений ускорений колебаний объекта
3. Блок датчиков измерений скоростей колебаний объекта
4. Блок датчиков измерений амплитуд колебаний объекта
5. Блок датчиков измерений наклонов
6. Блок датчиков измерений прогибов
7. Блок датчиков измерений напряжений
8. Блок датчиков измерений нагрузок
9. Блок датчиков измерений давлений датчиков измерений деформаций
10. Блок датчиков измерения абсолютной и/или неравномерной осадки
11. Блок датчиков контроля трещин, стыков и швов
12. Блок датчиков измерения геодезических параметров
13. Блок датчиков измерений климатических параметров
14. Блок регистрации измерений, поступающих с одного или нескольких датчиков
15. Блок формирования из массива зарегистрированных параметров подмножества параметров, подлежащих контролю
16. Блок интеллектуальной обработки
17. Блок отображения мониторинговой информации.
5. Осуществление изобретения
Предлагаемый способ мониторинга технического состояния строительных объектов заключается в том, что на объекте, параметры которого необходимо контролировать, устанавливают датчики (сенсоры) 1-13, образующие сенсорную сеть, которые самостоятельно измеряют параметры, характеризующие состояние отдельных строительных конструкций объекта и состояние объекта в целом. В качестве таких параметров могут измеряться вибрации, ускорения колебаний, скорости колебаний, амплитуды колебаний объекта, наклоны, прогибы, напряжения, нагрузки, давления, деформации, абсолютная и неравномерная осадка, геодезические параметры.
С точки зрения заявленного технического результата, при решении задачи определения состояния строительных объектов - измерение того или иного вышеперечисленного параметра позволяет получить одинаковый результат, так как он зависит не столько от физической природы параметра и измеряющего его чувствительного элемента, сколько от использования нечетких методов вычислений, использования сенсорной сети и процесса самообучения в нейронной сети, что свидетельствует о том, что виды измерений являются альтернативными.
Затем при помощи блока регистрации измерений 14, поступающих с датчиков 1-13 осуществляют регистрацию произведенных измерений, данные о которых направляются в блок формирования из массива зарегистрированных параметров подмножества параметров, подлежащих контролю 15.
В блоке 15 при помощи взаимного обмена информацией с блоком интеллектуальной обработки 16, который использует нейронную сеть, происходит отбор результатов измерений тех параметров или их совокупностей, изменения в значениях которых указывают на тенденции возникновения напряженно-деформированного состояния в местах установки датчиков и формирование из массива зарегистрированных параметров подмножества параметров, подлежащих контролю. Таким данным присваиваются повышенные коэффициенты важности.
Данные о параметрах, получивших более высокие коэффициенты и подлежащих наиболее тщательному контролю, прошедшие блок 15, поступают в блок интеллектуальной обработки 16, который реализуется на основе технологий машинного обучения и нейронных сетей.
Обработка данных сенсорной сети блоком интеллектуальной обработки 16, снимает проблемы, связанные с организацией сильно распределенных процессов обработки неточных, неполных, недоопределенных или, наоборот, избыточных сенсорных данных о состоянии контролируемого объекта, что позволяет исключить из данных о текущем состоянии объекта недостоверные значения измеряемых параметров, характеризующих состояние объекта полученных при помощи датчиков (сенсоров), повысить точность и оперативность мониторинга, а также автоматически определять причины и последствия отклонения текущих и прогнозируемых параметров, характеризующих состояние объекта, от допустимых значений.
Затем нейронная сеть анализирует контролируемые параметры, формирует оценку состояния отдельных контролируемых конструкций или строительного объекта в целом и выявляет зоны напряженно-деформированного состояния, устанавливает причины возникновения отклонений параметров, характеризующих состояние объекта и отдельных его строительных конструкций.
Блок интеллектуальной обработки 16 передает итоговые данные в блок отображения мониторинговой информации 17, который передает информацию пользователю в наглядной форме с отображением оценки состояния отдельных контролируемых конструкций и/или объекта в целом. В дальнейшем блок интеллектуальной обработки 16 на основании анализа проведенного нейронной сетью проводит дальнейший контроль выявленных зон напряженно-деформированного состояния, которые являются причиной отклонения параметров строительных конструкций объекта или объекта в целом от допустимых значений таких параметров.
Система выявления и контроля зон изменения напряженно-деформированного состояния строительных конструкций, реализующая приведенный выше способ, включает блок вибродатчиков, и/или блок датчиков измерений ускорений колебаний объекта, и/или блок датчиков измерений скоростей колебаний объекта, и/или блок датчиков измерений амплитуд колебаний объекта, и/или блок датчиков измерений наклонов, и/или блок датчиков измерений прогибов, и/или блок датчики измерений напряжений, и/или блок датчиков измерений нагрузок, и/или блок датчиков измерений давлений датчиков измерений деформаций, и/или блок датчиков измерения абсолютной и/или неравномерной осадки, и/или блок датчиков контроля трещин, стыков и швов, и/или блок датчиков измерения геодезических параметров, и/или блок датчиков измерений климатических параметров, блок, осуществляющий регистрацию измерений, поступающих с одного или нескольких блоков датчиков, блок формирования из массива зарегистрированных параметров подмножества параметров, подлежащих контролю, блок интеллектуальной обработки, осуществляющий анализ контролируемых параметров нейронной сетью для формирования оценки состояния отдельных контролируемых конструкций и/или строительного объекта в целом, и выявления зон напряженно-деформированного состояния и последующий контроль выявленных зон напряженно-деформированного состояния, а также блок отображения мониторинговой информации, осуществляющий отображение в наглядной форме результатов оценки отдельных контролируемых конструкций и/или строительного объекта в целом.
Список использованных источников
1. Патент РФ №2245531, МПК G01M 7/00, опубл. 27.01.2005.
2. Патент на полезную модель РФ №66525, МПК G01M 7/00, опубл. 10.09.2007.
3. Патент РФ на изобретение №2381470, МПК G01M 7/00, опубл. 10.02.2010.
4. Патент РФ на изобретение №2460980, МПК G01M 7/00, опубл. 10.09.2012.
5. Патент РФ на изобретение №2672532, МПК G01М 7/00, опубл. 15.11.2018.
6. Ярушкина Н.Г. Нечеткие нейронные сети // Новости искусственного интеллекта. - 2001. - №2-3.
7. Батыршин И.З. Основные операции нечеткой логики и их обобщения. - Казань: Отечество, 2001. -С.53-56.
Изобретение относится к области автоматизированных систем мониторинга технического состояния зданий и сооружений и может быть использовано при проектировании и эксплуатации зданий и сооружений. Система содержит блок датчиков параметров, блок, осуществляющий регистрацию измерений, поступающих с одного или нескольких блоков датчиков, блок формирования из массива зарегистрированных параметров подмножества параметров, подлежащих контролю, блок интеллектуальной обработки, осуществляющий анализ контролируемых параметров нейронной сетью для формирования оценки состояния отдельных контролируемых конструкций и/или строительного объекта в целом и выявления зон напряженно-деформированного состояния, и последующий контроль выявленных зон напряженно-деформированного состояния, блок отображения мониторинговой информации, осуществляющий отображение в наглядной форме результатов оценки отдельных контролируемых конструкций и/или строительного объекта в целом. Технический результат: повышение точности определения зон напряженно-деформированного состояния строительных конструкций и повышение достоверности контроля их состояния. 1 з.п. ф-лы, 1 ил.
1. Система выявления и контроля зон изменения напряженно-деформированного состояния строительных конструкций, включающая блок датчиков параметров,
блок, осуществляющий регистрацию измерений, поступающих с одного или нескольких блоков датчиков,
блок формирования из массива зарегистрированных параметров подмножества параметров, подлежащих контролю,
блок интеллектуальной обработки, осуществляющий анализ контролируемых параметров нейронной сетью для формирования оценки состояния отдельных контролируемых конструкций и/или строительного объекта в целом и выявления зон напряженно-деформированного состояния, и последующий контроль выявленных зон напряженно-деформированного состояния,
блок отображения мониторинговой информации, осуществляющий отображение в наглядной форме результатов оценки отдельных контролируемых конструкций и/или строительного объекта в целом.
2. Система по п. 1, отличающаяся тем, что в качестве датчиков параметров используются вибродатчики, и/или блок датчиков измерений ускорений колебаний объекта, и/или блок датчиков измерений скоростей колебаний объекта, и/или блок датчиков измерений амплитуд колебаний объекта, и/или блок датчиков измерений наклонов, и/или блок датчиков измерений прогибов, и/или блок датчиков измерений напряжений, и/или блок датчиков измерений нагрузок, и/или блок датчиков измерений давлений датчиков измерений деформаций, и/или блок датчиков измерения абсолютной и/или неравномерной осадки, и/или блок датчиков контроля трещин, стыков и швов, и/или блок датчиков измерения геодезических параметров, и/или блок датчиков измерений климатических параметров.
