CN109738014A - 城市综合管廊设备故障的智能诊断方法及系统 - Google Patents
城市综合管廊设备故障的智能诊断方法及系统 Download PDFInfo
- Publication number
- CN109738014A CN109738014A CN201910027108.2A CN201910027108A CN109738014A CN 109738014 A CN109738014 A CN 109738014A CN 201910027108 A CN201910027108 A CN 201910027108A CN 109738014 A CN109738014 A CN 109738014A
- Authority
- CN
- China
- Prior art keywords
- detection data
- data
- sensor
- equipment
- adjustment
- 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
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000001514 detection method Methods 0.000 claims abstract description 162
- 238000003745 diagnosis Methods 0.000 claims abstract description 51
- 239000011159 matrix material Substances 0.000 claims description 16
- 238000012163 sequencing technique Methods 0.000 claims description 12
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 230000003321 amplification Effects 0.000 claims description 4
- 230000010354 integration Effects 0.000 claims description 4
- 238000003199 nucleic acid amplification method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 238000005070 sampling Methods 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 9
- 230000002159 abnormal effect Effects 0.000 description 6
- 238000005192 partition Methods 0.000 description 4
- 230000005540 biological transmission Effects 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- -1 heat supply Substances 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000001301 oxygen Substances 0.000 description 1
- 229910052760 oxygen Inorganic materials 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Landscapes
- Testing And Monitoring For Control Systems (AREA)
Abstract
本申请公开了城市综合管廊设备故障的智能诊断方法及系统,在管廊内设备上配置数个传感器,通过第一目标传感器对设备状态进行检测,获取第一目标传感器输出的第一检测数据;根据预设条件判断第一检测数据是否为无效数据;如果第一检测数据为无效数据,再根据预定义的分级指标对若干备用传感器进行排序,确定第二目标传感器;然后通过第二目标传感器对管廊设备状态进行检测,获取第二目标传感器输出的第二检测数据;最后根据第二检测数据确定故障诊断结果。本申请方法及系统,不仅可以实时监测管廊设备状态,还能保证传感器输出的数据的准确性,通过备用传感器保证监测过程的连续性。
Description
技术领域
本申请涉及城市综合管廊技术领域,尤其涉及一种城市综合管廊设备故障的智能诊断方法及系统。
背景技术
城市地下综合管廊是建于城市地下的隧道空间,用于将电力、通信、燃气、供热以及给排水等工程管线集中铺设,从而对各类工程管线实现统一规划和设计以及统一建设和管理。
图1为管廊分布网络局部示意图,可以看出,狭长线型的管廊相互交叉,大范围地遍布在城市地下,形成错综复杂的网状结构。通常,管廊以分区为单位进行分段,例如在图1中,可以将大约200米长度的管廊设为1个分区,如分区T1、分区T2等。每个管廊分区设置有照明、通风、排水、消防、供配电、监控、报警、通信、电子标识标牌、防入侵红外对射、电动井盖、摄像头监控、温湿度监测、氧气、甲烷、硫化氢浓度监测传感器,液位计等管廊设备。另外,为保证管线和管廊设备可以顺利进入管廊,在管廊内每隔一段距离设置一个吊装口及人员逃生出口,以保证安装及检修工人能安全进出管廊,以进行管廊设备安装、检修及后期维护。
上述管廊设备中,大部分不具有状态自检功能,现有技术无法实现对管廊设备的状态进行实时监测,目前仍然通过人工去发现设备故障并进行定期检修,耗费了大量人力物力。
发明内容
本申请提供了一种城市综合管廊设备故障的智能诊断方法,实现对管廊设备的状态进行实时监测。
第一方面,本申请提供了一种城市综合管廊设备故障的智能诊断方法,所述方法包括:
通过第一目标传感器对城市综合管廊的设备状态进行检测,获取第一目标传感器输出的第一检测数据;所述设备还配置有若干备用传感器;
根据预设条件判断所述第一检测数据是否为无效数据;
如果所述第一检测数据为无效数据,根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;
通过第二目标传感器对城市综合管廊的设备状态进行检测,获取所述第二目标传感器输出的第二检测数据;
根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
进一步,如果所述第一检测数据为有效数据,则根据所述第一检测数据确定城市综合管廊设备的故障诊断结果。
进一步,所述通过第二目标传感器对城市综合管廊的设备状态进行检测之后,所述方法还包括:
构建调整模型,以利用所述调整模型对第一目标传感器进行精度调整;
判断对第一目标传感器的精度调整是否成功;
如果调整成功,则执行通过第一目标传感器对城市综合管廊的设备状态进行检测的步骤。
进一步,所述构建调整模型,包括:
获取第一目标传感器在N+1个预设时间点输出的N+1个检测值;
以所述第二目标传感器在所述N+1个预设时间点输出的检测值为调整目标值,根据第1-N个所述检测值和对应的第1-N个调整目标值构建调整模型;
所述判断对第一目标传感器的精度调整是否成功,包括:
根据所述调整模型获取第N+1个所述检测值对应的理论检测值;
判断所述理论检测值与第N+1个所述调整目标值的差值是否在预设范围内;
如果所述理论检测值与第N+1个所述调整目标值的差值在预设范围内,则对第一目标传感器的精度调整成功。
进一步,根据第1-N个所述检测值和对应的第1-N个调整目标值,构建下述调整模型:
其中,u(k)表示第k个所述调整目标值,u0k表示第k个所述检测值,Kp表示比例增益的放大系数,e(k)表示对应第k次调整的调节偏差值,e(k)表示对应第k-1次调整的调节偏差值,Ts表示采样时间间隔,Ti表示积分时间常数,Td表示微分时间常数。
进一步,所述根据预设条件判断第一检测数据是否为无效数据,包括:
判断所述第一检测数据或者所述第一检测数据的波动程度是否属于相应的预设数据范围;
如果所述第一检测数据和/或所述第一检测数据的波动程度不属于相应的预设数据范围,则所述第一检测数据为无效数据;
如果所述第一检测数据和/或所述第一检测数据的波动程度属于相应的预设数据范围,则所述第一检测数据为有效数据。
进一步,根据第二检测数据或者第一检测数据,按照下述步骤,确定城市综合管廊设备的故障诊断结果:
将所述第二检测数据或者所述第一检测数据与预设的故障特征库中的故障特征数据进行匹配;
根据匹配结果确定城市综合管廊设备的故障诊断结果。
进一步,所述根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器,包括:
根据J个备用传感器在预定义的I个分级指标的H个等级下的标准值yih,生成关于每个备用传感器Cj的等级划分标准矩阵Yj:
获取各个备用传感器基于各个分级指标的实际测量值Xji,根据所述实际测量值Xji和所述等级划分标准矩阵计算各个备用传感器的各个分级指标对排序优先级的隶属度rji,并生成隶属矩阵R;
其中,
Mi表示第i个分级指标的标准值;
根据各个所述分级指标预设的权重wi和所述隶属矩阵R,计算各个备用传感器的评分Sj,选取评分最高的备用传感器为第二目标传感器;
其中,
进一步,所述方法还包括:
生成包含所述诊断结果和设备属性信息的工单信息,并使所述工单信息运维工作流中进行流转,以使处理负责人在查收所述工单信息。
第二方面,本申请还提供了一种城市综合管廊设备故障的智能诊断系统,所述系统包括所述设备配置的数个传感器,数据获取模块,传感器判断模块,传感器排序模块以及设备故障诊断模块;所述传感器包括第一目标传感器和若干备用传感器;
其中:
所述第一目标传感器,用于对城市综合管廊的设备状态进行检测,获得第一检测数据;
所述数据获取模块,用于获取第一目标传感器输出的第一检测数据;
所述传感器判断模块,用于根据预设条件判断所述第一检测数据是否为无效数据;
所述传感器排序模块,用于如果所述第一检测数据为无效数据,根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;
所述数据获取模块,还用于获取所述第二目标传感器输出的第二检测数据;
所述设备故障诊断模块,用于根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
本申请实施例提供的城市综合管廊设备故障的智能诊断方法及系统,其中,在管廊内设备上配置数个传感器,所述方法首先通过第一目标传感器对城市综合管廊的设备状态进行检测,获取第一目标传感器输出的第一检测数据;然后根据预设条件判断所述第一检测数据是否为无效数据;如果所述第一检测数据为无效数据,再根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;然后通过第二目标传感器对城市综合管廊的设备状态进行检测,获取所述第二目标传感器输出的第二检测数据;最后根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
本申请提供的城市综合管廊设备故障的智能诊断方法及系统,不仅可以实现对管廊内设备状态实时监测,还能保证传感器输出的数据的准确性,通过配置备用传感器,可以使得当第一目标传感器出现异常时,从备用传感器中选取出第二目标传感器来替换第一目标传感器,保证监测过程的连续性。
附图说明
为了更清楚地说明本申请的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,对于本领域普通技术人员而言,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为管廊分布网络局部示意图;
图2为本申请城市综合管廊设备故障的智能诊断方法的一个实施例流程图;
图3为本申请城市综合管廊设备故障的智能诊断方法的另一个实施例流程图;
图4为本申请城市综合管廊设备故障的智能诊断系统的一个实施例示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明中的技术方案,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,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,都应当属于本发明保护的范围。
管廊设备大部分不具有状态自检功能,现有技术无法实现对管廊设备的状态进行实时监测,目前仍然通过人工去发现设备故障并进行定期检修,耗费了大量人力物力。
针对上述技术问题,本申请技术方案在现有的管廊设备上设置传感器,通过传感器对设备状态进行检测,得到检测数据,并通过网络传输给诊断系统的相关模块,系统模块根据检测数据确定设备是否故障以及故障种类,实现对管廊设备状态的实时监测。同时,借助传感器体积小的优势,在一个设备上设置多个传感器作为备用,并通过传感器输出的检测数据对传感器的工作状态实时监测,如果当前工作的传感器出现异常,立即选择一个备用传感器进行替换,保证对设备监测的连续性。
图2为本申请城市综合管廊设备故障的智能诊断方法的一个实施例流程图。如图2所示,城市综合管廊设备故障的智能诊断方法,可以包括如下步骤:
步骤110,通过第一目标传感器对城市综合管廊的设备状态进行检测,获取第一目标传感器输出的第一检测数据;所述设备还配置有若干备用传感器;
城市综合管廊内有各种设备及仪表,如照明设备、温湿度监测设备以及无线网络设备及其天线等等。在这些设备上设置相应的传感器,对设备的状态进行检测,来判断设备是否处于预设的正常状态。
例如,通过用于检测角度的传感器检测无线网络设备的天线倾角是否正常,避免由于其倾角异常而影响数据传输的可靠性。设置的传感器为多个,包括当前正处与工作状态的第一目标传感器和若干备用传感器。当第一目标传感器自身出现异常时,其输出的第一检测数据不能作为判断设备状态依据,即为无效数据,此时,需要采用一个备用传感器代替第一目标传感器,进行设备状态检测的工作。
步骤120,根据预设条件判断所述第一检测数据是否为无效数据;
检测数据用于诊断设备是否出现故障,以及出现了何种类型的故障,同时,检测数据也能用于判断输出该数据的传感器正常与否。
预先设定一个判断条件,如果传感器输出的检测数据符合该预设条件,说明检测数据无效,也就是说,此时的传感器出现异常。所述的无效数据可以理解为异常数据,不能表征设备的真实状态。与无效数据相反的有效数据可以理解为正常数据,足以表征设备的真实状态。
在一种实现方式中,可以判断所述第一检测数据或者所述第一检测数据的波动程度是否属于相应的预设数据范围;如果所述第一检测数据和/或所述第一检测数据的波动程度不属于相应的预设数据范围,则所述第一检测数据为无效数据;如果所述第一检测数据和/或所述第一检测数据的波动程度属于相应的预设数据范围,则所述第一检测数据为有效数据。
例如,管廊中无线网络设备的天线,其倾角变化范围为30°-120°,可以将该范围预设为有效数据的范围,而如果第一目标传感器输出的第一检测数据为135°,显然不属于上述有效数据的范围,则第一检测数据为无效数据。再如,预设天线倾角数据波动程度的数据范围是±2°,第一目标传感器在连续的5个检测时间点输出的数据分别为115°、116°、115°、115°、116°,这5个数据点的波动程度为1°,说明上述5个数据点的波动程度属于相应的数据范围,均为有效数据,如果第6个检测时间点对应的数据为119°,波动程度为3°,显然不属于相应的数据范围,说明第6个数据点为无效数据。
步骤130,如果所述第一检测数据为无效数据,根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;
针对每个被监测管廊设备,配置的备用传感器的数量为多个,例如可以大于等于2个。如果第一检测数据为无效数据,说明当前工作的第一目标传感器出现异常,则从多个备用传感器中选择一个最佳传感器,也就是第二目标传感器,从而在后续步骤中,采用第二目标传感器代替第一目标传感器对设备状态进行检测。
实际上,即使是相同品牌及规格的传感器,在投入使用后,受到使用环境因素及使用时长的影响,其准确度或灵敏度等性能指标也会表现出差异,因此,通过步骤130对多个备用传感器进行排序,选取综合性能最佳的备用传感器为第二目标传感器,从而尽可能地保证检测数据的准确性和可靠性。
在一种实现方式中,备用传感器的数量为J,每个备用传感器的编号为1,2,…j,…,J;针对这些备用传感器预定义的分级指标数量为I,每个分级指标的编号为1,2,…i,…,I;每个分级指标下设置有H个等级,各个等级按顺序以1,2,…h,…,H来表示;其中,以上述检测天线倾角用的传感器为例,其分级指标可以包括使用时长、定轴偏移量和进动角速度等等,每个分级指标下设置的等级可以包括A级、B级、C级等等。基于此,步骤130可以包括:
步骤131,根据J个备用传感器在预定义的I个分级指标的H个等级下的标准值yih,生成关于每个备用传感器Cj的等级划分标准矩阵Yj:
其中,标准值yih由传感器的各项性能的出厂参数决定。
步骤132,获取各个备用传感器基于各个分级指标的实际测量值Xji,根据所述实际测量值Xji和所述等级划分标准矩阵计算各个备用传感器的各个分级指标对排序优先级的隶属度rji,并生成隶属矩阵R;
其中,
Mi表示第i个分级指标的标准值;
上述基于各个分级指标的实际测量值Xji,如上述角度传感器的实际测得的定轴偏移量和进动角速度;上述第i个分级指标的标准值Mi由传感器的第i个分级指标的出厂参数决定。
步骤133,根据各个所述分级指标预设的权重wi和所述隶属矩阵R,计算各个备用传感器的评分Sj,选取评分最高的备用传感器为第二目标传感器;
其中,
步骤140,通过第二目标传感器对城市综合管廊的设备状态进行检测,获取所述第二目标传感器输出的第二检测数据;
步骤140是切换传感器的步骤,具体而言,在该步骤中,启用第二目标传感器,并获取其输出的第二检测数据,与此同时,可以停用第一目标传感器,也可以执行对第一目标传感器进行精度调整的步骤。
由于第二目标传感器是通过步骤130选择出来的最佳备用传感器,足以说明刚刚投入使用的第二目标传感器的输出的第二检测数据为有效数据。为了避免第二目标传感器出现类似于第一目标传感器的异常,在本申请的另一个实施例中,在步骤140之后,可以执行步骤120,如果步骤120的输出结果为否,再执行下述步骤150;当步骤120的输出结果为是时,则执行步骤130及之后的步骤。
步骤150,根据所述第二检测数据确定城市综合管廊设备的故障诊断结果;同时,如果步骤120的输出结果显示第一检测数据为有效数据,则根据所述第一检测数据确定城市综合管廊设备的故障诊断结果。
在一种实现方式中,将所述第二检测数据或者所述第一检测数据与预设的故障特征库中的故障特征数据进行匹配;根据匹配结果确定城市综合管廊设备的故障诊断结果。
根据设备的长时间运行所总结得出的经验数据,以及厂家给出的部分故障特征,针对每一种故障形成故障特征数据,并生成故障特征库,同时可以对故障特征库中的数据进行修正、添加以及删除操作,以对故障特征库进行维护。获得针对设备的状态检测数据后,如第一检测数据或第二检测数据,将检测数据与故障特征库中的故障特征数据进行逐一比对匹配,如果检测数据与某故障特征数据相符,确定当前设备出现了相应类型的故障;如果检测数据与故障特征库中的每一项故障特征数据均不相符,确定当前设备状态正常。
在图2所示实施例基础上,图3示出了本申请方法的另一个实施例,如图3所示,在步骤140之后,还包括:
步骤141,构建调整模型,以利用所述调整模型对第一目标传感器进行精度调整;
具体的,首先获取第一目标传感器在N+1个预设时间点输出的N+1个检测值;分别为u01,…,u0k,…,u0N+1。
然后以所述第二目标传感器在所述N+1个预设时间点输出的检测值为调整目标值,根据第1-N个所述检测值和对应的第1-N个调整目标值构建调整模型;N+1个调整目标值分别为u(1),…,u(k),…,u(N+1)。
再根据第1个到第N个所述检测值和对应的第1个到第N个调整目标值,构建下述调整模型:
其中,u(k)表示第k个所述调整目标值,u0k表示第k个所述检测值,Kp表示比例增益的放大系数,e(k)表示对应第k次调整的调节偏差值,e(k)表示对应第k-1次调整的调节偏差值,Ts表示采样时间间隔,Ti表示积分时间常数,Td表示微分时间常数。
步骤142,判断对第一目标传感器的精度调整是否成功;
具体的,首先根据所述调整模型获取第N+1个所述检测值u0N+1对应的理论检测值u理论;将u0N+1代入上述调整模型,获得u理论;
然后判断所述理论检测值u理论与第N+1个所述调整目标值u(N+1)的差值是否在预设范围内;如果所述理论检测值u理论与第N+1个所述调整目标值u(N+1)的差值在预设范围内,则对第一目标传感器的精度调整成功。
如果所述理论检测值u理论与第N+1个所述调整目标值u(N+1)的差值不在预设范围内,或者调整次数超过预设次数,则对第一目标传感器的精度调整失败。
步骤142之后,如果调整成功,则执行步骤110,即通过第一目标传感器对城市综合管廊的设备状态进行检测的步骤。如果调整失败,则执行步骤140,即继续通过第二目标传感器对城市综合管廊的设备状态进行检测的步骤。
也就是说,如果对第一目标传感器的精确度调整成功,则再将当前工作的第二目标传感器停用,继续启用第一目标传感器对设备状态进行检测。
在本申请的其他实施例中,所述方法还包括:生成包含所述诊断结果和设备属性信息的工单信息,并使所述工单信息运维工作流中进行流转,以使处理负责人在查收所述工单信息。设备属性信息如设备型号、设备参数等设备静态信息。
本申请实施例提供的城市综合管廊设备故障的智能诊断方法,在管廊内设备上配置数个传感器,首先通过第一目标传感器对城市综合管廊的设备状态进行检测,获取第一目标传感器输出的第一检测数据;然后根据预设条件判断所述第一检测数据是否为无效数据;如果所述第一检测数据为无效数据,再根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;然后通过第二目标传感器对城市综合管廊的设备状态进行检测,获取所述第二目标传感器输出的第二检测数据;最后根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
本申请提供的城市综合管廊设备故障的智能诊断方法,不仅可以实现对管廊内设备状态实时监测,还能保证传感器输出的数据的准确性,通过配置备用传感器,可以使得当第一目标传感器出现异常时,从备用传感器中选取出第二目标传感器来替换第一目标传感器,保证监测过程的连续性。
图4为本申请城市综合管廊设备故障的智能诊断系统的一个实施例。如图4所示,该系统包括所述设备配置的数个传感器100,数据获取模块200,传感器判断模块300,传感器排序模块400以及设备故障诊断模块500;所述传感器100包括第一目标传感器110和若干备用传感器120/130/140……;其中:
所述第一目标传感器110,用于对城市综合管廊的设备状态进行检测,获得第一检测数据;
所述数据获取模块200,用于获取第一目标传感器输出的第一检测数据;
所述传感器判断模块300,用于根据预设条件判断所述第一检测数据是否为无效数据;
所述传感器排序模块400,用于如果所述第一检测数据为无效数据,根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;
所述数据获取模块200,还用于获取所述第二目标传感器输出的第二检测数据;
所述设备故障诊断模块500,用于根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
可选地,所述设备故障诊断模块500,还用于如果所述第一检测数据为有效数据,则根据所述第一检测数据确定城市综合管廊设备的故障诊断结果。
可选地,所述系统还包括精度调整模块,精度调整模块用于:
构建调整模型,以利用所述调整模型对第一目标传感器进行精度调整;
判断对第一目标传感器的精度调整是否成功;
如果调整成功,则执行通过第一目标传感器对城市综合管廊的设备状态进行检测的步骤。
可选地,所述精度调整模块具体用于:获取第一目标传感器在N+1个预设时间点输出的N+1个检测值;
以所述第二目标传感器在所述N+1个预设时间点输出的检测值为调整目标值,根据第1-N个所述检测值和对应的第1-N个调整目标值构建调整模型;
根据所述调整模型获取第N+1个所述检测值对应的理论检测值;
判断所述理论检测值与第N+1个所述调整目标值的差值是否在预设范围内;
如果所述理论检测值与第N+1个所述调整目标值的差值在预设范围内,则对第一目标传感器的精度调整成功。
可选地,所述精度调整模块具体根据第1-N个所述检测值和对应的第1-N个调整目标值,构建下述调整模型:
其中,u(k)表示第k个所述调整目标值,u0k表示第k个所述检测值,Kp表示比例增益的放大系数,e(k)表示对应第k次调整的调节偏差值,e(k)表示对应第k-1次调整的调节偏差值,Ts表示采样时间间隔,Ti表示积分时间常数,Td表示微分时间常数。
可选地,所述传感器判断模块300,具体用于:
判断所述第一检测数据或者所述第一检测数据的波动程度是否属于相应的预设数据范围;
如果所述第一检测数据和/或所述第一检测数据的波动程度不属于相应的预设数据范围,则所述第一检测数据为无效数据;
如果所述第一检测数据和/或所述第一检测数据的波动程度属于相应的预设数据范围,则所述第一检测数据为有效数据。
可选地,所述设备故障诊断模块500,具体用于:将所述第二检测数据或者所述第一检测数据与预设的故障特征库中的故障特征数据进行匹配;
根据匹配结果确定城市综合管廊设备的故障诊断结果。
可选地,所述传感器排序模块400,具体用于:根据J个备用传感器在预定义的I个分级指标的H个等级下的标准值yih,生成关于每个备用传感器Cj的等级划分标准矩阵Yj:
获取各个备用传感器基于各个分级指标的实际测量值Xji,根据所述实际测量值Xji和所述等级划分标准矩阵计算各个备用传感器的各个分级指标对排序优先级的隶属度rji,并生成隶属矩阵R;
其中,
根据各个所述分级指标预设的权重wi和所述隶属矩阵R,计算各个备用传感器的评分Sj,选取评分最高的备用传感器为第二目标传感器;
其中,
可选地,所述系统还包括:工单模块;
所述工单模块,用于生成包含所述诊断结果和设备属性信息的工单信息,并使所述工单信息运维工作流中进行流转,以使处理负责人在查收所述工单信息。
本申请实施例提供的城市综合管廊设备故障的智能诊断方法及系统,其中,在管廊内设备上配置数个传感器,所述方法首先通过第一目标传感器对城市综合管廊的设备状态进行检测,获取第一目标传感器输出的第一检测数据;然后根据预设条件判断所述第一检测数据是否为无效数据;如果所述第一检测数据为无效数据,再根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;然后通过第二目标传感器对城市综合管廊的设备状态进行检测,获取所述第二目标传感器输出的第二检测数据;最后根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
本申请提供的城市综合管廊设备故障的智能诊断方法及系统,不仅可以实现对管廊内设备状态实时监测,还能保证传感器输出的数据的准确性,通过配置备用传感器,可以使得当第一目标传感器出现异常时,从备用传感器中选取出第二目标传感器来替换第一目标传感器,保证监测过程的连续性。
具体实现中,本发明还提供一种计算机存储介质,其中,该计算机存储介质可存储有程序,该程序执行时可包括本发明提供的诊断方法的各实施例中的部分或全部步骤。所述的存储介质可为磁碟、光盘、只读存储记忆体(英文:read-only memory,简称:ROM)或随机存储记忆体(英文:random access memory,简称:RAM)等。
本领域的技术人员可以清楚地了解到本发明实施例中的技术可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解,本发明实施例中的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例或者实施例的某些部分所述的方法。
本说明书中各个实施例之间相同相似的部分互相参见即可。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例中的说明即可。
以上所述的本发明实施方式并不构成对本发明保护范围的限定。
Claims (10)
1.一种城市综合管廊设备故障的智能诊断方法,其特征在于,所述方法包括:
通过第一目标传感器对城市综合管廊的设备状态进行检测,获取第一目标传感器输出的第一检测数据;所述设备还配置有若干备用传感器;
根据预设条件判断所述第一检测数据是否为无效数据;
如果所述第一检测数据为无效数据,根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;
通过第二目标传感器对城市综合管廊的设备状态进行检测,获取所述第二目标传感器输出的第二检测数据;
根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
2.根据权利要求1所述的方法,其特征在于,如果所述第一检测数据为有效数据,则根据所述第一检测数据确定城市综合管廊设备的故障诊断结果。
3.根据权利要求1所述的方法,其特征在于,所述通过第二目标传感器对城市综合管廊的设备状态进行检测之后,所述方法还包括:
构建调整模型,以利用所述调整模型对第一目标传感器进行精度调整;
判断对第一目标传感器的精度调整是否成功;
如果调整成功,则执行通过第一目标传感器对城市综合管廊的设备状态进行检测的步骤。
4.根据权利要求3所述的方法,其特征在于,所述构建调整模型,包括:
获取第一目标传感器在N+1个预设时间点输出的N+1个检测值;
以所述第二目标传感器在所述N+1个预设时间点输出的检测值为调整目标值,根据第1-N个所述检测值和对应的第1-N个调整目标值构建调整模型;
所述判断对第一目标传感器的精度调整是否成功,包括:
根据所述调整模型获取第N+1个所述检测值对应的理论检测值;
判断所述理论检测值与第N+1个所述调整目标值的差值是否在预设范围内;
如果所述理论检测值与第N+1个所述调整目标值的差值在预设范围内,则对第一目标传感器的精度调整成功。
5.根据权利要求4所述的方法,其特征在于,根据第1-N个所述检测值和对应的第1-N个调整目标值,构建下述调整模型:
其中,u(k)表示第k个所述调整目标值,u0k表示第k个所述检测值,Kp表示比例增益的放大系数,e(k)表示对应第k次调整的调节偏差值,e(k)表示对应第k-1次调整的调节偏差值,Ts表示采样时间间隔,Ti表示积分时间常数,Td表示微分时间常数。
6.根据权利要求1或2所述的方法,其特征在于,所述根据预设条件判断第一检测数据是否为无效数据,包括:
判断所述第一检测数据或者所述第一检测数据的波动程度是否属于相应的预设数据范围;
如果所述第一检测数据和/或所述第一检测数据的波动程度不属于相应的预设数据范围,则所述第一检测数据为无效数据;
如果所述第一检测数据和/或所述第一检测数据的波动程度属于相应的预设数据范围,则所述第一检测数据为有效数据。
7.根据权利要求2所述的方法,其特征在于,根据第二检测数据或者第一检测数据,按照下述步骤,确定城市综合管廊设备的故障诊断结果:
将所述第二检测数据或者所述第一检测数据与预设的故障特征库中的故障特征数据进行匹配;
根据匹配结果确定城市综合管廊设备的故障诊断结果。
8.根据权利要求1所述的方法,其特征在于,所述根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器,包括:
根据J个备用传感器在预定义的I个分级指标的H个等级下的标准值yih,生成关于每个备用传感器Cj的等级划分标准矩阵Yj:
获取各个备用传感器基于各个分级指标的实际测量值Xji,根据所述实际测量值Xji和所述等级划分标准矩阵计算各个备用传感器的各个分级指标对排序优先级的隶属度rji,并生成隶属矩阵R;
其中,
Mi表示第i个分级指标的标准值;
根据各个所述分级指标预设的权重wi和所述隶属矩阵R,计算各个备用传感器的评分Sj,选取评分最高的备用传感器为第二目标传感器;
其中,
9.根据权利要求1所述的方法,其特征在于,所述方法还包括:
生成包含所述诊断结果和设备属性信息的工单信息,并使所述工单信息运维工作流中进行流转,以使处理负责人在查收所述工单信息。
10.一种城市综合管廊设备故障的智能诊断系统,其特征在于,所述系统包括所述设备配置的数个传感器,数据获取模块,传感器判断模块,传感器排序模块以及设备故障诊断模块;所述传感器包括第一目标传感器和若干备用传感器;其中:
所述第一目标传感器,用于对城市综合管廊的设备状态进行检测,获得第一检测数据;
所述数据获取模块,用于获取第一目标传感器输出的第一检测数据;
所述传感器判断模块,用于根据预设条件判断所述第一检测数据是否为无效数据;
所述传感器排序模块,用于如果所述第一检测数据为无效数据,根据预定义的分级指标对所述设备的若干备用传感器进行排序,确定第二目标传感器;
所述数据获取模块,还用于获取所述第二目标传感器输出的第二检测数据;
所述设备故障诊断模块,用于根据所述第二检测数据确定城市综合管廊设备的故障诊断结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027108.2A CN109738014B (zh) | 2019-01-11 | 2019-01-11 | 城市综合管廊设备故障的智能诊断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910027108.2A CN109738014B (zh) | 2019-01-11 | 2019-01-11 | 城市综合管廊设备故障的智能诊断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109738014A true CN109738014A (zh) | 2019-05-10 |
CN109738014B CN109738014B (zh) | 2020-08-28 |
Family
ID=66364505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910027108.2A Active CN109738014B (zh) | 2019-01-11 | 2019-01-11 | 城市综合管廊设备故障的智能诊断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109738014B (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907587A (zh) * | 2019-10-15 | 2020-03-24 | 山东工商学院 | 一种便携式甲醛检测仪 |
CN113577358A (zh) * | 2021-07-07 | 2021-11-02 | 北京小米移动软件有限公司 | 灭菌模组的控制方法、装置、电器设备和存储介质 |
CN114429308A (zh) * | 2022-02-08 | 2022-05-03 | 河南鑫安利安全科技股份有限公司 | 一种基于大数据的企业安全风险评估方法及系统 |
CN116147713A (zh) * | 2023-04-23 | 2023-05-23 | 中国市政工程西南设计研究总院有限公司 | 一种城市地下综合管廊在线监测方法、系统、装置及电子设备 |
CN116167748A (zh) * | 2023-04-20 | 2023-05-26 | 中国市政工程西南设计研究总院有限公司 | 一种城市地下综合管廊运维方法、系统、装置及电子设备 |
CN116304960A (zh) * | 2023-05-24 | 2023-06-23 | 合力(天津)能源科技股份有限公司 | 一种钻井环境的监测预警方法及系统 |
CN117221149A (zh) * | 2023-09-22 | 2023-12-12 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于物联网技术的多站融合数据中心站数据采集方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011075373A (ja) * | 2009-09-30 | 2011-04-14 | Hitachi-Ge Nuclear Energy Ltd | 機器診断方法及び機器診断装置 |
CN104820904A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种城市自然灾害等级的模糊综合评价方法 |
CN105716656A (zh) * | 2016-02-20 | 2016-06-29 | 黄书卿 | 城市综合管廊环境智能检测系统装置 |
CN105930974A (zh) * | 2016-04-26 | 2016-09-07 | 福州市规划设计研究院 | 一种城市综合管廊建设区位分析方法 |
CN205785327U (zh) * | 2016-06-24 | 2016-12-07 | 于思扬 | 基于物联网的城市地下综合管廊动态监测与预警系统 |
CN106203760A (zh) * | 2015-05-08 | 2016-12-07 | 中国人民解放军理工大学 | 一种城市地下空间规划方案评价方法 |
CN206077444U (zh) * | 2016-08-25 | 2017-04-05 | 成都慧途科技有限公司 | 基于gis的城市地下综合管廊环境安全监控体系 |
-
2019
- 2019-01-11 CN CN201910027108.2A patent/CN109738014B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011075373A (ja) * | 2009-09-30 | 2011-04-14 | Hitachi-Ge Nuclear Energy Ltd | 機器診断方法及び機器診断装置 |
CN106203760A (zh) * | 2015-05-08 | 2016-12-07 | 中国人民解放军理工大学 | 一种城市地下空间规划方案评价方法 |
CN104820904A (zh) * | 2015-05-19 | 2015-08-05 | 重庆大学 | 一种城市自然灾害等级的模糊综合评价方法 |
CN105716656A (zh) * | 2016-02-20 | 2016-06-29 | 黄书卿 | 城市综合管廊环境智能检测系统装置 |
CN105930974A (zh) * | 2016-04-26 | 2016-09-07 | 福州市规划设计研究院 | 一种城市综合管廊建设区位分析方法 |
CN205785327U (zh) * | 2016-06-24 | 2016-12-07 | 于思扬 | 基于物联网的城市地下综合管廊动态监测与预警系统 |
CN206077444U (zh) * | 2016-08-25 | 2017-04-05 | 成都慧途科技有限公司 | 基于gis的城市地下综合管廊环境安全监控体系 |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110907587A (zh) * | 2019-10-15 | 2020-03-24 | 山东工商学院 | 一种便携式甲醛检测仪 |
CN113577358A (zh) * | 2021-07-07 | 2021-11-02 | 北京小米移动软件有限公司 | 灭菌模组的控制方法、装置、电器设备和存储介质 |
CN114429308A (zh) * | 2022-02-08 | 2022-05-03 | 河南鑫安利安全科技股份有限公司 | 一种基于大数据的企业安全风险评估方法及系统 |
CN114429308B (zh) * | 2022-02-08 | 2024-06-07 | 河南鑫安利安全科技股份有限公司 | 一种基于大数据的企业安全风险评估方法及系统 |
CN116167748A (zh) * | 2023-04-20 | 2023-05-26 | 中国市政工程西南设计研究总院有限公司 | 一种城市地下综合管廊运维方法、系统、装置及电子设备 |
CN116167748B (zh) * | 2023-04-20 | 2023-08-25 | 中国市政工程西南设计研究总院有限公司 | 一种城市地下综合管廊运维方法、系统、装置及电子设备 |
CN116147713A (zh) * | 2023-04-23 | 2023-05-23 | 中国市政工程西南设计研究总院有限公司 | 一种城市地下综合管廊在线监测方法、系统、装置及电子设备 |
CN116304960A (zh) * | 2023-05-24 | 2023-06-23 | 合力(天津)能源科技股份有限公司 | 一种钻井环境的监测预警方法及系统 |
CN116304960B (zh) * | 2023-05-24 | 2023-08-29 | 合力(天津)能源科技股份有限公司 | 一种钻井环境的监测预警方法及系统 |
CN117221149A (zh) * | 2023-09-22 | 2023-12-12 | 国网江苏省电力有限公司扬州供电分公司 | 一种基于物联网技术的多站融合数据中心站数据采集方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109738014B (zh) | 2020-08-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109738014B (zh) | 城市综合管廊设备故障的智能诊断方法及系统 | |
CN104915562B (zh) | 建筑能效诊断方法和系统 | |
CN107545707A (zh) | 基于ZigeBee的工业环境危险气体泄漏检测系统 | |
CN113847216B (zh) | 风机叶片的状态预测方法、装置、设备及存储介质 | |
CN106649919A (zh) | 燃煤电站锅炉飞灰含碳量预测模型构建方法及系统 | |
CN108827386A (zh) | 一种建筑模型室内自然通风测试装置及测试方法 | |
CN117371337B (zh) | 一种基于数字孪生的水利模型构建方法及系统 | |
CN117590159A (zh) | 一种基于深度学习的隧道电缆供电状态监测方法及系统 | |
CN113404655A (zh) | 一种基于ps0-anfis的风力发电机传感器状态诊断系统 | |
CN115640860B (zh) | 一种工业云服务的机电设备远程维护方法及系统 | |
CN113155109A (zh) | 超高层建筑工程测量的监理控制方法、系统、设备及介质 | |
CN113191074A (zh) | 一种用于数据中心的机房供电参数检测方法 | |
KR101910892B1 (ko) | IoT 기반의 모바일 스마트 태양광 발전 관리 시스템 | |
CN108375426A (zh) | 一种温度检测方法及系统 | |
CN112780953B (zh) | 一种基于模式检测的独立计量区域管网漏损检测方法 | |
CN117972153A (zh) | 一种智能水表数据管控方法以及系统 | |
CN113418146A (zh) | 一种用于供水管网的漏损辅助定位控制方法 | |
JP2005043121A (ja) | 計器校正支援システム | |
CN115628777A (zh) | 基于部件特性的火力发电机组性能的在线监测系统 | |
CN108765192A (zh) | 一种基于大数据的变压器上层油温预测方法、系统及设备 | |
CN114705908A (zh) | 一种智能电表状态监测装置及其使用方法 | |
ES2905141T3 (es) | Método para la monitorización de parques eólicos | |
CN108896011B (zh) | 变电站基础建筑物沉降智慧监测装置 | |
CN117821984B (zh) | 一种智慧燃气管道阴极保护智能检测方法和物联网系统 | |
CN110389947A (zh) | 一种黑名单生成方法、装置、设备及介质 |
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 |