CN112561246A - 一种大体积混凝土质量智能控制方法 - Google Patents
一种大体积混凝土质量智能控制方法 Download PDFInfo
- Publication number
- CN112561246A CN112561246A CN202011358353.0A CN202011358353A CN112561246A CN 112561246 A CN112561246 A CN 112561246A CN 202011358353 A CN202011358353 A CN 202011358353A CN 112561246 A CN112561246 A CN 112561246A
- Authority
- CN
- China
- Prior art keywords
- concrete
- temperature
- control method
- quality
- grid
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 22
- 230000005540 biological transmission Effects 0.000 claims abstract description 22
- 238000012423 maintenance Methods 0.000 claims abstract description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 14
- 230000008859 change Effects 0.000 claims abstract description 12
- 238000005507 spraying Methods 0.000 claims abstract description 8
- 229910000831 Steel Inorganic materials 0.000 claims description 27
- 239000010959 steel Substances 0.000 claims description 27
- 239000010426 asphalt Substances 0.000 claims description 13
- 238000002790 cross-validation Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 6
- 238000012795 verification Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 5
- 238000009529 body temperature measurement Methods 0.000 claims description 5
- 238000005457 optimization Methods 0.000 claims description 5
- 230000007246 mechanism Effects 0.000 claims description 3
- 239000004033 plastic Substances 0.000 claims description 3
- 238000003908 quality control method Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 230000009466 transformation Effects 0.000 abstract description 8
- 238000011897 real-time detection Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 description 6
- 238000010276 construction Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 239000004568 cement Substances 0.000 description 3
- 239000004816 latex Substances 0.000 description 3
- 229920000126 latex Polymers 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000003490 calendering Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000005494 condensation Effects 0.000 description 1
- 238000009833 condensation Methods 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000012774 insulation material Substances 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002844 melting Methods 0.000 description 1
- 230000008018 melting Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 239000011148 porous material Substances 0.000 description 1
- 238000010223 real-time analysis Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Medical Informatics (AREA)
- Remote Sensing (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Testing Resistance To Weather, Investigating Materials By Mechanical Methods (AREA)
Abstract
本发明提供了一种大体积混凝土质量智能控制方法,本发明通过可扩展大小的模块化养护厂房结构,使混凝土浇筑不受夏季高温、冬季寒冷、大风等的影响,并能够检测养护厂房内部各区域的温湿度,控制喷淋***可以调节混凝土表面的温湿度,通过混凝土内部埋设传感器及冷凝水管,实现混凝土内部温度的实时检测、变化趋势智能预测,利用控制算法实现冷凝管内循环水的自动控制,从而有效提高大体积混凝土浇筑质量,保障工程质量及输变电设备运行的安全性和可靠性。
Description
技术领域
本发明涉及输变电工程建设技术领域,特别是一种大体积混凝土质量智能控制方法。
背景技术
在输变电工程建设中,GIS基础、电抗器基础、独立避雷针基础等均采用大体积混凝土结构。温湿度和环境因素均可引起大体积混凝土内部因初始应力、内部转移等复杂现象而造成起鼓、裂纹甚至断裂等质量问题,进而影响输变电的正常运行。因此大体积混凝土浇筑在输变电工程建设中起着举足轻重的作用,如何在工程建设过程中保证混凝土质量,将对整个工程质量以及输变电设备安全起着决定性作用。
为提高大体积混凝土的浇筑质量,混凝土养护时需要精准控制内、外部温度和湿度,以防止混凝土出现裂纹、起鼓等质量问题。同时在进行压光、切缝作业时,需选择合适风速、温度、光照的外部条件下进行,以达到较好的外观质量。
传统的混凝土养护施工中通过间隔性的人工手动测温,一定程度上反映了混凝土内部温度变化情况,但受制于现有技术的不足,现场无法实现连续测温、无法实时准确预测未来温度变化趋势,从而造成了控温、控湿措施滞后,未达到最佳的养护条件和最优的设计性能指标。而混凝土养护过程中还容易受到外部环境的影响,施工人员面对多种外部变量时的主观决策,又进一步造成了实体质量的参差不齐。
发明内容
本发明的目的是提供一种大体积混凝土质量智能控制方法,旨在解决现有技术中混凝土养护条件差、性能指标低的问题,实现提高大体积混凝土浇筑质量,保障工程质量及输变电设备运行的安全性和可靠性。
为达到上述技术目的,本发明提供了一种大体积混凝土质量智能控制方法,所述方法包括以下操作:
设计可扩展大小的模块化养护厂房,采集混凝土表面气候要素信息,通过自动喷淋控制混凝土表面温湿度;
在混凝土中预埋可替换埋入式传感装置,采集混凝土内部温度,将采集到的温度数据信号进行集中收集和远程传输;
采用基于支持向量回归预测模型对混凝土内部温度变化趋势进行实时预测,并基于网格搜索和K-fold交叉验证进行预测模型参数优化,获得最优参数,得到温度变化预测结果;
根据实时预测结果,设计基于神经网络的自适应控制器,并采用模糊Smith预估补偿进行自适应补偿,消除稳态偏差,控制混凝土内部冷凝水循环电机转速,控制混凝土内部温度。
优选地,所述模块化养护厂房采用轻型塑钢管件为骨架,通过连接件形成可任意改变形状的主骨架机构。
优选地,所述混凝土表面气候要素信息包括湿度、相对湿度以及热辐射。
优选地,所述可替换埋入式传感装置包括数据传输线、内钢管、外钢管、柏油层以及传感器,数据传输线置于内钢管内部,数据传输端与传感器相连,外钢管套在内钢管外部,外钢管的外侧设有柏油层。
优选地,所述基于网格搜索和K-fold交叉验证进行预测模型参数优化具体为:
建立网格坐标,采用指数函数对网格进行划分,令a=(-m,m),b=(-n,n),则模型参数网格点坐标为(c,g)=(2a,2b);
