【技術(shù)實(shí)現(xiàn)步驟摘要】
本專利技術(shù)涉及樓宇運(yùn)維，特別是一種基于數(shù)字孿生的樓宇運(yùn)維方法及系統(tǒng)。
技術(shù)介紹
1、隨著現(xiàn)代化城市建設(shè)的快速推進(jìn)，樓宇運(yùn)維管理逐漸成為建筑行業(yè)的重要課題，傳統(tǒng)樓宇運(yùn)維方法通常依賴人工巡檢和定期維護(hù)，不僅耗費(fèi)大量人力物力，還存在效率低下和及時(shí)性不足的問(wèn)題。近年來(lái)，隨著物聯(lián)網(wǎng)（iot）、大數(shù)據(jù)分析和人工智能技術(shù)的快速發(fā)展，數(shù)字化運(yùn)維成為研究熱點(diǎn)，數(shù)字孿生技術(shù)作為一種能夠在虛擬空間中動(dòng)態(tài)映射實(shí)體設(shè)備的創(chuàng)新手段，通過(guò)采集建筑關(guān)鍵設(shè)備數(shù)據(jù)，結(jié)合三維建模和實(shí)時(shí)數(shù)據(jù)分析，為樓宇運(yùn)維提供了精確的狀態(tài)監(jiān)控和預(yù)測(cè)能力。
2、然而，現(xiàn)有的樓宇運(yùn)維系統(tǒng)在實(shí)際應(yīng)用中仍存在諸多不足，首先，多數(shù)現(xiàn)有技術(shù)僅實(shí)現(xiàn)設(shè)備的靜態(tài)監(jiān)控，缺乏對(duì)設(shè)備動(dòng)態(tài)狀態(tài)的全面感知能力，無(wú)法準(zhǔn)確預(yù)測(cè)設(shè)備運(yùn)行趨勢(shì)，其次，在處理海量建筑設(shè)備數(shù)據(jù)時(shí)，現(xiàn)有技術(shù)多以單維度數(shù)據(jù)分析為主，難以綜合考慮多種影響因素，如設(shè)備運(yùn)行強(qiáng)度、環(huán)境變化以及設(shè)備間的交互關(guān)系，導(dǎo)致運(yùn)維任務(wù)的分配多以人工經(jīng)驗(yàn)為主，缺乏科學(xué)的優(yōu)先級(jí)排序策略，導(dǎo)致高風(fēng)險(xiǎn)設(shè)備的處理可能滯后于低風(fēng)險(xiǎn)設(shè)備。
技術(shù)實(shí)現(xiàn)思路
1、鑒于上述現(xiàn)有存在的問(wèn)題，提出了本專利技術(shù)。
2、因此，本專利技術(shù)提供了一種基于數(shù)字孿生的樓宇運(yùn)維方法解決多數(shù)現(xiàn)有技術(shù)僅實(shí)現(xiàn)設(shè)備的靜態(tài)監(jiān)控，缺乏對(duì)設(shè)備動(dòng)態(tài)狀態(tài)的全面感知能力，無(wú)法準(zhǔn)確預(yù)測(cè)設(shè)備運(yùn)行趨勢(shì)，其次，在處理海量建筑設(shè)備數(shù)據(jù)時(shí)，現(xiàn)有技術(shù)多以單維度數(shù)據(jù)分析為主，難以綜合考慮多種影響因素，如設(shè)備運(yùn)行強(qiáng)度、環(huán)境變化以及設(shè)備間的交互關(guān)系，導(dǎo)致運(yùn)維任務(wù)的分配多以
3、為解決上述技術(shù)問(wèn)題，本專利技術(shù)提供如下技術(shù)方案：
4、第一方面，本專利技術(shù)提供了一種基于數(shù)字孿生的樓宇運(yùn)維方法，其包括：
5、采集樓宇關(guān)鍵設(shè)備數(shù)據(jù)，構(gòu)建三維數(shù)字孿生模型；
6、提取采集數(shù)據(jù)的特征數(shù)據(jù)，并使用目標(biāo)檢測(cè)模型識(shí)別異常檢測(cè)框，組合生成設(shè)備狀態(tài)向量；
7、根據(jù)設(shè)備狀態(tài)向量計(jì)算狀態(tài)分量的轉(zhuǎn)移概率，并確定設(shè)備的故障概率，通過(guò)lstm模型進(jìn)行剩余壽命預(yù)測(cè)；
