CN117495356A - 基于人机联动的智慧燃气管道维修方法和物联网系统 - Google Patents
基于人机联动的智慧燃气管道维修方法和物联网系统 Download PDFInfo
- Publication number
- CN117495356A CN117495356A CN202311734220.2A CN202311734220A CN117495356A CN 117495356 A CN117495356 A CN 117495356A CN 202311734220 A CN202311734220 A CN 202311734220A CN 117495356 A CN117495356 A CN 117495356A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- data
- risk
- intelligent gas
- repair
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 316
- 238000000034 method Methods 0.000 title claims abstract description 43
- 230000008439 repair process Effects 0.000 claims abstract description 98
- 238000004891 communication Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 1
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004904 shortening Methods 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 166
- 238000007726 management method Methods 0.000 description 68
- 239000013598 vector Substances 0.000 description 41
- 230000000875 corresponding effect Effects 0.000 description 21
- 238000012502 risk assessment Methods 0.000 description 14
- 230000008569 process Effects 0.000 description 13
- 238000012549 training Methods 0.000 description 11
- 230000007613 environmental effect Effects 0.000 description 7
- 238000012986 modification Methods 0.000 description 7
- 230000004048 modification Effects 0.000 description 7
- 230000006870 function Effects 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 230000005540 biological transmission Effects 0.000 description 4
- 238000004880 explosion Methods 0.000 description 4
- 238000003062 neural network model Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000001276 controlling effect Effects 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 239000002737 fuel gas Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 206010063385 Intellectualisation Diseases 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000009172 bursting Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000013210 evaluation model Methods 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000013439 planning Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- 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
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/60—Intended control result
- G05D1/617—Safety or protection, e.g. defining protection zones around obstacles or avoiding hazards
-
- 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
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/042—Knowledge-based neural networks; Logical representations of neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y10/00—Economic sectors
- G16Y10/35—Utilities, e.g. electricity, gas or water
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Y—INFORMATION AND COMMUNICATION TECHNOLOGY SPECIALLY ADAPTED FOR THE INTERNET OF THINGS [IoT]
- G16Y40/00—IoT characterised by the purpose of the information processing
- G16Y40/10—Detection; Monitoring
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F16—ENGINEERING ELEMENTS AND UNITS; GENERAL MEASURES FOR PRODUCING AND MAINTAINING EFFECTIVE FUNCTIONING OF MACHINES OR INSTALLATIONS; THERMAL INSULATION IN GENERAL
