CN116821637A - 一种基于数据孪生技术的建筑钢结构数据处理方法 - Google Patents
一种基于数据孪生技术的建筑钢结构数据处理方法 Download PDFInfo
- Publication number
- CN116821637A CN116821637A CN202311107768.4A CN202311107768A CN116821637A CN 116821637 A CN116821637 A CN 116821637A CN 202311107768 A CN202311107768 A CN 202311107768A CN 116821637 A CN116821637 A CN 116821637A
- Authority
- CN
- China
- Prior art keywords
- point cloud
- data
- steel structure
- stress
- cloud data
- 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.)
- Granted
Links
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 52
- 239000010959 steel Substances 0.000 title claims abstract description 52
- 238000000547 structure data Methods 0.000 title claims abstract description 11
- 238000005516 engineering process Methods 0.000 title claims abstract description 10
- 238000003672 processing method Methods 0.000 title claims abstract description 7
- 238000012876 topography Methods 0.000 claims abstract description 13
- 230000035772 mutation Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 6
- 238000000034 method Methods 0.000 claims description 24
- 238000005259 measurement Methods 0.000 claims description 6
- HOWHQWFXSLOJEF-MGZLOUMQSA-N systemin Chemical compound NCCCC[C@H](N)C(=O)N[C@@H](CCSC)C(=O)N[C@@H](CCC(N)=O)C(=O)N[C@@H]([C@@H](C)O)C(=O)N[C@@H](CC(O)=O)C(=O)OC(=O)[C@@H]1CCCN1C(=O)[C@H]1N(C(=O)[C@H](CC(O)=O)NC(=O)[C@H](CCCN=C(N)N)NC(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H]2N(CCC2)C(=O)[C@H]2N(CCC2)C(=O)[C@H](CCCCN)NC(=O)[C@H](CO)NC(=O)[C@H](CCC(N)=O)NC(=O)[C@@H](NC(=O)[C@H](C)N)C(C)C)CCC1 HOWHQWFXSLOJEF-MGZLOUMQSA-N 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 108010050014 systemin Proteins 0.000 claims description 3
- 230000001131 transforming effect Effects 0.000 claims description 3
- 238000012544 monitoring process Methods 0.000 abstract description 13
- 230000035882 stress Effects 0.000 description 56
- 238000004364 calculation method Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000012916 structural analysis Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005293 physical law Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000008054 signal transmission Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Classifications
-
- 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
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/30—Computing systems specially adapted for manufacturing
Landscapes
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Abstract
本发明提出了一种基于数据孪生技术的建筑钢结构数据处理方法，涉及建筑钢结构数据处理技术领域，扫描测量钢结构的受力区域变形前后的点云数据，建立数字孪生虚拟点云坐标；由扫描点云数据拟合得到的表面位形计算钢结构受力区域的形变量；采用传感器对钢结构受力区域进行应力数据实时监测，将其应力数据的变化量与受力区域的形变量进行关联判断，若相同方向上，应力数据的变化量和形变量均出现较大突变，可认为该关注区域出现危险。
Description
技术领域
本发明涉及建筑钢结构数据处理技术领域，具体涉及一种基于数据孪生技术的建筑钢结构数据处理方法。
背景技术
建筑数字孪生模型是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。建筑数字孪生模型在虚拟世界中与建筑物理实体保持共生演化关系的信息映射模型，其研究与发展对于提升建筑管理能力具有重要意义。现有技术中，通常使用孪生技术建立某一建筑结构的数字模型，并通过该数字模型来监控实际建筑结构，从而使位于监控室的使用者能够方便了解建筑的实际情况。
然而，建筑在生命期的演化中会遭遇老化和性能衰退等问题，建筑的一些参数和物理规律会在复杂环境的影响下产生一系列不确定的连续改变，使得建筑数字孪生模型通常难以与建筑物理实体间保持动态一致性，同时一栋建筑中会拥有各种不同的传感器以及监控设施，如果都将这些设施所传递的内容实时渲染在数字模型中，会导致增加模型的算力压力。
发明内容
为了解决上述技术问题，本发明提出了一种基于数据孪生技术的建筑钢结构数据处理方法，包括如下步骤：
步骤一、扫描测量钢结构的受力区域变形前后的点云数据，建立数字孪生虚拟点云坐标；
步骤二、由扫描点云数据拟合得到的表面位形计算钢结构受力区域的形变量；
步骤三、采用传感器对钢结构受力区域进行应力数据实时监测，将其应力数据的变化量与受力区域的形变量进行关联判断。
进一步地，步骤一中，设受力区域变形前第一时刻T1点云数据P1的坐标为{x1,y1,zl}：
；
设受力区域变形后第二时刻T2点云数据P2的坐标为{x2,y2,z2}：
；
式中，S1，S2分别为点云数据P1和点云数据P2对应的实际钢结构表面函数，S1(x1,y1)为实际表面函数S1上(x1,y1)处的函数值，S2(x2,y2)为实际表面函数S2上(x2,y2)处的函数值，为点云数据P2在z方向上的测量噪音，/>为点云数据P1在z方向上的测量噪音。
进一步地，步骤二中，
设{X1,Y1,Z1}’和{X2,Y2,Z2}’分别为在第一时刻T1和第二时刻T2由点云数据P1和P2拟合得到的表面位形：
在第一时刻T1钢结构表面拟合得到的表面位形为:
；
在第二时刻T2钢结构表面拟合得到的表面位形为:
；
式中，分别为第一时刻T1和第二时刻T2扫描绝对精度漂移量；/>分别为在第一时刻T1钢结构表面拟合得到的表面位形的坐标值，/>分别为在第一时刻T2钢结构表面拟合得到的表面位形的坐标值；
则钢结构表面在第二时刻T2相对于第一时刻T1的形变量为:
；
第一时刻T1和第二时刻T2实际的点云数据的均值分别为、/>；/>、/>为均值/>、与总体均值间的偏差，/>分别为x、y、z方向的形变量。
进一步地，步骤三中，经过固定时间间隔后，计算应力数据的变化量/>，分析应力数据的变化量/>的x，y，z方向的分量/>，若相同方向上，应力数据的变化量分量和形变量分量均超过突变阈值，则判断该受力区域出现危险。
进一步地，步骤一中，采用如下步骤分割出受力区域的点云数据带：
S11、确保第一时刻T1的点云数据P1和第二时刻T2的点云数据P2均包含受力区域；
S12、采用沿受力方向的移动滑窗，从点云数据中分割出点云块；
S13、设滑窗的长度为lw，宽度为s，以滑窗为单位分别分割出点云数据P1和P2中的点云块；
S14、将点云块数据由整体坐标系xyz变换为局部坐标系；
S15、在局部坐标系中，分别求点云数据P1和P2在局部坐标系中/>的均值/>和，再将/>和/>转换为整体坐标系z1和z2，分别得到点云数据P1和P2在同一测点的整体坐标{x1,y1,zl}和{x2,y2,z2}。
相比于现有技术，本发明具有如下有益技术效果：
扫描测量钢结构的受力区域变形前后的点云数据，建立数字孪生虚拟点云坐标；由扫描点云数据拟合得到的表面位形计算钢结构受力区域的形变量；采用传感器对钢结构受力区域进行应力数据实时监测，将其应力数据的变化量与受力区域的形变量进行关联判断，若相同方向上，应力数据的变化量和形变量均出现较大突变，可认为该关注区域出现危险。
附图说明
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为发明的基于数据孪生技术的建筑钢结构数据处理方法的流程图；
图2为发明的滑窗设置参数示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
在本发明的具体实施例附图中，为了更好、更清楚的描述***中的各元件的工作原理，表现所述装置中各部分的连接关系，只是明显区分了各元件之间的相对位置关系，并不能构成对元件或结构内的信号传输方向、连接顺序及各部分结构大小、尺寸、形状的限定。
如图1所示，为发明的基于数据孪生技术的建筑钢结构数据处理方法的流程图，包括如下步骤：
步骤一、扫描测量钢结构的受力区域变形前后的点云数据，建立数字孪生虚拟点云坐标。
设钢结构的受力区域变形前扫描时刻为第一时刻T1，钢结构的受力区域变形后扫描时刻为第二时刻T2。
在第一时刻T1和第二时刻T2，分别使用扫描仪对钢结构同一受力区域进行扫描。
定义第一时刻T1的扫描点云数据为点云数据P1，第二时刻T2的扫描点云数据为点云数据P2；S1，S2分别为点云数据P1和点云数据P2对应的实际钢结构表面函数，S1(x1,y1)为实际表面函数S1上(x1,y1)处的函数值，S2(x2,y2)为实际表面函数S2上(x2,y2)处的函数值。
设点云数据P1的坐标为{x1,y1,zl}，它满足如下关系:
；
式中，为点云数据P1在z方向上的测量噪音，服从高斯分布。
{x1,y1,zl}是坐标{x1,y1,S1(x1,y1)}和在z方向上的叠加，/>为点云数据P1的测量误差点云。
设点云数据P2的坐标为{x2,y2,z2}，它满足如下关系：
；
式中，为点云数据P2在z方向上的测量噪音；{x2,y2,z2}是坐标和/>在z方向上的叠加。/>为点云数据P2的测量误差点云。
在优选实施例中，可采用如下步骤分割出受力区域的点云数据带。
S11、确保第一时刻T1的点云数据P1和第二时刻T2的点云数据P2均包含受力区域。
S12、采用沿受力方向的移动滑窗，从点云数据中分割出点云块，如图2所示，滑窗间距为s，滑窗中点平面坐标为(xi,yi)，s控制计算测点的间距。滑窗宽度为hw，hw控制点云在钢结构的横向截取的宽度，当被测表面在横向为平面时，hw越大，参与计算的点数越多，计算结果的可靠性更强。
S13、设滑窗的长度为lw，宽度为s，以滑窗为单位分别分割出点云数据P1和P2中的点云块。
S14、将点云块数据由整体坐标系xyz变换为局部坐标系。
S15、在局部坐标系中，分别求点云数据P1和P2在局部坐标系中/>的均值/>和，再将/>和/>转换为整体坐标系z1和z2，分别得到点云数据P1和P2在同一测点的整体坐标{x1,y1,zl}和{x2,y2,z2}。
步骤二、由扫描点云数据拟合得到的表面位形计算钢结构受力区域的形变量。
在一定的点云密度条件下，设{X1,Y1,Z1}’和{X2,Y2,Z2}’分别为在第一时刻T1和第二时刻T2由点云数据P1和P2拟合得到的表面位形，分别为第一时刻T1和第二时刻T2扫描绝对精度漂移量，第一时刻T1和第二时刻T2实际的点云数据的均值分别为/>、/>。
定义：；/>；
式中，、/>为均值/>、/>与总体均值间的偏差。
在时刻T1结构表面拟合得到的表面位形为:
；
在时刻T2钢结构拟合得到的表面位形为:
；
其中，分别为在第一时刻T1钢结构表面拟合得到的表面位形的坐标值，分别为在第一时刻T2钢结构表面拟合得到的表面位形的坐标值。
则钢结构在时刻T2相对于时刻T1的形变量为：
；
式中，分别为x、y、z方向的形变量。
当两次观测的条件(扫描分辨率、扫描距离)相近时，两次点云在受力区域的点数量和点误差标准差相同，将o2-o1改写为，是与扫描点误差标准差/>和数据数量n有关的随机项。
步骤三、采用传感器对钢结构受力区域进行应力数据实时监测，将其应力数据的变化量与受力区域的形变量进行关联判断。
采用传感器技术实现钢结构连接节点物理模型的应力数据实时监测，实现钢结构物理数据采集和构建。
将其应力数据的变化量与数字孪生测量的形变量进行关联比较，即经过固定时间间隔后，计算应力数据的变化量/>，分析应力数据的变化量/>的x，y，z方向的分量，若相同方向上，应力数据的变化量分量和形变量分量均超过突变阈值，则判断该受力区域出现危险。
在优选实施例中，利用数字孪生模型的输入、输出数据进行应力数据的变化量与受力区域的形变量进行关联判断。具体采用如下方法：
当数字孪生模型工作于模拟模式时，计算该数字孪生模型输入端Y(s)到输出端U(s)的输出函数G(s)为：
；
式中：T为时间常数，s为判定参变量；其中，判定参变量s可以根据实际需要选择输入不同的判定参变量类型。K为增益函数，增益函数根据判定参变量s的类型的变化而变化。
将数字孪生模型的输出函数G(s)代表应力数据的变化量和形变量的突变量，数字孪生模型输入端Y(s)代表应力数据的变化量，输出端U(s)代表数字孪生测量的形变量。
上述数字孪生模型表示将应力数据的变化量和形变量与数字孪生测量的形变量进行曲线对比，从而判断应力数据的变化量和形变量的曲线突变是否超过突变阈值，则判断该受力区域出现危险。
在优选实施例中，采用传感器对钢结构受力区域进行应力数据实时监测之后，获取传感器监测***信息并存储于数据库，利用语义Web知识存储功能将实时监测的应力数据存储到知识库。
进一步地，利用语义Web技术中的本体方法将结构监测***、特定施工阶段建筑信息模型以及FEA模型三者关联，从数据层面实现异源、异构信息的集成与互操作。
根据传感器监测***的实时监测数据结构体系建立相应数据库，利用MySQL关系数据库采用多表格分别存储的形式对实时监测数据作数据记录。
根据SSN本体框架结合传感器布置情况建立自定义SSN本体模型，根据建筑结构形式、结构分析参考以及结构监测方案开发适用于结构分析领域的本体模型。
通过将传感器本体引入SSN本体中来完善传感器位置信息的语义描述,加强与传感信息相关的位置概念的表示。通过SSN本体中的类与属性表示与传感信息相关的位置信息,设计实时监测数据与传感器位置信息的关联策略,在二者之间建立合理的语义联系。
其次,将其应力数据的变化量与受力区域的形变量进行关联判断。
基于应力数据的变化量设计变化量关系和逻辑规则来描述应力数据的变化量与受力区域的形变量之间潜在的关系,配合对应的逻辑规则可以支撑关联判断的语义推理。设计了关联原型***和应力数据的变化量可视化原型***,帮助用户方便快捷的将受力区域与传感器位置信息进行关联,根据用户选择的查询条件,动态地、自动地生成符合条件的SPARQL查询语句。
在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中，或者通过所述计算机可读存储介质进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如，固态硬盘(solid state disk，SSD))等。
以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。
Claims (5)
1.一种基于数据孪生技术的建筑钢结构数据处理方法，其特征在于，包括如下步骤：
步骤一、扫描测量钢结构的受力区域变形前后的点云数据，建立数字孪生虚拟点云坐标；
步骤二、由扫描点云数据拟合得到的表面位形计算钢结构受力区域的形变量；
步骤三、采用传感器对钢结构受力区域进行应力数据实时监测，将其应力数据的变化量与受力区域的形变量进行关联判断。
2.根据权利要求1所述的建筑钢结构数据处理方法，其特征在于，步骤一中，设受力区域变形前第一时刻T1点云数据P1的坐标为{x1,y1,zl}：
；
设受力区域变形后第二时刻T2点云数据P2的坐标为{x2,y2,z2}：
；
式中，S1，S2分别为点云数据P1和点云数据P2对应的实际钢结构表面函数，S1(x1,y1)为实际表面函数S1上(x1,y1)处的函数值，S2(x2,y2)为实际表面函数S2上(x2,y2)处的函数值，为点云数据P2在z方向上的测量噪音,/>为点云数据P1在z方向上的测量噪音。
3.根据权利要求2所述的建筑钢结构数据处理方法，其特征在于，步骤二中，
设{X1,Y1,Z1}’和{X2,Y2,Z2}’分别为在第一时刻T1和第二时刻T2由点云数据P1和P2拟合得到的表面位形：
在第一时刻T1钢结构表面拟合得到的表面位形为:
；
在第二时刻T2钢结构表面拟合得到的表面位形为:
；
式中，分别为第一时刻T1和第二时刻T2扫描绝对精度漂移量；/>分别为在第一时刻T1钢结构表面拟合得到的表面位形的坐标值，/>分别为在第一时刻T2钢结构表面拟合得到的表面位形的坐标值；
则钢结构表面在第二时刻T2相对于第一时刻T1的形变量为:
；
第一时刻T1和第二时刻T2实际的点云数据的均值分别为、/>；/>、/>为均值/>、/>与总体均值间的偏差；/>分别为x、y、z方向的形变量。
4.根据权利要求1所述的建筑钢结构数据处理方法，其特征在于，步骤三中，经过固定时间间隔后，计算应力数据的变化量/>，分析应力数据的变化量/>的x，y，z方向的分量，若相同方向上，应力数据的变化量分量和形变量分量的突变均超过突变阈值，则判断该受力区域出现危险。
5.根据权利要求1所述的建筑钢结构数据处理方法，其特征在于，步骤一中，采用如下步骤分割出受力区域的点云数据带：
S11、确保第一时刻T1的点云数据P1和第二时刻T2的点云数据P2均包含受力区域；
S12、采用沿受力方向的移动滑窗，从点云数据中分割出点云块；
S13、设滑窗的长度为lw，宽度为s，以滑窗为单位分别分割出点云数据P1和P2中的点云块；
S14、将点云块数据由整体坐标系xyz变换为局部坐标系；
S15、在局部坐标系中，分别求点云数据P1和P2在局部坐标系中/>的均值/>和/>，再将/>和/>转换为整体坐标系z1和z2，分别得到点云数据P1和P2在同一测点的整体坐标{x1,y1,zl}和{x2,y2,z2}。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311107768.4A CN116821637B (zh) | 2023-08-31 | 2023-08-31 | 一种基于数据孪生技术的建筑钢结构数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311107768.4A CN116821637B (zh) | 2023-08-31 | 2023-08-31 | 一种基于数据孪生技术的建筑钢结构数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116821637A true CN116821637A (zh) | 2023-09-29 |
| CN116821637B CN116821637B (zh) | 2023-11-28 |
Family
ID=88118879
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311107768.4A Active CN116821637B (zh) | 2023-08-31 | 2023-08-31 | 一种基于数据孪生技术的建筑钢结构数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116821637B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117387884A (zh) * | 2023-12-12 | 2024-01-12 | 天津风霖物联网科技有限公司 | 一种基于多传感器数据融合的桥梁挠度测量方法 |
| CN118009232A (zh) * | 2024-02-02 | 2024-05-10 | 江苏省特种设备安全监督检验研究院 | 一种基于数字孪生的储氢气瓶监测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103940356A (zh) * | 2014-02-27 | 2014-07-23 | 山东交通学院 | 一种基于三维激光扫描技术的建筑物整体变形监测方法 |
| CN108534927A (zh) * | 2018-05-09 | 2018-09-14 | 华中科技大学 | 一种建筑结构、施工临时结构及建筑施工设备整体牢固性的监测方法 |
| CN112344869A (zh) * | 2020-10-09 | 2021-02-09 | 国家电网公司西北分部 | 基于侧面拟合的铁塔变形监测方法及*** |
| CN112731440A (zh) * | 2020-12-25 | 2021-04-30 | 中国铁道科学研究院集团有限公司 | 高速铁路边坡形变检测方法及装置 |
| CN115115796A (zh) * | 2022-07-04 | 2022-09-27 | 上海交通大学 | 一种基于语义Web技术的建筑数字孪生框架及建模方法 |
| CN115601008A (zh) * | 2022-09-29 | 2023-01-13 | 中交一公局第七工程有限公司（Cn） | 基于数字孪生的工程沉降变形监测***及方法 |
-
2023
- 2023-08-31 CN CN202311107768.4A patent/CN116821637B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103940356A (zh) * | 2014-02-27 | 2014-07-23 | 山东交通学院 | 一种基于三维激光扫描技术的建筑物整体变形监测方法 |
| CN108534927A (zh) * | 2018-05-09 | 2018-09-14 | 华中科技大学 | 一种建筑结构、施工临时结构及建筑施工设备整体牢固性的监测方法 |
| CN112344869A (zh) * | 2020-10-09 | 2021-02-09 | 国家电网公司西北分部 | 基于侧面拟合的铁塔变形监测方法及*** |
| CN112731440A (zh) * | 2020-12-25 | 2021-04-30 | 中国铁道科学研究院集团有限公司 | 高速铁路边坡形变检测方法及装置 |
| CN115115796A (zh) * | 2022-07-04 | 2022-09-27 | 上海交通大学 | 一种基于语义Web技术的建筑数字孪生框架及建模方法 |
| CN115601008A (zh) * | 2022-09-29 | 2023-01-13 | 中交一公局第七工程有限公司（Cn） | 基于数字孪生的工程沉降变形监测***及方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117387884A (zh) * | 2023-12-12 | 2024-01-12 | 天津风霖物联网科技有限公司 | 一种基于多传感器数据融合的桥梁挠度测量方法 |
| CN118009232A (zh) * | 2024-02-02 | 2024-05-10 | 江苏省特种设备安全监督检验研究院 | 一种基于数字孪生的储氢气瓶监测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116821637B (zh) | 2023-11-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116821637B (zh) | 一种基于数据孪生技术的建筑钢结构数据处理方法 | |
| US20100058257A1 (en) | Topology optimization method using equivalent static loads | |
| Baraldi et al. | Reconstruction of missing data in multidimensional time series by fuzzy similarity | |
| CN115841046A (zh) | 基于维纳过程的加速退化试验数据处理方法和装置 | |
| Xu et al. | A computational geometry method for localization using differences of distances | |
| CN117387884A (zh) | 一种基于多传感器数据融合的桥梁挠度测量方法 | |
| CN115795928A (zh) | 基于伽马过程的加速退化试验数据处理方法和装置 | |
| CN115081677A (zh) | 一种风速预测方法、装置、电子设备及可读存储介质 | |
| Dufresne et al. | The geometry of sloppiness | |
| Csurcsia et al. | Nonparametric time-domain identification of linear slowly time-variant systems using B-splines | |
| CN104850624B (zh) | 近重复记录的相似度评估方法 | |
| Tao et al. | PointSGRADE: Sparse learning with graph representation for anomaly detection by using unstructured 3D point cloud data | |
| Zhu et al. | A likelihood for correlated extreme series | |
| CN114996303A (zh) | 调用数据库的代价因子的校准方法、装置、设备及介质 | |
| CN115879355A (zh) | 一种压电传感器的温度补偿方法 | |
| Mei et al. | Health condition assessment of hydraulic system based on cloud model and dempster–shafer evidence theory | |
| CN112182739A (zh) | 一种飞行器结构非概率可信可靠性拓扑优化设计方法 | |
| Zhgun et al. | Advancing Quality Metrics in Statistical Data Analysis | |
| Saberi et al. | A sample-based approach to data quality assessment in spatial databases with application to mobile trajectory nearest-neighbor search | |
| CN116502563B (zh) | 高阶空间网格的流固耦合数据转换方法及装置 | |
| CN115184859B (zh) | 一种构建非视距传播场景下测距和测角误差消除方法 | |
| JP2880347B2 (ja) | 構造化システム処理時間見積り装置 | |
| CN115588083B (zh) | 一种基于bim技术的房屋安全监测***及方法 | |
| CN115271328A (zh) | 电能质量评估的方法、装置、计算机设备和存储介质 | |
| Zelenkova et al. | Prospects for Improving Calibration Techniques using a Measurement Reduction Apparatus |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |