[发明专利]基于多维MEMS惯性传感器的建筑楼梯人流量估计系统

说明书

基于多维MEMS惯性传感器的建筑楼梯人流量估计系统，以达到楼梯安全实时监测的需求。结合楼梯几何尺寸、材料工程、结构特征、连接方式、使用情况，选取恰当的多维MEMS惯性传感器的接触采集点，通过实时监测的多维接触式MEMS惯性传感器数据估计楼梯人流量载荷，评估安全程度并及时预警。该楼梯监测及评估系统由下列子系统构成：多维MEMS惯性数据采集子系统、红外图像校准子系统、无线数据传输子系统、多维数据处理子系统、楼梯振动模式识别与荷载估计子系统。本发明利用较少的楼梯振动样本量，在经过一定特征处理后进行基于建筑楼梯结构振动响应力学模型的机器学习，并使用该机器学习模型进行建筑楼梯人流量建模与荷载估计。

技术领域

本发明涉及建筑物楼梯监测技术领域，涉及基于多维MEMS惯性传感器的建筑楼梯人流量估计系统。

背景技术

伴随着社会生产水平的逐步提高，城市化发展更为欣欣向荣，建筑尤其是高层建筑在城市建设中变得日益重要，尽管建筑内部——楼梯的振动看似微不足道，然而实际上以楼梯在人们日常生活中的普及程度，对其人员密集程度的评估及其安全性进行实时监测是保障居民正常生活工作的一种必需。为了实时显示楼道中人员密集程度、保证建筑内部结构安全、防止楼梯的过度使用及踩踏等危险情况的发生，并及时对存在问题做出识别诊断和警报，利用一定的技术手段来进行建筑楼梯振动建模与载荷估计是智慧楼宇和建筑监测的一项关键技术。造成建筑物楼梯结构振动的主要因素是该楼道内当前人数和人体步态的生物力学特征。利用传感器技术、结构力学分析、信号处理建模、模式识别分类等技术来对建筑楼梯的振动程度进行监测分析，在此基础上得到建筑楼梯人流量和荷载状态的模型，从而快速、精确地完成对楼梯的人员密集程度和健康状态分析，可以有效防止因楼梯载荷过大或材料老化变形产生安全隐患而造成的严重安全问题和经济损失。

通过查阅相关文献，国内目前对于建筑楼梯的振动研究较少，且主要集中在监测人员密度方向和一些特殊材质或结构的楼梯振动性能评估，如木质楼梯、钢制螺旋楼梯等。对于人员密度的监测目前主流的方式是基于监控视频的人像捕捉方式，设备成本较高，技术复杂，普及程度低，近期也出现了一些基于无线移动终端定位的新型监测技术，但尚未成熟，主要针对大型集会使用。对建筑楼梯的人流量进行监测只能获得当前时段楼道内的大致人数，无法获得由此导致的楼梯振动载荷情况，无法监测因楼梯老化或结构受损而导致的异常振动信号，也无法及时预警由少量人员步伐振动频率与楼梯固有频率一致引起的共振现象。目前现有的对楼梯振动的测量仪器主要是被动式热释电红外传感器或红外发射器和接收器，其中热释电红外传感器更广泛应用于自动门系统，而非专门针对楼梯振动，而且由于现实生活中人们并行上下楼梯等因素的限制，这种方式无法准确识别出当前楼梯人流量。被动式热释电红外传感器尽管有本身不发射任何类型的辐射，具有功耗小，隐蔽性好的优点，但其易受各类光源、热源的干扰，尤其当夏天室内温度与人体温度相近时，探测准确性将会大幅下降，甚至于短时失灵，无法达到实时可靠并安全地监测楼梯振动的目的。因此需要利用本发明所涉及的一种基于楼梯多维振动信号的人数监测及载荷估计系统，利用九轴惯性传感器监测与机器学习相结合的方法，不仅既达到隐蔽性好、成本低廉、方便便捷的要求，还能实时监测当前楼梯人流量范围与危险状态预警，从而真正实现实时可靠的楼梯振动监测系统。

采用惯性传感器数据模式识别是建筑振动监测学习领域主要技术，但用传统振动模式学习技术存在以下两个问题：一是采用传统机器学习方法需要人为选择特征，泛化性不强，小波变换方法对振动数据的幅度、谱图和主要能量频率、奇异状态等很多因素会导致特征提取十分复杂；二是传统的模式识别步骤复杂，需要对原始观测量进行预处理、建模、特征提取以及固定分类识别，其中任何一步都需要较多的人员干预。以神经网络为代表的智能学习方法可以很好的解决这类问题，获取楼梯结构环境输入以及结构本身各种状态参量，进而对楼梯结构状态进行监测与评估，实时报告建筑结构受力状况、性状，且不需要人为选择特征。但是，现有神经网络需要大量的标注数据来进行训练，楼梯危险状态的样本量较少。