- F16L—PIPES; JOINTS OR FITTINGS FOR PIPES; SUPPORTS FOR PIPES, CABLES OR PROTECTIVE TUBING; MEANS FOR THERMAL INSULATION IN GENERAL
- F16L55/00—Devices or appurtenances for use in, or in connection with, pipes or pipe systems
- F16L55/26—Pigs or moles, i.e. devices movable in a pipe or conduit with or without self-contained propulsion means
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2101/00—Details of software or hardware architectures used for the control of position
- G05D2101/10—Details of software or hardware architectures used for the control of position using artificial intelligence [AI] techniques
- G05D2101/15—Details of software or hardware architectures used for the control of position using artificial intelligence [AI] techniques using machine learning, e.g. neural networks
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2105/00—Specific applications of the controlled vehicles
- G05D2105/45—Specific applications of the controlled vehicles for manufacturing, maintenance or repairing
- G05D2105/47—Specific applications of the controlled vehicles for manufacturing, maintenance or repairing for maintenance or repairing, e.g. fuelling or battery replacement
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D2107/00—Specific environments of the controlled vehicles
- G05D2107/50—Confined spaces, e.g. tanks, pipelines, tunnels or containers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Game Theory and Decision Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Evolutionary Computation (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Accounting & Taxation (AREA)
- Remote Sensing (AREA)
- Aviation & Aerospace Engineering (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Mechanical Engineering (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
Abstract
本发明提供基于人机联动的智慧燃气管道维修方法和物联网系统,该系统包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台以及智慧燃气管网对象平台,该智慧燃气管网安全管理平台被配置为:基于待维修管道数据、维修人员特征和/或维修机器人特征,确定第一周期;通过维修人员终端和/或维修机器人,根据第一周期获取第一反馈数据;基于第一反馈数据和待维修管道数据,确定维修参数,将维修参数发送至维修人员终端;基于维修参数生成控制指令,将控制指令发送至维修机器人。该方法使得维修人员和维修机器人可共同进行故障管道的维修等操作,既有利于保证人员安全,也可以提高维修效率,缩短维修时长。
Description
技术领域
本说明书涉及燃气领域,特别涉及一种基于人机联动的智慧燃气管道维修方法和物联网系统。
背景技术
对于燃气管道的维修,多有维修人员维修和维修机器人维修两种,现有技术中,多是仅仅涉及维修设备或维修机器人的方法,缺乏维修人员控制维修机器人协同工作时的维修管理手段。CN112712148A中提出了一种地下管网监测方法、系统、装置和存储介质,通过机器人对管道进行巡检,发现异常则提示维修人员进行维修。上述发明中,在维修人员对故障管道进行维修时,可能由于风险较高维修人员无法完成,需要机器人介入的情况,这时再调动机器人进场维修,可能使得维修工作进展缓慢,甚至有可能耽误维修时机,造成损失。
因此本说明书提供一种基于人机联动的智慧燃气管道维修物联网系统,可以提高燃气维修效率及安全性。
发明内容
发明内容包括基于人机联动的智慧燃气管道维修物联网系统,包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台以及智慧燃气管网对象平台,所述智慧燃气管网安全管理平台被配置为:基于待维修管道数据、维修人员特征和/或维修机器人特征,确定第一周期;通过维修人员终端和/或维修机器人,根据所述第一周期获取第一反馈数据;基于所述第一反馈数据和所述待维修管道数据,确定维修参数,将所述维修参数发送至所述维修人员终端;基于所述维修参数生成控制指令,将所述控制指令发送至所述维修机器人。
发明内容包括基于人机联动的智慧燃气管道维修方法,所述方法由基于人机联动的智慧燃气管道维修物联网系统的智慧燃气管网安全管理平台执行,所述方法包括:基于待维修管道数据、维修人员特征和/或维修机器人特征,确定第一周期;通过维修人员终端和/或维修机器人,根据所述第一周期获取第一反馈数据;基于所述第一反馈数据和所述待维修管道数据,确定维修参数,将所述维修参数发送至所述维修人员终端;基于所述维修参数生成控制指令,将所述控制指令发送至所述维修机器人。
本发明基于第一反馈数据和待维修管道数据,确定维修参数,并将维修参数同时发送至维修人员和维修机器人,使得维修人员和维修机器人可以共同进行故障管道的维修等操作,既有利于保证人员安全,也可以在一定程度提高维修效率,缩短维修时长。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的基于人机联动的智慧燃气管道维修物联网系统的平台结构图;
图2是根据本说明书一些实施例所示的基于人机联动的智慧燃气管道维修方法的示例性流程图;
图3是根据本说明书一些实施例所示的确定维修参数的示例性流程图;
图4是根据本说明书一些实施例所示的确定维修后风险的示意图;
图5是根据本说明书一些实施例所示的管道区域图谱的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
燃气管道的故障维修复杂多样,CN112712148A中仅仅提出了机器人对管道进行巡检,在发现异常情况时上报,并没有维修功能。而维修人员通常无法在较危险的情况下及时对故障管道进一步维修。因此,本说明书一些实施例提出一种基于人机联动的智慧燃气管道维修物联网系统,维修人员和/或维修机器人通过不断收集故障管道的反馈数据生成相应的控制指令,对故障管道采取适当应对措施。
图1是根据本说明书一些实施例所示的基于人机联动的智慧燃气管道维修物联网系统的平台结构图。以下将对本说明书实施例所涉及的基于人机联动的智慧燃气管道维修物联网系统进行详细说明。需要注意的是,以下实施例仅用于解释本说明书,并不构成对本说明书的限定。
在一些实施例中,基于人机联动的智慧燃气管道维修物联网系统100可以包括智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气管网安全管理平台130、智慧燃气管网传感网络平台140和智慧燃气管网对象平台150。
在一些实施例中,智慧燃气用户平台110是用于与用户进行交互的平台。
在一些实施例中,智慧燃气用户平台110包括燃气用户分平台和监管用户分平台。燃气用户分平台可以是为燃气用户提供燃气使用相关数据以及燃气问题解决方案的平台。燃气用户可以是工业燃气用户、商业燃气用户、普通燃气用户等。监管用户分平台可以是监管用户对整个物联网系统的运行进行监管的平台。监管用户可以安全管理部门的人员。
智慧燃气服务平台120是用于将用户的需求与控制信息传达出去的平台。
在一些实施例中,智慧燃气服务平台120包括智慧用气服务分平台和智慧监管服务分平台。智慧用气服务分平台可以是为燃气用户提供用气服务的平台。智慧监管服务分平台可以是为监管用户提供监管需求的平台。
智慧燃气管网安全管理平台130是统筹、协调各功能平台之间的联系和协作,并汇聚着物联网全部的信息,为物联网运行体系提供感知管理和控制管理功能的平台。在一些实施例中,智慧燃气管网安全管理平台可以确定第一周期、维修参数和生成控制指令。
在一些实施例中,智慧燃气管网安全管理平台130可以包括智慧燃气管网风险评估管理分平台131和智慧燃气数据中心132。智慧燃气管网风险评估管理分平台可以是用于评估维修前风险。在一些实施例中,智慧燃气管网风险评估管理分平台可以包括但不限于管网基础数据管理模块、管网运行数据管理模块、管网风险评估管理模块。智慧燃气数据中心可以用于基于人机联动的智慧燃气管道维修物联网系统100的所有运行信息。在一些实施例中,智慧燃气数据中心可以被配置为存储设备,用于存储与维修管道相关的数据等。
在一些实施例中,智慧燃气管网安全管理平台130可以通过智慧燃气数据中心分别与智慧燃气服务平台120、智慧燃气管网传感网络平台140进行信息交互。
在一些实施例中,将待维修管道数据发送至维修人员终端可以由智慧燃气管网安全管理平台130执行,经由智慧燃气管网维护工程传感网络平台下发到管网维护工程对象分平台。
在一些实施例中,智慧燃气管网传感网络平台140可以是对传感通信进行管理的功能平台。在一些实施例中,智慧燃气管网传感网络平台140可以实现感知信息传感通信和控制信息传感通信的功能。
在一些实施例中,智慧燃气管网传感网络平台140可以包括智慧燃气管网设备传感网络分平台、智慧燃气管网维护工程传感网络分平台,可以分别用于获取燃气户内设备和燃气管网设备的运行信息。
智慧燃气管网对象平台150是感知信息生成和控制信息执行的功能平台。
在一些实施例中,智慧燃气管网对象平台150可以包括智慧燃气管网设备对象分平台、智慧燃气管网维护工程对象分平台。在一些实施例中,智慧燃气管网设备对象分平台可以被配置为与维修机器人连接。智慧燃气管网维护工程对象分平台可以被配置为与维修人员终端连接。
维修人员终端是可以进行数据传输及处理功能的装置。维修人员终端可以包括屏幕与处理器。维修人员可以通过维修人员终端实现数据上传、接收、信息交互等功能。维修机器人是指可以进行数据传输及处理,以及执行燃气管道的维修操作的机器人。在一些实施例中,数据传输及处理包括获取、接收、处理、发送传输数据,例如,待维修管道数据的上传。本说明书一些实施例,基于人机联动的智慧燃气管道维修物联网系统100,可以在智慧燃气管网对象平台150与智慧燃气用户平台110之间形成信息运行闭环,并在智慧燃气管网安全管理平台130的统一管理下协调、规律运行,实现基于人机联动的智慧燃气管道维修物联网系统管理信息化及智能化。
应当理解,图1所示的系统及其模块可以利用各种方式来实现。
需要注意的是,以上对于基于人机联动的智慧燃气管道维修物联网系统及其模块的描述,仅为描述方便,并不能把本说明书限制在所举实施例范围之内。可以理解,对于本领域的技术人员来说,在了解该系统的原理后,可能在不背离这一原理的情况下,对各个模块进行任意组合,或者构成子系统与其他模块连接。在一些实施例中,图1中披露的智慧燃气用户平台110、智慧燃气服务平台120、智慧燃气管网安全管理平台130、智慧燃气管网传感网络平台140和智慧燃气管网对象平台150可以是一个系统中的不同模块,也可以是一个模块实现上述的两个或两个以上模块的功能。例如,各个模块可以共用一个存储模块,各个模块也可以分别具有各自的存储模块。诸如此类的变形,均在本说明书的保护范围之内。
图2是根据本说明书一些实施例所示的基于人机联动的智慧燃气管道维修方法的示例性流程图。如图2所示,流程200包括下述步骤。在一些实施例中,流程200可以由智慧燃气管网安全管理平台执行。
步骤210,基于待维修管道数据、维修人员特征和/或维修机器人特征,确定第一周期。
待维修管道数据是指发生故障后的燃气管道的相关数据。在一些实施例中,待维修管道数据至少包括故障类型、故障数据、维修管道的重要程度和建议维修手段。
在一些实施例中,待维修管道数据可以由维修人员和/或维修机器人从智慧燃气管网对象平台中获取。关于待维修管道数据的获取参见图1及相关内容。
维修人员特征是指维修人员关于维修管道的相关特征。例如,维修人员的工作年限、熟练度、其维修技能与当前管道问题的匹配程度等。
维修机器人特征是指维修机器人本身的属性、性能等。例如,维修机器人的维修能力、使用年限、电量、材质等。
第一周期是指获取第一反馈数据对应的周期。
第一周期主要与维修人员的维修能力、反馈习惯以及维修机器人的维修能力有关。当维修人员与维修机器人的维修能力越强以及维修人员的反馈习惯越理想时,第一周期的时长就越短;反之越长。维修能力越好是指在管道同等故障的情况下,维修时间越短和/或维修成功率越高。反馈习惯越理想是指维修管道期间可以更加及时准确的反馈维修情况。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据、维修人员特征和/或维修机器人特征,在第一数据库中通过向量匹配方法,确定第一周期。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据、维修人员特征和/或维修机器人特征,构建待匹配向量。第一数据库包含多个参考向量,每个参考向量存在对应的第一周期。
在一些实施例,智慧燃气管网安全管理平台可以对历史维修反馈数据集合进行聚类,基于聚类算法确定至少一个聚类中心,得到待维修管道数据、各类维修人员以及维修机器人对应的第一聚类中心集合,基于该第一聚类中心集合可以构建多个参考向量,其中,一个聚类中心对应一个参考向量。
历史维修反馈数据集合包括多个历史维修反馈数据。参考向量的构建方式与待匹配向量类似。
在一些实施例中,智慧燃气管网安全管理平台可以基于待匹配向量与第一数据库中多个参考向量之间的相似度,确定第一周期。例如,智慧燃气管网安全管理平台将与待匹配向量之间的相似度满足第一预设条件的参考向量作为目标向量,将目标向量对应的第一周期作为第一周期。第一预设条件可以根据情况设定。例如,相似度最大、或相似度大于阈值等。
步骤220,通过维修人员终端和/或维修机器人,根据第一周期获取第一反馈数据。
第一反馈数据是关于故障管道维修情况的数据。包括维修人员反馈数据和机器人反馈数据。
维修人员反馈数据是指维修人员在观测故障管道后的反馈。例如,人工能否维修、人工评估难度大小、人工评估维修风险性以及预估的维修时间。其中,维修风险的评估主要基于维修人员自身经验对故障管道进行的判断。
机器人反馈数据是指机器人在勘测故障管道后的反馈。例如,机器人能否维修、评估能够完成维修的板块、预估维修时间、维修风险性。
在一些实施例中,智慧燃气管网安全管理平台根据第一周期从维修人员与维修机器人获取第一反馈数据,了解故障管道的故障情况以及危险程度,是否可以单独由维修人员或维修机器人完成或需要维修人员与维修机器人协同进行。
在一些实施例中,智慧燃气管网安全管理平台基于维修管道数据确定故障等级,基于故障等级和第一反馈数据确定维修前风险。
故障等级是指故障管道的损坏程度。在一些实施例中,故障等级用g1、g2、g3等表示。
在一些实施例中,智慧燃气管网安全管理平台基于待维修管道数据,通过查询第一预设表确定故障等级。第一预设表基于历史维修管道数据和故障等级构建。
维修前风险是指在维修故障管道之前对此次维修进行评估得出的风险程度。风险程度较大时需要维修人员控制维修机器人对故障管道进行维修。
在一些实施例中,智慧燃气管网安全管理平台基于故障等级和第一反馈数据,通过查询第二预设表确定维修前风险。第二预设表基于故障等级、第一反馈数据以及维修风险构建。
在一些实施例中,智慧燃气管网安全管理平台基于故障等级和第一反馈数据,在第二数据库中通过向量匹配的方法确定维修前风险。
在一些实施例中,智慧燃气管网安全管理平台基于故障等级和第一反馈数据,构建待匹配向量。第二数据库包含多个参考向量,每个参考向量存在对应的维修风险。
在一些实施例,智慧燃气管网安全管理平台对历史维修反馈数据集合进行聚类,基于聚类算法确定至少一个聚类中心,得到故障等级和第一反馈数据对应的第二聚类中心集合,基于该第二聚类中心集合可以构建参考向量。参考向量的构建方式与待匹配向量类似。
在一些实施例中,智慧燃气管网安全管理平台可以基于待匹配向量与第二数据库中多个参考向量之间的相似度,确定维修前风险。例如,智慧燃气管网安全管理平台将与待匹配向量之间的相似度满足第二预设条件的参考向量作为目标向量,将目标向量对应的维修风险作为维修前风险。第二预设条件可以根据情况设定。例如,相似度最大、或相似度大于阈值等。
本说明书的一些实施例,基于故障等级与第一反馈数据,通过向量匹配的方法高效地确定维修前风险,为智慧燃气管网安全管理平台在维修过程中迅速确定维修参数奠定了基础。
本说明书的一些实施例,通过对维修前风险的评估,预估统计故障管道可能发送的故障情况并分级,合理制定方案,保证维修人员的安全与维修进度的推进。
在一些实施例中,智慧燃气管网安全管理平台可以基于维修后风险调整维修前风险。
维修前风险还包括能否达到维修目的。维修目的包括维修后的燃气管道满足其所对应的使用安全标准。维修目的相关于维修后风险。在一些实施例中,燃气管道的维修目的与该燃气管道对应的维修后风险正相关,例如,维修后风险越高,维修目的对应的维修后的燃气管道满足使用安全标准的要求越严苛。示例性的,针对老化的管道段A的维修后的爆裂风险较高,针对该管道段A的维修方式可以是替换该管道段A的管体,使之完全达到维修目的对应的使用安全标准。
维修后风险是指在维修故障管道之后,对维修情况进行评估得出的风险程度。例如,维修好的管道是否漏气、周围的管道是否正常运行等。
维修后风险基于智慧燃气对象平台获取的燃气管道数据,基于待维修管道数据、燃气管道数据、候选维修参数确定。关于获取维修后风险的更多内容参见图5及相关内容。
在一些实施例中,维修前风险可以通过风险评估模型得出的维修前风险与维修后风险的加权计算得到。例如,预设的权重为W1、W2,维修前风险=W1风险评估模型得出的维修前风险+W2/>维修后风险。W1与W2相关于维修管道的重要程度,该重要程度可以基于待维修管道数据确定。维修管道的重要程度与W1与W2的比值呈负相关,即重要程度越高,W2越大。风险评估模型详情参见图3及相关内容。
本说明书的一些实施例,通过风险评估模型得出的维修前风险与预测得到的维修后风险加权计算得到最终的维修前风险,可以更加合理及高效地预测出维修前风险。
步骤230,基于第一反馈数据和待维修管道数据,确定维修参数,将维修参数发送至维修人员终端。
维修参数是指维修人员需要完成的工作以及需要控制维修机器人完成的工作。维修参数至少包括维修人员维修待维修管道的参数。例如,替换管道的尺径长度、管道的型号种类、绑带的长度等。
智慧燃气管网安全管理平台可以基于第一反馈数据与待维修管道数据,通过多种方法确定维修参数。例如,智慧燃气管网安全管理平台可以基于第一反馈数据与待维修管道数据,通过查询第三预设表确定维修参数。该第三预设表基于第一反馈数据、待维修管道数据以及维修参数构建。
维修参数确定好以后,经由智慧燃气管网维护工程传感网络分平台发往智慧燃气管网维护工程对象分平台的维修人员终端。
步骤240,基于维修参数生成控制指令,将控制指令发送至维修机器人。
控制指令是指智慧燃气管网安全管理平台基于维修参数生成的控制机器人进行管道维修的指令。
当确定故障管道可以进行维修时,智慧燃气管网安全管理平台将控制指令经由智慧燃气管网设备传感网络分平台,发往智慧燃气管网设备对象分平台,从而控制维修机器人进行故障管道的维修。
本说明书的一些实施例,基于第一反馈数据和待维修管道数据,确定维修参数,并将维修参数同时发送至维修人员和维修机器人,使得维修人员和维修机器人可以共同进行故障管道的维修等操作,既有利于保证人员安全,也可以在一定程度提高维修效率,缩短维修时长。
图3是根据本说明书一些实施例所示的确定维修参数的示例性流程图。
步骤310,基于第一反馈数据和第二反馈数据确定维修风险度。
在一些实施例中,维修参数还相关于第二反馈数据。例如,智慧燃气管网安全管理平台可以基于维修过程中实时获取的第二反馈数据,更新维修参数。
第二反馈数据是指维修过程中采集的数据。在一些实施例中,第二反馈数据通过维修机器人根据第二周期获取。第二周期即维修机器人采集第二反馈数据的周期,例如,第二周期为30min,则维修机器人每隔30min采集一次第二反馈数据。
在一些实施例中,第二反馈数据可以包括维修机器人的环境传感检测子模块检测到的管道数据、维修板块、维修的进度及预计维修时间。其中,管道数据可以是管道压力、管道温度及环境温度、管道周围燃气浓度等。维修板块是指具体的维修内容,如拧螺丝、加固管道等。
维修风险度是指基于维修参数在当前维修过程中相较于维修前的风险变化值,用于评估变化后的风险是否支持维修进一步进行。
在一些实施例中,智慧燃气管网安全管理平台可以基于第一反馈数据和第二反馈数据,通过多种方法确定维修风险度。例如,智慧燃气管网安全管理平台可以基于第一反馈数据和第二反馈数据,通过查询第四预设表确定维修风险度。该第四预设表基于第一反馈数据、第二反馈数据以及维修风险度构建。
在一些实施例中,智慧燃气管网安全管理平台可以基于第一反馈数据和第二反馈数据,通过风险度评估模型确定维修风险度。
在一些实施例中,风险度评估模型可以为机器学习模型。例如,风险度评估模型可以为神经网络模型。在一些实施例中,风险评估模型的输入可以包括第一反馈数据和第二反馈数据,输出可以是维修风险度。
在一些实施例中,风险度评估模型可以通过训练得到。第一训练样本是历史维修数据中的第一反馈数据、第二反馈数据,第一标签可以是对应于第一训练样本的历史维修过程中的维修风险度。
在一些实施例中,作为训练标签的维修风险度(记为R)可以根据管道变化加权确定:
R=k1R1+k2/>R2+k3/>R3
其中,ki(i=1,2,3,下同)为加权系数,可以由技术人员根据经验预设,R1、R2、R3分别为第一风险、第二风险、第三风险,其确定公式分别为:
R1=(管道周围燃气浓度-危险阈值1)/危险阈值1
R2=(管道压力-危险阈值2)/危险阈值2
R3=(管道温度-危险阈值3)/危险阈值3
其中,危险阈值1表示可能会导致燃爆等危险的燃气浓度临界值;危险阈值2表示可能会导致管道破裂的压力临界值;危险阈值3表示可能会导致燃爆等危险的温度临界值。
在一些实施例中,考虑因素可能会不小于上述的三种,即除了考虑燃爆、管道破裂外,可能会有其他的实际考量,因此风险分量Ri可以根据实际情况设置。在一些实施例中,ki的设置也可以依据风险的危险程度设置,例如,管道破裂的风险小于管道燃爆的风险,则k1,k3适当提高,k2适应性地减小。
本说明书一些实施例中,智慧燃气管网安全管理平台可以基于第一反馈数据和第二反馈数据,通过风险度评估模型确定维修风险度,对维修过程中的风险进行更加准确的评估,使维修可以更加安全地进行。
在一些实施例中,风险评估模型的输入还可以包括维修前风险。关于维修前风险的相关说明参见图2。
在一些实施例中,通过在风险评估模型的输入中引入维修前风险,可以将维修前的风险评估情况纳入参考,提高模型的准确性。
在一些实施例中,第二周期可以在第一周期的基础上根据维修风险度进行调整。例如,维修风险度高,则可以在第一周期的基础上相应缩短周期时长得到第二周期。
在一些实施例中,通过根据维修风险度和第一周期对第二周期进行调整,可以使第二周期的确定方式更加合理。
步骤320,基于维修风险度和待维修管道数据确定维修参数。
在一些实施例中,智慧燃气管网安全管理平台可以基于维修风险度和待维修管道数据通过多种方式确定维修参数。例如,智慧燃气管网安全管理平台可以基于维修风险度和待维修管道数据,通过查询第五预设表确定维修参数。第五预设表基于维修风险度、历史维修管道数据和维修参数构建。
在一些实施例中,步骤320可以进一步包括步骤322、步骤324及步骤326。
步骤322,基于待维修管道数据确定候选维修参数。
候选维修参数是指作为候选的维修参数。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据,通过查询第六预设表确定候选维修参数。其中,第六预设表可以基于历史维修管道数据和历史维修参数构建。
步骤324,基于待维修管道数据和候选维修参数,评估维修后风险。
维修后风险是指基于候选维修参数对燃气管道进行维修后一段时间内,评估的燃气管道发生故障的风险。例如,维修后风险可以包括维修后燃气管道因为外界影响再次出现故障的风险。其中外界影响包括温度变化大、用户使用频次多等情况的影响。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据和候选维修参数,通过多种方式评估维修后风险。例如,可以由技术人员根据先验知识和历史经验进行人工评估。再例如,可以通过图神经网络模型进行评估,具体内容可以参见图4、图5相关说明。
步骤326,基于维修风险度和维修后风险,确定目标维修参数为维修参数。
关于维修风险度的说明可以参见步骤310对应的描述。
目标维修参数是指优选的候选维修参数。
在一些实施例中,智慧燃气管网安全管理平台可以通过排序的方式确定目标维修参数。例如,先比较维修风险度,选取候选维修参数中维修风险度最小的作为目标维修参数,若存在不止一个,则再比较维修后风险,选取候选维修参数中维修后风险最小的作为目标维修参数。
在一些实施例中,智慧燃气管网安全管理平台还可以基于维修风险度和维修后风险,通过加权求和确定目标维修参数。例如,可以通过以下公式计算维修参数评分:
维修参数评分=k1维修风险度+k2/>维修后风险
其中,k1、k2为预设的加权系数。计算完成后,选取维修参数评分高的候选维修参数确定为目标维修参数,作为维修参数。
在一些实施例中,通过加权计算维修参数评分的方法确定维修参数,智慧燃气管网安全管理平台可以根据不同权重综合考虑维修风险度和维修后风险,选取更符合实际情况的维修参数。
本说明书一些实施例中,智慧燃气管网安全管理平台基于待维修管道数据确定候选维修参数,评估维修后风险,再基于维修风险度和维修后风险确定维修参数,可以使确定维修参数的过程更符合逻辑,并在一定程度上控制维修过程中以及维修后的风险。
本说明书一些实施例中,智慧燃气管网安全管理平台基于第一反馈数据和第二反馈数据确定维修风险度,并基于维修风险度和待维修管道数据确定维修参数,使维修过程中的反馈数据可以作为维修参数的参考,使维修参数更符合实际情况,提高维修参数的准确性。
应当注意的是,上述有关流程300的描述仅仅是为了示例和说明,而不限定本说明书的适用范围。对于本领域技术人员来说,在本说明书的指导下可以对流程300进行各种修正和改变。
图4是根据本说明书一些实施例所示的确定维修后风险的示意图。
在一些实施例中,智慧燃气管网安全管理平台可以获取燃气管道数据,基于待维修管道数据410、燃气管道数据420、候选维修参数430确定维修后风险460。
燃气管道数据420是指与燃气管道相关的数据。例如,燃气管道数据可以包括管道特征、管道环境特征和管道历史维修情况等。其中,管道特征可以包括管道使用频率、使用时间分布和管道压力特征等;管道环境特征可以包括地上/地下环境特征,如温度、腐蚀情况、大气压力/土层压力等。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据410、燃气管道数据420、候选维修参数430通过多种方式确定维修后风险460。例如,智慧燃气管网安全管理平台可以基于待维修管道数据、燃气管道数据、候选维修参数,通过查询第七预设表确定维修后风险。其中,第七预设表可以基于历史维修管道数据、燃气管道数据、历史维修参数以及维修后风险构建。
在一些实施例中,智慧燃气管网安全管理平台还可以基于待维修管道数据410、燃气管道数据420、候选维修参数430构建管道区域图谱440,并基于管道区域图谱确定维修后风险460。
