本技术涉及高支模结构安全监测，尤其涉及一种应用于高支模架的安全评估方法及相关设备。
背景技术：
1、随着支模架规模的持续扩大，混凝土结构施工过程中的支模架坍塌的风险也显著增加。近年来，每年都有由于高支模架坍塌引发的重大安全事故，给施工人员安全和工程进展带来了严重威胁。
2、目前对于高支模架的设计只是针对单根立杆承载力验算，对于高支模架整架的安全状况评估只能依靠工程现场的监测，现行临时支撑结构规范对于高支模架的监测指标要求有立杆内力、水平位移，两个监测指标相互独立，这种独立指标判断模型对于情况复杂的高支模架安全评估是不准确的，同时忽略了各指标之间的内在联系，容易在高支模架安全状况评定时出现误判，由此可见，传统的应用于高支模架的安全评估方法存在准确性较低的问题。
技术实现思路
1、本技术实施例的目的在于提出一种应用于高支模架的安全评估方法及相关设备，以解决传统的应用于高支模架的安全评估方法存在准确性较低的问题。
2、为了解决上述技术问题，本技术实施例提供一种应用于高支模架的安全评估方法，采用了如下所述的技术方案：
3、接收设置于目标高支模架的关键部位的传感器采集到的传感数据；
4、对所述传感数据进行预处理，得到预处理数据；
5、对所述预处理数据进行特征融合处理，得到特征融合数据；
6、根据t-s模糊模型对所述特征融合数据进行决策融合处理，得到决策融合数据；
7、根据所述决策融合数据确定所述目标高支模架的安全评估等级；
8、输出所述安全评估等级。
9、进一步的，所述对所述传感数据进行预处理，得到预处理数据的步骤，具体包括下述步骤：
10、根据数值从小到大对所述传感数据进行排序；
11、根据狄克逊统计检验准则对排序后的传感数据进行粗大误差判别处理，得到判别结果；
12、根据所述判别结果对所述传感数据进行剔除处理，得到所述预处理数据。
13、进一步的，所述对所述预处理数据进行特征融合处理，得到特征融合数据的步骤，具体包括下述步骤：
14、根据时间节点将所述预处理数据进行划分处理，得到同一时间节点下的预处理数据；
15、分别计算所述同一时间节点下的预处理数据的均值，并根据所述均值分别获取各个预处理数据的平方差，得到方差分配值；
16、根据递推算法计算所述方差分配值的方差估计值；
17、根据所述方差估计值计算融合加权系数；
18、根据最小二乘法以及所述融合加权系数计算所述预处理数据的特征融合数据。
19、进一步的，所述特征融合数据表示为：
20、
21、其中，xi表示第i个预处理数据，wi表示所述融合加权系数，wi表示为：
22、
23、其中，ri表示方差估计值，表示表示为：
24、
25、其中，k表示时间节点，ri(k)表示为：
26、
27、其中，xi(k)表示k时间节点的第i个预处理数据，表示为：
28、
29、进一步的，所述根据t-s模糊模型对所述特征融合数据进行决策融合处理，得到决策融合数据的步骤，具体包括下述步骤：
30、将所述特征融合数据进行向量转化处理，得到特征向量数据；
31、对所述特征向量数据进行模糊化处理，得到模糊化数据；
32、根据高斯隶属度函数计算所述模糊化数据的输入模糊量；
33、根据所述输入模糊量确认模糊规则；
34、对所有模糊规则进行归一化处理，得到归一化数据；
35、根据所述归一化数据计算所述目标高支模架的的可信度值，得到所述决策融合数据。
36、进一步的，所述决策融合数据gj表示为：
37、
38、其中，n表示模糊规则数量，aji表示gj的第i个语言值隶属度函数的中心值，aji∈[0,1]，表示所述归一化数据，表示为：
39、
40、其中，yi表示一条模糊规则下的激活度，yi表示为：
41、
42、其中，分别表示输入模糊量，表示为：
43、
44、其中，xi表示特征向量数据，dij、σij分别取所述特征向量数据的整体均值和方差作为隶属度函数的中间参数与宽度。
45、为了解决上述技术问题，本技术实施例还提供一种应用于高支模架的安全评估装置，采用了如下所述的技术方案：
46、数据获取模块，用于接收设置于目标高支模架的关键部位的传感器采集到的传感数据；
47、预处理模块，用于对所述传感数据进行预处理，得到预处理数据；
48、特征融合模块，用于对所述预处理数据进行特征融合处理，得到特征融合数据；
49、决策融合模块，用于根据t-s模糊模型对所述特征融合数据进行决策融合处理，得到决策融合数据；
50、评估等级获取模块，用于根据所述决策融合数据确定所述目标高支模架的安全评估等级；
51、评估等级输出模块，用于输出所述安全评估等级。
52、进一步的，所述预处理模块包括：
53、排序子模块，用于根据数值从小到大对所述传感数据进行排序；
54、判别子模块，用于根据狄克逊统计检验准则对排序后的传感数据进行粗大误差判别处理，得到判别结果；
55、剔除子模块，用于根据所述判别结果对所述传感数据进行剔除处理，得到所述预处理数据。
56、为了解决上述技术问题，本技术实施例还提供一种计算机设备，采用了如下所述的技术方案：
57、包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如上所述的应用于高支模架的安全评估方法的步骤。
58、为了解决上述技术问题，本技术实施例还提供一种计算机可读存储介质，采用了如下所述的技术方案：
59、所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如上所述的应用于高支模架的安全评估方法的步骤。
60、本技术提供了一种应用于高支模架的安全评估方法，包括：接收设置于目标高支模架的关键部位的传感器采集到的传感数据；对所述传感数据进行预处理，得到预处理数据；对所述预处理数据进行特征融合处理，得到特征融合数据；根据t-s模糊模型对所述特征融合数据进行决策融合处理，得到决策融合数据；根据所述决策融合数据确定所述目标高支模架的安全评估等级；输出所述安全评估等级。与现有技术相比，本技术基于神经网络算法实现高支模架安全评价指标数据完成输入到输出的非线性映射，很好的解决了高支模架安全评价中的关键数据的获取，并行处理和决策级融合等方面的问题，另外，采用少量传感器针对关键指标进行充分数据挖掘，可实时得到准确的高支模架的状态与预警信息，从经济性和精准度上优化了高支模架结构安全状态评估。
1.一种应用于高支模架的安全评估方法，其特征在于，包括下述步骤：
2.根据权利要求1所述的应用于高支模架的安全评估方法，其特征在于，所述对所述传感数据进行预处理，得到预处理数据的步骤，具体包括下述步骤：
3.根据权利要求1所述的应用于高支模架的安全评估方法，其特征在于，所述对所述预处理数据进行特征融合处理，得到特征融合数据的步骤，具体包括下述步骤：
4.根据权利要求3所述的应用于高支模架的安全评估方法，其特征在于，所述特征融合数据表示为：
5.根据权利要求1所述的应用于高支模架的安全评估方法，其特征在于，所述根据t-s模糊模型对所述特征融合数据进行决策融合处理，得到决策融合数据的步骤，具体包括下述步骤：
6.根据权利要求5所述的应用于高支模架的安全评估方法，其特征在于，所述决策融合数据gj表示为：
7.一种应用于高支模架的安全评估装置，其特征在于，包括：
8.根据权利要求7所述的应用于高支模架的安全评估装置，其特征在于，所述预处理模块包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机可读指令，所述处理器执行所述计算机可读指令时实现如权利要求1至6中任一项所述的应用于高支模架的安全评估方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可读指令，所述计算机可读指令被处理器执行时实现如权利要求1至6中任一项所述的应用于高支模架的安全评估方法的步骤。
