CN116522281A - 一种基于微服务架构的分布式供热数据融合系统 - Google Patents
一种基于微服务架构的分布式供热数据融合系统 Download PDFInfo
- Publication number
- CN116522281A CN116522281A CN202310589537.5A CN202310589537A CN116522281A CN 116522281 A CN116522281 A CN 116522281A CN 202310589537 A CN202310589537 A CN 202310589537A CN 116522281 A CN116522281 A CN 116522281A
- Authority
- CN
- China
- Prior art keywords
- acoustic emission
- data
- frequency domain
- micro
- period
- 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
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 230000002159 abnormal effect Effects 0.000 claims abstract description 49
- 238000001514 detection method Methods 0.000 claims abstract description 28
- 238000012545 processing Methods 0.000 claims abstract description 24
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000010438 heat treatment Methods 0.000 claims abstract description 12
- 230000008569 process Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 52
- 230000005856 abnormality Effects 0.000 claims description 17
- 238000012216 screening Methods 0.000 claims description 3
- 238000007499 fusion processing Methods 0.000 abstract description 3
- 238000012544 monitoring process Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 6
- 238000004141 dimensional analysis Methods 0.000 description 6
- 238000000354 decomposition reaction Methods 0.000 description 5
- 238000005516 engineering process Methods 0.000 description 5
- 230000007613 environmental effect Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008054 signal transmission Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006722 reduction reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/10—Pre-processing; Data cleansing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2433—Single-class perspective, e.g. one-against-all classification; Novelty detection; Outlier detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/02—Preprocessing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
- G06F2218/10—Feature extraction by analysing the shape of a waveform, e.g. extracting parameters relating to peaks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
- G06F2218/16—Classification; Matching by matching signal segments
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
Abstract
本发明涉及数据融合处理领域,尤其涉及一种基于微服务架构的分布式供热数据融合系统,本发明包括检测模块、服务器模块以及总服务模块,通过检测模块获取声发射信号,微服务器单次获取多个周期内的声发射信号并确定多个周期内声发射信号的相似状态,第一数据判定单元接收相似状态的声发射信号,并仅对单个周期内的声发射信号进行异常判定,第二数据判定单元接收差异状态的声发射信号,并逐个对各周期内的声发射信号进行异常判定,且,第三数据判定单元调整微服务器单次对声发射信号进行处理时所处理的周期数量;本发明通过将相似声发射信号集中处理,在保证可靠性的前提下提高数据处理速率,能够适用于大型供热管网的检测,处理较大的数据量。
Description
技术领域
本发明涉及数据融合处理领域,尤其涉及一种基于微服务架构的分布式供热数据融合系统。
背景技术
数据融合技术是指利用计算机对按时序获得的若干观测信息,在一定准则下加以自动分析、综合,以完成所需的决策和评估任务而进行的信息处理技术,数据融合技术被广泛应用于各类检测系统中,尤其是供热管网的检测系统中,通过多传感器对管网进行监测。
例如,中国专利公开号CN113657019A,公开了一种供热管网预警系统,包括:数据采集模块、数据处理模块、数字建模模块、远程监测系统和智能预警系统;数据采集模块用于采集供热管网的第一运行信息;数据处理模块用于接收并处理第一运行信息;远程监测系统用于在线监测供热管网的运行状态,获得第二运行信息,并将处理后的第一运行信息和第二运行信息传输给智能预警系统;数字建模模块用于建立供热管网的数字模型;智能预警系统利用数字模型,对第二运行信息和第一运行信息进行深度融合处理,并采用最小二乘法支持向量机算法,判断供热管网的损坏泄漏级别和未来状态后进行预警。该发明能够提高监测的可靠性和智能化程度,节省大量的人力和物力。
但是,现有技术中还存在以下问题,
在现有供热管网监测中,泄漏是一个重要监测指标,管路的泄漏常用声发射检测技术进行监测,泄漏产生的声发射信号为连续型声发射信号,发生泄漏时,声发射信号时域波形图像的幅值会整体发生变化,但是声发射信号时域波形图像由于受到管道机械振动、环境振动的影响会含有一定的噪声,如果基于声发射信号时域波形图像判定是否出现异常则精度不高,容易出现偏差,因此,在实际应用中,往往将声发射信号降噪、过滤或者进行分解得到多个频域信号后进行处理,以便捕捉特征信号进行分析,现有技术中,常用小波法对声发射信号进行分解,在小波法中需要基于分解尺度对声发射信号进行分解,这个过程的数据处理较为复杂,并且,若想获得较高的精度需要增加分解尺度,分解尺度的增加也会伴随着运算量和运算时间的增加,尤其声发射检测应运在大型供热管网或供气管网中,大范围监控管网所产生的数据量较大,容易对处理数据的总服务器造成数据载荷。
发明内容
为解决现有技术中未考虑声发射检测应运在大型供热管网或供气管网中,大范围监控管网所产生的数据量较大,容易对处理数据的总服务器造成数据载荷的问题,本发明提供一种基于微服务架构的分布式供热数据融合系统,其包括:
检测模块,其包括沿供热管路设置的若干声发射检测单元;
服务器模块,其包括若干微服务器,各所述微服务器与若干的声发射检测单元连接,用以接收声发射检测单元生成的声发射信号以及声发射信号时域波形图像,并单次对预设个周期内的声发射信号时域波形图像进行处理,所述处理包括根据声发射信号时域波形图像判定各周期内声发射信号的相似状态;
总服务模块,其包括均与所述服务器模块连接的第一数据判定单元、第二数据判定单元以及第三数据判定单元;
所述第一数据判定单元用以接收相似状态的各所述周期内的声发射信号,并随机筛选任一所述周期内的声发射信号进行异常判定,并且,不对剩余未筛选出的周期内的声发射信号进行异常判定;
所述第二数据判定单元用以接收差异状态的各所述周期内的声发射信号,并逐个对各所述周期内的声发射信号进行异常判定;
所述第三数据判定单元用以基于所述第一数据判定单元以及第二数据判定单元的异常判定结果判定微服务器是否调整单次对声发射信号进行处理时所处理的周期数量;
所述第一数据判定单元以及所述第二数据判定单元对单个周期内的声发射信号进行异常判定包括,将所述声发射信号进行分解,获取各频域信号的频域峰值,基于各频域信号的频域峰值变化速率判定声发射信号是否存在异常。
进一步地,各所述微服务器单次对预设个周期内的声发射信号时域波形图像进行处理,包括根据公式(1)计算声发射信号时域波形图像对应的幅值波动参数,
(1)
公式(1)中,E表示幅值波动参数,n表示声发射信号时域波形图像中波峰数量,Di表示声发射信号时域波形图像中第i个波峰的幅值,表示声发射信号时域波形图像中波峰振幅平均值。
进一步地,各所述微服务器根据声发射信号时域波形图像判定各周期内声发射信号的相似状态,其中,
微服务器将各周期内的声发射信号时域波形图像对应的幅值波动参数进行对比并计算差值,且,将各周期内的声发射信号时域波形图像中波峰振幅平均值进行对比并计算差值,
在第一对比条件下,所述微服务器判定各所述周期内的声发射信号为相似状态;
在第二对比条件下,所述微服务器判定各所述周期内的声发射信号为差异状态;
所述第一对比条件为,任意两个周期内声发射信号时域波形图像对应幅值波动参数的差值均小于预设幅值波动参数差异阈值且任意两个周期内声发射信号时域波形图像中波峰振幅平均值的差值均小于预设振幅平均值差异阈值;
所述第二对比条件为,存在两个周期内声发射信号时域波形图像对应幅值波动参数的差值大于预设幅值波动参数差异阈值或/和存在两个周期内声发射信号时域波形图像中波峰振幅平均值的差值大于预设振幅平均值差异阈值。
进一步地,所述预设幅值波动参数差异阈值为预先基于若干个连续周期内声发射信号时域波形图像对应的振幅波动参数计算所得,所述预设振幅平均值差异阈值为预先基于若干个连续的周期内声发射信号时域波形图像中波峰振幅平均值计算所得。
进一步地,所述第一数据判定单元以及所述第二数据判定单元将所述声发射信号分解,其中,所述第一数据判定单元以及所述第二数据判定单元将所述声发射信号分解为第一频域信号以及第二频域信号,所述第一频域信号的频率区间为[0,31.250],所述第二频域信号的频率区间为[31.250,62.250]。
进一步地,所述第一数据判定单元以及第二数据判定单元按照公式(2)计算频域峰值变化速率,
(2)
公式(2)中,V表示频域峰值变化速率,H(i+1)表示频域中第i+1个单位时间的频域峰值,H(i)表示频域中第i个单位时间的频域峰值,ne表示周期时长。
进一步地,所述第一数据判定单元以及所述第二数据判定单元基于各频域信号的频域峰值变化速率判定声发射信号是否存在异常,其中,
所述第一数据判定单元以及所述第二数据判定单元将所述第一频域信号以及第二频域信号的频域峰值变化速率与预设的第一变化速率阈值以及第二变化速率阈值进行对比;
在第三对比条件下,所述第一数据判定单元以及第二数据判定单元判定所述周期内的声发射信号存在异常;
所述第三对比条件为所述第一频域信号的频域峰值变化速率大于所述第一变化速率阈值或/和所述第二频域信号的频域峰值变化速率大于所述第二变化速率阈值。
进一步地,所述第一变化速率阈值为基于若干连续周期内异常声发射信号的第一频域信号的频域峰值变化速率计算所得,所述第二变化速率阈值为基于若干连续周期内异常声发射信号的第二频域信号的频域峰值变化速率计算所得
进一步地,所述第三数据判定单元基于所述第一数据判定单元以及第二数据判定单元的异常判定结果判定微服务器是否调整单次对声发射信号进行处理时所处理的周期数量,其中,
所述第三数据判定单元记录所述第一数据判定单元以及第二数据判定单元的异常判定结果;
若所述第一数据判定单元或/和所述第二数据判定单元连续判定声发射信号出现异常的次数大于预设的连续对比阈值,则所述第三数据判定单元将所述周期数量增大,所述连续对比阈值为基于单个周期的时长所确定。
进一步地,所述总服务模块还包括预警单元,用以在所述第一数据判定单元或/和所述第二数据判定单元判定声发射信号出现异常时发出预警信息。
与现有技术相比,本发明包括检测模块、服务器模块以及总服务模块,通过检测模块获取声发射信号,微服务器单次获取多个周期内的声发射信号以及声发射信号时域波形图,并确定多个周期内声发射信号的相似状态,总服务模块的第一数据判定单元接收相似状态的声发射信号,并仅对单个周期内的声发射信号进行异常判定,第二数据判定单元接收差异状态的声发射信号,并逐个对各周期内的声发射信号进行异常判定,并且,第三数据判定单元根据第一数据判定单元以及第二数据判定单元的异常判定结果调整微服务器单次对声发射信号进行处理时所处理的周期数量,本发明通过将相似声发射信号集中处理,将对单个周期内声发射信号的异常判定结果代替剩余周期的异常判定结果,在保证可靠性的前提下提高数据处理速率,能够适用于大型供热管网的检测,处理较大的数据量。
尤其,本发明通过服务器模块确定多个周期内声发射信号的相似性,对相似性较高的声发射信号时域波形图像对应的声发射信号集中处理,仅对单个周期内声发射信号进行异常判定,不对剩余周期内的声发射信号进行处理,即将单个周期内的异常判定结果代替剩余周期内的异常判定结果,进而在保证可靠性的前提下,提高了数据处理效率,能够对大型管网进行检测,并且减少数据出现载荷的可能性。
尤其,本发明通过计算声发射信号时域波形图像对应的幅值波动参数表征声发射信号之间的差异性,并且,结合整个图像的波峰振幅平均值表征各周期内声发射信号的相似性,在实际情况中,管道发生泄漏异常时往往会在波峰振幅平均值以及幅值波动参数上体现差异性,因此,通过幅值波动参数以及波峰振幅平均值能够在较小计算量的前提下,保证计算的可靠性,表征各周期内声发射信号的相似性,由于在管道运输中,管道泄漏现象为小概率事件,所检测的声发射信号时域波形图像大概率处于正常状态,因此,对处于正常状态且相似的数据集中处理是有必要的,对相似的声发射信号集中处理,减少数据运算量。
