CN116951328B - 基于大数据的排水管线运行智慧监控系统 - Google Patents
基于大数据的排水管线运行智慧监控系统 Download PDFInfo
- Publication number
- CN116951328B CN116951328B CN202310898507.2A CN202310898507A CN116951328B CN 116951328 B CN116951328 B CN 116951328B CN 202310898507 A CN202310898507 A CN 202310898507A CN 116951328 B CN116951328 B CN 116951328B
- Authority
- CN
- China
- Prior art keywords
- water flow
- density
- flow speed
- pipeline
- drainage pipeline
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 291
- 230000002159 abnormal effect Effects 0.000 claims abstract description 112
- 230000008859 change Effects 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 17
- 230000008569 process Effects 0.000 claims abstract description 10
- 238000013528 artificial neural network Methods 0.000 claims abstract description 8
- 238000013527 convolutional neural network Methods 0.000 claims description 22
- 238000003066 decision tree Methods 0.000 claims description 18
- 230000004044 response Effects 0.000 claims description 16
- 238000012423 maintenance Methods 0.000 claims description 14
- 230000000737 periodic effect Effects 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000004458 analytical method Methods 0.000 claims description 8
- 230000010354 integration Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000026676 system process Effects 0.000 claims description 5
- 238000000605 extraction Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 230000001360 synchronised effect Effects 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims 1
- 238000002360 preparation method Methods 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 11
- 230000007547 defect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000007849 functional defect Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000007847 structural defect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Software Systems (AREA)
- Mechanical Engineering (AREA)
- Pure & Applied Mathematics (AREA)
- Computational Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Pipeline Systems (AREA)
Abstract
本发明公开了基于大数据的排水管线运行智慧监控系统,包括根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，得到基准排水管线水流速度与密度单位时间集成曲线图；将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号；本发明同时还提出的采用不同的模型与算法，对排水管线数据进行智能处理，提升了排水管道监控的效率。
Description
技术领域
本发明涉及排水管线监控领域,尤其涉及基于大数据的排水管线运行智慧监控系统。
背景技术
城市排水管网系统是一个复杂、庞大的网络体系，由于管道老化、长期压力过大等原因，地下排水管线破裂时有发生,对排水管线进行定期检测和病害评估是避免其发生事故的有效措施。管道检测主要用于调查管道内部缺陷情况以确定是否应对管道进行修补以及如何进行修补。
排水管线检测分为排水管线功能性检测和排水管线结构性检测两大类。目前排水管线检测数据主要以视频、图片、属性表等数据形式单独存储，一般通过人工辅助计算机的方式对管道检测数据进行分析，实现排水管线功能性缺陷和结构性缺陷的评估。
由于地下排水管线属于地下隐蔽工程,它的缺陷往往不容易被作业人员发现,同时,如果不能够及时监控,渗漏严重时管道周围就会出现空洞，一旦管道存在裂缝等结构损伤或者管道承载力不足就会发生坍塌等现象,从而导致产生损失或者会发生安全事故。因此，为确保排水管线的质量,需要综合应用各种检测技术，加强排水管线的检测，减少各种排水管线问题出现,保证排水管线系统正常工作。
现有技术中,中建七局第二建筑有限公司在CN201510802059.7的发明中公开了一种城市地下排水管线渗漏定位系统，通过在排水管线外设置防水层,在防水层外设置湿度传感器,在湿度传感器检测湿度大于阈值时,判断排水管路出现泄漏。CN201610088117.9的发明专利提出了一种排水管线泄漏检测方法,通过在排水管路外设置内绝缘层,导电层和外绝缘层,通过泄漏检测装置连接所述导电层,检测其电阻,在电阻超变化超过阈值时,判断排水管路出现泄漏。上述现有技术都需要在排水管线外在设置检测层,安装施工过程复杂并且容易损坏。
发明内容
本发明提出了基于大数据的排水管线运行智慧监控系统和系统，以解决上文提到的现有技术的缺陷。
本发明提出了基于大数据的排水管线运行智慧监控系统，该系统运行包括以下步骤：
步骤A1：根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图；
步骤A2：将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号；
步骤A3：利用预设的多尺度卷积神经网络判断所述非正常水流速度与密度是否为误判，如果是，则消除所述管线异常信号并执行步骤A4，如果不是，执行步骤A5；
步骤A4：构建排水管线安全信息中心，智慧监控系统后台判断所述固定位置水流速度与密度是否属于安全排水管线水流速度与密度，如果是，则将所述固定位置水流速度与密度加入所述排水管线安全信息中心，如果不是，则执行步骤A5；
步骤A5：将所述非正常水流速度与密度置入智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成中，并提取所述非正常水流速度与密度的不合规数据，根据所述不合规数据构建危险源关键节点信息中心。
以上系统运行通过对非正常水流速度与密度的分类设定，在离线状态下传输基础纯洁的压差数据，并形成单独识别库，其单独识别库呈离线状态，每一次在比对时皆主要从单独识别库中提取相应信息，并将诊断为非正常水流速度与密度依据流程步骤分类，通过提取压差数据合规值的形式，依据误警报数据、排水管线安全信息数据和危险源关键节点信息数据分类，并且均单独形成数据集合。
在具体的实施例中，所述合规值包括：管道内外壁平整度、水流速度与密度单位时间波动值和管道进出水口处的压力值。
在具体的实施例中，所述根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图，具体包括：
利用所述预设安全水流速度与密度的合规值构建周期性变化方程，依据单位时间对所述预设安全水流速度与密度进行变化计算，并保存为基准排水管线水流速度与密度单位时间集成曲线图；
所述周期性变化方程，表达式为：
其中，表示水流速度与密度变化函数，λ表示水流速度与密度变化因子，j表示对单位时间的编号，J表示单位时间总个数，Gc表示水流速度与密度变化人为因素矩阵，Du表示水流速度与密度变化自然因素矩阵，ξ、ω分别表示化人为因素和自然因素权重，/>表示水流速度与密度的合规值，/>表示水流速度与密度的合规值波动范围。
将所述基准排水管线水流速度与密度单位时间集成曲线图和所述周期性变化方程构建为标准的水流速度与密度集成对照表。
在具体的实施例中，所述排水管线安全信息中心的构建依据智慧监控系统后台的接入进行直接设置，且所述排水管线安全信息中心的水流速度与密度数据依据排水流量变化计算。
在具体的实施例中，所述步骤A2具体包括：
根据所述基准对比数据，依据单位时间构建多尺度卷积神经网络计算单元；
采集排水管线内外壁压差数据，对排水管线进行安全性分析；
用相应的特征匹配算法来检查所述固定位置水流速度与密度的内外壁压差数据，判断所述内外壁压差数据中的包括数据跳变和采集误差在内的问题；
利用预设的多尺度卷积神经网络检查所述内外壁压差数据，当所述内外壁压差数据中的信息与所述多尺度卷积神经网络中的预设参数相匹配，判断所述内外壁压差数据为非正常水流速度与密度，并发出管线异常信号，将所述管线异常信号传送给智慧监控系统人机交互界面进行显示。
在具体的实施例中，所述多尺度卷积神经网络具体包括：对所述固定位置水流速度与密度的内外壁压差数据依据预设规则进行数据大小、波动情况、波动原因和排水管线风险识别。
在具体的实施例中，所述步骤A3具体包括：
判断所述预设规则所监控的固定位置水流速度与密度影响因素，并与所述基准排水管线水流速度与密度单位时间集成曲线图比较关键节点信息并进行排水管线风险识别，依据提前设定的用于判断安全排水管线水流速度与密度的最大值，判断所述非正常水流速度与密度是否为误判。
在具体的实施例中，所述步骤A4具体包括：
设定数据处理周期，并根据所述周期进行计时，同时提醒智慧监控系统处理所述固定位置水流速度与密度；
智慧监控系统在所述时间范围内对所述固定位置水流速度与密度进行实时远程处理，当智慧监控系统将所述固定位置水流速度与密度处理为安全排水管线水流速度与密度时，提取所述固定位置水流速度与密度的合规值，记录于所述排水管线安全信息中心内；
如果后续接收到的固定位置水流速度与密度的合规值在所述排水管线安全信息中心已存在，则不再提醒智慧监控系统对该固定位置水流速度与密度进行处理；
如果计时完毕后无智慧监控系统对所述固定位置水流速度与密度进行处理，执行步骤A5。
本发明中排水管线安全信息中心所形成的报警信息为计时设置，报警操作为智慧监控系统主动操作。
在具体的实施例中，所述步骤A5具体包括：
对所有非正常水流速度与密度进行决策树模型分析分类为如果干个决策树分支，将每个决策树分支的合规值与所述危险源关键节点信息中心内所保存的合规值进行对比；
如果对比到相同的合规值，将对应的非正常水流速度与密度直接反馈给智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成；
如果未对比到相同的合规值，则判定对应的非正常水流速度与密度为新型管道内外壁压力变化水流速度与密度，根据该非正常水流速度与密度的压差数据进行特征提取，将提取到的合规值保存至所述危险源关键节点信息中心内，并同步响应智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成；
对属于相同决策树分支的非正常水流速度与密度生成相似的管道内外壁压力变化警报，并依据合规值将属于相同决策树分支的非正常水流速度与密度划分为同一种类型的水流速度与密度数据。
本发明对于同一合规值的警报进行划分处理，从而进一步减少警报信息的数量。
本发明提出基于大数据的排水管线运行智慧监控系统，该系统包括：
基准排水管线水流速度与密度集成单元：配置用于根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图；
非正常水流速度与密度识别单元：配置用于将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号；
异常判断监督单元：配置用于利用预设的多尺度卷积神经网络判断所述非正常水流速度与密度是否为误判，如果是，则消除所述管线异常信号并执行排水管线安全信息识别监控单元，如果不是，执行危险源关键节点信息中心建立单元；
排水管线安全信息识别监控单元：配置用于构建排水管线安全信息中心，智慧监控系统后台判断所述固定位置水流速度与密度是否属于安全排水管线水流速度与密度，如果是，则将所述固定位置水流速度与密度加入所述排水管线安全信息中心，如果不是，则执行危险源关键节点信息中心建立单元；
危险源关键节点信息中心建立单元：配置用于将所述非正常水流速度与密度置入智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成中，并提取所述非正常水流速度与密度的不合规数据，根据所述不合规数据构建危险源关键节点信息中心。
有益效果：
本发明提出基于大数据的排水管线运行智慧监控系统，该系统通过对排水管线的水流速度与密度进行监测，构建排水管线安全信息中心和危险源关键节点信息中心，对所述固定位置水流速度与密度的内外壁压差数据依据预设规则进行数据大小、波动情况、波动原因和排水管线风险识别，该系统可以通过不同维度实现对排水管线的有效监控，本发明同时还提出的采用不同的模型与算法，对排水管线数据进行智能处理，该系统实现简单，客服了现有技术中需要在排水管线外在设置检测层,安装施工过程复杂并且容易损坏这一缺点，提升了排水管线的监测效率。
附图说明
包括附图以提供对实施例的进一步理解并且附图被并入本说明书中并且构成本说明书的一部分。附图图示了实施例并且与描述一起用于解释本发明的原理。将容易认识到其它实施例和实施例的很多预期优点，因为通过引用以下详细描述，它们变得被更好地理解。通过阅读参照以下附图所作的对非限制性实施例所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：
图1是本发明系统运行第一流程图；
图2是本发明系统运行第二流程图；
图3是本发明系统运行第三流程图；
图4是本发明系统运行第四流程图；
图5是本发明系统单元组成图。
具体实施方式
下面结合附图和实施例对本申请作进一步的详细说明。可以理解的是，此处所描述的具体实施例仅仅用于解释相关发明，而非对该发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。
