[发明专利]一种基于振动的核电站结构损伤智能预警系统

权利要求书

1.一种基于振动的核电站结构损伤智能预警系统，其特征在于，包括环境采集组件(102)、通讯组件、巡检机器人(104)以及中央处理系统(103)；通讯组件连接所述环境采集组件(102)，所述环境采集组件(102)分布于建筑物结构上，用于周期性采集目标位置的振动数据；通讯组件连接中央处理系统(103)，用于系统的数据通讯互传；所述巡视机器人(104)用于巡视指定位置的结构健康情况，作出数据收集和分析，并上传到所述中央处理系统(103)；所述中央处理系统(103)用于对收集的数据进行处理计算，对所述的巡检机器人(104)进行智能控制，以及进行仿真实验和模型预测，并对危险情况作出预警。

2.根据权利要求1所述的一种基于振动的核电站结构损伤智能预警系统，其特征在于，所述环境采集组件(102)采用预埋置方式，在建筑建造时，预置于建筑结构内部；所述环境采集组件(102)或采用二次安装方式，在建筑完成后根据实际需要，采用钻孔内嵌方式安装，或者安装于建筑结构的外部预定位置。

3.根据权利要求1所述的一种基于振动的核电站结构损伤智能预警系统，其特征在于，所述通讯组件基于有线通信、近距无线通信、短距无线通信以及长距离无线通信等各种通信技术的其中一种或多种进行通讯；所述通讯模块可使用单终端模式，或是多节点网关模式进行通讯。

4.根据权利要求1所述的一种基于振动的核电站结构损伤智能预警系统，其特征在于，所述巡检机器人(104)包括探伤系统，用于探测建筑结构的结构健康状况；所述巡检机器人(104)包括三维空间扫描装置，用于对三维空间进行空间扫描，并生成三维模形；所述巡检机器人(104)包括移动装置，用于使机器人根据预设路线进行空间中的移动；所述巡检机器人(104)包括中央主控；所述中央主控连接并控制中央处理系统(103)，用于接收由总系统发送的指令；所述中央主控连接探伤系统、所述三维空间扫描装置以及移动装置，用于对机器人的行为进行控制。

5.根据权利要求1所述的一种基于振动的核电站结构损伤智能预警系统，其特征在于，所述中央处理系统(103)包括存储器和中央处理器；所述存储器包括随机存取存储器以及可擦写存储器；所述随机存取存储器用于作为输入数据的缓存，并等待将数据写入所述可擦写存储器；所述可擦写存储器用于存储可执行程序以及数据库(105)；所述中央处理器可调用所述存储器中的可执行程序，并调取所述数据库(105)的数据进行运算。

6.根据权利要求1所述的一种基于振动的核电站结构损伤智能预警系统，其特征在于，所述中央处理系统(103)采用有限元分析程序对三维模型(106)进行振动仿真实验，并建立一系列不同振源、振动参数的实验数据库105；仿真实验使用中央处理系统(103)并采用机器学习和深度算法，结合由环境采集组件(102)得到的振动数据，对建筑结构当前状况进行仿真计算以及机器学习以进行风险评估，并且一旦发生的振动反映出对建筑结构可能做成损坏的结果，预警系统发出预警，并安排所述巡检机器人(104)或技术人员对目标位置进行进一步排查。

7.根据权利要求1所述的一种基于振动的核电站结构损伤智能预警系统，其特征在于，所述中央处理系统(103)使用以下机器学习流程，建立破坏风险预测所用的模型，作为预警的根据：

S1，组织并分析振动的产生和影响因素，并将这些因素标准化描述，得到原始数据集[A]；所述的原始数据集[A]至少包括振动差生的源头，各振源的振动开始与结束的周期，各振源在振动持续周期内基于时间分布的各项振动特性，由所述环境采集组件(102)采集到的真实数据，核电站的各区域的三维模型(106)以及基于所述三维模形的振动仿真测试实验的结果；

S2，将原始数据集[A]划分为训练集[E]和测试集[T]，目的是使后续对模型进行训练时候提供更明确和有利的训练条件；

S3，构建振动高发区域以及振动强烈区域的预测模型；所述振动高发区域以及振动强烈区域的预测模型采用4层的深度神经网格，包括1个输入层，2个中间训练层和1个输出层；所述深度神经网格利用训练集[E]和测试集[T]分别对振动高发区域以及振动强烈区域进行机器学习训练；训练集[E]可使用单独区域作为单位，例如核反应堆区、压力容器室、蒸汽发生器室、主循环泵房，或者以单位面积划分的网格区域为单位，例如第10平方米划分为一个单位面积进行网格划分；通过以上训练，了解在各种振动发生叠加的概率，以及叠加后产生的影响，在以上训练的输出层中，输出各个区域或网格单位发生高发振动或强烈振动的概率；

S4，构建振动破坏风险预测模型；其中所述振动破坏风险预测模型采用4层的深度神经网格，包括1个输入层，2个中间训练层和1个输出层；机器算法采用误差逆传播法，利用原始数据集[A]对振动破坏风险预测模型进行机器训练，使输出可以表示上述各个区域或网格单位发生破坏风险的概率；进一步的，对破坏风险预测模型的输出概率进行分级转换，得到4个危险程度等级，作为振动破坏风险预测模型的最后输出；

S5，获取训练好的振动高发区域以及振动强烈区域的预测模型，以及训练好的振动破坏风险预测模型；

S6，按照预设规则利用训练好的振动高发区域以及振动强烈区域的预测模型对感兴趣的区域，或者对全体核电站区域进行预测，得到各区域发生振动高发或振动强烈的概率；

S7，获取S6所得结果后，利用训练好的振动破坏风险预测模型再对S6所得结果从高概率至低概率按序进行预测，获得最终的具有振动破坏风险概率的结果。