CN118030940A - 一种基于物联网的阀门智能管控平台 - Google Patents
一种基于物联网的阀门智能管控平台 Download PDFInfo
- Publication number
- CN118030940A CN118030940A CN202410233163.8A CN202410233163A CN118030940A CN 118030940 A CN118030940 A CN 118030940A CN 202410233163 A CN202410233163 A CN 202410233163A CN 118030940 A CN118030940 A CN 118030940A
- Authority
- CN
- China
- Prior art keywords
- valve
- valve control
- control
- data
- internet
- 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
- 238000011217 control strategy Methods 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 18
- 238000012544 monitoring process Methods 0.000 claims abstract description 10
- 238000012360 testing method Methods 0.000 claims description 49
- 238000004891 communication Methods 0.000 claims description 48
- 238000001514 detection method Methods 0.000 claims description 10
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000004458 analytical method Methods 0.000 claims description 6
- 238000012545 processing Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 6
- 238000013507 mapping Methods 0.000 claims description 5
- 238000010606 normalization Methods 0.000 claims description 5
- 238000012549 training Methods 0.000 claims description 5
- 230000006855 networking Effects 0.000 claims 1
- 238000012216 screening Methods 0.000 claims 1
- 238000000034 method Methods 0.000 description 16
- 230000000694 effects Effects 0.000 description 12
- 238000009434 installation Methods 0.000 description 10
- 238000003860 storage Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000001105 regulatory effect Effects 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000013461 design Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000012530 fluid Substances 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013527 convolutional neural network Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000003631 expected effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Feedback Control In General (AREA)
Abstract
本发明公开了一种基于物联网的阀门智能管控平台,涉及阀门智能控制技术领域,识别当前的阀门使用场景,并匹配出与使用场景对应的阀门控制方案,执行所述控制方案,对阀门的运行状态进行调整;对阀门运行状态数据进行监测,构建相应的阀门状态数据集合,由阀门状态数据集合构建差异度,若差异度超过差异阈值,以训练后的优化模型对所述控制策略进行优化,获取优化的控制策略;由预测数据生成可靠度,若可靠度超过可靠度阈值,为阀门控制系统的关键组件的备份,并依据构建的调整度判断是否对关键组件进行切换。提高阀门系统的可靠性,确保在阀门进入使用状态或者接收到相应的控制指令后,能够准确执行。
Description
技术领域
本发明涉及阀门智能控制技术领域,具体为一种基于物联网的阀门智能管控平台。
背景技术
阀门控制系统是一种用于控制流体或气体的系统,通常用于工业和生产过程中。该系统能够实现流体的流量调节、流向控制以及压力调节等功能,是现代工业中不可或缺的关键技术。阀门控制系统的核心原理是通过控制阀门的开度来调节流体的流量。通过改变阀门的打开程度,系统可以实现精确的流量调节,从而满足不同流程和工艺的需求。
在申请公布号为CN109667973A的中国发明专利中,公开了一种高精度流量阀门控制系统,包含精密调压阀、流量控制阀、高精度流量计和控制模块,流动介质依次通过精密调压阀、流量控制阀和高精度流量计:所述控制模块接收精密调压阀、流量控制阀和高精度流量计的反馈信号,并对精密调压阀和流量控制阀进行控制,形成一套闭环的控制系统,实现信号的相互反馈,以便于调节阀门,并提高控制精度:流量控制阀通过控制阀门的开度以及开闭的频率来实现对流量的自动化控制,避免了繁琐的调节操作,并保证了流量控制的精度:高精度流量计对通过的介质流量进行复核,以确保流量精度的要求。
在结合以上申请文件及现有技术的基础上,在对阀门及安装系统完成安装后,如果阀门控制系统所在区域内存在一定的通信信号干扰或处于通信盲区,可能会导致阀门控制系统在使用时,不能有效地接收到给出的控制指令,导致阀门可能难以依据预期来执行相应的控制指令,降低阀门控制系统的可靠性。而且,在接收到控制指令后,由于执行器对阀门的控制策略的执行程度不足,也可能导致阀门在执行控制指令时,执行效果难以达到预期效果。
为此,本发明提供了一种基于物联网的阀门智能管控平台。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种基于物联网的阀门智能管控平台,通过识别当前的阀门使用场景,并匹配出与使用场景对应的阀门控制方案,执行所述控制方案,对阀门的运行状态进行调整;对阀门运行状态数据进行监测,构建相应的阀门状态数据集合,由阀门状态数据集合构建差异度,若差异度超过差异阈值,以训练后的优化模型对所述控制策略进行优化,获取优化的控制策略;由预测数据生成可靠度,若可靠度超过可靠度阈值,为阀门控制系统的关键组件的备份,并依据构建的调整度判断是否对关键组件进行切换。提高阀门系统的可靠性,确保在阀门进入使用状态或者接收到相应的控制指令后,能够准确执行,从而解决了背景技术中的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:一种基于物联网的阀门智能管控平台,包括,通信质量监测单元,监测阀门待安装区内的通信质量并构建相应的通信质量数据集合,进而生成强度系数Dsx,若强度系数Dsx未超过通信质量阈值,对相应的子区域内的通信条件进行优化;
场景适配单元,识别当前的阀门使用场景,并匹配出与使用场景对应的阀门控制方案,执行所述控制方案,对阀门的运行状态进行调整;
控制策略优化单元,在执行所述控制方案后,对阀门运行状态数据进行监测,构建相应的阀门状态数据集合,进而构建差异度Cyd,若差异度Cyd超过差异阈值,以训练后的优化模型对所述控制策略进行优化,获取优化的控制策略;
备份组件切换单元,以训练后的阀门控制模型对阀门控制系统的运行状态进行预测,由预测数据生成可靠度Kdv,若可靠度Kdv超过可靠度阈值,为阀门控制系统的关键组件的备份,并依据构建的调整度Tds判断是否对关键组件进行切换。
进一步的,将阀门的待安装区分割为若干个子区域,在各个子区内设置检测点,于检测点处检测通信质量,由检测数据构建强度系数Dsx,以强度系数Dsx筛除出低质量区域,构建覆盖待安装区域的电子地图后,将低质量区域在电子地图上标注。
进一步的,在阀门上安装数据采集装置及执行器;由数据采集装置采集当前阀门周围区域内的图像信息或接收控制指令,对两者进行识别,识别当前的阀门使用场景并输出;依据预先设置的若干个使用场景配置对应的阀门控制方案,汇总后构建控制方案库。
进一步的,执行控制方案后,设置若干个等间隔的采集节点,在采集节点上由数据采集装置阀门开启之后状态数据,并由控制方案获取对应的预设状态数据;由阀门状态数据集合构建差异度,若分析获取的差异度Cyd超过差异阈值,向外部发出优化指令。
进一步的,获取阀门的控制策略,以提高阀门响应的精细程度作为优化目标,以水体消耗量不增加作为约束条件,使用蚁群算法构建优化模型,以训练后的优化模型对所述控制策略进行优化,获取优化后的控制策略。
进一步的,以样本数据训练获取阀门控制模型,以阀门控制系统测试及其相关词作为检索词,完成阀门测试知识图谱的构建;对阀门及其控制系统的数据做特征识别后,获取相应的测试特征。
进一步的,为当前的阀门控制系统匹配对应的测试方案;以测试方案作为输入,以训练后的阀门控制模型对阀门控制系统的运行状态进行预测,并在经过若干次预测之后,将获取的测试参数汇总构建测试数据集合。
进一步的,由测试数据集合生成可靠度Kdv,方式如下:对测试获取的泄漏率Lv、响应速度Xv及流量系数Sv做线性归一化处理,并将相应的数据值映射至区间[0,1]内,依照如下公式:
权重系数:0≤ρ≤1,0≤ζ≤1。
进一步的,在阀门控制系数进入使用状态后,在使用周期内的各个子周期内获取相应的差异度Cyd及强度系数Dsx,在将两者汇总后构建调整度Tds,若获取的调整度Tds超过调整度阈值,将阀门控制系统的关键组件替换为备份件。
进一步的,所述调整度Tds的生成方式如下:
其中,k2、k1为权重,0≤k1≤1,0≤k2≤1,且k1+k2=1,Cydi为第i个子周期内的差异度,Dsxi第i个子周期内的强度系数,i=1,2,…m,m为子周期的个数。
(三)有益效果
本发明提供了一种基于物联网的阀门智能管控平台,具备以下有益效果:
1、通过构建的强度系数Dsx对安装区域内的通信条件进行评估,判断安装区域内的通信环境,验证安装区域内阀门控制系统接收和发出控制指令的能力,如果接收到控制指令的能力较差,若能及时进行优化和改善,阀门控制系统对阀门使用状态的调整不会出现延迟滞后,甚至接收不到相应的控制指令的情形,对阀门控制系统的可靠性形成保障。
2、依据使用场景快速给出对应的控制方案,依据控制方案对阀门做出针对性的控制,从而在阀门进入使用状态后,不需要额外人工干预和调整,对阀门的开合形成精确化的调整,进而对阀门进行控制时节省水资源。
3、以差异度对控制方案的执行效果进行评价,若执行效果未能达到预期,则说明阀门控制系统对阀门的控制未能达到应有的效果,对现有的控制策略进行优化,获取优化后的控制策略,在依据优化后的控制策略对阀门进行控制时,对阀门的控制精细化程度更高,提高阀门控制系统的可靠性。
4、由阀门测试知识图谱给出测试方案,避免人工设计测试方案,从而提高测试效率;由训练后的阀门控制模型对获取的测试方案进行预测和分析,从而可以通过仿真测试分析对人工测试进行替代,提高测试效率。
5、依据测试数据构建相应的可靠度,以可靠度对当前阀门控制系统的可靠性进行评价,若可靠度低于预期,则对阀门控制系统的关键组件进行备份,在必要时,对其进行替换,从而提高阀门系统的可靠性,确保在阀门进入使用状态或者接收到相应的控制指令后,能够准确执行。
6、由获取到的监测数据构建相应的调整度,依据调整度高低来判断阀门控制系统的关键部件是否需要切换,如果需要,则可以快速地需要更换的部件进行切换,也可以依据各个部件的关键程度依次对各个部件进行替换,从而在阀门控制系统进入使用状态后,通过关键部件的切换来保障阀门控制系统运行的可靠性。
附图说明
图1为本发明基于物联网的阀门智能管控平台结构示意图;
图2为本发明基于物联网的阀门智能管控方法结构示意图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1及图2,本发明提供一种基于物联网的阀门智能管控平台,包括:
通信质量监测单元,监测阀门待安装区内的通信质量并构建相应的通信质量数据集合,由通信质量数据集合内的生成强度系数Dsx,若强度系数Dsx未超过通信质量阈值,对相应的子区域内的通信条件进行优化;
应用时,包括如下内容:
步骤101、对若干个阀门完成安装后,将阀门的待安装区分割为若干个子区域,并分别对各个子区域进行编号,在各个子区内设置检测点,于检测点处检测通信质量,并将检测数据汇总,构建通信质量数据集合;
步骤102、由通信质量数据集合内的检测数据构建强度系数Dsx,方式如下:对采集的数据传输速率Cs和信号强度Cd做线性归一化处理,并将相应的数据值映射至区间[0,1]内,依照如下公式:
权重系数:0≤β≤1,0≤α≤1,且α+β=1,i=1,2,…,k,k为子区域的个数;Csavg为数据传输速率的均值,为数据传输速率的合格标准值,Csi为第i个子区域的数据传输速率;Cdavg为信号强度的均值,/>为信号强度的合格标准值,Cdi为第i个子区域上的信号强度;
使用时,在对阀门控制系统进行安装及使用前,对阀门安装区域内的通信质量进行检测并构建用于描述通信质量的强度系数Dsx,能够对安装区域内的通信质量进行评价;
步骤103、依据与阀门相适配的通信单元的使用数据及对其通信质量的预期,预先设置通信质量阈值;若强度系数Dsx未超过通信质量阈值,则说明相应子区域内数据通信质量较差,与阀门相对应的通信单元接收控制指令的能力较差,需要进行优化;
将对应的子区域确定为低质量区域,构建覆盖待安装区域的电子地图后,将低质量区域在电子地图上标注,并向外部发出优化指令;接收到优化指令后,对相应的子区域内的通信条件进行优化,例如,对通信单元进行更换,或者设置通信增强模块。
使用时,结合步骤101至103中的内容:
通过构建的强度系数Dsx对安装区域内的通信条件进行评估,可以判断安装区域内的通信环境,验证安装区域内阀门控制系统接收和发出控制指令的能力,如果接收到控制指令的能力较差,若能及时进行优化和改善,阀门控制系统对阀门使用状态的调整不会出现延迟滞后,甚至接收不到相应的控制指令的情形,从而,对阀门控制系统的可靠性形成保障。
在对阀门及安装系统完成安装后,如果阀门控制系统所在区域内存在一定的通信信号干扰或处于通信盲区,可能会导致阀门控制系统在使用时,不能有效的接收到给出的控制指令,导致阀门可能难以依据预期来执行相应的控制指令,降低阀门控制系统的可靠性。而且,在接收到控制指令后,由于执行器对阀门的控制策略的执行程度不足,也可能导致阀门在执行控制指令时,执行效果难以达到预期。
场景适配单元,在使用阀门时,识别当前的阀门使用场景,并匹配出与使用场景对应的阀门控制方案,执行所述控制方案,对阀门的运行状态进行调整;
应用时,包括如下内容:
步骤201、在阀门上安装数据采集装置,包括:图像传感器、压力传感器、温度传感器、流量传感器等,用于监测阀门工作状态,并安装执行器,例如电动或气动执行器,以实现远程或自动控制阀门的开关;从而,接收来自传感器的数据,并在对采集的数据进行处理及分析后,以便于对阀门进行调整或者控制;
步骤202、阀门进入使用状态时,由数据采集装置采集当前阀门周围区域内的图像信息或接收控制指令,对两者进行识别,获取识别的数据特征;依据识别获取的数据特征与预先构建的使用场景库内的使用场景做比对,识别当前的阀门使用场景并输出;
使用时,通过数据识别及图像识别,在阀门进入使用状态或者接收到控制指令后,判断阀门当前的使用场景,对阀门的使用状态形成分类,从而,在对阀门控制和调度时,形成针对性管理。
步骤203、依据预先设置的若干个使用场景配置对应的阀门控制方案,汇总后构建控制方案库,获取阀门的使用场景后,执行与其对应的控制方案,对阀门的运行状态进行调整,例如,根据流量或压力的实时数据自动调整阀门开度。
使用时,结合步骤201至203中的内容:
在获取阀门当前的使用场景后,依据使用场景快速给出对应的控制方案,依据控制方案对阀门做出针对性的控制,从而在阀门进入使用状态后,不需要额外人工干预和调整,对阀门的开合形成精确化的调整,进而对阀门进行控制时节省水资源。
控制策略优化单元,在执行所述控制方案后,对阀门运行状态数据进行监测,构建相应的阀门状态数据集合,由阀门状态数据集合构建差异度Cyd,若差异度Cyd超过差异阈值,以训练后的优化模型对所述控制策略进行优化,获取优化的控制策略;
应用时,包括如下内容:
步骤301、在对阀门执行对应的控制方案后,设置若干个等间隔的采集节点,在采集节点上由数据采集装置阀门开启之后状态数据,并由控制方案获取对应的预设状态数据;构建阀门状态数据集合;
步骤302、判断控制方案与实际效果间的差异性,由阀门状态数据集合构建差异度,方式如下;对采集获取到的阀门的开合速度Fs做线性归一化处理,并将相应的数据值映射至区间[0,1]内,依照如下公式:
其中,j=1,2,…,q,q为采集节点的个数,权重系数:0≤F3≤1,0≤F4≤1且F3+F4=1;Fsj为第j个采集节点上的开合速度,Fsavg为其均值;为第j个采集节点上的开合速度合格标准值;
依据历史数据及对阀门的使用效果预期,预先设置差异阈值,若分析获取的差异度Cyd超过差异阈值,说明方案的执行效果未能实际达到预期,需要对阀门的控制策略进行优化,此时,向外部发出优化指令;
步骤303、接收优化指令后,获取对应阀门的控制策略,以提高阀门响应的精细程度作为优化目标,以水体消耗量不增加作为约束条件,使用蚁群算法构建优化模型,以训练后的优化模型对所述控制策略进行优化,获取优化后的控制策略;
使用时,结合步骤301至303中的内容:
在由阀门的使用场景确定出对应的控制方案后,由阀门控制系统执行对应的控制方案,对控制方案的执行效果进行监测和比对,并以差异度对控制方案的执行效果进行评价,若执行效果未能达到预期,则说明阀门控制系统对阀门的控制未能达到应有的效果,因此,需要对现有的控制策略进行优化,获取优化后的控制策略,在依据优化后的控制策略对阀门进行控制时,对阀门的控制精细化程度更高,进一步的提高了阀门控制系统的可靠性。
备份组件切换单元,以训练后的阀门控制模型对阀门控制系统的运行状态进行预测,由预测数据生成可靠度Kdv,若可靠度Kdv超过可靠度阈值,为阀门控制系统的关键组件的备份,并依据构建的调整度Tds判断是否对关键组件进行切换;
应用时,包括如下内容:
步骤401、采集阀门的规格数据及性能数据、通信状态数据、水管及水流状态数据;由卷积神经网络构建初始模型,从采集数据中抽取部分数据作为样本数据,以样本数据对初始模型进行训练和测试,获取训练后的阀门控制模型;
以阀门控制系统测试及其相关词作为检索词,经过检索并将相应数据汇总,建立知识图谱集合,对知识图谱集合内的数据进行处理并构建对实体关系后,完成阀门测试知识图谱的构建;
步骤402、对阀门及其控制系统的数据做特征识别后,获取相应的测试特征,依据测试特征与测试方案间的对应性,使用训练后的匹配模型,为当前的阀门控制系统匹配对应的测试方案;以测试方案作为输入,以训练后的阀门控制模型的对阀门控制系统的运行状态进行预测,并在经过若干次预测之后,将获取的测试参数汇总构建测试数据集合;
使用时,在对阀门控制策略进行优化后,再对阀门控制系统进行测试,此时,在完成数据采集后,分别获取训练后的阀门控制模型及阀门测试知识图谱,从而在两者配合下,由阀门测试知识图谱给出测试方案,避免人工设计测试方案,从而提高测试效率;由训练后的阀门控制模型对获取的测试方案进行预测和分析,从而可以通过仿真测试分析对人工测试进行替代,提高测试效率;
步骤403、由测试数据集合生成可靠度Kdv,方式如下:对测试获取的泄漏率Lv、响应速度Xv及流量系数Sv做线性归一化处理,并将相应的数据值映射至区间[0,1]内,依照如下公式:
权重系数:0≤ρ≤1,0≤ζ≤1,权重系数可由用户设定或参考层次分析法获取;
依据阀门控制系统的历史数据及对阀门控制系统可靠性的使用预期,预先设置可靠度阈值;若可靠度超过可靠度阈值,则实施冗余控制,设置关键组件的备份,例如,各种传感器、控制器和执行器的备份;
使用时,在训练后的阀门控制模型对阀门控制系统进行预测分析后,依据测试数据构建相应的可靠度,以可靠度对当前阀门控制系统的可靠性进行评价,若可靠度低于预期,则对阀门控制系统的关键组件进行备份,在必要时,对其进行替换,从而提高阀门系统的可靠性,确保在阀门进入使用状态或者接收到相应的控制指令后,能够准确执行。
步骤404、在阀门控制系数进入使用状态后,设置使用周期,并在使用周期内设置若干个等长的子周期,与各个子周期内获取相应的差异度Cyd及强度系数Dsx,在将两者汇总后构建调整度Tds,其生成方式如下:
其中,k2、k1为权重,0≤k1≤1,0≤k2≤1,且k1+k2=1,Cydi为第i个子周期内的差异度,Dsxi第i个子周期内的强度系数,i=1,2,…m,m为子周期的个数;
依据阀门控制系统的历史数据及对阀门控制系统可靠性的使用预期,预先设置调整度阈值;若获取的调整度Tds超过调整度阈值,发出切换指令;在接收到切换指令后,将阀门控制系统的关键组件替换为备份件;
使用时,结合步骤401至404中的内容:
在阀门控制系统进入使用状态后,继续对其使用状态进行监测,最后由获取到的监测数据构建相应的调整度,依据调整度高低来判断阀门控制系统的关键部件是否需要切换,如果需要,则可以快速的需要更换的部件进行切换,也可以依据各个部件的关键程度依次对各个部件进行替换,从而在阀门控制系统进入使用状态后,通过关键部件的切换来保障阀门控制系统运行的可靠性。
需要说明的是:层次分析法是一种定性和定量相结合的分析方法,它可以将复杂的问题分解为多个层次,通过比较各层次因素的重要性,可以帮助决策者对复杂问题进行决策,确定最终的决策方案,在这个过程中,层次分析法可以用来确定这些指标的权重系数。
上述实施例,可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时,上述实施例可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行所述计算机指令或计算机程序时,全部或部分地产生按照本申请实施例所述的流程或功能。所述计算机可以为通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指令可以存储在计算机可读存储介质中,或者从一个计算机可读存储介质向另一个计算机可读存储介质传输,例如,所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质(例如,软盘、硬盘、磁带)、光介质(例如,DVD)、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一些逻辑功能划分,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接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述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。
所述功能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介质中。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介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(read-onlymemory,ROM)、随机存取存储器(randomaccessmemory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以所述权利要求的保护范围为准。
以上所述,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本申请的保护范围之内。
Claims (10)
1.一种基于物联网的阀门智能管控平台,其特征在于:包括,
通信质量监测单元,监测阀门待安装区内的通信质量并构建相应的通信质量数据集合,进而生成强度系数Dsx,若强度系数Dsx未超过通信质量阈值,对相应的子区域内的通信条件进行优化;
场景适配单元,识别当前的阀门使用场景,并匹配出与使用场景对应的阀门控制方案,执行所述控制方案,对阀门的运行状态进行调整;
控制策略优化单元,在执行所述控制方案后,对阀门运行状态数据进行监测,构建相应的阀门状态数据集合,进而构建差异度Cyd,若差异度Cyd超过差异阈值,以训练后的优化模型对所述控制策略进行优化,获取优化的控制策略;
备份组件切换单元,以训练后的阀门控制模型对阀门控制系统的运行状态进行预测,由预测数据生成可靠度Kdv,若可靠度Kdv超过可靠度阈值,为阀门控制系统的关键组件的备份,并依据构建的调整度Tds判断是否对关键组件进行切换。
2.根据权利要求1所述的一种基于物联网的阀门智能管控平台,其特征在于:
将阀门的待安装区分割为若干个子区域,在各个子区内设置检测点,于检测点处检测通信质量,由检测数据构建强度系数Dsx,以强度系数Dsx筛除出低质量区域,构建覆盖待安装区域的电子地图后,将低质量区域在电子地图上标注。
3.根据权利要求1所述的一种基于物联网的阀门智能管控平台,其特征在于:
在阀门上安装数据采集装置及执行器;由数据采集装置采集当前阀门周围区域内的图像信息或接收控制指令,对两者进行识别,识别当前的阀门使用场景并输出;依据预先设置的若干个使用场景配置对应的阀门控制方案,汇总后构建控制方案库。
4.根据权利要求3所述的一种基于物联网的阀门智能管控平台,其特征在于:
执行控制方案后,设置若干个等间隔的采集节点,在采集节点上由数据采集装置阀门开启之后状态数据,并由控制方案获取对应的预设状态数据;由阀门状态数据集合构建差异度,若分析获取的差异度Cyd超过差异阈值,向外部发出优化指令。
5.根据权利要求4所述的一种基于物联网的阀门智能管控平台,其特征在于:
获取阀门的控制策略,以提高阀门响应的精细程度作为优化目标,以水体消耗量不增加作为约束条件,使用蚁群算法构建优化模型,以训练后的优化模型对所述控制策略进行优化,获取优化后的控制策略。
6.根据权利要求5所述的一种基于物联网的阀门智能管控平台,其特征在于:
以样本数据训练获取阀门控制模型,以阀门控制系统测试及其相关词作为检索词,完成阀门测试知识图谱的构建;对阀门及其控制系统的数据做特征识别后,获取相应的测试特征。
7.根据权利要求6所述的一种基于物联网的阀门智能管控平台,其特征在于:
为当前的阀门控制系统匹配对应的测试方案;以测试方案作为输入,以训练后的阀门控制模型对阀门控制系统的运行状态进行预测,并在经过若干次预测之后,将获取的测试参数汇总构建测试数据集合。
8.根据权利要求7所述的一种基于物联网的阀门智能管控平台,其特征在于:
由测试数据集合生成可靠度Kdv,方式如下:对测试获取的泄漏率Lv、响应速度Xv及流量系数Sv做线性归一化处理,并将相应的数据值映射至区间[0,1]内,依照如下公式:
权重系数:0≤ρ≤1,0≤ζ≤1。
9.根据权利要求8所述的一种基于物联网的阀门智能管控平台,其特征在于:
在阀门控制系数进入使用状态后,在使用周期内的各个子周期内获取相应的差异度Cyd及强度系数Dsx,在将两者汇总后构建调整度Tds,若获取的调整度Tds超过调整度阈值,将阀门控制系统的关键组件替换为备份件。
10.根据权利要求9所述的一种基于物联网的阀门智能管控平台,其特征在于:
所述调整度Tds的生成方式如下:
其中,k2、k1为权重,0≤k1≤1,0≤k2≤1,且k1+k2=1,Cydi为第i个子周期内的差异度,Dsxi第i个子周期内的强度系数,i=1,2,…m,m为子周期的个数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233163.8A CN118030940A (zh) | 2024-03-01 | 2024-03-01 | 一种基于物联网的阀门智能管控平台 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410233163.8A CN118030940A (zh) | 2024-03-01 | 2024-03-01 | 一种基于物联网的阀门智能管控平台 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN118030940A true CN118030940A (zh) | 2024-05-14 |
Family
ID=90994952
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410233163.8A Pending CN118030940A (zh) | 2024-03-01 | 2024-03-01 | 一种基于物联网的阀门智能管控平台 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118030940A (zh) |
-
2024
- 2024-03-01 CN CN202410233163.8A patent/CN118030940A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112943181B (zh) | 智能气井阀门调节系统 | |
US20200151619A1 (en) | Systems and methods for determining machine learning training approaches based on identified impacts of one or more types of concept drift | |
JP2023017888A (ja) | 根本的原因分析を実行してプラントワイド操業での希少イベントの発生の予測モデルを構築するコンピュータシステムおよび方法 | |
US20190286076A1 (en) | Process Model Identification in a Process Control System | |
US20210116891A1 (en) | System And Methods For Automated Model Development From Plant Historical Data For Advanced Process Control | |
GB2561713A (en) | Inferential process modeling, quality prediction and fault detection using multi-stage data segregation | |
JP2009087349A (ja) | プロセスモデルの履歴管理方法および選択方法 | |
CN104181883A (zh) | 实时数据采集系统的异常数据实时处理方法 | |
RU2739727C1 (ru) | Способ и система удаленного мониторинга и прогнозирования состояния технологических объектов | |
WO2018202796A1 (en) | Recording data from flow networks | |
Li et al. | Preventive maintenance decision model of urban transportation system equipment based on multi-control units | |
KR102493719B1 (ko) | 통합 공기질 예측 시스템 | |
Araújo et al. | A down-sampled controller to reduce network usage with guaranteed closed-loop performance | |
CN111340269B (zh) | 用于流程工业过程的实时优化方法 | |
CN116186993A (zh) | 一种基于在线质量监测的浮选优化控制方法 | |
CN111030299A (zh) | 一种基于边信道的电网嵌入式终端安全监测方法及系统 | |
CN118030940A (zh) | 一种基于物联网的阀门智能管控平台 | |
CN116602435A (zh) | 一种基于机器学习的制丝单机内烟丝水分变化分析方法 | |
CN110874506A (zh) | 一种低温设备故障预测的方法 | |
Changklom et al. | Fault detection and diagnosis for pressure control valves in water supply networks | |
CN116157751A (zh) | 用于控制流体输送系统的方法和系统 | |
CN112381235A (zh) | 监测水泥厂预热器状态变化的辅助方法 | |
Bacci di Capaci et al. | Process control performance evaluation in the case of variable set‐point with experimental applications | |
Allen et al. | Anomaly detection for large fleets of industrial equipment: Utilizing machine learning with applications to power plant monitoring | |
Pimentel et al. | Performance Monitoring and Retuning for Cascaded Control Loops |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination |