CN116564066B - 一种用于脐带缆钢管的安全监测预警方法及系统 - Google Patents
一种用于脐带缆钢管的安全监测预警方法及系统 Download PDFInfo
- Publication number
- CN116564066B CN116564066B CN202310835563.1A CN202310835563A CN116564066B CN 116564066 B CN116564066 B CN 116564066B CN 202310835563 A CN202310835563 A CN 202310835563A CN 116564066 B CN116564066 B CN 116564066B
- Authority
- CN
- China
- Prior art keywords
- vector
- monitoring
- event
- steel pipe
- abnormal
- 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.)
- Active
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 236
- 229910000831 Steel Inorganic materials 0.000 title claims abstract description 160
- 239000010959 steel Substances 0.000 title claims abstract description 160
- 238000000034 method Methods 0.000 title claims abstract description 44
- 230000011218 segmentation Effects 0.000 claims abstract description 67
- 230000007613 environmental effect Effects 0.000 claims abstract description 58
- 230000005856 abnormality Effects 0.000 claims abstract description 28
- 230000000903 blocking effect Effects 0.000 claims abstract description 21
- 239000013598 vector Substances 0.000 claims description 198
- 230000002159 abnormal effect Effects 0.000 claims description 146
- 239000011159 matrix material Substances 0.000 claims description 38
- 238000007417 hierarchical cluster analysis Methods 0.000 claims description 26
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 11
- 239000001301 oxygen Substances 0.000 claims description 11
- 229910052760 oxygen Inorganic materials 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 8
- 230000000007 visual effect Effects 0.000 claims description 8
- 238000001514 detection method Methods 0.000 description 5
- 239000013043 chemical agent Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/231—Hierarchical techniques, i.e. dividing or merging pattern sets so as to obtain a dendrogram
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- 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
- G06F18/24323—Tree-organised classifiers
-
- 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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Emergency Management (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Probability & Statistics with Applications (AREA)
- Pipeline Systems (AREA)
Abstract
本发明提供了一种用于脐带缆钢管的安全监测预警方法及系统,应用于智能监测技术领域,该方法包括:通过环境参数对脐带缆钢管进行分割,生成区域分割结果。获取第一监测事件和第二监测事件。根据第一监测事件和第二监测事件,匹配第一状态因子和第二状态因子,构建脐带缆钢管安全监测模型。通过传感器阵列对第一状态因子和第二状态因子遍历区域分割结果进行监测,得到特征值。将状态因子实时特征值输入脐带缆钢管安全监测模型,输出事件异常监测结果。根据事件异常监测结果进行安全预警。解决了现有技术中缺少针对于脐带缆钢管的运行时内部的结冰以及堵塞状态监测预警方法,不利于脐带缆稳定工作,进而导致脐带缆钢管失去运送能力的技术问题。
Description
技术领域
本发明涉及智能监测技术领域,具体涉及一种用于脐带缆钢管的安全监测预警方法及系统。
背景技术
脐带缆钢管主要用于深水油气勘探开发,为其传输化学药剂以及进行液体输送等。在现有技术中缺少针对于脐带缆钢管的运行时内部的结冰以及堵塞状态监测预警方法,导致脐带缆钢管的运行时内部的结冰以及堵塞无法及时发现,不利于脐带缆稳定工作,进而导致脐带缆钢管失去运送能力。
因此,在现有技术中缺少针对于脐带缆钢管的运行时内部的结冰以及堵塞状态监测预警方法,不利于脐带缆稳定工作,进而导致脐带缆钢管失去运送能力的技术问题。
发明内容
本申请提供一种用于脐带缆钢管的安全监测预警方法及系统,用于针对解决现有技术中缺少针对于脐带缆钢管的运行时内部的结冰以及堵塞状态监测预警方法,不利于脐带缆稳定工作,进而导致脐带缆钢管失去运送能力的技术问题。
鉴于上述问题,本申请提供了一种用于脐带缆钢管的安全监测预警方法及系统。
本申请的第一个方面,提供了一种用于脐带缆钢管的安全监测预警方法,所述方法应用于一用于脐带缆钢管的安全监测预警系统,所述方法包括:根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果;获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件;根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子;根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型;通过传感器阵列对所述第一状态因子和所述第二状态因子遍历所述区域分割结果进行监测,生成状态因子实时特征值;将所述状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果;将所述事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警。
本申请的第二个方面,提供了一种用于脐带缆钢管的安全监测预警系统,所述系统包括:区域分割结果获取模块,用于根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果;事件获取模块,用于获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件;状态因子匹配模块,用于根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子;脐带缆钢管安全监测模型构建模块,用于根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型;状态因子实时特征值获取模块,用于通过传感器阵列对所述第一状态因子和所述第二状态因子遍历所述区域分割结果进行监测,生成状态因子实时特征值;事件异常监测结果获取模块,用于将所述状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果;安全预警模块,用于将所述事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警。
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:
本申请实施例提供的方法通过根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果。获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件。根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子。根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型。通过传感器阵列对所述第一状态因子和所述第二状态因子遍历所述区域分割结果进行监测,生成状态因子实时特征值。将所述状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果。将所述事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警。实现对脐带缆钢管内部结冰事件和钢管堵塞事件的快速安全预警,提高脐带缆运行稳定性,避免脐带缆钢管失去运送能力。解决了现有技术中缺少针对于脐带缆钢管的运行时内部的结冰以及堵塞状态监测预警方法,不利于脐带缆稳定工作,进而导致脐带缆钢管失去运送能力的技术问题。
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
图1为本申请提供的一种用于脐带缆钢管的安全监测预警方法流程示意图;
图2为本申请提供的一种用于脐带缆钢管的安全监测预警方法中获取区域分割结果的流程示意图;
图3为本申请提供的一种用于脐带缆钢管的安全监测预警方法中获取脐带缆钢管安全监测模型的流程示意图;
图4为本申请提供了一种用于脐带缆钢管的安全监测预警系统结构示意图。
附图标记说明:脐带缆钢管10,区域分割结果获取模块11,事件获取模块12,状态因子匹配模块13,脐带缆钢管安全监测模型构建模块14,状态因子实时特征值获取模块15,事件异常监测结果获取模块16,安全预警模块17,传感器阵列18。
具体实施方式
本申请提供一种用于脐带缆钢管的安全监测预警方法及系统,用于针对解决现有技术中缺少针对于脐带缆钢管的运行时内部的结冰以及堵塞状态监测预警方法,不利于脐带缆稳定工作,进而导致脐带缆钢管失去运送能力的技术问题。
下面将参考附图对本申请中的技术方案进行清楚、完整地描述。所描述的实施内容例仅为本申请所能实现的部分内容,而不是本申请的全部内容。
实施例一
如图1所示,本申请提供了一种用于脐带缆钢管的安全监测预警方法,所述方法应用于一用于脐带缆钢管的安全监测预警系统,所述方法包括:
步骤100:根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果;
步骤200:获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件;
步骤300:根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子;
具体的,根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果,由于不同区域的脐带缆钢管所处的环境并不相同,通过对脐带缆钢管工作环境进行层次聚类分析,得到各环境状态下工作环境较差的脐带缆钢管区域,获取更容易造成脐带缆钢管异常的分割区域。随后,获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件。根据第一监测事件和第二监测事件,匹配第一状态因子和第二状态因子,其中第一状态因子和第二状态因子为产生第一监测事件和第二监测事件的检测因素,通过获取第一状态因子和第二状态因子来实现对事件的检测。
如图2所示,本申请实施例提供的方法步骤100还包括:
步骤110:获取预设环境参数,其中,所述预设环境参数包括环境压力参数、环境pH值参数和环境含氧量参数;
步骤120:根据所述环境压力参数对所述脐带缆钢管进行层次聚类分析,生成第一区域分割结果;
步骤130:根据所述环境pH值参数对所述脐带缆钢管进行层次聚类分析,生成第二区域分割结果;
步骤140:根据所述环境含氧量参数对所述脐带缆钢管进行层次聚类分析,生成第三区域分割结果;
步骤150:对所述第一区域分割结果、所述第二区域分割结果和所述第三区域分割结果求取区域交集,生成所述区域分割结果。
具体的,获取预设环境参数,预设环境参数为脐带缆钢管的实际工作环境参数,且在该预设环境参数的影响下脐带缆钢管较易发生异常状况。其中,所述预设环境参数包括环境压力参数、环境pH值参数和环境含氧量参数。随后,根据环境压力参数对所述脐带缆钢管进行层次聚类分析,生成第一区域分割结果,即根据脐带缆钢管的环境压力参数对脐带缆钢管进行层次聚类分析,生成第一区域分割结果。进一步的,根据环境pH值参数对脐带缆钢管进行层次聚类分析,即根据环境pH值参数对脐带缆钢管进行分割,生成第二区域分割结果。根据环境含氧量参数对所述脐带缆钢管进行层次聚类分析,即根据环境含氧量参数对脐带缆钢管进行分割,生成第三区域分割结果。通过对所述第一区域分割结果、所述第二区域分割结果和所述第三区域分割结果求取区域交集,在该交集区域内的脐带缆钢管工作环境较差,脐带缆钢管发生异常的概率更高,生成所述区域分割结果。
本申请实施例提供的方法步骤300还包括:
步骤310:根据所述第一监测事件,匹配管外壁温度向量、管内壁温度向量和温度持续时长;
步骤320:根据所述第二监测事件,匹配管外压力向量、管内压力向量、震动频率、震动幅度和震动位置;
步骤330:将所述管外壁温度向量、所述管内壁温度向量和所述温度持续时长,添加进所述第一状态因子;
步骤340:将所述管外压力向量、所述管内压力向量、所述震动频率、所述震动幅度和所述震动位置,添加进所述第二状态因子。
具体的,根据第一检测事件即钢管内部结冰事件,匹配管外壁温度向量、管内壁温度向量和温度持续时长。根据第二检测事件即钢管堵塞事件,匹配管外压力向量、管内压力向量、震动频率、震动幅度和震动位置,其中管外压力为来自于潮流拖曳力、波浪力和海底压力等其它外力的综合压力向量。将所述管外壁温度向量、所述管内壁温度向量和所述温度持续时长,添加进所述第一状态因子。将所述管外压力向量、所述管内压力向量、所述震动频率、所述震动幅度和所述震动位置,添加进所述第二状态因子。通过获取第一监测事件和第二监测事件的检测因素,匹配第一状态因子和第二状态因子来实现对事件的检测。
步骤400:根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型;
步骤500:通过传感器阵列对所述第一状态因子和所述第二状态因子遍历所述区域分割结果进行监测,生成状态因子实时特征值;
步骤600:将所述状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果;
步骤700:将所述事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警。
具体的,根据第一状态因子和第二状态因子,构建脐带缆钢管安全监测模型,脐带缆钢管安全监测模型用于对第一状态因子和第二状态因子进行监测并评估异常数据。通过传感器阵列对第一状态因子和第二状态因子遍历区域分割结果进行监测,即对区域分割结果进行第一状态因子和第二状态因子监测,生成状态因子实时特征值。将状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果,得到脐带缆钢管安全监测模型的异常监测结果。最后,将事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警,实现对钢管内部结冰事件和钢管堵塞事件的安全预警。
如图3所示,本申请实施例提供的方法步骤400还包括:
步骤410:遍历所述区域分割结果,采集第一监测事件异常记录数据和第二监测事件异常记录数据;
