CN113944892A - 一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置 - Google Patents
一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置 Download PDFInfo
- Publication number
- CN113944892A CN113944892A CN202111319533.2A CN202111319533A CN113944892A CN 113944892 A CN113944892 A CN 113944892A CN 202111319533 A CN202111319533 A CN 202111319533A CN 113944892 A CN113944892 A CN 113944892A
- Authority
- CN
- China
- Prior art keywords
- muddy water
- dielectric constant
- pipeline
- long oil
- critical state
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 194
- 238000000034 method Methods 0.000 title claims abstract description 51
- 238000012544 monitoring process Methods 0.000 title claims abstract description 17
- 230000005540 biological transmission Effects 0.000 claims abstract description 23
- 230000008447 perception Effects 0.000 claims description 34
- 238000001514 detection method Methods 0.000 claims description 22
- 238000005457 optimization Methods 0.000 claims description 12
- 238000012545 processing Methods 0.000 claims description 11
- 238000001914 filtration Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 7
- 238000012806 monitoring device Methods 0.000 claims description 7
- 238000009434 installation Methods 0.000 claims description 6
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000009189 diving Effects 0.000 claims description 3
- 230000007774 longterm Effects 0.000 claims description 3
- 230000026676 system process Effects 0.000 claims description 3
- 238000009991 scouring Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 6
- 239000002689 soil Substances 0.000 description 4
- 239000000126 substance Substances 0.000 description 4
- 239000003990 capacitor Substances 0.000 description 2
- 239000003208 petroleum Substances 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000000523 sample Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
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)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明提供一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置,包括泥水感知传感器、泥水采集网关、传输单元、云平台以及管道安全监测中心,所述泥水感知传感器附着在长输油管道的管壁上,用以采集河床区域的长输油管道的介电常数数据;泥水采集网关将泥水感知传感器采集的介电常数数据进行计算分析得到节点的泥水临界状态的侦测数据本发明实时管道泥水临界状态数据的采集,泥水临界状态数据的自动采集,减少人工的河道水下勘察,通过实时感知管道的泥水临界状态,判断处于河床中长输油管道是否在河床的泥中,还是经过河水冲刷进入到河水中,如果管道进入到水中,可以采取相应安全措施,保证长输油管道的安全。
Description
技术领域
本发明涉及领域,具体涉及一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置。
背景技术
长输油管线一般埋在河床下泥土中,在汛期或自然条件发生变化是,管线上的泥土被冲走,管线悬浮在河道的水中,在河水作用下,发生管道的形变,产生油气泄露的事故。因为河床下石油管线的特殊场景,传统手段很难及时发现管道的实时状态。就是说判断出石油管线是否在泥土中,还是半露在河水中,还是已经悬浮在河水中,这个状态的判断对长输油管线的安全非常重要。
现有已的长输油管道,管线长,地质条件复杂,易发地灾引发长输油管道发生损害目前针对长输油管道地灾的监测主要采用北斗GNSS设备,具有一定局限性,适合监测区域为露天的场景,针对长输油管道在河床下的场景不能实现有效监测现有人工巡检针对河道中或河床里的管道状态很难实现有效监测,管道从河床地下一旦进行入到河水中,在河水的作用下,容易发生管道的形变和管道的泄露。
发明内容
为解决上述问题,本发明提出了一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置,针对长输油管道的泥水临界状态的识别和监测,可以有效进行识别长输油管道的地灾隐患。
本发明的技术方案:
一种用于长输油管道的河床区域泥水临界状态自动监测装置,包括泥水感知传感器、泥水采集网关、传输单元、云平台以及管道安全监测中心,
所述泥水感知传感器附着在长输油管道的管壁上,用以采集河床区域的长输油管道的介电常数数据;
所述泥水感知传感器沿长输油管道的管壁布置并将采集的介电常数数据传输到泥水采集网关,泥水采集网关将泥水感知传感器采集的介电常数数据进行计算分析得到节点的泥水临界状态的侦测数据;
所述泥水采集网关连接传输单元,并通过传输单元将泥水临界状态的侦测数据传输到云平台;
所述云平台将接收到的泥水临界状态的侦测数据传输到管道安全监测中心;
所述管道安全监测中心对接收到的泥水临界状态的侦测数据进行分析从而对长输油管道的泥水临界状态进行自动监测。
所述泥水感知传感器设置有多个,多个泥水感知传感器通过422总线与泥水采集网关进行通信连接。
所述传输单元为4G或5G传输单元,传输单元通过信号基站与云平台进行无线通信。
所述泥水采集网关上连接有网关电源。
所述泥水感知传感器包括介电常数传感器,介电常数传感器感知介电常数并将感知的介电常数传输给与其连接的泥水采集CPU,泥水采集CPU对感知的介电常数进行计算得到泥水感知传感器的介电常数数据,泥水采集CPU上连接有传感器电源,泥水采集CPU将介电常数数据通过422总线传输给泥水采集网关。
一种用于长输油管道的河床区域泥水临界状态自动监测方法,其特征在于,包括以下具体步骤:
泥水感知传感器的安装:在长输油管道布设节点伴随工程同步布设或通过后期蛙人下潜的方式,将泥水感知传感器附着安装在长输油管道管壁上;
泥水采集网关的安装:泥水采集网关部署在管道附近岸基上,泥水采集网关通过422总线和泥水感知传感器进行通信;
泥水采集网关与云平台和管道安全监测中心建立通信;
泥水感知传感器的介电常数传感器采集介电常数并传输给泥水采集CPU;
泥水采集CPU对介电常数进行分析计算然后传输给泥水采集网关;
泥水采集网关接收泥水感知传感器采集的介电常数数据并根据介电常数数据计算分析得到管道泥水临界状态的侦测数据并传输到云平台和管道安全监测中心实现长输油管道的河床区域泥水临界状态自动监测。
所述实现管道泥水临界状态的侦测的步骤如下:
介电常数数据处理过程如下:
微波场下输油管线上的介电常数受环境影响,其通过介电常数传感器获取介电常数的过程表示为一个离线的过程系统,用一个线性随机微分方程和介电常数观测方程来表述,
线性随机微分方程表示如下:
ε(k)=Aε(k-1)+Bμ(k)+ω(k)
介电常数观测方程表示为:
Z(k)=Hε(k)+ν(k)
上两式中:
ε(k)是k时间的介电常数预测值;
μ(k)是k时间的对介电常数的影响因素;
A和B是对介电常数观测的影响因子,针对复杂的河床下的泥水环境,A和B为矩阵;
Z(k)是k时间介电常数的观测值;
H为传感器的特征参数;
ω(k)和ν(k)表示为过程和测量的噪声;
对于满足上述条件,线性随机微分方程,过程和测量都是高斯白噪声,因此采用卡尔曼滤波获取准确管线表面的介电常数数据;
卡尔曼滤波递归处理过程如下:
递归过程是利用离线的过程系统的过程模型,来预测下一状态的系统,假设现在的系统状态是k,根据系统的模型,可以基于系统的上一状态而预测此刻出现在状态:
ε(k|k-1)=Aε(k-1|k-1)+Bμ(k) (1)
上式中,ε(k|k-1)是利用上一状态预测的结果,ε(k-1|k-1)是上一状态最优的结果,μ(k)是k时间的对介电常数的影响因素,对应于ε(k|k-1)的协方差用P表示:
P(k|k-1)=AP(k-1|k-1)A'+Q (2)
式中,P(k|k-1)是ε(k|k-1)对应的协方差,P(k-1|k-1)是ε(k-1|k-1)时刻对应的协方差,其中A'是A的转置,Q是系统过程的协方差;
上面的公式(1)和公式(2)就是介电常数采用卡尔曼滤波器的处理过程,也就是对系统的预测;
收集现在状态的测量值,结合预测值和测量值,得到现在状态k的最优化估算值ε(k|k),
ε(k|k)=ε(k|k-1)+Kg(k)(Z(k)-Hε(k|k-1)) (3)
式(3)中,Kg为卡尔曼增益
结合上式,计算出K状态下,最优的最优化估算值ε(k|k);
考虑管线上方介质的介电常数是一个长期的观测过程,因此上述的滤波处理过程需要持续进行运行,持续更新K状态下的ε(k|k)的协方差,
P(k|k)=(I-Kg(k)H)P(k|k-1) (5)
其中,针对介电常数观测为单模量,I为1;
当系统进入到k+1时刻,P(k|k)就是公式(2),这个过程持续自回归进行计算;
通过上述处理过程,即可获取长输油管道表面介质的介电常数最优化参数;
通过获取的介电常数最优化参数与泥水状态的介电常数和水的介电常数进行比较,标定标记处管道泥水临界点。
与现有技术相比,本发明的有益效果是:实时管道泥水临界状态数据的采集,泥水临界状态数据的自动采集,减少人工的河道水下勘察,通过实时感知管道的泥水临界状态,判断处于河床中长输油管道是否在河床的泥中,还是经过河水冲刷进入到河水中,如果管道进入到水中,可以采取相应安全措施,保证长输油管道的安全。
附图说明
图1为本申请实施例提供的一种用于长输油管道的河床区域泥水临界状态自动监测装置结构示意图;
图2为本申请实施例提供的一种泥水感知系统结构示意图;
图3为本申请实施例提供的一种泥水感知传感器的结构示意图。
具体实施方式
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,都属于本发明保护的范围。
请参阅图1,本发明提供一种技术方案:
图1为本申请实施例提供的一种用于长输油管道的河床区域泥水临界状态自动监测是本发明的装置结构示意图。如图1所示,本发明实施例提供了一种用于长输油管道的河床区域泥水临界状态自动监测装置,包括泥水感知传感器2、泥水采集网关3、传输单元4、云平台6以及管道安全监测中心7,
所述泥水感知传感器2附着在长输油管道1的管壁上,用以采集河床区域的长输油管道1的介电常数数据;
所述泥水感知传感器2沿长输油管道1的管壁布置并将采集的介电常数数据传输到泥水采集网关3,泥水采集网关3将泥水感知传感器2采集的介电常数数据进行计算分析得到节点的泥水临界状态的侦测数据;
所述泥水采集网关3连接传输单元4,并通过传输单元4将泥水临界状态的侦测数据传输到云平台6;
所述云平台6将接收到的泥水临界状态的侦测数据传输到管道安全监测中心7;
所述管道安全监测中心7对接收到的泥水临界状态的侦测数据进行分析从而对长输油管道1的泥水临界状态进行自动监测。
图2为本申请实施例提供的一种泥水感知系统结构示意图。如图2所示,所述泥水感知传感器2设置有多个,多个泥水感知传感器2通过422总线9与泥水采集网关3进行通信连接。
所述传输单元4为4G或5G传输单元,传输单元4通过信号基站5与云平台6进行无线通信。
所述泥水采集网关3上连接有网关电源8。泥水采集网关3主要负责泥水感知传感器的数据采集,处理和分析,并根据数据得到该节点泥水状态,经由4G/5G通信模块,将信息传递到管道安全中心。
图3为本申请实施例提供的一种泥水感知传感器的结构示意图。如图3所示,所述泥水感知传感器2包括介电常数传感器20,介电常数传感器20感知介电常数并将感知的介电常数传输给与其连接的泥水采集CPU21,泥水采集CPU21对感知的介电常数进行计算得到泥水感知传感器2的介电常数数据,泥水采集CPU21上连接有传感器电源22,泥水采集CPU21将介电常数数据通过422总线9传输给泥水采集网关3。
一种用于长输油管道的河床区域泥水临界状态自动监测方法,包括以下具体步骤:
泥水感知传感器2的安装:在长输油管道布设节点伴随工程同步布设或通过后期蛙人下潜的方式,将泥水感知传感器2附着安装在长输油管道1管壁上;
泥水采集网关3的安装:泥水采集网关3部署在管道附近岸基上,泥水采集网关3通过422总线9和泥水感知传感器2进行通信;
泥水采集网关3与云平台6和管道安全监测中心7建立通信;
泥水感知传感器2的介电常数传感器20采集介电常数并传输给泥水采集CPU21;
泥水采集CPU21对介电常数进行分析计算然后传输给泥水采集网关3;
泥水采集网关3接收泥水感知传感器2采集的介电常数数据并根据介电常数数据计算分析得到管道泥水临界状态的侦测数据并传输到云平台6和管道安全监测中心7实现长输油管道的河床区域泥水临界状态自动监测。
检测基本原理:
在河床中的长输油管道是处于泥中还是出暴露在水中,其管道外壁环境介质的介电常数会有明显区别。泥水感知传感器主要通过采集测定河床中管道上介质的介电常数,来实现判别当前管道是处于河床的泥中还是处于水中。
检测信号和数据处理过程
泥水感知传感器主要是基于频率反射(FDR)技术来采集测定介电常数,传感器的探头主要由一对电极组成一个电容,其间的物质充当电介质,电容与振荡器组成一个调谐电路。传感器电容量与两级间被测介质的介电常数成正比关系,当物质的水分增加时,其介电常数相应增大,测量电容值也随之上升,导致测量频率也会发生变化,由此可以测定当前物质为泥水或是水。
所述实现管道泥水临界状态的侦测的步骤如下:
介电常数数据处理过程如下:
微波场下输油管线上的介电常数受环境影响,其通过介电常数传感器20获取介电常数的过程表示为一个离线的过程系统,用一个线性随机微分方程和介电常数观测方程来表述,
线性随机微分方程表示如下:
ε(k)=Aε(k-1)+Bμ(k)+ω(k)
介电常数观测方程表示为:
Z(k)=Hε(k)+ν(k)
上两式中:
ε(k)是k时间的介电常数预测值;
μ(k)是k时间的对介电常数的影响因素;
A和B是对介电常数观测的影响因子,针对复杂的河床下的泥水环境,A和B为矩阵;
Z(k)是k时间介电常数的观测值;
H为传感器的特征参数;
ω(k)和ν(k)表示为过程和测量的噪声;
对于满足上述条件,线性随机微分方程,过程和测量都是高斯白噪声,因此采用卡尔曼滤波获取准确管线表面的介电常数数据;
卡尔曼滤波递归处理过程如下:
递归过程是利用离线的过程系统的过程模型,来预测下一状态的系统,假设现在的系统状态是k,根据系统的模型,可以基于系统的上一状态而预测此刻出现在状态:
ε(k|k-1)=Aε(k-1|k-1)+Bμ(k) (1)
上式中,ε(k|k-1)是利用上一状态预测的结果,ε(k-1|k-1)是上一状态最优的结果,μ(k)是k时间的对介电常数的影响因素,对应于ε(k|k-1)的协方差用P表示:
P(k|k-1)=AP(k-1|k-1)A'+Q (2)
式中,P(k|k-1)是ε(k|k-1)对应的协方差,P(k-1|k-1)是ε(k-1|k-1)时刻对应的协方差,其中A'是A的转置,Q是系统过程的协方差;
上面的公式(1)和公式(2)就是介电常数采用卡尔曼滤波器的处理过程,也就是对系统的预测;
收集现在状态的测量值,结合预测值和测量值,得到现在状态k的最优化估算值ε(k|k),
ε(k|k)=ε(k|k-1)+Kg(k)(Z(k)-Hε(k|k-1)) (3)
式(3)中,Kg为卡尔曼增益
结合上式,计算出K状态下,最优的最优化估算值ε(k|k);
考虑管线上方介质的介电常数是一个长期的观测过程,因此上述的滤波处理过程需要持续进行运行,持续更新K状态下的ε(k|k)的协方差,
P(k|k)=(I-Kg(k)H)P(k|k-1) (5)
其中,针对介电常数观测为单模量,I为1;
当系统进入到k+1时刻,P(k|k)就是公式(2),这个过程持续自回归进行计算;
通过上述处理过程,即可获取长输油管道表面介质的介电常数最优化参数;
通过获取的介电常数最优化参数与泥水状态的介电常数和水的介电常数进行比较,标定标记处管道泥水临界点。
泥水临界判别阈值:
不同物质的物质在微波场中的介电常数不同,空气介电常数为1,土壤的介电常数为2到5,泥水状态的介电常数为30到40,水的介电常数为78.2,通过标定可以标记处管道泥水临界点。
本发明实时管道泥水临界状态数据的采集,泥水临界状态数据的自动采集,减少人工的河道水下勘察,通过实时感知管道的泥水临界状态,判断处于河床中长输油管道是否在河床的泥中,还是经过河水冲刷进入到河水中,如果管道进入到水中,可以采取相应安全措施,保证长输油管道的安全。
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物限定。
Claims (7)
1.一种用于长输油管道的河床区域泥水临界状态自动监测装置,其特征在于,包括泥水感知传感器(2)、泥水采集网关(3)、传输单元(4)、云平台(6)以及管道安全监测中心(7),
所述泥水感知传感器(2)附着在长输油管道(1)的管壁上,用以采集河床区域的长输油管道(1)的介电常数数据;
所述泥水感知传感器(2)沿长输油管道(1)的管壁布置并将采集的介电常数数据传输到泥水采集网关(3),泥水采集网关(3)将泥水感知传感器(2)采集的介电常数数据进行计算分析得到节点的泥水临界状态的侦测数据;
所述泥水采集网关(3)连接传输单元(4),并通过传输单元(4)将泥水临界状态的侦测数据传输到云平台(6);
所述云平台(6)将接收到的泥水临界状态的侦测数据传输到管道安全监测中心(7);
所述管道安全监测中心(7)对接收到的泥水临界状态的侦测数据进行分析从而对长输油管道(1)的泥水临界状态进行自动监测。
2.根据权利要求1所述的一种用于长输油管道的河床区域泥水临界状态自动监测装置,其特征在于,所述泥水感知传感器(2)设置有多个,多个泥水感知传感器(2)通过422总线(9)与泥水采集网关(3)进行通信连接。
3.根据权利要求1所述的一种用于长输油管道的河床区域泥水临界状态自动监测装置,其特征在于,所述传输单元(4)为4G或5G传输单元,传输单元(4)通过信号基站(5)与云平台(6)进行无线通信。
4.根据权利要求1所述的一种用于长输油管道的河床区域泥水临界状态自动监测装置,其特征在于,所述泥水采集网关(3)上连接有网关电源(8)。
5.根据权利要求1-4任一所述的一种用于长输油管道的河床区域泥水临界状态自动监测装置,其特征在于,所述泥水感知传感器(2)包括介电常数传感器(20),介电常数传感器(20)感知介电常数并将感知的介电常数传输给与其连接的泥水采集CPU(21),泥水采集CPU(21)对感知的介电常数进行计算得到泥水感知传感器(2)的介电常数数据,泥水采集CPU(21)上连接有传感器电源(22),泥水采集CPU(21)将介电常数数据通过422总线(9)传输给泥水采集网关(3)。
6.一种用于长输油管道的河床区域泥水临界状态自动监测方法,其特征在于,包括以下具体步骤:
泥水感知传感器(2)的安装:在长输油管道布设节点伴随工程同步布设或通过后期蛙人下潜的方式,将泥水感知传感器(2)附着安装在长输油管道(1)管壁上;
泥水采集网关(3)的安装:泥水采集网关(3)部署在管道附近岸基上,泥水采集网关(3)通过422总线(9)和泥水感知传感器(2)进行通信;
泥水采集网关(3)与云平台(6)和管道安全监测中心(7)建立通信;
泥水感知传感器(2)的介电常数传感器(20)采集介电常数并传输给泥水采集CPU(21);
泥水采集CPU(21)对介电常数进行分析计算然后传输给泥水采集网关(3);
泥水采集网关(3)接收泥水感知传感器(2)采集的介电常数数据并根据介电常数数据计算分析得到管道泥水临界状态的侦测数据并传输到云平台(6)和管道安全监测中心(7)实现长输油管道的河床区域泥水临界状态自动监测。
7.根据权利要求6所述的一种用于长输油管道的河床区域泥水临界状态自动监测方法,其特征在于,所述实现管道泥水临界状态的侦测的步骤如下:
介电常数数据处理过程如下:
微波场下输油管线上的介电常数受环境影响,其通过介电常数传感器(20)获取介电常数的过程表示为一个离线的过程系统,用一个线性随机微分方程和介电常数观测方程来表述,
线性随机微分方程表示如下:
ε(k)=Aε(k-1)+Bμ(k)+ω(k)
介电常数观测方程表示为:
Z(k)=Hε(k)+ν(k)
上两式中:
ε(k)是k时间的介电常数预测值;μ(k)是k时间的对介电常数的影响因素;A和B是对介电常数观测的影响因子,针对复杂的河床下的泥水环境,A和B为矩阵;Z(k)是k时间介电常数的观测值;H为传感器的特征参数;ω(k)和ν(k)表示为过程和测量的噪声;
对于满足上述条件,线性随机微分方程,过程和测量都是高斯白噪声,因此采用卡尔曼滤波获取准确管线表面的介电常数数据;
卡尔曼滤波递归处理过程如下:
递归过程是利用离线的过程系统的过程模型,来预测下一状态的系统,假设现在的系统状态是k,根据系统的模型,可以基于系统的上一状态而预测此刻出现在状态:
ε(k|k-1)=Aε(k-1|k-1)+Bμ(k) (1)
上式中,ε(k|k-1)是利用上一状态预测的结果,ε(k-1|k-1)是上一状态最优的结果,μ(k)是k时间的对介电常数的影响因素,对应于ε(k|k-1)的协方差用P表示:
P(k|k-1)=AP(k-1|k-1)A'+Q (2)
式中,P(k|k-1)是ε(k|k-1)对应的协方差,P(k-1|k-1)是ε(k-1|k-1)时刻对应的协方差,其中A'是A的转置,Q是系统过程的协方差;
上面的公式(1)和公式(2)就是介电常数采用卡尔曼滤波器的处理过程,也就是对系统的预测;
收集现在状态的测量值,结合预测值和测量值,得到现在状态k的最优化估算值ε(k|k),
ε(k|k)=ε(k|k-1)+Kg(k)(Z(k)-Hε(k|k-1)) (3)
式(3)中,Kg为卡尔曼增益
结合上式,计算出K状态下,最优的最优化估算值ε(k|k);
考虑管线上方介质的介电常数是一个长期的观测过程,因此上述的滤波处理过程需要持续进行运行,持续更新K状态下的ε(k|k)的协方差,
P(k|k)=(I-Kg(k)H)P(k|k-1) (5)
其中,针对介电常数观测为单模量,I为1;
当系统进入到k+1时刻,P(k|k)就是公式(2),这个过程持续自回归进行计算;
通过上述处理过程,即可获取长输油管道表面介质的介电常数最优化参数;
通过获取的介电常数最优化参数与泥水状态的介电常数和水的介电常数进行比较,标定标记处管道泥水临界点。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111319533.2A CN113944892B (zh) | 2021-11-09 | 2021-11-09 | 一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111319533.2A CN113944892B (zh) | 2021-11-09 | 2021-11-09 | 一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113944892A true CN113944892A (zh) | 2022-01-18 |
CN113944892B CN113944892B (zh) | 2024-04-30 |
Family
ID=79336996
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111319533.2A Active CN113944892B (zh) | 2021-11-09 | 2021-11-09 | 一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113944892B (zh) |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19518011A1 (de) * | 1995-05-17 | 1996-11-21 | Karl Heinz Dipl Ing Friedrich | Elektronische Meßeinrichtung zur Erfassung von Undichtigkeiten von Dichtungen für flüssige Medien |
JPH1184020A (ja) * | 1997-09-03 | 1999-03-26 | Sekisui Chem Co Ltd | 比誘電率又は埋設物深度の測定方法、及びその測定装置 |
CN106122773A (zh) * | 2016-07-06 | 2016-11-16 | 中国石油大学(华东) | 一种油气管道焊缝泄漏监测装置 |
CN108770079A (zh) * | 2018-05-31 | 2018-11-06 | 深圳汇通智能化科技有限公司 | 一种基于水下机器人的水域环境监测系统 |
CN109323131A (zh) * | 2018-12-03 | 2019-02-12 | 北京市燃气集团有限责任公司 | 一种燃气管网地铁杂散电流干扰检测系统及其布置方法 |
CN109655389A (zh) * | 2019-02-27 | 2019-04-19 | 东北电力大学 | 一种测量气力输送管道中固相浓度的方法 |
CN210578653U (zh) * | 2019-08-20 | 2020-05-19 | 中移物联网有限公司 | 一种河道监测系统 |
CN111425768A (zh) * | 2020-03-31 | 2020-07-17 | 长安大学 | 基于水下传感器网络的输油管道漏油点与漏油速率的探测方法 |
CN211232436U (zh) * | 2019-12-13 | 2020-08-11 | 上海睿耳海洋工程技术有限公司 | 一种海底管道实时安全监测与诊断系统 |
CN112664841A (zh) * | 2020-12-14 | 2021-04-16 | 浙江海洋大学 | 一种埋地输油管道泄漏监测装置 |
-
2021
- 2021-11-09 CN CN202111319533.2A patent/CN113944892B/zh active Active
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19518011A1 (de) * | 1995-05-17 | 1996-11-21 | Karl Heinz Dipl Ing Friedrich | Elektronische Meßeinrichtung zur Erfassung von Undichtigkeiten von Dichtungen für flüssige Medien |
JPH1184020A (ja) * | 1997-09-03 | 1999-03-26 | Sekisui Chem Co Ltd | 比誘電率又は埋設物深度の測定方法、及びその測定装置 |
CN106122773A (zh) * | 2016-07-06 | 2016-11-16 | 中国石油大学(华东) | 一种油气管道焊缝泄漏监测装置 |
CN108770079A (zh) * | 2018-05-31 | 2018-11-06 | 深圳汇通智能化科技有限公司 | 一种基于水下机器人的水域环境监测系统 |
CN109323131A (zh) * | 2018-12-03 | 2019-02-12 | 北京市燃气集团有限责任公司 | 一种燃气管网地铁杂散电流干扰检测系统及其布置方法 |
CN109655389A (zh) * | 2019-02-27 | 2019-04-19 | 东北电力大学 | 一种测量气力输送管道中固相浓度的方法 |
CN210578653U (zh) * | 2019-08-20 | 2020-05-19 | 中移物联网有限公司 | 一种河道监测系统 |
CN211232436U (zh) * | 2019-12-13 | 2020-08-11 | 上海睿耳海洋工程技术有限公司 | 一种海底管道实时安全监测与诊断系统 |
CN111425768A (zh) * | 2020-03-31 | 2020-07-17 | 长安大学 | 基于水下传感器网络的输油管道漏油点与漏油速率的探测方法 |
CN112664841A (zh) * | 2020-12-14 | 2021-04-16 | 浙江海洋大学 | 一种埋地输油管道泄漏监测装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113944892B (zh) | 2024-04-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112364802B (zh) | 一种崩塌滑坡灾害体的变形监测方法 | |
US6647762B1 (en) | Detecting leaks in pipes | |
CN106352243B (zh) | 一种基于声波法的输气管道泄露检测系统 | |
EP3016352A1 (en) | Method of managing sensor network | |
CN103234121A (zh) | 基于音波信号的输气管道泄漏检测装置及检测方法 | |
CN114109365B (zh) | 一种钻探井动态液面监测方法 | |
CN110084986B (zh) | 一种周界安防方法及装置 | |
KR20080081452A (ko) | 이중압력자료를 이용한 담-염수 경계면 변화 산정방법 | |
CN113944892A (zh) | 一种用于长输油管道的河床区域泥水临界状态自动监测方法及装置 | |
CN110631654B (zh) | 一种基于地下水的深度测量方法 | |
CN116296130A (zh) | 一种用于基坑渗漏检测的预警系统 | |
CN209783585U (zh) | 一种滩涂冲淤监测装置 | |
CN110779665B (zh) | 一种基于压电阻抗的预制管廊接缝渗水检测方法 | |
CN111779476B (zh) | 一种随钻气侵检测装置及检测方法 | |
CN113587998A (zh) | 多功能一体化的智能传感器设备 | |
CN114895324A (zh) | 用于输变电工程的北斗系统干扰方向实时监测装置及方法 | |
CN113514199A (zh) | 检测和定位流体泄漏的方法 | |
CN109165795A (zh) | 一种基于群智能算法的集合径流预测系统与方法 | |
CN111126793A (zh) | 一种基于超低频电磁波的滑坡风险评估方法 | |
TWI400434B (zh) | 泥沙濃度測量方法及其系統 | |
CA2986127C (en) | Detection of pipeline exposure in water crossings | |
Castillo et al. | Water Leak Monitoring by Means of a Wireless Network of Impedance Sensing Nodes | |
CN218003452U (zh) | 一种地下水流速流向测量装置 | |
CN115394057B (zh) | 一种隧道结构水位水压监测预警方法、装置及系统 | |
KR20040009611A (ko) | 상하수도 누수감시시스템 |
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 |