【技术实现步骤摘要】
本专利技术涉及隧道功能监测，尤其涉及一种基于边缘计算的隧道健康监测方法及系统。
技术介绍
1、隧道最为关键的交通基础设施，其结构安全监测至关重要。目前，隧道健康监测主要依赖于人工巡检和固定式传感器监测，这些方法存在明显局限性。人工巡检效率低下，无法实时捕捉到微小的结构变化，而固定式传感器虽然能够提供实时数据，但通常局限于局部监测，且数据处理能力有限。此外，现有系统在远程访问、智能分析、数据共享与协作方面也存在不足，导致隧道管理人员难以实时了解隧道状态，影响了决策的及时性和有效性。同时，高端检测系统的成本高昂，且需要定期维护，对于一些中小型隧道项目来说，成本效益比不高。
2、随着隧道规模的扩大和监测需求的增加，现有系统往往难以适应这些变化，缺乏必要的灵活性。此外，现有系统在数据实时性、处理能力、远程监控、智能分析等方面也存在局限，难以满足日益增长的隧道健康监测需求。
技术实现思路
1、(一)要解决的技术问题
2、鉴于现有技术的上述缺点、不足，本专利技术提供一种基于边缘计算的隧道健康监测方法及系统，其解决了现有系统在数据实时性、处理能力、远程监控、智能分析等方面也存在局限，难以满足日益增长的隧道健康监测需求的技术问题。
3、(二)技术方案
4、为了达到上述目的，本专利技术采用的主要技术方案包括：
5、第一方面，本专利技术实施例提供一种基于边缘计算的隧道健康监测方法，所述方法基于预先部署的传感器部署网络实现，所述方法包括：>
6、s11、数据采集模块通过传感器部署网络获取隧道的原始状态数据；所述原始状态数据包括预先部署的传感器部署网络中所有传感器对应采集的数据；
7、s12、数据采集模块基于边缘计算对所述原始状态数据进行初步处理，获得隧道的实际状态数据；
8、期间，数据采集模块基于预先设置的状态数据阈值对所述原始状态数据进行数据过滤，剔除原始状态数据中的无效数据，并根据预先设置的异常检测算法标记有效数据中的异常数据，剩余未进行标记的原始状态数据即为隧道的实际状态数据；
9、所述实际状态数据包括：隧道的目标监测量和特征参数；
10、s13、监控云平台每隔预设周期获取所述实际状态数据，并对所有的实际状态数据进行数据汇总、数据存储和数据分析处理。
11、可选地，所述s12包括：
12、s12-1、数据采集模块对接收到的所述原始状态数据进行预处理；所述预处理包括数据清洗和数据整理；
13、s12-2、数据采集模块将预处理后的原始状态数据与预先设置的状态数据阈值进行比较，判断是否为有效数据；
14、若为无效数据，则将该数据标记为无效数据，并剔除；
15、若为有效数据，则进行异常数据检测；
16、s12-3、数据采集模块根据预先设置的异常检测算法标记有效数据中的异常数据；
17、期间，数据采集模块根据筛选后的有效数据和预先设置的第一历史状态数据，以及预先设置的公式一，判断剔除无效数据后的原始状态数据是否为异常数据，并标记异常数据；
18、所述第一历史状态数据为过去第一预设时间内传感器部署网络获取隧道的有效非异常数据；
19、所述公式一为：
20、
21、其中，z为判断剔除无效数据后的原始状态数据是否为异常数据的判断参数，x为剔除无效数据后的原始状态数据，u为历史状态数据的平均值，n为历史状态数据的数量，ui为历史状态数据。
22、可选地，所述s12-3还包括：
23、当z＜1时，则数据采集模块将该原始状态数据标记为正常数据；
24、当1≤z＜2时，则数据采集模块将该原始状态数据标记为轻度异常数据；
25、当2≤z＜3时，则数据采集模块将该原始状态数据标记为中度异常数据；
26、当z≥3时，则数据采集模块将该原始状态数据标记为重度异常数据；
27、则所述s12还包括：
28、s12-4、数据采集模块根据原始状态数据标记的异常程度，以及预先设置的异常诊断策略，判断异常数据对应的仪器设备的工作状态。
29、可选地，所述s12还包括：
30、s12-0、数据采集模块将获取的原始状态数据储存至预先设置的本地数据库中；
31、s12-5、数据采集模块将经过初步处理后的实际状态数据储存至本地数据库中，并建立实际状态数据和原始状态数据间的对应关系；
32、s12-6、数据采集模块每隔预设周期通过4g/5g智能网关或有线网络将周期内获得的实际状态数据发送至监控云平台。
33、所述本地数据库包括：mysql数据库或mongodb数据库或solr数据库。
34、可选地，所述s12还包括：
35、每隔第二预设时间，数据采集模块基于压缩感知原理对期间获得的实际状态数据进行数据压缩，并将压缩后的实际状态数据发送至监控云平台。
36、可选地，所述s13包括：
37、s13-1、监控云平台每隔预设周期获取并储存所述实际状态数据；
38、s13-2、监控云平台根据预设周期获取的实际状态数据和预先设置的第二历史状态数据，获得传感器部署网络中各传感器对应的检测对象的数据变化值；
39、所述第二历史状态数据为过去第三预设时间内传感器部署网络获取隧道的有效非异常数据；
40、s13-3、监控云平台根据传感器部署网络中各传感器对应的检测对象的数据变化值和各检测对象预先设置的预警值，评估隧道健康和风险状态。
41、可选地，所述s13-1包括：
42、监控云平台每隔预设周期获取实际状态数据，并获取实际状态数据的信噪比；
43、监控云平台基于实际状态数据的信噪比，以及预先设置的信噪比梯度阈值，筛选对应的去噪过程，对实际状态数据进行去噪处理；所述去噪过程包括：移动平均滤波、加权平均滤波、中止滤波、维纳滤波和小波阈值去噪；
44、监控云平台对去噪处理后的实际状态数据进行消除色散、缺失值填充和归一化处理；
45、监控云平台根据预先设置的降维算法对消除色散、缺失值填充和归一化处理后的实际状态数据进行降维；所述降维算法包括主成分分析法、t-分布邻域嵌入算法或等距映射法；
46、监控云平台将降维后的实际状态数据储存至预先设置的云端数据库。
47、可选地，s13还包括：
48、监控云平台基于汇总、数据存储和数据分析处理后的实际状态数据建立数据可视化界面，以使管理人员实时检测隧道状态，生成实时报告和数据统计结果；
49、所述可视化界面包括实时地图、图标和报告。
50、第二方面，本专利技术实施例提出的一种基于边缘计算的隧道健康监测系统，包括：
51、传感器部署网络、数据采集模块和监控云平台；
52、所述本文档来自技高网...
【技术保护点】
1.一种基于边缘计算的隧道健康监测方法，所述方法基于预先部署的传感器部署网络实现，其特征在于，所述方法包括：
2.根据权利要求1所述的基于边缘计算的隧道健康监测方法，其特征在于，所述S12包括：
3.根据权利要求2所述的基于边缘计算的隧道健康监测方法，其特征在于，所述S12-3还包括：
4.根据权利要求2所述的基于边缘计算的隧道健康监测方法，其特征在于，所述S12还包括：
5.根据权利要求1所述的基于边缘计算的隧道健康监测方法，其特征在于，所述S12还包括：
6.根据权利要求1所述的基于边缘计算的隧道健康监测方法，其特征在于，所述S13包括：
7.根据权利要求6所述的基于边缘计算的隧道健康监测方法，其特征在于，所述S13-1包括：
8.根据权利要求1所述的基于边缘计算的隧道健康监测方法，其特征在于，S13还包括：
9.一种基于边缘计算的隧道健康监测系统，其特征在于，包括：
10.根据权利要求9所述的基于边缘计算的隧道健康监测系统，其特征在于，所述数据采集模块包括：数据采集单
...【技术特征摘要】
1.一种基于边缘计算的隧道健康监测方法，所述方法基于预先部署的传感器部署网络实现，其特征在于，所述方法包括：
2.根据权利要求1所述的基于边缘计算的隧道健康监测方法，其特征在于，所述s12包括：
3.根据权利要求2所述的基于边缘计算的隧道健康监测方法，其特征在于，所述s12-3还包括：
4.根据权利要求2所述的基于边缘计算的隧道健康监测方法，其特征在于，所述s12还包括：
5.根据权利要求1所述的基于边缘计算的隧道健康监测方法，其特征在于，所述s12还包括：
【专利技术属性】
技术研发人员：刁鹏程，刘玉静，董华能，白宇帆，宋奎，傅松，陈燚飞，
申请(专利权)人：江苏高速公路工程养护技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。