CN107906375A - 基于加权排列熵的管道泄漏检测方法及系统 - Google Patents
基于加权排列熵的管道泄漏检测方法及系统 Download PDFInfo
- Publication number
- CN107906375A CN107906375A CN201711172242.9A CN201711172242A CN107906375A CN 107906375 A CN107906375 A CN 107906375A CN 201711172242 A CN201711172242 A CN 201711172242A CN 107906375 A CN107906375 A CN 107906375A
- Authority
- CN
- China
- Prior art keywords
- mtd
- mrow
- mtr
- msub
- 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.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 23
- 230000008859 change Effects 0.000 claims abstract description 8
- 238000000605 extraction Methods 0.000 claims abstract description 8
- 238000012544 monitoring process Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000001174 ascending effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 230000003993 interaction Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 4
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 230000007797 corrosion Effects 0.000 description 2
- 238000005260 corrosion Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004064 recycling 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
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
- Pipeline Systems (AREA)
Abstract
本发明涉及一种基于加权排列熵的管道泄漏检测方法及系统,其中包括分别采集多个时刻的管道的进口压力和出口压力;采用最大重叠的移动窗口法,提取长度固定的压力数据时间序列;基于加权排列熵算法计算所述压力数据时间序列的加权排列熵;根据所述加权排列熵的变化,判断管道是否发生泄漏。本发明以基于加权排列熵算法为基础,构建以实时采集的管道进出口压力数据来判断管道是否发生泄露的在线监测网络;能够能自动及时地对工作人员进行提示,对管道进行实时监测,提升了管理效率,避免了由于泄露轻微而无法及时检测到泄露的问题。
Description
技术领域
本发明涉及管道运输技术领域,尤其涉及管道泄漏检测技术领域,具体是指一种基于加权排列熵的管道泄漏检测方法及系统。
背景技术
管道由于运量大、费用低并且安全可靠,相比于其他的运输方式,在输送液体、气体方面具有很大的优势,是我国最主要的运输行业,在现代经济发展中逐渐成为我国经济发展的重要支柱产业。
在当前长距离管道的运输中,由于材料腐蚀、老化或人为损坏等原因,泄露问题屡见不鲜,影响着输送行业的朝气发展,造成了严重的财产损失和环境污染。据不完全统计,我国西南地区输气管线事故发生率为4.3次/千公里/年,而东北和华北地区输油管道事故发生率为2.0次/千公里/年。因此建立高效的管道泄露实时监测系统是保证管道安全运输的关键技术。
管道泄露检测误报率高是一个长期存在的问题。另外,微小泄露由于不易被发现且随着腐蚀成长,最终会发展为大泄露,错过最佳的修补时间,也是现今的一个难题。因此如何准确快速地检测出微小泄露对管道运输而言是一个巨大的挑战。
发明内容
本发明提供了一种基于加权排列熵的管道泄漏检测方法及系统,其目的在于克服现有技术中的缺陷,当管道发生轻微泄露时,该装置也能自动及时地对工作人员进行提示,对管道进行实时监测,提升了管理效率,避免了由于泄露轻微而无法及时检测到泄露的问题。
为了实现上述目的,本发明具有如下构成:
该基于加权排列熵的管道泄漏检测方法,包括:
分别多个时刻的采集管道的进口压力数据和出口压力数据;
采用最大重叠的移动窗口法,提取长度固定的压力数据时间序列;
基于加权排列熵算法计算所述压力数据时间序列的加权排列熵;
根据所述加权排列熵的变化,判断管道是否发生泄漏。
可选地,采用最大重叠的移动窗口法提取的压力数据时间序列为:
其中,y表示管道压力值,T表示时间序列长度,yT表示当前时刻压力值,y1,…,yT分别表示T时刻之前不同时刻的管道出口压力值。
可选地,还包括如下步骤:
将所述压力数据时间序列进行相空间重构,得到如下重构矩阵:
其中,m表示相空间重构的嵌入维数,τ表示相空间重构的延迟时间。
可选地,还包括如下步骤:
将所述重构矩阵中的分量按照数值大小进行升序排列,得到一组符号序列,计算每一种排列出现的概率。
可选地,根据如下公式计算每一种排列出现的概率:
其中,Pw(πj)表示每一种排列出现的概率,wi为加权系数,πj为重构后的符号序列,m个不同的符号共有m!种排列,参数 为每一行重构分量的加权平均值。
可选地,根据如下公式,计算所述压力数据时间序列的加权排列熵:
其中,H(m,τ)表示排列熵的值。
可选地,当所述加权排列熵发生跳变时,即前一时刻与后一时刻所得的时间序列的加权排列熵的差值大于0.3,判断所述管道发生泄露。
本发明还涉及一种基于加权排列熵的管道泄漏检测系统,其特征在于,实现所述的基于加权排列熵的管道泄漏检测方法,所述系统包括:
数据采集模块,用于采集管道的进口压力数据和出口压力数据;
数据库模块,用于存储所述管道的压力数据;
泄露检测算法模块,用于采用最大重叠的移动窗口法,提取长度固定的压力数据时间序列;以及基于加权排列熵算法将所述压力数据时间序列进行粗粒化处理,计算所述压力数据时间序列的加权排列熵;
泄漏判断模块,用于根据所述加权排列熵的变化,判断管道是否发生泄漏。
可选地,还包括基于Visual Studio2010搭建的人机交互模块、报警模块和通信模块,用于对管道压力进行实时监测与泄露报警。
采用了该发明中的基于加权排列熵的管道泄漏检测方法及系统,利用多台个人计算机,通过采用Visual Studio 2010以及MySQL开源软件,以基于加权排列熵算法为基础,构建以实时采集的管道进出口压力数据来判断管道是否发生泄露的在线监测网络;能够能自动及时地对工作人员进行提示,对管道进行实时监测,提升了管理效率,避免了由于泄露轻微而无法及时检测到泄露的问题。
附图说明
图1为本发明的基于加权排列熵的管道泄漏检测方法的流程图;
图2为本发明的基于加权排列熵的管道泄漏检测系统的结构示意图。
具体实施方式
为了能够更清楚地描述本发明的技术内容,下面结合具体实施例来进行进一步的描述。
如图1所示,本发明提供了一种基于加权排列熵的管道泄漏检测方法,所述方法包括如下步骤:
分别多个时刻的采集管道的进口压力数据和出口压力数据;
采用最大重叠的移动窗口法,提取长度固定的压力数据时间序列;
基于加权排列熵算法计算所述压力数据时间序列的加权排列熵;
根据所述加权排列熵的变化,判断管道是否发生泄漏。具体地,当所述加权排列熵发生跳变时,即前一时刻与后一时刻所得的时间序列的加权排列熵的差值大于0.3,判断所述管道发生泄露。在发生泄漏后,可以进行报警提示用户。
在该实施例中,采用最大重叠的移动窗口法提取的压力数据时间序列为:
其中,y表示管道压力值,T表示时间序列长度,yT表示当前时刻压力值,y1,…,yT分别表示T时刻之前不同时刻的管道出口压力值。进出口压力都可以采用该算法进行判断,出口发生泄漏时原始压力变化较小,更能突出该算法在微小泄漏中的优势。
在该实施例中,所述基于加权排列熵的管道泄漏检测方法还包括如下步骤:
将所述压力数据时间序列进行相空间重构,得到如下重构矩阵:
其中,m表示相空间重构的嵌入维数,τ表示相空间重构的延迟时间。
可选地,所述基于加权排列熵的管道泄漏检测方法还包括如下步骤:
将所述重构矩阵中的分量按照数值大小进行升序排列,得到一组符号序列,根据如下公式计算每一种排列出现的概率:
其中,Pw(πj)表示每一种排列出现的概率,wi为加权系数,πj为重构后的符号序列,m个不同的符号共有m!种排列,参数 为每一行重构分量的加权平均值。
在该实施例中,根据如下公式,计算所述压力数据时间序列的加权排列熵:
其中,H(m,τ)表示排列熵的值。
如图2所示,本发明还涉及一种基于加权排列熵的管道泄漏检测系统,其特征在于,实现所述的基于加权排列熵的管道泄漏检测方法,所述系统包括:
数据采集模块,用于采集管道的进口压力数据和出口压力数据;
数据库模块,用于存储所述管道的压力数据;
泄露检测算法模块,用于采用最大重叠的移动窗口法,提取长度固定的压力数据时间序列;以及基于加权排列熵算法将所述压力数据时间序列进行粗粒化处理,计算所述压力数据时间序列的加权排列熵;
泄漏判断模块,用于根据所述加权排列熵的变化,判断管道是否发生泄漏。
可选地,还包括基于Visual Studio2010搭建的人机交互模块、报警模块和通信模块,用于对管道压力进行实时监测与泄露报警。
在采用本发明的基于加权排列熵的管道泄漏检测系统实现上述方法时,首先,通过压力传感器采集管道压力数据;其次,再利用通过Visual Studio 2010以及MySQL开源软件,和多台计算机进行分布式存储;然后,采取最大重叠的移动窗口法对采集到的压力数据进行分析,提取长度固定的时间序列;再通过计算加权排列熵来监测管道的泄露;在人机界面上,对管道压力进行实时监测,当所得排列熵值发生跳变时,进行管道泄露报警。
与现有技术相比,采用了该发明中的基于加权排列熵的管道泄漏检测方法及系统,利用多台个人计算机,通过采用Visual Studio 2010以及MySQL开源软件,以基于加权排列熵算法为基础,构建以实时采集的管道进出口压力数据来判断管道是否发生泄露的在线监测网络;能够能自动及时地对工作人员进行提示,对管道进行实时监测,提升了管理效率,避免了由于泄露轻微而无法及时检测到泄露的问题。
在此说明书中,本发明已参照其特定的实施例作了描述。但是,很显然仍可以作出各种修改和变换而不背离本发明的精神和范围。因此,说明书和附图应被认为是说明性的而非限制性的。
Claims (9)
1.一种基于加权排列熵的管道泄漏检测方法,其特征在于,包括:
分别采集多个时刻的管道的进口压力数据和出口压力数据;
采用最大重叠的移动窗口法,提取长度固定的压力数据时间序列;
基于加权排列熵算法计算所述压力数据时间序列的加权排列熵;
根据所述加权排列熵的变化,判断管道是否发生泄漏。
2.根据权利要求1所述的基于加权排列熵的管道泄漏检测方法,其特征在于,采用最大重叠的移动窗口法提取的压力数据时间序列为:
<msubsup>
<mrow>
<mo>{</mo>
<msub>
<mi>y</mi>
<mi>t</mi>
</msub>
<mo>}</mo>
</mrow>
<mrow>
<mi>t</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>T</mi>
</msubsup>
其中,y表示管道压力值,T表示时间序列长度,yT表示当前时刻压力值,y1,…,yT分别表示T时刻之前不同时刻的管道出口压力值。
3.根据权利要求2所述的基于加权排列熵的管道泄漏检测方法,其特征在于,还包括如下步骤:
将所述压力数据时间序列进行相空间重构,得到如下重构矩阵:
<mfenced open = "[" close = "]">
<mtable>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mn>1</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mn>1</mn>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mn>2</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mn>2</mn>
<mo>+</mo>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mn>2</mn>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mi>i</mi>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mi>i</mi>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow></mrow>
</mtd>
</mtr>
</mtable>
</mtd>
<mtd>
<mtable>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
</mtable>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>1</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mrow>
<mi>T</mi>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>-</mo>
<mn>2</mn>
</mrow>
<mo>)</mo>
</mrow>
<mi>&tau;</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mo>...</mo>
</mtd>
<mtd>
<msub>
<mi>y</mi>
<mi>T</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
其中,m表示相空间重构的嵌入维数,τ表示相空间重构的延迟时间。
4.根据权利要求3所述的基于加权排列熵的管道泄漏检测方法,其特征在于,还包括如下步骤:
将所述重构矩阵中的分量按照数值大小进行升序排列,得到一组符号序列,计算每一种排列出现的概率。
5.根据权利要求4所述的基于加权排列熵的管道泄漏检测方法,其特征在于,根据如下公式计算每一种排列出现的概率:
其中,Pw(πj)表示每一种排列出现的概率,wi为加权系数,πj为重构后的符号序列,m个不同的符号共有m!种排列,参数 为每一行重构分量的加权平均值。
6.根据权利要求5所述的基于加权排列熵的管道泄漏检测方法,其特征在于,根据如下公式,计算所述压力数据时间序列的加权排列熵:
<mrow>
<mi>H</mi>
<mrow>
<mo>(</mo>
<mrow>
<mi>m</mi>
<mo>,</mo>
<mi>&tau;</mi>
</mrow>
<mo>)</mo>
</mrow>
<mo>=</mo>
<mo>-</mo>
<mfrac>
<mn>1</mn>
<mrow>
<mi>ln</mi>
<mi> </mi>
<mi>m</mi>
</mrow>
</mfrac>
<munderover>
<mi>&Sigma;</mi>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mrow>
<mi>m</mi>
<mo>!</mo>
</mrow>
</munderover>
<msub>
<mi>lnP</mi>
<mi>w</mi>
</msub>
<mrow>
<mo>(</mo>
<msub>
<mi>&pi;</mi>
<mi>j</mi>
</msub>
<mo>)</mo>
</mrow>
</mrow>
其中,H(m,τ)表示排列熵的值。
7.根据权利要求1所述的基于加权排列熵的管道泄漏检测方法,其特征在于,当所述加权排列熵发生跳变时,即前一时刻与后一时刻所得的时间序列的加权排列熵的差值大于0.3时,判断所述管道发生泄露。
8.一种基于加权排列熵的管道泄漏检测系统,其特征在于,实现权利要求1至7中任一项所述的基于加权排列熵的管道泄漏检测方法,所述系统包括:
数据采集模块,用于采集管道的进口压力数据和出口压力数据;
数据库模块,用于存储所述管道的压力数据;
泄露检测算法模块,用于采用最大重叠的移动窗口法,提取长度固定的压力数据时间序列;以及基于加权排列熵算法将所述压力数据时间序列进行粗粒化处理,计算所述压力数据时间序列的加权排列熵;
泄漏判断模块,用于根据所述加权排列熵的变化,判断管道是否发生泄漏。
9.根据权利要求8所述的基于加权排列熵的管道泄漏检测系统,其特征在于,还包括基于Visual Studio2010搭建的人机交互模块、报警模块和通信模块,用于对管道压力进行实时监测与泄露报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711172242.9A CN107906375B (zh) | 2017-11-22 | 2017-11-22 | 基于加权排列熵的管道泄漏检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711172242.9A CN107906375B (zh) | 2017-11-22 | 2017-11-22 | 基于加权排列熵的管道泄漏检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107906375A true CN107906375A (zh) | 2018-04-13 |
CN107906375B CN107906375B (zh) | 2024-04-05 |
Family
ID=61847132
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711172242.9A Active CN107906375B (zh) | 2017-11-22 | 2017-11-22 | 基于加权排列熵的管道泄漏检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107906375B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109165242A (zh) * | 2018-08-01 | 2019-01-08 | 西安西热电站信息技术有限公司 | 一种基于熵排序与时空分析的故障诊断及预警方法 |
CN109299727A (zh) * | 2018-08-04 | 2019-02-01 | 辽宁大学 | 信息重构的改进极限学习机故障诊断方法 |
CN110006526A (zh) * | 2019-01-31 | 2019-07-12 | 华北水利水电大学 | 一种多测点多权重的信息融合算法 |
CN111380680A (zh) * | 2020-03-10 | 2020-07-07 | 昆明理工大学 | 一种基于改进排列熵的单向阀故障特征提取方法 |
CN113432805A (zh) * | 2021-07-13 | 2021-09-24 | 南昌航空大学 | 一种供水管道泄漏的无线监测装置及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1584531A (zh) * | 2004-05-31 | 2005-02-23 | 天津大学 | 基于压力信号检测油气管道泄漏的方法 |
WO2008004457A1 (fr) * | 2006-07-03 | 2008-01-10 | Ritsumeikan University | Procédé de diagnostic d'installation, système de diagnostic d'installation, et programme d'ordinateur |
CN103823980A (zh) * | 2014-02-26 | 2014-05-28 | 浙江水利水电学院 | 一种基于熵理论的大坝监控异常数据的检测方法 |
KR101447928B1 (ko) * | 2013-06-27 | 2014-10-08 | 주식회사 엘지씨엔에스 | 실시간 원격 누수 감지 시스템 및 방법 |
JP6076571B1 (ja) * | 2015-08-06 | 2017-02-08 | 新日鉄住金ソリューションズ株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
CN107218518A (zh) * | 2017-04-17 | 2017-09-29 | 昆明理工大学 | 一种用于排水管道堵塞故障的检测装置的检测方法 |
-
2017
- 2017-11-22 CN CN201711172242.9A patent/CN107906375B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1584531A (zh) * | 2004-05-31 | 2005-02-23 | 天津大学 | 基于压力信号检测油气管道泄漏的方法 |
WO2008004457A1 (fr) * | 2006-07-03 | 2008-01-10 | Ritsumeikan University | Procédé de diagnostic d'installation, système de diagnostic d'installation, et programme d'ordinateur |
KR101447928B1 (ko) * | 2013-06-27 | 2014-10-08 | 주식회사 엘지씨엔에스 | 실시간 원격 누수 감지 시스템 및 방법 |
CN103823980A (zh) * | 2014-02-26 | 2014-05-28 | 浙江水利水电学院 | 一种基于熵理论的大坝监控异常数据的检测方法 |
JP6076571B1 (ja) * | 2015-08-06 | 2017-02-08 | 新日鉄住金ソリューションズ株式会社 | 情報処理装置、情報処理システム、情報処理方法及びプログラム |
CN107218518A (zh) * | 2017-04-17 | 2017-09-29 | 昆明理工大学 | 一种用于排水管道堵塞故障的检测装置的检测方法 |
Non-Patent Citations (1)
Title |
---|
冯辅周;饶国强;司爱威;: "基于排列熵和神经网络的滚动轴承异常检测与诊断", no. 03, pages 212 - 217 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109165242A (zh) * | 2018-08-01 | 2019-01-08 | 西安西热电站信息技术有限公司 | 一种基于熵排序与时空分析的故障诊断及预警方法 |
CN109165242B (zh) * | 2018-08-01 | 2021-08-17 | 西安西热电站信息技术有限公司 | 一种基于熵排序与时空分析的故障诊断及预警方法 |
CN109299727A (zh) * | 2018-08-04 | 2019-02-01 | 辽宁大学 | 信息重构的改进极限学习机故障诊断方法 |
CN110006526A (zh) * | 2019-01-31 | 2019-07-12 | 华北水利水电大学 | 一种多测点多权重的信息融合算法 |
CN111380680A (zh) * | 2020-03-10 | 2020-07-07 | 昆明理工大学 | 一种基于改进排列熵的单向阀故障特征提取方法 |
CN113432805A (zh) * | 2021-07-13 | 2021-09-24 | 南昌航空大学 | 一种供水管道泄漏的无线监测装置及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107906375B (zh) | 2024-04-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107906375A (zh) | 基于加权排列熵的管道泄漏检测方法及系统 | |
CN108488638B (zh) | 基于声波负压波混合监测的管道泄漏监测系统及方法 | |
CN104061445B (zh) | 一种基于神经网络的管道泄漏检测方法 | |
CN113963514B (zh) | 一种油气化管道一体化监测预警系统 | |
CN102563360B (zh) | 基于序贯概率比检测的管道安全预警系统的振动事件检测方法 | |
CN105546352A (zh) | 基于声音信号的天然气管道微泄漏检测方法 | |
CN103198235B (zh) | 基于风功率纵向时刻概率分布的风功率预测值预评估方法 | |
CN109854953B (zh) | 一种特殊工况下的原油输送管线泄漏检测系统及方法 | |
CN110285330B (zh) | 一种基于局部离群因子的水务网管网爆管检测方法 | |
CN105608842A (zh) | 一种核反应堆燃料破损在线监测报警装置 | |
CN105117512A (zh) | 变压器预警值的估算方法及装置 | |
CN102242872B (zh) | 基于广义模糊双曲正切模型的输油管网泄漏检测方法 | |
CN111666652B (zh) | 蒸汽热网疏水器巡检排放操作调度方法及操作调度系统 | |
CN105806400A (zh) | 一种消防栓安全状态智能监测方法及系统 | |
He et al. | A framework of smart pipeline system and its application on multiproduct pipeline leakage handling | |
CN111695465A (zh) | 基于压力波模式识别的管网故障诊断与定位方法及系统 | |
CN115949890A (zh) | 一种城市燃气管网泄漏监测分级报警和处置方法 | |
CN105629848B (zh) | 一种抢险装备的监控方法及控制器 | |
CN108052540A (zh) | 一种基于gis管网系统的管道故障预判与预处理方法 | |
CN107292512A (zh) | 一种基于符号动力学和隐马尔科夫模型的电力设备时空多维安全评估方法 | |
CN114298144A (zh) | 一种基于深度卷积神经网络的水电站设备漏油识别方法 | |
CN114444663A (zh) | 一种基于时间卷积网络的供水管网泄漏检测与定位方法 | |
CN103529337A (zh) | 设备故障与电气量信息间非线性相关关系的识别方法 | |
CN105135217A (zh) | 一种改进的基于小波分析的石油管道泄漏检测方法 | |
CN104502800A (zh) | 一种电力系统故障因子特征提取方法 |
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 |