CN115199859A - 一种长距离地下管线渗漏的快速诊断方法 - Google Patents
一种长距离地下管线渗漏的快速诊断方法 Download PDFInfo
- Publication number
- CN115199859A CN115199859A CN202210826830.4A CN202210826830A CN115199859A CN 115199859 A CN115199859 A CN 115199859A CN 202210826830 A CN202210826830 A CN 202210826830A CN 115199859 A CN115199859 A CN 115199859A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- leakage
- optical fiber
- temperature
- water
- 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 23
- 238000003745 diagnosis Methods 0.000 title description 3
- 239000013307 optical fiber Substances 0.000 claims abstract description 76
- 230000003014 reinforcing effect Effects 0.000 claims abstract description 42
- 238000012544 monitoring process Methods 0.000 claims abstract description 29
- 230000006698 induction Effects 0.000 claims abstract description 27
- 238000001514 detection method Methods 0.000 claims abstract description 14
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 10
- 230000007547 defect Effects 0.000 claims abstract description 9
- 206010047571 Visual impairment Diseases 0.000 claims abstract description 5
- 238000012216 screening Methods 0.000 claims abstract description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 46
- 238000010304 firing Methods 0.000 claims description 34
- 230000007246 mechanism Effects 0.000 claims description 23
- 239000000463 material Substances 0.000 claims description 16
- 239000011347 resin Substances 0.000 claims description 15
- 229920005989 resin Polymers 0.000 claims description 15
- 238000009434 installation Methods 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 13
- 239000002250 absorbent Substances 0.000 claims description 11
- 230000008859 change Effects 0.000 claims description 10
- 230000003993 interaction Effects 0.000 claims description 8
- 238000005192 partition Methods 0.000 claims description 8
- 230000008569 process Effects 0.000 claims description 5
- 230000002787 reinforcement Effects 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000001681 protective effect Effects 0.000 claims description 4
- 238000013527 convolutional neural network Methods 0.000 claims description 3
- 230000007274 generation of a signal involved in cell-cell signaling Effects 0.000 claims description 2
- 238000005728 strengthening Methods 0.000 abstract description 16
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000011835 investigation Methods 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 description 9
- 238000010438 heat treatment Methods 0.000 description 7
- 238000013461 design Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000002745 absorbent Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 210000002569 neuron Anatomy 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L55/00—Devices or appurtenances for use in, or in connection with, pipes or pipe systems
- F16L55/26—Pigs or moles, i.e. devices movable in a pipe or conduit with or without self-contained propulsion means
- F16L55/28—Constructional aspects
-
- 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
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/38—Investigating fluid-tightness of structures by using light
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L2101/00—Uses or applications of pigs or moles
- F16L2101/30—Inspecting, measuring or testing
Abstract
本发明公开了一种长距离地下管线渗漏的快速诊断方法，包括以下步骤：将分布式光纤沿管线延伸方向布置在管线外侧，并在光纤上安装感应加强装置；使用解调仪分析感应加强装置反馈的渗漏信息，筛查出最有可能发生管线渗漏的位置；控制搭载拍摄装置的管道机器人沿管线方向在管线内部行进，拍摄管线内壁可能发生渗漏的图像；收集到可能发生渗漏或存在其他缺陷的图像后，将检测结果传输至地面工作站，最后利用人工智能算法软件对图像进行快速识别与定位。本发明通过分布式光纤监测技术和管道机器人检测技术相结合，通过对可疑渗漏点进行重点排查重点监控的方式，大大提高了对地下管线渗漏的监测效率，实现了对地下管网渗漏及时预警的目的。
Description
技术领域
本发明属于管线监测技术领域，具体涉及一种长距离地下管线渗漏的快速诊断方法。
背景技术
管线渗漏监测是保障管道安全运行重要基础性工作，也是输调水工程安全评价的先决任务。渗漏监测的最关键内容是尽早发现渗漏点，然后根据渗漏的严重程度对漏点进行有针对性的修补，对较严重的渗漏段进行管体更换。
中国专利CN 113945343 A公开了一种利用DTS和自加热铠装光纤监测地下管线渗漏的方法，包括以下步骤：S1：在地下管道安装过程中，将自加热光纤沿管道长度方向与管道平行连接在一起；S2：进行渗透检测时，将自加热光纤与直流电源连接，并与DTS光纤解调仪连接；S3：利用直流电源对自加热光纤进行加热，利用DTS光纤解调仪获取自加热光纤的光纤温度沿程变化，并利用温度的异常变化确定渗漏点。该专利将DTS自加热光纤可以测到温度异常的原理引入地下管线渗漏的检测，并通过实验准确确定自加热光纤的温度变化与地下管线渗漏点的关系，实现对地下管线渗漏的精准监测和地面沉降的精准预测。而渗漏点温度的变化较为细微，很难判断，且该专利通过热像仪进行测温，虽然能提高测温精准度，但是无法判断是由于渗漏导致的温度变化还是外部环境导致的温度变化，且成本较高。分布式光纤本身对管线渗漏出来的水没有明显反应，只有在渗漏水和环境温度相差极大时，渗漏水造成的温度差能被光纤监测到，然而该温度差经过管道和土壤的扩散后，也已经耗散殆尽。
综上所述，现有的地下管网渗流监测方法无法满足对长距离地下管线渗漏的快速监测，需要提出一种新的方法来达到地下管线的长距离实时监测的目的。
发明内容
有鉴于此，本发明的目的在于提供一种长距离地下管线渗漏的快速诊断方法，用于解决现有技术中地下管线渗漏监测不及时，监测效率低的问题。
为达到上述目的，本发明提供如下技术方案：
本发明提供一种长距离地下管线渗漏的快速诊断方法，包括：A1：将分布式光纤沿管线延伸方向布置在管线外侧，并在光纤上安装耦合应变-温度-振动的分布式光纤感应加强装置；
A2：使用分布式光纤解调仪对感应加强装置反馈的渗漏信息进行分析，筛查出最有可能发生管线渗漏的位置；其中，所述的渗漏信息为感应加强装置遇水后发出的应变、温度和振动信号，当相邻数个感应加强装置均发出信号，即判定为具有较高可能性的渗漏点；
A3：统计了具有较高可能性的渗漏点后，控制搭载拍摄装置的管道机器人沿管线方向在管线内部行进，行进时通过拍摄装置拍摄管线内壁可能发生渗漏的图像，管道机器人的信息交互装置实时处理管道机器人的位置、行进速度等信息的交互，同时根据这些信息控制管道机器人且保持管道机器人在行进过程中对管道内壁泄漏点的监测；
A4：收集到可能发生渗漏或存在其他缺陷的图像后，将检测结果传输至地面工作站，最后利用人工智能算法软件对图像进行快速识别与定位。
进一步，所述感应加强装置包括应变加强模块、温度加强模块、振动加强模块，所述应变加强模块、温度加强模块、振动加强模块三者之间相互独立运行，当其中一者发出信号后，则判定为渗漏点。
进一步，所述管道机器人包括：
行走机构；
摄像机构，所述摄像机构安装在所述行走机构内，用于实时获取图像信息；
高灵敏度水听器，所述高灵敏度水听器安装在所述行走机构内，用于探测水下声信号；
压力传感器，所述压力传感器安装在所述行走机构内，用于实时检测水压变化；
信标器，所述信标器安装在所述行走机构内，用于实时发射特定频率的无线信号，以使地面工作站接收无线信号确定管道机器人的位置。
进一步，所述步骤A4中，利用人工智能算法软件对图像进行快速识别与定位包括以下步骤：
B1：输入管道缺陷图片至人工智能算法软件，进行图片检测试验，获取数据集；
B2：对获取的数据集进行预处理，得到用于模型训练的最佳图片；
B3：提取数据集中图片的关键特征；
B4：通过卷积神经网络模型进行图像识别训练；
B5：通过YOLO算法模型进行图像定位训练。
进一步，所述应变加强模块包括：安装套，所述安装套安装在所述分布式光纤上，所述安装套内安装有吸水树脂，所述吸水树脂和所述分布式光纤之间安装有隔板；
所述温度加强模块包括：护套，所述护套安装在所述分布式光纤上，所述护套安装有温敏件，所述温敏件与所述分布式光纤接触，所述温敏件用于遇水后放热以使光纤温度上升；
所述振动加强模块包括：安装架，所述安装架安装在分布式光纤上；安装架内安装有水敏材料，所述安装架内滑动安装有击发杆，所述击发杆与所述水敏材料抵接，所述安装架靠近分布式光纤侧设有空腔，所述空腔内滑动连接有撞针，所述撞针与所述击发杆卡接，所述撞针上套设有弹簧。
进一步，所述应变加强模块发出渗流信号包括以下步骤：一，发生渗流后，吸水树脂遇水膨胀；二，吸水树脂膨胀后推动隔板以挤压分布式光纤，以使光纤产生应变；三，通过解调仪分析产生应变的信号，若超出预设应变值，即判定为渗漏；
所述温度加强模块发出渗流信号包括以下步骤：一，发生渗流后，温敏件遇水放热以使光纤温度上升；二，通过解调仪分析光纤的温度信号，若超出预设应变值，即判定为渗漏；
所述振动加强模块发生渗流信号包括以下步骤：一，发生渗流后，水敏材料遇水膨胀推动击发杆移动，以使击发杆与撞针的卡接状态消失；二，通过弹簧的弹力带动撞针撞击分布式光纤造成以分布式光纤振动；三，解调仪收到振动信号，即判定为渗漏。
进一步，所述感应加强装置的安装间距为0.5m～1m。
进一步，所述管道机器人为流线型。
本发明的有益效果在于：
本发明通过分布式光纤监测技术和管道机器人检测技术相结合，通过对可疑渗漏点进行重点排查重点监控的方式，大大提高了对地下管线渗漏的监测效率，实现了对地下管网渗漏及时预警的目的。
本发明的其他优点、目标和特征将在随后的说明书中进行阐述，并且在某种程度上对本领域技术人员而言是显而易见的，或者本领域技术人员可以从本发明的实践中得到教导。本发明的目标和其他优点可以通过下面的说明书来实现和获得。
附图说明
为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：
图1为本发明实施例的流程图；
图2为本发明实施例的振动加强装置的结构示意图；
图3为本发明实施例的感应加强装置的结构示意图。
附图中标记如下：1、应变加强模块；101、安装套；2、温度加强模块；201、护套；3、振动加强模块；301、安装架；302、水敏材料；303、击发杆；304、撞针；305、弹簧；4、分布式光纤。
具体实施方式
如图1～3所示，本发明提供一种长距离地下管线渗漏的快速诊断方法，包括以下步骤：
A1：将分布式光纤沿管线延伸方向布置在管线外侧，并在光纤上安装耦合应变-温度-振动的分布式光纤感应加强装置；
A2：使用分布式光纤解调仪对感应加强装置反馈的渗漏信息进行分析，筛查出最有可能发生管线渗漏的位置；其中，所述的渗漏信息为感应加强装置遇水后发出的应变、温度和振动信号，当相邻数个感应加强装置均发出信号，即判定为具有较高可能性的渗漏点；
A3：统计了具有较高可能性的渗漏点后，控制搭载拍摄装置的管道机器人沿管线方向在管线内部行进，行进时通过拍摄装置拍摄管线内壁可能发生渗漏的图像，管道机器人的信息交互装置实时处理管道机器人的位置、行进速度等信息的交互，同时根据这些信息控制管道机器人且保持管道机器人在行进过程中对管道内壁泄漏点的监测；
A4：收集到可能发生渗漏或存在其他缺陷的图像后，将检测结果传输至地面工作站，最后利用人工智能算法软件对图像进行快速识别与定位。
上述技术方案的工作原理：第一步，将分布式光纤沿管线布置在管线外侧，然后再光纤上安装耦合应变-温度-振动的分布式光纤感应加强装置，该感应加强装置体积小、安装简便，根据实际情况在光纤上以任意数量、任意间距和任何时刻进行安装，并根据实际情况提高感应加强装置的安装密度；第二步，使用分布式光纤解调仪对感应加强装置反馈的渗漏信息进行分析，筛查出最有可能发生管线渗漏的位置，其中，所有感应加强装置为串联，并与光纤解调仪连接；第三步，统计了具有较高可能性的渗漏点后，控制搭载拍摄装置的管道机器人沿管线路线行进，行进时将搭载的拍摄装置调至合适焦距，使用摄像仪拍摄内壁可能发生渗漏的图像，管道机器人的信息交互装置实时处理管道机器人的位置、行进速度等信息的交互，同时根据这些信息控制管道机器人且保持管道机器人在行进过程中对管道内壁泄漏点的监测，管道机器人通过获取内部图像和声信号，结合机器学习和身谱图分析技术对渗漏的类型和严重程度进行分析；第四步，收集到可能发生渗漏或存在其他缺陷的图像后，将检测结果传输至地面工作站，最后利用人工智能算法软件对图像进行快速识别与定位。
上述技术方案的有益效果：通过分布式光纤监测技术和管道机器人检测技术相结合，通过对可疑渗漏点进行重点排查重点监控的方式，大大提高了对地下管线渗漏的监测效率，实现了对地下管网渗漏及时预警的目的。
在本发明的一个实施例中，所述感应加强装置包括：应变加强模块、温度加强模块、振动加强模块，所述应变加强模块、温度加强模块、振动加强模块三者之间相互独立运行，且当其中一者发出渗流信号后，即可判定为渗漏点；
其中，所述应变加强模块1包括：安装套101，所述安装套101安装在所述分布式光纤上，所述安装套101内安装有吸水树脂，所述吸水树脂和所述分布式光纤之间安装有隔板102；
所述温度加强模块2包括：护套201，所述护套201安装在所述分布式光纤上，所述护套201安装有温敏件，所述温敏件与所述分布式光纤接触，所述温敏件用于遇水后放热以使光纤温度上升；
所述振动加强模块3包括：安装架301，所述安装架301安装在分布式光纤上；安装架301内安装有水敏材料302，所述安装架301内滑动安装有击发杆303，所述击发杆303与所述水敏材料302抵接，所述安装架301靠近分布式光纤侧设有空腔，所述空腔内滑动连接有撞针304，所述撞针304与所述击发杆303卡接，所述撞针304上套设有弹簧305。
上述技术方案的工作原理：如图1-2，
应变加强模块发出渗流信号包括以下步骤：一，发生渗流后，吸水树脂遇水膨胀；二，吸水树脂膨胀后推动隔板102以挤压分布式光纤，以使光纤产生应变；三，通过解调仪分析产生应变的信号，若超出预设应变值，即判定为渗漏；
温度加强模块发出渗流信号包括以下步骤：一，发生渗流后，温敏件遇水放热以使光纤温度上升；二，通过解调仪分析光纤的温度信号，若超出预设应变值，即判定为渗漏；
如图2，振动加强模块发生渗流信号包括以下步骤：一，发生渗流后，水敏材料遇水膨胀推动击发杆303移动，以使击发杆303与撞针304的卡接状态消失；二，通过弹簧305的弹力带动撞针304撞击分布式光纤4造成以分布式光纤4振动；三，解调仪收到振动信号，即判定为渗漏。
上述技术方案的有益效果：发生渗流后，通过应变加强模块、温度加强模块、振动加强模块分别发出渗流信号，再通过解调仪分析后判定为渗漏，提高了对渗漏判断准确性和及时性。
在本发明的一个实施例中，所述隔板102和所述击发杆303的移动位移L通过以下公式进行确认：
其中，ΔV为水敏材料或吸水树脂材料固有的膨胀率，V1为渗漏前水敏材料或吸水树脂的体积；S为击发杆303与水敏材料接触的表面积或安装套101与吸水树脂接触的表面积。
上述技术方案的工作原理：为提高应变加强模块和振动加强模块的灵敏程度，预设隔板102和所述击发杆303的移动位移L，通过上述公式计算，得出安装套101的容积和击发杆303与水敏材料接触的表面积。
上述技术方案的有益效果：通过上述公式的设计，通过设计安装套101的容积和击发杆303与水敏材料接触的表面积以达到提高应变加强模块和振动加强模块的灵敏程度的作用，从而提高对地下管线渗漏后感应加强装置的反馈及时性，以提高监测效率。
在本发明的一个实施例中，所述管道机器人包括：
行走机构；
摄像机构，所述摄像机构安装在所述行走机构内，用于实时获取图像信息；
高灵敏度水听器，所述高灵敏度水听器安装在所述行走机构内，用于探测水下声信号；
压力传感器，所述压力传感器安装在所述行走机构内，用于实时检测水压变化；
信标器，所述信标器安装在所述行走机构内，用于实时发射特定频率的无线信号，以使地面工作站接收无线信号确定管道机器人的位置。
上述技术方案的工作原理：管道机器人沿管线行进时，通过行走机构带动摄像机构、高灵敏度水听器、压力传感器、信标器移动，移动过程中，通过摄像机构实时获取图像信心，摄像机构上安装有照明单元；同时通过高灵敏水听器探测水下声信号以及噪声声压变化并产生和声压成比例的电压输出，最终显示为声谱；压力传感器通过电子电路检测水压变化，转换输出为与压力值对应的标准信号，通过实时监测水压，防止水压过大导致管道机器人损坏；信标器用于实时发射特定频率的无线信号，当地面工作站接收到信号时，可以得到管道机器人所在位置。
上述技术方案的有益效果：通过摄像机构获取图像信息和高灵敏度水听器获取声信号，结合图像信息和声信号对渗漏点进行判断，提高了监测准确度；设置压力传感器用于实时检测水压，防止水压过大致使管道机器人破坏；设置信标器实时发射特定频率的无线信号，可以实时确定管道机器人所在位置，防止机器人丢失。
在本发明的一个实施例中，所述步骤A4中，利用人工智能算法软件对图像进行快速识别与定位包括以下步骤：
B1：输入管道缺陷图片至人工智能算法软件，进行图片检测试验，获取数据集；
B2：对获取的数据集进行预处理，得到用于模型训练的最佳图片；
B3：提取数据集中图片的关键特征；
B4：通过卷积神经网络模型进行图像识别训练；
B5：通过YOLO算法模型进行图像定位训练。
上述技术方案的工作原理：将管道缺陷图片输入至人工智能算法软件后，通过人工智能算法软件进行检测试验，过得所需的数据集，其中包括训练集和测试集；然后对获取的数据集进行预处理得到用于模型训练的最佳图片；再通过数据集中的图片进行关键特征提取；进行输入向量归一化、构造目标输出量、确定最佳函数组合、确定最佳隐藏层神经元数量、确定最佳训练步并进行训练。
上述技术方案的有益效果：通过上述步骤的设计，能够快速对获取的图像进行识别与定位，增强了识别图像的清晰程度，从而利于对渗漏的监测。
在本发明的一个实施例中，所述管道机器人为流线型。
上述技术方案的工作原理和有益效果：管道机器人我流线型，形状似水滴，在有水环境中可以极大程度的减小阻力，沿水流方向顺利前进。
在本发明的一个实施例中，所述感应加强装置的安装间距为0.5m～1m。
上述技术方案的工作原理和有益效果：通过感应加强装置的安装间距为0.5m～1m，保证了有效监测范围，且在有效监测范围内提高了监测准确度，并节约了成本。
最后说明的是，以上优选实施例仅用以说明本发明的技术方案而非限制，尽管通过上述优选实施例已经对本发明进行了详细的描述，但本领域技术人员应当理解，可以在形式上和细节上对其作出各种各样的改变，而不偏离本发明权利要求书所限定的范围。
Claims (8)
1.一种长距离地下管线渗漏的快速诊断方法，其特征在于，包括以下步骤：
A1：将分布式光纤沿管线延伸方向布置在管线外侧，并在光纤上安装耦合应变-温度-振动的分布式光纤感应加强装置；
A2：使用分布式光纤解调仪对感应加强装置反馈的渗漏信息进行分析，筛查出最有可能发生管线渗漏的位置；其中，所述的渗漏信息为感应加强装置遇水后发出的应变、温度和振动信号，当相邻数个感应加强装置均发出信号，即判定为具有较高可能性的渗漏点；
A3：统计了具有较高可能性的渗漏点后，控制搭载拍摄装置的管道机器人沿管线方向在管线内部行进，行进时通过拍摄装置拍摄管线内壁可能发生渗漏的图像，管道机器人的信息交互装置实时处理管道机器人的位置、行进速度等信息的交互，同时根据这些信息控制管道机器人且保持管道机器人在行进过程中对管道内壁泄漏点的监测；
A4：收集到可能发生渗漏或存在其他缺陷的图像后，将检测结果传输至地面工作站，最后利用人工智能算法软件对图像进行快速识别与定位。
2.根据权利要求1所述的长距离地下管线渗漏的快速诊断方法，其特征在于：所述感应加强装置包括应变加强模块、温度加强模块、振动加强模块，所述应变加强模块、温度加强模块、振动加强模块三者之间相互独立运行，当其中一者发出信号后，则判定为渗漏点。
3.根据权利要求1所述的长距离地下管线渗漏的快速诊断方法，其特征在于：所述管道机器人包括：
行走机构；
摄像机构，所述摄像机构安装在所述行走机构内，用于实时获取图像信息；
高灵敏度水听器，所述高灵敏度水听器安装在所述行走机构内，用于探测水下声信号；
压力传感器，所述压力传感器安装在所述行走机构内，用于实时检测水压变化；
信标器，所述信标器安装在所述行走机构内，用于实时发射特定频率的无线信号，以使地面工作站接收无线信号确定管道机器人的位置。
4.根据权利要求1所述的长距离地下管线渗漏的快速诊断方法，其特征在于：所述步骤A4中，利用人工智能算法软件对图像进行快速识别与定位包括以下步骤：
B1：输入管道缺陷图片至人工智能算法软件，进行图片检测试验，获取数据集；
B2：对获取的数据集进行预处理，得到用于模型训练的最佳图片；
B3：提取数据集中图片的关键特征；
B4：通过卷积神经网络模型进行图像识别训练；
B5：通过YOLO算法模型进行图像定位训练。
5.根据权利要求2所述的长距离地下管线渗漏的快速诊断方法，其特征在于：所述应变加强模块包括：安装套，所述安装套安装在所述分布式光纤上，所述安装套内安装有吸水树脂，所述吸水树脂和所述分布式光纤之间安装有隔板；
所述温度加强模块包括：护套，所述护套安装在所述分布式光纤上，所述护套安装有温敏件，所述温敏件与所述分布式光纤接触，所述温敏件用于遇水后放热以使光纤温度上升；
所述振动加强模块包括：安装架，所述安装架安装在分布式光纤上；安装架内安装有水敏材料，所述安装架内滑动安装有击发杆，所述击发杆与所述水敏材料抵接，所述安装架靠近分布式光纤侧设有空腔，所述空腔内滑动连接有撞针，所述撞针与所述击发杆卡接，所述撞针上套设有弹簧。
6.根据权利要求5所述的长距离地下管线渗漏的快速诊断方法，其特征在于：
所述应变加强模块发出渗流信号包括以下步骤：一，发生渗流后，吸水树脂遇水膨胀；二，吸水树脂膨胀后推动隔板以挤压分布式光纤，以使光纤产生应变；三，通过解调仪分析产生应变的信号，若超出预设应变值，即判定为渗漏；
所述温度加强模块发出渗流信号包括以下步骤：一，发生渗流后，温敏件遇水放热以使光纤温度上升；二，通过解调仪分析光纤的温度信号，若超出预设应变值，即判定为渗漏；
所述振动加强模块发生渗流信号包括以下步骤：一，发生渗流后，水敏材料遇水膨胀推动击发杆移动，以使击发杆与撞针的卡接状态消失；二，通过弹簧的弹力带动撞针撞击分布式光纤造成以分布式光纤振动；三，解调仪收到振动信号，即判定为渗漏。
7.根据权利要求1所述的长距离地下管线渗漏的快速诊断方法，其特征在于：所述感应加强装置的安装间距为0.5m～1m。
8.根据权利要求1所述的长距离地下管线渗漏的快速诊断方法，其特征在于：所述管道机器人为流线型。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210826830.4A CN115199859B (zh) | 2022-07-14 | 2022-07-14 | 一种长距离地下管线渗漏的快速诊断方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210826830.4A CN115199859B (zh) | 2022-07-14 | 2022-07-14 | 一种长距离地下管线渗漏的快速诊断方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115199859A true CN115199859A (zh) | 2022-10-18 |
| CN115199859B CN115199859B (zh) | 2024-02-06 |
Family
ID=83579158
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210826830.4A Active CN115199859B (zh) | 2022-07-14 | 2022-07-14 | 一种长距离地下管线渗漏的快速诊断方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115199859B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116608358A (zh) * | 2023-07-20 | 2023-08-18 | 复星科技集团有限公司 | 一种复合材料管道成型的全历程智能检测方法及应用 |
Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1598494A (zh) * | 2004-07-20 | 2005-03-23 | 重庆大学 | 用于长途管线安全监测的光纤干涉型自动监测方法及系统 |
| US20060225507A1 (en) * | 2003-01-13 | 2006-10-12 | Paulson Peter O | Pipeline monitoring system |
| CN101226078A (zh) * | 2008-01-30 | 2008-07-23 | 广厦建设集团有限责任公司 | 一种基于分布式光纤传感器的长距离线性结构异常振动的检测方法 |
| US20090279583A1 (en) * | 2006-06-29 | 2009-11-12 | Schlumberger Technology Corporation | Fiber optic sensor for use on sub-sea pipelines |
| US20110007996A1 (en) * | 2009-07-07 | 2011-01-13 | At&T Intellectual Property I, L.P. | Optical Fiber Pipeline Monitoring System and Method Field |
| JP2011107050A (ja) * | 2009-11-19 | 2011-06-02 | Toshiba Corp | 配管漏洩監視装置および方法 |
| CN103590444A (zh) * | 2013-11-06 | 2014-02-19 | 中国水利水电科学研究院 | 大型埋地压力输水管道渗漏连续监测方法与爆管预警系统 |
| US20180180510A1 (en) * | 2015-06-19 | 2018-06-28 | Hohai University | Hydraulic structure seepage property distributed optical fiber sensing integrated system and method |
| CN109140250A (zh) * | 2018-11-01 | 2019-01-04 | 重庆大学 | 基于分布式光纤传感的气液运输管道泄漏点在线监测系统 |
| CN109186895A (zh) * | 2018-08-08 | 2019-01-11 | 太原理工大学 | 分布式无源输气管线泄漏多参量融合预警检测装置和方法 |
| CN110131486A (zh) * | 2019-04-17 | 2019-08-16 | 北京百世通管道科技有限公司 | 光纤复合管道及其监测系统和预警方法 |
| CN110849555A (zh) * | 2019-11-20 | 2020-02-28 | 辽宁省水利水电勘测设计研究院有限责任公司（原名称为辽宁省水利水电勘测设计研究院） | 心墙坝渗漏监测系统及方法 |
| CN111122068A (zh) * | 2019-12-05 | 2020-05-08 | 郑州大学 | 一种基于光纤水听器的输水管道渗漏位置定位方法 |
| CN111981242A (zh) * | 2020-08-14 | 2020-11-24 | 宜昌华腾管道工程有限公司 | 一种管道泄漏检测机器人 |
| US20210062954A1 (en) * | 2018-04-02 | 2021-03-04 | Shuyong Paul Du | Intelligent data acquisition system and method for pipelines |
| CN113029443A (zh) * | 2021-03-22 | 2021-06-25 | 中国科学院上海光学精密机械研究所 | 基于分布式光纤传感的超深地下墙渗漏风险检测方法 |
| CN113503927A (zh) * | 2021-08-20 | 2021-10-15 | 国投信开水环境投资有限公司 | 搭载飞行时间模块的排水管道检测机器人及其检测方法 |
| CN113945343A (zh) * | 2021-10-14 | 2022-01-18 | 王超越 | 利用dts和自加热铠装光纤监测地下管线渗漏的方法 |
| CN114005558A (zh) * | 2020-07-27 | 2022-02-01 | 上海交通大学 | 核电站主蒸汽管道的fbg实时泄漏监测方法及系统 |
| CN215908883U (zh) * | 2021-03-30 | 2022-02-25 | 上海传输线研究所（中国电子科技集团公司第二十三研究所） | 一种适用于长距离海管泄漏监测的传感器 |
-
2022
- 2022-07-14 CN CN202210826830.4A patent/CN115199859B/zh active Active
Patent Citations (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060225507A1 (en) * | 2003-01-13 | 2006-10-12 | Paulson Peter O | Pipeline monitoring system |
| CN1598494A (zh) * | 2004-07-20 | 2005-03-23 | 重庆大学 | 用于长途管线安全监测的光纤干涉型自动监测方法及系统 |
| US20090279583A1 (en) * | 2006-06-29 | 2009-11-12 | Schlumberger Technology Corporation | Fiber optic sensor for use on sub-sea pipelines |
| CN101226078A (zh) * | 2008-01-30 | 2008-07-23 | 广厦建设集团有限责任公司 | 一种基于分布式光纤传感器的长距离线性结构异常振动的检测方法 |
| US20110007996A1 (en) * | 2009-07-07 | 2011-01-13 | At&T Intellectual Property I, L.P. | Optical Fiber Pipeline Monitoring System and Method Field |
| JP2011107050A (ja) * | 2009-11-19 | 2011-06-02 | Toshiba Corp | 配管漏洩監視装置および方法 |
| CN103590444A (zh) * | 2013-11-06 | 2014-02-19 | 中国水利水电科学研究院 | 大型埋地压力输水管道渗漏连续监测方法与爆管预警系统 |
| US20180180510A1 (en) * | 2015-06-19 | 2018-06-28 | Hohai University | Hydraulic structure seepage property distributed optical fiber sensing integrated system and method |
| US20210062954A1 (en) * | 2018-04-02 | 2021-03-04 | Shuyong Paul Du | Intelligent data acquisition system and method for pipelines |
| CN109186895A (zh) * | 2018-08-08 | 2019-01-11 | 太原理工大学 | 分布式无源输气管线泄漏多参量融合预警检测装置和方法 |
| CN109140250A (zh) * | 2018-11-01 | 2019-01-04 | 重庆大学 | 基于分布式光纤传感的气液运输管道泄漏点在线监测系统 |
| CN110131486A (zh) * | 2019-04-17 | 2019-08-16 | 北京百世通管道科技有限公司 | 光纤复合管道及其监测系统和预警方法 |
| CN110849555A (zh) * | 2019-11-20 | 2020-02-28 | 辽宁省水利水电勘测设计研究院有限责任公司（原名称为辽宁省水利水电勘测设计研究院） | 心墙坝渗漏监测系统及方法 |
| CN111122068A (zh) * | 2019-12-05 | 2020-05-08 | 郑州大学 | 一种基于光纤水听器的输水管道渗漏位置定位方法 |
| CN114005558A (zh) * | 2020-07-27 | 2022-02-01 | 上海交通大学 | 核电站主蒸汽管道的fbg实时泄漏监测方法及系统 |
| CN111981242A (zh) * | 2020-08-14 | 2020-11-24 | 宜昌华腾管道工程有限公司 | 一种管道泄漏检测机器人 |
| CN113029443A (zh) * | 2021-03-22 | 2021-06-25 | 中国科学院上海光学精密机械研究所 | 基于分布式光纤传感的超深地下墙渗漏风险检测方法 |
| CN215908883U (zh) * | 2021-03-30 | 2022-02-25 | 上海传输线研究所（中国电子科技集团公司第二十三研究所） | 一种适用于长距离海管泄漏监测的传感器 |
| CN113503927A (zh) * | 2021-08-20 | 2021-10-15 | 国投信开水环境投资有限公司 | 搭载飞行时间模块的排水管道检测机器人及其检测方法 |
| CN113945343A (zh) * | 2021-10-14 | 2022-01-18 | 王超越 | 利用dts和自加热铠装光纤监测地下管线渗漏的方法 |
Non-Patent Citations (4)
| Title |
|---|
| DANIELE INAUDI;高亮;郝书亮: "分布式光纤传感器在长距离管线监测中的应用", 2015中国数字管道技术大会, pages 130 - 136 * |
| 吴海颖;朱鸿鹄;朱宝;齐贺;: "基于分布式光纤传感的地下管线监测研究综述", 浙江大学学报(工学版), no. 06, pages 44 - 57 * |
| 谭靖: "基于分布式光纤干涉原理的长途管道破坏预警技术研究", 《光学工程》 * |
| 郭新蕾;马慧敏;李甲振;郭永鑫;刘晓音;: "管道系统漏损控制技术进展", 水利水电技术, no. 06, pages 68 - 74 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116608358A (zh) * | 2023-07-20 | 2023-08-18 | 复星科技集团有限公司 | 一种复合材料管道成型的全历程智能检测方法及应用 |
| CN116608358B (zh) * | 2023-07-20 | 2023-10-10 | 复星科技集团有限公司 | 一种复合材料管道成型的全历程智能检测方法及应用 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115199859B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN101684894B (zh) | 一种管道泄漏监测方法及装置 | |
| CN201373243Y (zh) | 油气管道泄漏智能巡检机 | |
| CN115199859B (zh) | 一种长距离地下管线渗漏的快速诊断方法 | |
| CN1712919A (zh) | 管道渗漏定位分布式光纤温度传感监测装置及方法 | |
| CN102900955A (zh) | 一种基于光纤测温的管道泄漏在线监测装置及其方法 | |
| CN110118307B (zh) | 一种核电厂小型管道泄漏检测装置及其检测方法 | |
| CN104100842A (zh) | 一种基于分布式光纤传感器和声波的管道监测装置及系统 | |
| CN109882681A (zh) | 一种智能管道检测机器人、控制系统及控制方法 | |
| CN208886405U (zh) | 用于地下输气管道微小泄漏源检测定位的传感器阵列系统 | |
| US20160291186A1 (en) | Seismic cable, system and method for acquiring information about seismic, microseismic and mechanical vibration incidents in a well | |
| CN101871733A (zh) | 工业炉烟气余热回收动力系统安全性检测方法 | |
| KR101749519B1 (ko) | 누수 탐지 장치 | |
| CN110145653A (zh) | 一种管道智能检测机器人及检测方法 | |
| CN109696209A (zh) | 地下管道的识别与监测系统及使用方法 | |
| CN101469609B (zh) | 抽油井液位测量系统、测量方法及抽油井采油工艺综合控制系统 | |
| CN103836346A (zh) | 一种水下天然气管道接头泄漏监测系统 | |
| KR20200092503A (ko) | 입출력 음향 데이터 기반의 딥러닝을 활용한 하수관 상태 판별 방법 | |
| CN104100841A (zh) | 一种基于分布式光纤传感器和声波的管道监测方法 | |
| CN203940243U (zh) | 一种基于分布式光纤传感器和声波的管道监测装置及系统 | |
| KR101357810B1 (ko) | 관내 점검을 위한 캡슐형 점검시스템 | |
| KR102077658B1 (ko) | Tdr을 이용한 지하매설물 진단방법 및 이를 이용한 지하매설물 진단시스템 | |
| WO2023225316A1 (en) | Telecom cable tension screening technique based on wave propagation and distributed acoustic sensing | |
| CN203743866U (zh) | 水下天然气管道接头泄漏监测系统 | |
| CN107782284A (zh) | 一种大坝变形监测系统 | |
| CN112098514B (zh) | 基于点线体三层次定量判断预应力管道灌浆情况的方法 |
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 |