步骤420:遍历所述第一监测事件异常记录数据和所述第二监测事件异常记录数据,构建第一异常矢量矩阵集合与第二异常矢量矩阵集合;
步骤430:调取所述第一异常矢量矩阵集合,基于二叉分类树,构建第一监测模块;
步骤440:调取所述第二异常矢量矩阵集合,基于二叉分类树,构建第二监测模块;
步骤450:将所述第一监测模块和所述第二监测模块合并,生成所述脐带缆钢管安全监测模型。
具体的,在构建脐带缆钢管安全监测模型时,通过遍历区域分割结果,采集第一监测事件异常记录数据和第二监测事件异常记录数据,其中第一监测事件异常记录数据和第二监测事件异常记录数据中包含各异常记录,以及对应异常的第一状态因子和第二状态因子记录数据。随后,遍历第一监测事件异常记录数据和第二监测事件异常记录数据,构建第一异常矢量矩阵集合与第二异常矢量矩阵集合,其中第一异常矢量矩阵集合用于体现钢管内部结冰事件的异常记录以及该异常记录中包含的第一状态因子数据,第二异常矢量矩阵集合用于体现钢管堵塞事件的异常记录以及该异常记录中包含的第二状态因子数据。调取所述第一异常矢量矩阵集合,基于二叉分类树,构建第一监测模块,其中第一监测模块用于对第一监测事件进行监测评估,第二监测模块用于对第二监测事件进行监测评估。最后,对第一监测模块和所述第二监测模块合并,生成所述脐带缆钢管安全监测模型,实现对脐带缆钢管安全的监测。
本申请实施例提供的方法步骤430还包括:
步骤431:从所述第一异常矢量矩阵集合,随机抽取第N异常矢量矩阵;
步骤432:根据所述第N异常矢量矩阵,生成第N异常矢量集合;
步骤433:通过专家组遍历所述第N异常矢量集合,设定异常矢量预警区间集合;
步骤434:根据所述异常矢量预警区间集合与所述第N异常矢量集合,构建第N二叉决策子树,其中,所述第N二叉决策子树的任意一层具有一个结点,任意一个结点具有一个异常矢量和异常矢量预警区间,任意两层为逻辑与关系;
步骤435:遍历第一异常矢量集合,第二异常矢量集合直到所述第N异常矢量集合,构建第N二叉决策母树,其中,所述第N二叉决策母树的任意一层具有一个结点,任意一个结点具有一个异常矢量集合,任意两层为逻辑或关系;
步骤436:当N满足所述第一异常矢量矩阵集合的数量,根据第一二叉决策子树、第二二叉决策子树直到所述第N二叉决策子树,和所述第N二叉决策母树,构建所述第一监测模块。
具体的,构建第一监测模块时,从第一异常矢量矩阵集合中随机抽取第N异常矢量矩阵,在该异常矢量矩阵中包含钢管内部结冰事件记录以及对应的第N个监测因子记录数据,根据所述第N异常矢量矩阵,生成第N异常矢量集合。随后,通过专家组遍历所述第N异常矢量集合,设定异常矢量预警区间集合,其中异常矢量预警区间中包含第N异常矢量集合中第N个监测因子矢量的预警范围区间。进一步,根据异常矢量预警区间集合与第N异常矢量集合,构建第N二叉决策子树,由第N异常矢量集合确定预警矢量并根据异常矢量预警区间集合确定不同的预警等级,将预警等级定为决策子树的结点,由异常矢量预警区间集合确定各结点的异常矢量和异常矢量预警区间。第N二叉决策子树的任意一层具有一个结点,该结点表示第N异常矢量的预警等级,任意一个结点具有一个异常矢量和异常矢量预警区间,任意两层为逻辑与关系即预警等级判断条件必须全部满足才可以确定对应的预警等级。遍历第一异常矢量集合,第二异常矢量集合直到所述第N异常矢量集合,构建第N二叉决策母树,其中,所述第N二叉决策母树的任意一层具有一个结点,每个结点对应一个二叉决策子树进行监测数据预警等级获取,任意一个结点具有一个异常矢量集合,任意两层为逻辑或关系即当出现一个异常数据时,则判断该区域的脐带缆钢管存在异常。当N满足第一异常矢量矩阵集合的第一状态因子的数量,根据第一二叉决策子树、第二二叉决策子树直到所述第N二叉决策子树,和所述第N二叉决策母树,构建所述第一监测模块。进一步的,构建第二监测模块的构建方式与第一监测模块的构建方式相同。
本申请实施例提供的方法步骤433还包括:
步骤433-1:通过所述专家组遍历所述第N异常矢量集合,标定第一特征值,其中,所述第一特征值包括矢量偏差值和矢量异常化概率值;
步骤433-2:根据所述矢量偏差值和所述矢量异常化概率值,按照预设规则,设定所述异常矢量预警区间集合。
具体的,通过专家组遍历所述第N异常矢量集合,标定第一特征值,其中第一特征值包括第一状态因子中各矢量偏差值和第一状态因子中各矢量异常化概率值。其中,矢量异常化概率值为该矢量预警值发展至异常值的发生概率,该发生概率通过专家组评估的方式进行获取。如某一参数实际的偏差异常值为50,当偏差值为10时此时该偏差值发展至50的发生概率为0,则当偏差至达到10时则不计入预警区间。在进行预警区间确定时可以通过设置异常化概率值,来进行预警区间的确定,如获取异常化概率值大于50%的偏差区间值作为异常矢量预警区间。最后,根据矢量偏差值和所述矢量异常化概率值,按照预设规则即预设的异常化概率值规则,设定所述异常矢量预警区间集合。
本申请实施例提供的方法步骤433还包括:
步骤433-3:根据所述矢量异常化概率值大于第一预设概率的所述矢量偏差值,构建第一预警等级区间;
步骤433-4:根据所述矢量异常化概率值小于或等于所述第一预设概率,且大于或等于第二预设概率的所述矢量偏差值,构建第二预警等级区间;
步骤433-5:根据所述矢量异常化概率值小于所述第二预设概率的所述矢量偏差值,构建第三预警等级区间,其中,所述第二预设概率小于所述第一预设概率;
步骤433-6:将所述第一预警等级区间、所述第二预警等级区间直到所述第三预警等级区间,添加进所述异常矢量预警区间集合。
具体的,根据矢量异常化概率值大于第一预设概率的所述矢量偏差值,构建第一预警等级区间,在第一预警等级区间内预警值的异常化概率值大于第一预设概率。根据所述矢量异常化概率值小于或等于所述第一预设概率,且大于或等于第二预设概率的所述矢量偏差值,构建第二预警等级区间,在第二预警等级区间内预警值的异常化概率值小于或等于第一预设概率,且大于或等于第二预设概率。根据所述矢量异常化概率值小于所述第二预设概率的所述矢量偏差值,构建第三预警等级区间,其中,所述第二预设概率小于所述第一预设概率。即,根据预设概率将矢量偏差值分为多个区间,并对应不同的预警等级,获取第一预警等级区间、第二预警等级区间直到第三预警等级区间,并将上述区间添加进所述异常矢量预警区间集合。
综上所述,本申请实施例提供的方法本发明提供了一种用于脐带缆钢管的安全监测预警方法及系统,应用于智能监测技术领域,该方法包括:通过环境参数对脐带缆钢管进行分割,生成区域分割结果。获取第一监测事件和第二监测事件。根据第一监测事件和第二监测事件,匹配第一状态因子和第二状态因子,构建脐带缆钢管安全监测模型。通过传感器阵列对第一状态因子和第二状态因子遍历区域分割结果进行监测,生成状态因子实时特征值。将状态因子实时特征值输入脐带缆钢管安全监测模型,输出事件异常监测结果。根据事件异常监测结果进行安全预警。实现对脐带缆钢管内部结冰事件和钢管堵塞事件的快速安全预警,保证脐带缆稳定运行,避免脐带缆钢管失去运送能力。解决了现有技术中缺少针对于脐带缆钢管的运行时内部的结冰以及堵塞状态监测预警方法,不利于脐带缆稳定工作,进而导致脐带缆钢管失去运送能力的技术问题。
实施例二
基于与前述实施例中一种用于脐带缆钢管的安全监测预警方法相同的发明构思,如图4所示,本申请提供了一种用于脐带缆钢管的安全监测预警系统,所述系统包括:
区域分割结果获取模块11,用于根据环境参数对脐带缆钢管10进行层次聚类分析,生成区域分割结果;
事件获取模块12,用于获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件;
状态因子匹配模块13,用于根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子;
脐带缆钢管安全监测模型构建模块14,用于根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型;
状态因子实时特征值获取模块15,用于通过传感器阵列18对所述第一状态因子和所述第二状态因子遍历所述区域分割结果进行监测,生成状态因子实时特征值;
事件异常监测结果获取模块16,用于将所述状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果;
安全预警模块17,用于将所述事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警。
进一步地,所述区域分割结果获取模块11还用于:
获取预设环境参数,其中,所述预设环境参数包括环境压力参数、环境pH值参数和环境含氧量参数;
根据所述环境压力参数对所述脐带缆钢管10进行层次聚类分析,生成第一区域分割结果;
根据所述环境pH值参数对所述脐带缆钢管10进行层次聚类分析,生成第二区域分割结果;
根据所述环境含氧量参数对所述脐带缆钢管10进行层次聚类分析,生成第三区域分割结果;
对所述第一区域分割结果、所述第二区域分割结果和所述第三区域分割结果求取区域交集,生成所述区域分割结果。
进一步地,所述状态因子匹配模块13还用于:
根据所述第一监测事件,匹配管外壁温度向量、管内壁温度向量和温度持续时长;
根据所述第二监测事件,匹配管外压力向量、管内压力向量、震动频率、震动幅度和震动位置;
将所述管外壁温度向量、所述管内壁温度向量和所述温度持续时长,添加进所述第一状态因子;
将所述管外压力向量、所述管内压力向量、所述震动频率、所述震动幅度和所述震动位置,添加进所述第二状态因子。
进一步地,所述脐带缆钢管安全监测模型构建模块14还用于:
遍历所述区域分割结果,采集第一监测事件异常记录数据和第二监测事件异常记录数据;
遍历所述第一监测事件异常记录数据和所述第二监测事件异常记录数据,构建第一异常矢量矩阵集合与第二异常矢量矩阵集合;
调取所述第一异常矢量矩阵集合,基于二叉分类树,构建第一监测模块;
调取所述第二异常矢量矩阵集合,基于二叉分类树,构建第二监测模块;
将所述第一监测模块和所述第二监测模块合并,生成所述脐带缆钢管安全监测模型。
进一步地,所述脐带缆钢管安全监测模型构建模块14还用于:
从所述第一异常矢量矩阵集合,随机抽取第N异常矢量矩阵;
根据所述第N异常矢量矩阵,生成第N异常矢量集合;
通过专家组遍历所述第N异常矢量集合,设定异常矢量预警区间集合;
根据所述异常矢量预警区间集合与所述第N异常矢量集合,构建第N二叉决策子树,其中,所述第N二叉决策子树的任意一层具有一个结点,任意一个结点具有一个异常矢量和异常矢量预警区间,任意两层为逻辑与关系;
遍历第一异常矢量集合,第二异常矢量集合直到所述第N异常矢量集合,构建第N二叉决策母树,其中,所述第N二叉决策母树的任意一层具有一个结点,任意一个结点具有一个异常矢量集合,任意两层为逻辑或关系;
当N满足所述第一异常矢量矩阵集合的数量,根据第一二叉决策子树、第二二叉决策子树直到所述第N二叉决策子树,和所述第N二叉决策母树,构建所述第一监测模块。
进一步地,所述脐带缆钢管安全监测模型构建模块14还用于:
通过所述专家组遍历所述第N异常矢量集合,标定第一特征值,其中,所述第一特征值包括矢量偏差值和矢量异常化概率值;
根据所述矢量偏差值和所述矢量异常化概率值,按照预设规则,设定所述异常矢量预警区间集合。
进一步地,所述脐带缆钢管安全监测模型构建模块14还用于:
根据所述矢量异常化概率值大于第一预设概率的所述矢量偏差值,构建第一预警等级区间;
根据所述矢量异常化概率值小于或等于所述第一预设概率,且大于或等于第二预设概率的所述矢量偏差值,构建第二预警等级区间;
根据所述矢量异常化概率值小于所述第二预设概率的所述矢量偏差值,构建第三预警等级区间,其中,所述第二预设概率小于所述第一预设概率;
将所述第一预警等级区间、所述第二预警等级区间直到所述第三预警等级区间,添加进所述异常矢量预警区间集合。
上述实施例二用于执行如实施例一中的方法,其执行原理以及执行基础均可以通过实施例一中记载的内容获取,在此不做过多赘述。尽管结合具体特征及其实施例对本申请进行了描述,但本申请不受这里描述的示例实施例的限制。基于本申请的实施例,本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围,这样获取的内容也属于本申请保护的范围。
Claims (7)
1.一种用于脐带缆钢管的安全监测预警方法,其特征在于,所述方法应用于用于脐带缆钢管的安全监测预警系统,所述方法包括:
根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果;
获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件;
根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子;
根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型;
通过传感器阵列对所述第一状态因子和所述第二状态因子遍历所述区域分割结果进行监测,生成状态因子实时特征值;
将所述状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果;
将所述事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警;
所述根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果,包括:
获取预设环境参数,其中,所述预设环境参数包括环境压力参数、环境pH值参数和环境含氧量参数;
根据所述环境压力参数对所述脐带缆钢管进行层次聚类分析,生成第一区域分割结果;
根据所述环境pH值参数对所述脐带缆钢管进行层次聚类分析,生成第二区域分割结果;
根据所述环境含氧量参数对所述脐带缆钢管进行层次聚类分析,生成第三区域分割结果;
对所述第一区域分割结果、所述第二区域分割结果和所述第三区域分割结果求取区域交集,生成所述区域分割结果;
所述根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子,包括:
根据所述第一监测事件,匹配管外壁温度向量、管内壁温度向量和温度持续时长;
根据所述第二监测事件,匹配管外压力向量、管内压力向量、震动频率、震动幅度和震动位置;
将所述管外壁温度向量、所述管内壁温度向量和所述温度持续时长,添加进所述第一状态因子;
将所述管外压力向量、所述管内压力向量、所述震动频率、所述震动幅度和所述震动位置,添加进所述第二状态因子。
2.如权利要求1所述的方法,其特征在于,所述根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型,包括:
遍历所述区域分割结果,采集第一监测事件异常记录数据和第二监测事件异常记录数据;
遍历所述第一监测事件异常记录数据和所述第二监测事件异常记录数据,构建第一异常矢量矩阵集合与第二异常矢量矩阵集合;
调取所述第一异常矢量矩阵集合,基于二叉分类树,构建第一监测模块;
调取所述第二异常矢量矩阵集合,基于二叉分类树,构建第二监测模块;
将所述第一监测模块和所述第二监测模块合并,生成所述脐带缆钢管安全监测模型。
3.如权利要求2所述的方法,其特征在于,所述调取所述第一异常矢量矩阵集合,基于二叉分类树,构建第一监测模块,包括:
从所述第一异常矢量矩阵集合,随机抽取第N异常矢量矩阵;
根据所述第N异常矢量矩阵,生成第N异常矢量集合;
通过专家组遍历所述第N异常矢量集合,设定异常矢量预警区间集合;
根据所述异常矢量预警区间集合与所述第N异常矢量集合,构建第N二叉决策子树,其中,所述第N二叉决策子树的任意一层具有一个结点,任意一个结点具有一个异常矢量和异常矢量预警区间,任意两层为逻辑与关系;
遍历第一异常矢量集合,第二异常矢量集合直到所述第N异常矢量集合,构建第N二叉决策母树,其中,所述第N二叉决策母树的任意一层具有一个结点,任意一个结点具有一个异常矢量集合,任意两层为逻辑或关系;
当N满足所述第一异常矢量矩阵集合的数量,根据第一二叉决策子树、第二二叉决策子树直到所述第N二叉决策子树,和所述第N二叉决策母树,构建所述第一监测模块。
4.如权利要求3所述的方法,其特征在于,所述通过专家组遍历所述第N异常矢量集合,设定异常矢量预警区间集合,包括:
通过所述专家组遍历所述第N异常矢量集合,标定第一特征值,其中,所述第一特征值包括矢量偏差值和矢量异常化概率值;
根据所述矢量偏差值和所述矢量异常化概率值,按照预设规则,设定所述异常矢量预警区间集合。
5.如权利要求4所述的方法,其特征在于,所述根据所述矢量偏差值和所述矢量异常化概率值,按照预设规则,设定所述异常矢量预警区间集合,包括:
根据所述矢量异常化概率值大于第一预设概率的所述矢量偏差值,构建第一预警等级区间;
根据所述矢量异常化概率值小于或等于所述第一预设概率,且大于或等于第二预设概率的所述矢量偏差值,构建第二预警等级区间;
根据所述矢量异常化概率值小于所述第二预设概率的所述矢量偏差值,构建第三预警等级区间,其中,所述第二预设概率小于所述第一预设概率;
将所述第一预警等级区间、所述第二预警等级区间直到所述第三预警等级区间,添加进所述异常矢量预警区间集合。
6.一种用于脐带缆钢管的安全监测预警系统,其特征在于,所述系统包括:
区域分割结果获取模块,用于根据环境参数对脐带缆钢管进行层次聚类分析,生成区域分割结果;
事件获取模块,用于获取第一监测事件和第二监测事件,其中,所述第一监测事件为钢管内部结冰事件,所述第二监测事件为钢管堵塞事件;
