(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210419048.0 (22)申请日 2022.04.21 (65)同一申请的已公布的文献号 申请公布号 CN 114547759 A (43)申请公布日 2022.05.27 (73)专利权人 中铁四局集团第三建 设有限公司 地址 300300 天津市河东区姚台大街12号 专利权人 中铁四局集团有限公司 (72)发明人 刘森　秦林　周伟善　梁晓波　 严加宝　扶杰　闫建龙　黄俊溪　 宋骁宇　郝宗朋　 (74)专利代理 机构 天津盈佳知识产权代理事务 所(特殊普通 合伙) 12224 专利代理师 孙宝芸 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/17(2020.01)G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/08(2012.01) G01D 21/02(2006.01) G06F 111/10(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 10831975 5 A,2018.07.24 CN 113340344 A,2021.09.0 3 CN 113534741 A,2021.10.2 2 苏云飞.超高层液压 爬模施工及设计的关键 技术分析. 《中国优秀硕士学位 论文全文数据库 工程科技 Ⅱ辑》 .2021, 李磊.超高层建筑施工安全评价体系研究. 《中国优秀博硕士学位 论文全文数据库 （硕士） 工 程科技II辑》 .2018, 审查员 杨林郁 (54)发明名称 爬模施工监测方法、 系统和计算机可读存储 介质 (57)摘要 本发明提供了一种爬模施工监测方法、 系统 和计算机 可读存储介质。 该爬模装置的安全监测 方法包括： 获取爬模装置的状态 参数的实时监测 数据， 状态参数包括结构应力、 结构变形、 空间三 维位置及倾角变化、 风荷载、 活荷载及地震加速 度荷载； 根据实时监测数据建立三维可视化图 像； 将三维可视化图像发送至客户端进行显示。 该安全监测方法通过获取爬模的状态 参数， 对爬 模装置进行三维建模， 监测结果以三维图像的形 式反馈至客户端， 可 以快速、 清晰地反映爬模装 置施工状态， 使得监测过程更加直观、 高效。 权利要求书4页 说明书14页 附图11页 CN 114547759 B 2022.09.23 CN 114547759 B 1.一种爬模施工监测方法， 其特 征在于， 包括： 步骤一、 获取爬模装置的状态参数的实时监测数据， 所述状态参数包括结构应力、 结构 变形、 空间三维位置及倾角变化、 风荷载、 活荷载及地震加速度荷载； 步骤二、 根据所述实时监测数据建立 三维可视化图像； 步骤三、 将所述 三维可视化图像发送至客户端 进行显示； 还包括建立对比决策模块， 根据所述实时监测数据建立预测模型并获取 预测结果； 当所述预测结果超出 所述对比决策模块中对应的限值， 向所述 客户端发送报警信息； 所述实时监测数据建立预测模型并获取 预测结果具体包括： 根据所述实时监测数据建立数字 孪生预测模型； 通过人工神经网络系统建立人工神经网络预测模型； 结合所述数字孪生预测模型与所述人工神经网络预测模型建立所述预测模型并获取 所述预测结果， 所述预测结果包括所述爬模装置的应力数据与变形数据； 具体包括： 针对爬 模装置的测点位置， 以每秒为周期， 采用所述人工神经网络预测模型进 行实时预测， 并输出 所述测点位置的所述应力数据及所述变形数据； 针对爬模装置的非测点位置， 以每十分钟 为周期， 采用所述数字孪生预测模型进行实时预测， 并输出所述非测点位置的所述应力数 据及所述变形 数据； 根据所述预测结果对所述爬模 装置的测点 位置进行优化布置， 具体包括： 根据所述数字孪生预测模型计算的测点位置的种类及重要性建立所述爬模装置的分 析层级和各层级权 重； 验证每个所述测点 位置的权 重的合理性； 建立测点方案 评分系统； 根据所述各层级权 重获取单一工况 下的测点方案 评分标准； 根据工况的不同权 重， 获取测点方案总评分； 根据所述测点方案评分系统和所述测点方案总评分对当前的所述测点位置进行优化 布置。 2.根据权利要求1所述的爬模施工监测方法， 其特征在于， 所述爬模施工监测方法还包 括： 建立解决方案数据库； 当所述预测结果超出 所述对比决策模块中对应的限值， 还向客户端发送解决方案 。 3.根据权利要求1所述的爬模施工监测方法， 其特征在于， 所述通过人工神经网络系统 建立人工神经网络预测模型， 具体包括： 获取已有的施工监测案例中的实时荷载、 位置信息作为自变量， 应力数据及变形数据 作为结果进行深度学习； 通过映射关系建立所述人工神经网络预测模型。 4.根据权利要求1所述的爬模施工监测方法， 其特征在于， 验证每个所述测点位置的权 重的合理性， 具体包括： 建立判断每 个所述测点 位置重要性的判断矩阵； 获取所述判断矩阵中每 个位置的特 征向量、 权 重值及最大 特征根值； 基于以下第一公式验证各个测点 位置的权 重的合理性：权　利　要　求　书 1/4 页 2 CN 114547759 B 2式中， n代表矩阵阶数， 即某种测点的布置个数， λmax代表矩阵最大 特征值； 当计算结果CI小于 0.1， 则判定每 个所述测点 位置的权 重结果合理。 5.根据权利要求1所述的爬模施工监测方法， 其特征在于， 所述根据工况的不同权重， 获取测点方案总评分， 具体包括： 对底层的每 个所述测点 位置进行评分； 获取每个所述底层的指标评分； 根据各层权重求出单一工况下的测点方案评分标准和工况的不同权重， 根据以下第 二 公式求出测点方案总评分： 式中， fx代表底层指标评分； x代表测点位置对比值； xmin和xmax为评分界限， x0和x0'为评 分最优区间。 6.根据权利要求1所述的爬模施工监测方法， 其特征在于， 根据 所述测点方案评分系统 和所述测点方案总评分对当前的所述测点 位置进行优化布置， 具体包括： 当单一工况评分和多工况测点方案总评分均满足90分以上时， 测点方案则被认为满足 要求； 如不满足， 则对评 分较低工况下的测点方案进 行调整， 对测点位置和非测点位置进 行 替换： ①若替换完成后的非测点 位置监测值满足下式要求， 则增设该位置为测点 位置： Ri≥0.8Rmax 式中， Ri为第i个非测点 位置中的监测值； Rmax为测点位置的预警限值； ②若替换完成后的测点 位置监测值满足下式要求， 则减少该测点 位置： Rj≤0.8Rmax 式中， Rj为第j个测点 位置中的监测值； Rmax为测点位置的预警限值。 7.根据权利要求1至6中任一项所述的爬模施工监测方法， 其特征在于， 获取爬模装置 的状态参数的实时监测值， 所述状态参数包括结构应力， 具体包括： 根据所述爬模 装置的构件尺寸、 材 料信息建立数字初级模型； 将所述爬模装置在不同工况下的爬模荷载输入所述数字初级模型， 以获取爬模装置的 测点位置； 获取所述测点位置布设的检测元件检测到的数据代入如下计算公式， 获取所述结构应 力的实时监测值； 其中， 如下的第三计算公式为： ε＝k(f‑f0)2+α(T‑T0) δ ＝E×γ ε权　利　要　求　书 2/4 页 3 CN 114547759 B 3