CN115839482A - 一种基于gis的燃气激光巡检系统及其领航方法 - Google Patents

一种基于gis的燃气激光巡检系统及其领航方法 Download PDF

Info

Publication number
CN115839482A
CN115839482A CN202211493917.0A CN202211493917A CN115839482A CN 115839482 A CN115839482 A CN 115839482A CN 202211493917 A CN202211493917 A CN 202211493917A CN 115839482 A CN115839482 A CN 115839482A
Authority
CN
China
Prior art keywords
state
inspection
detection point
detection
inspection vehicle
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.)
Pending
Application number
CN202211493917.0A
Other languages
English (en)
Inventor
闵行政
刘广帅
常磊
孙光旭
郑国锋
杨英好
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Zhengzhou Changwei Wulianwang Technology Co ltd
Original Assignee
Zhengzhou Changwei Wulianwang Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Zhengzhou Changwei Wulianwang Technology Co ltd filed Critical Zhengzhou Changwei Wulianwang Technology Co ltd
Priority to CN202211493917.0A priority Critical patent/CN115839482A/zh
Publication of CN115839482A publication Critical patent/CN115839482A/zh
Pending legal-status Critical Current

Links

Images

Landscapes

  • Pipeline Systems (AREA)

Abstract

本发明提供了一种基于GIS的燃气激光巡检系统及其领航方法，所述系统包括设置在巡检车上的位置检测单元和激光甲烷探测仪，所述激光甲烷探测仪用于获取燃气管网某一点处泄漏气体的浓度，还包括管网地图管理单元、巡检车状态检测单元、初始检测点配置单元、探测位置预测单元和探测指令生成单元；所述探测位置预测单元，用于在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk‑1，预测巡检车在下个巡检采样时刻的状态Xk；所述探测指令生成单元，用于基于预测出的状态Xk确定燃气管道的下个检测点信息，基于下个检测点信息生成探测指令；基于本发明，只需一个巡检车驾驶员就能完成城镇燃气管网的日常巡检工作。

Description

一种基于GIS的燃气激光巡检系统及其领航方法
技术领域
本发明涉及燃气激光巡检技术领域，具体的说，涉及了一种基于GIS的燃气激光巡检系统及其领航方法。
背景技术
随着国家“西气东输”等战略方案的实施，我国天然气管道传输行业规模不断扩大，输配气站不断增加，为避免发生严重的安全事故，天然气管道泄漏隐患排查工作至关重要。如何及时发现泄漏，并采取措施，将损失降低到最小，把事故防患于未然，是燃气输配管网管理上的首要问题。对管线分布范围广、路线长的燃气管网巡检，关键在于快速、高效地发现潜在的泄漏点，所以研制高性能、快速巡检设备对燃气输配安全有着重要意义。
目前，已经研发出车载激光甲烷遥测系统。但是，在巡检燃气管线时，需要一个巡检车驾驶员、一个非常熟悉管网位置信息的导航员、一个激光甲烷遥测仪操作员配合工作，才能完成巡检工作。激光甲烷遥测仪操作员需要根据巡检车与管线的位置，不断手动调整探测仪的激光头去探测管线，不能做到实时，位置准确性也不高。
现有车载激光甲烷遥测系统不但导致员工巡检维护设备的工作强度大，且降低了燃气激光巡检效率。
为了解决以上存在的问题，人们一直在寻求一种理想的技术解决方案。
发明内容
本发明的目的是针对现有技术的不足，从而提供一种应用于城镇燃气管网的巡检工作的基于GIS的燃气激光巡检系统及其领航方法，能够检测管网是否有气体泄漏，当气体泄漏时，能够准确地检测出来，并将其位置信息及时上报，以便管理部门及时处理。
为了实现上述目的，本发明所采用的技术方案是：
本发明第一方面提供一种基于GIS的燃气激光巡检系统，包括设置在巡检车上的位置检测单元和激光甲烷探测仪，所述位置检测单元用于实时检测巡检车所处的位置及速度信息，所述激光甲烷探测仪用于获取燃气管网某一点处泄漏气体的浓度，还包括管网地图管理单元、巡检车状态检测单元、初始检测点配置单元、探测位置预测单元和探测指令生成单元；
所述管网地图管理单元，用于存储及管理目标燃气管网的GIS地图；
所述巡检车状态检测单元，用于接收来自所述位置检测单元的位置及速度信息，以确定巡检车在某个巡检采样时刻的状态；
所述初始检测点配置单元，用于根据所述目标燃气管网的GIS地图及巡检车在初始巡检采样时刻的状态X1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1；
其中，所述状态X1＝[p1,v1]，p1表示巡检车在初始巡检采样时刻所处的位置，v1表示巡检车在初始巡检采样时刻的速度；所述状态Y1＝[q1,v1]，q1表示管道初始检测点对应的位置，v1表示管道初始检测点对应的速度，管道初始检测点的对应的速度等于巡检车在初始巡检采样时刻的速度；
所述探测位置预测单元，用于在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk；
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度，k≥2；
所述探测指令生成单元，用于基于预测出的状态Xk确定燃气管道的下个检测点信息，基于下个检测点信息生成探测指令，并将所述探测指令发送给所述激光甲烷探测仪；其中，所述探测指令用于控制所述激光甲烷探测仪向预测出的下个检测点发射激光信号，并采集该检测点的气体浓度信息。
本发明第二方面提供一种基于GIS的燃气激光巡检系统的领航方法，所述领航方法包括以下步骤：
获取目标燃气管网的GIS地图，确定管道初始检测点对应的位置q1；
确定巡检车在初始巡检采样时刻的状态X1，所述状态X1＝[p1,v1]，p1表示巡检车在初始巡检采样时刻所处的位置，v1表示巡检车在初始巡检采样时刻的速度；
根据所述目标燃气管网的GIS地图及巡检车在初始巡检采样时刻的状态X1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1；所述状态Y1＝[q1,v1]，q1表示管道初始检测点对应的位置，v1表示管道初始检测点对应的速度，管道初始检测点的对应的速度等于巡检车在初始巡检采样时刻的速度；
在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk；其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度，k≥2；
基于预测出的状态Xk确定燃气管道的下个检测点信息，基于下个检测点信息生成探测指令，并将所述探测指令发送给所述激光甲烷探测仪；其中，所述探测指令用于控制所述激光甲烷探测仪向预测出的下个检测点发射激光信号，并采集该检测点的气体浓度信息。
本发明第三方面提供一种可读存储介质，其上存储有指令，其特征在于：该指令被处理器执行时实现如上述的基于GIS的燃气激光巡检系统的领航方法的步骤。
本发明相对现有技术具有突出的实质性特点和显著的进步，具体的说：
1)本发明提供的基于GIS的燃气激光巡检系统及其领航方法，不但能够实现燃气泄漏的实时预测，有计划地智能维保，而且能够准确地捕捉到管线的位置信息，更能节省人力，不用导航员，也不再需要操作员去人工操作激光甲烷遥测仪，只需一个巡检车驾驶员就能完成城镇燃气管网的日常巡检工作，将更好地服务燃气安全工作，大大提升了燃气激光巡检效率及准确度；
2)本发明不再需要熟悉管网位置的导航员，也不再需要激光甲烷探测仪操作员，同时通过系统能够智能预测上报泄漏位置，大大节约了资金成本，便于实现燃气激光巡检服务管理的数字化、科学化、可视化、标准化，综合提高企业管理水平及工作效率；
3)对巡检人员而言，通过使用系统产品，巡检人员驾驶一辆巡检车即可轻松完成巡检任务；对燃气公司而言，本发明能够燃气公司运营人力成本，便于科学的管理巡检人员的工作内容，实现移动办公，节省时间成本。
附图说明
图1是本发明的基于GIS的燃气激光巡检系统的结构示意图；
图2是本发明的基于GIS的燃气激光巡检系统的时序图；
图3是本发明的基于GIS的燃气激光巡检系统的领航方法的流程示意图；
图4是本发明的探测位置预测示意图；
图5是本发明的预测出的巡检车位置与预测出的下个检测点之间的位置关系示意图。
具体实施方式
下面通过具体实施方式，对本发明的技术方案做进一步的详细描述。
GIS(Geographic Information System或Geo－Information system)，指的是地理信息系统。
实施例1
如附图1和附图2所示，一种基于GIS的燃气激光巡检系统，包括设置在巡检车上的位置检测单元和激光甲烷探测仪，所述位置检测单元用于实时检测巡检车所处的位置及速度信息，所述激光甲烷探测仪用于获取燃气管网某一点处泄漏气体的浓度，还包括设置在云服务器上的管网地图管理单元、巡检车状态检测单元、初始检测点配置单元、探测位置预测单元和探测指令生成单元；
所述管网地图管理单元，用于在初始化阶段，存储及管理目标燃气管网的GIS地图；
所述巡检车状态检测单元，用于接收来自所述位置检测单元的位置及速度信息，以确定巡检车在某个巡检采样时刻的状态；
所述初始检测点配置单元，用于根据所述目标燃气管网的GIS地图及巡检车在初始巡检采样时刻的状态X1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1；
其中，所述状态X1＝[p1,v1]，p1表示巡检车在初始巡检采样时刻所处的位置，v1表示巡检车在初始巡检采样时刻的速度；所述状态Y1＝[q1,v1]，q1表示管道初始检测点对应的位置，v1表示管道初始检测点对应的速度，管道初始检测点的对应的速度等于巡检车在初始巡检采样时刻的速度；
所述探测位置预测单元，用于通过巡检车在初始巡检采样时刻的状态X1，预测巡检车在下个巡检采样时刻的状态X2，并在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk；
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度，k≥2；
所述探测指令生成单元，用于基于预测出的状态Xk确定燃气管道的下个检测点信息，基于下个检测点信息生成探测指令，并将所述探测指令发送给所述激光甲烷探测仪；其中，所述探测指令用于控制所述激光甲烷探测仪向预测出的下个检测点发射激光信号，并采集该检测点的气体浓度信息。
其中，所述目标燃气管网的GIS地图，指的是与巡检任务对应的燃气管网位置信息的GIS地图；在下达巡检任务时，相应燃气管网的GIS地图会被导入本实施例的燃气激光巡检系统。
具体的，所述位置检测单元可以采用GPS模块或者北斗定位模块，用于获取巡检车的实时位置坐标(可以经纬度表示，也可以建立一个迪卡尔坐标系，用一个点来表示)和实时速率；所述激光甲烷探测仪为开路激光气体探测器，其激光探测头可以360度旋转，并可根据探测指令转动指定角度。
需要说明的是，当巡检车不断移动时，本实施例可以实时预测管线上需要探测的位置，激光甲烷探测仪就可以实时沿管线探测，从而完成管线到管网的自动巡检工作；不但能够实时、自动地探测预测出的指定位置处的泄漏气体，而且能够准确地捕捉到管线的位置信息，节省人力投入，不依赖导航员，也不再需要操作员去人工操作激光甲烷遥测仪，巡检效率高且准确度高。
可以理解，所述目标燃气管网的GIS地图上的检测点会追随巡检车以相同的速度运动，因此本实施例中，所述初始检测点配置单元，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1时，执行：
获取所述目标燃气管网的GIS地图中燃气管道起始点信息，作为管道初始检测点对应的位置q1；
从巡检车在初始巡检采样时刻的状态X1中，读取巡检车在初始巡检采样时刻的速度v1，作为管道初始检测点对应的速度v1；
根据管道初始检测点对应的位置q1和管道初始检测点对应的速度v1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1。
进一步的，所述探测位置预测单元，在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk时，执行：
将所述状态Xk-1输入探测位置预测模型，生成下个巡检采样时刻的状态Xk；所述探测位置预测模型表示为：
Xk＝FkXk-1+Bkuk+K′(Zk-Hk(FkXk-1+Bkuk))
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度；所述状态Xk-1＝[pk-1,vk-1]，pk-1表示巡检车在第k-1个巡检采样时刻所处的实际位置，vk-1表示巡检车在第k-1个巡检采样时刻的实际速度；
Figure BDA0003964750140000061
Δt表示相邻两个巡检采样时刻之间的时间差；/>
Figure BDA0003964750140000062
Figure BDA0003964750140000071
a表示巡检车的加速度；
Figure BDA0003964750140000072
Pk表示巡检车在第k个巡检采样时刻的状态Xk对应的协方差矩阵，Pk-1表示巡检车在第k-1个巡检采样时刻的状态Xk-1对应的协方差矩阵，/>
Figure BDA0003964750140000073
表示Fk的转置，Qk表示高斯噪声；
Zk表示所述位置检测单元中的GPS模块在第k个巡检采样时刻对应的GPS观测值；
Hk表示车轮运动传感器测量的运动状态与GPS测量的运动状态转换成同一坐标系下的变换关系矩阵，
Figure BDA0003964750140000074
表示Hk的转置，Rk表示所述位置检测单元检测到的巡检车位置参数之间的方差。
可以理解，GIS地图上管道初始检测点的状态Y1和巡检车在初始巡检采样时刻的状态X1，作为所述探测位置预测模型的输入参数；
如附图4所示，所述探测位置预测模型基于GIS地图上管道初始检测点的状态Y1和巡检车在初始巡检采样时刻的状态X1，预测出巡检车在初始巡检采样时刻的状态X2，基于预测出的状态X2和状态Y1预测出GIS地图上管道第二个检测点的状态Y2；
依次类推，基于GIS地图上管道初始检测点的状态Yk-1和巡检车在初始巡检采样时刻的状态X k-1，预测出巡检车在初始巡检采样时刻的状态Xk，基于预测出的状态Xk和状态Yk-1预测出GIS地图上管道第k个检测点的状态Yk。
具体的，所述探测指令生成单元，根据预测出的状态Xk确定燃气管道的下个检测点信息时，执行：
读取巡检车在第k-1个巡检采样时刻的状态Xk-1，提取出所述状态Xk-1中的速度vk-1；
读取所述目标燃气管网的第k-1个检测点对应的状态Yk-1,提取出所述状态Yk-1中的第k-1检测点的位置qk-1；
所述第k-1检测点对应的速度等于所述状态Xk-1中的速度vk-1；
根据第k-1检测点对应的位置qk-1、所述状态Xk-1中的速度vk-1以及相邻两个巡检采样时刻之间的时间差，预测出燃气管道的第k个检测点的状态Yk；
所述状态Yk＝[qk,vk]，qk表示燃气管道的第k个检测点对应的预测位置，v1表示燃气管道的第k个检测点对应的预测速度。
需要说明的是，在巡检第k个检测点时，需要预测出巡检车在第k个巡检采样时刻的状态Xk及GIS地图上管道第k个检测点的状态Yk；
为提高巡检精度，在获取到所述位置检测单元实时检测到的巡检车在第k巡检采样时刻所处的位置及速度信息后，基于该位置及速度信息对预测出巡检车在初始巡检采样时刻的状态Xk进行修正，从而提高GIS地图上管道各个检测点的预测精度。
进一步的，所述探测指令生成单元，基于下个检测点信息生成探测指令时，执行：
从预测出的状态Xk中读取巡检车在第k个巡检采样时刻所处的预测位置pk，从预测出燃气管道的下个检测点的状态Yk中读取第k个检测点对应的预测位置qk；
根据所述预测位置pk和所述预测位置qk，计算出巡检车与燃气管道检测点之间的相对位置Δp；
所述相对位置Δp＝[Δx,Δy]，pk＝[xpk,ypk]，q1＝[xqk,yqk]；其中，Δx＝xpk－xqk，Δy＝ypk－yqk；
根据所述相对位置Δp，计算出巡检车与燃气管道检测点之间的偏角θ和距离L；
基于所述偏角θ和距离L，生成探测指令；所述探测指令包括所述激光甲烷探测仪的旋转角度φ，所述旋转角度φ＝所述偏角θ。
如附图5所示，在预测出巡检车在第k个巡检采样时刻的状态Xk及GIS地图上管道第k个检测点的状态Yk后，根据巡检车在第k个巡检采样时刻所处的预测位置pk，以及燃气管道的下个检测点的预测位置qk，确定所述预测位置pk和所述预测位置qk之间的位置关系，进而计算出巡检车与燃气管道检测点之间的偏角θ和距离L；
所述预测位置pk、所述预测位置qk、偏角θ和距离L之间满足以下关系：
Figure BDA0003964750140000091
所述激光甲烷探测仪的激光探测头与水平方向之间的角度调整为θ，从而向预测出的燃气管道的下个检测点发送激光，检测该位置处的甲烷气体浓度。
实施例2
在实施例1的基础上，本实施例给出了一种基于GIS的燃气激光巡检系统的领航方法的具体实施方式，如附图3所示；
具体的，所述基于GIS的燃气激光巡检系统的领航方法包括以下步骤：
获取目标燃气管网的GIS地图，确定管道初始检测点对应的位置q1；
确定巡检车在初始巡检采样时刻的状态X1，所述状态X1＝[p1,v1]，p1表示巡检车在初始巡检采样时刻所处的位置，v1表示巡检车在初始巡检采样时刻的速度；
根据所述目标燃气管网的GIS地图及巡检车在初始巡检采样时刻的状态X1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1；
其中，所述状态Y1＝[q1,v1]，q1表示管道初始检测点对应的位置，v1表示管道初始检测点对应的速度，管道初始检测点的对应的速度等于巡检车在初始巡检采样时刻的速度；
通过巡检车在初始巡检采样时刻的状态X1，预测巡检车在下个巡检采样时刻的状态X2，并在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk；
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度；
基于预测出的状态Xk确定燃气管道的下个检测点信息，基于下个检测点信息生成探测指令，并将所述探测指令发送给所述激光甲烷探测仪；
其中，所述探测指令用于控制所述激光甲烷探测仪向预测出的下个检测点发射激光信号，并采集该检测点的气体浓度信息。
进一步的，在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk时，执行：
将所述状态Xk-1输入探测位置预测模型，生成下个巡检采样时刻的状态Xk；所述探测位置预测模型表示为：
Xk＝FkXk-1+Bkuk+K′(Zk-Hk(FkXk-1+Bkuk))
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度；
所述状态Xk-1＝[pk-1,vk-1]，pk-1表示巡检车在第k-1个巡检采样时刻所处的实际位置，vk-1表示巡检车在第k-1个巡检采样时刻的实际速度；
Figure BDA0003964750140000101
Δt表示相邻两个巡检采样时刻之间的时间差；/>
Figure BDA0003964750140000102
a表示巡检车的加速度；
Figure BDA0003964750140000103
Pk表示巡检车在第k个巡检采样时刻的状态Xk对应的协方差矩阵，Pk-1表示巡检车在第k-1个巡检采样时刻的状态Xk-1对应的协方差矩阵，
Figure BDA0003964750140000104
表示Fk的转置，Qk表示高斯噪声；
Zk表示所述位置检测单元中的GPS模块在第k个巡检采样时刻对应的GPS观测值；
Hk表示车轮运动传感器测量的运动状态与GPS测量的运动状态转换成同一坐标系下的变换关系矩阵，
Figure BDA0003964750140000105
表示Hk的转置，Rk表示所述位置检测单元检测到的巡检车位置参数之间的方差。
具体的，所述位置检测单元可以采用GPS和车轮转动传感器。
需要说明的是，在根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk时需要Kalman滤波；kalman滤波算法推导如下：
(1)高斯分布
通过巡检车上的车轮转动传感器，获取巡检车在某一时刻k的状态Xk＝[pk,vk]，pk表示巡检车在某个巡检采样时刻所处的预测位置，vk表示巡检车在某个巡检采样时刻的预测速度，且符合二维高斯分布；
(2)协方差公式
pk、vk的协方差公式为：
Figure BDA0003964750140000111
其中，pi表示巡检车在某一时刻所处的位置，
Figure BDA0003964750140000112
表示巡检车位置的平均数；vi表示巡检车在某一时刻的速度，/>
Figure BDA0003964750140000113
表示巡检车速度的平均数；n表示样本总数；
(3)系统状态分布建模
系统状态的分布模型为高斯模型，在第k个巡检采样时刻，需要两个信息：巡检车状态的最佳预估值
Figure BDA0003964750140000114
和协方差矩阵Pk，其表示为：
Figure BDA0003964750140000115
其中，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度；
(4)匀速运动状态建模
当巡检车做匀速直线运动时，其由一个状态运动到下一个状态时，可表示为：
Figure BDA0003964750140000116
/>
采用矩阵的表示方法，在第k个巡检采样时刻，巡检车状态的最佳预估值
Figure BDA0003964750140000121
可表示为：
Figure BDA0003964750140000122
其中，
Figure BDA0003964750140000123
Figure BDA0003964750140000124
表示巡检车在第k-1个巡检采样时刻的状态Xk-1，pk-1表示巡检车在第k-1个巡检采样时刻所处的实际位置，vk-1表示巡检车在第k-1个巡检采样时刻的实际速度；
(5)联合概率密度表示
巡检车的车轮转动前后的联合概率密度之间的关系表示为：
Figure BDA0003964750140000125
其中，
Figure BDA0003964750140000126
表示在第k个巡检采样时刻，巡检车状态的最佳预估值；/>
Figure BDA0003964750140000127
表示巡检车在第k-1个巡检采样时刻的状态，/>
Figure BDA0003964750140000128
Figure BDA0003964750140000129
表示矩阵Fk的转置矩阵；Pk表示巡检车在第k个巡检采样时刻的状态Xk对应的协方差矩阵，Pk-1表示巡检车在第k-1个巡检采样时刻的状态Xk-1对应的协方差矩阵；
(6)加速运动状态建模
当巡检车以加速度a运动时，运动方程表示为：
Figure BDA00039647501400001210
转换成矩阵表示为：
Figure BDA00039647501400001211
其中，
Figure BDA00039647501400001212
a表示巡检车的加速度，Δt表示相邻两个巡检采样时刻之间的时间差，/>
Figure BDA00039647501400001213
表示巡检车在第k-1个巡检采样时刻的状态；
(7)加上高斯噪声的加速运动联合概率密度表示
为了模拟更加真实的测量环境，需要加上高斯噪声Qk，则加速运动的联合概率密度之间的关系表示为：
Figure BDA0003964750140000131
其中，
Figure BDA0003964750140000132
表示在第k个巡检采样时刻，巡检车状态的最佳预估值；
Figure BDA0003964750140000133
Figure BDA0003964750140000134
表示矩阵Fk的转置矩阵；/>
Figure BDA0003964750140000135
表示巡检车在第k-1个巡检采样时刻的状态，/>
Figure BDA0003964750140000136
Pk-1表示巡检车在第k-1个巡检采样时刻的状态Xk-1对应的协方差矩阵。
基于上式，即可根据车轮的运动情况计算巡检车在第k个巡检采样时刻的状态；
(8)GPS预测值
由于车轮运动传感器和GPS都在巡检车上，两者虽然相互独立测量巡检车的运动状态，但是可以由车轮的运动状态预测GPS的运动状态。预测GPS运动状态为μ0，协方差矩阵为C0，转换成同一坐标系下的变换关系为Hk，满足以下公式：
Figure BDA0003964750140000137
其中，(μ0,C0)表示GPS预测值，μ0表示第k个巡检采样时刻对应的预测GPS运动状态，C0表示第k个巡检采样时刻的预测GPS运动状态对应的协方差矩阵；
Hk表示车轮运动传感器测量的运动状态与GPS测量的运动状态转换成同一坐标系下的变换关系矩阵，
Figure BDA0003964750140000138
表示Hk的转置；
Figure BDA0003964750140000139
表示在第k个巡检采样时刻，巡检车状态的最佳预估值，Pk表示巡检车状态的最佳预估值对应的协方差矩阵；
(9)GPS观测值
GPS的真实状态可以通过其读数获取，则其读数是一个均值为Zk，方差为Rk的二维高斯分布；表示为(μ1,C1)＝(Zk,Rk)；
其中，(μ1,C1)表示GPS观测值，μ1＝Zk表示第k个巡检采样时刻对应的GPS观测值，Rk表示所述位置检测单元检测到的巡检车位置参数之间的方差(第k个巡检采样时刻的GPS观测值对应的协方差矩阵)；
(10)一维高斯分布
一维高斯分布的概率密度函数的公式为：
Figure BDA0003964750140000141
其中，μ表示均值，σ表示标准差，σ2表示方差；
(11)融合高斯分布
将两个具有不同均值和方差的高斯分布相乘，得到一个新的具有独立均值和方差的高斯分布，即为融合高斯分布。GPS的预测值和观测值相乘的联合概率密度分布，计算N(x,μ0,σ0)N(x,μ1,σ1)＝N(x,μ′,σ′)，将(10)中的公式代入，可以得到：
Figure BDA0003964750140000142
Figure BDA0003964750140000143
令
Figure BDA0003964750140000144
则
μ'＝μ0+k((μ1-μ0)
Figure BDA0003964750140000145
其中，μ′表示每个维度的融合高斯分布对应的均值，σ′2表示每个维度的融合高斯分布对应的方差；
μ0表示预测GPS运动状态中每个维度的均值，
Figure BDA0003964750140000146
表示预测GPS运动状态每个维度的方差，μ1表示GPS观测值中每个维度的均值，/>
Figure BDA0003964750140000147
表示GPS观测值中每个维度的方差；
(12)多维融合
将一维融合高斯分布的均值、方差求解迁移到多维，假设C表示协方差矩阵，
Figure BDA0003964750140000151
表示平均向量，则
K＝C0(C0+C1)-1
μ′＝μ0+K(μ1-μ0)
C′＝C0+KC0
其中，矩阵K表示Kalman滤波器的增益，C0表示GPS预测值对应的协方差矩阵，C1表示GPS观测值对应的协方差矩阵，
μ′表示每个维度的融合高斯分布对应的均值，μ0表示预测GPS运动状态中每个维度的均值；
(13)系统状态估计
将GPS的预测值与测量值进行融合，将(12)的多维融合迁移过来。
由(8)知，GPS预测值表示为
Figure BDA0003964750140000152
由(9)知，GPS观测值表示为(μ1，C1)＝(Zk，Rk)；
由多维融合迁移，得到：
Figure BDA0003964750140000153
Figure BDA0003964750140000154
Figure BDA0003964750140000155
(14)将(13)公式中Hk约去，化简得：
Figure BDA0003964750140000156
Figure BDA0003964750140000157
/>
P′k＝Pk-K′HkPk
其中，K表示Kalman滤波器的增益，
Figure BDA0003964750140000158
表示加入GPS数据融合后，得到的(巡检车在第k个巡检采样时刻)最终状态的预测值。
可以理解，基于(14)和(7)中的公式：
Figure BDA0003964750140000159
Figure BDA0003964750140000161
可得：
Figure BDA0003964750140000162
将
Figure BDA0003964750140000163
换成Xk-1，/>
Figure BDA0003964750140000164
换成时刻k的状态Xk，得探测位置预测模型，表示为：Xk＝FkXk-1+Bkuk+K'(Zk-Hk(Fkxk-1+Bkuk))；
需要说明的是，所述探测位置预测模型中Fk、Bkuk、K′、Zk、Hk是已知的，输入当前状态Xk-1，输出预测状态Xk，即为第k个巡检采样时刻的预测状态；
当k＝1时，即为巡检车的初始状态X1＝[p1,v1]，管道上初始点为Y1＝[q1,v1]；
当输入初始状态后，根据所述探测位置预测模型迭代，即可预测巡检车的下一状态。
由于巡检车的速度和管道上某一点的速度始终保持一致，管道上相应点的位置也可求得，确定巡检车与燃气管道的位置关系，进而确定巡检车行驶时激光探测器探测管道的位置。
进一步的，根据预测出的状态Xk确定燃气管道的下个检测点信息时，执行：
读取巡检车在第k-1个巡检采样时刻的状态Xk-1，提取出所述状态Xk-1中的速度vk-1；
读取所述目标燃气管网的第k-1个检测点对应的状态Yk-1,提取出所述状态Yk-1中的第k-1检测点的位置qk-1；
所述第k-1检测点对应的速度等于所述状态Xk-1中的速度vk-1；
根据第k-1检测点对应的位置qk-1、所述状态Xk-1中的速度vk-1以及相邻两个巡检采样时刻之间的时间差，预测出燃气管道的第k个检测点的状态Yk；
所述状态Yk＝[qk,vk]，qk表示燃气管道的第k个检测点对应的预测位置，v1表示燃气管道的第k个检测点对应的预测速度。
进一步的，基于下个检测点信息生成探测指令时，执行：
从预测出的状态Xk中，读取巡检车在第k个巡检采样时刻所处的预测位置pk；从预测出燃气管道的下个检测点的状态Yk中，读取第k个检测点对应的预测位置qk；
根据所述预测位置pk和所述预测位置qk，计算出巡检车与燃气管道检测点之间的相对位置Δp；
所述相对位置Δp＝[Δx,Δy]，pk＝[xpk,ypk]，q1＝[xqk,yqk]；其中，Δx＝xpk－xqk，Δy＝ypk－yqk；
根据所述相对位置Δp，计算出巡检车与燃气管道检测点之间的偏角θ和距离L；
基于所述偏角θ和距离L，生成探测指令；所述探测指令包括所述激光甲烷探测仪的旋转角度φ，所述旋转角度φ＝所述偏角θ。
可以理解，一个巡检采样时刻对应一个检测点。
实施例3
在上述实施例的基础上，本实施例给出了一种可读存储介质的具体实施方式，其上存储有指令，该指令被处理器执行时实现如实施例2中的基于GIS的燃气激光巡检系统的领航方法的步骤。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
上述算法步骤如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，上述的计算机程序可存储于计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，上述计算机程序包括计算机程序代码，上述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。
最后应当说明的是：以上实施例仅用以说明本发明的技术方案而非对其限制；尽管参照较佳实施例对本发明进行了详细的说明，所属领域的普通技术人员应当理解：依然可以对本发明的具体实施方式进行修改或者对部分技术特征进行等同替换；而不脱离本发明技术方案的精神，其均应涵盖在本发明请求保护的技术方案范围当中。

Claims (10)

1.一种基于GIS的燃气激光巡检系统，包括设置在巡检车上的位置检测单元和激光甲烷探测仪，所述位置检测单元用于实时检测巡检车所处的位置及速度信息，所述激光甲烷探测仪用于获取燃气管网某一点处泄漏气体的浓度，其特征在于：还包括管网地图管理单元、巡检车状态检测单元、初始检测点配置单元、探测位置预测单元和探测指令生成单元；
所述管网地图管理单元，用于存储及管理目标燃气管网的GIS地图；
所述巡检车状态检测单元，用于接收来自所述位置检测单元的位置及速度信息，以确定巡检车在某个巡检采样时刻的状态；
所述初始检测点配置单元，用于根据所述目标燃气管网的GIS地图及巡检车在初始巡检采样时刻的状态X1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1；
其中，所述状态X1＝[p1,v1]，p1表示巡检车在初始巡检采样时刻所处的位置，v1表示巡检车在初始巡检采样时刻的速度；所述状态Y1＝[q1,v1]，q1表示管道初始检测点对应的位置，v1表示管道初始检测点对应的速度，管道初始检测点的对应的速度等于巡检车在初始巡检采样时刻的速度；
所述探测位置预测单元，用于在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk；
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度，k≥2；
所述探测指令生成单元，用于基于预测出的状态Xk确定燃气管道的下个检测点信息，基于下个检测点信息生成探测指令，并将所述探测指令发送给所述激光甲烷探测仪；其中，所述探测指令用于控制所述激光甲烷探测仪向预测出的下个检测点发射激光信号，并采集该检测点的气体浓度信息。
2.根据权利要求1所述的基于GIS的燃气激光巡检系统，其特征在于：所述初始检测点配置单元，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1时，执行：
获取所述目标燃气管网的GIS地图中燃气管道起始点信息，作为管道初始检测点对应的位置q1；
从巡检车在初始巡检采样时刻的状态X1中，读取巡检车在初始巡检采样时刻的速度v1，作为管道初始检测点对应的速度v1；
根据管道初始检测点对应的位置q1和管道初始检测点对应的速度v1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1。
3.根据权利要求1所述的基于GIS的燃气激光巡检系统，其特征在于：所述探测位置预测单元，在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk时，执行：
将所述状态Xk-1输入探测位置预测模型，生成下个巡检采样时刻的状态Xk；所述探测位置预测模型表示为：
Xk＝FkXk-1+Bkuk+K′(Zk-Hk(FkXk-1+Bkuk))
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度；所述状态Xk-1＝[pk-1,vk-1]，pk-1表示巡检车在第k-1个巡检采样时刻所处的实际位置，vk-1表示巡检车在第k-1个巡检采样时刻的实际速度；
Figure FDA0003964750130000021
Δt表示相邻两个巡检采样时刻之间的时间差；
Figure FDA0003964750130000022
Figure FDA0003964750130000023
a表示巡检车的加速度；
Figure FDA0003964750130000024
Pk表示巡检车在第k个巡检采样时刻的状态Xk对应的协方差矩阵，Pk-1表示巡检车在第k-1个巡检采样时刻的状态Xk-1对应的协方差矩阵，
Figure FDA0003964750130000025
表示Fk的转置，Qk表示高斯噪声；
Zk表示所述位置检测单元中的GPS模块在第k个巡检采样时刻对应的GPS观测值；
Hk表示车轮运动传感器测量的运动状态与GPS测量的运动状态转换成同一坐标系下的变换关系矩阵，
Figure FDA0003964750130000031
表示Hk的转置，Rk表示所述位置检测单元检测到的巡检车位置参数之间的方差。
4.根据权利要求1所述的基于GIS的燃气激光巡检系统，其特征在于：所述探测指令生成单元，根据预测出的状态Xk确定燃气管道的下个检测点信息时，执行：
读取巡检车在第k-1个巡检采样时刻的状态Xk-1，提取出所述状态Xk-1中的速度vk-1；
读取所述目标燃气管网的第k-1个检测点对应的状态Yk-1,提取出所述状态Yk-1中的第k-1检测点的位置qk-1；
所述第k-1检测点对应的速度等于所述状态Xk-1中的速度vk-1；
根据第k-1检测点对应的位置qk-1、所述状态Xk-1中的速度vk-1以及相邻两个巡检采样时刻之间的时间差，预测出燃气管道的第k个检测点的状态Yk；
所述状态Yk＝[qk,vk]，qk表示燃气管道的第k个检测点对应的预测位置，v1表示燃气管道的第k个检测点对应的预测速度。
5.根据权利要求4所述的基于GIS的燃气激光巡检系统，其特征在于：所述探测指令生成单元，基于下个检测点信息生成探测指令时，执行：
从预测出的状态Xk中读取巡检车在第k个巡检采样时刻所处的预测位置pk，从预测出燃气管道的下个检测点的状态Yk中读取第k个检测点对应的预测位置qk；
根据所述预测位置pk和所述预测位置qk，计算出巡检车与燃气管道检测点之间的相对位置Δp；
所述相对位置Δp＝[Δx,Δy]，pk＝[xpk,ypk]，q1＝[xqk,yqk]；其中，Δx＝xpk－xqk，Δy＝ypk－yqk；
根据所述相对位置Δp，计算出巡检车与燃气管道检测点之间的偏角θ和距离L；
基于所述偏角θ和距离L，生成探测指令；所述探测指令包括所述激光甲烷探测仪的旋转角度φ，所述旋转角度φ＝所述偏角θ。
6.一种基于GIS的燃气激光巡检系统的领航方法，其特征在于，包括以下步骤：
获取目标燃气管网的GIS地图，确定管道初始检测点对应的位置q1；
确定巡检车在初始巡检采样时刻的状态X1，所述状态X1＝[p1,v1]，p1表示巡检车在初始巡检采样时刻所处的位置，v1表示巡检车在初始巡检采样时刻的速度；
根据所述目标燃气管网的GIS地图及巡检车在初始巡检采样时刻的状态X1，配置所述目标燃气管网的GIS地图上管道初始检测点的状态Y1；所述状态Y1＝[q1,v1]，q1表示管道初始检测点对应的位置，v1表示管道初始检测点对应的速度，管道初始检测点的对应的速度等于巡检车在初始巡检采样时刻的速度；
在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk；其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度，k≥2；
基于预测出的状态Xk确定燃气管道的下个检测点信息，基于下个检测点信息生成探测指令，并将所述探测指令发送给所述激光甲烷探测仪；其中，所述探测指令用于控制所述激光甲烷探测仪向预测出的下个检测点发射激光信号，并采集该检测点的气体浓度信息。
7.根据权利要求6所述的基于GIS的燃气激光巡检系统的领航方法，其特征在于，在巡检车移动过程中，根据巡检车在某个巡检采样时刻的状态Xk-1，预测巡检车在下个巡检采样时刻的状态Xk时，执行：
将所述状态Xk-1输入探测位置预测模型，生成下个巡检采样时刻的状态Xk；所述探测位置预测模型表示为：
Xk＝FkXk-1+Bkuk+K′(Zk-Hk(FkXk-1+Bkuk))
其中，所述状态Xk＝[pk,vk]，pk表示巡检车在第k个巡检采样时刻所处的预测位置，vk表示巡检车在第k个巡检采样时刻的预测速度；所述状态Xk-1＝[pk-1,vk-1]，pk-1表示巡检车在第k-1个巡检采样时刻所处的实际位置，vk-1表示巡检车在第k-1个巡检采样时刻的实际速度；
Figure FDA0003964750130000051
Δt表示相邻两个巡检采样时刻之间的时间差；
Figure FDA0003964750130000052
Figure FDA0003964750130000053
a表示巡检车的加速度；
Figure FDA0003964750130000054
Pk表示巡检车在第k个巡检采样时刻的状态Xk对应的协方差矩阵，Pk-1表示巡检车在第k-1个巡检采样时刻的状态Xk-1对应的协方差矩阵，
Figure FDA0003964750130000055
表示Fk的转置，Qk表示高斯噪声；
Hk表示车轮运动传感器测量的运动状态与GPS测量的运动状态转换成同一坐标系下的变换关系矩阵，
Figure FDA0003964750130000056
表示Hk的转置，Rk表示所述位置检测单元检测到的巡检车位置参数之间的方差。
8.根据权利要求6所述的基于GIS的燃气激光巡检系统的领航方法，其特征在于，根据预测出的状态Xk确定燃气管道的下个检测点信息时，执行：
读取巡检车在第k-1个巡检采样时刻的状态Xk-1，提取出所述状态Xk-1中的速度vk-1；
读取所述目标燃气管网的第k-1个检测点对应的状态Yk-1,提取出所述状态Yk-1中的第k-1检测点的位置qk-1；
所述第k-1检测点对应的速度等于所述状态Xk-1中的速度vk-1；
根据第k-1检测点对应的位置qk-1、所述状态Xk-1中的速度vk-1以及相邻两个巡检采样时刻之间的时间差，预测出燃气管道的第k个检测点的状态Yk；
所述状态Yk＝[qk,vk]，qk表示燃气管道的第k个检测点对应的预测位置，v1表示燃气管道的第k个检测点对应的预测速度。
9.根据权利要求8所述的基于GIS的燃气激光巡检系统的领航方法，其特征在于，基于下个检测点信息生成探测指令时，执行：
从预测出的状态Xk中读取巡检车在第k个巡检采样时刻所处的预测位置pk，从预测出燃气管道的下个检测点的状态Yk中读取第k个检测点对应的预测位置qk；
根据所述预测位置pk和所述预测位置qk，计算出巡检车与燃气管道检测点之间的相对位置Δp；
所述相对位置Δp＝[Δx,Δy]，pk＝[xpk,ypk]，q1＝[xqk,yqk]；其中，Δx＝xpk－xqk，Δy＝ypk－yqk；
根据所述相对位置Δp，计算出巡检车与燃气管道检测点之间的偏角θ和距离L；
基于所述偏角θ和距离L，生成探测指令；所述探测指令包括所述激光甲烷探测仪的旋转角度φ，所述旋转角度φ＝所述偏角θ。
10.一种可读存储介质，其上存储有指令，其特征在于：该指令被处理器执行时实现如权利要求6至9任一项所述的基于GIS的燃气激光巡检系统的领航方法的步骤。
CN202211493917.0A 2022-11-25 2022-11-25 一种基于gis的燃气激光巡检系统及其领航方法 Pending CN115839482A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202211493917.0A CN115839482A (zh) 2022-11-25 2022-11-25 一种基于gis的燃气激光巡检系统及其领航方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202211493917.0A CN115839482A (zh) 2022-11-25 2022-11-25 一种基于gis的燃气激光巡检系统及其领航方法

Publications (1)

Publication Number Publication Date
CN115839482A true CN115839482A (zh) 2023-03-24

Family

ID=85576088

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202211493917.0A Pending CN115839482A (zh) 2022-11-25 2022-11-25 一种基于gis的燃气激光巡检系统及其领航方法

Country Status (1)

Country Link
CN (1) CN115839482A (zh)

Similar Documents

Publication Publication Date Title
US10690525B2 (en) Systems and methods associated with unmanned aerial vehicle targeting accuracy
CN104021676B (zh) 基于车辆动态视频特征的车辆定位及车速测量方法
CN103162689B (zh) 辅助车载定位系统及车辆的辅助定位方法
CN105203551A (zh) 车载激光雷达隧道检测系统、基于隧道检测系统的自主定位方法及隧道灾害检测方法
Gikas et al. A novel geodetic engineering method for accurate and automated road/railway centerline geometry extraction based on the bearing diagram and fractal behavior
CN110532636A (zh) 一种面向多场景的智能驾驶自主车道保持性能检测方法
CN105091911A (zh) 一种pos系统动态定位精度检测系统及方法
CN108008099A (zh) 一种污染源定位方法
CN113032380B (zh) 管道内外检测数据对齐方法、系统及设备
Ndoye et al. A recursive multiscale correlation-averaging algorithm for an automated distributed road-condition-monitoring system
CN114719884A (zh) 一种惯导系统姿态测量精度评估方法及应用
CN115185292A (zh) 基于地空一体化的空气污染智能监测方法及平台
CN113129471A (zh) 一种远距离监测介质泄漏的自动巡检装置及其巡检方法
CN112365542A (zh) 位姿标定方法及位姿标定设备、自动控制系统
CN111735458A (zh) 一种基于gps、5g以及视觉的石化巡检机器人导航定位方法
Wang et al. Adaptive stochastic resonance method based on quantum genetic algorithm and its application in dynamic characteristic identification of bridge GNSS monitoring data
CN111623796B (zh) 一种基于信息融合的钢轨里程估计方法
CN114463932A (zh) 非接触式施工安全距离主动动态识别预警系统及方法
CN115839482A (zh) 一种基于gis的燃气激光巡检系统及其领航方法
CN110647877B (zh) 一种基于神经网络的立体交通设施定位纠偏方法及装置
CN109766794B (zh) 一种自动化实时道路检测方法及其系统
CN107588760B (zh) 适用于固定翼无人机跟踪道路的定高高精度航迹生成方法
CN115114771B (zh) 高速综合检测车的平行仿真方法及装置
CN116593966B (zh) 用于长距离输水隧洞内的实时精确声波定位方法
US11300543B2 (en) Anomaly and fault detection of industrial assets using magnetic mapping

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