CN116227351A - 基于主+副双运输管道的新型高位进气管设计方法、装置 - Google Patents

基于主+副双运输管道的新型高位进气管设计方法、装置 Download PDF

Info

Publication number
CN116227351A
CN116227351A CN202310207976.5A CN202310207976A CN116227351A CN 116227351 A CN116227351 A CN 116227351A CN 202310207976 A CN202310207976 A CN 202310207976A CN 116227351 A CN116227351 A CN 116227351A
Authority
CN
China
Prior art keywords
pipeline
curve
transportation
numerical
preset
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
CN202310207976.5A
Other languages
English (en)
Inventor
杨杰
张少震
陈云飞
王健哲
杨志华
王冬平
杨旭峰
潘红艳
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.)
Shaanxi Haiying Auto Parts Co ltd
Original Assignee
Shaanxi Haiying Auto Parts 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 Shaanxi Haiying Auto Parts Co ltd filed Critical Shaanxi Haiying Auto Parts Co ltd
Priority to CN202310207976.5A priority Critical patent/CN116227351A/zh
Publication of CN116227351A publication Critical patent/CN116227351A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/10—Numerical modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/08—Fluids
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2113/00—Details relating to the application field
    • G06F2113/14—Pipes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明涉及人工智能技术，揭露了一种基于主+副双运输管道的新型高位进气管设计方法，包括：获取目标气体的存储压强，以及获取主管道的单位时间运输量并计算实时压强变化量；获取每个管道的管道数据，逐个选取其中一条副管道为目标管道，利用拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，目标气体的运输能力数值曲线；将所有运输能力数值曲线映射至同一坐标系内，并进行数值微修正；计算运输能力均值最大的运输能力数值曲线，开启对应的副管道与所述主管道一同对所述目标气体进行运输。本发明还提出一种基于主+副双运输管道的新型高位进气管设计装置。本发明可以提高管道进气的效率。

Description

基于主+副双运输管道的新型高位进气管设计方法、装置
技术领域
本发明涉及人工智能技术领域，尤其涉及一种基于主+副双运输管道的新型高位进气管设计方法、装置。
背景技术
随着社会进入快速建设的现代化生活，人们越来越期盼高效率、无延时的进行生活。为了提升气体在管道内的运输速率，保证节约用气人的等待时长，需要一种主+副管道的双管道进气的设计方案，提升气体在管道内的运输速率，减少管道进气的时间。
现有的管道运输气体通常仅使用单管道进行运输进气，实际生活中，当面对需求量大的气体例如汽车在服务站进行添加天然气时，单管道进行进气往往需要一段时间，面对加气高峰期时，需要等待较长的时间，因此单管道的进气方案速率低下，时间较长。
发明内容
本发明提供一种基于主+副双运输管道的新型高位进气管设计方法、装置，其主要目的在于解决管道进气时速率较低的问题。
为实现上述目的，本发明提供的一种基于主+副双运输管道的新型高位进气管设计方法，包括：
利用预设传感器实时获取目标气体的存储压强，以及获取预设的主管道对所述目标气体进行运输时的单位时间运输量；
根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量；
获取预设副管道集内每个管道的管道数据，逐个选取所述副管道集内其中一条副管道为目标管道，并利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线；
将所有副管道对应的运输能力数值曲线映射至同一坐标系内，并通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合；
根据所述标准曲线集合计算得到运输能力均值最大的运输能力数值曲线，并开启所述运输能力最大的数值曲线对应的副管道与所述主管道一同对所述目标气体进行运输。
可选地，所述利用预设的压强变化公式计算所述目标气体的实时压强变化量，包括：
Figure BDA0004111568310000021
其中，ΔP为所述实时压强变化量，P0为所述标准压强，Sp为所述单位时间运输量，v为主管道的管道容积，t1为某个时刻的运输时间，t2为不同于t1时刻的运输时间。
可选地，所述利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线，包括：
将所述管道数据以及存储压强及所述实时压强变化量进行数据处理，利用处理后的数据通过所述拟合神经网络模型确定所述运输能力数值曲线对应的曲线标签；
计算所述曲线标签与预设的数值曲线标签之间的匹配度，将最大匹配度对应的数值曲线曲线标签确定为目标标签；
利用所述目标标签根据预设的MATLAB工具箱中的绘图函数绘制出对应的运输能力数值曲线。
可选地，所述将所述管道数据以及存储压强及所述实时压强变化量进行数据处理，利用处理后的数据通过所述拟合神经网络模型确定所述运输能力数值曲线对应的曲线标签，包括：
将所述管道数据以及存储压强及所述实时压强变化量进行编码，得到数据编码、压强编码以及变化量编码；
将所述数据编码、压强编码以及变化量编码进行融合，得到融合编码；
将所述融合编码进行卷积、池化处理，得到所述融合编码的低维特征编码；
利用预设的映射函数将所述低维特征语义映射至预先构建的高维空间，得到高维特征编码；
利用预设的激活函数对所述高维特征编码进行筛选，得到曲线标签。
可选地，所述计算所述曲线标签与预设的数值曲线标签之间的匹配度，将最大匹配度对应的数值曲线曲线标签确定为目标标签，包括：
利用如下匹配度计算公式计算所述曲线标签与预设的数值曲线标签之间的匹配度：
Figure BDA0004111568310000031
其中，P为所述匹配度，α为所述曲线标签，β为所述数值曲线标签。
可选地，所述将所有副管道对应的运输能力数值曲线映射至同一坐标系内，包括：
通过预设的归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系；
通过预设的映射函数将所述运输能力数值曲线映射至标准坐标系内。
可选地，所述通过预设的归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系，包括：
利用如下归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系：
Figure BDA0004111568310000032
Figure BDA0004111568310000033
/>
其中，
Figure BDA0004111568310000034
表示归一化后的新的坐标系的横纵坐标，/>
Figure BDA0004111568310000035
表示归一化后的旧的坐标系的横纵坐标，N表示计算的横纵坐标的总量，i表示坐标的序列号，/>
Figure BDA0004111568310000036
表示新坐标系中第i个横纵坐标，/>
Figure BDA0004111568310000037
表示旧坐标系中第i个横纵坐标，/>
Figure BDA0004111568310000038
表示新坐标系中横纵坐标的最小值，/>
Figure BDA0004111568310000039
表示旧坐标系中中旧横纵坐标的最小值，横纵坐标为横坐标或纵坐标。
可选地，所述通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合，包括：
利用预设的误差公式计算所述运输能力数值曲线上每个数值对应的标准误差值；
根据所述标准误差值对所述所述运输能力数值曲线上每个数值进行数值调整，得到标准曲线数值；
将所述标准曲线数值绘制成标准曲线，并将所有标准曲线汇集成曲线合集。
为了解决上述问题，本发明还提供一种基于主+副双运输管道的新型高位进气管设计装置，所述装置包括：
预处理模块：利用预设传感器实时获取目标气体的存储压强，以及获取预设的主管道对所述目标气体进行运输时的单位时间运输量；
计算压强变化模块：根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量；
绘制曲线模块：获取预设副管道集内每个管道的管道数据，逐个选取所述副管道集内其中一条副管道为目标管道，并利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线；
调整曲线模块：将所有副管道对应的运输能力数值曲线映射至同一坐标系内，并通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合；
最终运输模块：根据所述标准曲线集合计算得到运输能力均值最大的运输能力数值曲线，并开启所述运输能力最大的数值曲线对应的副管道与所述主管道一同对所述目标气体进行运输。
本发明实施例通过根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量，能够快速、有效、准确地计算出大量管道内部的实时压强变化量，降低成本，操作简洁；获取预设副管道集内每个管道的管道数据，逐个选取所述副管道集内其中一条副管道为目标管道，并利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线，通过绘制运输能力数值曲线能够直观反映出不同管道的运输能力，并通过图标的形式展现出来，走势一目了然，清晰简洁，便于后续对不同管道的运输能力有个清晰可靠的比较；计算得到运输能力均值最大的运输能力数值曲线，并开启所述运输能力最大的数值曲线对应的副管道与所述主管道一同对所述目标气体进行运输，保证最大效率的进行气体运输。因此本发明提出的基于主+副双运输管道的新型高位进气管设计方法、装置，可以解决管道进气效率较低的问题。
附图说明
图1为本发明一实施例提供的基于主+副双运输管道的新型高位进气管设计方法的流程示意图；
图2为本发明一实施例提供的绘制运输能力数值曲线的流程示意图；
图3为本发明一实施例提供的汇集标准曲线集合的流程示意图；
图4为本发明一实施例提供的基于主+副双运输管道的新型高位进气管设计装置的功能模块图；
本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
本申请实施例提供一种基于主+副双运输管道的新型高位进气管设计方法。所述基于主+副双运输管道的新型高位进气管设计方法的执行主体包括但不限于服务端、终端等能够被配置为执行本申请实施例提供的该方法的电子设备中的至少一种。换言之，所述基于主+副双运输管道的新型高位进气管设计方法可以由安装在终端设备或服务端设备的软件或硬件来执行，所述软件可以是区块链平台。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。所述服务器可以是独立的服务器，也可以是提供云服务、云数据库、云计算、云函数、云存储、网络服务、云通信、中间件服务、域名服务、安全服务、内容分发网络(Content Delivery Network，CDN)、以及大数据和人工智能平台等基础云计算服务的云服务器。
参照图1所示，为本发明一实施例提供的基于主+副双运输管道的新型高位进气管设计方法的流程示意图。在本实施例中，所述基于主+副双运输管道的新型高位进气管设计方法包括：
S1、利用预设传感器实时获取目标气体的存储压强，以及获取预设的主管道对所述目标气体进行运输时的单位时间运输量；
本发明实施例中，所述传感器是一种检测装置，能感受到被检测量的信息，并能将感受到的信息，按一定规律换成电信号或者其他形式的信息输出，以满足信息的传输、处理、记录和控制等要求。本发明中传感器可以检测目标气体的存储压强，通过数字信号返回到电脑端。
本发明实施例中，所述利用预设传感器实时获取目标气体的存储压强，包括：
将所述传感器置入所述目标气体的存储容器中；
将所述传感器的另一端接入电脑设备；
利用电脑设备实时获取所述存储容器中的压强值，称为存储压强。
详细地，气体的压强通常不是一成不变的，跟气体的存储容器的体积有很大关系，容器体积大，压强小，容器体积小，压强大。因此需要实时获取所述目标气体的存储压强，便于实时监控所述目标气体的存储状态，方便后续进行计算。
另外地，所述获取预设的主管道对所述目标气体进行运输时的单位时间运输量可以通过气体运输实验来获得，在主管道内传输气体并记录单位时间内传输的气体体积，就能得到所述目标气体的单位时间运输量。
S2、根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量；
由于随着目标气体的不断运输，主管道的容积是不变的，根据体积与压强的关系可知此时主管道内的实时压强是不断变化的，为了进一步研究管道内压强的变化关系，需要实时获取所述目标气体的实时压强变化量，便于对管道进行进气研究。
本发明实施例中，所述根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量，包括：
获取预设的未运输目标气体前主管道内的标准压强以及主管道的管道容积；
利用预设的压强变化公式计算所述目标气体的实时压强变化量。
详细地，所述利用预设的压强变化公式计算所述目标气体的实时压强变化量，包括：
Figure BDA0004111568310000071
其中，ΔP为所述实时压强变化量，P0为所述标准压强，Sp为所述单位时间运输量，v为主管道的管道容积，t1为某个时刻的运输时间，t2为不同于t1时刻的运输时间。
详细地，通过所述压强变化公式能够将主管道内的实时压强变化信息用数字的形式呈现出来，保证了主管道内的压强值能够时刻保持在安全的范围内，更容易让人们直观的感受出压强的具体变化值。
另外地，利用压强变化公式来计算实时压强变化量更准确精细，可以利用编程语言将所述压强变化公式写入程序，快速、有效、准确地计算出大量管道内部的实时压强变化量，降低成本，操作简洁。
S3、获取预设副管道集内每个管道的管道数据，逐个选取所述副管道集内其中一条副管道为目标管道，并利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线；
本发明实施例中，所述管道数据为管道的基本物理信息，例如管道长度、材质、管道口的周长、管道内部容积等等，所述管道数据的不同不仅影响管道内气体的压强，还影响管道内气体的运输速率等。
另外地，获取所述管道数据能够根据所述管道数据的不同帮助精准的计算出不同管道的运输能力，保证最高效率的利用管道进行气体的运输，从而节约时间成本。
本发明实施例中，参照图2所示，所述利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线，包括：
S21、将所述管道数据以及存储压强及所述实时压强变化量进行数据处理，利用处理后的数据通过所述拟合神经网络模型确定所述运输能力数值曲线对应的曲线标签；
S22、计算所述曲线标签与预设的数值曲线标签之间的匹配度，将最大匹配度对应的数值曲线曲线标签确定为目标标签；
S23、利用所述目标标签根据预设的MATLAB工具箱中的绘图函数绘制出对应的运输能力数值曲线。
详细地，所述将所述管道数据以及存储压强及所述实时压强变化量进行数据处理，利用处理后的数据通过所述拟合神经网络模型确定所述运输能力数值曲线对应的曲线标签，包括：
将所述管道数据以及存储压强及所述实时压强变化量进行编码，得到数据编码、压强编码以及变化量编码；
将所述数据编码、压强编码以及变化量编码进行融合，得到融合编码；
将所述融合编码进行卷积、池化处理，得到所述融合编码的低维特征编码；
利用预设的映射函数将所述低维特征语义映射至预先构建的高维空间，得到高维特征编码；
利用预设的激活函数对所述高维特征编码进行筛选，得到曲线标签。
详细地，所述利用预设的映射函数将所述低维特征语义映射至预先构建的高维空间，所述映射函数包括MATLAB库中的Gaussian Radial Basis Function函数、高斯函数等。
例如，所述低维特征语义为二维平面中的点，而所述曲线标签为三维平面中的点，则可利用映射函数对该二维平面中的点的二维坐标进行计算，以将二维坐标转换为三维坐标，并利用计算得到的三维坐标将点映射至预先构建的三维空间，将所述低维特征编码映射成符合曲线标签的维度。
本发明实施例中，可利用预设的激活函数计算模型输出层的输出值，并将大于预设阈值的输出值确定为所述曲线标签，所述激活函数包括但不限于sigmoid激活函数、tanh激活函数、relu激活函数。
具体地，所述计算所述曲线标签与预设的数值曲线标签之间的匹配度，将最大匹配度对应的数值曲线曲线标签确定为目标标签，包括：
利用如下匹配度计算公式计算所述曲线标签与预设的数值曲线标签之间的匹配度：
Figure BDA0004111568310000081
其中，P为所述匹配度，α为所述曲线标签，β为所述数值曲线标签。
详细地，通过所述匹配度计算公式计算所述曲线标签与预设的数值曲线标签之间的匹配度能够在所有数值曲线标签中选取一个最接近曲线标签的标签作为所述曲线标签的目标标签，根据所述目标标签能够快速确定所述目标标签所对应的曲线图，所述曲线图能够最大程度的模拟出所述目标管道的运输能力数值曲线。
详细地，通过绘制运输能力数值曲线能够直观反映出不同管道的运输能力，并通过图标的形式展现出来，走势一目了然，清晰简洁，便于后续对不同管道的运输能力有个清晰可靠的比较。
S4、将所有副管道对应的运输能力数值曲线映射至同一坐标系内，并通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合；
本发明实施例中，所述将所有副管道对应的运输能力数值曲线映射至同一坐标系内能够通过一个坐标系所有运输能力曲线展现出来，对比更加明显，是不同管道的运输能力的最直观的显示。
详细地，由于所述运输能力数值曲线是通过所述拟合神经网络模型模拟出来的，与实际管道的实时运输能力数值曲线可能产生一定的误差，因此需要通过所述调优算法将所述运输能力数值曲线进行修正，使结果更加精准，使方案的可执行性更强。
本发明实施例中，所述将所有副管道对应的运输能力数值曲线映射至同一坐标系内，包括：
通过预设的归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系；
通过预设的映射函数将所述运输能力数值曲线映射至标准坐标系内。
详细地，所述通过预设的归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系，包括：
利用如下归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系：
Figure BDA0004111568310000091
Figure BDA0004111568310000101
其中，
Figure BDA0004111568310000102
表示归一化后的新的坐标系的横纵坐标，/>
Figure BDA0004111568310000103
表示归一化后的旧的坐标系的横纵坐标，N表示计算的横纵坐标的总量，i表示坐标的序列号，/>
Figure BDA0004111568310000104
表示新坐标系中第i个横纵坐标，/>
Figure BDA0004111568310000105
表示旧坐标系中第i个横纵坐标，/>
Figure BDA0004111568310000106
表示新坐标系中横纵坐标的最小值，/>
Figure BDA0004111568310000107
表示旧坐标系中中旧横纵坐标的最小值，横纵坐标为横坐标或纵坐标。
详细地，由于不同运输能力数值曲线在坐标系中的单位尺度可能不同，因此将所有运输能力数值曲线整合到一个坐标系中需要将所有运输能力数值曲线的横纵坐标进行统一，才能便于后续的整合操作。
本发明实施例中，参照图3所示，所述通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合，包括：
S31、利用预设的误差公式计算所述运输能力数值曲线上每个数值对应的标准误差值；
S32、根据所述标准误差值对所述所述运输能力数值曲线上每个数值进行数值调整，得到标准曲线数值；
S33、将所述标准曲线数值绘制成标准曲线，并将所有标准曲线汇集成曲线合集。
详细地，所述利用预设的误差公式计算所述运输能力数值曲线上每个数值对应的标准误差值，包括：
利用如下误差公式计算所述运输能力数值曲线上每个数值对应的标准误差值：
Figure BDA0004111568310000108
/>
其中，loss表示标准误差值，b表示运输能力数值曲线上的数值数量，y(xi)表示运输能力数值曲线上的预设数值，
Figure BDA0004111568310000109
表示所述运输能力数值曲线上的真实数值，xi表示运输能力数值曲线上第i数值的横坐标。
详细地，所述利用误差公式计算所述运输能力数值曲线上每个数值对应的标准误差值结果更加精准，能够将曲线拟合的更加贴合实际，且计算简单快速，便于操作。
具体地，通过利用调优算法对每条所述运输能力数值曲线进行数值微修正，保证了所述运输能力数值曲线的准确性与精细度，能够大幅度地提升管道的运输效率，将不同管道的运输情况展示出来，降低管道的运输成本。
S5、根据所述标准曲线集合计算得到运输能力均值最大的运输能力数值曲线，并开启所述运输能力最大的数值曲线对应的副管道与所述主管道一同对所述目标气体进行运输。
由于所有运输能力数值曲线已经汇集成了标准曲线集合，但是依然无法直接判定选出运输最快的管道，因为不同管道的尺寸不尽相同，因此随着时间的推移运输能力也会随着产生波动。因此需要找出运输能力均值最大的运输能力数值曲线，才能确定出最佳管道。
本发明实施例中，所述根据所述标准曲线集合计算得到运输能力均值最大的运输能力数值曲线，包括：
在所述运输曲线上每隔预设段取一点作为待测点，获取所有待测点的纵坐标数值；
将所述纵坐标数值进行累加求和并取均值，得到运输均值；
将所有运输均值中的最大值确定为最大运输均值，将所述最大运输均值对应的运输能力数值曲线确定为运输能力均值最大的运输能力数值曲线。
另外地，通过所述标准曲线集合中选定出运输能力均值最大的运输能力数值曲线，为了保证气体的快速运输，需要将所述运输能力均值最大的运输能力数值曲线对应的副管道与所述主管道一同开通，保证最大效率的进行气体运输。
详细地，实际过程中，随着时间的推移或者运输气体的不同，与主管道一同运输气体的副管道也是会变化的，因此需要实时进行管道的修改，始终保证最大效率的进行气体运输。
如图4所示，是本发明一实施例提供的基于主+副双运输管道的新型高位进气管设计装置的功能模块图。
本发明所述基于主+副双运输管道的新型高位进气管设计装置100可以安装于电子设备中。根据实现的功能，所述基于主+副双运输管道的新型高位进气管设计装置100可以包括预处理模块101、计算压强变化模块102、绘制曲线模块103、调整曲线模块104及最终运输模块105。本发明所述模块也可以称之为单元，是指一种能够被电子设备处理器所执行，并且能够完成固定功能的一系列计算机程序段，其存储在电子设备的存储器中。
在本实施例中，关于各模块/单元的功能如下：
所述预处理模块101：利用预设传感器实时获取目标气体的存储压强，以及获取预设的主管道对所述目标气体进行运输时的单位时间运输量；
所述计算压强变化模块102：根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量；
所述绘制曲线模块103：获取预设副管道集内每个管道的管道数据，逐个选取所述副管道集内其中一条副管道为目标管道，并利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线；
所述调整曲线模块104：将所有副管道对应的运输能力数值曲线映射至同一坐标系内，并通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合；
所述最终运输模块105：根据所述标准曲线集合计算得到运输能力均值最大的运输能力数值曲线，并开启所述运输能力最大的数值曲线对应的副管道与所述主管道一同对所述目标气体进行运输。
详细地，本发明实施例中所述基于主+副双运输管道的新型高位进气管设计装置100中所述的各模块在使用时采用与上述图1至图3中所述的基于主+副双运输管道的新型高位进气管设计方法一样的技术手段，并能够产生相同的技术效果，这里不再赘述。
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。
因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化涵括在本发明内。不应将权利要求中的任何附关联图标记视为限制所涉及的权利要求。
本发明所指区块链是分布式数据存储、点对点传输、共识机制、加密算法等计算机技术的新型应用模式。区块链(Blockchain)，本质上是一个去中心化的数据库，是一串使用密码学方法相关联产生的数据块，每一个数据块中包含了一批次网络交易的信息，用于验证其信息的有效性(防伪)和生成下一个区块。区块链可以包括区块链底层平台、平台产品服务层以及应用服务层等。
本申请实施例可以基于人工智能技术对相关的数据进行获取和处理。其中，人工智能(Artificial Intelligence，AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。
此外，显然“包括”一词不排除其他单元或步骤，单数不排除复数。系统实施例中陈述的多个单元或装置也可以由一个单元或装置通过软件或者硬件来实现。第一、第二等词语用来表示名称，而并不表示任何特定的顺序。
最后应说明的是，以上实施例仅用以说明本发明的技术方案而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方案进行修改或等同替换，而不脱离本发明技术方案的精神和范围。

Claims (10)

1.一种基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述方法包括：
利用预设传感器实时获取目标气体的存储压强，以及获取预设的主管道对所述目标气体进行运输时的单位时间运输量；
根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量；
获取预设副管道集内每个管道的管道数据，逐个选取所述副管道集内其中一条副管道为目标管道，并利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线；
将所有副管道对应的运输能力数值曲线映射至同一坐标系内，并通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合；
根据所述标准曲线集合计算得到运输能力均值最大的运输能力数值曲线，并开启所述运输能力最大的数值曲线对应的副管道与所述主管道一同对所述目标气体进行运输。
2.如权利要求1所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量，包括：
获取预设的未运输目标气体前主管道内的标准压强以及主管道的管道容积；
利用预设的压强变化公式计算所述目标气体的实时压强变化量。
3.如权利要求2所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述利用预设的压强变化公式计算所述目标气体的实时压强变化量，包括：
Figure FDA0004111568300000011
其中，ΔP为所述实时压强变化量，P0为所述标准压强，Sp为所述单位时间运输量，v为主管道的管道容积，t1为某个时刻的运输时间，t2为不同于t1时刻的运输时间。
4.如权利要求1所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线，包括：
将所述管道数据以及存储压强及所述实时压强变化量进行数据处理，利用处理后的数据通过所述拟合神经网络模型确定所述运输能力数值曲线对应的曲线标签；
计算所述曲线标签与预设的数值曲线标签之间的匹配度，将最大匹配度对应的数值曲线曲线标签确定为目标标签；
利用所述目标标签根据预设的MATLAB工具箱中的绘图函数绘制出对应的运输能力数值曲线。
5.如权利要求4所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述将所述管道数据以及存储压强及所述实时压强变化量进行数据处理，利用处理后的数据通过所述拟合神经网络模型确定所述运输能力数值曲线对应的曲线标签，包括：
将所述管道数据以及存储压强及所述实时压强变化量进行编码，得到数据编码、压强编码以及变化量编码；
将所述数据编码、压强编码以及变化量编码进行融合，得到融合编码；
将所述融合编码进行卷积、池化处理，得到所述融合编码的低维特征编码；
利用预设的映射函数将所述低维特征语义映射至预先构建的高维空间，得到高维特征编码；
利用预设的激活函数对所述高维特征编码进行筛选，得到曲线标签。
6.如权利要求4所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述计算所述曲线标签与预设的数值曲线标签之间的匹配度，将最大匹配度对应的数值曲线曲线标签确定为目标标签，包括：
利用如下匹配度计算公式计算所述曲线标签与预设的数值曲线标签之间的匹配度：
Figure FDA0004111568300000021
其中，O为所述匹配度，α为所述曲线标签，β为所述数值曲线标签。
7.如权利要求1所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述将所有副管道对应的运输能力数值曲线映射至同一坐标系内，包括：
通过预设的归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系；
通过预设的映射函数将所述运输能力数值曲线映射至标准坐标系内。
8.如权利要求7中所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述通过预设的归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系，包括：
利用如下归一化函数将所有运输能力数值曲线对应的横纵坐标映射到同一坐标系内，得到标准坐标系：
Figure FDA0004111568300000031
Figure FDA0004111568300000032
其中，
Figure FDA0004111568300000033
表示归一化后的新的坐标系的横纵坐标，/>
Figure FDA0004111568300000034
表示归一化后的旧的坐标系的横纵坐标，N表示计算的横纵坐标的总量，i表示坐标的序列号，/>
Figure FDA0004111568300000035
表示新坐标系中第i个横纵坐标，/>
Figure FDA0004111568300000036
表示旧坐标系中第i个横纵坐标，/>
Figure FDA0004111568300000037
表示新坐标系中横纵坐标的最小值，/>
Figure FDA0004111568300000038
表示旧坐标系中中旧横纵坐标的最小值，横纵坐标为横坐标或纵坐标。
9.如权利要求1-8中任意一项所述的基于主+副双运输管道的新型高位进气管设计方法，其特征在于，所述通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合，包括：
利用预设的误差公式计算所述运输能力数值曲线上每个数值对应的标准误差值；
根据所述标准误差值对所述所述运输能力数值曲线上每个数值进行数值调整，得到标准曲线数值；
将所述标准曲线数值绘制成标准曲线，并将所有标准曲线汇集成曲线合集。
10.一种基于主+副双运输管道的新型高位进气管设计装置，其特征在于，所述装置包括：
预处理模块：利用预设传感器实时获取目标气体的存储压强，以及获取预设的主管道对所述目标气体进行运输时的单位时间运输量；
计算压强变化模块：根据所述单位时间运输量及所述主管道对所述目标气体的运输时间计算所述目标气体的实时压强变化量；
绘制曲线模块：获取预设副管道集内每个管道的管道数据，逐个选取所述副管道集内其中一条副管道为目标管道，并利用预设的拟合神经网络模型根据所述目标管道的管道数据、所述存储压强及所述实时压强变化量计算所述目标管道开启时，所述主管道和所述目标管道对所述目标气体的运输能力数值曲线；
调整曲线模块：将所有副管道对应的运输能力数值曲线映射至同一坐标系内，并通过预设的调优算法对每条所述运输能力数值曲线进行数值微修正，得到标准曲线集合；
最终运输模块：根据所述标准曲线集合计算得到运输能力均值最大的运输能力数值曲线，并开启所述运输能力最大的数值曲线对应的副管道与所述主管道一同对所述目标气体进行运输。
CN202310207976.5A 2023-03-06 2023-03-06 基于主+副双运输管道的新型高位进气管设计方法、装置 Pending CN116227351A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310207976.5A CN116227351A (zh) 2023-03-06 2023-03-06 基于主+副双运输管道的新型高位进气管设计方法、装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310207976.5A CN116227351A (zh) 2023-03-06 2023-03-06 基于主+副双运输管道的新型高位进气管设计方法、装置

Publications (1)

Publication Number Publication Date
CN116227351A true CN116227351A (zh) 2023-06-06

Family

ID=86576593

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310207976.5A Pending CN116227351A (zh) 2023-03-06 2023-03-06 基于主+副双运输管道的新型高位进气管设计方法、装置

Country Status (1)

Country Link
CN (1) CN116227351A (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301921A1 (en) * 2010-06-02 2011-12-08 Livermore Software Technology Corporation Curve Matching for Parameter Identification
CN102314533A (zh) * 2010-06-02 2012-01-11 利弗莫尔软件技术公司 将计算出的曲线拟合到目标曲线的方法和系统
CN111008491A (zh) * 2019-11-15 2020-04-14 华南理工大学 一种真空系统在真空泵作用下压力性能的优化方法
CN113032935A (zh) * 2021-03-12 2021-06-25 西南石油大学 一种大型并联天然气管网优化运行模型及求解方法
CN113779901A (zh) * 2021-09-01 2021-12-10 北京中地金石科技有限公司 一种多井统一计量下的单井动态储量计算方法
CN115406497A (zh) * 2022-08-29 2022-11-29 上海优咨环境科技有限公司 一种气体流量指示方法及系统

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20110301921A1 (en) * 2010-06-02 2011-12-08 Livermore Software Technology Corporation Curve Matching for Parameter Identification
CN102314533A (zh) * 2010-06-02 2012-01-11 利弗莫尔软件技术公司 将计算出的曲线拟合到目标曲线的方法和系统
CN111008491A (zh) * 2019-11-15 2020-04-14 华南理工大学 一种真空系统在真空泵作用下压力性能的优化方法
CN113032935A (zh) * 2021-03-12 2021-06-25 西南石油大学 一种大型并联天然气管网优化运行模型及求解方法
CN113779901A (zh) * 2021-09-01 2021-12-10 北京中地金石科技有限公司 一种多井统一计量下的单井动态储量计算方法
CN115406497A (zh) * 2022-08-29 2022-11-29 上海优咨环境科技有限公司 一种气体流量指示方法及系统

Similar Documents

Publication Publication Date Title
CN108334574A (zh) 一种基于协同矩阵分解的跨模态检索方法
CN110674970A (zh) 企业法务风险预警方法、装置、设备及可读存储介质
CN115809833B (zh) 基于画像技术的基建项目智能监督方法、装置
CN114647741A (zh) 工艺自动决策和推理方法、装置、计算机设备及存储介质
CN116468392A (zh) 一种电网工程项目进度监控方法、装置、设备及存储介质
CN115681821B (zh) 用于智慧燃气设备管理的加臭自动控制方法和物联网系统
CN114492555A (zh) 一种输送管道运行异常原因识别方法及装置
CN111914480A (zh) 一种基于点云语义分割的加工特征智能识别方法
CN117155771B (zh) 一种基于工业物联网的设备集群故障溯源方法及装置
CN112419312B (zh) 相似房源信息检测方法、装置、电子设备和可读介质
CN109614074A (zh) 基于概率转移矩阵模型的近似加法器可靠度计算方法
CN117113086A (zh) 一种储能机组负荷预测方法、系统、电子设备及介质
CN116227351A (zh) 基于主+副双运输管道的新型高位进气管设计方法、装置
CN115935723B (zh) 用于实现氮化镓制备场景下的设备组合分析方法及系统
CN112269875A (zh) 文本分类方法、装置、电子设备及存储介质
CN117331017A (zh) 一种三相四线电能表错接线研判方法及系统
CN114281950B (zh) 基于多图加权融合的数据检索方法与系统
CN114241411B (zh) 基于目标检测的计数模型处理方法、装置及计算机设备
CN106816871B (zh) 一种电力系统状态相似性分析方法
CN114818685A (zh) 关键词提取方法、装置、电子设备及存储介质
CN114580534A (zh) 一种工业数据异常检测方法、装置、电子设备和存储介质
CN114139530A (zh) 同义词提取方法、装置、电子设备及存储介质
CN113792539B (zh) 基于人工智能的实体关系分类方法、装置、电子设备及介质
CN110580494A (zh) 一种基于分位数逻辑回归的数据分析方法
CN113704411B (zh) 基于词向量的相似客群挖掘方法、装置、设备及存储介质

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