(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210692792.8 (22)申请日 2022.06.17 (71)申请人 北京继祥科技发展 有限公司 地址 100089 北京市海淀区中关村东路18 号1号楼8层B-902 (72)发明人 石岩　杨治国　杨丽曼　王一轩　 孙治博　许少峰　王娜　蔡茂林　 (74)专利代理 机构 北京慕达星云知识产权代理 事务所 (特殊普通合伙) 11465 专利代理师 符继超 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01)G06N 5/00(2006.01) G06F 119/14(2020.01) (54)发明名称 一种基于决策树算法的金属屋面状态判断 方法及系统 (57)摘要 本发明公开了一种基于决策树算法的金属 屋面状态判断方法及系统， 其中方法包括： 通过 第一异构传感器和第二异构传感器获取需要监 测的金属屋面面板的应力值、 纵向位移值和横向 滑移值； 采用时域分析法分别获得应力值、 纵向 位移值和横向滑移值所对应的特征量； 计算第一 异构传感器和第二异构传感器 之间的相关系数； 将应力值、 纵向位移值和横向滑移值所对应的特 征量， 以及相关系数输入到训练后的决策树模型 中， 输出金属屋面面板、 以及第一异构传感器或 第二异构传感器的状态结果； 通过该方法可有效 掌握金属屋面在服役期间的劣化趋势， 并在屋面 某区域出现故障苗头时预警， 以方便管理人员视 情维修和及时补救， 避免严重事故的发生。 权利要求书2页 说明书7页 附图3页 CN 114996815 A 2022.09.02 CN 114996815 A 1.一种基于决策树 算法的金属屋面状态判断方法， 其特 征在于， 包括： S1、 通过第一异构传感器和第二异构传感器， 获取需要监测的金属屋面面板的应力值、 纵向位移值和横向滑 移值； S2、 采用时域分析法对所述应力值、 纵向位移值和 横向滑移值进行预处理， 分别获得所 述应力值、 纵向位移值和横向滑移值所对应的特征量； 同时计算所述第一异构传感器和第 二异构传感器之间的相关系数； S3、 将所述应力值、 纵向位移值和横向滑移值所对应的特征量， 以及所述第一异构传感 器和第二异构传感器之 间的相关系数输入到训练后的决策树模型中， 输出所述金属屋面面 板、 以及所述第一异构传感器或第二异构传感器的状态结果； 其中， 所述决策树模型由应力值、 纵向位移值和横向滑移值、 以及第 一异构传感器和第 二异构传感器之间的相关系 数作为输入， 由对应的金属屋面面板、 以及所述第一异构传感 器或第二异构传感器的状态结果作为输出， 进行训练获得。 2.根据权利要求1所述的一种基于决策树算法的金属屋面状态判断方法， 其特征在于， 还包括： S4、 若所述状态结果中， 金属屋面面板、 第一异构传感器和/或第二异构传感器存在故 障， 则通过报警装置进行相应预警。 3.根据权利要求1所述的一种基于决策树算法的金属屋面状态判断方法， 其特征在于， 所述S1具体包括： S11、 将所述金属屋面面板划分为多个采集区域； 每个所述采集区域内含有预设数量个 采集节点； S12、 在每个所述采集节点处均安装有第一异构传感器和第二异构传感器； 通过所述第 一异构传感器和第二异构传感器， 获取每个所述采集节点处对应的金属屋面面板的应力 值、 纵向位移值和横向滑 移值。 4.根据权利要求1所述的一种基于决策树算法的金属屋面状态判断方法， 其特征在于， 所述第一异构传感器包括应变片和激光传感器， 分别用于获取采集节点处对应的金属屋面 面板的应力值和纵向位移值； 所述第二异构传感器包括超声波传感器， 用于获取采集节点处对应的金属屋面面板的 横向滑移值。 5.根据权利要求3所述的一种基于决策树算法的金属屋面状态判断方法， 其特征在于， 所述S2具体包括： 将每个所述采集节点所对应的预设数量个采集周期作为 一个时间窗； 对每个所述时间窗内， 每个所述采集节点所对应的应力值、 纵向位移值和横向滑移值 进行计算， 分别获得每个所述时间窗内， 每个所述采集节点的应力值、 纵向位移 值和横向滑 移值对应的特 征量； 同时计算每个所述采集节点所对应的第一异构传感器和第二异构传感器之间的相关 系数。 6.根据权利要求5所述的一种基于决策树算法的金属屋面状态判断方法， 其特征在于， 所述应力值的特 征量包括应力最大值、 应力标准差和应力均值； 所述纵向位移值的特 征量包括纵向位移均值；权　利　要　求　书 1/2 页 2 CN 114996815 A 2所述横向滑 移值的特 征量包括横向滑 移均值。 7.根据权利要求6所述的一种基于决策树算法的金属屋面状态判断方法， 其特征在于， 对于每个所述采集节点， 对应的所述S3具体包括： S31、 将当前所述时间窗内的纵向位移均值、 横向滑移均 值、 应力最大值、 应力标准差和 应力均值， 以及第一异构传感器和 第二异构传感器之 间的相关系数输入到训练好的决策树 模型中； S32、 由所述决策树模型对所述纵向位移均值或横向滑 移均值的比率进行判断； 若所述纵向位移均值或横向滑移均值的比率大于第 一阈值， 则表明该采集节点处 的金 属屋面面板存在故障， 且该故障存在恢复的可能性； 若所述纵向位移均值或横向滑 移均值的比率小于所述第一阈值， 则进行步骤S3 3； S33、 由所述决策树模型对所述第一异构传感器和第二异构传感器之间的相关系数进 行判断； 若所述第一异构传感器和第 二异构传感器之间的相关系数小于第 二阈值， 则表明该采 集节点处对应的第一异构传感器或第二异构传感器存在故障； 若所述第一异构传感器和第 二异构传感器之间的相关系数大于第 二阈值， 则进行步骤 S34； S34、 由所述决策树模型对所述应力最大值、 应力标准差和应力均值进行判断； 若所述应力最大值大于第三阈值， 或所述应力标准差大于第 四阈值， 或所述应力均值 大于第五阈值， 则表明该采集节点处对应的金属屋面 面板存在不可恢复性故障； 若所述应力最大值小于第三阈值， 且所述应力标准差小于第 四阈值， 且所述应力均值 小于第五阈值， 则表明该采集节点处对应的金属屋面 面板不存在故障。 8.一种基于决策树算法的金属屋面状态判断系统， 其特征在于， 应用权利要求1 ‑7任一 项所述的方法， 该系统包括： 采集模块、 预处 理模块和判断模块； 所述采集模块， 用于通过第一异构传感器和第二异构传感器， 获取需要监测的金属屋 面面板的应力值、 纵向位移值和横向滑 移值； 所述预处理模块， 用于采用时域分析法对所述应力值、 纵向位移值和横向滑移值进行 预处理， 分别获取到所述应力值、 纵向位移值和横向滑移 值所对应的特征量； 同时计算所述 第一异构传感器和第二异构传感器之间的相关系数； 所述判断模块， 用于根据 所述应力值、 纵向位移值和横向滑移值所对应的特征量， 以及 所述第一异构传感器和第二异构传感器之间的相关系 数， 对所述金属屋面面板、 以及所述 第一异构传感器或第二异构传感器的状态进行判断。 9.根据权利要求8所述的一种基于决策树算法的金属屋面状态判断系统， 其特征在于， 还包括预警模块； 所述预警模块， 用于在所述状态结果中， 金属屋面面板、 第一异构传感器和/或第二异 构传感器存在故障时， 进行相应预警。权　利　要　求　书 2/2 页 3 CN 114996815 A 3