CN119272126B 一种面向隧道安全的安全步距监测方法及系统 （中铁二十局集团有限公司）

一种面向隧道安全的安全步距监测方法及本发明提出一种面向隧道安全的安全步距缓解数据传输压力，提高数据传输效率和实时2S2、根据优化后的传感器布局，针对隧道内部边S3、在传感器边缘节点处部署边缘计算模块，在S4、根据提取到的特征构建隧道环境和设备状态的数字2.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述获取隧道施工进度和环境变化数据，根据预设的评估规则判断是采用粒子群优化算法求解传感器布设优化模型，输出优化的传感在隧道施工和环境监测过程中，获取各传感器节点采集的监若在监测过程中发现数据质量下降和传输时延增大或能耗异常，预设阈值和传输时延超过预设阈值或能耗超过预设阈值，则重新触发传感器布设优化流跟踪隧道施工进度和环境变化情况，根据监测需求的变化，每隔3通过迭代优化，得到满足监测需求的最优传感器布设方案，确定4.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述将预处理后的链路质量评估指标数据输入至预先构建的基于长短期记忆神经网络的根据预测的各候选传输路径的链路质量值，结合预设的链路质量将候选传输路径按照综合评分值由高到低进行排序，选取综合评若当前最优传输路径的综合评分值低于预设的路径切换阈值，则触发路径切换机制，5.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述若传感器节点采集的监测数据量较大，则将边缘计算模块部署在根据边缘计算模块的CPU和内存资源以及监测数据的实时性要求，动态调整主成分分4若监测数据的特征较为复杂，则采用卷积神经网络算法将卷积神经网络提取的高层特征图与主成分分析的结果进行融合，作为LZW压缩算法通过边缘计算模块与云端服务器之间的任务卸载和负载均衡，将计6.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述通过在隧道施工现场部署各类传感器设备，实时采集隧道的物理信将采集到的物理信息与虚拟信息进行匹配关联，构建隧道施工过程的数字孪生模型；通过设置支持度和置信度阈值，挖掘出频繁出现的参数组合模式，通过三维可视化技术，直观展示隧道的施工状态和环境信息，为施工7.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述利用更新后的SVM异常检测模型，对实时监测数据进行在线分析，识别其中的异常数针对识别出的异常数据，使用统计过程控制方法自适应调整使用混淆矩阵评估调整后的预警阈值的异常识别性能，若准确率和召回率均满足要58.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述获取不同类型和不同位置的隧道传感器采集的监测数据，对获取的监测数据进行清对清洗后的数据进行探索性分析，通过可视化等方式，分析数据的分析不同传感器监测数据之间的相关性，并采用关联规则根据相关性分析和关联规则挖掘的结果，选择决策树或支持向量机等机器学习算法，在融合的基础上，采用卡尔曼滤波算法对数据进行处理，动将安全状态评估模型的输出与预设阈值进行比较，当评估结果超9.根据权利要求1所述的一种面向隧道安全的安全步距监测方法，其特征在于，所述根据隧道施工的监测数据特点，设计云边协同的数据处理架构在边缘侧部署实时数据处理模块，使用ApacheFlink对采集的监测数据进行清洗和过云端接收边缘侧上传的监测数据，结合历史数据和专家根据云端分析的结果，通过RESTfulAPI将优化后的数据处理参数6边缘计算模块，用于在传感器边缘节点处部署边缘计算模块，在边缘数字孪生模块，用于根据提取到的特征构建隧道环境和设备状增量学习模块，用于根据在数字孪生模型中使用传感器的云边协同模块，用于建立基于云边协同的数据处理架构，78[0033]将预处理后的链路质量评估指标数据输入至预先构建的基于长短期记忆神经网9[0038]当链路质量下降到预设阈值以下持续超过一定时间时，重新触发自适应路由算[0041]若传感器节点采集的监测数据量较大，则将边缘计算模[0044]根据边缘计算模块的CPU和内存资源以及监测数据的实时性要求，动态调整主成[0046]将卷积神经网络提取的高层特征图与主成分分析的结果进行融合，作为LZW压缩[0062]获取实时监测数据，将实时监测数据作为支持向量机增量学习算法的新数据样[0081]在边缘侧部署实时数据处理模块，使用ApacheFlink对采集的监测数据进行清洗并将相关数据通过MQTT协议上传至云端[0084]根据云端分析的结果，通过RESTfulAPI将优化后的数据[0091]数字孪生模块，用于根据提取到的特征构建隧道环境和设备状态的数字孪生模[0097]利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限[0103]如图1_3所示，本发明实施例提供的一种面向隧道安全的安全步距监测系统具体r1r1一周或一个月)触发一次传感器布设优化，同时在监测过程中发现传感器布设不适应当前[0135]将预处理后的链路质量评估指标数据输入至预先构建的基于长短期记忆神经网[0136]B=fisw(Rnr)[0151]若传感器节点采集的监测数据量较大，则将边缘计算模提高数据传输效率。字典大小根据边缘计算模块的CPU和内存资源以及监测数据的实时性[0155]根据边缘计算模块的CPU和内存资源以及监测数据的实时性要求，动态调整主成[0162]将卷积神经网络提取的高层特征图与主成分分析的结果进行融合，作为LZW压缩[0194]获取不同类型和不同位置的隧道传感器采集的监测数据并将相关数据通过MQTT协议上传至云端[0206]根据云端分析的结果，通过RESTfulAPI将优化后的数据[0218]数字孪生模块104，用于根据提取到的特征构建隧道环境和设备状态的数字孪生的技术方案本质上或者说对现有技术做出贡献的部分或者当前技术方案的部分可以以软于附图所示的方位