CN111317953B - 一种基于智能算法的消防用水管网漏水监测方法 - Google Patents
一种基于智能算法的消防用水管网漏水监测方法 Download PDFInfo
- Publication number
- CN111317953B CN111317953B CN201911385996.1A CN201911385996A CN111317953B CN 111317953 B CN111317953 B CN 111317953B CN 201911385996 A CN201911385996 A CN 201911385996A CN 111317953 B CN111317953 B CN 111317953B
- Authority
- CN
- China
- Prior art keywords
- water
- fire
- pipe network
- water leakage
- fighting
- 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
Images
Classifications
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/50—Testing or indicating devices for determining the state of readiness of the equipment
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明涉及一种基于智能算法的消防用水管网漏水监测方法，获取消防用水管网的初始状态取值并构建漏水样本数据库，获取流量计计数，当存在线路的进口和出口的流量差大于阈值时，读取压力计数据，逐级判定，确定最前端的疑似漏水管路并以摄像头采集水流图像，不存在样本数据则输入网络，获得漏水管路的信息、排查漏水点，漏水点的信息整合后作为样本、用于后续的预判中。本发明将节约水资源与现代技术结合，对供水管网实时监控，将收集的数据智能分析，确定地下管道漏水情况，可以采用机器学习的判别方法完成漏点的发现工作，采用低功耗的无线传感模块，在用水情况稳定的时间区间内定时进行数据采集，以最大程度降低复杂干扰条件下数据采集的能耗。
Description
技术领域
本发明涉及管道系统；管路的技术领域，特别涉及一种基于智能算法的消防用水管网漏水监测方法。
背景技术
消防管道是指用于消防方面、连接消防设备及器材、输送消防灭火用水、气体或者其他介质的管道材料，其部分设于地下、部分架设于空中，分别应用于不同的消防场合。
由于消防管道常处于静止状态，故对管道要求较为严格，管道需要耐压力、耐腐蚀、耐高温性能好，由于消防事关生命、财产，对于消防用水管网的监测尤为重要。
目前，我国城市地下消防管网的渗漏率多达到30%，消防管网漏损会浪费水资源和水泵加压所需的电能，降低了供水设施的使用效率，挤占了供水管道的有效出水，同时管网漏损会造成管网周围污染物的侵入，影响水质和用水安全，更重要的是，消防管网的漏损会使得消防水压无法达到扑救火灾时所需要的压力，造成安全威胁。
现有技术中，对于消防管网的查漏主要通过人工摸排，工作量大、工作效率低，且对于摸排人员本身的要求较高，要求会使用专用设备并会分析，人工成本高。
发明内容
本发明解决了现有技术中存在的问题，提供了一种优化的基于智能算法的消防用水管网漏水监测方法。
本发明所采用的技术方案是，一种基于智能算法的消防用水管网漏水监测方法，所述方法包括以下步骤：
步骤1：在消防用水管网中设置流量计；
步骤2：在消防用水管网的所有节点处设置压力计；
步骤3：在消防用水管网的所有交汇处设置摄像头；
步骤4：初始化，获取消防用水管网的初始状态取值；构建漏水样本数据库；
步骤5：实时获取所有流量计的计数，若消防用水管网的流量符合要求，则重复步骤5，否则进行下一步；
步骤6：进行即时压力计数据读取，确定最前端的疑似漏水管路；
步骤7：启动疑似漏水管路处的摄像头，获取交汇处的水流图像；
步骤8：若当前的流量计、压力计和摄像头的成组数据存在于漏水样本数据库中，则处理漏水点，返回步骤5，否则，将水流图像对应的数据输入训练好的网络，获得漏水管路的信息；
步骤9：基于漏水管路的方向，在此方向的最前端的疑似漏水管路中排查漏水点；
步骤10：若查到，将当前时刻的关联流量计、压力计和摄像头的数据构建数组，存入漏水样本库，处理漏水点；返回步骤5。
优选地，所述步骤1中，将消防用水管网按照树形节点设置流量计，任一分支的首端和末端设有流量计。
优选地，所述步骤3中，消防用水管网的交汇处包括十字交汇及丁字交汇。
优选地，所述步骤4包括以下步骤：
步骤4.1：对消防用水管网进行建模，获得建模数据；
步骤4.2：铺设消防用水管网，确认无漏点，放水，获取消防用水管网的初始状态取值；
步骤4.3：构建漏水样本库。
优选地，所述步骤5中，消防用水管网的流量符合要求为任一管路的进水口和出水口的流量差不大于阈值且进水口和出水口的压力差不大于阈值。
优选地，所述步骤6包括以下步骤：
步骤6.1：对消防用水管网中所有的节点进行即时压力计数据读取；
步骤6.2：筛选进水口和出水口的压力值之差大于阈值的管路沿水流方向进行逆推；
步骤6.3：基于消防用水管网，确定最前端的进水口和出水口的压力值之差大于阈值的管路为疑似漏水管路。
优选地，所述步骤7中，疑似漏水管路为单管或丁字形管或十字型管，启动距离疑似漏水管路最近的摄像头，获取交汇处的水流图像；对所述水流图像进行二值化，提取水波数据。
优选地，提取所述水波数据的特征点，所述特征点包括旋涡外径、旋涡中心点位置、旋涡转向。
优选地，所述步骤8中，漏水管路的信息包括与旋涡的距离及方位。
本发明涉及一种优化的基于智能算法的消防用水管网漏水监测方法，在消防用水管网中设置流量计、在消防用水管网的所有节点处设置压力计、在消防用水管网的所有交汇处设置摄像头，获取消防用水管网的初始状态取值并构建漏水样本数据库，通过实时获取所有流量计的计数，当存在消防用水管网中若干线路的进口和出口的流量差大于阈值时，读取压力计数据，逐级判定，确定最前端的疑似漏水管路，以疑似漏水管路处的摄像头进行水流图像采集，若存在样本数据则直接判定，否则输入训练好的网络，获得漏水管路的信息、排查漏水点，对漏水点的信息进行整合，作为样本、用于后续的预判中。
本发明解决了现有技术中地下的消防管网无法进行有效的监测的问题，将节约水资源与现代技术结合，从控制管网漏损出发，做到对供水管网的实时监控，通过对管道水流和压力进行采集，将收集到的数据进行智能分析，从而确定地下管道漏水情况。
本发明中通过不断扩充样本库，可以采用高效的基于大数据的机器学习的判别方法来完成漏点的发现工作，采用低功耗的无线传感模块，在用水情况稳定的时间区间内定时进行数据采集，以最大程度降低复杂干扰条件下数据采集的能耗。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合实施例对本发明做进一步的详细描述，但本发明的保护范围并不限于此。
本发明涉及一种基于智能算法的消防用水管网漏水监测方法，所述方法包括以下步骤。
步骤1：在消防用水管网中设置流量计。
所述步骤1中，将消防用水管网按照树形节点设置流量计，任一分支的首端和末端设有流量计。
步骤2：在消防用水管网的所有节点处设置压力计。
步骤3：在消防用水管网的所有交汇处设置摄像头。
所述步骤3中，消防用水管网的交汇处包括十字交汇及丁字交汇。
本发明中，消防用水管网虽然交汇较多，但是其事实上是以树形节点分布的，包括了输出的管路及多个支路，而每个支路作为输出管路也有其下级的多条支路，通过在支路中设置流量计，可以逐渐向前回溯至初始的输出管路。
本发明中，通过比对管网中每个管路两端的压力计的压力测量值来判定某个管路段中是否出现意思的漏水情况。
本发明中，当发生漏水情况时，管路的交汇处容易出现水纹波动或是旋涡等，以摄像头进行采集、进一步判断漏水点的位置。
步骤4：初始化，获取消防用水管网的初始状态取值；构建漏水样本数据库。
所述步骤4包括以下步骤：
步骤4.1：对消防用水管网进行建模，获得建模数据；
步骤4.2：铺设消防用水管网，确认无漏点，放水，获取消防用水管网的初始状态取值；
步骤4.3：构建漏水样本库。
本发明中，漏水样本库初始值为空，在检测过程中逐步扩充。
步骤5：实时获取所有流量计的计数，若消防用水管网的流量符合要求，则重复步骤5，否则进行下一步。
所述步骤5中，消防用水管网的流量符合要求为任一管路的进水口和出水口的流量差不大于阈值且进水口和出水口的压力差不大于阈值。
步骤6：进行即时压力计数据读取，确定最前端的疑似漏水管路。
所述步骤6包括以下步骤：
步骤6.1：对消防用水管网中所有的节点进行即时压力计数据读取；
步骤6.2：筛选进水口和出水口的压力值之差大于阈值的管路沿水流方向进行逆推；
步骤6.3：基于消防用水管网，确定最前端的进水口和出水口的压力值之差大于阈值的管路为疑似漏水管路。
步骤7：启动疑似漏水管路处的摄像头，获取交汇处的水流图像。
所述步骤7中，疑似漏水管路为单管或丁字形管或十字型管，启动距离疑似漏水管路最近的摄像头，获取交汇处的水流图像；对所述水流图像进行二值化，提取水波数据。
提取所述水波数据的特征点，所述特征点包括旋涡外径、旋涡中心点位置、旋涡转向。
本发明中，由于水流图像存在波动，故取视频帧中若干连续的水流图像并进行二值化处理，提取的水波数据中的特征点即能显示旋涡的特征。
本发明中，事实上，旋涡外径越大，则漏点距离当前的位置越远，旋涡的转向和中心点的位置则分别可以得到漏点的方向和大致的距离；通过大量样本数据的积累，可以逐渐拟合到当前特征点下漏点距离旋涡的距离。
步骤8：若当前的流量计、压力计和摄像头的成组数据存在于漏水样本数据库中，则处理漏水点，返回步骤5，否则，将水流图像对应的数据输入训练好的网络，获得漏水管路的信息。
所述步骤8中，漏水管路的信息包括与旋涡的距离及方位。
本发明中，当成组数据已经存在在漏水样本数据库中时，可以基于样本库中的情况等同推定，查找漏水点。
本发明中，训练好的网络可以为卷积神经网络，用于输出对交汇处的水流图像进行特征提取，如旋涡外径、旋涡中心点位置、旋涡转向等之后，获得的漏水的方位及距离摄像头的距离的概率值。
本发明中，本领域技术人员亦可以选择其他的网络进行漏水点的判断。
步骤9：基于漏水管路的方向，在此方向的最前端的疑似漏水管路中排查漏水点。
步骤10：若查到，将当前时刻的关联流量计、压力计和摄像头的数据构建数组，存入漏水样本库，处理漏水点；返回步骤5。
本发明在消防用水管网中设置流量计、在消防用水管网的所有节点处设置压力计、在消防用水管网的所有交汇处设置摄像头，获取消防用水管网的初始状态取值并构建漏水样本数据库，通过实时获取所有流量计的计数，当存在消防用水管网中若干线路的进口和出口的流量差大于阈值时，读取压力计数据，逐级判定，确定最前端的疑似漏水管路，以疑似漏水管路处的摄像头进行水流图像采集，若存在样本数据则直接判定，否则输入训练好的网络，获得漏水管路的信息、排查漏水点，对漏水点的信息进行整合，作为样本、用于后续的预判中。
本发明解决了现有技术中地下的消防管网无法进行有效的监测的问题，将节约水资源与现代技术结合，从控制管网漏损出发，做到对供水管网的实时监控，通过对管道水流和压力进行采集，将收集到的数据进行智能分析，从而确定地下管道漏水情况。
本发明中通过不断扩充样本库，可以采用高效的基于大数据的机器学习的判别方法来完成漏点的发现工作，采用低功耗的无线传感模块，在用水情况稳定的时间区间内定时进行数据采集，以最大程度降低复杂干扰条件下数据采集的能耗。
Claims (7)
1.一种基于智能算法的消防用水管网漏水监测方法，其特征在于：所述方法包括以下步骤：
步骤1：在消防用水管网中设置流量计；
步骤2：在消防用水管网的所有节点处设置压力计；
步骤3：在消防用水管网的所有交汇处设置摄像头；
步骤4：初始化，获取消防用水管网的初始状态取值；构建漏水样本数据库；
步骤5：实时获取所有流量计的计数，若消防用水管网的流量符合要求，则重复步骤5，否则进行下一步；
步骤6：进行即时压力计数据读取，确定最前端的疑似漏水管路；
所述步骤6包括以下步骤：
步骤6.1：对消防用水管网中所有的节点进行即时压力计数据读取；
步骤6.2：筛选进水口和出水口的压力值之差大于阈值的管路沿水流方向进行逆推；
步骤6.3：基于消防用水管网，确定最前端的进水口和出水口的压力值之差大于阈值的管路为疑似漏水管路；
步骤7：启动疑似漏水管路处的摄像头，获取交汇处的水流图像；
步骤8：若当前的流量计、压力计和摄像头的成组数据存在于漏水样本数据库中，则处理漏水点，返回步骤5，否则，将水流图像对应的数据输入训练好的网络，获得漏水管路的信息；所述漏水管路的信息包括基于旋涡外径、旋涡中心点位置、旋涡转向获得的漏水的方位及距离摄像头的距离的概率值；
步骤9：基于漏水管路的方向，在此方向的最前端的疑似漏水管路中排查漏水点；
步骤10：若查到，将当前时刻的关联流量计、压力计和摄像头的数据构建数组，存入漏水样本数据库，处理漏水点；返回步骤5。
2.根据权利要求1所述的一种基于智能算法的消防用水管网漏水监测方法，其特征在于：所述步骤1中，将消防用水管网按照树形节点设置流量计，任一分支的首端和末端设有流量计。
3.根据权利要求1所述的一种基于智能算法的消防用水管网漏水监测方法，其特征在于：所述步骤3中，消防用水管网的交汇处包括十字交汇及丁字交汇。
4.根据权利要求1所述的一种基于智能算法的消防用水管网漏水监测方法，其特征在于：所述步骤4包括以下步骤：
步骤4.1：对消防用水管网进行建模，获得建模数据；
步骤4.2：铺设消防用水管网，确认无漏点，放水，获取消防用水管网的初始状态取值；
步骤4.3：构建漏水样本数据库。
5.根据权利要求1所述的一种基于智能算法的消防用水管网漏水监测方法，其特征在于：所述步骤5中，消防用水管网的流量符合要求为任一管路的进水口和出水口的流量差不大于阈值且进水口和出水口的压力差不大于阈值。
6.根据权利要求1所述的一种基于智能算法的消防用水管网漏水监测方法，其特征在于：所述步骤7中，疑似漏水管路为单管或丁字形管或十字型管，启动距离疑似漏水管路最近的摄像头，获取交汇处的水流图像；对所述水流图像进行二值化，提取水波数据。
7.根据权利要求6所述的一种基于智能算法的消防用水管网漏水监测方法，其特征在于：提取所述水波数据的特征点，所述特征点包括旋涡外径、旋涡中心点位置、旋涡转向。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911385996.1A CN111317953B (zh) | 2019-12-29 | 2019-12-29 | 一种基于智能算法的消防用水管网漏水监测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911385996.1A CN111317953B (zh) | 2019-12-29 | 2019-12-29 | 一种基于智能算法的消防用水管网漏水监测方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111317953A CN111317953A (zh) | 2020-06-23 |
| CN111317953B true CN111317953B (zh) | 2021-06-15 |
Family
ID=71168682
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911385996.1A Active CN111317953B (zh) | 2019-12-29 | 2019-12-29 | 一种基于智能算法的消防用水管网漏水监测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111317953B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111828846A (zh) * | 2020-07-02 | 2020-10-27 | 广州新利堡消防工程企业有限公司 | 消防工程管道漏水检测方法、装置、设备以及存储介质 |
| CN116229300B (zh) * | 2023-04-07 | 2023-10-20 | 上海华维可控农业科技集团股份有限公司 | 一种用于高标准农田下的灌溉节能管理系统及方法 |
Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000008427A (ja) * | 1998-06-23 | 2000-01-11 | Engineering System Kk | 流体漏れ制御装置 |
| KR100815608B1 (ko) * | 2007-03-19 | 2008-03-20 | 주식회사 국민에너지 | 히트펌프 시스템을 이용한 터널내 소화전의 동파 방지장치 |
| CN103712070A (zh) * | 2014-01-06 | 2014-04-09 | 山东交通学院 | 一种给水管网压力监测方法 |
| CN107061997A (zh) * | 2017-03-28 | 2017-08-18 | 智润科技有限公司 | 建立多路供水结构漏损情况监测管网的方法及监测系统 |
| CN107833221A (zh) * | 2017-11-29 | 2018-03-23 | 武汉大学 | 一种基于多通道特征融合和机器学习的漏水监测方法 |
| CN109296943A (zh) * | 2018-12-13 | 2019-02-01 | 上海嘉实（集团）有限公司 | 一种应用到楼宇自动化管理系统中追溯漏水点的方法 |
| CN109708009A (zh) * | 2019-01-25 | 2019-05-03 | 安徽泽众安全科技有限公司 | 一种针对供水管道不同漏水量定位的装置及方法 |
| CN110032961A (zh) * | 2019-04-02 | 2019-07-19 | 中国石油大学(华东) | 一种基于3d卷积神经网络的地下空间管道异常检测方法 |
| CN110298280A (zh) * | 2019-06-20 | 2019-10-01 | 上海海洋大学 | 一种基于mkl多特征融合的海洋涡旋识别方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9019120B2 (en) * | 2010-11-09 | 2015-04-28 | General Electric Company | Energy manager—water leak detection |
-
2019
- 2019-12-29 CN CN201911385996.1A patent/CN111317953B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2000008427A (ja) * | 1998-06-23 | 2000-01-11 | Engineering System Kk | 流体漏れ制御装置 |
| KR100815608B1 (ko) * | 2007-03-19 | 2008-03-20 | 주식회사 국민에너지 | 히트펌프 시스템을 이용한 터널내 소화전의 동파 방지장치 |
| CN103712070A (zh) * | 2014-01-06 | 2014-04-09 | 山东交通学院 | 一种给水管网压力监测方法 |
| CN107061997A (zh) * | 2017-03-28 | 2017-08-18 | 智润科技有限公司 | 建立多路供水结构漏损情况监测管网的方法及监测系统 |
| CN107833221A (zh) * | 2017-11-29 | 2018-03-23 | 武汉大学 | 一种基于多通道特征融合和机器学习的漏水监测方法 |
| CN109296943A (zh) * | 2018-12-13 | 2019-02-01 | 上海嘉实（集团）有限公司 | 一种应用到楼宇自动化管理系统中追溯漏水点的方法 |
| CN109708009A (zh) * | 2019-01-25 | 2019-05-03 | 安徽泽众安全科技有限公司 | 一种针对供水管道不同漏水量定位的装置及方法 |
| CN110032961A (zh) * | 2019-04-02 | 2019-07-19 | 中国石油大学(华东) | 一种基于3d卷积神经网络的地下空间管道异常检测方法 |
| CN110298280A (zh) * | 2019-06-20 | 2019-10-01 | 上海海洋大学 | 一种基于mkl多特征融合的海洋涡旋识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111317953A (zh) | 2020-06-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9797799B2 (en) | Intelligent adaptive system and method for monitoring leakage of oil pipeline networks based on big data | |
| CN111317953B (zh) | 一种基于智能算法的消防用水管网漏水监测方法 | |
| US20240247958A1 (en) | Method and internet of things (iot) system for safety monitoring and early warning of smart gas pipeline network | |
| CN110245411B (zh) | 一种城镇集中供热系统及泄漏点检测方法 | |
| CN112036086A (zh) | 燃气管线动态风险预警系统 | |
| CN112097125B (zh) | 一种基于自适应校核的供水管网爆管侦测及定位方法 | |
| CN110263960B (zh) | 一种基于pdd的城市供水管网压力监测点优化布置的方法 | |
| CN116047226B (zh) | 一种预警电缆检测系统 | |
| CN107906375B (zh) | 基于加权排列熵的管道泄漏检测方法及系统 | |
| CN111022932A (zh) | 一种供水管网的传感器布点系统及方法 | |
| CN112985713A (zh) | 基于边缘计算的管网漏损监测方法及系统 | |
| CN111260087A (zh) | 一种管网异常管理系统 | |
| CN113128709B (zh) | 一种供水管网漏损管理系统 | |
| CN111768022A (zh) | 煤机生产设备的设备检测方法及装置 | |
| CN102242872A (zh) | 基于广义模糊双曲正切模型的输油管网泄漏检测方法 | |
| CN110779077A (zh) | 一种智能地热运维系统 | |
| KR102493362B1 (ko) | Ai를 이용한 상수도 실시간 사고감지 시스템 및 그 방법 | |
| CN116951328B (zh) | 基于大数据的排水管线运行智慧监控系统 | |
| CN117540310A (zh) | 基于机器学习的水务涵箱的异常检测方法及系统 | |
| CN117455446A (zh) | 一种基于bim的火电厂小管径管线预测性维护管理方法 | |
| CN102855394A (zh) | 一种基于概率分布的检测建筑用能异常的方法 | |
| CN116398825A (zh) | 一种基于概率模型的供水管漏损检测与定位方法、系统及装置 | |
| CN109140246A (zh) | 一种基于无线网络的管道泄露检测系统 | |
| CN110503254A (zh) | 一种基于马尔科夫链的非金属管道泄漏预警方法 | |
| CN115795122A (zh) | 一种城市排水管网拓扑关系梳理方法 |
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 |