一种基于嵌入式规则引擎的工程监测及预警系统的制作方法

本发明属于工程安全监测领域，特别涉及一种基于嵌入式规则引擎的工程监测及预警系统。

背景技术：

1、当前，工程安全监测及风险预警系统在建筑、基础设施和其他工程项目中起着至关重要的作用。这些系统能够实时监测工程过程中的各种参数，并提供预警信息，以帮助工程管理人员及时采取措施来减少潜在的风险和事故发生。

2、首先，传统系统通常依赖于静态的规则库或预定义的阈值来进行风险评估，这种方法可能无法全面考虑多个不同工程项目的特殊情况和变化，导致数据处理和分析的效率变低。此外，不同数据采集设备在不同环境下获取的数据存在差异，缺乏统一的数据模板支撑，导致数据输入误差大、精度低，并增加了误读和错读的可能性。在这种情况下，监测系统的准确性和可靠性受到了影响，可能无法准确捕捉和及时处理潜在的安全风险，从而给施工过程带来潜在的危害。

3、其次，传统系统往往缺乏灵活性和扩展性，无法适应不断变化的工程环境需求。现有的安全监测系统通常只能针对单一项目进行管理，缺乏对多个工程项目的集中管理能力,导致数据基础薄弱、数据分散、格式不规范、可视化程度低。这使得工程安全监测效率变低，不能及时的分析风险并进行预警，从而造成安全隐患。

技术实现思路

1、为了解决多个不同工程项目集中管理安全监测内容复杂多变，而且数据信息获取难度较大，传统的人工采集数据方法存在误差大、效率低等问题问题；本发明提出了一种基于嵌入式规则引擎的工程监测及预警系统；该系统包括数据采集层、数据传输层、数据资源层；

2、数据采集层，通过物联网服务定时获取监测点设备读取的原始数据信息，并将原始数据进行归类汇总后统一格式化处理，获取目标数据集并通过数据传输层进行实时传输；

3、数据传输层，将目标数据集经过网络服务进行分发、传递和路由，将目标数据传输到目标位置；

4、数据资源层，将目标数据集的接收存储，进行数据分析加工和处理，以支撑数字化平台管理和访问控制各应用系统的正常运行。

5、优选地，数据采集层，由优化集成传感器、采集仪、lora无线通信模块和供电系统组成，采集施工现场各监测设备的数据，获得原始数据集；

6、其中，数据采集层将采集的原始数据集通过元数据管理来定义和记录数据模板的结构、属性和约束条件，使用数据建模技术和模式设计方法，对数据模板进行抽象和描述，以定义数据实体、属性、关系和约束，通过元编程和元模型技术，在运行时动态生成和修改数据模板。

7、优选地，修改数据模板是通过开放的api应用程序接口或插件系统，以插件形式添加或修改数据模板的特性和行为；使用配置文件和参数化设置，将数据模板的定义和配置信息存储在外部文件或数据库中。

8、优选地，数据采集层，还根据每种不同类型的仪器环境要求及校准信息进行相应的计算公式配置，利用动态规则引擎计算方法，对所述实现数据模板中的动态规则匹配和验证；根据配置的规则对输入数据进行自定义的校验和验证。

9、优选地，数据采集层将原始数据进行归类汇总后统一格式化处理是指对原始数据剔除包括如下步骤：获取仪器计算所得原始数据后，设置数据的粗差上下限，按照3σ准则对超出上下限的误差进行剔除，具体的计算步骤如下：

10、步骤1、通过硬件采集得到的原始数据，再通过自定义配置的计算公式计算后获得数据集；其中，自定义计算公式包括数学运算、逻辑操作、三角函数、对数函数；

11、步骤2、计算数据集的平均值和标准差；均值表示数据集的中心位置，标准差衡量数据的离散程度，平均值和标准差的计算公式如下所示：

12、μ＝∑xi/n                   (1)

13、

14、式中，xi表示数据集中的每个数据点，n是数据点的总数。

15、步骤3、确定异常值的粗差

16、根据3σ原则，需要确定一个异常值的粗差，大小为均值加减3倍标准差，如下式所示：

17、粗差上限＝μ+3σ                   (3)

18、粗差下限＝μ-3σ                    (4)

19、其中，μ表示数据集的平均值，σ表示数据集的标准差；

20、步骤4、识别并剔除异常值

21、遍历数据集中的每个数据点，将其与粗差上限和粗差下限进行比较；如果数据点的值超过了上下限，则被认定是异常值，采用数据粗差剔除算法对其进行粗差剔除将所述异常值做删除处理；

22、步骤5、重新分析数据

23、剔除异常值后，重新分析清理后的目标数据集，以分析结果的可靠性和准确性；其中，采用qlexpress规则引擎计算方法对每个监测点的预警信息进行配置，并根据不同项目、不同工程部位的不同测点进行相应的个性化配置，以达到精准预测；分析结果包括过程线分析、特征值分析和时段变幅分析。

24、优选地，重新分析清理后的目标数据集，以分析结果的可靠性和准确性是指对经过粗差剔除后的目标数据进行判断，是否超过测点其本身设定的预警预报阈值，阈值大小根据安全监测工程现场的规范要求制定，预警公式设置在测点的不同物理量分量上；若超过阈值，则继续判断是否超过加报周期；

25、如果超过加报周期终端会通过lora通信模块发送目标数据；所述lora通信模块采用modbus数据传输协议，通过中继网关解析命令，中继网关会下行发送实时监测命令，对应的监测目标终端立即响应；

26、上行发送预警命令，再通过自定义配置的预警消除公式对超出阈值的数据进行处理后，通过internet网络传输至云平台模块并存储进数据库中；

27、预警消除公式由安全监测工程中的专家经过研判给出，通过所述自定义公式配置阈值的消除公式；

28、若经过仪器计算的数值未超过阈值，将目标数据集直接传输至数据库中，对其进行数据分析及可视化展示，通过过程线分析、特征值分析和时段变幅分析进行可视化展示。

29、优选地，数据传输层是通过lora中继网关，采用lorawan数据传输协议，并完全兼容lora无线通信模组接入；采用星形传输结构，通过跳频机制针对不同的监测终端进行通信，利用自适应算法，根据探测射频环境选择不同的通信信道，满足条件后下达指令接收与上传目标数据；

30、自适应算法等于射频环境监测+通信信道选择+通信参数动态调整+指令发送与接收；其中，所述射频环境监测为监测当前射频环境的信号强度、干扰水平、可用频段；所述通信信道选择为根据射频环境监测结果选择最佳的通信信道；所述通信参数动态调整为根据当前射频环境和通信信道选择结果动态调整通信参数；例如调制方式、扩频因子、发送功率等；所述指令发送与接收为根据需要发送的指令类型选择合适的通信信道将指令从中继网关发送到智能监测终端，并确保指令的可靠传达；

31、其中，中继网关通过下行链路接收区域内lora监测终端上传的数据。

32、优选地，数据资源层，是通过建立监测数据中心平台，用于统一管理项目业务数据信息、三维化数字模型、二维文档结构化和非结构化数据，用于对数据的多维度整合、分析、调用、共享。

33、优选地，数据资源层，在不同的数据源之间建立起关联关系，为目标数据集的共享和互访提供底层的支持；并提供信息资源核心计算、数据加工，使系统能够在数据到达时立即进行计算和响应，从而实现实时决策和反馈。

34、本发明提供了一种基于嵌入式规则引擎的工程监测及预警系统，解决了多个不同工程项目集中管理安全监测内容复杂多变，而且数据信息获取难度较大，传统的人工采集数据方法存在误差大、效率低等问题，该系统利用qlexpress(一种轻量级的规则引擎)来实现动态规则匹配和风险评估，优化数据处理和分析方式，从而提供更精确和灵活的预警机制。利用微服务框架实现子系统开发的解耦，在一个系统可提供多种服务；建立了统一的数据模板，以确保各种仪器在不同环境下获取的数据能够一致地被处理和分析；系统还具备高度可配置性和可扩展性，能够适应多样化的工程环境需求，同时管理和监控多个工程项目，实现数据共享和资源优化；通过集中管理，可以更好地协调各个项目之间的安全监测工作，提高监测效率和整体安全水平。