需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
根据本发明的一个实施例的基于大数据的排水管线运行智慧监控系统，如图1所示，本发明的实施例的基于大数据的排水管线运行智慧监控系统的运行流程图。该系统运行包括以下步骤：
步骤A1：根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图。
在具体的实施例中，所述合规值包括：管道内外壁平整度、水流速度与密度单位时间波动值和管道进出水口处的压力值。
在具体的实施例中，所述根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图，具体包括：
利用所述预设安全水流速度与密度的合规值构建周期性变化方程，依据单位时间对所述预设安全水流速度与密度进行变化计算，并保存为基准排水管线水流速度与密度单位时间集成曲线图；
所述周期性变化方程，表达式为：
其中，表示水流速度与密度变化函数，λ表示水流速度与密度变化因子，j表示对单位时间的编号，J表示单位时间总个数，Gc表示水流速度与密度变化人为因素矩阵，Du表示水流速度与密度变化自然因素矩阵，ξ、ω分别表示化人为因素和自然因素权重，/>表示水流速度与密度的合规值，/>表示水流速度与密度的合规值波动范围。
将所述基准排水管线水流速度与密度单位时间集成曲线图和所述周期性变化方程构建为标准的水流速度与密度集成对照表。
步骤A2：将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号。
如图2所示，在具体的实施例中，所述步骤A2具体包括：
根据所述基准对比数据，依据单位时间构建多尺度卷积神经网络计算单元；
采集排水管线内外壁压差数据，对排水管线进行安全性分析；
用相应的特征匹配算法来检查所述固定位置水流速度与密度的内外壁压差数据，判断所述内外壁压差数据中的包括数据跳变和采集误差在内的问题；
利用预设的多尺度卷积神经网络检查所述内外壁压差数据，当所述内外壁压差数据中的信息与所述多尺度卷积神经网络中的预设参数相匹配，判断所述内外壁压差数据为非正常水流速度与密度，并发出管线异常信号，将所述管线异常信号传送给智慧监控系统人机交互界面进行显示。
本发明的一个具体的实施例的多尺度卷积神经网络计算单元示意图，如图，多尺度卷积神经网络计算单元包含：
排水管线进行安全性分析单元：负责采集排水管线内外壁压差数据，对排水管线进行安全性分析；
数据处理单元：该单元用相应的特征匹配算法来检查内外壁压差数据，从中发现原始数据的“行为”，如数据跳变，采集误差等，压差数据经过预处理后才传到规则设置单元；
规则设置单元：该单元是多尺度卷积神经网络的核心单元；当压差数据从预处理器送过来后，规则设置单元利用预设的规则检查压差数据，一旦发现压差数据中的信息和某条规则相匹配，就通知报警输出单元；
报警输出单元：经规则设置单元检查后的多尺度卷积神经网络数据需要以某种方式输出，如果规则设置单元中的某条规则被匹配，则会发出一条报警，这条报警信息会通过协议命令传送给智慧监控系统人机交互界面进行显示。
在具体的实施例中，所述多尺度卷积神经网络具体包括：对所述固定位置水流速度与密度的内外壁压差数据依据预设规则进行数据大小、波动情况、波动原因和排水管线风险识别。
在具体的实施例中，依据预设规则的数据大小、波动情况、波动原因和排水管线风险识别，具体包括如下步骤：
(1)先判断预设规则所监控的固定位置水流速度与密度影响因素，并与基准排水管线水流速度与密度单位时间集成曲线图比较关键节点信息和排水管线风险识别，依据对安全排水管线水流速度与密度设定的最大值，在超过最大值的情况下再次进一步增加最大值的百分比上线，以3％为设定基础，测定固定位置水流速度与密度是否为误判断，如果非误判断则直接进入下一步骤；
(2)依据报警输出单元，发出一条报警消息，此时报警消息为黄色报警消息，根据所设定的时间计时时效，给与智慧监控系统的实时远程处理的时间，如果智慧监控系统即时处理为安全排水管线水流速度与密度时，则提取固定位置压差数据的合规值，记录于排水管线安全信息中心内，并在后续不再提醒，如果计时完毕后无智慧监控系统处理，即进入下一步骤；
(3)将所有非正常管道内外壁压力变化水流速度与密度决策树模型分析后，与危险源关键节点信息中心内所保存的合规值对比，在合规值相同情况下直接反馈智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成，在危险源关键节点信息中心内没有相应合规值时，则判定为监控出新型的管道内外壁压力变化水流速度与密度，先根据固定位置压差数据进行特征提取，所提取后的合规值保存至危险源关键节点信息中心内，并同步响应智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成，且最终仅依据决策树模型分析后的条目形成相似管道内外壁压力变化警报，并将其按合规值划分为同一种类。
步骤A3：利用预设的多尺度卷积神经网络判断所述非正常水流速度与密度是否为误判，如果是，则消除所述管线异常信号并执行步骤A4，如果不是，执行步骤A5。
在具体的实施例中，所述步骤A3具体包括：
判断所述预设规则所监控的固定位置水流速度与密度影响因素，并与所述基准排水管线水流速度与密度单位时间集成曲线图比较关键节点信息并进行排水管线风险识别，依据提前设定的用于判断安全排水管线水流速度与密度的最大值，判断所述非正常水流速度与密度是否为误判。
步骤A4：构建排水管线安全信息中心，智慧监控系统后台判断所述固定位置水流速度与密度是否属于安全排水管线水流速度与密度，如果是，则将所述固定位置水流速度与密度加入所述排水管线安全信息中心，如果不是，则执行步骤A5。
在具体的实施例中，所述排水管线安全信息中心的构建依据智慧监控系统后台的接入进行直接设置，且所述排水管线安全信息中心的水流速度与密度数据依据排水流量变化计算。
如图3所示，在具体的实施例中，所述步骤A4具体包括：
设定数据处理周期，并根据所述周期进行计时，同时提醒智慧监控系统处理所述固定位置水流速度与密度；
智慧监控系统在所述时间范围内对所述固定位置水流速度与密度进行实时远程处理，当智慧监控系统将所述固定位置水流速度与密度处理为安全排水管线水流速度与密度时，提取所述固定位置水流速度与密度的合规值，记录于所述排水管线安全信息中心内；
如果后续接收到的固定位置水流速度与密度的合规值在所述排水管线安全信息中心已存在，则不再提醒智慧监控系统对该固定位置水流速度与密度进行处理；
如果计时完毕后无智慧监控系统对所述固定位置水流速度与密度进行处理，执行步骤A5。
步骤A5：将所述非正常水流速度与密度置入智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成中，并提取所述非正常水流速度与密度的不合规数据，根据所述不合规数据构建危险源关键节点信息中心。
如图4所示，在具体的实施例中，所述步骤A5具体包括：
对所有非正常水流速度与密度进行决策树模型分析分类为如果干个决策树分支，将每个决策树分支的合规值与所述危险源关键节点信息中心内所保存的合规值进行对比；
如果对比到相同的合规值，将对应的非正常水流速度与密度直接反馈给智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成；
如果未对比到相同的合规值，则判定对应的非正常水流速度与密度为新型管道内外壁压力变化水流速度与密度，根据该非正常水流速度与密度的压差数据进行特征提取，将提取到的合规值保存至所述危险源关键节点信息中心内，并同步响应智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成；
对属于相同决策树分支的非正常水流速度与密度生成相似的管道内外壁压力变化警报，并依据合规值将属于相同决策树分支的非正常水流速度与密度划分为同一种类型的水流速度与密度数据。
如图5所示，本发明的一个实施例的基于大数据的排水管线运行智慧监控系统的框架图。该系统包括基准排水管线水流速度与密度集成单元、非正常水流速度与密度识别单元、异常判断监督单元、排水管线安全信息识别监控单元和危险源关键节点信息中心建立单元。
在具体的实施例中，基准排水管线水流速度与密度集成单元被配置用于根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图；
非正常水流速度与密度识别单元被配置用于将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号；
异常判断监督单元被配置用于利用预设的多尺度卷积神经网络判断所述非正常水流速度与密度是否为误判，如果是，则消除所述管线异常信号并执行排水管线安全信息识别监控单元，如果不是，执行危险源关键节点信息中心建立单元；
排水管线安全信息识别监控单元被配置用于构建排水管线安全信息中心，智慧监控系统后台判断所述固定位置水流速度与密度是否属于安全排水管线水流速度与密度，如果是，则将所述固定位置水流速度与密度加入所述排水管线安全信息中心，如果不是，则执行危险源关键节点信息中心建立单元；
危险源关键节点信息中心建立单元被配置用于将所述非正常水流速度与密度置入智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成中，并提取所述非正常水流速度与密度的不合规数据，根据所述不合规数据构建危险源关键节点信息中心。
本系统根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，得到基准排水管线水流速度与密度单位时间集成曲线图；将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号；本系统通过对排水管线的水流速度与密度进行监测，构建排水管线安全信息中心和危险源关键节点信息中心，对所述固定位置水流速度与密度的内外壁压差数据依据预设规则进行数据大小、波动情况、波动原因和排水管线风险识别，该系统可以通过不同维度实现对排水管线的有效监控，本发明同时还提出的采用不同的模型与算法，对排水管线数据进行智能处理，该系统实现简单，客服了现有技术中需要在排水管线外在设置检测层,安装施工过程复杂并且容易损坏这一缺点，提升了排水管线的监测效率。
在本发明描述中，需要说明的是，除非另有明确的规定和限定，术语“设置”、“安装”、“相连”、“连接”、“固定”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以通过具体情况理解上述术语在本发明中的具体含义。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。
Claims (8)
1.基于大数据的排水管线运行智慧监控系统，其特征在于，该系统运行包括：
步骤A1：根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图，具体包括：
利用所述预设安全水流速度与密度的合规值构建周期性变化方程，依据单位时间对所述预设安全水流速度与密度进行变化计算，并保存为基准排水管线水流速度与密度单位时间集成曲线图；
所述周期性变化方程，表达式为：
其中，表示水流速度与密度变化函数，λ表示水流速度与密度变化因子，j表示对单位时间的编号，J表示单位时间总个数，Gc表示水流速度与密度变化人为因素矩阵，Du表示水流速度与密度变化自然因素矩阵，ξ、ω分别表示化人为因素和自然因素权重，/>表示水流速度与密度的合规值，/>表示水流速度与密度的合规值波动范围；
将所述基准排水管线水流速度与密度单位时间集成曲线图和所述周期性变化方程构建为标准的水流速度与密度集成对照表；
步骤A2：将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号；
步骤A3：利用预设的多尺度卷积神经网络判断所述非正常水流速度与密度是否为误判；
步骤A4：如果是，则消除所述管线异常信号并构建排水管线安全信息中心，智慧监控系统后台判断所述固定位置水流速度与密度是否属于安全排水管线水流速度与密度，如果是，则将所述固定位置水流速度与密度加入所述排水管线安全信息中心；
步骤A5：如果不是，则将所述非正常水流速度与密度置入智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成中，并提取所述非正常水流速度与密度的不合规数据，根据所述不合规数据构建危险源关键节点信息中心；具体包括，
对所有非正常水流速度与密度进行决策树模型分析分类为如果干个决策树分支，将每个决策树分支的合规值与所述危险源关键节点信息中心内所保存的合规值进行对比；
如果对比到相同的合规值，将对应的非正常水流速度与密度直接反馈给智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成；
如果未对比到相同的合规值，则判定对应的非正常水流速度与密度为新型管道内外壁压力变化水流速度与密度，根据该非正常水流速度与密度的压差数据进行特征提取，将提取到的合规值保存至所述危险源关键节点信息中心内，并同步响应智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成；
对属于相同决策树分支的非正常水流速度与密度生成相似的管道内外壁压力变化警报，并依据合规值将属于相同决策树分支的非正常水流速度与密度划分为同一种类型的水流速度与密度数据。
2.根据权利要求1所述的基于大数据的排水管线运行智慧监控系统，其特征在于，所述合规值包括：管道内外壁平整度、水流速度与密度单位时间波动值和管道进出水口处的压力值。
3.根据权利要求1所述的基于大数据的排水管线运行智慧监控系统，其特征在于，所述排水管线安全信息中心的构建依据智慧监控系统后台的接入进行直接设置，且所述排水管线安全信息中心的水流速度与密度数据依据排水流量变化计算。
4.根据权利要求1所述的基于大数据的排水管线运行智慧监控系统，其特征在于，所述步骤A2具体包括：
根据所述基准对比数据，依据单位时间构建多尺度卷积神经网络计算单元；
采集排水管线内外壁压差数据，对排水管线进行安全性分析；
用相应的特征匹配算法来检查所述固定位置水流速度与密度的内外壁压差数据，判断所述内外壁压差数据中的包括数据跳变和采集误差在内的问题；
利用预设的多尺度卷积神经网络检查所述内外壁压差数据，当所述内外壁压差数据中的信息与所述多尺度卷积神经网络中的预设参数相匹配，判断所述内外壁压差数据为非正常水流速度与密度，并发出管线异常信号，将所述管线异常信号传送给智慧监控系统人机交互界面进行显示。
5.根据权利要求1所述的基于大数据的排水管线运行智慧监控系统，其特征在于，所述多尺度卷积神经网络具体包括：对所述固定位置水流速度与密度的内外壁压差数据依据预设规则进行数据大小、波动情况、波动原因和排水管线风险识别。
6.根据权利要求5所述的基于大数据的排水管线运行智慧监控系统，其特征在于，所述步骤A3具体包括：
判断所述预设规则所监控的固定位置水流速度与密度影响因素，并与所述基准排水管线水流速度与密度单位时间集成曲线图比较关键节点信息并进行排水管线风险识别，依据提前设定的用于判断安全排水管线水流速度与密度的最大值，判断所述非正常水流速度与密度是否为误判。
7.根据权利要求5所述的基于大数据的排水管线运行智慧监控系统，其特征在于，所述步骤A4具体包括：
设定数据处理周期，并根据所述周期进行计时，同时提醒智慧监控系统处理所述固定位置水流速度与密度；
智慧监控系统在所述时间范围内对所述固定位置水流速度与密度进行实时远程处理，当智慧监控系统将所述固定位置水流速度与密度处理为安全排水管线水流速度与密度时，提取所述固定位置水流速度与密度的合规值，记录于所述排水管线安全信息中心内；
如果后续接收到的固定位置水流速度与密度的合规值在所述排水管线安全信息中心已存在，则不再提醒智慧监控系统对该固定位置水流速度与密度进行处理；
如果计时完毕后无智慧监控系统对所述固定位置水流速度与密度进行处理，执行步骤A5。
8.根据权利要求1-7任一项所述的基于大数据的排水管线运行智慧监控系统，其特征在于，该系统包括：
基准排水管线水流速度与密度集成单元，用于根据排水管线中的不同水流流量大小时内壁与外壁压力，采集并集成排水管线中的预设安全水流速度与密度的合规值，根据集成得到的所述预设安全水流速度与密度的合规值对所述预设安全水流速度与密度进行曲线刻画得到基准排水管线水流速度与密度单位时间集成曲线图；
非正常水流速度与密度识别单元，用于将所述基准排水管线水流速度与密度单位时间集成曲线图作为基准对比数据，利用预设的多尺度卷积神经网络对接收到的固定位置水流速度与密度进行管道内外壁压力变化监控，判断所述固定位置水流速度与密度是否为非正常水流速度与密度，并针对所述非正常水流速度与密度发出管线异常信号；
异常判断监督单元，用于利用预设的多尺度卷积神经网络判断所述非正常水流速度与密度是否为误判，如果是，则消除所述管线异常信号并执行排水管线安全信息识别监控单元，如果不是，执行危险源关键节点信息中心建立单元；
排水管线安全信息识别监控单元，配置用于构建排水管线安全信息中心，智慧监控系统后台判断所述固定位置水流速度与密度是否属于安全排水管线水流速度与密度，如果是，则将所述固定位置水流速度与密度加入所述排水管线安全信息中心，如果不是，则执行危险源关键节点信息中心建立单元；
危险源关键节点信息中心建立单元，用于将所述非正常水流速度与密度置入智慧监控系统进行自适应管道内外壁压力变化响应和管道内外壁压力变化维护策略生成中，并提取所述非正常水流速度与密度的不合规数据，根据所述不合规数据构建危险源关键节点信息中心。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310898507.2A CN116951328B (zh) | 2023-07-21 | 2023-07-21 | 基于大数据的排水管线运行智慧监控系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310898507.2A CN116951328B (zh) | 2023-07-21 | 2023-07-21 | 基于大数据的排水管线运行智慧监控系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116951328A CN116951328A (zh) | 2023-10-27 |
| CN116951328B true CN116951328B (zh) | 2024-02-06 |
Family
ID=88443954
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310898507.2A Active CN116951328B (zh) | 2023-07-21 | 2023-07-21 | 基于大数据的排水管线运行智慧监控系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116951328B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117786517A (zh) * | 2023-12-01 | 2024-03-29 | 成都建工第三建筑工程有限公司 | 地铁隧道安全监测系统及方法 |
| CN117686921B (zh) * | 2024-02-02 | 2024-05-31 | 江苏林洋亿纬储能科技有限公司 | 检测电池内短路的方法和系统及计算设备 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014046122A1 (ja) * | 2012-09-18 | 2014-03-27 | 日本電気株式会社 | 漏洩解析システム、測定端末、漏洩解析装置、及び漏洩検出方法 |
| CN105065917A (zh) * | 2015-08-24 | 2015-11-18 | 苏交科集团股份有限公司 | 城市排水管网在线检测方法 |
| CN116010857A (zh) * | 2023-03-24 | 2023-04-25 | 山东联合能源管道输送有限公司 | 一种用于港口原油的智慧管控系统 |
| CN116432866A (zh) * | 2023-06-08 | 2023-07-14 | 青岛沃泰水技术设备制造有限公司 | 基于物联网的城市智慧排水管线安全管理方法及系统 |
| CN116452191A (zh) * | 2023-04-20 | 2023-07-18 | 重庆水利电力职业技术学院 | 一种基于大数据智慧化农村供水数据收集分析系统及方法 |
Family Cites Families (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US11651278B2 (en) * | 2019-12-23 | 2023-05-16 | Saudi Arabian Oil Company | Pipeline sensor integration for product mapping |
| CN115796408B (zh) * | 2023-02-13 | 2023-04-25 | 成都秦川物联网科技股份有限公司 | 一种用于智慧燃气的燃气输送损耗预测方法和物联网系统 |
-
2023
- 2023-07-21 CN CN202310898507.2A patent/CN116951328B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014046122A1 (ja) * | 2012-09-18 | 2014-03-27 | 日本電気株式会社 | 漏洩解析システム、測定端末、漏洩解析装置、及び漏洩検出方法 |
| CN105065917A (zh) * | 2015-08-24 | 2015-11-18 | 苏交科集团股份有限公司 | 城市排水管网在线检测方法 |
| CN116010857A (zh) * | 2023-03-24 | 2023-04-25 | 山东联合能源管道输送有限公司 | 一种用于港口原油的智慧管控系统 |
| CN116452191A (zh) * | 2023-04-20 | 2023-07-18 | 重庆水利电力职业技术学院 | 一种基于大数据智慧化农村供水数据收集分析系统及方法 |
| CN116432866A (zh) * | 2023-06-08 | 2023-07-14 | 青岛沃泰水技术设备制造有限公司 | 基于物联网的城市智慧排水管线安全管理方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116951328A (zh) | 2023-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN116951328B (zh) | 基于大数据的排水管线运行智慧监控系统 | |
| CN116246407B (zh) | 一种基于人工智能的农林区域火灾预警监管系统 | |
| CN110159929B (zh) | 地下排水管网智能管控大数据处理方法 | |
| CN108627720B (zh) | 一种基于贝叶斯算法的电力设备状态监测方法 | |
| CN113763667B (zh) | 一种基于5g边缘计算的火灾预警及状态监测装置及方法 | |
| CN103487514A (zh) | 一种基于小波变换和证据推理的变压器在线监测信息聚合方法 | |
| CN117560300B (zh) | 一种智能物联网流量预测与优化系统 | |
| CN106933097B (zh) | 一种基于多层优化pcc-sdg的化工过程故障诊断方法 | |
| CN107025355A (zh) | 一种基于模糊贴近度的船舶故障诊断方法及系统 | |
| CN112734977B (zh) | 一种基于物联网的设备风险预警系统及算法 | |
| CN117706290A (zh) | 一种电缆终端潜在击穿故障预警方法 | |
| CN117092980A (zh) | 一种基于大数据的电气故障检测控制系统 | |
| CN117110794A (zh) | 一种电缆故障智能诊断系统及方法 | |
| CN111932816B (zh) | 用于海上风电场和海岛微电网的火灾报警管理方法及装置 | |
| CN118653969A (zh) | 一种风力发电设备的润滑系统实时检测系统及预警方法 | |
| CN118503843A (zh) | 一种变电设备局放监测干扰评估方法、介质及系统 | |
| CN115439998B (zh) | 一种危化品仓库云数联动监测分级报警系统 | |
| CN118689201B (zh) | 一种电动三轮车控制器的监测预警系统 | |
| CN106774054A (zh) | 基于复杂非结构化数据识别的gis设备分析系统及方法 | |
| CN118395284A (zh) | 一种基于半监督的火电机组智慧巡检系统及方法 | |
| CN118354287A (zh) | 基于无线传感网络的异常报警方法及系统 | |
| CN117825864A (zh) | 一种配电网线路短路容量监控诊断方法及系统 | |
| CN117559636A (zh) | 一种变压器运行状态的实时综合监测系统 | |
| CN117289090A (zh) | 一种开关柜局放监测系统 | |
| CN116447514A (zh) | 一种储氢罐智能预警装置及预警方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |