CN117189564A - 一种流体检测的水泵控制方法、系统、电子设备及介质 - Google Patents
一种流体检测的水泵控制方法、系统、电子设备及介质 Download PDFInfo
- Publication number
- CN117189564A CN117189564A CN202311217423.4A CN202311217423A CN117189564A CN 117189564 A CN117189564 A CN 117189564A CN 202311217423 A CN202311217423 A CN 202311217423A CN 117189564 A CN117189564 A CN 117189564A
- Authority
- CN
- China
- Prior art keywords
- water pump
- preset
- water
- fluid
- pressure
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 320
- 239000012530 fluid Substances 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 59
- 238000001514 detection method Methods 0.000 title claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 22
- 238000012360 testing method Methods 0.000 claims description 8
- 238000003062 neural network model Methods 0.000 claims description 7
- 230000000306 recurrent effect Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 7
- 238000001914 filtration Methods 0.000 claims description 5
- 238000013075 data extraction Methods 0.000 claims description 4
- 230000008859 change Effects 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 4
- 230000008569 process Effects 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 238000012544 monitoring process Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000000523 sample Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 238000003973 irrigation Methods 0.000 description 1
- 230000002262 irrigation Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000008400 supply water Substances 0.000 description 1
Landscapes
- Control Of Positive-Displacement Pumps (AREA)
Abstract
一种流体检测的水泵控制方法、系统、电子设备及介质,涉及数据处理技术领域。该方法包括:获取目标区域流体参数信息;提取所述目标区域流体参数信息中的流量、压力和温度数据,并将所述流速、压力和温度数据按照预设间隔时长划分为若干个时间序列数据集;将所述若干个时间序列数据集输入预设场景识别模型,得到目标场景识别结果;根据所述目标场景识别结果,确定对应的水泵工作模式信息;根据所述水泵工作模式信息,查询数据库中对应的水泵控制指令并发送给水泵控制终端以控制水泵的运行状态与目标区域流体状态相适应。实施本申请提供的技术方案,达到了根据流体参数变化自动切换水泵工作模式,精准控制水泵以提高水泵工作效率的效果。
Description
技术领域
本申请涉及水泵技术领域,具体涉及一种流体检测的水泵控制方法、系统、电子设备及介质。
背景技术
随着科技的不断进步和应用需求的变化,水泵控制方法在自动化、智能化、能耗优化等方面仍在不断发展和创新。在工业和民用领域中,水泵广泛应用于供水、排水、灌溉等工程中。为了更好适应工业、民用水泵的应用,新的传感器技术、数据分析算法、人工智能等技术的应用将进一步推动水泵控制方法的发展,提高水泵系统的效率、可靠性和智能化水平。
目前,传统的水泵控制方法依赖于人工操作,通过人为巡检对水泵运行参数进行检测,根据现场用水环境对水泵进行调节和维护。
但是在实际应用中,传统的水泵控制方法单一且需要人工干预,不能快速有效地响应流体的状态变化,导致能耗浪费和设备寿命缩短,增加了人力成本,且工作效率低,因此目前用于水泵的控制方法亟待改进。
发明内容
本申请提供了一种流体检测的水泵控制方法、系统、电子设备及介质,具有具有自动切换水泵工作模式,提高工作效率的效果。
第一方面,本申请提供了一种流体检测的水泵控制方法,包括:
获取目标区域流体参数信息;
提取所述目标区域流体参数信息中的流量、压力和温度数据,并将所述流速、压力和温度数据按照预设间隔时长划分为若干个时间序列数据集;
将所述若干个时间序列数据集输入预设场景识别模型,得到目标场景识别结果;
根据所述目标场景识别结果,确定对应的水泵工作模式信息;
根据所述水泵工作模式信息,查询数据库中对应的水泵控制指令并发送给水泵控制终端以使水泵切换至对应的工作模式。
通过采用上述技术方案,系统通过获取水泵目标区域的流量、压力和温度多参数信息,提取并划分为时间序列数据集后输入预设的场景识别模型,可以实现对水泵运行状态的智能判断,确定水泵所需切换的工作模式,再根据模式信息查询获得对应控制指令,最终实现水泵的闭环控制和参数优化调节,能够根据流体状态变化自动切换水泵的工作模式,提高了水泵工作效率。
可选的,通过温度传感器、压力传感器和流量传感器实时获取目标区域对应管道流体的初始流体参数信息;根据预设滤波算法处理所述初始流体参数信息,得到目标参数信息;记录所述目标参数信息对应的时间,并作为所述目标区域流体参数信息。
通过采用上述技术方案,系统通过在目标管道区域设置温度传感器、压力传感器和流量传感器,可以实时获取流体的初始参数信息。经过预设滤波算法处理之后,可过滤除噪并提取出温度、压力和流量等目标参数信息。同时记录参数对应的数据获得时间,作为该目标区域流体的参数时间序列信息,实现了对管道流体参数的智能主动获取,为管道状态监控和故障预测提供了数据基础。
可选的,获取各区域历史流体参数信息和所述各区域对应的历史场景信息;根据预设比例,将所述各区域流体参数信息中的历史流量、历史压力和历史温度数据以及所述各区域对应的场景信息划分为训练集数据和测试集数据对初始递归神经网络模型进行训练,得到场景识别结果;判断所述场景识别结果是否收敛于所述历史场景信息;若是,则结束模型训练操作并将所述初始递归神经网络模型作为所述预设场景识别模型。
通过采用上述技术方案,本发明通过获取各区域历史的流量、压力、温度参数信息以及对应的历史场景信息,并按预设比例分配训练集数据和测试集数据,用于迭代训练递归神经网络模型,实现场景的自动识别,能够通过深度学习方法自动建立场景知识,无需人工提取特征和制定规则,避免了主观经验的局限性,提高了场景识别的准确性。
可选的,检测所述目标场景识别结果,所述目标场景识别结果包括水塔、常规民用和下增压专用;若所述目标场景识别结果为水塔,则将预设定时模式作为所述对应的水泵工作模式信息;若所述目标场景识别结果为常规民用,则将预设压力模式作为所述对应的水泵工作模式信息;若所述目标场景识别结果为下增压专用,则将预设水流模式作为所述对应的水泵工作模式信息。
通过采用上述技术方案,系统通过检测水泵场景识别结果,可以区分水塔、常规民用和下增压三种场景。对应设定预设的定时模式、压力模式和水流模式作为水泵的工作模式,达到了根据不同场景智能切换水泵工作模式,使控制更加精准和高效的效果。
可选的,若所述水泵切换至所述预设定时模式,则获取用户设定的启动间隔时间;根据所述启动间隔时间,向所述水泵控制终端发送启动指令以启动所述水泵;判断所述水泵启动后对应的区域水流流量值是否为零;若是,则关闭所述水泵。
通过采用上述技术方案,系统在水泵采用定时启动模式时,允许用户预设定时启动的时间间隔,根据设定间隔向水泵控制终端发送启动指令。同时检测水泵启动后区域流量,如果流量为零则关闭水泵。实现了定时模式的智能控制,使水泵运行更加高效安全。
可选的,若所述水泵切换至所述预设压力模式,则获取水泵对应的区域水压数据;判断所述区域水压数据是否小于预设启动水压阈值;若是,则启动所述水泵;判断所述水泵启动后对应的区域水流流量值是否为零;若是,则关闭所述水泵。
通过采用上述技术方案,系统在水泵采用压力模式时,会检测对应的区域水压,判断是否低于预设的启动水压阈值,如果是则启动水泵。同时检测启动后区域流量,如果流量为零则关闭水泵,能够根据水压智能决定水泵启停,确保了水压合理范围,达到智能控制水泵,使水泵运行更加高效安全的效果。
可选的,若所述水泵切换至所述预设水流模式,则获取所述水泵对应的区域水流流量值;判断所述区域水流流量值是否大于预设水流流量值阈值;若是,则启动所述水泵;判断所述水泵启动后对应的区域水流流量值是否为零;若是,则关闭所述水泵。
通过采用上述技术方案,系统在水泵采用水流模式时,会检测对应的区域流量,判断是否大于预设的启动流量阈值,如果是则启动水泵。同时检测启动后区域流量,如果流量为零则关闭水泵,能够根据水流量智能决定水泵启停,确保了水量合理供应。
在本申请的第二方面提供了一种流体检测的水泵控制方法的系统。
信息获取模块,用于获取目标区域流体参数信息;
数据提取模块,用于提取所述目标区域流体参数信息中的流量、压力和温度数据,并将所述流速、压力和温度数据按照预设间隔时长划分为若干个时间序列数据集;
场景识别模块,用于将所述若干个时间序列数据集输入预设场景识别模型,得到目标场景识别结果;
模式切换模块,用于根据所述目标场景识别结果,确定对应的水泵工作模式信息;根据所述水泵工作模式信息,查询数据库中对应的水泵控制指令并发送给水泵控制终端以控制水泵的运行状态与目标区域流体状态相适应。
在本申请的第三方面提供了一种电子设备。
一种流体检测的水泵控制方法的系统,包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的程序,该程序能够被处理器加载执行时实现一种流体检测的水泵控制方法。
在本申请的第四方面提供了一种计算机可读存储介质。
一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时使所述处理器实现一种流体检测的水泵控制方法。
综上所述,本申请实施例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:
1、本申请通过获取水泵目标区域的流量、压力和温度多参数信息,提取并划分为时间序列数据集后输入预设的场景识别模型,可以实现对水泵运行状态的智能判断,确定水泵所需切换的工作模式,再根据模式信息查询获得对应控制指令,最终实现水泵的闭环控制和参数优化调节,能够根据流体状态变化自动切换水泵的工作模式,提高了水泵工作效率。
2、本申请通过检测水泵场景识别结果,区分水塔、常规民用和下增压三种场景。对应设定预设的定时模式、压力模式和水流模式作为水泵的工作模式。达到了水泵模式智能切换,使水泵控制更加智能化和精细化的效果。
3、本申请通过采用递归神经网络模型训练得到预设场景识别模型进行场景识别,提高了场景识别准确性和水泵工作效率。
附图说明
图1是本申请实施例提供的一种流体检测的水泵控制方法的流程示意图。
图2是本申请实施例公开的一种流体检测的水泵控制方法的结构示意图。
图3是本申请实施例的公开的一种电子设备的结构示意图。
附图标记说明:201、信息获取模块;202、数据提取模块;203、场景识别模块;204、模式切换模块;300、电子设备;301、处理器;302、存储器;303、用户接口;304、网络接口;305、通信总线。
具体实施方式
为了使本领域的技术人员更好地理解本说明书中的技术方案,下面将结合本说明书实施例中的附图,对本说明书实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅是本申请一部分实施例,而不是全部的实施例。
在本申请实施例的描述中,“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其他实施例或设计方案更优选或更具优势。确切而言,使用“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
在本申请实施例的描述中,术语“多个”的含义是指两个或两个以上。例如,多个系统是指两个或两个以上的系统,多个屏幕终端是指两个或两个以上的屏幕终端。此外,术语“第一”、“第二”仅用于描述目的,而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征。由此,限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
为了便于理解本申请实施例提供的方法及系统,在介绍本申请实施例之前,先对本申请实施例的背景进行介绍。
目前,传统的水泵控制方法依赖于人工操作,通过人为巡检对水泵运行参数进行检测,根据现场用水环境对水泵进行调节和维护。
本申请实施例公开了一种流体检测的水泵控制方法,通过获取目标区域的流体参数信息,该流体参数信息包括流量、压力和温度数据,并将该流体参数信息划分为时间序列数据集输入预设场景识别模型,并根据目标场景识别结果确定对应的水泵工作模式,对水泵进行模式切换操作,主要用于解决传统的水泵控制方法不能根据实际用水环境进行智能调控,导致能耗浪费和设备寿命缩短,且需要人工干预,增加了人力成本,工作效率更低的问题。
经过上述背景内容相关介绍,本领域技术人员可以了解现有技术中存在的问题,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行详细的描述,描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。
参照图1,一种流体检测的水泵控制方法,该方法包括S10至S40,具体包括以下步骤:
S10:获取目标区域流体参数信息。
具体的,工作人员在水泵进水端安装有流量传感器,系统通过该检测设备实时获取水泵输入流量,在出水端安装压力传感器,系统通过该检测设备实时检测水泵输出压力。且在水管关键节点设置温度探头用于系统实时监测供水管网温度分布情况,所有传感器通过IO模块与水泵控制器相连接。系统实时采集各传感器信号,并结合建立的楼房水管网数学模型,计算获得水力学参数如流速等,判断区域用水情况。当检测到供水管网异常时,控制器能够快速定位故障发生区域,指导现场管线检修。通过该系统,可以实时监测楼房供水状况,对水泵进行精确控制,保证供水质量,节约用水量,提高水泵系统的自动化水平。
S20:提取目标区域流体参数信息中的流量、压力和温度数据,并将流速、压力和温度数据按照预设间隔时长划分为若干个时间序列数据集。
具体的,系统通过流量传感器、压力传感器和温度探头实时检测水泵目标区域的流量、压力和温度数据后,即流体参数信息。系统将各传感器上传的流体参数信息进行滤波平滑处理,例如移动平均法、指数平滑法等现有滤波算法。然后系统按照预设间隔时长划分该流体参数信息,例如该预设间隔时长为1秒,系统以1秒为间隔采样获取流量、压力和温度的时间序列数据,每次获取1s内的平均值,并按照10分钟为一个时间段,将连续采集的时间序列数据分段存储。即每10分钟生成一个流量-压力-温度的多维时间序列数据文件,例如,在民用楼房水泵检测时,上午10:00段所提取的时间序列文件包含10:00至10:10分钟内的水泵出水流量、压力和温度的数据。重复上述过程,实时提取水泵目标区域的流体多参数时间序列数据集。这些时间序列数据集可以用于水泵状态监测、故障预测、性能评估等算法模型的训练和验证。
需要说明的是,在将时间序列数据集输入预设场景识别模型之前,还存在预设场景识别模型的训练过程,具体步骤包括:
示例性地,从水泵历史运行数据库中提取各种典型场景下的历史流量、历史压力、历史温度时间序列数据以及对应的预标注场景标签,即历史数据。然后,系统按照预设比例,例如该比例为9:1,随机选择90%的历史数据作为卷积神经网络的训练用训练集,选取10%的历史数据作为验证用的测试集。之后,系统构建一个包含现有卷积神经网络的初始模型,输入特征为历史流量、历史压力、历史温度时间序列数据,输出结果为场景识别结果。系统使用训练集反复训练该初始路径规划模型,根据现有寻优算法优化模型权重参数,使得规划的路径检测时长尽可能最小化。在每次训练完成后,系统使用测试集评估当前模型性能,判断场景识别结果是否已经收敛于预标注场景标签对应的场景。重复多次训练调参过程,直至测试集结果表明模型场景识别结果满足预设训练要求,该预设训练要求包括场景识别误差、训练次数等参数。此时训练后得到的递归神经网络模型即作为预设场景识别模型,后续对民用用水场景的识别即可直接应用该预设路径规划模型。
S30:将若干个时间序列数据集输入预设场景识别模型,得到目标场景识别结果。
具体的,系统得到若干个时间序列数据集后。系统将这些时间序列数据集,即按预设间隔时长划分的流量、压力和温度数据,作为模型输入特征输入预经过训练的场景识别模型。该预设场景识别模型通过深度学习算法学习不同水泵工作模式下数据的特征分布规律。模型运行后,可以输出水泵当前工作模式的识别结果,例如水塔场景、常规民用场景以及下增压专用场景。通过上述技术方案识别出水泵当前工作用水场景,系统可以对水泵进行精确控制,实现水量自动调节,从而提高工作效率。
S40:根据目标场景识别结果,确定对应的水泵工作模式信息。
具体的,系统对水泵实时运行数据进行采集和场景识别,判断水泵当前运行场景。根据场景识别结果,系统查询关联的水泵工作模式知识库。该知识库存储了场景识别结果与对应的水泵工作模式之间的映射关系。例如,在“水塔”场景下,对应设置为“定时模式”工作模式;在“常规民用”场景下,对应设置为“压力模式”工作模式;在“下增压专用”场景下,对应设置为“水流模式”工作模式。系统跟据该自动选择匹配的水泵工作模式,发送对应水泵工作模式的控制指令进行参数调整。通过该方法,水泵可以根据场景智能切换不同的工作模式,实现对水泵运行状态的主动监控和调节,达到提升水泵的智能自动化水平的效果。
S50:根据水泵工作模式信息,查询数据库中对应的水泵控制指令并发送给水泵控制终端以控制水泵的运行状态与目标区域流体状态相适应。
具体的,系统在确定水泵当前所需的工作模式信息之后。系统将该工作模式信息对应的模式名称作为查询关键字,搜索存储在数据库中的各种水泵工作模式对应的控制参数设置。例如,定时模式对应控制指令包括定时间隔、定时周期等参数。系统根据查询到对应工作模式的具体控制指令后。系统将该控制指令发送给水泵控制终端。水泵控制终端响应于该控制指令完成对应模式的切换和参数设置。
在本申请一种可选实施例中,当水泵的工作模式切换到定时模式时,系统向工作人员终端发送提示信息以提示工作人员设置水泵的启动时间间隔,例如该启动时间间隔设置为每2小时启动1次。系统在后台时钟记录水泵最后一次启动时间。当现在时间与最后启动时间的差值等于用户设置的启动间隔时,系统自动向水泵控制终端发送启动指令以控制水泵启动运转。系统同时获取水泵出水口流量传感器的上传的数据,即监测区域水流流量值。如果启动后在设定时间内,例如该设定时间为2分钟,水流流量值仍然为零,则系统判定为管路关闭,流量传感器不能感应到有水流关闭,系统向水泵控制终端发送关闭指令以关闭水泵。通过该智能控制,可以定期自动完成水泵启动,同时检测运行状态,确保水源供应的稳定性。
在本申请另一种可选实施例中,当水泵工作模式切换到压力模式时,系统开始实时检测水泵出口压力传感器的数据,即监测区域水压数据。系统区域水压数据与预设压力启动阈值进行比较,例如,该预设压力启动阈值为0.15MPa。如果区域水压数据低于该预设压力启动阈值,则系统判定管路水量不足,无法满足用水需求。系统发送启动指令给水泵控制终端以启动水泵开始供水。同时,系统获取水泵出口流量传感器的区域水流流量值。如果启动后在设定时间内,例如该设定时间为2分钟,水流流量值仍然为零,则系统判定为管路关闭,系统向水泵控制终端发送关闭指令以关闭水泵避免空转。通过该工作模式,可以根据水压情况实时调节水泵运行,保证水源供给的连续性。
在本申请再一种可选实施例中,当水泵工作模式切换到水流模式时,系统开始实时检测水泵出口的流量传感器。系统将检测的水流流量值与预设流量启动阈值进行比较,例如,该预设流量启动阈值为3立方米每小时。如果水流流量值大于该预设流量启动阈值,则系统判定水源供应充足,能够启动水泵供水。系统判定为用水高峰期,发送启动指令给水泵控制终端以启动水泵。同时,系统获取水泵出口流量传感器的区域水流流量值。如果启动后在设定时间内,例如该设定时间为2分钟,水流流量值仍然为零,则系统判定为管路关闭,系统向水泵控制终端发送关闭指令以关闭水泵避免空转。通过该水泵工作模式,可以根据水量需求智能调节水泵启停,实现精准供水,实时监测流量变化,确保输水系统安全可靠。
在本申请一种优选实施例中,为了降低水泵老化速度以及故障发生,该水泵设有多种保护机制,当达到出发条件系统将自动对水泵进行对应的保护动作。例如,缺水保护的过程为:当缺水水泵发生空转时,系统通过温度传感器检测到水泵温度上升,而通过压力传感器检测到的水压数据没有升上时,则系统将向水泵控制终端发送关闭指令以停止水泵,当通过流量传感器检测到流量时,自动退出缺水保护机制。防锈保护的过程为:系统定期启动自动除锈程序,开启水泵对管路进行冲洗,防止长期不用导致的锈蚀。防冻保护的过程为:温度传感器监测水泵回路温度,若低于预设低温阈值5摄氏度则按照预设时间,如该预设时间为10分钟向水泵控制终端发送转动指令以控制水泵每间隔10分钟启动水泵进行转动操作。过载保护的过程为:当水泵异物卡机和电机损坏时,系统检测到水泵温度达到预设损坏温度阈值,且未检测到水流流量值将自动停止水泵。系统通过管路抖动探测器采集供水管路数据,判断是否发生管道泄露,并在预设LCD显示屏发出报警以提醒工作人员进行维修。所有保护功能参数可通过控制面板自定义设置。
下述为本申请的系统实施例,可以用于执行本申请方法实施例。对于本申请平台实施例中未披露的细节,参照本申请方法实施例。
参照图2,为本申请实施例提供的一种流体检测的水泵控制方法的系统,该系统包括:信息获取模块201、信息处理模块202、模型训练模块203,误差分析模块204,其中:
信息获取模块201,用于获取目标区域流体参数信息;
数据提取模块202,用于提取目标区域流体参数信息中的流量、压力和温度数据,并将流速、压力和温度数据按照预设间隔时长划分为若干个时间序列数据集;
场景识别模块203,用于将若干个时间序列数据集输入预设场景识别模型,得到目标场景识别结果;
模式切换模块204,用于根据目标场景识别结果,确定对应的水泵工作模式信息;根据水泵工作模式信息,查询数据库中对应的水泵控制指令并发送给水泵控制终端以控制水泵的运行状态与目标区域流体状态相适应。
需要说明的是:上述实施例提供的装置在实现其功能时,仅以上述各功能模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能模块完成,即将设备的内部结构划分成不同的功能模块,以完成以上描述的全部或者部分功能。另外,上述实施例提供的装置和方法实施例属于同一构思,其具体实现过程详见方法实施例,这里不再赘述。
本申请还公开一种电子设备。参照图3,图3是本申请实施例的公开的一种电子设备的结构示意图。该电子设备300可以包括:至少一个处理器301,至少一个网络接口304,用户接口303,存储器302,至少一个通信总线305。
其中,通信总线305用于实现这些组件之间的连接通信。
其中,用户接口303可以包括显示屏(Display)、摄像头(Camera),可选用户接口303还可以包括标准的有线接口、无线接口。
其中,网络接口304可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中,处理器301可以包括一个或者多个处理核心。处理器301利用各种接口和线路连接整个服务器内的各个部分,通过运行或执行存储在存储器302内的指令、程序、代码集或指令集,以及调用存储在存储器302内的数据,执行服务器的各种功能和处理数据。可选的,处理器301可以采用数字信号处理(Digital Signal Processing,DSP)、现场可编程门阵列(Field-Programmable Gate Array,FPGA)、可编程逻辑阵列(Programmable LogicArray,PLA)中的至少一种硬件形式来实现。处理器301可集成中央处理器(CentralProcessing Unit,CPU)、图像处理器(Graphics Processing Unit,GPU)和调制解调器等中的一种或几种的组合。其中,CPU主要处理操作系统、用户界面图和应用程序等;GPU用于负责显示屏所需要显示的内容的渲染和绘制;调制解调器用于处理无线通信。可以理解的是,上述调制解调器也可以不集成到处理器301中,单独通过一块芯片进行实现。
其中,存储器302可以包括随机存储器(Random Access Memory,RAM),也可以包括只读存储器(Read-Only Memory)。可选的,该存储器302包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器302可用于存储指令、程序、代码、代码集或指令集。存储器302可包括存储程序区和存储数据区,其中,存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等;存储数据区可存储上面各个方法实施例中涉及的数据等。存储器302可选的还可以是至少一个位于远离前述处理器301的存储装置。参照图3,作为一种计算机存储介质的存储器302中可以包括操作系统、网络通信模块、用户接口模块以及一种流体检测的水泵控制方法的应用程序。
在图3所示的电子设备300中,用户接口303主要用于为用户提供输入的接口,获取用户输入的数据;而处理器301可以用于调用存储器302中存储一种营养学文献模型训练方法的应用程序,当由一个或多个处理器301执行时,使得电子设备300执行如上述实施例中一个或多个的方法。需要说明的是,对于前述的各方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本申请并不受所描述的动作顺序的限制,因为依据本申请,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述的部分,可以参见其他实施例的相关描述。
在本申请所提供的几种实施方式中,应该理解到,所披露的装置,可通过其他的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口,装置或单元的间接耦合或通信连接,可以是电性或其他的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储器中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储器中,包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例方法的全部或部分步骤。而前述的存储器包括:U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上者,仅为本公开的示例性实施例,不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰,皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践真理的公开后,将容易想到本公开的其他实施方案。
本申请旨在涵盖本公开的任何变型、用途或者适应性变化,这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的,本公开的范围和精神由权利要求限。
Claims (10)
1.一种流体检测的水泵控制方法,其特征在于,包括:
获取目标区域流体参数信息;
提取所述目标区域流体参数信息中的流量、压力和温度数据,并将所述流速、压力和温度数据按照预设间隔时长划分为若干个时间序列数据集;
将所述若干个时间序列数据集输入预设场景识别模型,得到目标场景识别结果;
根据所述目标场景识别结果,确定对应的水泵工作模式信息;
根据所述水泵工作模式信息,查询数据库中对应的水泵控制指令并发送给水泵控制终端以控制水泵的运行状态与目标区域流体状态相适应。
2.根据权利要求1所述的一种流体检测的水泵控制方法,其特征在于,所述获取目标区域流体参数信息中,包括:
通过温度传感器、压力传感器和流量传感器实时获取目标区域对应管道流体的初始流体参数信息;
根据预设滤波算法处理所述初始流体参数信息,得到目标参数信息;
记录所述目标参数信息对应的时间,并作为所述目标区域流体参数信息。
3.根据权利要求1所述的一种流体检测的水泵控制方法,其特征在于,所述将所述若干个时间序列数据集输入预设场景识别模型之前,还包括:
获取各区域历史流体参数信息和所述各区域对应的历史场景信息;
根据预设比例,将所述各区域流体参数信息中的历史流量、历史压力和历史温度数据以及所述各区域对应的场景信息划分为训练集数据和测试集数据对初始递归神经网络模型进行训练,得到场景识别结果;
判断所述场景识别结果是否收敛于所述历史场景信息;
若是,则结束模型训练操作并将所述初始递归神经网络模型作为所述预设场景识别模型。
4.根据权利要求1所述的一种流体检测的水泵控制方法,其特征在于,所述根据所述目标场景识别结果,确定对应的水泵工作模式信息中,包括:
检测所述目标场景识别结果,所述目标场景识别结果包括水塔、常规民用和下增压专用;
若所述目标场景识别结果为水塔,则将预设定时模式作为所述对应的水泵工作模式信息;
若所述目标场景识别结果为常规民用,则将预设压力模式作为所述对应的水泵工作模式信息;
若所述目标场景识别结果为下增压专用,则将预设水流模式作为所述对应的水泵工作模式信息。
5.根据权利要求4所述的一种流体检测的水泵控制方法,其特征在于,所述使水泵切换至对应的工作模式之后,还包括:
若所述水泵切换至所述预设定时模式,则获取用户设定的启动间隔时间;
根据所述启动间隔时间,向所述水泵控制终端发送启动指令以启动所述水泵;
判断所述水泵启动后对应的区域水流流量值是否为零;
若是,则关闭所述水泵。
6.根据权利要求4所述的一种流体检测的水泵控制方法,其特征在于,所述使水泵切换至对应的工作模式之后,还包括
若所述水泵切换至所述预设压力模式,则获取水泵对应的区域水压数据;
判断所述区域水压数据是否小于预设启动水压阈值;
若是,则启动所述水泵;
判断所述水泵启动后对应的区域水流流量值是否为零;
若是,则关闭所述水泵。
7.根据权利要求4所述的一种流体检测的水泵控制方法,其特征在于,所述使水泵切换至对应的工作模式之后,还包括:
若所述水泵切换至所述预设水流模式,则获取所述水泵对应的区域水流流量值;
判断所述区域水流流量值是否大于预设水流流量值阈值;
若是,则启动所述水泵;
判断所述水泵启动后对应的区域水流流量值是否为零;
若是,则关闭所述水泵。
8.一种基于权利要求1-7的流体检测的水泵控制方法,其特征在于,所述系统包括:
信息获取模块(201),用于获取目标区域流体参数信息;
数据提取模块(202),用于提取所述目标区域流体参数信息中的流量、压力和温度数据,并将所述流速、压力和温度数据按照预设间隔时长划分为若干个时间序列数据集;
场景识别模块(203),用于将所述若干个时间序列数据集输入预设场景识别模型,得到目标场景识别结果;
模式切换模块(204),用于根据所述目标场景识别结果,确定对应的水泵工作模式信息;根据所述水泵工作模式信息,查询数据库中对应的水泵控制指令并发送给水泵控制终端以控制水泵的运行状态与目标区域流体状态相适应。
9.一种电子设备,其特征在于,包括处理器(301)、存储器(302)、用户接口(303)及网络接口(304),所述存储器(302)用于存储指令,所述用户接口(303)和网络接口(304)用于给其他设备通信,所述处理器(301)用于执行所述存储器(302)中存储的指令,以使所述电子设备(300)执行如权利要求1-7任意一项所述的一种流体检测的水泵控制方法。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质用于存储指令,当所述指令被执行时,执行如权利要求1-7任意一项所述的一种流体检测的水泵控制方法步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217423.4A CN117189564A (zh) | 2023-09-20 | 2023-09-20 | 一种流体检测的水泵控制方法、系统、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311217423.4A CN117189564A (zh) | 2023-09-20 | 2023-09-20 | 一种流体检测的水泵控制方法、系统、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117189564A true CN117189564A (zh) | 2023-12-08 |
Family
ID=88997724
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311217423.4A Pending CN117189564A (zh) | 2023-09-20 | 2023-09-20 | 一种流体检测的水泵控制方法、系统、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117189564A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117685210A (zh) * | 2023-12-21 | 2024-03-12 | 广州市百福电气设备有限公司 | 一种基于双通道通信的水泵控制方法、系统、设备及介质 |
CN117868263A (zh) * | 2024-03-11 | 2024-04-12 | 上海凯源泵业有限公司 | 一种供水设备控制方法、装置、设备及存储介质 |
-
2023
- 2023-09-20 CN CN202311217423.4A patent/CN117189564A/zh active Pending
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117685210A (zh) * | 2023-12-21 | 2024-03-12 | 广州市百福电气设备有限公司 | 一种基于双通道通信的水泵控制方法、系统、设备及介质 |
CN117685210B (zh) * | 2023-12-21 | 2024-05-24 | 广州市百福电气设备有限公司 | 一种基于双通道通信的水泵控制方法、系统、设备及介质 |
CN117868263A (zh) * | 2024-03-11 | 2024-04-12 | 上海凯源泵业有限公司 | 一种供水设备控制方法、装置、设备及存储介质 |
CN117868263B (zh) * | 2024-03-11 | 2024-05-28 | 上海凯源泵业有限公司 | 一种供水设备控制方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117189564A (zh) | 一种流体检测的水泵控制方法、系统、电子设备及介质 | |
CN107957357B (zh) | 一种排水管道水质自动采样方法及装置 | |
CN103903408B (zh) | 设备故障侦查预警方法和系统 | |
US10676901B2 (en) | Interactive water monitoring system | |
CN114992106B (zh) | 一种基于数字孪生的泵站机组运行状态分析系统 | |
CN104520581A (zh) | 自动计算用于风力涡轮机的功率曲线监测的功率曲线界限的方法 | |
CN101871448B (zh) | 一种泵站水泵特性曲线确定方法及系统 | |
CN102531121A (zh) | 水处理混凝剂最佳投量预测系统及预测方法 | |
CN110837933A (zh) | 基于神经网络的漏损识别方法、装置、设备及存储介质 | |
CN117176560A (zh) | 一种基于物联网的监测设备监管系统及其方法 | |
CN114492580A (zh) | 水利监控方法、装置、设备及存储介质 | |
CN110017161B (zh) | 综采工作面智能供液方法、存储介质、电子设备和系统 | |
CN111445105B (zh) | 基于目标值分析的电厂在线性能诊断方法及系统 | |
CN107340102A (zh) | 一种换流阀冷却系统漏水检测方法及系统 | |
CN112766772B (zh) | 油气水井实时监测方法、装置、计算机设备和存储介质 | |
CN111441769A (zh) | 多落程抽水试验参数自动检测系统及检测方法 | |
CN110991671A (zh) | 一种水利泵站巡检系统及巡检方法 | |
CN109539457A (zh) | 一种基于深度学习的冷水机房控制方法 | |
CN112432307B (zh) | 水泵评价方法、装置、空调系统、存储介质及电子设备 | |
CN108664696A (zh) | 一种冷水机组运行状态的测评方法及装置 | |
CN114298243A (zh) | 一种数据处理方法、装置以及设备 | |
CN113033922A (zh) | 一种综合监控系统的能耗优化方法及系统 | |
CN110516323A (zh) | 一种基于时序分析的压力管道损伤预测方法 | |
CN111706976B (zh) | 抽水设备的回流时间确定方法、缺水提示方法及装置 | |
CN115988034B (zh) | 管道安全状态的智能化监测方法及系统、服务平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication |