CN108662441A - 基于自组织无中心网络的城市燃气管网检漏系统及方法 - Google Patents
基于自组织无中心网络的城市燃气管网检漏系统及方法 Download PDFInfo
- Publication number
- CN108662441A CN108662441A CN201810469858.0A CN201810469858A CN108662441A CN 108662441 A CN108662441 A CN 108662441A CN 201810469858 A CN201810469858 A CN 201810469858A CN 108662441 A CN108662441 A CN 108662441A
- Authority
- CN
- China
- Prior art keywords
- intelligent control
- control node
- emission sensor
- network
- acoustic emission
- 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 52
- 238000000034 method Methods 0.000 title claims abstract description 25
- 230000001105 regulatory effect Effects 0.000 claims abstract description 26
- 230000003993 interaction Effects 0.000 claims abstract description 15
- 238000010219 correlation analysis Methods 0.000 claims abstract description 9
- 230000001276 controlling effect Effects 0.000 claims abstract description 7
- 238000004458 analytical method Methods 0.000 claims abstract description 6
- 239000007789 gas Substances 0.000 claims description 74
- 241001503991 Consolida Species 0.000 claims description 48
- 238000004891 communication Methods 0.000 claims description 37
- 238000012545 processing Methods 0.000 claims description 33
- 239000002737 fuel gas Substances 0.000 claims description 30
- 230000005540 biological transmission Effects 0.000 claims description 22
- 238000007405 data analysis Methods 0.000 claims description 20
- 230000006855 networking Effects 0.000 claims description 17
- 230000009466 transformation Effects 0.000 claims description 12
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 238000012546 transfer Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 239000000567 combustion gas Substances 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 4
- 230000009514 concussion Effects 0.000 claims description 3
- 238000005314 correlation function Methods 0.000 claims description 3
- 238000009826 distribution Methods 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000005236 sound signal Effects 0.000 claims description 3
- 238000013519 translation Methods 0.000 claims description 3
- 238000002485 combustion reaction Methods 0.000 claims description 2
- 238000007689 inspection Methods 0.000 claims 1
- 230000001960 triggered effect Effects 0.000 abstract 1
- 238000000465 moulding Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 239000012814 acoustic material Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 230000007474 system interaction Effects 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
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D3/00—Arrangements for supervising or controlling working operations
- F17D3/01—Arrangements for supervising or controlling working operations for controlling, signalling, or supervising the conveyance of a product
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了基于自组织无中心网络的城市燃气管网检漏系统，涉及检漏技术领域，燃气泄漏检测部件与智能控制节点连接；移动终端与智能控制节点进行连接；燃气泄漏检测部件设于燃气管道的上方并紧靠燃气管道，两端分别延伸至场站、调压站(箱)、闸井处断开；智能控制节点设于场站、调压站或者调压箱、闸井处；移动终端实现人机交互；阀门电动执行装置用于控制电磁阀门的启闭；基于自组织无中心网络的城市燃气管网检漏方法通过将一个整体划分多个区域，形成无中心网络，通过基于小波分析与近似熵，互为相关性分析的结合的方法进行检测。优点在于当事故发生时，根据燃气泄漏输送检测部件的相关性能够快速准备计算出故障的位置信息，触发应急措施。
Description
技术领域
本发明涉及城市燃气管网的检漏技术领域，更具体涉及基于自组织无中心网络的城市燃气管网检漏系统及方法。
背景技术
城市燃气管网是一种典型的、集中式的地下管线系统，具有隐蔽性、系统性和动态性等特点，现场配置测控点数量大，系统组网困难，改造升级困难。城市燃气网运行过程中的燃气泄漏之类事故一般很难避免，一旦事故发生必须及时采取应急措施，以避免事故的蔓延并及时组织抢救。由于多方面的原因，城市燃气管网检漏方法及系统一直没有取得很好的发展。
发明内容
本发明所要解决的技术问题在于燃气泄漏发生时不能快速准确计算出故障的位置信息。
本发明是通过以下技术方案解决上述技术问题的，具体技术方案如下：
基于自组织无中心网络的城市燃气管网检漏系统，包括：燃气泄漏输送检测部件、智能控制节点、移动终端、阀门电动执行装置和电源装置；所述燃气泄漏输送检测部件与所述智能控制节点连接；所述移动终端与所述智能控制节点进行连接；
所述燃气泄漏输送检测部件设于燃气管道的上方并紧靠燃气管道，两端分别延伸至相邻的场站、各级调压站或调压箱、闸井处断开，用于输送泄漏的燃气并检测声波信号；
所述智能控制节点设于场站、各级调压站或者调压箱、闸井处上方内壁上，用于处理燃气泄漏输送检测部件所传输的声波信号；
所述移动终端实现人机交互，用于通知相关人员；
所述阀门电动执行装置设于燃气管道的电磁阀门处，用于控制电磁阀门的启闭；
所述电源装置设于地面，用于给智能控制节点、燃气泄漏输送检测部件和阀门电动执行装置提供电能。
优选地，所述燃气泄漏检测部件包括声发射传感器、多孔筛管；所述多孔筛管设于燃气管道的上方并紧靠燃气管道，所述多孔筛管上每隔一定的距离布置一个所述声发射传感器；所述声发射传感器用于实时采集燃气管道的声波信号，并上传至所述智能控制节点。
优选地，所述智能控制节点包括主控模块、通信接口模块、组网感知模块、阀门控制模块、网络通信模块、传感器数据传输模块、数据存储模块和数据分析与处理模块；所述通信接口模块与所述组网感知模块连接，所述组网感知模块、所述网络通信模块、所述传感器数据传输模块、所述数据存储模块、所述数据分析与处理模块、所述阀门控制模块都与所述主控模块连接，所述传感器数据传输模块与所述数据存储模块连接，所述数据存储模块与所述数据分析与处理模块连接；
所述通信接口模块包括RJ45接口，所述RJ45接口用于连接数据线，使得各智能控制节点间直接进行数据交互；
所述组网感知模块根据所述通信接口模块已连通的数据线、基于动态源路由协议的拓扑发现算法自适应和自组织形成无中心并行计算网络；
所述传感器数据传输模块用于接收所述燃气泄漏输送检测部件上传的声波信号；
所述数据存储模块用于存储智能控制节点所在区域内的数据；
所述数据分析与处理模块用于对声波信号进行小波分析重构、近似熵的计算与进行互为相关性分析；
所述阀门控制模块用于传输阀门电动执行装置的控制指令；
所述网络通信模块用于给人机交互提供一个接口，在不同地点都可以通过移动终端与智能控制节点进行实时交互；
所述主控模块用于控制各个模块输入输出，使各个模块协调运作。
基于自组织无中心网络的城市燃气管网检漏方法，包括如下步骤：
S1：在城市燃气管网的场站、各级调压站或调压箱、闸井区域内布置智能控制节点；所述智能控制节点包括主控模块、通信接口模块、组网感知模块、阀门控制模块、网络通信模块、传感器数据传输模块、数据存储模块和数据分析与处理模块；
S2：根据智能控制节点的分布以及利用区域划分软件将城市燃气管划分N个分区且不重不漏，确定各个分区的领域，输出划分好的相邻区域并画出连通线，通过所述通信接口模块利用数据线将相邻区域进行连通。
S3：所述智能控制节点之间基于动态源路由协议的拓扑发现算法自适应、自组织形成无中心并行计算网络；
S4：将燃气泄漏输送检测部件所采集的声波信号上传至所述智能控制节点进行小波变换、重构以及近似熵计算；
S5：如果任意一个智能控制节点的声发射传感器在t时刻的近似熵发生骤变时，找出近似熵的局部最优解和局部次优解，将局部最优解所对应的声发射传感器和局部次优解所对应的声发射传感器进行相关性分析，根据智能控制节点所计算出的声发射传感器之间的相关性获得泄漏点的位置；
S6：获得泄漏点的位置信息后，智能控制节点将位置信息通过邻居节点交互的方式扩散到全局，智能控制节点发起风险决策任务，各智能控制节点的主控模块通过阀门控制模块按需对其电磁阀发送启闭动作指令并通过移动终端通知相关人员。
优选地，所述S3中所述基于动态源路由协议的拓扑发现算法采用按需发现的路由原则，通过周期性广播路由信息来维持路由表，需要建立路由表时能够发出请求来建立路由表，其中，组网感知模块根据通信接口模块已连通的数据线、基于动态源路由协议的拓扑发现算法自适应、自组织形成无中心并行计算网络。
优选地，所述S4中所述燃气泄漏输送检测部件通过所述传感器数据传输模块上传采集的声波信号送至所述数据存储模块，各个区域的所述数据分析与处理模块对其区域的声波信号进行分析处理。
优选地，所述各个区域的所述数据分析与处理模块对其区域的声波信号进行分析处理的步骤如下：
S4.1：从数据存储模块获取各自区域内声发射传感器的燃气泄漏输送部件自身属性，即获得N个声发射传感器在燃气管道上的位置距离集合为d＝{d1,d2,...,dn}，其中，第1号声发射传感器与所在区域的智能控制节点的距离为d1，第2号声发射传感器与所在区域的智能控制节点的距离为d2，第n号声发射传感器与所在区域的智能控制节点的距离为dn，同时获得经放大后的多信号特征；
S4.2：选取小波基对多信号特征中的声发射信号进行小波变化与重构，重构后使其声发射信号特征更加明显；
S4.3：对重构的声发射信号进行近似熵计算，所述近似熵计算采用的是近似熵实用快速算法。
优选地，所述S4.2中对所述选取小波基对其多信号特征中的声发射信号进行小波变换与重构的步骤如下：
S4.2.1：根据声发射信号的自身特性，所述声发信号的自身特性包括大量的冲击信号和波形信号；则选取的小波基需满足：在时域表现紧支性；在频域表现快速衰减特性；时域波形表现出震荡衰减特性；具有一定范围的消失矩；即采用紧支集正交小波进行变换；
S4.2.2：声发射传感器采集到的声发射信号数据量巨大，考虑到信号的处理速度，采用离散小波变化；则令尺度参数a和平移因子τ分别定义为 则离散小波为：
式中，表示伸缩系数，j为伸缩因子，间接代表频域特性，规定j＞0；k表示平移系数；t表示时间；τ0为平移因子，τ0反映小波函数的时移特性,可正可负；
相应的离散小波变化WTX(j,k)为：
即，WTX(j,k)为离散小波系数即小波系数；式中，表示与ψj,k(t)复共轭离散小波；
S4.2.3：对应的小波重构公式为：
即，χ(t)为小波变换的单支重构信号，保证了尺度系数的不变性；将单支重构信号按照一定的频率值分解成系列的时间信号。
优选地，所述S4.3中对所述对重构的声发射信号进行近似熵计算的步骤如下：
S4.3.1：智能控制节点采集N个声发射传感器的声波信号所对应的时间顺序为：
x(1),x(2),...,x(n)
S4.3.2：给定阈值ξ，将N点时间序列组成N*N的二值距离矩阵D，D中的元素用dij，定义为第i行元素和第j列元素之间的距离为：
(i＝1,...,N；j＝1,...,N；i≠j)
式中，ux(i)、vx(j)分别表示时间序列为x(i)、x(j)所对应声波信号的原始数据，x(i)表示第i行元素的时间序列，x(j)表示第j列元素的时间序列；
S4.3.3：通过距离矩阵D中的元素，能够得到和和分别表示时间序列中2维模式与3维模式在相似容限ε下彼此间的相似程度，
式中，d(i+1)(j+1)为定义为第i+1行元素和第j+1列元素之间的距离，d(i+2)(j+2)为定义为第i+2行元素和第j+2列元素之间的距离；
S4.3.4：根据得到的和对取对数后再求其所对应的所有i行的平均值，记为φm(ξ)，则：
式中，表示时间序列中m维模式在相似容限ξ下彼此间的相似程度，m表示模式维数，ξ表示相似容限，在0.1到0.25SD(SD为x(i)数据的标准差)中取值；
S4.3.5：当N为有限值时，时间序列的近似熵为：
ApEn＝(N,m,ξ)＝lim[φm(ξ)-φm+1(ξ)]
式中，φm+1(ξ)表示m+1维模式下对取对数后再求其所对应的所有i行的平均值；
优选地，所述S5的具体步骤如下：
S5.1：智能控制节点监测声发射传感器的集合表示为N＝{1,2,...,n}，n表示第n号声发射传感器，通过智能控制节点计算所有声发射传感器的所采集的声发射信号的近似熵；
声发射传感器所对应近似熵的集合表示：
ApEn＝{ApEn(0),ApEn(1),...,ApEn(k),...,ApEn(n)}，
则，ApEn是所有声发射传感器所对应的近似熵的集合，第0号声发射传感器对应的近似熵为ApEn(0)，第1号声发射传感器对应的近似熵为ApEn(1)，第k号声发射传感器对应的近似熵为ApEn(k)，第n号声发射传感器对应的近似熵为ApEn(n)；
S5.2：如果任意一个智能控制节点的声发射传感器在t时刻的近似熵发生骤变时，即某智能控制节点的负责的区域内泄漏信号，便向邻居智能控制节点发起计算任务，邻居智能控制节点之间各自交换区域声发射传感器的近似熵；
根据所有声发射传感器的近似熵，找出局部最优解FApEn(i)和局部次优解SApEn(j)，局部最优解FApEn(i)所对应的声波信号采集时间为ti，局部次优解SApEn(j)所对应声波信号采集的时间为tj，找出近似熵的局部最优解FApEn(i)和局部次优解SApEn(j)，其中，i,j∈N，FApEn(i)表示第i号声发射传感器为局部最优解，则第i号声发射传感器先检测到泄漏信号，SApEn(j)表示第j号声发射传感器为局部次优解，即间隔一定时间后，第j号声发射传感器也检测到泄漏信号；
S5.3：因信号在短时间内式稳态的，则第i声发射传感器和第j声发射传感器的泄漏信号存在相似性，其中，第i号声发射传感器检测到的泄漏信号在时间上要晚于第j号声发射传感器检测到的泄漏信号；局部最优解FApEn(i)对应的波形为声波信号Xi(ti)和局部次优解SApEn(j)对应的声波信号Xj(tj),ti和tj分别表示所对应声波信号采集的时间，延迟时间τ＝tj-ti，在一段时间T内的互相关函数为：
燃气管道实际运行中，实时采集到的声波信号Xi(ti)和Xj(tj)所对应的离散值Xi(t)和Xj(t)，其离散形式为：
其中，M为采样数据长度，L为管长，v为波速，τ为检测到两波的时间间隔，t为声波信号为离散值Xi(t)和Xj(t)所对应的时间；如果发生泄漏，且当τ＝τ0时，将达到最大值，即：
则，泄漏点距第一声发射传感器的位置为：
S5.4：根据泄漏点到声发射传感器的距离以及声发射传感器与所在区域的智能控制节点的距离，即可获得泄漏点在燃气管道上的位置信息。
本发明相比现有技术具有以下优点：
1、本发明系统中燃气泄漏输送检测部件与智能控制节点连接；移动终端与智能控制节点进行连接；燃气泄漏输送检测部件设于燃气管道的上方并紧靠燃气管道，两端分别延伸至相邻的场站、各级调压站或调压箱、闸井处断开，用于输送泄漏的燃气并检测声波信号；智能控制节点设于场站、各级调压站或者调压箱、闸井处上方内壁上，用于处理燃气泄漏输送部件所传输的声波信号；移动终端实现人机交互，用于通知相关人员；阀门电动执行装置设于燃气管道的电磁阀门处，用于控制电磁阀门的启闭；电源装置设于地面，用于给智能控制节点、燃气泄漏输送检测部件和阀门电动执行模块提供电能。该系统结构简单、操作方便，能够快速有效的找到泄漏位置。
2、本发明方法中首先利用智能控制节点之间通过数据线连接，组建成无中心拓扑结构，基于动态源路由协议自组织形成无中心并行计算网络；其次凭借每个智能控制节点平等独立的计算能力与计算地位，利用紧支集正极的小波变换与重构对其带有声发射传感器的燃气泄漏输送部件采集的声波信号进行本地处理，利用无中心并行计算网络计算近似熵与寻找局部最优解和局部次优解，并对寻找局部最优解和局部次优解所对应的声发射传感器进行互为相关性分析，能够有效的计算处故障位置信息，并扩散到全局节点，发起风险决策任务，无需寻址，自动采取应急措施；最后用移动终端取代传统集中式系统中的中央上位机，用户能够通过移动终端与系统中任意一个节点连接，从而发起任务进而与其余节点交互。
针对现有的有中心、分级网络架构燃气泄漏定位方法，提出了无中心扁平化网络架构以及燃气泄漏定位方法，避免了集中式架构数据统一上传服务器所造成工程应用瓶颈，当事故发生时，根据燃气泄漏输送检测部件的相关性能够快速准备计算出故障的位置信息，触发应急措施。
本方法具备底层信息高效共享的能力；具备自识别、自组织、自协调的能力；具备易操作、易改造、易扩展的能力，所有智能控制节点平等、无中心、标准化，智能控制节点只需对自己区域负责；各智能控制节点仅是数据线连接，只与连通的领域节点交互数据，无需寻址。
附图说明
图1为本发明的实施例的基于自组织无中心网络的城市燃气管网检漏系统的城市燃气管网检漏系统某一区域结构示意图。
图2为本发明的实施例提供的基于自组织无中心网络的城市燃气管网检漏系统的燃气泄漏输送检测件。
图3为本发明的实施例的基于自组织无中心网络的城市燃气管网检漏系统的智能控制节点组成模块图。
图4为本发明的实施例提供的基于自组织无中心网络的城市燃气管网检漏系统网络节点示意图。
图5为本发明的实施例提供的基于自组织无中心网络的城市燃气管网检漏方法流程图。
图6为本发明的实施例提供的基于自组织无中心网络的城市燃气管网检漏方法的基于动态源路由协议的拓扑发现算法流程图
具体实施方式
下面对本发明的实施例作详细说明，本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。
如图1所示，基于自组织无中心网络的城市燃气管网检漏系统，包括电源装置1、智能控制节点2、燃气泄漏输送检测部件3、燃气管道6、模拟泄漏点7、阀门电动执行装置8、移动终端9。电源装置1设于地面，若电力供应点较远可选用太阳能电板供电。智能控制节点2设于场站、各级调压站或调压箱、闸井处上方内壁上，有利于人机交互，供电方便，同时防止被积水损坏。
燃气泄漏输送检测部件3，如图2所示，包括声发射传感器4、多孔筛管5等部件，多孔筛管5采用隔音材料制成，设于燃气管道6的上方并紧靠，燃气泄漏输送检测部件3的两端分别延伸至相邻的场站、各级调压站或调压箱，闸井处断开。智能控制节点2与燃气泄漏输送检测部件3通过有线连通。
如图3所示，智能控制节点2的组成模块包括主控模块、通信接口模块、组网感知模块、阀门控制模块、4G网络通信模块、传感器数据传输模块、数据存储模块和数据分析与处理模块；通信控制模块与组网感知模块连接，组网感知模块、4G网络通信模块、传感器数据传输模块、数据存储模块、数据分析与处理模块、阀门控制模块都与主控模块连接，传感器数据传输模块与数据存储模块连接，数据存储模块与数据分析与处理模块连接。
通信接口模块包括RJ45接口，RJ45接口用于连接数据线，直接进行各智能控制节点间的数据交互；组网感知模块用于通过通信接口模块已连通的数据线、基于动态源路由协议的拓扑发现算法自适应和自组织形成无中心并行计算网络；传感器数据传输模块用于接收燃气泄漏输送检测部件上传的声波信号；数据存储模块用于存储智能控制节点所在区域内的数据；数据分析与处理模块用于对声波信号进行小波分析重构、近似熵的计算与进行互为相关性分析；阀门控制模块用于传输阀门电动执行模块的控制指令；4G网络通信模块用于给人机交互提供一个接口，人在不同地点都可以通过移动终端与系统进行实时交互；主控模块用于控制各个模块输入输出，使各个模块协调运作。
如果图1中的模拟泄漏点7发生泄漏后，泄漏的燃气会随着燃气管道6外表面的燃气泄漏输送检测部件3输送至相邻的场站、各级调压站或调压箱、闸井，输送的过程当中，输送部件上的声发射传感器4会将检测到新模式声波信号，将通过有线方式上传到智能控制节点2，智能控制节点2会根据图4中的无中心分布式计算网络发起整个系统的全局任务，各个智能控制节点将会各自计算自己区域内是否存在异常情况，即新模式的声波信号的产生，同时将与邻居节点交换计算结果，相互协作最终确定泄漏源位置信息，智能控制节点2根据泄漏源位置发送控制命令关闭管道阀门。
移动终端9利用智能控制节点2的4G网络通信模块，为人与系统交互提供一种完成不同于有中心架构数据交互方式。由于系统中所有的数据都按照所在区域位置存储在相应的智能控制节点2中，则整个系统的数据库分布在各个单元中，随处都有当地的数据。在这种无中心分布式计算网络架构模式下，人与系统的交互不局限在某个特定的空间或设备，机人能够在系统中的任意地点通过终端界面连接所在单元的智能控制节点2，进而实现对系统的访问。当访问某个智能控制节点2时，便可以直接读取本地信息，例如，能够读取当前或历史的声波信号及声发射传感器4的自身属性；同时，也能够通过智能控制节点2去访问整个系统中的任意其他节点，实现信息远程查询、远程下达指令，数据备份到云端等问题。
如图5所示，基于自组织无中心网络的城市燃气管网检漏方法，具体如下步骤：
S1：在城市燃气管网的场站、各级调压站(箱)、闸井区域内布置智能控制节点；智能控制节点包括通信接口模块、组网感知模块、传感器数据传输模块、数据存储模块、数据分析与处理模块、阀门控制模块、网络通信模块和主控模块；
S2：根据智能控制节点的分布以及利用区域划分软件将城市燃气管划分N个分区且不重不漏，确定各个分区的领域，输出划分好的相邻区域并画出连通线，通过通信接口模块利用数据线将相邻区域进行连通。其中，区域划分软件根据标注的智能控制节点，划分相邻区域并画出连通线，画线原则是根据距离的远近，连通距离自己最近的节点，每个节点的连线最多不超过四个，如图3所示。这样区域划分原则有利于节省材料的费用以及方便日后的运维。
S3：智能控制节点之间基于动态源路由协议的拓扑发现算法自适应、自组织形成无中心并行计算网络。其中，基于动态源路由协议的拓扑发现算法采用按需发现的路由原则，通过周期性广播路由信息来维持路由表，需要建立路由表时能够发出请求来建立路由表，其中，组网感知模块根据通信接口模块已连通的数据线、基于动态源路由协议的拓扑发现算法自适应、自组织形成无中心并行计算网络。
如图6所示，智能控制节点之间基于动态源路由协议的拓扑发现算法流程图，包括：判断RREQ包中源节点的是否存在于本节点序列对列表中，如果是则不处理，如果不是，则判断本节点是否存在路由记录子段中，如果存在则不处理，如果不存在，则需继续判断RREQ的目的节点是否是本地节点，如果是则通过RREP包将路由节点地址序列反馈给源节点并将该路由复制到自己的路由表中；如果不是，则将目的节点地址附在RREQ包的路由记录字段后，在广播RREQ包。
S4：将燃气泄漏输送检测部件所采集的声波信号上传至智能控制节点进行小波变换、重构以及近似熵计算；燃气泄漏输送检测部件通过声发射传感器数据传输模块上传采集的声波信号送至数据存储模块，各个区域的数据分析与处理模块对其区域的声波信号进行分析处理。
具体的，各个区域的数据分析与处理模块对其区域的声波信号进行分析处理的步骤如下：
S4.1：从数据存储模块获取各自区域内声发射传感器的燃气泄漏输送部件自身属性，即获得N个声发射传感器在燃气管道上的位置距离集合为d＝{d1,d2,...,dn}，其中，第1号声发射传感器与所在区域的智能控制节点的距离为d1，第2号声发射传感器与所在区域的智能控制节点的距离为d2，第n号声发射传感器与所在区域的智能控制节点的距离为dn，同时获得经放大后的多信号特征；
S4.2：选取小波基对多信号特征中的声发射信号进行小波变化与重构，重构后使其声发射信号特征更加明显。
S4.2.1：根据声发射信号的自身特性，声发信号的自身特性包括大量的冲击信号和波形信号；则选取的小波基需满足：在时域表现紧支性；在频域表现快速衰减特性；时域波形表现出震荡衰减特性；具有一定范围的消失矩；即采用紧支集正交小波进行变换；
S4.2.2：声发射传感器采集到的声发射信号数据量巨大，考虑到信号的处理速度，采用离散小波变化；则令尺度参数a和平移因子τ分别定义为 则离散小波为：
式中，表示伸缩系数，j为伸缩因子，间接代表频域特性，规定j＞0；k表示平移系数；t表示时间；τ0为平移因子，τ0反映小波函数的时移特性,可正可负；
相应的离散小波变化WTX(j,k)为：
即，WTX(j,k)为离散小波系数即小波系数；式中，为与ψj,k(t)的复共轭离散小波；
S4.2.3：对应的小波重构公式为：
即，χ(t)为小波变换的单支重构信号，保证了尺度系数的不变性；将单支重构信号按照一定的频率值分解成系列的时间信号，则能够排除其它频率成分信号的干扰。
S4.3：对重构的声发射信号进行近似熵计算，近似熵计算采用的是近似熵实用快速算法。
S4.3.1：智能控制节点采集N个声发射传感器的声波信号所对应的时间顺序为：
x(1),x(2),...,x(n)
S4.3.2：给定阈值ξ，将N点时间序列组成N*N的二值距离矩阵D，D中的元素用dij，定义为第i行元素和第j列元素之间的距离为：
(i＝1,...,N；j＝1,...,N；i≠j)
式中，ux(i)、vx(j)分别表示时间序列为x(i)、x(j)所对应声波信号的原始数据，x(i)表示第i行元素的时间序列，x(j)表示第j列元素的时间序列。
S4.3.3：通过距离矩阵D中的元素，能够得到和和分别表示时间序列中2维模式与3维模式在相似容限ε下彼此间的相似程度，
式中，d(i+1)(j+1)为定义为第i+1行元素和第j+1列元素之间的距离，d(i+2)(j+2)为定义为第i+2行元素和第j+2列元素之间的距离；
S4.3.4：根据得到的和对取对数后再求其所对应的所有i行的平均值，记为φm(ξ)，则：
式中，表示时间序列中m维模式在相似容限ξ下彼此间的相似程度，m表示模式维数，ξ表示相似容限，在0.1到0.25SD(SD为x(i)数据的标准差)中取值；
S4.3.5：当N为有限值时，时间序列的近似熵为：
ApEn＝(N,m,r)＝lim[φm(r)-φm+1(r)]
式中，φm+1(ξ)表示m+1维模式下对取对数后再求其所对应的所有i行的平均值；
S5：如果任意一个智能控制节点的声发射传感器在t时刻的近似熵发生骤变时，找出近似熵的局部最优解和局部次优解，将局部最优解所对应的声发射传感器和局部次优解所对应的声发射传感器进行相关性分析，根据智能控制节点所计算出的声发射传感器之间的相关性获得泄漏点的位置。
S5.1：智能控制节点监测声发射传感器的集合表示为N＝{1,2,...,n}，n表示第n号声发射传感器，通过智能控制节点计算所有声发射传感器的所采集的声发射信号的近似熵；
声发射传感器所对应近似熵的集合表示：
ApEn＝{ApEn(0),ApEn(1),...,ApEn(k),...,ApEn(n)}，
则，ApEn是所有声发射传感器所对应的近似熵的集合，第0号声发射传感器对应的近似熵为ApEn(0)，第1号声发射传感器对应的近似熵为ApEn(1)，第k号声发射传感器对应的近似熵为ApEn(k)，第n号声发射传感器对应的近似熵为ApEn(n)；
S5.2：如果任意一个智能控制节点的声发射传感器在t时刻的近似熵发生骤变时，即某智能控制节点的负责的区域内泄漏信号，便向邻居智能控制节点发起计算任务，邻居智能控制节点之间各自交换区域声发射传感器的近似熵；
根据所有声发射传感器的近似熵，找出局部最优解FApEn(i)和局部次优解SApEn(j)，局部最优解FApEn(i)所对应的声波信号采集时间为ti，局部次优解SApEn(j)所对应声波信号采集的时间为tj，找出近似熵的局部最优解FApEn(i)和局部次优解SApEn(j)，其中，i,j∈N，FApEn(i)表示第i号声发射传感器为局部最优解，则第i号声发射传感器先检测到泄漏信号，SApEn(j)表示第j号声发射传感器为局部次优解，即间隔一定时间后，第j号声发射传感器也检测到泄漏信号；
S5.3：因信号在短时间内式稳态的，则第i声发射传感器和第j声发射传感器的泄漏信号存在相似性，其中，第i号声发射传感器检测到的泄漏信号在时间上要晚于第j号声发射传感器检测到的泄漏信号；局部最优解FApEn(i)对应的波形为声波信号Xi(ti)和局部次优解SApEn(j)对应的声波信号Xj(tj),ti和tj分别表示所对应时刻检测到的泄漏信号的时间，延迟时间τ＝tj-ti，在一段时间T内的互相关函数为：
燃气管道实际运行中，实时采集到的声波信号Xi(ti)和Xj(tj)所对应的离散值Xi(t)和Xj(t)，其离散形式为：
其中，M为采样数据长度，L为管长，v为波速，τ为检测到两波的时间间隔，t为声波信号为离散值Xi(t)和Xj(t)所对应的时间；如果发生泄漏，且当τ＝τ0时，将达到最大值，即：
则，泄漏点距第一声发射传感器的位置为：
S5.3：根据泄漏点到声发射传感器的距离以及声发射传感器与所在区域的智能控制节点的距离，即可获得泄漏点在燃气管道上的位置信息。
S6：根据泄漏点的位置信息后，智能控制节点将位置信息通过邻居节点交互的方式扩散到全局，智能控制节点发起风险决策任务，各智能控制节点的主控模块通过阀门控制模块按需对其电磁阀发送启闭动作指令并通过移动终端通知相关人员。
例如：某城市燃气管网拓扑如图4所示，由36个智能控制节点组建的基于自组织无中心网络的城市燃气管网检漏系统，每个智能控制节点负责的区域声发射传感器的个数为10。当其中S10号智能控制节点负责的区域内某一个声发射传感器2号检测到声波信号的近似熵发生大幅度变化时，S10号智能控制节点便向相邻智能控制节点S3、S9、S15、S16发起任务，智能控制节点之间相互交换数据同时计算出近似熵的局部区域R的最优解FApEn(2)与次优解FApEn(5)分别对应S10的2号声发射传感器与S15的5号声发射传感器，此时S10向S15发送本身2号声发射传感器的数据或者S15向S10发送本身5号声发射传感器的数据，优先级由网络延时决定，智能控制节点对2号声发射传感器与5号声发射传感器的波信号进行互为相关系分析，确定泄漏点距离传感器的位置信息。最后节点调取传感器在燃气管网的位置信息，从而确定泄漏点在管网中具体位置，并通过邻居交换数据的方式，将信息传递给其他智能控制节点并发起风险决策任务，关闭节点S10与S15所对应的2与5号声发射传感器所对应的管道阀门，自动采取应急措施并通过APP告知相关人员。
综上，本发明利用智能控制节点之间通过数据线连接，组建成无中心拓扑结构，基于动态源路由协议自组织形成无中心并行计算网络；其次凭借每个智能控制节点平等独立的计算能力与计算地位，利用紧支集正极的小波变换与重构对其声发射传感器的燃气泄漏输送部件采集的声波信号进行处理，利用无中心并行计算网络，计算近似熵与寻找局部最优解，并对其最优解进行互为相关性分析，能够有效的计算处故障位置信息，并扩散到全局节点，自动采取应急措施；最后用移动终端取代传统集中式系统中的中央上位机，用户能够通过移动终端与系统中任意一个节点连接，从而发起任务进而与其余节点交互；当事故发生时，根据燃气泄漏输送检测部件的相关性能够快速准备计算出故障的位置信息，触发应急措施。智能控制节点类似于微型计算机，具有处理存储能力，用于与相邻节点进行数据交换。智能控制节点只负责处理自己区域内的数据，相当于将集中式的一个整体计算处理任务进行细化，分配给多个智能控制节点处理。采用无中心分布式的计算能力与速度要远远超过集中式统一处理。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.基于自组织无中心网络的城市燃气管网检漏系统，其特征在于，包括：燃气泄漏输送检测部件、智能控制节点、移动终端、阀门电动执行装置和电源装置；所述燃气泄漏输送检测部件与所述智能控制节点连接；所述移动终端与所述智能控制节点进行连接；
所述燃气泄漏输送检测部件设于燃气管道的上方并紧靠燃气管道，两端分别延伸至相邻的场站、各级调压站或调压箱、闸井处断开，用于输送泄漏的燃气并检测声波信号；
所述智能控制节点设于场站、各级调压站或者调压箱、闸井处上方内壁上，用于处理燃气泄漏输送检测部件所传输的声波信号；
所述移动终端实现人机交互，用于通知相关人员；
所述阀门电动执行装置设于燃气管道的电磁阀门处，用于控制电磁阀门的启闭；
所述电源装置设于地面，用于给智能控制节点、燃气泄漏输送检测部件和阀门电动执行装置提供电能。
2.根据权利要求1所述的基于自组织无中心网络的城市燃气管网检漏系统，其特征在于，所述燃气泄漏检测部件包括声发射传感器、多孔筛管；所述多孔筛管设于燃气管道的上方并紧靠燃气管道，所述多孔筛管上每隔一定的距离布置一个所述声发射传感器；所述声发射传感器用于实时采集燃气管道的声波信号，并上传至所述智能控制节点。
3.根据权利要求1所述的基于自组织无中心网络的城市燃气管网检漏系统，其特征在于，所述智能控制节点包括主控模块、通信接口模块、组网感知模块、阀门控制模块、网络通信模块、传感器数据传输模块、数据存储模块和数据分析与处理模块；所述通信接口模块与所述组网感知模块连接，所述组网感知模块、所述网络通信模块、所述传感器数据传输模块、所述数据存储模块、所述数据分析与处理模块、所述阀门控制模块都与所述主控模块连接，所述传感器数据传输模块与所述数据存储模块连接，所述数据存储模块与所述数据分析与处理模块连接；
所述通信接口模块包括RJ45接口，所述RJ45接口用于连接数据线，使得各智能控制节点间直接进行数据交互；
所述组网感知模块根据所述通信接口模块已连通的数据线、基于动态源路由协议的拓扑发现算法自适应和自组织形成无中心并行计算网络；
所述传感器数据传输模块用于接收所述燃气泄漏输送检测部件上传的声波信号；
所述数据存储模块用于存储智能控制节点所在区域内的数据；
所述数据分析与处理模块用于对声波信号进行小波分析重构、近似熵的计算与进行互为相关性分析；
所述阀门控制模块用于传输阀门电动执行装置的控制指令；
所述网络通信模块用于给人机交互提供一个接口，在不同地点都可以通过移动终端与智能控制节点进行实时交互；
所述主控模块用于控制各个模块输入输出，使各个模块协调运作。
4.一种采用权利要求1至3任意一项所述的基于自组织无中心网络的城市燃气管网检漏方法，其特征在于，包括如下步骤：
S1：在城市燃气管网的场站、各级调压站或调压箱、闸井区域内布置智能控制节点；所述智能控制节点包括主控模块、通信接口模块、组网感知模块、阀门控制模块、网络通信模块、传感器数据传输模块、数据存储模块和数据分析与处理模块；
S2：根据智能控制节点的分布以及利用区域划分软件将城市燃气管划分N个分区且不重不漏，确定各个分区的领域，输出划分好的相邻区域并画出连通线，通过所述通信接口模块利用数据线将相邻区域进行连通。
S3：所述智能控制节点之间基于动态源路由协议的拓扑发现算法自适应、自组织形成无中心并行计算网络；
S4：将燃气泄漏输送检测部件所采集的声波信号上传至所述智能控制节点进行小波变换、重构以及近似熵计算；
S5：如果任意一个智能控制节点的声发射传感器在t时刻的近似熵发生骤变时，找出近似熵的局部最优解和局部次优解，将局部最优解所对应的声发射传感器和局部次优解所对应的声发射传感器进行相关性分析，根据智能控制节点所计算出的声发射传感器之间的相关性获得泄漏点的位置；
S6：获得泄漏点的位置信息后，智能控制节点将位置信息通过邻居节点交互的方式扩散到全局，智能控制节点发起风险决策任务，各智能控制节点的主控模块通过阀门控制模块按需对其电磁阀发送启闭动作指令并通过移动终端通知相关人员。
5.根据权利要求4所述的基于自组织无中心网络的城市燃气管网检漏方法，其特征在于，所述S3中所述基于动态源路由协议的拓扑发现算法采用按需发现的路由原则，通过周期性广播路由信息来维持路由表，需要建立路由表时能够发出请求来建立路由表，其中，组网感知模块根据通信接口模块已连通的数据线、基于动态源路由协议的拓扑发现算法自适应、自组织形成无中心并行计算网络。
6.根据权利要求4所述的基于自组织无中心网络的城市燃气管网检漏方法，其特征在于，所述S4中所述燃气泄漏输送检测部件通过所述传感器数据传输模块上传采集的声波信号送至所述数据存储模块，各个区域的所述数据分析与处理模块对其区域的声波信号进行分析处理。
7.根据权利要求6所述的基于自组织无中心网络的城市燃气管网检漏方法，其特征在于，所述各个区域的所述数据分析与处理模块对其区域的声波信号进行分析处理的步骤如下：
S4.1：从数据存储模块获取各自区域内声发射传感器的燃气泄漏输送部件自身属性，即获得N个声发射传感器在燃气管道上的位置距离集合为d＝{d1,d2,...,dn}，其中，第1号声发射传感器与所在区域的智能控制节点的距离为d1，第2号声发射传感器与所在区域的智能控制节点的距离为d2，第n号声发射传感器与所在区域的智能控制节点的距离为dn，同时获得经放大后的多信号特征；
S4.2：选取小波基对多信号特征中的声发射信号进行小波变化与重构，重构后使其声发射信号特征更加明显；
S4.3：对重构的声发射信号进行近似熵计算，所述近似熵计算采用的是近似熵实用快速算法。
8.根据权利要求7所述的基于自组织无中心网络的城市燃气管网检漏方法，其特征在于，所述S4.2中对所述选取小波基对其多信号特征中的声发射信号进行小波变换与重构的步骤如下：
S4.2.1：根据声发射信号的自身特性，所述声发信号的自身特性包括大量的冲击信号和波形信号；则选取的小波基需满足：在时域表现紧支性；在频域表现快速衰减特性；时域波形表现出震荡衰减特性；具有一定范围的消失矩；即采用紧支集正交小波进行变换；
S4.2.2：声发射传感器采集到的声发射信号数据量巨大，考虑到信号的处理速度，采用离散小波变化；则令尺度参数a和平移因子τ分别定义为 则离散小波为：
式中，表示伸缩系数，j为伸缩因子，间接代表频域特性，规定j＞0；k表示平移系数；t表示时间；τ0为平移因子，τ0反映小波函数的时移特性,可正可负；
相应的离散小波变化WTX(j,k)为：
即，WTX(j,k)为离散小波系数即小波系数；式中，表示与ψj,k(t)复共轭离散小波；
S4.2.3：对应的小波重构公式为：
即，χ(t)为小波变换的单支重构信号，保证了尺度系数的不变性；将单支重构信号按照一定的频率值分解成系列的时间信号。
9.根据权利要求7所述的基于自组织无中心网络的城市燃气管网检漏方法，其特征在于，所述S4.3中对所述对重构的声发射信号进行近似熵计算的步骤如下：
S4.3.1：智能控制节点采集N个声发射传感器的声波信号所对应的时间顺序为：
x(1),x(2),...,x(n)
S4.3.2：给定阈值ξ，将N点时间序列组成N*N的二值距离矩阵D，D中的元素用dij，定义为第i行元素和第j列元素之间的距离为：
式中，ux(i)、vx(j)分别表示时间序列为x(i)、x(j)所对应声波信号的原始数据，x(i)表示第i行元素的时间序列，x(j)表示第j列元素的时间序列；
S4.3.3：通过距离矩阵D中的元素，能够得到和 和分别表示时间序列中2维模式与3维模式在相似容限ε下彼此间的相似程度，
式中，d(i+1)(j+1)为定义为第i+1行元素和第j+1列元素之间的距离，d(i+2)(j+2)为定义为第i+2行元素和第j+2列元素之间的距离；
S4.3.4：根据得到的和对取对数后再求其所对应的所有i行的平均值，记为φm(ξ)，则：
式中，表示时间序列中m维模式在相似容限ξ下彼此间的相似程度，m表示模式维数，ξ表示相似容限，在0.1到0.25SD(SD为x(i)数据的标准差)中取值；
S4.3.5：当N为有限值时，时间序列的近似熵为：
ApEn＝(N,m,ξ)＝lim[φm(ξ)-φm+1(ξ)]
式中，φm+1(ξ)表示m+1维模式下对取对数后再求其所对应的所有i行的平均值；
10.根据权利要求4所述的基于自组织无中心网络的城市燃气管网检漏方法，其特征在于，所述S5的具体步骤如下：
S5.1：智能控制节点监测声发射传感器的集合表示为N＝{1,2,...,n}，n表示第n号声发射传感器，通过智能控制节点计算所有声发射传感器的所采集的声发射信号的近似熵；
声发射传感器所对应近似熵的集合表示：
ApEn＝{ApEn(0),ApEn(1),...,ApEn(k),...,ApEn(n)}，
则，ApEn是所有声发射传感器所对应的近似熵的集合，第0号声发射传感器对应的近似熵为ApEn(0)，第1号声发射传感器对应的近似熵为ApEn(1)，第k号声发射传感器对应的近似熵为ApEn(k)，第n号声发射传感器对应的近似熵为ApEn(n)；
S5.2：如果任意一个智能控制节点的声发射传感器在t时刻的近似熵发生骤变时，即某智能控制节点的负责的区域内泄漏信号，便向邻居智能控制节点发起计算任务，邻居智能控制节点之间各自交换区域声发射传感器的近似熵；
根据所有声发射传感器的近似熵，找出局部最优解FApEn(i)和局部次优解SApEn(j)，局部最优解FApEn(i)所对应的声波信号采集时间为ti，局部次优解SApEn(j)所对应声波信号采集的时间为tj，找出近似熵的局部最优解FApEn(i)和局部次优解SApEn(j)，其中，i,j∈N，FApEn(i)表示第i号声发射传感器为局部最优解，则第i号声发射传感器先检测到泄漏信号，SApEn(j)表示第j号声发射传感器为局部次优解，即间隔一定时间后，第j号声发射传感器也检测到泄漏信号；
S5.3：因信号在短时间内式稳态的，则第i声发射传感器和第j声发射传感器的泄漏信号存在相似性，其中，第i号声发射传感器检测到的泄漏信号在时间上要晚于第j号声发射传感器检测到的泄漏信号；局部最优解FApEn(i)对应的波形为声波信号Xi(ti)和局部次优解SApEn(j)对应的声波信号Xj(tj),ti和tj分别表示所对应声波信号采集的时间，延迟时间τ＝tj-ti，在一段时间T内的互相关函数为：
燃气管道实际运行中，实时采集到的声波信号Xi(ti)和Xj(tj)所对应的离散值Xi(t)和Xj(t)，其离散形式为：
其中，M为采样数据长度，L为管长，v为波速，τ为检测到两波的时间间隔，t为声波信号为离散值Xi(t)和Xj(t)所对应的时间；如果发生泄漏，且当τ＝τ0时，将达到最大值，即：
则，泄漏点距第一声发射传感器的位置为：
S5.4：根据泄漏点到声发射传感器的距离以及声发射传感器与所在区域的智能控制节点的距离，即可获得泄漏点在燃气管道上的位置信息。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810469858.0A CN108662441B (zh) | 2018-05-16 | 2018-05-16 | 基于自组织无中心网络的城市燃气管网检漏系统及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810469858.0A CN108662441B (zh) | 2018-05-16 | 2018-05-16 | 基于自组织无中心网络的城市燃气管网检漏系统及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108662441A true CN108662441A (zh) | 2018-10-16 |
| CN108662441B CN108662441B (zh) | 2019-12-17 |
Family
ID=63778382
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810469858.0A Active CN108662441B (zh) | 2018-05-16 | 2018-05-16 | 基于自组织无中心网络的城市燃气管网检漏系统及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108662441B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109373199A (zh) * | 2018-10-29 | 2019-02-22 | 上海市政工程设计研究总院（集团）有限公司 | 一种综合管廊燃气舱安全防控装置 |
| CN110425429A (zh) * | 2019-09-09 | 2019-11-08 | 山东拙诚智能科技有限公司 | 一种实时监测调压装置阀口状态及对下游流量进行估算的方法 |
| CN110529747A (zh) * | 2019-09-23 | 2019-12-03 | 安徽理工大学 | 埋地燃气管道泄漏点定位系统 |
| CN111027782A (zh) * | 2019-12-25 | 2020-04-17 | 安徽建筑大学 | 基于无中心遗传算法的建筑二次供水优化调度方法及装置 |
| CN112884250A (zh) * | 2021-03-31 | 2021-06-01 | 杨大松 | 一种智慧燃气管理系统及方法 |
| CN113864658A (zh) * | 2021-09-01 | 2021-12-31 | 常州维格电子有限公司 | 一种燃气管道泄漏故障的检测系统及方法 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000268286A (ja) * | 1999-03-16 | 2000-09-29 | Ins Engineering Corp | 監視システム |
| CN101598263A (zh) * | 2009-07-10 | 2009-12-09 | 东北大学 | 便携式管道泄漏检测方法及装置 |
| CN101684894A (zh) * | 2008-09-27 | 2010-03-31 | 中国石油天然气股份有限公司 | 一种管道泄漏监测方法及装置 |
| CN107023755A (zh) * | 2017-05-16 | 2017-08-08 | 北京化工大学 | 管网泄漏监测定位方法及系统 |
-
2018
- 2018-05-16 CN CN201810469858.0A patent/CN108662441B/zh active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000268286A (ja) * | 1999-03-16 | 2000-09-29 | Ins Engineering Corp | 監視システム |
| CN101684894A (zh) * | 2008-09-27 | 2010-03-31 | 中国石油天然气股份有限公司 | 一种管道泄漏监测方法及装置 |
| CN101598263A (zh) * | 2009-07-10 | 2009-12-09 | 东北大学 | 便携式管道泄漏检测方法及装置 |
| CN107023755A (zh) * | 2017-05-16 | 2017-08-08 | 北京化工大学 | 管网泄漏监测定位方法及系统 |
Non-Patent Citations (1)
| Title |
|---|
| 瞿曌等: "基于无线局域网的输送管道泄漏实时检测系统的研究", 《电器应用》 * |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109373199A (zh) * | 2018-10-29 | 2019-02-22 | 上海市政工程设计研究总院（集团）有限公司 | 一种综合管廊燃气舱安全防控装置 |
| CN110425429A (zh) * | 2019-09-09 | 2019-11-08 | 山东拙诚智能科技有限公司 | 一种实时监测调压装置阀口状态及对下游流量进行估算的方法 |
| CN110425429B (zh) * | 2019-09-09 | 2021-04-23 | 山东拙诚智能科技有限公司 | 一种实时监测调压装置阀口状态及对下游流量估算的方法 |
| CN110529747A (zh) * | 2019-09-23 | 2019-12-03 | 安徽理工大学 | 埋地燃气管道泄漏点定位系统 |
| CN111027782A (zh) * | 2019-12-25 | 2020-04-17 | 安徽建筑大学 | 基于无中心遗传算法的建筑二次供水优化调度方法及装置 |
| CN112884250A (zh) * | 2021-03-31 | 2021-06-01 | 杨大松 | 一种智慧燃气管理系统及方法 |
| CN112884250B (zh) * | 2021-03-31 | 2023-08-22 | 杨大松 | 一种智慧燃气管理系统及方法 |
| CN113864658A (zh) * | 2021-09-01 | 2021-12-31 | 常州维格电子有限公司 | 一种燃气管道泄漏故障的检测系统及方法 |
| CN113864658B (zh) * | 2021-09-01 | 2023-11-03 | 常州维格电子有限公司 | 一种燃气管道泄漏故障的检测系统及方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108662441B (zh) | 2019-12-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108662441A (zh) | 基于自组织无中心网络的城市燃气管网检漏系统及方法 | |
| CN103476118B (zh) | 一种用于实时监控的wlan室内位置指纹定位方法 | |
| CN109379420B (zh) | 一种基于分布式架构的综合能源服务平台系统 | |
| CN102174994A (zh) | 城市供水管网事故爆管在线定位系统 | |
| CN104052759A (zh) | 一种物联网即加即用技术的实现系统 | |
| CN102685221A (zh) | 一种状态监测数据的分布式存储与并行挖掘方法 | |
| CN104966330A (zh) | 基于云计算机的远程机房智能巡检系统 | |
| CN102665253A (zh) | 一种基于无线传感网络的事件检测方法 | |
| Alam | A middleware framework between mobility and IoT using IEEE 802.15. 4e Sensor Networks | |
| CN106100866B (zh) | 一种基于区域联动的智能探测装置、配置装置及方法 | |
| CN103001874B (zh) | 一种基于节点标签集的延迟容忍移动社会网络路由方法 | |
| Lin | Research on data release and location monitoring technology of sensor network based on internet of things | |
| CN110012422A (zh) | 一种在复杂地域的无线传感器网络移动基站避障方法 | |
| Xiang et al. | A mechanism filling sensing holes for detecting the boundary of continuous objects in hybrid sparse wireless sensor networks | |
| CN103685409B (zh) | 一种面向自主服务的知识网络及其构建方法 | |
| CN206178139U (zh) | 集成声呐的物联网设备及其适用的空间环境探测系统 | |
| Lv et al. | A node coverage algorithm for a wireless-sensor-network-based water resources monitoring system | |
| CN108280775A (zh) | 电力信息物理系统的分层分布混成计算架构体系及方法 | |
| Kang et al. | Monitoring framework for utility tunnels based on BIM and IoT technology | |
| Zafeiropoulos et al. | Data management in sensor networks using semantic web technologies | |
| Ming-fei et al. | A WSN-based monitor system for water quality combined with expert knowledge | |
| Juneja | Cluster Based Communication In Wsn: A Survey | |
| Wang et al. | Optimization method of node location accuracy based on artificial intelligence technology | |
| Li et al. | Particle swarm optimization based multi-robot task allocation using wireless sensor network | |
| Zawaideh | An Energy Efficient Clustering Algorithm for Wireless Sensor Networks (EECA) |
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 |