划分样本,利用K-fold交叉验证法将原始样本均分成K组,每组轮流作为验证集,测试其他K-1组训练得到的模型;
确定预测误差,取上述K次测试结果的均方误差的平均值作为本次模型的性能指标;
确定最优参数组合,网格上所有交叉点处的参数组合经过K-fold交叉验证后,均方误差最小值所对应的参数组合就是模型的最优参数。
优选地,所述控制混凝土内部温度具体为:
将外部设定的温度值和采集的温度测量值同时传输给微处理器的控制部分,计算设定值与实际值的偏差,根据预先设计好的控制算法得到输出控制量,在一定周期内控制冷凝水循环***电机的转速。
发明内容中提供的效果仅仅是实施例的效果,而不是发明所有的全部效果,上述技术方案中的一个技术方案具有如下优点或有益效果:
与现有技术相比,本发明通过可扩展大小的模块化养护厂房结构,使混凝土浇筑不受夏季高温、冬季寒冷、大风等的影响,并能够检测养护厂房内部各区域的温湿度,控制喷淋***可以调节混凝土表面的温湿度,通过混凝土内部埋设传感器及冷凝水管,实现混凝土内部温度的实时检测、变化趋势智能预测,利用控制算法实现冷凝管内循环水的自动控制,从而有效提高大体积混凝土浇筑质量,保障工程质量及输变电设备运行的安全性和可靠性。
附图说明
图1为本发明实施例中所提供的一种大体积混凝土质量智能控制方法流程图;
图2为本发明实施例中所提供的一种大体积混凝土质量智能控制实施方案示意图;
图3为本发明实施例中所提供的可替换埋入式传感装置主要结构示意图;
图4为本发明实施例中所提供的传感器替换示意图;
图5为本发明实施例中所提供的混凝土内部冷凝水温控结构示意示意图;
图6为本发明实施例中所提供的温度控制示意图;
图中,1-数据传输线,2-内钢管,3-外钢管,4-柏油层,5-传感器,6-乳胶水泥,7-混凝土,8-新传感器,9-旧传感器。
具体实施方式
为了能清楚说明本方案的技术特点,下面通过具体实施方式,并结合其附图,对本发明进行详细阐述。下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。应当注意,在附图中所图示的部件不一定按比例绘制。本发明省略了对公知组件和处理技术及工艺的描述以避免不必要地限制本发明。
下面结合附图对本发明实施例所提供的一种大体积混凝土质量智能控制方法进行详细说明。
如图1-6所示,本发明公开了一种大体积混凝土质量智能控制方法,所述方法包括以下操作:
设计可扩展大小的模块化养护厂房,采集混凝土表面气候要素信息,通过自动喷淋控制混凝土表面温湿度;
在混凝土中预埋可替换埋入式传感装置,采集混凝土内部温度,将采集到的温度数据信号进行集中收集和远程传输;
采用基于支持向量回归预测模型对混凝土内部温度变化趋势进行实时预测,并基于网格搜索和K-fold交叉验证进行预测模型参数优化,获得最优参数,得到温度变化预测结果;
根据实时预测结果,设计基于神经网络的自适应控制器,并采用模糊Smith预估补偿进行自适应补偿,消除稳态偏差,控制混凝土内部冷凝水循环电机转速,控制混凝土内部温度。
设计可扩展大小的养护厂房结构,厂房采用轻型塑钢管件为骨架,通过连接件形成可任意改变形状的主骨架机构,满足模块化的需求,实现易组装、快速拆卸的要求,骨架外部采用保温材料与玻璃材料,实现与厂房外环境的交互。厂房内部设置可拆卸、灵活组装的喷淋***,在炎热的夏季可有效降低养护厂房内混凝土表面温度,提高表面湿度,在冬季温度较低时,可通过蒸汽发生器,喷淋高温蒸汽,提高浇筑作业环境温度,达到浇筑作业不受季节影响的目的。
通过采集设备,对混凝土表面气候要素信息,包括湿度、相对湿度以及热辐射等,进行实时采集,利用无线方式实时上传至服务器。通过对采集的大量数据进行实时分析,并与预先制定的温控标准进行对比,进而自动对现场喷雾设备进行控制,以实现小区域的有效调控,最终使得混凝土表面温湿度调节至理想状态。
对于混凝土内部温度的实时监测,通过混凝土预埋传感器技术进行实时监测。通过改善传感器的封装效果,可提高传感器的可靠性。可替换埋入式传感装置包括数据传输线、内钢管、外钢管、柏油层以及传感器,数据传输线置于内钢管内部,数据传输端与传感器相连,外钢管套在内钢管外部,外钢管的外侧设有柏油层。将整个传感装置固定在钢筋骨架或模板上,使该装置柏油层端在浇筑后恰好达到混凝土构件的表面,为达到这一目的,采用弧形孔道进行浇筑。在浇筑混凝土时,使传感器与混凝土紧密接触并协同工作。当要替换该传感装置时,从混凝土结构外表面通过外钢管对传感装置加热融去柏油层,旋转外钢管,破坏柏油层与混凝土的连接,便可顺利将柏油清出,即使不能直接拔出,也可通过外钢管导热,加速柏油层的熔化。保证传感器与混凝土通过乳胶水泥牢固相连,以保证协同工作。待乳胶水泥固化后,传感器即可正常工作。
温度采集传感器通过技术协议进行数据通信,并经GPRS无线网络将温度数据传输到汇聚节点,经RS485网络完成内部区域温度数据信号的集中收集和远程传输。汇聚节点处的数据集中器在接收到温度传感器采集的实时温度数据信号后,通过内部RS485串口将数据传输到局域网中,便于站控层操作员工作站、工程师工作站等站控层设备读取和分析。数据处理单元接收到温度数据信号后,经数据分析处理形成对应的温度数据并显示在监控LCD屏上,经数据判断,分析其是否超过设定值,当混凝土温度数据信号超过设定值后,发出报警信号。
为提高***控制效果,需要准确对混凝土内部温度作出预测。本发明实施例采用基于支持向量回归(SVR)算法的温度变化趋势智能预测模型,对混凝土内部温度进行实时预测。惩罚参数c和核函数参数g对SVR预测模型的计算性能有很大影响,因此基于网格搜索和K-fold交叉验证进行SVR参数优化,具体操作步骤如下:
建立网格坐标,网格坐标的范围决定了参数寻优的范围,为保证寻优范围足够广,采用指数函数对网格进行划分,令a=(-m,m),b=(-n,n),则模型参数网格点坐标为(c,g)=(2a,2b);
划分样本,利用K-fold交叉验证法时,将原始样本均分成K组,每组轮流作为验证集,测试其他K-1组训练得到的模型;
确定预测误差,取上述K次测试结果的均方误差的平均值作为本次模型的性能指标;
确定最优参数组合,网格上所有交叉点处的参数组合经过K-fold交叉验证后,均方误差最小值所对应的参数组合就是模型的最优参数。
基于网格搜索和K-fold交叉验证,不仅可以找出全局最优解,还能够有效避免拟合不当的影响,从而提高了整个模型的预测精度。
对于混凝土内部温度控制,设置两个相互连接蓄水箱,分别作进、出水使用,通过控制器根据当前混凝土的温度控制冷凝水水循环达到降温的目的。
根据预测的温度变化趋势,结合混凝土实时温度,对混凝土进行温度控制,为了提高温度控制的精度和稳定性,综合传统控制方法与神经网络控制,设计基于神经网络的自适应控制器,采用模糊Smith智能控制方法对***的纯滞后进行预估补偿来消除***超调和增强控制的稳定性。
混凝土温度控制采用闭环控制方式,将外部设定的温度值和温度传感器采集的温度测量值同时传输给微处理器的控制部分,计算设定值与实际值的偏差,根据预先设计好的控制算法得到输出控制量,在一定周期内控制冷凝水循环***电机的转速,从而将温度控制在目标值附近的一定范围内,并保持稳定。
由于Smith预估补偿对模型偏差比较敏感,为了消除模型参数不匹配的影响,通过在模糊Smith补偿模型的基础上附加除法器、乘法器以及前导微分来对其增益进行自适应补偿,通过共同作用,由补偿模型与信号之间的偏差得到用于校正预估的增益,实现自适应调整的作用,能够消除稳态偏差。
本发明实施例通过可扩展大小的模块化养护厂房结构,使混凝土浇筑不受夏季高温、冬季寒冷、大风等的影响,并能够检测养护厂房内部各区域的温湿度,控制喷淋***可以调节混凝土表面的温湿度,通过混凝土内部埋设传感器及冷凝水管,实现混凝土内部温度的实时检测、变化趋势智能预测,利用控制算法实现冷凝管内循环水的自动控制,从而有效提高大体积混凝土浇筑质量,保障工程质量及输变电设备运行的安全性和可靠性。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种大体积混凝土质量智能控制方法,其特征在于,所述方法包括以下操作:
设计可扩展大小的模块化养护厂房,采集混凝土表面气候要素信息,通过自动喷淋控制混凝土表面温湿度;
在混凝土中预埋可替换埋入式传感装置,采集混凝土内部温度,将采集到的温度数据信号进行集中收集和远程传输;
采用基于支持向量回归预测模型对混凝土内部温度变化趋势进行实时预测,并基于网格搜索和K-fold交叉验证进行预测模型参数优化,获得最优参数,得到温度变化预测结果;
根据实时预测结果,设计基于神经网络的自适应控制器,并采用模糊Smith预估补偿进行自适应补偿,消除稳态偏差,控制混凝土内部冷凝水循环电机转速,控制混凝土内部温度。
2.根据权利要求1所述的一种大体积混凝土质量智能控制方法,其特征在于,所述模块化养护厂房采用轻型塑钢管件为骨架,通过连接件形成可任意改变形状的主骨架机构。
3.根据权利要求1所述的一种大体积混凝土质量智能控制方法,其特征在于,所述混凝土表面气候要素信息包括湿度、相对湿度以及热辐射。
4.根据权利要求1所述的一种大体积混凝土质量智能控制方法,其特征在于,所述可替换埋入式传感装置包括数据传输线、内钢管、外钢管、柏油层以及传感器,数据传输线置于内钢管内部,数据传输端与传感器相连,外钢管套在内钢管外部,外钢管的外侧设有柏油层。
5.根据权利要求1所述的一种大体积混凝土质量智能控制方法,其特征在于,所述基于网格搜索和K-fold交叉验证进行预测模型参数优化具体为:
建立网格坐标,采用指数函数对网格进行划分,令a=(-m,m),b=(-n,n),则模型参数网格点坐标为(c,g)=(2a,2b);
划分样本,利用K-fold交叉验证法将原始样本均分成K组,每组轮流作为验证集,测试其他K-1组训练得到的模型;
确定预测误差,取上述K次测试结果的均方误差的平均值作为本次模型的性能指标;
确定最优参数组合,网格上所有交叉点处的参数组合经过K-fold交叉验证后,均方误差最小值所对应的参数组合就是模型的最优参数。
6.根据权利要求1所述的一种大体积混凝土质量智能控制方法,其特征在于,所述控制混凝土内部温度具体为:
将外部设定的温度值和采集的温度测量值同时传输给微处理器的控制部分,计算设定值与实际值的偏差,根据预先设计好的控制算法得到输出控制量,在一定周期内控制冷凝水循环***电机的转速。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358353.0A CN112561246A (zh) | 2020-11-27 | 2020-11-27 | 一种大体积混凝土质量智能控制方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011358353.0A CN112561246A (zh) | 2020-11-27 | 2020-11-27 | 一种大体积混凝土质量智能控制方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112561246A true CN112561246A (zh) | 2021-03-26 |
Family
ID=75046422
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011358353.0A Pending CN112561246A (zh) | 2020-11-27 | 2020-11-27 | 一种大体积混凝土质量智能控制方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112561246A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116149402A (zh) * | 2023-04-23 | 2023-05-23 | 中建西南咨询顾问有限公司 | 一种基于卷积神经网络的温度控制***与控制方法 |
CN117580010A (zh) * | 2024-01-15 | 2024-02-20 | 中交三公局桥梁隧道工程(北京)有限公司 | 一种基于无线传感器的喷淋监测数据传输*** |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436722A (zh) * | 2011-12-05 | 2012-05-02 | 中国水利水电科学研究院 | 一种混凝土坝的温控防裂监测方法 |
CN103914594A (zh) * | 2014-03-26 | 2014-07-09 | 河海大学 | 基于支持向量机的混凝土热力学参数智能识别方法 |
WO2016127408A1 (zh) * | 2015-02-13 | 2016-08-18 | 南通大学 | 大体积混凝土电子测温施工方法 |
CN109976147A (zh) * | 2019-04-03 | 2019-07-05 | 清华大学 | 一种基于智能学习的大体积混凝土温控方法 |
CN110377981A (zh) * | 2019-07-01 | 2019-10-25 | 河海大学 | 一种数字化的施工现场混凝土预测式防裂方法 |
CN111305873A (zh) * | 2020-02-25 | 2020-06-19 | 中铁十九局集团第三工程有限公司 | 隧道裂缝修复***及其修复方法 |
-
2020
- 2020-11-27 CN CN202011358353.0A patent/CN112561246A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102436722A (zh) * | 2011-12-05 | 2012-05-02 | 中国水利水电科学研究院 | 一种混凝土坝的温控防裂监测方法 |
CN103914594A (zh) * | 2014-03-26 | 2014-07-09 | 河海大学 | 基于支持向量机的混凝土热力学参数智能识别方法 |
WO2016127408A1 (zh) * | 2015-02-13 | 2016-08-18 | 南通大学 | 大体积混凝土电子测温施工方法 |
CN109976147A (zh) * | 2019-04-03 | 2019-07-05 | 清华大学 | 一种基于智能学习的大体积混凝土温控方法 |
CN110377981A (zh) * | 2019-07-01 | 2019-10-25 | 河海大学 | 一种数字化的施工现场混凝土预测式防裂方法 |
CN111305873A (zh) * | 2020-02-25 | 2020-06-19 | 中铁十九局集团第三工程有限公司 | 隧道裂缝修复***及其修复方法 |
Non-Patent Citations (5)
Title |
---|
刘亭莉等: "基于模糊Smith方法的温控***仿真研究", 《计算机仿真》 * |
张国新等: "大体积混凝土防裂智能监控***", 《水利水电科技进展》 * |
程书剑: "混凝土结构埋入式传感器的耐久性研究", 《四川建筑科学研究》 * |
蔡小莹等: "基于粗糙集与支持向量机的混凝土坝施工温度过程预测", 《水电与新能源》 * |
贾华等: "模糊Smith在辊道窑温度控制***的应用", 《计算机仿真》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116149402A (zh) * | 2023-04-23 | 2023-05-23 | 中建西南咨询顾问有限公司 | 一种基于卷积神经网络的温度控制***与控制方法 |
CN116149402B (zh) * | 2023-04-23 | 2023-07-28 | 中建西南咨询顾问有限公司 | 一种基于卷积神经网络的温度控制***与控制方法 |
CN117580010A (zh) * | 2024-01-15 | 2024-02-20 | 中交三公局桥梁隧道工程(北京)有限公司 | 一种基于无线传感器的喷淋监测数据传输*** |
CN117580010B (zh) * | 2024-01-15 | 2024-04-05 | 中交三公局桥梁隧道工程(北京)有限公司 | 一种基于无线传感器的喷淋监测数据传输*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102679505B (zh) | 房间温度控制方法 | |
CN112561246A (zh) | 一种大体积混凝土质量智能控制方法 | |
Chen et al. | Model predictive control optimization for rapid response and energy efficiency based on the state-space model of a radiant floor heating system | |
CN107607579B (zh) | 一种湿式冷却塔的热力性能在线监测***及其方法 | |
CN102607143B (zh) | 基站空调设备的远程监控方法及*** | |
CN104220948B (zh) | 针对用于建筑物中加热***的温度控制单元的改善 | |
CN105864881B (zh) | 一种智能家庭采暖***及其需量控制方法 | |
CN105627506A (zh) | 一种空调冷机的建筑冷负荷预测方法及装置 | |
CN106091251A (zh) | 一种用于换热器的脏堵判断方法、装置和空调 | |
CN107797581A (zh) | 一种暖通大数据节能*** | |
CN101916094B (zh) | 一种地源热泵预警控制器及其控制方法 | |
CN112859974A (zh) | 一种基于环境气象参数及机组运行参数的冷却塔补水控制*** | |
CN105783113A (zh) | 一种供热智能监控*** | |
CN109812902B (zh) | 基于红外热源监测的地铁电气设备房空调节能***及方法 | |
CN205721442U (zh) | 一种基于无线传输的大体积混凝土温度自动控制*** | |
CN111351817B (zh) | 建筑墙体隔热保温效果检测组件 | |
CN108895717A (zh) | 一种土壤源热泵***的节能控制方法及*** | |
CN104360984A (zh) | 一种基于两点边值测量下冷却塔填料热力性能计算方法 | |
CN204008081U (zh) | 一种水龙头阀芯检测*** | |
CN115933785A (zh) | 一种太阳能光热农业大棚的环境控制方法及*** | |
CN113048664B (zh) | 一种太阳能热水器效能测试***及方法 | |
CN106501877A (zh) | 一种dmc控制双加热数字探空仪及其加热控制方法 | |
CN105138048A (zh) | 混凝土浇筑仓面小环境温湿度智能控制装置及方法 | |
CN112727127A (zh) | 一种大体积纤维混凝土裂缝预防与控制***、方法 | |
CN205842842U (zh) | 一种新型智能家庭采暖*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20210326 |
|
RJ01 | Rejection of invention patent application after publication |