幕墙空腔气密性判断方法与流程

1.本发明涉及建筑幕墙领域，尤其涉及一种幕墙空腔气密性判断方法。


背景技术：

2.建筑幕墙指的是建筑物不承重的外墙围护，通常由面板(玻璃、金属板、石板、陶瓷板等)和后面的支承结构(铝横梁立柱、钢结构、玻璃肋等等)组成。密封式幕墙采用多层面板和密封胶进行密封，在面板间形成密封空腔，具有较好的保温、隔声能力，被广泛使用。然而，密封式幕墙使用过程中常常由于安装精度、胶水质量、变形等原因产生漏气问题，造成水汽渗入。一方面，水汽冷凝影响玻璃幕墙透明度，从而影响外立面的整体美观；另一方面，入渗的水汽和氧气会加速结构件的锈蚀老化，降低单元板块的使用寿命。实现幕墙气密性的实时无损监测，对于及时发现漏气板块并采取针对性措施具有重要意义。
3.目前幕墙气密性检测方法可以分为实验室检测和现场检测两种。显然，实验室检测方法仅仅适用于检测单个或者少量幕墙单元的气密性，虽然精度较高，但操作复杂，需要精密的仪器设备，不适用于检测实际工况中的大量幕墙单元的气密性。在现场检测方面，有报道利用通过主动加压方式测量气压值和流量来测试幕墙单元的气密性(cn206038244u，cn208736635u)，但是，此类方法装置较为复杂，不利于大规模使用；需要主动供能，不能够实现长时间的自主监测；采取供压的方法，会对幕墙结构造成一定损害，且供压气道新增了漏气风险。


技术实现要素：

4.针对上述已有方案的不足，本发明提出一种幕墙空腔气密性判断方法，可以实现幕墙空腔气密性的实时监测，有利于及时发现漏气的幕墙单元板块。
5.为实现上述目的，本发明采取的技术方案为：
6.一种幕墙空腔气密性判断方法，其包括步骤：
7.数据采集模块采集各个幕墙单元空腔内的气压和温度时序数据；
8.数据经由数据采集模块通过总线传输给数据传输模块；
9.数据传输模块将各个幕墙单元空腔的气压和温度时序数据通过无线网络，传输给远端的数据处理模块；
10.数据处理模块对各个测点的气压和温度时序数据进行分析，通过比较气压与温度之间的相关性判断幕墙单元是否漏气。
11.作为本发明的一种实施方式，判断幕墙单元是否漏气的方法包括：
12.步骤1.选取安装有所述数据采集模块的i个正常幕墙单元和j个漏气幕墙单元，采集t时间段内的气压与温度数据，作为训练数据集；
13.步骤2.计算训练数据集中每个幕墙单元的温度与气压数据在t时间段内的互相关系数，并构造一个i+j维的向量corr；同时，对于每个幕墙单元，设置是否漏气的标签向量label，标签向量label是与向量corr一一对应的i+j维向量；
14.步骤3.训练从向量corr映射到标签向量label的逻辑回归模型，保存模型参数；
15.步骤4.对于待预测的k个幕墙单元，采集t时间段内的气压数据与温度数据，作为预测数据集；
16.步骤5.计算预测数据集中的每个幕墙单元的温度与气压的互相关系数，并构造一个k维的向量x，通过步骤3训练得到的逻辑回归模型，将向量x映射成向量y；向量y为k维向量，每个维度对应一个待预测幕墙单元；
17.步骤6.针对向量y中的每一个维度，当维度的系数超过阈值时，判定为漏气，对k个待预测幕墙单元进行气密性判断；
18.步骤7.重复步骤4-步骤6，进行实时监测。
19.作为本发明的一种实施方式，判断幕墙单元是否漏气的方法包括：
20.步骤1.选取安装有所述数据采集模块的i个正常幕墙单元和j个漏气幕墙单元，采集t时间段内的气压数据，作为训练数据集；
21.步骤2.将训练数据集中每个幕墙单元的气压数据平均分成n段，每段的时间长度为tn，计算tn时间段内的波动系数，并计算单个幕墙单元气压在t时间段内的平均波动系数，并构造一个i+j维的向量fluc；同时，对于每个幕墙单元，设置是否漏气的标签向量label，标签向量label是与向量fluc一一对应的i+j维向量；
22.步骤3.训练从向量fluc映射到标签向量label的逻辑回归模型，保存模型参数；
23.步骤4.对于待预测的k个幕墙单元，采集t时间段内的气压数据，作为预测数据集；
24.步骤5.将预测数据集中每个幕墙单元的气压数据分成n段，每段的时间长度为tn，计算tn时间段内的波动系数，并计算单个幕墙单元气压在t时间段内的平均波动系数，并构造一个k维的向量x，通过步骤3训练得到的逻辑回归模型，将向量x映射成向量y；向量y为k维向量，每个维度对应一个待预测幕墙单元；
25.步骤6.针对向量y中的每一个维度，当维度的系数超过阈值时，判定为漏气，对k个待预测幕墙单元进行气密性判断；
26.步骤7.重复步骤4-步骤6，进行实时监测。
27.作为本发明的一种实施方式，判断幕墙单元是否漏气的方法包括：
28.步骤1.选取安装有所述数据采集模块的i个正常幕墙单元和j个漏气幕墙单元，采集t时间段内的温度与气压时序数据，作为训练数据集；
29.步骤2.计算训练数据集中每个幕墙单元的温度与气压数据在t时间段内的互相关系数，将训练数据集中每个幕墙单元的气压数据分成n段，每段的时间长度为tn，计算tn时间段内的波动系数，并计算单个幕墙单元气压在t时间段内的平均波动系数，将每个幕墙单元的互相关系数与波动系数构造成(i+j)
×
2维的矩阵array；同时，对于每个幕墙单元，设置是否漏气的标签向量label，标签向量label是与矩阵array逐行对应i+j维向量；
30.步骤3.训练将矩阵array映射到标签向量label的逻辑回归模型，保存模型参数；
31.步骤4.对于待预测的k个幕墙单元，采集t时间段内的气压与温度时序数据，作为预测数据集；
32.步骤5.计算预测数据集中每个幕墙单元的温度与气压数据在t时间段内的互相关系数，将预测数据集中每个幕墙单元的气压数据分成n段，每段的时间长度为tn，计算tn时间段内的波动系数，并计算单个幕墙单元气压在t时间段内的平均波动系数，将每个幕墙单
元的互相关系数与波动系数构造成k
×
2维的矩阵x，通过步骤3训练得到的逻辑回归模型，将矩阵x映射成向量y；向量y为k维向量，每个维度对应一个待预测幕墙单元；
33.步骤6.针对向量y中的每一个维度，当维度的系数超过阈值时，判定为漏气，对k个待预测幕墙单元进行气密性判断。
34.步骤7.重复步骤4-步骤6，进行实时监测。
35.作为本发明的一种实施方式，所述采集模块采用温度传感器和气压传感器。
36.由于采用上述技术方案，使得本发明具有以下有益效果：
37.1、本方法仅依赖于气压数据和温度数据，该数据可以通过高性价比的传感器、mcu(microcontroller unit，意思是微控制单元或单片机)进行采集，不需要额外供压装置，具有价格便宜、系统简单的优点；
38.2、本方法计算速度快，能够同时对多个监测点位的温度、压强数据进行处理。实现多点位的气密性实时监测；
39.3、能够实现异地多个幕墙项目监测，且属于无损监测。
附图说明
40.为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
41.图1为本发明实施例提供的幕墙空腔气密性判断方法的数据采集示意图。
42.图2为本发明实施例提供的幕墙空腔气密性判断方法的数据传输示意图
43.图3为本发明实施例提供的幕墙空腔气密性判断方法的方法一示意图
44.图4为本发明实施例提供的幕墙空腔气密性判断方法的方法二示意图
45.图5为本发明实施例提供的幕墙空腔气密性判断方法的方法三示意图
具体实施方式
46.单元式幕墙结构一般采用一个单元板块作为气室的分割单位，以保持压力均衡，提供气密功能。幕墙气密性破坏后，会造成水汽渗入，不但影响美观，同时会加速内部结构件的腐蚀老化，降低幕墙寿命。本发明提出一种基于幕墙空腔压强、温度时序数据的幕墙空腔气密性判断方法，通过理想气体状态方程压强与温度的线性关系、密闭空间对气压波动的隔绝作用的原理，来判断空腔的气密性，可以实现幕墙空腔气密性的实时监测，有利于及时发现漏气的幕墙单元板块。
47.本发明提出的幕墙空腔气密性判断方法的主要思路是：首先需要通过预埋在幕墙空腔内的数据采集模块采集各个幕墙单元空腔内的气压和温度时序数据。数据经由数据采集模块通过总线传输给数据传输模块，数据传输模块将多个单元板块的气压、温度数据通过无线网络，传输给远端的数据处理模块，数据处理模块对各个测点的气压、温度数据进行分析，判断是单元板块否漏气。
48.根据理想气体状态方程，pv＝nrt，其中p为压强，v为气体体积，n为气体物质的量，t为气体温度，r为理想气体常数，得出封闭式幕墙空腔微小变形假设下气压变化与温度变
化之间呈线性关系：δpv＝nrδt。因此，通过比较气压与温度之间的相关性可以判断幕墙是否漏气。
49.下面将结合本发明的几个实例和附图，对本发明实施中的技术方案进行清楚完整地描述。显然，所描述的实例仅是本发明的部分实例，而不是全部的实例。基于本发明的实例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
50.参阅图1和图2所示，a1-a4为单元幕墙，b1-b4为安装于单元幕墙空腔内的数据采集模块，温度、气压数据经过总线传输至数据传输模块c。每一个数据传输模块可以连接多个数据采集模块，通过无线网络，再将数据传输给远端的数据处理模块d。数据处理模块可以接受位于不同地点的数据传输模块的数据，比如c1-c3，实现多地、多单元幕墙的实时数据采集。容易将幕墙空腔气密性判断方法一、方法二、方法三部署到数据处理模块上，实现实时气密性判断。
51.实例一：
52.步骤1.已有50个气密性良好的幕墙单元和50个漏气的幕墙单元，其内部已经预装了数据采集模块，并且安装于室外试验外立面上。通过数据采集模块，以1秒间隔，采集24小时的温度、气压数据。
53.步骤2.计算每个幕墙单元的温度与气压数据的互相关系数，并组成含100个系数的训练数据向量；对于每个幕墙单元，如果漏气，设其标签为1，如果密闭性良好，设其标签为0，构建含有100个标签的标签向量，且训练数据向量与标签向量的每一位对应同一个幕墙单元。
54.步骤3.将训练数据向量通过一组参数的线性变换，然后使用sigmoid函数，将其映射成另一个100维向量，计算该向量与标签向量的对数损失函数，并用梯度下降算法迭代更新线性变换参数。
55.步骤4.针对n个待监测的幕墙单元，其内部已经预装了数据采集模块，通过数据采集模块，以1秒间隔，采集24小时的温度、气压数据。
56.步骤5.计算每个幕墙单元的温度与气压数据的互相关系数，并组成含n个系数的预测数据向量；利用以上计算的参数进行线性变换，然后使用sigmoid函数，得到一个含有n个系数的预测标签向量。
57.步骤6.对于预测标签向量里的每一个系数，当大于0.5时，判定其为漏气；当小于0.5时，判定其密闭性良好。
58.以上的训练步骤只需要进行一次，循环步骤4-步骤6，可对多个幕墙单元进行实时气密性判断。
59.上述幕墙空腔气密性判断方法一，特点在于，使用已知漏气标签的幕墙的温度、气压时序数据，通过温度、气压互相关系数特征与对应的漏气标签，训练逻辑回归模型参数，利用待预测点位的温度、气压时序数据，判定其是否漏气。
60.实例二：
61.步骤1.已有50个气密性良好的幕墙单元和50个漏气的幕墙单元，其内部已经预装了数据采集模块，并且安装于室外试验外立面上。通过数据采集模块，以1秒间隔，采集24小时的气压数据。
62.步骤2.以4秒为时间窗口，即对(p1,p2,p3,p4,p5)，当(p1-p3)*(p5-p3)》0时，该窗口的波动系数为1，否则为0，计算每条气压数据24小时的平均波动系数，并组成含100个系数的训练数据向量；对于每个幕墙单元，如果漏气，设其标签为1，如果密闭性良好，设其标签为0，构建含有100个标签的标签向量，且训练数据向量与标签向量的每一位对应同一个幕墙单元。
63.步骤3.将训练数据向量通过一组参数的线性变换，然后使用sigmoid函数，将其映射成另一个100维向量，计算该向量与标签向量的对数损失函数，并用梯度下降算法迭代更新线性变换参数。
64.步骤4.针对n个待监测的幕墙单元，其内部已经预装了数据采集模块，通过数据采集模块，以1秒间隔，持续采集气压数据。
65.步骤5.同样以4秒为窗口，即对(p1,p2,p3,p4,p5)，当(p1-p3)*(p5-p3)》0时，该窗口的波动系数为1，否则为0，计算每条气压数据最近1小时的平均波动系数，并组成含n个系数的预测数据向量；利用以上计算的参数进行线性变换，然后使用sigmoid函数，得到一个含有n个系数的预测标签向量。
66.步骤6.对于预测标签向量里的每一个系数，当大于0.5时，判定其为漏气；当小于0.5时，判定其密闭性良好。
67.以上的训练步骤只需要进行一次，循环步骤4-步骤6，可对多个幕墙单元进行实时气密性判断。
68.上述幕墙空腔气密性判断方法二，特点在于，使用已知漏气标签的幕墙的气压时序数据，通过气压的平均局部波动系数特征与对应的漏气标签，训练逻辑回归模型参数，利用待预测点位的气压时序数据，判定其是否漏气。
69.实例三
70.步骤1.已有50个气密性良好的幕墙单元和50个漏气的幕墙单元，其内部已经预装了数据采集模块，并且安装于室外试验外立面上。通过数据采集模块，以1秒间隔，采集24小时的温度、气压数据。
71.步骤2.计算每个幕墙单元的温度与气压数据的互相关系数，并以4秒为时间窗口，即对(p1,p2,p3,p4,p5)，当(p1-p3)*(p5-p3)》0时，该窗口的波动系数为1，否则为0，计算每条气压数据24小时的平均波动系数，并组成100
×
2训练数据矩阵；对于每个幕墙单元，如果漏气，设其标签为1，如果密闭性良好，设其标签为0，构建含有100个标签的标签向量，且训练数据向量与标签向量的每一位对应同一个幕墙单元。
72.步骤3.将训练数据矩阵通过一组参数的线性变换，然后使用sigmoid函数，将其映射成另一个100维向量，计算该向量与标签向量的对数损失函数，并用梯度下降算法迭代更新线性变换参数。
73.步骤4.针对n个待监测的幕墙单元，其内部已经预装了数据采集模块，通过数据采集模块，以1秒间隔，持续采集温度、气压数据。
74.步骤5.同样计算每个幕墙单元的温度与气压数据的互相关系数，并以4秒为窗口，即对(p1,p2,p3,p4,p5)，当(p1-p3)*(p5-p3)》0时，该窗口的波动系数为1，否则为0，计算每条气压数据最近1小时的平均波动系数，并组成维度为n
×
2的预测数据矩阵；利用以上计算的参数进行线性变换，然后使用sigmoid函数，得到一个含有n个系数的预测标签向量。
75.步骤6.对于预测标签向量里的每一个系数，当大于0.5时，判定其为漏气；当小于0.5时，判定其密闭性良好。
76.以上的训练步骤只需要进行一次，循环步骤4-步骤6，可对多个幕墙单元进行实时气密性判断。
77.上述幕墙空腔气密性判断方法三，特点在于，幕墙空腔气密性判断方法三，其特点在于：使用已知漏气标签的幕墙的温度、气压时序数据，通过温度、气压互相关系数，和气压的平均局部波动系数的特征，以及对应的漏气标签，训练逻辑回归模型参数，利用待预测点位的温度、气压时序数据，判定其是否漏气。
78.以上结合附图对本发明的实施方式作了详细说明，但本发明不限于所描述的实施方式。对于本领域的技术人员而言，在不脱离本发明原理和精神的情况下，对这些实施方式进行多种变化、修改、替换和变型，仍落入本发明的保护范围内。