状态因子匹配模块,用于根据所述第一监测事件和所述第二监测事件,匹配第一状态因子和第二状态因子;
脐带缆钢管安全监测模型构建模块,用于根据所述第一状态因子和所述第二状态因子,构建脐带缆钢管安全监测模型;
状态因子实时特征值获取模块,用于通过传感器阵列对所述第一状态因子和所述第二状态因子遍历所述区域分割结果进行监测,生成状态因子实时特征值;
事件异常监测结果获取模块,用于将所述状态因子实时特征值输入所述脐带缆钢管安全监测模型,输出事件异常监测结果;
安全预警模块,用于将所述事件异常监测结果发送至脐带缆钢管的可视化管理界面进行安全预警;
所述区域分割结果获取模块,具体用于:
获取预设环境参数,其中,所述预设环境参数包括环境压力参数、环境pH值参数和环境含氧量参数;
根据所述环境压力参数对所述脐带缆钢管进行层次聚类分析,生成第一区域分割结果;
根据所述环境pH值参数对所述脐带缆钢管进行层次聚类分析,生成第二区域分割结果;
根据所述环境含氧量参数对所述脐带缆钢管进行层次聚类分析,生成第三区域分割结果;
对所述第一区域分割结果、所述第二区域分割结果和所述第三区域分割结果求取区域交集,生成所述区域分割结果;
所述状态因子匹配模块,具体用于:
根据所述第一监测事件,匹配管外壁温度向量、管内壁温度向量和温度持续时长;
根据所述第二监测事件,匹配管外压力向量、管内压力向量、震动频率、震动幅度和震动位置;
将所述管外壁温度向量、所述管内壁温度向量和所述温度持续时长,添加进所述第一状态因子;
将所述管外压力向量、所述管内压力向量、所述震动频率、所述震动幅度和所述震动位置,添加进所述第二状态因子。
7.如权利要求6所述的系统,其特征在于,所述脐带缆钢管安全监测模型构建模块还用于:
遍历所述区域分割结果,采集第一监测事件异常记录数据和第二监测事件异常记录数据;
遍历所述第一监测事件异常记录数据和所述第二监测事件异常记录数据,构建第一异常矢量矩阵集合与第二异常矢量矩阵集合;
调取所述第一异常矢量矩阵集合,基于二叉分类树,构建第一监测模块;
调取所述第二异常矢量矩阵集合,基于二叉分类树,构建第二监测模块;
将所述第一监测模块和所述第二监测模块合并,生成所述脐带缆钢管安全监测模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310835563.1A CN116564066B (zh) | 2023-07-10 | 2023-07-10 | 一种用于脐带缆钢管的安全监测预警方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310835563.1A CN116564066B (zh) | 2023-07-10 | 2023-07-10 | 一种用于脐带缆钢管的安全监测预警方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116564066A CN116564066A (zh) | 2023-08-08 |
CN116564066B true CN116564066B (zh) | 2023-09-19 |
Family
ID=87495110
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310835563.1A Active CN116564066B (zh) | 2023-07-10 | 2023-07-10 | 一种用于脐带缆钢管的安全监测预警方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116564066B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101954959A (zh) * | 2009-10-27 | 2011-01-26 | 中国海洋石油总公司 | 一种深水半潜式钻井平台 |
CN205442486U (zh) * | 2016-03-04 | 2016-08-10 | 上海阜有海洋科技有限公司 | 深海脐带缆绞车伺服排缆恒张力自适应控制装置 |
CN114562950A (zh) * | 2022-02-28 | 2022-05-31 | 中国船舶科学研究中心 | 一种用于水下协同作业的脐带缆缆形监测系统及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI575062B (zh) * | 2011-12-16 | 2017-03-21 | 拜歐菲樂Ip有限責任公司 | 低溫注射組成物,用於低溫調節導管中流量之系統及方法 |
GB201815139D0 (en) * | 2018-09-17 | 2018-10-31 | Blue Gentoo Ltd | Control system and method for oil and/or gas production wellbore |
-
2023
- 2023-07-10 CN CN202310835563.1A patent/CN116564066B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101954959A (zh) * | 2009-10-27 | 2011-01-26 | 中国海洋石油总公司 | 一种深水半潜式钻井平台 |
CN205442486U (zh) * | 2016-03-04 | 2016-08-10 | 上海阜有海洋科技有限公司 | 深海脐带缆绞车伺服排缆恒张力自适应控制装置 |
CN114562950A (zh) * | 2022-02-28 | 2022-05-31 | 中国船舶科学研究中心 | 一种用于水下协同作业的脐带缆缆形监测系统及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN116564066A (zh) | 2023-08-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111596604B (zh) | 一种基于数字孪生的工程装备故障智能诊断与自愈控制系统及方法 | |
EP1960853B1 (en) | Evaluating anomaly for one-class classifiers in machine condition monitoring | |
JPH06236207A (ja) | 故障診断方法及び装置 | |
CN112347571A (zh) | 考虑模型和数据不确定性的滚动轴承剩余寿命预测方法 | |
CN116244443A (zh) | 一种基于知识图谱的超声波燃气表节点故障诊断方法 | |
CN116564066B (zh) | 一种用于脐带缆钢管的安全监测预警方法及系统 | |
Li et al. | Canonical variate analysis, probability approach and support vector regression for fault identification and failure time prediction | |
CN117330255A (zh) | 一种基于超声波检测装置和无人机的燃气检测系统 | |
CN116822352A (zh) | 基于grnn神经网络的井下防水密闭墙工况预测方法及系统 | |
CN115203987B (zh) | 海底管道相依竞争失效实时可靠性评估系统及评估方法 | |
CN114021418B (zh) | 基于改进离散粒子群算法优化故障等级的传感器布局方法 | |
CN114064760B (zh) | 一种数据的多维度预警分析判断方法 | |
Belichovski et al. | Unsupervised machine learning approach for anomaly detection in e-coating plant | |
CN112413413B (zh) | 结合深度学习和多次测量技术的管道泄漏监测及定位方法 | |
Guo et al. | A data-driven diagnostic system utilizing manufacturing data mining and analytics | |
Zhang et al. | Product quality reliability analysis based on rough Bayesian network | |
CN114036035A (zh) | 一种基于实时数据流量化复杂度的异常识别的方法 | |
CN113554850A (zh) | 一种5g网络实时预警方法及系统 | |
Xing et al. | Streaming sensor data validation in networked infrastructure systems through synergic auto and cross similarity discovery and analysis | |
Zhang et al. | Tracing and detection of ICS anomalies based on causality mutations | |
Guo et al. | Fault Diagnosis Combining Information Entropy with Transfer Entropy for Chemical Processes | |
Zhao et al. | Virtual Sensor for Real-Time Bearing Load Prediction Using Heterogeneous Temporal Graph Neural Networks | |
Van Lint et al. | Toward a robust framework for freeway travel time prediction: Experiments with simple imputation and state-space neural networks | |
CN117404072B (zh) | 一种基于人工智能的钻场管理系统 | |
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 |
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 | ||
PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A safety monitoring and early warning method and system for umbilical cable steel pipes Granted publication date: 20230919 Pledgee: Bank of Jiangsu Co.,Ltd. Nantong Branch Pledgor: Zhongtian Technology submarine cable Co.,Ltd. Registration number: Y2024980005040 |
|
PE01 | Entry into force of the registration of the contract for pledge of patent right |