8、計(jì)算關(guān)鍵性評(píng)分和使用強(qiáng)度評(píng)分，結(jié)合設(shè)備剩余壽命以及故障概率分析設(shè)備優(yōu)先級(jí)，判斷故障設(shè)備生成運(yùn)維列表；
9、統(tǒng)計(jì)樓宇設(shè)備的故障平均值，進(jìn)行風(fēng)險(xiǎn)預(yù)警，生成警告報(bào)表。
10、作為本專利技術(shù)所述基于數(shù)字孿生的樓宇運(yùn)維方法的一種優(yōu)選方案，其中：所述采集樓宇關(guān)鍵設(shè)備數(shù)據(jù)，構(gòu)建三維數(shù)字孿生模型，使用激光掃描設(shè)備與無(wú)人機(jī)采集樓宇外部的三維幾何點(diǎn)云數(shù)據(jù)；
11、通過(guò)激光掃描設(shè)備掃描樓宇內(nèi)部結(jié)構(gòu)的三維幾何點(diǎn)云數(shù)據(jù)；
12、對(duì)點(diǎn)云數(shù)據(jù)進(jìn)行網(wǎng)格化處理，生成高精度三維模型，導(dǎo)入bim建模軟件利用參數(shù)化建模工具創(chuàng)建建筑信息模型；
13、部署傳感器包括溫濕度傳感器、電流傳感器和振動(dòng)傳感器位于樓宇建筑內(nèi)以及關(guān)鍵設(shè)備通過(guò)邊緣設(shè)備實(shí)時(shí)采集運(yùn)行數(shù)據(jù)；
14、通過(guò)iot網(wǎng)絡(luò)通過(guò)物聯(lián)網(wǎng)協(xié)議mqtt將傳感器采集的數(shù)據(jù)傳輸至數(shù)據(jù)網(wǎng)關(guān)，在建筑信息模型中，使用數(shù)據(jù)鏈接技術(shù)實(shí)時(shí)同步運(yùn)行數(shù)據(jù)；
15、使用數(shù)字孿生平臺(tái)，將建筑外部地形數(shù)據(jù)gis與建筑信息模型結(jié)合，生成包括地理信息的三維數(shù)字孿生模型。
16、作為本專利技術(shù)所述基于數(shù)字孿生的樓宇運(yùn)維方法的一種優(yōu)選方案，其中：所述提取采集數(shù)據(jù)的特征數(shù)據(jù)，并使用目標(biāo)檢測(cè)模型識(shí)別異常檢測(cè)框，組合生成設(shè)備狀態(tài)向量指針對(duì)關(guān)鍵設(shè)備的采集運(yùn)行數(shù)據(jù)，采用滑動(dòng)窗口均值法進(jìn)行數(shù)據(jù)去噪；
17、其中提取關(guān)鍵設(shè)備采集數(shù)據(jù)的振動(dòng)信號(hào)功率分布，表示為：
18、；
19、其中表示振動(dòng)信號(hào)在頻率f上的功率分布，n表示采樣點(diǎn)數(shù)，表示在采樣點(diǎn)k的信號(hào)值，j表示虛數(shù)單位；
20、計(jì)算區(qū)域內(nèi)傳感器溫濕度值的變化率和設(shè)備運(yùn)行的瞬時(shí)功率；
21、使用目標(biāo)檢測(cè)模型yolov5-lite，通過(guò)裂紋、磨損的異常特征的目標(biāo)檢測(cè)數(shù)據(jù)集作為訓(xùn)練集，并使用優(yōu)化的eiou損失函數(shù)計(jì)算損失值；
22、根據(jù)eiou損失值作為目標(biāo)函數(shù)，通過(guò)反向傳播優(yōu)化yolov5-lite模型的參數(shù)進(jìn)行預(yù)訓(xùn)練；
23、使用高分辨率相機(jī)對(duì)目標(biāo)表面包括建筑墻面和關(guān)鍵設(shè)備進(jìn)行拍攝得到圖像數(shù)據(jù)；
24、對(duì)圖像數(shù)據(jù)進(jìn)行歸一化處理，并輸入目標(biāo)檢測(cè)模型進(jìn)行表面特征識(shí)別并輸出異常檢測(cè)框的集合；
25、根據(jù)異常檢測(cè)框的集合，累加計(jì)算所有異常檢測(cè)框的面積，對(duì)輸入圖像對(duì)應(yīng)的監(jiān)測(cè)區(qū)域計(jì)算總面積，將所有異常檢測(cè)框的面積占監(jiān)測(cè)區(qū)域總面積的比值作為異常影響因子；
26、將振動(dòng)信號(hào)在頻率f上的功率分布、溫濕度值的變化率、瞬時(shí)功率以及異常影響因子構(gòu)建設(shè)備狀態(tài)向量，表示為：
27、；
28、其中表示時(shí)間t的設(shè)備狀態(tài)向量，表示溫濕度值的變化率，表示時(shí)間t的瞬時(shí)功率。
29、作為本專利技術(shù)所述基于數(shù)字孿生的樓宇運(yùn)維方法的一種優(yōu)選方案，其中：所述根據(jù)設(shè)備狀態(tài)向量計(jì)算狀態(tài)分量的轉(zhuǎn)移概率，并確定設(shè)備的故障概率，通過(guò)lstm模型進(jìn)行剩余壽命預(yù)測(cè)，根據(jù)設(shè)備狀態(tài)向量使用馬爾科夫鏈描述建筑運(yùn)維狀態(tài)的動(dòng)態(tài)變化，對(duì)設(shè)備狀態(tài)向量的值進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算狀態(tài)的動(dòng)態(tài)轉(zhuǎn)移概率，表示為：
30、；
31、其中表示設(shè)備從時(shí)間t的設(shè)備狀態(tài)向量到時(shí)間t+1的設(shè)備狀態(tài)向量的轉(zhuǎn)移概率，n表示設(shè)備狀態(tài)向量的特征數(shù)，表示設(shè)備狀態(tài)向量中條件分量存在的情況下，目標(biāo)狀態(tài)分量轉(zhuǎn)移的概率；
32、進(jìn)一步基于轉(zhuǎn)移概率計(jì)算狀態(tài)分量的轉(zhuǎn)移概率，表示為：
33、；
34、其中表示在時(shí)間t的狀態(tài)向量中，條件分量出現(xiàn)的前提下，在時(shí)間t+1目標(biāo)分量出現(xiàn)的樣本數(shù)量，表示在時(shí)間t的狀態(tài)向量中，條件分量出現(xiàn)的總次數(shù)，表示狀態(tài)向量中分量在條件分量存在的情況下，從時(shí)間t轉(zhuǎn)移到時(shí)間t+1的概率，表示時(shí)間t滿足設(shè)備狀態(tài)向量的第j個(gè)分量，表示時(shí)間t+1設(shè)備狀態(tài)向量的第i個(gè)分量；
35、根據(jù)計(jì)算的轉(zhuǎn)移概率計(jì)算設(shè)備的故障概率，表示為：
36、；
37、其中表示設(shè)備在時(shí)間t發(fā)生故障的概率；
38、基于進(jìn)一步擴(kuò)展設(shè)備狀態(tài)向量得到融合向量，表示為：
39、；
40、其中表示時(shí)間t的融合向量；
41、基于lstm神經(jīng)網(wǎng)絡(luò)構(gòu)建lstm模型，包括輸入層、隱藏層和輸出層；
42、使用基于歷史數(shù)據(jù)標(biāo)定過(guò)設(shè)備狀態(tài)和故障的融合向量數(shù)據(jù)以及剩余的壽命標(biāo)簽作為訓(xùn)練集進(jìn)行模型訓(xùn)練，選擇交叉熵?fù)p失函數(shù)計(jì)算lstm模型預(yù)測(cè)的類別概率與實(shí)際標(biāo)簽之間的差異，使用反向傳播算法迭代優(yōu)化，更新lstm模型的參數(shù)，在連續(xù)迭代過(guò)程中模型的損失不再明顯下降，則停止迭代輸出模型參數(shù)；
43、基于完成訓(xùn)練的lstm模型，將采集的融合向量輸入模型，輸出設(shè)備的剩余壽命數(shù)據(jù)。
44、作為本專利技術(shù)所述基于數(shù)字孿生的樓宇運(yùn)維方法的一種優(yōu)選方案，其中：所述計(jì)算關(guān)鍵性評(píng)分和使用強(qiáng)度評(píng)分，結(jié)合設(shè)備剩本文檔來(lái)自技高網(wǎng)...
【技術(shù)保護(hù)點(diǎn)】
1.一種基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述采集樓宇關(guān)鍵設(shè)備數(shù)據(jù)，構(gòu)建三維數(shù)字孿生模型，使用激光掃描設(shè)備與無(wú)人機(jī)采集樓宇外部的三維幾何點(diǎn)云數(shù)據(jù)；
3.如權(quán)利要求2所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述提取采集數(shù)據(jù)的特征數(shù)據(jù)，并使用目標(biāo)檢測(cè)模型識(shí)別異常檢測(cè)框，組合生成設(shè)備狀態(tài)向量指針對(duì)關(guān)鍵設(shè)備的采集運(yùn)行數(shù)據(jù)，采用滑動(dòng)窗口均值法進(jìn)行數(shù)據(jù)去噪；
4.如權(quán)利要求3所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述根據(jù)設(shè)備狀態(tài)向量計(jì)算狀態(tài)分量的轉(zhuǎn)移概率，并確定設(shè)備的故障概率，通過(guò)LSTM模型進(jìn)行剩余壽命預(yù)測(cè)，根據(jù)設(shè)備狀態(tài)向量使用馬爾科夫鏈描述建筑運(yùn)維狀態(tài)的動(dòng)態(tài)變化，對(duì)設(shè)備狀態(tài)向量的值進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算狀態(tài)的動(dòng)態(tài)轉(zhuǎn)移概率，表示為：
5.如權(quán)利要求4所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述計(jì)算關(guān)鍵性評(píng)分和使用強(qiáng)度評(píng)分，結(jié)合設(shè)備剩余壽命以及故障概率分析設(shè)備優(yōu)先級(jí)，根據(jù)建筑關(guān)鍵設(shè)備分別考慮設(shè)備停機(jī)影響時(shí)長(zhǎng)、關(guān)聯(lián)業(yè)務(wù)數(shù)量和設(shè)備的可替代性評(píng)分進(jìn)行歸一化處
6.如權(quán)利要求5所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述判斷故障設(shè)備生成運(yùn)維列表指基于歷史故障設(shè)備的概率值均值和二倍標(biāo)準(zhǔn)差的和作為故障閾值，若大于等于故障閾值，則判斷為設(shè)備故障；
7.如權(quán)利要求6所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述統(tǒng)計(jì)樓宇設(shè)備的故障平均值，進(jìn)行風(fēng)險(xiǎn)預(yù)警，生成警告報(bào)表，基于樓宇設(shè)備的故障概率值，計(jì)算樓宇設(shè)備的故障平均值；
8.一種基于數(shù)字孿生的樓宇運(yùn)維方法的系統(tǒng)，基于權(quán)利要求1~7任一所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：包括，
...【技術(shù)特征摘要】
1.一種基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于，包括：
2.如權(quán)利要求1所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述采集樓宇關(guān)鍵設(shè)備數(shù)據(jù)，構(gòu)建三維數(shù)字孿生模型，使用激光掃描設(shè)備與無(wú)人機(jī)采集樓宇外部的三維幾何點(diǎn)云數(shù)據(jù)；
3.如權(quán)利要求2所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述提取采集數(shù)據(jù)的特征數(shù)據(jù)，并使用目標(biāo)檢測(cè)模型識(shí)別異常檢測(cè)框，組合生成設(shè)備狀態(tài)向量指針對(duì)關(guān)鍵設(shè)備的采集運(yùn)行數(shù)據(jù)，采用滑動(dòng)窗口均值法進(jìn)行數(shù)據(jù)去噪；
4.如權(quán)利要求3所述的基于數(shù)字孿生的樓宇運(yùn)維方法，其特征在于：所述根據(jù)設(shè)備狀態(tài)向量計(jì)算狀態(tài)分量的轉(zhuǎn)移概率，并確定設(shè)備的故障概率，通過(guò)lstm模型進(jìn)行剩余壽命預(yù)測(cè)，根據(jù)設(shè)備狀態(tài)向量使用馬爾科夫鏈描述建筑運(yùn)維狀態(tài)的動(dòng)態(tài)變化，對(duì)設(shè)備狀態(tài)向量的值進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算狀態(tài)的動(dòng)態(tài)轉(zhuǎn)移概率，表示為：
5.如...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：孫奇卓，邱崴，唐波，林琳，李雪，
申請(qǐng)(專利權(quán))人：海創(chuàng)智造科技珠海有限公司，
類型：發(fā)明
國(guó)別省市：
還沒(méi)有人留言評(píng)論。發(fā)表了對(duì)其他瀏覽者有用的留言會(huì)獲得科技券。