尤其,本发明通过第三数据判定单元确定微服务器单次对声发射信号进行处理时所处理的周期数量,由于部分声发射检测单元设置在较为稳定的管道上,获取的声发射信号长时间无异常,因此,对于这类情况可以适当的增加微服务器单次对声发射信号进行处理时所处理的周期数量,进而,能够通过单个周期内声发射信号的异常判定结果代替更多周期内声发射信号的异常判定结果,进一步的提高数据处理效率,减少数据处理载荷。
附图说明
图1为发明实施例的基于微服务架构的分布式供热数据融合系统结构示意图;
图2为本发明实施例的总服务模块结构示意图;
图3为本发明实施例的声发射信号时域波形图像示例图。
具体实施方式
为了使本发明的目的和优点更加清楚明白,下面结合实施例对本发明作进一步描述;应当理解,此处所描述的具体实施例仅仅用于解释本发明,并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是,这些实施方式仅仅用于解释本发明的技术原理,并非在限制本发明的保护范围。
需要说明的是,在本发明的描述中,术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方向或位置关系的术语是基于附图所示的方向或位置关系,这仅仅是为了便于描述,而不是指示或暗示所述装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,还需要说明的是,在本发明的描述中,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域技术人员而言,可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1以及图2所示,图1为本发明实施例的基于微服务架构的分布式供热数据融合系统结构示意图,图2为本发明实施例的总服务模块结构示意图,本发明的基于微服务架构的分布式供热数据融合系统结构包括:
检测模块,其包括沿供热管路设置的若干声发射检测单元;
服务器模块,其包括若干微服务器,各所述微服务器与若干的声发射检测单元连接,用以接收声发射检测单元生成的声发射信号以及声发射信号时域波形图像,并单次对预设个周期内的声发射信号时域波形图像进行处理,所述处理包括根据声发射信号时域波形图像判定各周期内声发射信号的相似状态;
总服务模块,其包括均与所述服务器模块连接的第一数据判定单元、第二数据判定单元以及第三数据判定单元;
所述第一数据判定单元用以接收相似状态的各所述周期内的声发射信号,并随机筛选任一所述周期内的声发射信号进行异常判定,并且,不对剩余未筛选出的周期内的声发射信号进行异常判定;
所述第二数据判定单元用以接收差异状态的各所述周期内的声发射信号,并逐个对各所述周期内的声发射信号进行异常判定;
所述第三数据判定单元用以基于所述第一数据判定单元以及第二数据判定单元的异常判定结果判定微服务器是否调整单次对声发射信号进行处理时所处理的周期数量;
所述第一数据判定单元以及所述第二数据判定单元对单个周期内的声发射信号进行异常判定包括,将所述声发射信号进行分解,获取各频域信号的频域峰值,基于各频域信号的频域峰值变化速率判定声发射信号是否存在异常。
具体而言,本发明对声发射检测单元的具体结构不做限定,其只需能检测声发射信号即可,当然,优选的,可以是声发射传感器以及信息传输器组成的传感器模组,以将声发射传感器检测的声发射信号传输至微服务器,本领域技术人员应当明白,声发射传感器工作原理是以晶体元件为基础的压电效应,应力波的传播形式是质点运动,包括纵波、横波和表面波等,当这些应力波质点传递到声发射传感器接触面上时,会带动接触面上的质子运动,进而使压电陶瓷产生拉伸和压缩效果,从而实现应力波到声发射信号的转换,而声发射信号时域波形图像为基于声发射信号构建的时域图像,此为成熟现有技术,不再赘述。
具体而言,本发明对服务器模块的具体结构不做限定,对于其中的微服务器,其可以由逻辑部件以及通信部件构成,逻辑部件可以为现场可编程逻辑部件、微处理器、计算机中使用的处理器等,通信部件可以是能够实现数据收发的信号传输模组,当然,通信部件需与各声发射检测单元建立通信连接,此为现有技术,不再赘述。
具体而言,本发明对数据处理模块的具体结构不做限定,其本身或其中的各单元可使用逻辑部件以及通信部件构成,逻辑部件可以为现场可编程逻辑部件、微处理器、计算机中使用的处理器等,通信部件可以是能够实现数据收发的信号传输模组,此处不再赘述。
具体而言,在现有技术中声发射检测技术在检测泄漏上已有应用,由于管路检测中泄漏现象是最常见的检测指标,因此,本发明也主要用以检测管网的泄漏,泄漏产生的声发射信号为连续型声发射信号,发生泄漏时,声发射信号时域波形图像的幅值会整体发生变化,但是声发射信号时域波形图像由于受到管道机械振动、环境振动的影响会含有一定的噪声,如果基于声发射信号时域波形图像判定是否出现泄漏则精度不高,容易出现偏差,因此,在实际应用中,往往将声发射信号进行分解得到多个频域的信号后进行处理,以便于对信号进行分析,并且频域峰值能够表征泄漏程度,并不仅仅局限于识别出现泄漏的现象,在实际应用时,本发明在检测到声发射信号出现异常时可以将频域峰值数据传输至用户端,使的用户端能够判别当前的泄漏程度,进而合理安排检修,在现有技术中常用小波法对声发射信号进行分解,在小波法中需要基于分解尺度对声发射信号进行分解,这个过程的数据处理较为复杂,并且,若想获得较高的精度需要增加分解尺寸,分解尺寸的增加也会伴随着运算量和运算时间的增加。
具体而言,通过逻辑部件对声发射信号进行分解为现有技术,例如,可通过计算机使用matlab采用小波法对声发射信号进行分解,获取各频域信号的频域峰值,此为现有技术,此处不再赘述。
具体而言,请参阅图3所示,声发射信号的声发射信号时域波形图像中时域单位为ms,但是在供热管道检测中无需以毫秒为单位获知管道出现异常的情况,因此在划分周期时可以在1s~10s内进行设定,以在尽可能减少数据处理量的前提下,缩短发现异常的延迟,当然,初始时微服务器单次对预设个周期内的声发射信号时域波形图像进行处理时的周期数量应当基于总服务模块的算力决定,总服务模块将微服务器单次发送的全部周期内的声发射信号全部进行异常判定所需的时间应当在1s~10s内,本领域技术人员可以基于上述要求对周期数量进行设定,此处不再赘述。
具体而言,各所述微服务器单次对预设个周期内的声发射信号时域波形图像进行处理,包括根据公式(1)计算声发射信号时域波形图像对应的幅值波动参数,
(1)
公式(1)中,E表示幅值波动参数,n表示声发射信号时域波形图像中波峰数量,Di表示声发射信号时域波形图像中第i个波峰的幅值,表示声发射信号时域波形图像中波峰振幅平均值。
具体而言,各所述微服务器根据声发射信号时域波形图像判定各周期内声发射信号的相似状态,其中,
微服务器将各周期内的声发射信号时域波形图像对应的幅值波动参数进行对比并计算差值,且,将各周期内的声发射信号时域波形图像中波峰振幅平均值进行对比并计算差值,
在第一对比条件下,所述微服务器判定各所述周期内的声发射信号为相似状态;
在第二对比条件下,所述微服务器判定各所述周期内的声发射信号为差异状态;
所述第一对比条件为,任意两个周期内声发射信号时域波形图像对应幅值波动参数的差值均小于预设幅值波动参数差异阈值且任意两个周期内声发射信号时域波形图像中波峰振幅平均值的差值均小于预设振幅平均值差异阈值;
所述第二对比条件为,存在两个周期内声发射信号时域波形图像对应幅值波动参数的差值大于预设幅值波动参数差异阈值或/和存在两个周期内声发射信号时域波形图像中波峰振幅平均值的差值大于预设振幅平均值差异阈值。
具体而言,所述预设幅值波动参数差异阈值为预先基于若干个连续周期内声发射信号时域波形图像对应的振幅波动参数计算所得,其中,在实验环境下通过测量无异常管道的声发射信号,并记录若干个连续周期内的声发射信号,
计算若干个连续的周期内的声发射信号时域波形图像对应的振幅波动参数,并计算各振幅波动参数间的差值,记录为振幅波动参数差值集合,基于所述振幅波动参数差值集合中的数据以差值为随机变量构建概率密度函数,并对应构建正态分布曲线,获取所述正态分布曲线的95%置信区间,将所述置信区间的区间中点对应的差值确定为所述预设幅值波动参数差异阈值。
具体而言,所述预设振幅平均值差异阈值为预先基于若干个连续的周期内声发射信号时域波形图像中波峰振幅平均值计算所得,其中,
计算若干个连续的周期内的声发射信号时域波形图像的波峰振幅平均值,并计算各平均值间的差值,记录为波峰振幅平均值差值集合,基于所述波峰振幅平均值差值集合中的数据以差值为随机变量构建概率密度函数,并对应构建正态分布曲线,获取所述正态分布曲线的95%置信区间,将所述95%置信区间的区间中点对应的差值确定为所述预设振幅平均值差异阈值,对于构建概率密度函数以及正态分布曲线为统计学常用技术手段,此处不再赘述。
具体而言,本发明通过设置微服务器对接收到的声发射信号时域波形图像的波形进行对比,在实际情况中声发射技术在应用时往往分为两类,包括突发型声发射信号以及连续型声发射信号,例如断裂、破裂所产生的声发射信号为突发型声发射信号,对于突发型声发射信号的特征提取较为方便,往往只需对瞬间的信号突变特征进行监测即可,但是,管网中最常出现的异常现象,例如管道泄漏所产生的声发射信号为连续型声发射信号,并且,由于管道中运输介质的原因,其本身会产生连续的声发射信号扰动,对于连续型声发射信号的信号特征提取较为复杂,往往需要对一段时间内的信号进行分解等处理才能够识别是否发生了泄漏,因此,在对大型管网进行监测时,会产生大量的数据,而声发射信号时域波形图像能够在一定程度反映出泄漏异常,但是,异常信号特征不明显,因此,基于声发射信号时域波形图像在多个周期内的相似程度,对相似性较高的声发射信号时域波形图像对应的声发射信号集中处理,将单个周期内的异常判定结果代替剩余周期内的异常判定结果,进而在保证可靠性的前提下,提高了数据处理效率,能够对大型管网进行检测,并且减少数据出现载荷的可能性。
具体而言,本发明通过计算声发射信号时域波形图像对应的幅值波动参数表征声发射信号之间的差异性,并且,结合整个图像的波峰振幅平均值表征各周期内声发射信号的相似性,在实际情况中,管道发生泄漏异常时往往会在波峰振幅平均值以及幅值波动参数上体现差异性,因此,通过幅值波动参数以及波峰振幅平均值能够在较小计算量的前提下,保证计算的可靠性,表征各周期内声发射信号的相似性,由于在管道运输中,管道泄漏现象为小概率事件,所检测的声发射信号时域波形图像大概率处于正常状态,因此,对处于正常状态且相似的数据集中处理是有必要的,对相似的声发射信号集中处理,减少数据运算量。
具体而言,所述第一数据判定单元以及所述第二数据判定单元将所述声发射信号分解,其中,所述第一数据判定单元以及所述第二数据判定单元将所述声发射信号分解为第一频域信号以及第二频域信号,所述第一频域信号的频率区间为[0,31.250],所述第二频域信号的频率区间为[31.250,62.500],区间单位为kHz,由于在实际情况中,声发射信号分解后具备明显特征的频域区间主要在[0,31.250]以及[31.250,62.500],因此,本发明仅对第一频域信号以及第二频域信号进行处理。
具体而言,所述第一数据判定单元以及第二数据判定单元按照公式(2)计算频域峰值变化速率,
(2)
公式(2)中,V表示频域峰值变化速率,H(i+1)表示频域中第i+1个单位时间的频域峰值,H(i)表示频域中第i个单位时间的频域峰值,ne表示周期时长。
所述第一数据判定单元以及所述第二数据判定单元基于各频域信号的频域峰值变化速率判定声发射信号是否存在异常,其中,
所述第一数据判定单元以及所述第二数据判定单元将所述第一频域信号以及第二频域信号的频域峰值变化速率与预设的第一变化速率阈值以及第二变化速率阈值进行对比;
在第三对比条件下,所述第一数据判定单元以及第二数据判定单元判定所述周期内的声发射信号存在异常;
所述第三对比条件为所述第一频域信号的频域峰值变化速率大于所述第一变化速率阈值或/和所述第二频域信号的频域峰值变化速率大于所述第二变化速率阈值。
具体而言,所述第一变化速率阈值为基于若干连续周期内异常声发射信号的第一频域信号的频域峰值变化速率计算所得,所述第二变化速率阈值为基于若干连续周期内异常声发射信号的第二频域信号的频域峰值变化速率计算所得,其中,
在实验环境下通过测量泄漏管道的异常声发射信号,并记录若干个连续周期内的异常声发射信号,计算若干个连续周期内异常声发射信号的第一频域信号的频域峰值变化速率的平均值,将所述第一频域信号的频域峰值变化速率的平均值确定为第一变化速率阈值;
计算若干个连续周期内出现异常的声发射信号的第二频域信号的频域峰值变化速率的平均值,将所述第二频域信号的频域峰值变化速率的平均值确定为第二变化速率阈值。
具体而言,所述第三数据判定单元基于所述第一数据判定单元以及第二数据判定单元的异常判定结果判定微服务器是否调整单次对声发射信号进行处理时所处理的周期数量,其中,
所述第三数据判定单元记录所述第一数据判定单元以及第二数据判定单元的异常判定结果;
若所述第一数据判定单元或/和所述第二数据判定单元连续判定声发射信号出现异常的次数大于预设的连续对比阈值,则所述第三数据判定单元将所述周期数量增大,所述连续对比阈值为基于单个周期的时长所确定,设定连续对比阈值Nm=T0/T,其中,T0表示稳定时长,在本实施例中T0取30天的时长,T表示周期时长。
具体而言,在供热管网中若管道一处发生泄漏,由于管道内压力失衡则短时间内周边管道出现泄漏的风险会增大,连续对比阈值不宜过小,应当在长时间内未出现异常才考虑增加微服务器单次对声发射信号进行处理时所处理的周期数量,因此计算连续对比阈值时,稳定时长应当大于30天的时长,当然,本领域技术人员也可以根据具体需要设定更大稳定时长,此不做限定。
具体而言,本发明通过第三数据判定单元确定微服务器单次对声发射信号进行处理时所处理的周期数量,由于部分声发射检测单元设置在较为稳定的管道上,获取的声发射信号长时间无异常,因此,对于这类情况可以适当的增加微服务器单次对声发射信号进行处理时所处理的周期数量,进而,能够通过单个周期内声发射信号的异常判定结果代替更多周期内声发射信号的异常判定结果,进一步的提高数据处理效率,减少数据处理载荷。
具体而言,所述总服务模块还包括预警单元,用以在所述第一数据判定单元或/和所述第二数据判定单元判定声发射信号出现异常时发出预警信息。
至此,已经结合附图所示的优选实施方式描述了本发明的技术方案,但是,本领域技术人员容易理解的是,本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下,本领域技术人员可以对相关技术特征做出等同的更改或替换,这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种基于微服务架构的分布式供热数据融合系统,其特征在于,包括:
检测模块,其包括沿供热管路设置的若干声发射检测单元;
服务器模块,其包括若干微服务器,各所述微服务器与若干的声发射检测单元连接,用以接收声发射检测单元生成的声发射信号以及声发射信号时域波形图像,并单次对预设个周期内的声发射信号时域波形图像进行处理,所述处理包括根据声发射信号时域波形图像判定各周期内声发射信号的相似状态;
总服务模块,其包括均与所述服务器模块连接的第一数据判定单元、第二数据判定单元以及第三数据判定单元;
所述第一数据判定单元用以接收相似状态的各所述周期内的声发射信号,并随机筛选任一所述周期内的声发射信号进行异常判定,并且,不对剩余未筛选出的周期内的声发射信号进行异常判定;
所述第二数据判定单元用以接收差异状态的各所述周期内的声发射信号,并逐个对各所述周期内的声发射信号进行异常判定;
所述第三数据判定单元用以基于所述第一数据判定单元以及第二数据判定单元的异常判定结果判定微服务器是否调整单次对声发射信号进行处理时所处理的周期数量;
所述第一数据判定单元以及所述第二数据判定单元对单个周期内的声发射信号进行异常判定包括,将所述声发射信号进行分解,获取各频域信号的频域峰值,基于各频域信号的频域峰值变化速率判定声发射信号是否存在异常。
2.根据权利要求1所述的基于微服务架构的分布式供热数据融合系统,其特征在于,各所述微服务器单次对预设个周期内的声发射信号时域波形图像进行处理,包括根据公式(1)计算声发射信号时域波形图像对应的幅值波动参数,
(1)
公式(1)中,E表示幅值波动参数,n表示声发射信号时域波形图像中波峰数量,Di表示声发射信号时域波形图像中第i个波峰的幅值,表示声发射信号时域波形图像中波峰振幅平均值。
3.根据权利要求2所述的基于微服务架构的分布式供热数据融合系统,其特征在于,各所述微服务器根据声发射信号时域波形图像判定各周期内声发射信号的相似状态,其中,
微服务器将各周期内的声发射信号时域波形图像对应的幅值波动参数进行对比并计算差值,且,将各周期内的声发射信号时域波形图像中波峰振幅平均值进行对比并计算差值,
在第一对比条件下,所述微服务器判定各所述周期内的声发射信号为相似状态;
在第二对比条件下,所述微服务器判定各所述周期内的声发射信号为差异状态;
所述第一对比条件为,任意两个周期内声发射信号时域波形图像对应幅值波动参数的差值均小于预设幅值波动参数差异阈值且任意两个周期内声发射信号时域波形图像中波峰振幅平均值的差值均小于预设振幅平均值差异阈值;
所述第二对比条件为,存在两个周期内声发射信号时域波形图像对应幅值波动参数的差值大于预设幅值波动参数差异阈值或/和存在两个周期内声发射信号时域波形图像中波峰振幅平均值的差值大于预设振幅平均值差异阈值。
4.根据权利要求3所述的基于微服务架构的分布式供热数据融合系统,其特征在于,所述预设幅值波动参数差异阈值为预先基于若干个连续周期内声发射信号时域波形图像对应的振幅波动参数计算所得,所述预设振幅平均值差异阈值为预先基于若干个连续的周期内声发射信号时域波形图像中波峰振幅平均值计算所得。
5.根据权利要求1所述的基于微服务架构的分布式供热数据融合系统,其特征在于,所述第一数据判定单元以及所述第二数据判定单元将所述声发射信号分解,其中,所述第一数据判定单元以及所述第二数据判定单元将所述声发射信号分解为第一频域信号以及第二频域信号,所述第一频域信号的频率区间为[0,31.250],所述第二频域信号的频率区间为[31.250,62.250]。
6.根据权利要求5所述的基于微服务架构的分布式供热数据融合系统,其特征在于,所述第一数据判定单元以及第二数据判定单元按照公式(2)计算频域峰值变化速率,
(2)
公式(2)中,V表示频域峰值变化速率,H(i+1)表示频域中第i+1个单位时间的频域峰值,H(i)表示频域中第i个单位时间的频域峰值,ne表示周期时长。
7.根据权利要求6所述的基于微服务架构的分布式供热数据融合系统,其特征在于,所述第一数据判定单元以及所述第二数据判定单元基于各频域信号的频域峰值变化速率判定声发射信号是否存在异常,其中,
所述第一数据判定单元以及所述第二数据判定单元将所述第一频域信号以及第二频域信号的频域峰值变化速率与预设的第一变化速率阈值以及第二变化速率阈值进行对比;
在第三对比条件下,所述第一数据判定单元以及第二数据判定单元判定所述周期内的声发射信号存在异常;
所述第三对比条件为所述第一频域信号的频域峰值变化速率大于所述第一变化速率阈值或/和所述第二频域信号的频域峰值变化速率大于所述第二变化速率阈值。
8.根据权利要求7所述的基于微服务架构的分布式供热数据融合系统,其特征在于,所述第一变化速率阈值为基于若干连续周期内异常声发射信号的第一频域信号的频域峰值变化速率计算所得,所述第二变化速率阈值为基于若干连续周期内异常声发射信号的第二频域信号的频域峰值变化速率计算所得。
9.根据权利要求1所述的基于微服务架构的分布式供热数据融合系统,其特征在于,所述第三数据判定单元基于所述第一数据判定单元以及第二数据判定单元的异常判定结果判定微服务器是否调整单次对声发射信号进行处理时所处理的周期数量,其中,
所述第三数据判定单元记录所述第一数据判定单元以及第二数据判定单元的异常判定结果;
若所述第一数据判定单元或/和所述第二数据判定单元连续判定声发射信号出现异常的次数大于预设的连续对比阈值,则所述第三数据判定单元将所述周期数量增大,所述连续对比阈值为基于单个周期的时长所确定。
10.根据权利要求1所述的基于微服务架构的分布式供热数据融合系统,其特征在于,所述总服务模块还包括预警单元,用以在所述第一数据判定单元或/和所述第二数据判定单元判定声发射信号出现异常时发出预警信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310589537.5A CN116522281A (zh) | 2023-05-24 | 2023-05-24 | 一种基于微服务架构的分布式供热数据融合系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310589537.5A CN116522281A (zh) | 2023-05-24 | 2023-05-24 | 一种基于微服务架构的分布式供热数据融合系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116522281A true CN116522281A (zh) | 2023-08-01 |
Family
ID=87401097
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310589537.5A Pending CN116522281A (zh) | 2023-05-24 | 2023-05-24 | 一种基于微服务架构的分布式供热数据融合系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116522281A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117204830A (zh) * | 2023-09-13 | 2023-12-12 | 广州医科大学附属第一医院(广州呼吸中心) | 一种基于心血管疾病的智能诊断系统 |
-
2023
- 2023-05-24 CN CN202310589537.5A patent/CN116522281A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117204830A (zh) * | 2023-09-13 | 2023-12-12 | 广州医科大学附属第一医院(广州呼吸中心) | 一种基于心血管疾病的智能诊断系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116484308B (zh) | 一种基于边缘自适用计算的数据采集方法 | |
CN116522281A (zh) | 一种基于微服务架构的分布式供热数据融合系统 | |
CN113595251B (zh) | 一种变电站电力设备的自动监测预警系统与方法 | |
CN115986918B (zh) | 一种输电线智能监测系统 | |
CN113945327A (zh) | 多物理量耦合的氢气泄漏监测系统和方法 | |
CN109357753B (zh) | 降低核电厂的松脱部件与振动监测误报警率的系统和方法 | |
CN110779568A (zh) | 一种在线监测与移动巡检协同的电力电缆检测方法及装置 | |
CN112134615A (zh) | 一种基于光纤链路的监测系统、方法、终端及可读存储介质 | |
CN116866012A (zh) | 电力设施管理平台的网络风险监测方法及系统 | |
CN210536678U (zh) | 智能音箱数据流采集装置 | |
CN108881179A (zh) | 应用于智能电网的输电线路可靠监测系统 | |
CN111509841A (zh) | 一种带挖掘机特征量识别的电缆防外力破坏预警装置 | |
CN116010857A (zh) | 一种用于港口原油的智慧管控系统 | |
CN105784401A (zh) | 一种设备故障声频检测方法及其检测系统 | |
US6418791B1 (en) | System and method for acoustic integrity monitoring | |
CN111425932B (zh) | 一种基于flink的热网运行监测告警系统及方法 | |
CN113608156A (zh) | 一种gis特高频局放在线监测装置误报警排查系统及其判定方法 | |
CN115236196A (zh) | 一种压力容器监测系统及方法 | |
KR20150061954A (ko) | 외부 소음 적응형 음장 보안 감시 방법 | |
US20230145781A1 (en) | Telecommunications remote terminal field device monitoring using distributed fiber optic sensing | |
CN117171810B (zh) | 一种用于产业园区的低碳能源数据接入系统及方法 | |
CN116721508A (zh) | 一种基于光纤地震计阵列技术的外界入侵监测预警方法 | |
CN116820896B (zh) | 一种基于物理信号的非侵入式工控终端异常检测方法 | |
CN117723917B (zh) | 基于光纤非本征法珀型超声波传感器的监测应用方法 | |
JP3952242B2 (ja) | 原子炉内構造物監視装置 |
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 |