一种基于大语言模型的建筑物倾斜监测系统的制作方法

本发明涉及建筑物智能化监控领域，具体涉及一种基于大语言模型的建筑物倾斜监测系统。

背景技术：

1、随着我国整体经济发展，人民生活水平逐步提高，城市化进程不断加快，对于建筑物安全要求越来越高。其中，建筑物发生倾斜是对建筑物安全的严重威胁，如果发生倾斜，需要立刻排查原因并解决。原有通过人工携带测量仪对建筑物倾斜进行测量，这种方式难以做到实时监测，建筑物管理人员排查建筑物倾斜隐患时不够直观方便，发现问题不够及时。

2、通过大语言模型与无线倾角传感器的结合，实现建筑物倾斜情况的无人、实时、智能监控，从而及时发现建筑物安全隐患，提高管控效率，保障业主安全；

3、目前还没有一套比较完整的建筑物倾斜监测系统来“智慧”监督建筑物倾斜状态，因此，本申请对建筑物倾斜监测系统进行改善和设计。

技术实现思路

1、本发明的目的是为了解决现有技术存在的缺陷，提供一种基于大语言模型的建筑物倾斜监测系统。

2、为了实现上述目的，本发明采用的技术方案如下：

3、一种基于大语言模型的建筑物倾斜监测系统，包括：

4、无线倾角传感器，安装在建筑物主体上，用于对建筑物主体的倾斜角度进行检测；

5、无线接收器，安装在建筑物主体上，用于接收无线倾角传感器发送的检测信号；

6、数据采集端，实时获取无线接收器发送的报文，经过数据采集端按照上报协议解析后，获得json格式报文，并立即为报文添加时间戳；

7、大语言模型，使用大量文本数据进行深度学习训练，生成自然语言文本或理解语言文本的含义，大语言模型采用transformer架构，并实现模型预训练；

8、用户端app，利用pc或手机的展示建筑物主体当前倾斜结果与未来倾斜风险。

9、进一步，户端app、大语言模型、数据采集端均安装在应用服务器上，并通过网络相连。

10、进一步，大语言模型为chatglm-6b模型。

11、进一步，大语言模型冻结已有知识权重参数生成新增网络层，然后把训练集的报文数据以队列形式有序传入新增网络层进行训练；

12、基于梯度下降的adam算法进行微调任务，数据一旦被使用过之后，则被立即从队列中删除，adam算法的更新公式为：

13、mt＝β1mt-1+(1-β1)gt

14、

15、

16、

17、

18、其中，mt和υt分别表示参数的一阶矩估计和二阶矩估计，gt表示当前梯度，β1和β2是衰减率和是偏差修正后的估计值，η是学习率，∈是一个小常数，用于防止除数为零；

19、使用mse损失函数来衡量训练效果，损失函数值越小，表示预测效果越好；

20、

21、其中，n表示样本数量，yi表示第i个样本的真实值，表示模型的预测值；

22、反复上述步骤，组织尽可能多的数据对模型进行训练，逐步提高模型对倾角数据的判断能力，最后完成大语言模型微调。

23、进一步，无线倾角传感器的数量为一个以上，无线倾角传感器固定安装在建筑物顶层平面的角落或边缘位置。

24、进一步，无线接收器安装在建筑物顶层中心，无线接收器需要接入到有线网络。

25、进一步，大语言模型根据prompt范式获取报文中倾角、温度、时间戳信息，并根据推理预测结果为“正常”或者“风险”，然后推理结果被发送至用户端app。

26、进一步，用户端app中包含建筑物的基本信息，包括建筑名称、建设时间、完工时间、建设单位、经纬度、高度，还包含安装在建筑物上的传感器的信息，包括传感器设备号、所属建筑、经纬度、生产厂家、安装时间。

27、进一步，用户端app根据大语言模型预测的倾角传感器的倾斜结果，并结合建筑物与倾角传感器的关联信息，向使用者发送建筑物的当前最新状态，如果有严重风险，则通过客户端pc或手机的喇叭通知使用者；

28、当使用者通过pc或手机访问客户端时，客户端向使用者展示传感器的状态信息以及大语言模型描述出的可能发生的风险文字通知，同时在建筑物模型上展示倾斜状态以及告警阈值。

29、本发明的有益效果为：1.本发明的系统是设置无线倾角传感器按照一定时间间隔向无线接收器发送倾斜角报文，无线接收器接收到报文后发送给数据采集端，数据采集端处理报文后再发送到大语言模型，大语言模型对判断报文中潜在倾斜风险的策略进行总结、归纳，并实现预测未来风险。如果需要报警，则向用户端app发送报警信号，使用者通过用户端app可以查看倾斜角的历史统计、设置阈值、报警信息等；

30、2.本系统开展具有针对性的建筑物报警信息布建，实现实时信息采集与展示，对建筑物倾斜的危险情况及时发现报警，确保建筑物安全。

31、3.推动建筑物设备建设集约化、联网化、规范化、智能化，为建设立体化建筑物监控体系，提升建筑物智能化设备控制系统管理的水平，提升人民居住舒适度，维护设备正常运转提供有力支撑。结合计算机软件，实现倾斜角报文的采集、管理及应用，使建筑物设备数据信息统一整合，帮助管理人员更高效、更精确的监控建筑物，提升建筑物运维效率和服务水平，增强民众幸福感和满意度。

32、4.节省了原本需要人工测量倾斜问题的人工成本，提高了测量效率，提升了管理公司形象，同时也降低了运营成本和维护成本。

技术特征：

1.一种基于大语言模型的建筑物倾斜监测系统，其特征在于，包括：

2.根据权利要求1所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述户端app、大语言模型、数据采集端均安装在应用服务器上，并通过网络相连。

3.根据权利要求1所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述大语言模型为chatglm-6b模型。

4.根据权利要求3所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述大语言模型冻结已有知识权重参数生成新增网络层，然后把训练集的报文数据以队列形式有序传入新增网络层进行训练；

5.据权利要求3所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述无线倾角传感器的数量为一个以上，所述无线倾角传感器固定安装在建筑物顶层平面的角落或边缘位置。

6.据权利要求3所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述无线接收器安装在建筑物顶层中心，所述无线接收器需要接入到有线网络。

7.据权利要求3所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述大语言模型根据prompt范式获取报文中倾角、温度、时间戳信息，并根据推理预测结果为“正常”或者“风险”，然后推理结果被发送至用户端app。

8.据权利要求3所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述用户端app中包含建筑物的基本信息，包括建筑名称、建设时间、完工时间、建设单位、经纬度、高度，还包含安装在建筑物上的传感器的信息，包括传感器设备号、所属建筑、经纬度、生产厂家、安装时间。

9.据权利要求7所述的一种基于大语言模型的建筑物倾斜监测系统，其特征在于，所述用户端app根据所述大语言模型预测的倾角传感器的倾斜结果，并结合建筑物与倾角传感器的关联信息，向使用者发送建筑物的当前最新状态，如果有严重风险，则通过客户端pc或手机的喇叭通知使用者；

技术总结本发明涉及一种基于大语言模型的建筑物倾斜监测系统，其包括无线倾角传感器，安装在建筑物主体上，用于对建筑物主体的倾斜角度进行检测；无线接收器，安装在建筑物主体上，用于接收无线倾角传感器发送的检测信号；数据采集端，实时获取无线接收器发送的报文，经过数据采集端按照上报协议解析后，获得JSON格式报文；大语言模型，使用大量文本数据进行深度学习训练，生成自然语言文本或理解语言文本的含义，大语言模型采用Transformer架构，并实现模型预训练；用户端APP，利用PC或手机的展示建筑物主体当前倾斜结果与未来倾斜风险。本系统开展具有针对性的建筑物报警信息布建，实现实时信息采集与展示，对建筑物倾斜的危险情况及时发现报警，确保建筑物安全。技术研发人员：杜辉,王可,石怡,程建芳,钱程,孙欣,肖钟欢,邱洋受保护的技术使用者：中核华纬工程设计研究有限公司技术研发日：技术公布日：2024/5/29