利索能及
我要发布
收藏
专利号: 2024118607370
申请人: 广州希华通讯设备有限公司
专利类型:发明专利
专利状态:已下证
更新日期:2026-08-26
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种浇筑搅拌混凝土坍落度在线监测的方法,其特征在于,所述方法包括:在混凝土浇筑现场布设若干混凝土表面水分传感器和风速传感器,预设传感器采样频率,测量预设范围内覆盖混凝土表面和环境,获得混凝土表面水分蒸发速率数据和风速数据;将采集的混凝土表面水分蒸发速率数据和风速数据实时上传至数据处理服务器,并以时间序列的格式存储,形成水分蒸发时间序列数据和风速时间序列数据,将风速时间序列数据处理成不同尺度的风速数据,根据不同尺度将风速数据分为高频成分和低频成分;将风速数据的高频成分和低频成分分别与预设的阵风识别阈值和湍流识别阈值进行比较,判断风速数据中是否出现阵风和湍流,若出现,则记录阵风和湍流出现的起止时间和持续时间,根据记录的风速出现的起止时间和持续时间,得到阵风风速模式和湍流风速模式的时间分布情况,形成风速模式子序列;将水分蒸发时间序列数据按照不同风速模式的时间分布进行切分,得到对应不同风速模式下的蒸发速率子序列,通过比较不同风速模式下蒸发速率子序列的均值和标准差,量化不同风速模式对水分蒸发速率的影响,以得到不同风速模式下蒸发速率的统计特征量;基于不同风速模式的统计特征量,以风速模式的统计特征量为输入,以及对应风速模式下的蒸发速率统计特征量为输出,构建不同风速模式下的预测模型;新增采集的风速数据后,判断新增风速数据对应的风速模式,并根据对应风速模式下的预测模型,得到混凝土表面水分蒸发速率的预测值;预先构建混凝土坍落度预测模型,将混凝土表面水分蒸发速率的预测值作为输入,对输入的水分蒸发速率数据进行分析和预测,得到混凝土坍落度的预测值,若预测得到的混凝土坍落度值超出或低于预设的合格范围内,则判定该混凝土坍落度不合格,发出预警信号;触发预警信号后,根据混凝土坍落度预测值超出或低于预设合格范围的数值,确定混凝土配比的调整方案,将调整方案的混凝土配比参数输入到混凝土生产设备中,并持续获取调整后混凝土的表面水分蒸发速率数据,返回至混凝土坍落度预测模型输入,进行下一次混凝土坍落度的在线预测。

2.根据权利要求1所述的方法,其特征在于,所述在混凝土浇筑现场布设若干混凝土表面水分传感器和风速传感器,预设传感器采样频率,测量预设范围内覆盖混凝土表面和环境,获得混凝土表面水分蒸发速率数据和风速数据,包括:根据传感器采样区域网格划分图对混凝土表面划分测量子区域,采用数据采集模块获取传感器阵列的时间序列监测数值;

通过克里金插值算法对所述时间序列监测数值进行空间插值运算,得到混凝土表面的水分分布图与风速分布图;针对所述水分分布图中相邻采样时刻的水分含量差值除以采样时间间隔,得到测量点的水分蒸发速率数据;若风速传感器检测值大于预设风速阈值值,则采用高斯滤波对所述水分蒸发速率数据进行去噪处理,得到修正后的水分蒸发速率数据。

3.根据权利要求1所述的方法,其特征在于,所述将采集的混凝土表面水分蒸发速率数据和风速数据实时上传至数据处理服务器,并以时间序列的格式存储,形成水分蒸发时间序列数据和风速时间序列数据,将风速时间序列数据处理成不同尺度的风速数据,根据不同尺度将风速数据分为高频成分和低频成分,包括:采用混凝土表面监测装置获取水分蒸发速率数据与风速数据,根据预设采样周期对所述水分蒸发速率数据与风速数据添加时间戳标记后进行压缩传输至数据处理服务器;接收所压缩数据并采用时序数据库进行解压,根据所述时间戳标记通过三次样条插值算法对缺失数据点进行插补处理得到完整时间序列数据;采用中值滤波器对所述完整时间序列数据进行预处理,通过滤波运算去除所述时间序列数据中的测量噪声与离群值得到预处理后的风速数据;根据所述预处理后的风速数据采用db4小波基函数进行离散小波变换分解,通过希尔伯特变换计算所述风速数据的瞬时频率特征,采用巴特沃斯带通滤波器组对所述风速数据进行频率范围划分得到高频风速分量与低频风速分量。

4.根据权利要求1所述的方法,其特征在于,所述将风速数据的高频成分和低频成分分别与预设的阵风识别阈值和湍流识别阈值进行比较,判断风速数据中是否出现阵风和湍流,若出现,则记录阵风和湍流出现的起止时间和持续时间,根据记录的风速出现的起止时间和持续时间,得到阵风风速模式和湍流风速模式的时间分布情况,形成风速模式子序列,包括:采用频率分离器对所述风速数据进行高频分量与低频分量的分离,根据所述高频分量与阈值的比较得到阵风事件标记,根据所述低频分量与阈值的比较得到湍流事件标记;

采用时间窗口处理器对所述风速数据进行分段,根据所述阵风事件标记与所述湍流事件标记统计得到每个时间窗口内的事件计数值;针对所述时间窗口内的风速数据进行特征提取,根据所述事件计数值计算得到阵风特征序列与湍流特征序列;采用动态规划算法对所述阵风特征序列与所述湍流特征序列进行时间对齐,根据对齐后的特征序列生成风速模式特征向量。

5.根据权利要求1所述的方法,其特征在于,所述将水分蒸发时间序列数据按照不同风速模式的时间分布进行切分,得到对应不同风速模式下的蒸发速率子序列,通过比较不同风速模式下蒸发速率子序列的均值和标准差,量化不同风速模式对水分蒸发速率的影响,以得到不同风速模式下蒸发速率的统计特征量,包括:根据时间戳对齐方式对水分蒸发时间序列数据进行分段处理,采用三次样条插值方法在分段点处补充边界数据,得到满足一阶导数连续性约束的水分蒸发速率子序列;采用梯形积分方法对所述水分蒸发速率子序列进行积分运算,通过积分运算结果计算所述水分蒸发速率子序列的算术平均值,得到对应时间段内的瞬时蒸发速率;根据箱线图方法对所述水分蒸发速率子序列进行异常点识别,采用线性插值方法对异常点进行修正,得到修正后的水分蒸发速率子序列;采用矩估计方法对所述修正后的水分蒸发速率子序列计算中心矩,通过最大最小值归一化方法对所述中心矩进行标准化处理,根据层次聚类方法对标准化后的特征向量进行分组,得到不同风速模式下的水分蒸发速率统计特征组合。

6.根据权利要求1所述的方法,其特征在于,所述基于不同风速模式的统计特征量,以风速模式的统计特征量为输入,以及对应风速模式下的蒸发速率统计特征量为输出,构建不同风速模式下的预测模型,包括:根据风速模式类别标签对特征量数据集进行分组,采用最大最小值标准化方法处理所述特征量数据集,得到标准化后的风速模式特征量与蒸发速率特征量;采用皮尔逊相关系数计算标准化后的特征量之间相关性,若相关系数绝对值大于预设阈值,则获取降维后的风速模式特征量与蒸发速率特征量;对降维后的特征量数据集进行分层抽样,通过训练集占比划分得到训练集与验证集,采用交叉验证方法对所述训练集重采样得到训练验证数据组合;基于所述训练验证数据组合构建随机森林预测模型,在预设参数网格空间内遍历搜索最优参数组合,通过所述最优参数组合对所述验证集计算均方根误差与决定系数。

7.根据权利要求1所述的方法,其特征在于,所述新增采集的风速数据后,判断新增风速数据对应的风速模式,并根据对应风速模式下的预测模型,得到混凝土表面水分蒸发速率的预测值,包括:采用数据采集装置对风速数据进行离散小波分解,根据所小波分解得到高频子信号与低频子信号的分解系数值与时间索引;根据所述分解系数值计算统计参数与能量分布特征,采用最大最小值标准化方法处理所述统计参数,得到标准化后的风速特征向量;根据所述风速特征向量与支持向量机分类器中的支持向量计算核相似度,通过所述核相似度与分类权重判断风速数据所属的风速模式类别;根据所述风速模式类别选取对应的预测模型,采用所述预测模型对所述风速特征向量进行计算,得到混凝土表面水分蒸发速率的预测值。

8.根据权利要求1所述的方法,其特征在于,所述预先构建混凝土坍落度预测模型,将混凝土表面水分蒸发速率的预测值作为输入,对输入的水分蒸发速率数据进行分析和预测,得到混凝土坍落度的预测值,若预测得到的混凝土坍落度值超出或低于预设的合格范围内,则判定该混凝土坍落度不合格,发出预警信号,包括:采用累积滑动平均方法对水分蒸发速率预测值序列进行平滑处理,得到平滑后的蒸发速率变化率数据;根据所述蒸发速率变化率数据进行指数加权融合,构建反映蒸发速率演变特征的时序特征向量;将所述时序特征向量输入至预训练的长短期记忆网络,通过所述网络的记忆单元输出状态得到坍落度预测值;若所述坍落度预测值的置信区间宽度超出预设阈值,则采用局部线性回归方法对所述预测值进行修正,通过所修正后的预测值与预设合格范围进行比对,得到对应级别的预警标记。

9.根据权利要求1所述的方法,其特征在于,所述触发预警信号后,根据混凝土坍落度预测值超出或低于预设合格范围的数值,确定混凝土配比的调整方案,将调整方案的混凝土配比参数输入到混凝土生产设备中,并持续获取调整后混凝土的表面水分蒸发速率数据,返回至混凝土坍落度预测模型输入,进行下一次混凝土坍落度的在线预测,包括:采用三角形隶属度函数对混凝土坍落度预测值与预设合格范围的偏差值进行模糊化处理,根据所述偏差值及预设模糊规则得到水胶比调整量;根据所述水胶比调整量,通过加权最小二乘法构建的配比参数回归方程获取水泥用量和骨料用量及外加剂掺量的调整值;将所述调整值转换为设备控制指令,通过工业以太网协议封装后传输至混凝土生产设备;采用数据采集装置获取所述混凝土生产设备调整后的表面水分数据,根据预设采样周期计算得到水分蒸发速率数据序列,所述水分蒸发速率数据序列经数字滤波处理后返回至坍落度预测器。