管道区域图谱440可以用于反映预设区域内的管道分布情况。预设区域可以是事先设定好的区域,例如,根据方位将城市分为东西南北四个区域,可以基于城市东区的管道分布情况获得该城市东区的管道区域图谱。管道区域图谱440的结构可以参见图5。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据410、燃气管道数据420和候选维修参数430通过以下方式构建管道区域图谱440:基于待维修管道数据410和候选维修参数430确定维修后管道特征,基于维修后管道特征和燃气管道数据420构建管道区域图谱440。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据410和候选维修参数430,在第三数据库中进行向量匹配,确定维修后管道特征。
在一些实施例中,智慧燃气管网安全管理平台可以基于待维修管道数据410和候选维修参数430构建待匹配向量。第三数据库中包括多个参考向量,参考向量具有对应的维修后管道特征。
在一些实施例中,智慧燃气管网安全管理平台可以根据历史数据中待维修管道数据、候选维修参数进行聚类,基于得到的第三聚类中心集合,构建多个参考向量,其中,一个聚类中心对应一个参考向量,参考向量的构建方法与待匹配向量类似。
在一些实施例中,智慧燃气管网安全管理平台将待匹配向量与参考向量匹配,选择相似度满足第三预设条件的参考向量作为目标向量,将目标向量对应的维修后管道特征确定为维修后管道特征。第三预设条件可以根据情况设定。例如,相似度最大、或相似度大于阈值等。
在一些实施例中,如图5所示,管道区域图谱440包括节点441和边442。节点441可以与预设区域内各个管道对应。节点属性可以反映对应管道的相关特征。例如,节点属性可以包括:管道历史维修情况、管道特征、管道环境特征和预估风险值等。其中,管道历史维修情况可以基于查询历史数据获取,管道特征与管道环境特征可以参见图4中关于燃气管道数据420的相关说明,管道特征包含维修管道被维修后的管道特征。预估风险值是指管道未来一段时间出现故障的风险。
如图5所示,满足连接条件的节点间可以通过边442连接。在一些实施例中,连接条件可以包括两个节点间存在连通的管道,或两个节点对应的管道间距离小于距离阈值。边的属性可以包括管道相关系数,管道相关系数可以基于以下公式确定:
管道相关系数=历史数据中两段管道同时出现故障的次数/两段管道各自总故障次数和。
在一些实施例中,智慧燃气管网安全管理平台可以基于管道区域图谱440,通过第一预测模型450确定维修后风险460。
在一些实施例中,第一预测模型450可以是图神经网络模型(Graph NeuralNetwork, GNN)。在一些实施例中,第一预测模型450的输入可以是管道区域图谱440,基于管道区域图谱440的节点输出各管道的维修后风险460。
在一些实施例中,第一预测模型450可以通过训练得到。例如,第二训练样本可以是历史数据中的管道区域图谱,第二标签可以是第二训练样本对应的管道在维修后发生故障,通过第八预设表确定的风险情况。如维修后的一段时间内,管道发生了爆裂,基于爆裂情况按照第八预设表评估出来的风险情况可以作为第二标签,第八预设表可以由技术人员根据历史经验预先设定。示例性的,第八预设表可以是如下形式:([a1,b1], [a2,b2],…),其中a1,a2,…表示历史故障情况,b1,b2,…表示历史故障情况对应的风险情况,其中管道区域图谱所涉及的历史故障情况对应的风险情况作为第二标签。
本说明书一些实施例中,基于待维修管道数据410、燃气管道数据420、候选维修参数430,通过构建管道区域图谱440,并利用第一预测模型450对管道区域图谱440进行处理得到维修后风险460,从而使得对维修后风险460的预测更符合实际。
在一些实施例中,智慧燃气管网安全管理平台可以基于管道特征、管道环境特征和维修参数通过第二预测模型确定预估风险值。
在一些实施例中,第二预测模型可以为机器学习模型,例如,神经网络模型。第二预测模型的输入可以为管道特征和管道环境特征,其中,对于经过维修的管道可以在输入中增加维修参数;输出可以为预估风险值。
在一些实施例中,第二预测模型可以通过训练得到。例如,第三训练样本可以是历史数据中的样本管道在第一历史时间内的管道特征和管道环境特征,若样本管道已经过维修可以在输入中增加样本管道的维修参数。第三标签可以是对应于第三训练样本的风险值。第三训练样本的风险值可以根据样本管道在第二历史时间内有无发生故障、故障类型和故障的危险程度等风险相关因素来衡量。其中,第二历史时间晚于第一历史时间。
示例性的,作为第三标签的实际风险值可以通过以下公式确定:
预估风险值=k1故障类型+k2/>维修前风险
其中,k1、k2为预设的加权系数。关于维修前风险的相关说明可以参见图2相关内容。
本说明书一些实施例中,智慧燃气管网安全管理平台基于管道特征、管道环境特征和维修参数,通过第二预测模型确定预估风险值,可以提高对于预估风险值的预测准确性。
本说明书一些实施例中,智慧燃气管网安全管理平台基于待维修管道数据410、燃气管道数据420和候选维修参数430确定维修后风险460,通过考虑到管道的各方面数据,使获得的维修后风险更全面、准确,有助于更好地指导当前的维修工作以及有效预防燃气管道故障。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种基于人机联动的智慧燃气管道维修物联网系统,其特征在于,包括智慧燃气用户平台、智慧燃气服务平台、智慧燃气管网安全管理平台、智慧燃气管网传感网络平台以及智慧燃气管网对象平台,所述智慧燃气管网安全管理平台被配置为:
基于待维修管道数据、维修人员特征和/或维修机器人特征,确定第一周期;
通过维修人员终端和/或维修机器人,根据所述第一周期获取第一反馈数据;
基于所述第一反馈数据和所述待维修管道数据,确定维修参数,将所述维修参数发送至所述维修人员终端;
基于所述维修参数生成控制指令,将所述控制指令发送至所述维修机器人。
2.根据权利要求1所述的系统,其特征在于,所述智慧燃气管网安全管理平台进一步被配置为:
基于所述待维修管道数据,确定故障等级;
基于所述故障等级和所述第一反馈数据,确定维修前风险。
3.根据权利要求1所述的系统,其特征在于,所述维修参数相关于第二反馈数据,所述第二反馈数据通过所述维修机器人根据第二周期获取;
所述智慧燃气管网安全管理平台进一步被配置为:
基于所述第一反馈数据和所述第二反馈数据,确定维修风险度;
基于所述维修风险度和所述待维修管道数据,确定所述维修参数。
4.根据权利要求3所述的系统,其特征在于,所述智慧燃气管网安全管理平台进一步被配置为:
基于所述待维修管道数据,确定候选维修参数;
基于所述待维修管道数据和所述候选维修参数,评估维修后风险;
基于所述维修风险度和所述维修后风险,确定目标维修参数以作为所述维修参数。
5.根据权利要求4所述的系统,其特征在于,所述智慧燃气管网安全管理平台进一步被配置为:
基于所述待维修管道数据、燃气管道数据、所述候选维修参数,确定所述维修后风险。
6.一种基于人机联动的智慧燃气管道维修方法,其特征在于,所述方法由基于人机联动的智慧燃气管道维修物联网系统的智慧燃气管网安全管理平台执行,所述方法包括:
基于待维修管道数据、维修人员特征和/或维修机器人特征,确定第一周期;
通过维修人员终端和/或维修机器人,根据所述第一周期获取第一反馈数据;
基于所述第一反馈数据和所述待维修管道数据,确定维修参数,将所述维修参数发送至所述维修人员终端;
基于所述维修参数生成控制指令,将所述控制指令发送至所述维修机器人。
7.根据权利要求6所述的方法,其特征在于,所述方法进一步包括:
基于所述待维修管道数据,确定故障等级;
基于所述故障等级和所述第一反馈数据,确定维修前风险。
8.根据权利要求6所述的方法,其特征在于,所述维修参数相关于第二反馈数据,所述第二反馈数据通过所述维修机器人根据第二周期获取;
所述基于所述第一反馈数据和所述待维修管道数据,确定维修参数包括:
基于所述第一反馈数据和所述第二反馈数据,确定维修风险度;
基于所述维修风险度和所述待维修管道数据,确定所述维修参数。
9.根据权利要求8所述的方法,其特征在于,所述基于所述维修风险度和所述待维修管道数据,确定所述维修参数包括:
基于所述待维修管道数据,确定候选维修参数;
基于所述待维修管道数据和所述候选维修参数,评估维修后风险;
基于所述维修风险度和所述维修后风险,确定目标维修参数以作为所述维修参数。
10.根据权利要求9所述的方法,其特征在于,所述基于所述待维修管道数据和所述候选维修参数,评估维修后风险包括:
基于所述待维修管道数据、燃气管道数据、所述候选维修参数,确定所述维修后风险。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311734220.2A CN117495356B (zh) | 2023-12-18 | 2023-12-18 | 基于人机联动的智慧燃气管道维修方法和物联网系统 |
US18/422,260 US20240202672A1 (en) | 2023-12-18 | 2024-01-25 | Methods and internet of things (iot) systems for smart gas pipeline maintenance based on human-machine linkage |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311734220.2A CN117495356B (zh) | 2023-12-18 | 2023-12-18 | 基于人机联动的智慧燃气管道维修方法和物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117495356A true CN117495356A (zh) | 2024-02-02 |
CN117495356B CN117495356B (zh) | 2024-03-26 |
Family
ID=89669230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311734220.2A Active CN117495356B (zh) | 2023-12-18 | 2023-12-18 | 基于人机联动的智慧燃气管道维修方法和物联网系统 |
Country Status (2)
Country | Link |
---|---|
US (1) | US20240202672A1 (zh) |
CN (1) | CN117495356B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973877A (zh) * | 2024-03-29 | 2024-05-03 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气物联网的燃气管井安全管理方法与系统 |
CN118095810A (zh) * | 2024-04-28 | 2024-05-28 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网附属设施维护方法与物联网系统 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081765A (zh) * | 2011-01-19 | 2011-06-01 | 西安交通大学 | 输电设备状态检修的系统性控制方法 |
CN106600095A (zh) * | 2016-07-27 | 2017-04-26 | 中国特种设备检测研究院 | 一种基于可靠性的维修评估方法 |
CN110348583A (zh) * | 2019-06-13 | 2019-10-18 | 河南大学 | 一种机组检修进度动态管控方法 |
CN111682447A (zh) * | 2020-06-15 | 2020-09-18 | 中铁建电气化局集团运营管理有限公司 | 一种接触网智能维护机器人及其工作方法 |
CN113467477A (zh) * | 2021-08-03 | 2021-10-01 | 艾乐尔机器人科技(南京)有限公司 | 一种基于视频识别技术的多智能机器人地下线缆维修装置 |
CN115358432A (zh) * | 2022-10-14 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的燃气表计量故障确定方法和物联网系统 |
CN115660647A (zh) * | 2022-11-05 | 2023-01-31 | 一鸣建设集团有限公司 | 一种建筑外墙的维护方法 |
CN115796847A (zh) * | 2023-02-10 | 2023-03-14 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气维修人员管理方法和物联网系统、介质 |
CN116025803A (zh) * | 2022-12-29 | 2023-04-28 | 哈尔滨工业大学 | 一种管道检修机器人及系统 |
-
2023
- 2023-12-18 CN CN202311734220.2A patent/CN117495356B/zh active Active
-
2024
- 2024-01-25 US US18/422,260 patent/US20240202672A1/en active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102081765A (zh) * | 2011-01-19 | 2011-06-01 | 西安交通大学 | 输电设备状态检修的系统性控制方法 |
CN106600095A (zh) * | 2016-07-27 | 2017-04-26 | 中国特种设备检测研究院 | 一种基于可靠性的维修评估方法 |
CN110348583A (zh) * | 2019-06-13 | 2019-10-18 | 河南大学 | 一种机组检修进度动态管控方法 |
CN111682447A (zh) * | 2020-06-15 | 2020-09-18 | 中铁建电气化局集团运营管理有限公司 | 一种接触网智能维护机器人及其工作方法 |
CN113467477A (zh) * | 2021-08-03 | 2021-10-01 | 艾乐尔机器人科技(南京)有限公司 | 一种基于视频识别技术的多智能机器人地下线缆维修装置 |
CN115358432A (zh) * | 2022-10-14 | 2022-11-18 | 成都秦川物联网科技股份有限公司 | 用于智慧燃气的燃气表计量故障确定方法和物联网系统 |
CN115660647A (zh) * | 2022-11-05 | 2023-01-31 | 一鸣建设集团有限公司 | 一种建筑外墙的维护方法 |
CN116025803A (zh) * | 2022-12-29 | 2023-04-28 | 哈尔滨工业大学 | 一种管道检修机器人及系统 |
CN115796847A (zh) * | 2023-02-10 | 2023-03-14 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气维修人员管理方法和物联网系统、介质 |
Non-Patent Citations (4)
Title |
---|
ANA CAROLINA CARDOSO DE SOUSA等: "Sensors in Reconfigurable Modular Robot for Pipeline Inspection: Design and Tests of a Prototype", 《2014 JOINT CONFERENCE ON ROBOTICS: SBR-LARS ROBOTICS SYMPOSIUM AND ROBOCONTROL》, 29 January 2015 (2015-01-29), pages 7 - 12 * |
刘增勇等: "军民一体化装备维修保障风险识别", 《四川兵工学报》, vol. 33, no. 7, 25 July 2012 (2012-07-25), pages 45 - 48 * |
郭宣宏等: "无人机应用于油田光缆维护", 《中国高新区》, 31 January 2018 (2018-01-31), pages 47 * |
陈卫等: "基于状态的某型无人机系统维修研究", 《重庆理工大学学报(自然科学)》, vol. 28, no. 1, 15 January 2014 (2014-01-15), pages 102 - 104 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117973877A (zh) * | 2024-03-29 | 2024-05-03 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气物联网的燃气管井安全管理方法与系统 |
CN117973877B (zh) * | 2024-03-29 | 2024-06-21 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气物联网的燃气管井安全管理方法与系统 |
CN118095810A (zh) * | 2024-04-28 | 2024-05-28 | 成都秦川物联网科技股份有限公司 | 一种智慧燃气管网附属设施维护方法与物联网系统 |
Also Published As
Publication number | Publication date |
---|---|
CN117495356B (zh) | 2024-03-26 |
US20240202672A1 (en) | 2024-06-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117495356B (zh) | 基于人机联动的智慧燃气管道维修方法和物联网系统 | |
US8532795B2 (en) | Method and system for offline code validation | |
EP4270126A1 (en) | Method for constructing digital twin by combining reduced order models, measurement data and machine learning techniques for multiphysical equipment system | |
MX2011005021A (es) | Sistema y metodo para toma de decisiones optimizada en redes de suministro de agua y/u operaciones de suministro de agua. | |
CN116611820B (zh) | 基于智慧燃气物联网的管线故障评估方法与系统 | |
CN115796847B (zh) | 一种智慧燃气维修人员管理方法和物联网系统、介质 | |
CN115936722B (zh) | 智慧燃气呼叫中心的数据管理方法与物联网系统、介质 | |
CN117291352B (zh) | 基于智慧燃气物联网的管网维修调控方法、系统及介质 | |
CN109598236A (zh) | 一种自动化火点判识方法及系统 | |
CN115936449A (zh) | 基于智慧燃气呼叫中心的突发事件处理方法与物联网系统 | |
CN113256102A (zh) | 高风险工艺过程风险管控方法及系统 | |
Yang et al. | Real-time resilience optimization combining an AI agent with online hard optimization | |
CN111612337A (zh) | 热网调度自动发令方法及自动发令系统 | |
CN117196220A (zh) | 一种智慧燃气应急方案评估方法、物联网系统与存储介质 | |
CN117875901A (zh) | 基于燃气应急抢修的智能化指挥管理系统及方法 | |
CN113392527A (zh) | 操纵序列适用性评价方法、装置、计算机设备和存储介质 | |
CN115859688B (zh) | 基于多级仿真系统的应急处置方法、终端、平台和介质 | |
CN108120475A (zh) | 一种管廊的数据监测方法和装置 | |
CN114266370B (zh) | 一种台风气象环境电网设备故障处置预案在线生成方法、系统及存储介质 | |
Liu et al. | Risk assessment for urban gas transmission and distribution system using fuzzy comprehensive evaluation method | |
CN102270848A (zh) | 一种智能avc系统离线检测方法及其装置 | |
CN109698498A (zh) | 采用电压稳定裕度指标的电网安全评估系统和方法 | |
Coulbeck et al. | Pressure control of a Moscow water supply system using expert system technology | |
CN115587737B (zh) | 一种以可靠性为中心的成本优化运维调度方法及系统 | |
CN117152355B (zh) | 一种基于工厂数据的可视化监管系统 |
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 |