CN116383769A - 一种基于传感器的燃气数据检测方法及系统 - Google Patents
一种基于传感器的燃气数据检测方法及系统 Download PDFInfo
- Publication number
- CN116383769A CN116383769A CN202310569419.8A CN202310569419A CN116383769A CN 116383769 A CN116383769 A CN 116383769A CN 202310569419 A CN202310569419 A CN 202310569419A CN 116383769 A CN116383769 A CN 116383769A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- data
- gas
- sensor
- nodes
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 114
- 230000004927 fusion Effects 0.000 claims abstract description 71
- 238000000034 method Methods 0.000 claims abstract description 24
- 230000007613 environmental effect Effects 0.000 claims description 45
- 238000012216 screening Methods 0.000 claims description 15
- 230000002159 abnormal effect Effects 0.000 claims description 13
- 238000007499 fusion processing Methods 0.000 claims description 10
- 238000005457 optimization Methods 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 6
- 238000004891 communication Methods 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 14
- 238000012545 processing Methods 0.000 abstract description 3
- 239000007789 gas Substances 0.000 description 140
- 238000013528 artificial neural network Methods 0.000 description 6
- 238000012423 maintenance Methods 0.000 description 6
- 238000012098 association analyses Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000010219 correlation analysis Methods 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
-
- 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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Air-Conditioning For Vehicles (AREA)
- Pipeline Systems (AREA)
Abstract
本发明公开了一种基于传感器的燃气数据检测方法及系统,涉及数据处理领域,其中,所述方法包括:基于管道布设线路和管道布设顺序对目标区域的管道进行级别划分,得到多级燃气管线;配置多个传感器;输出多个集成传感模块;根据多个集成传感模块进行节点检测,输出每个集成传感模块的N个数据融合结果;将N个数据融合结果输入管道状态检测模型,输出多级管道的N个节点状态指标,并根据其进行管道切换决策分析,输出第一决策结果。解决了现有技术中针对燃气管道的状态检测精准度不高,进而造成燃气管道的状态检测质量不高的技术问题。达到了提高燃气管道的状态检测精准度,提升燃气管道的状态检测质量等技术效果。
Description
技术领域
本发明涉及数据处理领域,具体地,涉及一种基于传感器的燃气数据检测方法及系统。
背景技术
随着人们生活水平的提高,燃气已广泛应用于许多家庭。然而,由于燃气泄露或燃气使用不当造成的安全事故频发,给人们的生命财产安全带来了极大的隐患。燃气管道的状态检测受到人们的广泛关注。现有技术中,存在针对燃气管道的状态检测精准度不高,进而造成燃气管道的状态检测质量不高的技术问题。
发明内容
本申请提供了一种基于传感器的燃气数据检测方法及系统。解决了现有技术中针对燃气管道的状态检测精准度不高,进而造成燃气管道的状态检测质量不高的技术问题。达到了提高燃气管道的状态检测精准度,提升燃气管道的状态检测质量,为燃气管道的维修保护奠定基础,对燃气管道的安全运行提供有力保障的技术效果。
鉴于上述问题,本申请提供了一种基于传感器的燃气数据检测方法及系统。
第一方面,本申请提供了一种基于传感器的燃气数据检测方法,其中,所述方法应用于一种基于传感器的燃气数据检测系统,所述系统与多个传感器通信连接,所述方法包括:获取目标区域的燃气管道布线信息,包括管道布设线路、管道布设顺序以及管道应用属性;基于所述管道布设线路和所述管道布设顺序对所述目标区域的管道进行级别划分,得到多级燃气管线;根据所述管道应用属性,配置多个传感器,其中,每一管道至少包括一个传感器;由所述多个传感器进行传感器集成,输出多个集成传感模块;根据所述多个集成传感模块进行节点检测,输出每个集成传感模块基于N个节点对应的N个数据融合结果;将所述N个数据融合结果输入管道状态检测模型进行管道状态检测,输出多级管道的N个节点状态指标;根据所述多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果,其中,所述第一决策结果为管道切换线路。
第二方面,本申请还提供了一种基于传感器的燃气数据检测系统,所述系统与多个传感器通信连接,其中,所述系统包括:管道布线信息获取模块,所述管道布线信息获取模块用于获取目标区域的燃气管道布线信息,包括管道布设线路、管道布设顺序以及管道应用属性;管道级别划分模块,所述管道级别划分模块用于基于所述管道布设线路和所述管道布设顺序对所述目标区域的管道进行级别划分,得到多级燃气管线;传感器配置模块,所述传感器配置模块用于根据所述管道应用属性,配置多个传感器,其中,每一管道至少包括一个传感器;传感器集成模块,所述传感器集成模块用于由所述多个传感器进行传感器集成,输出多个集成传感模块;节点检测模块,所述节点检测模块用于根据所述多个集成传感模块进行节点检测,输出每个集成传感模块基于N个节点对应的N个数据融合结果;管道状态检测模块,所述管道状态检测模块用于将所述N个数据融合结果输入管道状态检测模型进行管道状态检测,输出多级管道的N个节点状态指标;管道切换决策分析模块,所述管道切换决策分析模块用于根据所述多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果,其中,所述第一决策结果为管道切换线路。
第三方面,本申请还提供了一种电子设备,包括:存储器,用于存储可执行指令;处理器,用于执行所述存储器中存储的可执行指令时,实现本申请提供的一种基于传感器的燃气数据检测方法。
第四方面,本申请还提供了一种计算机可读存储介质,存储有计算机程序,该程序被处理器执行时,实现本申请提供的一种基于传感器的燃气数据检测方法。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过管道布设线路和管道布设顺序对目标区域的管道进行级别划分,得到多级燃气管线;通过管道应用属性对目标区域的管道配置多个传感器,并将多个传感器进行传感器集成,输出多个集成传感模块;通过对多个集成传感模块进行节点检测,输出每个集成传感模块的N个节点对应的N个数据融合结果;将N个数据融合结果输入管道状态检测模型进行管道状态检测,获得多级管道的N个节点状态指标;基于多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果。达到了提高燃气管道的状态检测精准度,提升燃气管道的状态检测质量,为燃气管道的维修保护奠定基础,对燃气管道的安全运行提供有力保障的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种基于传感器的燃气数据检测方法的流程示意图;
图2为本申请一种基于传感器的燃气数据检测方法中输出第一决策结果的流程示意图;
图3为本申请一种基于传感器的燃气数据检测系统的结构示意图;
图4为本申请示例性电子设备的结构示意图。
附图标记说明:管道布线信息获取模块11,管道级别划分模块12,传感器配置模块13,传感器集成模块14,节点检测模块15,管道状态检测模块16,管道切换决策分析模块17,处理器31,存储器32,输入装置33,输出装置34。
具体实施方式
本申请通过提供一种基于传感器的燃气数据检测方法及系统。解决了现有技术中针对燃气管道的状态检测精准度不高,进而造成燃气管道的状态检测质量不高的技术问题。达到了提高燃气管道的状态检测精准度,提升燃气管道的状态检测质量,为燃气管道的维修保护奠定基础,对燃气管道的安全运行提供有力保障的技术效果。
实施例一
请参阅附图1,本申请提供一种基于传感器的燃气数据检测方法,其中,所述方法应用于一种基于传感器的燃气数据检测系统,所述系统与多个传感器通信连接,所述方法具体包括如下步骤:
步骤S100:获取目标区域的燃气管道布线信息,包括管道布设线路、管道布设顺序以及管道应用属性;
步骤S200:基于所述管道布设线路和所述管道布设顺序对所述目标区域的管道进行级别划分,得到多级燃气管线;
具体而言,对目标区域进行燃气管道布线参数采集,获得目标区域的燃气管道布线信息。燃气管道布线信息包括目标区域的管道布设线路、管道布设顺序、管道应用属性。进而,基于管道布设顺序,对管道布设线路进行级别标识,获得多级燃气管线。其中,所述目标区域为使用所述一种基于传感器的燃气数据检测系统进行智能化燃气状态检测的任意燃气管道布设区域。所述管道布设线路包括目标区域内的多个燃气管道,以及多个燃气管道对应的管道线路布设图纸。所述管道布设顺序包括管道布设线路中多个燃气管道对应的敷设顺序信息。例如,管道布设顺序包括管道布设线路中多个燃气管道按照主管线、二级管线、三级管线……的敷设顺序信息进行修建。所述管道应用属性包括管道布设线路中每个燃气管道对应的燃气类型信息。所述多级燃气管线包括管道布设线路内的多个燃气管道,以及多个燃气管道对应的管道布设顺序。达到了确定目标区域的燃气管道布线信息,并按照管道布设顺序对管道布设线路进行级别标识,获得多级燃气管线,为后续对目标区域内的燃气管道进行管道状态检测奠定基础的技术效果。
步骤S300:根据所述管道应用属性,配置多个传感器,其中,每一管道至少包括一个传感器;
步骤S400:由所述多个传感器进行传感器集成,输出多个集成传感模块;
具体而言,基于管道应用属性,对多级燃气管线中的多个燃气管道进行传感器配置,获得多个管道传感器配置信息。每个管道传感器配置信息包括每个燃气管道对应的多个传感器。多个传感器包括现有技术中的温度检测传感器、压力检测传感器、可燃气体检测传感器等多种传感器。且,每个燃气管道至少包括一个传感器。进而,依次将每个管道传感器配置信息中的多个传感器进行通信连接,获得多个集成传感模块,并将多个集成传感模块与所述一种基于传感器的燃气数据检测系统通信连接。所述多个集成传感模块包括多个燃气管道对应的多个管道传感器配置信息。且,每个管道传感器配置信息中的多个传感器通信连接。达到了通过管道应用属性,对多级燃气管线中的多个燃气管道进行传感器配置及集成,构建多级燃气管线中的多个燃气管道对应的多个集成传感模块,为后续对多个燃气管道进行管道状态检测提供数据支持的技术效果。
步骤S500:根据所述多个集成传感模块进行节点检测,输出每个集成传感模块基于N个节点对应的N个数据融合结果;
进一步的,本申请步骤S500还包括:
步骤S510:获取所述目标区域的多个环境指标;
步骤S520:基于所述多个环境指标进行环境影响度分析,输出基于各个环境指标分别对应的多个影响度,其中,环境影响度为任一环境指标对传感器的传感数据准确度造成的影响程度;
步骤S530:根据所述各个环境指标分别对应的多个影响度进行筛选,得到筛选指标集;
步骤S540:当所述筛选指标集的数值大于预设区间时,向所述多个集成传感模块发送调整信息,用于对所述多个集成传感模块中的传感数据进行对应调整。
具体而言,基于多个集成传感模块,对多级燃气管线中的多个燃气管道进行实时监测,获得多个集成传感模块对应的多个传感数据。每个传感数据包括每个集成传感模块对应的燃气管道的实时温度、实时压力、实时气体浓度等多个传感器参数。
进一步,基于目标区域进行实时环境参数采集,获得目标区域的多个环境指标。多个环境指标包括目标区域的实时环境温度、实时环境湿度、实时环境大气压等多个实时环境参数。进而,基于多个环境指标进行环境影响度分析,获得多个环境指标对应的多个影响度。环境影响度分析是指对多个环境指标中任一环境指标对传感器的传感数据准确度造成的影响程度进行评估。影响度越大,对应的环境指标对传感器的传感数据准确度造成的影响程度越高。即,影响度越大,对应的环境指标下的传感器的传感数据误差越高。示例性地,在获得多个影响度时,基于多个环境指标进行历史数据查询,获得多个历史环境指标、多个历史影响度。分析多个历史环境指标与多个历史影响度之间的对应关系,获得环境-影响度映射关系。按照环境-影响度映射关系将多个历史环境指标、多个历史影响度进行排列,获得环境影响度分析模型。将多个环境指标作为输入信息,输入环境影响度分析模型,通过环境影响度分析模型对多个环境指标进行影响度匹配,获得多个环境指标对应的多个影响度。
进一步,分别判断多个影响度是否大于预设影响度,如果影响度大于预设影响度,将该影响度对应的环境指标添加至筛选指标集。所述筛选指标集包括大于预设影响度的多个影响度对应的多个环境指标。预设影响度包括预先设置确定的影响度阈值。进而,对筛选指标集中的多个环境指标是否大于预设区间进行判断,如果环境指标大于预设区间,获得调整信息。根据调整信息对多个集成传感模块的多个传感数据进行调整,获得多个调整传感数据,并根据多个调整传感数据对多个传感数据进行数据更新,从而提高多个传感数据的准确性。所述预设区间包括预先设置确定的筛选指标集中每个环境指标对应的指标范围信息。所述调整信息包括筛选指标集中大于预设区间的多个环境指标,以及这多个环境指标对应的多个影响度。示例性地,在获得多个调整传感数据时,将调整信息中的多个影响度设置为多个误差系数。将多个传感数据与多个误差系数进行乘法计算,获得多个传感误差数据。将多个传感数据与多个传感误差数据进行差值计算,获得多个调整传感数据。达到了通过对目标区域的多个环境指标进行环境影响度分析,适应性地对多个集成传感模块的多个传感数据进行调整,提高多个传感数据的精确度,从而提高燃气管道的状态检测的精准性的技术效果。
进一步的,本申请步骤S540之后,还包括:
步骤S550:获取所述多级燃气管线的多个管线长度、以及单位管线长度;
步骤S560:按照所述多个管线长度以及单位管线长度进行拼接点识别,输出多个拼接节点;
步骤S570:判断所述多个拼接节点的数量是否处于预设数量区间,若大于所述预设数量区间,获取第一聚类指令;
具体而言,基于多级燃气管线进行管线参数查询,获得多级燃气管线的多个管线长度、以及单位管线长度。所述多个管线长度包括多级燃气管线中的多个燃气管道对应的多个管道总长信息。所述单位管线长度包括燃气管道的单位长度信息。进而,基于多个管线长度、单位管线长度,对多级燃气管线中的多个燃气管道进行拼接点识别,获得多个拼接节点。多个拼接节点包括多个管道拼接节点。每个管道拼接节点包括每个燃气管道对应的多个拼接位置信息。进一步,遍历多个管道拼接节点进行数量统计,获得多个管道拼接节点数量。每个管道拼接节点数量包括每个管道拼接节点内的多个拼接位置信息对应的拼接位置数量总和。继而,分别对多个管道拼接节点数量是否处于预设数量区间进行判断,如果管道拼接节点数量大于预设数量区间,所述一种基于传感器的燃气数据检测系统自动生成第一聚类指令。所述预设数量区间包括预先设置确定的管道拼接节点数量范围信息。所述第一聚类指令是用于对大于预设数量区间的管道拼接节点数量对应的燃气管道进行拼接点聚类的指令信息。达到了通过对多个燃气管道进行拼接点识别,适应性地生成第一聚类指令,为后续输出N个聚类结果提供数据支持的技术效果。
步骤S580:基于所述第一聚类指令对所述多个拼接节点进行聚类,输出N个聚类结果,其中,所述N个聚类结果为所述N个节点。
进一步的,本申请步骤S580还包括:
步骤S581:获取多个关键节点,其中,所述多个关键节点属于所述多个拼接节点,且所述多个关键节点的数量远小于所述多个拼接节点的数量;
步骤S582:将所述多个关键节点作为初始聚类中心进行K值寻优,输出K值寻优;
步骤S583:基于所述K值寻优对所述多个拼接节点进行K-聚类,输出N个聚类结果。
具体而言,基于多级燃气管线中的多个燃气管道设置多个关键节点。每个关键节点包括每个燃气管道对应的多个管道关键节点。多个管道关键节点包括预先设置确定的每个燃气管道的多个重要拼接位置信息。且,多个关键节点属于多个拼接节点,多个关键节点的数量远小于多个拼接节点的数量。即,多个管道关键节点的数量远小于多个管道拼接节点的数量。
进一步,依次将大于预设数量区间的多个管道拼接节点数量对应的多个拼接节点设置为第一拼接节点。第一拼接节点依次为大于预设数量区间的每个管道拼接节点数量对应的燃气管道的多个拼接位置信息。基于第一拼接节点对应的燃气管道对多个关键节点进行匹配,获得第一拼接节点对应的第一关键节点。第一关键节点包括第一拼接节点对应的燃气管道的多个管道关键节点。继而,将第一关键节点中的多个管道关键节点设置为初始聚类中心。对第一拼接节点内的多个拼接位置信息、以及第一关键节点内的多个管道关键节点进行编号,获得管道节点编号信息。将管道节点编号作为横轴,将管道节点作为纵轴,构建聚类坐标系。
进一步,将第一拼接节点中的多个拼接位置信息输入聚类坐标系,获得多个样本坐标点。将初始聚类中心中的多个管道关键节点输入聚类坐标系,获得多个目标坐标点。分别计算多个样本坐标点与每个目标坐标点之间的距离信息,获得多组样本目标距离。每组样本目标距离包括每个目标坐标点与多个样本坐标点之间的多个距离信息。依次将每组样本目标距离中的多个距离信息进行从小到大排列,选择每组样本目标距离中的前K个距离信息输出为聚类K值寻优结果,并将聚类K值寻优结果添加至K值寻优。K值寻优包括每个第一拼接节点对应的多个聚类K值寻优结果。每个聚类K值寻优结果包括每组样本目标距离中的前K个距离信息。K值可自适应设置确定。
进一步,基于多个聚类K值寻优结果对第一拼接节点进行K-聚类,将第一拼接节点中,同一个聚类K值寻优结果对应的多个拼接位置信息归为一类,获得N个聚类结果,并将N个聚类结果输出为N个节点。每个聚类结果包括第一拼接节点中,同一个聚类K值寻优结果对应的多个拼接位置信息。且,多级燃气管线中的每个燃气管道都具有N个节点。达到了通过对多个拼接节点进行聚类,获得N个节点,从而提高燃气数据检测的全面性的技术效果。
进一步的,本申请步骤S580之后,还包括:
步骤S590:获取所述多个集成传感模块中每个集成传感模块的各个传感数据;
步骤S5100:判断所述各个传感数据是否为不同的数据源所产生的传感数据,若所述各个传感数据为不同的数据源所产生的传感数据,对所述各个传感数据进行关联性分析,获取多个关联指标;
具体而言,对多个集成传感模块对应的多个传感数据中每个传感数据是否为不同的数据源所产生的传感数据进行判断。数据源为传感器。即,对每个传感数据是否为不同的传感器所产生的传感数据进行判断,如果传感数据为不同的数据源所产生的传感数据,则对该传感数据进行关联性分析,获取多个关联指标。其中,每个传感数据包括每个集成传感模块对应的燃气管道的实时温度、实时压力、实时气体浓度等多个传感器参数。所述多个关联指标包括不同的数据源所产生的每个传感数据中的多个传感器参数之间的多个关联性系数。传感器参数之间关联性越大,对应的关联性系数越大。
示例性地,在获取多个关联指标时,基于传感数据进行历史数据查询,获得多个历史传感数据、多个历史关联指标。且,多个历史传感数据与多个历史关联指标之间具有对应关系。多个历史传感数据均为不同的数据源所产生的历史传感数据。按照对应关系,将多个历史传感数据、多个历史关联指标进行排列,获得传感数据关联分析列表。将不同的数据源所产生的传感数据输入传感数据关联分析列表,通过传感数据关联分析列表对不同的数据源所产生的传感数据进行关联性系数匹配,获得多个关联指标。达到了通过对不同的数据源所产生的传感数据进行关联性分析,获取多个关联指标,从而提高对燃气数据检测的准确性的技术效果。
步骤S51100:根据所述多个关联指标,对所述各个传感数据进行数据融合处理,输出数据融合结果;
进一步的,本申请步骤S51100还包括:
步骤S51110:根据所述多个关联指标对所述各个传感数据进行分类,得到第一分类结果和第二分类结果,其中,所述第一分类结果为可关联传感数据,所述第二分类结果为独立传感数据;
步骤S51120:对所述第一分类结果中的可关联传感数据进行融合处理,得到一次融合数据;
步骤S51130:将所述一次融合数据与独立传感数据作为所述数据融合结果输出。
步骤S51200:将所述数据融合结果作为对应集成传感模块的输出结果进行输出。
具体而言,分别对多个关联指标是否满足预设关联指标进行判断,如果关联指标满足预设关联指标,将该关联指标对应的传感器参数添加至第一分类结果。如果关联指标不满足预设关联指标,将该关联指标对应的传感器参数添加至第二分类结果。其中,所述预设关联指标包括预先设置确定的关联性系数范围信息。所述第一分类结果为可关联传感数据。可关联传感数据包括每个传感数据中,满足预设关联指标的多个关联指标对应的多个传感器参数。所述第二分类结果为独立传感数据。所述独立传感数据包括每个传感数据中,不满足预设关联指标的多个关联指标对应的多个传感器参数。
进一步,对第一分类结果中的可关联传感数据进行融合处理,获得一次融合数据。示例性地,在获得一次融合数据时,基于多个关联指标对可关联传感数据中的多个传感器参数进行聚类分析,将同一关联指标对应的传感器参数归为一类,获得多个融合关联传感数据,并将多个融合关联传感数据输出为一次融合数据。一次融合数据包括多个融合关联传感数据。每个融合关联传感数据包括可关联传感数据中,同一关联指标对应的传感器参数。进而,基于一次融合数据与独立传感数据,生成数据融合结果,并根据对应的集成传感模块的燃气管道的N个节点对数据融合结果进行标识。其中,每个集成传感模块都具有N个节点对应的N个数据融合结果。每个数据融合结果包括一次融合数据、独立传感数据,以及一次融合数据、独立传感数据对应的集成传感模块的燃气管道的节点。达到了通过对多个集成传感模块对应的多个传感数据进行数据融合处理,获得可靠、全面的每个集成传感模块的N个节点对应的N个数据融合结果,从而提高燃气管道的状态检测精准性的技术效果。
步骤S600:将所述N个数据融合结果输入管道状态检测模型进行管道状态检测,输出多级管道的N个节点状态指标;
步骤S700:根据所述多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果,其中,所述第一决策结果为管道切换线路。
进一步的,如附图2所示,本申请步骤S700还包括:
步骤S710:搭建所述管道状态检测模型,其中,所述管道状态检测模型包括融合数据的异常识别指标;
步骤S720:将所述N个数据融合结果输入所述管道状态检测模型进行融合数据异常比对,获取基于所述N个节点的异常比对结果;
步骤S730:根据所述异常比对结果,输出所述第一决策结果。
具体而言,基于每个集成传感模块的N个节点对应的N个数据融合结果进行历史数据查询,获得多组构建数据。每组构建数据包括每个历史集成传感模块的N个历史节点对应的N个历史数据融合结果,以及异常识别指标对应的历史异常比对结果、历史第一决策结果。所述异常识别指标包括预先设置确定的燃气管道的传感数据范围信息。历史异常比对结果包括每个历史集成传感模块的N个历史节点对应的N个历史数据融合结果中,不满足异常识别指标的传感数据。历史第一决策结果包括历史异常比对结果对应的历史管道切换线路。
进一步,将多组构建数据中随机的70%的数据信息划分为训练数据集。将多组构建数据中随机的30%的数据信息划分为测试数据集。基于BP神经网络,对训练数据集进行交叉监督训练,获得管道状态检测模型。将测试数据集作为输入信息,输入管道状态检测模型,通过测试数据集对管道状态检测模型进行参数更新。所述BP神经网络是一种按照误差逆向传播算法进行训练的多层前馈神经网络。所述BP神经网络包括输入层、多层神经元、输出层。BP神经网络可以进行正向计算、反向计算。正向计算时,输入信息从输入层经过多层神经元逐层处理,转向输出层,每一层神经元的状态只影响下一层神经元的状态。如果在输出层不能得到期望的输出,则转入反向计算,将误差信号沿原来的连接通路返回,通过修改各神经元的权值,使得误差信号最小。管道状态检测模型符合BP神经网络,即,管道状态检测模型包括输入层、隐含层、输出层,以及异常识别指标。管道状态检测模型具备对输入数据融合结果进行异常识别及管道切换线路匹配的功能。
进一步,将每个集成传感模块的N个节点对应的N个数据融合结果作为输入信息,输入管道状态检测模型,获得异常比对结果、第一决策结果。其中,所述异常比对结果包括多级管道的N个节点状态指标。多级管道的N个节点状态指标包括每个集成传感模块的N个节点对应的N个数据融合结果中,不满足异常识别指标的传感数据。所述第一决策结果包括多级管道的N个节点状态指标对应的管道切换线路。达到了通过管道状态检测模型对每个集成传感模块的N个节点对应的N个数据融合结果进行异常识别及管道切换分析,获得准确的第一决策结果,从而提高燃气管道的状态检测质量,为燃气管道的维修保护奠定基础的技术效果。
综上所述,本申请所提供的一种基于传感器的燃气数据检测方法具有如下技术效果:
1.通过管道布设线路和管道布设顺序对目标区域的管道进行级别划分,得到多级燃气管线;通过管道应用属性对目标区域的管道配置多个传感器,并将多个传感器进行传感器集成,输出多个集成传感模块;通过对多个集成传感模块进行节点检测,输出每个集成传感模块的N个节点对应的N个数据融合结果;将N个数据融合结果输入管道状态检测模型进行管道状态检测,获得多级管道的N个节点状态指标;基于多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果。达到了提高燃气管道的状态检测精准度,提升燃气管道的状态检测质量,为燃气管道的维修保护奠定基础,对燃气管道的安全运行提供有力保障的技术效果。
2.通过对目标区域的多个环境指标进行环境影响度分析,适应性地对多个集成传感模块的多个传感数据进行调整,提高多个传感数据的精确度,从而提高燃气管道的状态检测的精准性。
3.通过对多个集成传感模块对应的多个传感数据进行数据融合处理,获得可靠、全面的每个集成传感模块的N个节点对应的N个数据融合结果,从而提高燃气管道的状态检测精准性。
实施例二
基于与前述实施例中一种基于传感器的燃气数据检测方法,同样发明构思,本发明还提供了一种基于传感器的燃气数据检测系统,所述系统与多个传感器通信连接,请参阅附图3,所述系统包括:
管道布线信息获取模块11,所述管道布线信息获取模块11用于获取目标区域的燃气管道布线信息,包括管道布设线路、管道布设顺序以及管道应用属性;
管道级别划分模块12,所述管道级别划分模块12用于基于所述管道布设线路和所述管道布设顺序对所述目标区域的管道进行级别划分,得到多级燃气管线;
传感器配置模块13,所述传感器配置模块13用于根据所述管道应用属性,配置多个传感器,其中,每一管道至少包括一个传感器;
传感器集成模块14,所述传感器集成模块14用于由所述多个传感器进行传感器集成,输出多个集成传感模块;
节点检测模块15,所述节点检测模块15用于根据所述多个集成传感模块进行节点检测,输出每个集成传感模块基于N个节点对应的N个数据融合结果;
管道状态检测模块16,所述管道状态检测模块16用于将所述N个数据融合结果输入管道状态检测模型进行管道状态检测,输出多级管道的N个节点状态指标;
管道切换决策分析模块17,所述管道切换决策分析模块17用于根据所述多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果,其中,所述第一决策结果为管道切换线路。
进一步的,所述系统还包括:
环境指标获取模块,所述环境指标获取模块用于获取所述目标区域的多个环境指标;
环境影响度分析模块,所述环境影响度分析模块用于基于所述多个环境指标进行环境影响度分析,输出基于各个环境指标分别对应的多个影响度,其中,环境影响度为任一环境指标对传感器的传感数据准确度造成的影响程度;
影响度筛选模块,所述影响度筛选模块用于根据所述各个环境指标分别对应的多个影响度进行筛选,得到筛选指标集;
数据调整模块,所述数据调整模块用于当所述筛选指标集的数值大于预设区间时,向所述多个集成传感模块发送调整信息,用于对所述多个集成传感模块中的传感数据进行对应调整。
进一步的,所述系统还包括:
管线信息获取模块,所述管线信息获取模块用于获取所述多级燃气管线的多个管线长度、以及单位管线长度;
拼接点识别模块,所述拼接点识别模块用于按照所述多个管线长度以及单位管线长度进行拼接点识别,输出多个拼接节点;
第一聚类指令获取模块,所述第一聚类指令获取模块用于判断所述多个拼接节点的数量是否处于预设数量区间,若大于所述预设数量区间,获取第一聚类指令;
聚类模块,所述聚类模块用于基于所述第一聚类指令对所述多个拼接节点进行聚类,输出N个聚类结果,其中,所述N个聚类结果为所述N个节点。
进一步的,所述系统还包括:
关键节点获取模块,所述关键节点获取模块用于获取多个关键节点,其中,所述多个关键节点属于所述多个拼接节点,且所述多个关键节点的数量远小于所述多个拼接节点的数量;
K值寻优模块,所述K值寻优模块用于将所述多个关键节点作为初始聚类中心进行K值寻优,输出K值寻优;
聚类结果输出模块,所述聚类结果输出模块用于基于所述K值寻优对所述多个拼接节点进行K-聚类,输出N个聚类结果。
进一步的,所述系统还包括:
第一执行模块,所述第一执行模块用于获取所述多个集成传感模块中每个集成传感模块的各个传感数据;
关联指标获取模块,所述关联指标获取模块用于判断所述各个传感数据是否为不同的数据源所产生的传感数据,若所述各个传感数据为不同的数据源所产生的传感数据,对所述各个传感数据进行关联性分析,获取多个关联指标;
数据融合处理模块,所述数据融合处理模块用于根据所述多个关联指标,对所述各个传感数据进行数据融合处理,输出数据融合结果;
第二执行模块,所述第二执行模块用于将所述数据融合结果作为对应集成传感模块的输出结果进行输出。
进一步的,所述系统还包括:
传感数据分类模块,所述传感数据分类模块用于根据所述多个关联指标对所述各个传感数据进行分类,得到第一分类结果和第二分类结果,其中,所述第一分类结果为可关联传感数据,所述第二分类结果为独立传感数据;
第三执行模块,所述第三执行模块用于对所述第一分类结果中的可关联传感数据进行融合处理,得到一次融合数据;
第四执行模块,所述第四执行模块用于将所述一次融合数据与独立传感数据作为所述数据融合结果输出。
进一步的,所述系统还包括:
搭建模块,所述搭建模块用于搭建所述管道状态检测模型,其中,所述管道状态检测模型包括融合数据的异常识别指标;
异常比对模块,所述异常比对模块用于将所述N个数据融合结果输入所述管道状态检测模型进行融合数据异常比对,获取基于所述N个节点的异常比对结果;
第五执行模块,所述第五执行模块用于根据所述异常比对结果,输出所述第一决策结果。
本发明实施例所提供的一种基于传感器的燃气数据检测系统可执行本发明任意实施例所提供的一种基于传感器的燃气数据检测方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
实施例三
图4为本发明实施例三提供的电子设备的结构示意图,示出了适于用来实现本发明实施方式的示例性电子设备的框图。图4显示的电子设备仅仅是一个示例,不应对本发明实施例的功能和使用范围带来任何限制。如图4所示,该电子设备包括处理器31、存储器32、输入装置33及输出装置34;电子设备中处理器31的数量可以是一个或多个,图4中以一个处理器31为例,电子设备中的处理器31、存储器32、输入装置33及输出装置34可以通过总线或其他方式连接,图4中以通过总线连接为例。
存储器32作为一种计算机可读存储介质,可用于存储软件程序、计算机可执行程序以及模块,如本发明实施例中的一种基于传感器的燃气数据检测方法对应的程序指令/模块。处理器31通过运行存储在存储器32中的软件程序、指令以及模块,从而执行计算机设备的各种功能应用以及数据处理,即实现上述一种基于传感器的燃气数据检测方法。
本申请提供了一种基于传感器的燃气数据检测方法,其中,所述方法应用于一种基于传感器的燃气数据检测系统,所述方法包括:通过管道布设线路和管道布设顺序对目标区域的管道进行级别划分,得到多级燃气管线;通过管道应用属性对目标区域的管道配置多个传感器,并将多个传感器进行传感器集成,输出多个集成传感模块;通过对多个集成传感模块进行节点检测,输出每个集成传感模块的N个节点对应的N个数据融合结果;将N个数据融合结果输入管道状态检测模型进行管道状态检测,获得多级管道的N个节点状态指标;基于多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果。解决了现有技术中针对燃气管道的状态检测精准度不高,进而造成燃气管道的状态检测质量不高的技术问题。达到了提高燃气管道的状态检测精准度,提升燃气管道的状态检测质量,为燃气管道的维修保护奠定基础,对燃气管道的安全运行提供有力保障的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (10)
1.一种基于传感器的燃气数据检测方法,其特征在于,所述方法应用于一种燃气管道检测预警系统,所述系统与多个传感器通信连接,所述方法包括:
获取目标区域的燃气管道布线信息,包括管道布设线路、管道布设顺序以及管道应用属性;
基于所述管道布设线路和所述管道布设顺序对所述目标区域的管道进行级别划分,得到多级燃气管线;
根据所述管道应用属性,配置多个传感器,其中,每一管道至少包括一个传感器;
由所述多个传感器进行传感器集成,输出多个集成传感模块;
根据所述多个集成传感模块进行节点检测,输出每个集成传感模块基于N个节点对应的N个数据融合结果;
将所述N个数据融合结果输入管道状态检测模型进行管道状态检测,输出多级管道的N个节点状态指标;
根据所述多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果,其中,所述第一决策结果为管道切换线路。
2.如权利要求1所述的一种基于传感器的燃气数据检测方法,其特征在于,所述方法还包括:
获取所述目标区域的多个环境指标;
基于所述多个环境指标进行环境影响度分析,输出基于各个环境指标分别对应的多个影响度,其中,环境影响度为任一环境指标对传感器的传感数据准确度造成的影响程度;
根据所述各个环境指标分别对应的多个影响度进行筛选,得到筛选指标集;
当所述筛选指标集的数值大于预设区间时,向所述多个集成传感模块发送调整信息,用于对所述多个集成传感模块中的传感数据进行对应调整。
3.如权利要求2所述的一种基于传感器的燃气数据检测方法,其特征在于,所述方法还包括:
获取所述多级燃气管线的多个管线长度、以及单位管线长度;
按照所述多个管线长度以及单位管线长度进行拼接点识别,输出多个拼接节点;
判断所述多个拼接节点的数量是否处于预设数量区间,若大于所述预设数量区间,获取第一聚类指令;
基于所述第一聚类指令对所述多个拼接节点进行聚类,输出N个聚类结果,其中,所述N个聚类结果为所述N个节点。
4.如权利要求3所述的一种基于传感器的燃气数据检测方法,其特征在于,所述方法还包括:
获取多个关键节点,其中,所述多个关键节点属于所述多个拼接节点,且所述多个关键节点的数量远小于所述多个拼接节点的数量;
将所述多个关键节点作为初始聚类中心进行K值寻优,输出K值寻优;
基于所述K值寻优对所述多个拼接节点进行K-聚类,输出N个聚类结果。
5.如权利要求1所述的一种基于传感器的燃气数据检测方法,其特征在于,所述输出每个集成传感模块基于N个节点对应的N个数据融合结果,方法还包括:
获取所述多个集成传感模块中每个集成传感模块的各个传感数据;
判断所述各个传感数据是否为不同的数据源所产生的传感数据,若所述各个传感数据为不同的数据源所产生的传感数据,对所述各个传感数据进行关联性分析,获取多个关联指标;
根据所述多个关联指标,对所述各个传感数据进行数据融合处理,输出数据融合结果;
将所述数据融合结果作为对应集成传感模块的输出结果进行输出。
6.如权利要求5所述的一种基于传感器的燃气数据检测方法,其特征在于,所述方法还包括:
根据所述多个关联指标对所述各个传感数据进行分类,得到第一分类结果和第二分类结果,其中,所述第一分类结果为可关联传感数据,所述第二分类结果为独立传感数据;
对所述第一分类结果中的可关联传感数据进行融合处理,得到一次融合数据;
将所述一次融合数据与独立传感数据作为所述数据融合结果输出。
7.如权利要求1所述的一种基于传感器的燃气数据检测方法,其特征在于,将所述N个数据融合结果输入管道状态检测模型进行管道状态检测,方法还包括:
搭建所述管道状态检测模型,其中,所述管道状态检测模型包括融合数据的异常识别指标;
将所述N个数据融合结果输入所述管道状态检测模型进行融合数据异常比对,获取基于所述N个节点的异常比对结果;
根据所述异常比对结果,输出所述第一决策结果。
8.一种基于传感器的燃气数据检测系统,其特征在于,所述系统与多个传感器通信连接,所述系统包括:
管道布线信息获取模块,所述管道布线信息获取模块用于获取目标区域的燃气管道布线信息,包括管道布设线路、管道布设顺序以及管道应用属性;
管道级别划分模块,所述管道级别划分模块用于基于所述管道布设线路和所述管道布设顺序对所述目标区域的管道进行级别划分,得到多级燃气管线;
传感器配置模块,所述传感器配置模块用于根据所述管道应用属性,配置多个传感器,其中,每一管道至少包括一个传感器;
传感器集成模块,所述传感器集成模块用于由所述多个传感器进行传感器集成,输出多个集成传感模块;
节点检测模块,所述节点检测模块用于根据所述多个集成传感模块进行节点检测,输出每个集成传感模块基于N个节点对应的N个数据融合结果;
管道状态检测模块,所述管道状态检测模块用于将所述N个数据融合结果输入管道状态检测模型进行管道状态检测,输出多级管道的N个节点状态指标;
管道切换决策分析模块,所述管道切换决策分析模块用于根据所述多级管道的N个节点状态指标进行管道切换决策分析,输出第一决策结果,其中,所述第一决策结果为管道切换线路。
9.一种电子设备,其特征在于,所述电子设备包括:
存储器,用于存储可执行指令;
处理器,用于执行所述存储器中存储的可执行指令时,实现权利要求1至7任一项所述的一种基于传感器的燃气数据检测方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1至7中任一所述的一种基于传感器的燃气数据检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310569419.8A CN116383769B (zh) | 2023-05-19 | 2023-05-19 | 一种基于传感器的燃气数据检测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310569419.8A CN116383769B (zh) | 2023-05-19 | 2023-05-19 | 一种基于传感器的燃气数据检测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116383769A true CN116383769A (zh) | 2023-07-04 |
CN116383769B CN116383769B (zh) | 2023-08-15 |
Family
ID=86965938
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310569419.8A Active CN116383769B (zh) | 2023-05-19 | 2023-05-19 | 一种基于传感器的燃气数据检测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116383769B (zh) |
Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240432A (zh) * | 2014-10-10 | 2014-12-24 | 西安石油大学 | 基于信息融合的富锰渣生产安全监控系统及方法 |
CN104654024A (zh) * | 2015-02-12 | 2015-05-27 | 常州大学 | 一种广义回归神经网络城市燃气管道泄漏定位分析方法 |
CN110332465A (zh) * | 2019-06-27 | 2019-10-15 | 中石化川气东送天然气管道有限公司 | 一种长输天然气管道泄漏监测决策方法和系统 |
US20200089874A1 (en) * | 2018-09-17 | 2020-03-19 | General Electric Company | Local and global decision fusion for cyber-physical system abnormality detection |
CN113473501A (zh) * | 2021-06-28 | 2021-10-01 | 北京辰安科技股份有限公司 | 应用于燃气管网泄漏探测器与压力传感器部署的优化方法 |
CN113919170A (zh) * | 2021-10-22 | 2022-01-11 | 厦门理工学院 | 一种基于多传感融合的工况环境模拟方法及系统 |
CN113944888A (zh) * | 2021-11-03 | 2022-01-18 | 北京软通智慧科技有限公司 | 燃气管道泄漏检测方法、装置、设备和存储介质 |
CN114576566A (zh) * | 2022-04-28 | 2022-06-03 | 高勘(广州)技术有限公司 | 燃气管道预警方法、装置、设备及存储介质 |
CN115346192A (zh) * | 2022-07-27 | 2022-11-15 | 纵目科技(上海)股份有限公司 | 基于多源传感器感知的数据融合方法、系统、设备及介质 |
CN115539846A (zh) * | 2022-09-19 | 2022-12-30 | 西安万飞控制科技有限公司 | 一种用于燃气泄漏监测的防爆巡检无人车及巡检方法 |
US20230079768A1 (en) * | 2022-10-08 | 2023-03-16 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things (iot) systems for processing abnormality of smart gas pipeline network |
US20230083626A1 (en) * | 2022-10-11 | 2023-03-16 | Chengdu Qinchuan Iot Technology Co., Ltd. | Pipeline monitoring methods and internet of things based on smart gas pipeline network safety |
CN116060201A (zh) * | 2023-03-08 | 2023-05-05 | 北京博数智源人工智能科技有限公司 | 一种火电站磨煤机爆燃监测异常定位识别方法及系统 |
US20230143654A1 (en) * | 2022-12-15 | 2023-05-11 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method for smart gas pipeline network inspection and internet of things system thereof |
CN116123988A (zh) * | 2023-04-14 | 2023-05-16 | 国家石油天然气管网集团有限公司 | 一种基于数据处理的管道几何变形检测方法及系统 |
-
2023
- 2023-05-19 CN CN202310569419.8A patent/CN116383769B/zh active Active
Patent Citations (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104240432A (zh) * | 2014-10-10 | 2014-12-24 | 西安石油大学 | 基于信息融合的富锰渣生产安全监控系统及方法 |
CN104654024A (zh) * | 2015-02-12 | 2015-05-27 | 常州大学 | 一种广义回归神经网络城市燃气管道泄漏定位分析方法 |
US20200089874A1 (en) * | 2018-09-17 | 2020-03-19 | General Electric Company | Local and global decision fusion for cyber-physical system abnormality detection |
CN110332465A (zh) * | 2019-06-27 | 2019-10-15 | 中石化川气东送天然气管道有限公司 | 一种长输天然气管道泄漏监测决策方法和系统 |
CN113473501A (zh) * | 2021-06-28 | 2021-10-01 | 北京辰安科技股份有限公司 | 应用于燃气管网泄漏探测器与压力传感器部署的优化方法 |
CN113919170A (zh) * | 2021-10-22 | 2022-01-11 | 厦门理工学院 | 一种基于多传感融合的工况环境模拟方法及系统 |
CN113944888A (zh) * | 2021-11-03 | 2022-01-18 | 北京软通智慧科技有限公司 | 燃气管道泄漏检测方法、装置、设备和存储介质 |
CN114576566A (zh) * | 2022-04-28 | 2022-06-03 | 高勘(广州)技术有限公司 | 燃气管道预警方法、装置、设备及存储介质 |
CN115346192A (zh) * | 2022-07-27 | 2022-11-15 | 纵目科技(上海)股份有限公司 | 基于多源传感器感知的数据融合方法、系统、设备及介质 |
CN115539846A (zh) * | 2022-09-19 | 2022-12-30 | 西安万飞控制科技有限公司 | 一种用于燃气泄漏监测的防爆巡检无人车及巡检方法 |
US20230079768A1 (en) * | 2022-10-08 | 2023-03-16 | Chengdu Qinchuan Iot Technology Co., Ltd. | Methods and internet of things (iot) systems for processing abnormality of smart gas pipeline network |
US20230083626A1 (en) * | 2022-10-11 | 2023-03-16 | Chengdu Qinchuan Iot Technology Co., Ltd. | Pipeline monitoring methods and internet of things based on smart gas pipeline network safety |
US20230143654A1 (en) * | 2022-12-15 | 2023-05-11 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method for smart gas pipeline network inspection and internet of things system thereof |
CN116060201A (zh) * | 2023-03-08 | 2023-05-05 | 北京博数智源人工智能科技有限公司 | 一种火电站磨煤机爆燃监测异常定位识别方法及系统 |
CN116123988A (zh) * | 2023-04-14 | 2023-05-16 | 国家石油天然气管网集团有限公司 | 一种基于数据处理的管道几何变形检测方法及系统 |
Non-Patent Citations (2)
Title |
---|
ROYA DOSHMANZIARI ET AL.: "Gas pipeline leakage detection based on sensor fusion under model-based fault detection framework", 《JOURNAL OF PETROLEUM SCIENCE AND ENGINEERING》, pages 1 - 12 * |
王晓敏: "基于无线传感器网络和物联网的 人工神经网络燃气管道泄漏检测", 《当代化工》, vol. 51, no. 8, pages 1932 - 1937 * |
Also Published As
Publication number | Publication date |
---|---|
CN116383769B (zh) | 2023-08-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107480698B (zh) | 基于多个监测指标的质量控制方法 | |
US11959777B2 (en) | Methods and Internet of Things (IoT) systems for safety management of smart gas underground gas pipeline networks | |
CN107273924B (zh) | 基于模糊聚类分析的多数据融合的电厂故障诊断方法 | |
CN112528519A (zh) | 发动机质量预警服务的方法、系统、可读介质和电子设备 | |
JP2008536219A (ja) | 診断及び予知方法並びにシステム | |
CN105373830A (zh) | 误差反向传播神经网络的预测方法、系统及服务器 | |
CN116579768B (zh) | 一种发电厂在线仪表运维管理方法及系统 | |
CN110555477A (zh) | 一种市政设施故障预测方法及装置 | |
CN116467667B (zh) | 一种基于数据融合的停电监测预警方法及系统 | |
CN111912937B (zh) | 一种室内突发污染物智能实时溯源方法及系统 | |
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 | |
CN117114369B (zh) | 智慧燃气应急供气处置方法、物联网系统、装置及介质 | |
CN115654381A (zh) | 一种基于图神经网络的供水管道漏损检测方法 | |
CN116402227B (zh) | 一种基于云计算的风电大数据分析方法及系统 | |
CN116399630B (zh) | 一种基于设备工况的运行监测管理方法及系统 | |
CN111191855B (zh) | 一种基于管网多元水质时序数据的水质异常事件识别预警方法 | |
CN116383769B (zh) | 一种基于传感器的燃气数据检测方法及系统 | |
Lučin et al. | Detailed leak localization in water distribution networks using random forest classifier and pipe segmentation | |
CN117520989A (zh) | 一种基于机器学习的天然气管道泄漏检测方法 | |
CN117287646A (zh) | 一种基于人工智能模型的管网数据分析和处理方法和系统 | |
CN117009772A (zh) | 基于风险智能感知模型的道路交通安全预测方法及预测系统 | |
Mzembegwa et al. | Real-time Pipe Burst Localization in Water Distribution Networks Using Change Point Detection Algorithms | |
Teng et al. | Adaptive rule update method in complex event process | |
CN116307636B (zh) | 一种用于智能工具柜终端的智能调控方法及系统 | |
CN116010507B (zh) | 一种基于大数据的水污染监测方法及系统 |
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 |