CN118101721A - 基于监管物联网的燃气管廊机器人管理方法与物联网系统 - Google Patents
基于监管物联网的燃气管廊机器人管理方法与物联网系统 Download PDFInfo
- Publication number
- CN118101721A CN118101721A CN202410508743.3A CN202410508743A CN118101721A CN 118101721 A CN118101721 A CN 118101721A CN 202410508743 A CN202410508743 A CN 202410508743A CN 118101721 A CN118101721 A CN 118101721A
- Authority
- CN
- China
- Prior art keywords
- data
- platform
- gas
- inspection
- government
- 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
- 238000007726 management method Methods 0.000 title claims abstract description 153
- 238000007689 inspection Methods 0.000 claims abstract description 166
- 238000012423 maintenance Methods 0.000 claims abstract description 67
- 238000012544 monitoring process Methods 0.000 claims abstract description 52
- 230000007613 environmental effect Effects 0.000 claims abstract description 43
- 238000000034 method Methods 0.000 claims abstract description 33
- 230000001105 regulatory effect Effects 0.000 claims description 54
- 238000012806 monitoring device Methods 0.000 claims description 29
- 238000012552 review Methods 0.000 claims description 22
- 230000005856 abnormality Effects 0.000 claims description 12
- 230000004044 response Effects 0.000 claims description 12
- 230000001276 controlling effect Effects 0.000 claims description 3
- 230000006855 networking Effects 0.000 claims 3
- 239000007789 gas Substances 0.000 description 204
- 238000012549 training Methods 0.000 description 54
- 230000000875 corresponding effect Effects 0.000 description 24
- 230000008569 process Effects 0.000 description 17
- 238000001514 detection method Methods 0.000 description 14
- 230000002159 abnormal effect Effects 0.000 description 13
- 239000000463 material Substances 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 10
- 230000004048 modification Effects 0.000 description 10
- 230000002829 reductive effect Effects 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 238000011835 investigation Methods 0.000 description 8
- 238000013507 mapping Methods 0.000 description 6
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010801 machine learning Methods 0.000 description 5
- 241000196324 Embryophyta Species 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 4
- 230000006378 damage Effects 0.000 description 4
- 230000032683 aging Effects 0.000 description 3
- 230000002596 correlated effect Effects 0.000 description 3
- 230000007797 corrosion Effects 0.000 description 3
- 238000005260 corrosion Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 3
- 238000005728 strengthening Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 238000013024 troubleshooting Methods 0.000 description 3
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- RAHZWNYVWXNFOC-UHFFFAOYSA-N Sulphur dioxide Chemical compound O=S=O RAHZWNYVWXNFOC-UHFFFAOYSA-N 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 238000003062 neural network model Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 239000013618 particulate matter Substances 0.000 description 2
- 230000001131 transforming effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 235000002566 Capsicum Nutrition 0.000 description 1
- 239000006002 Pepper Substances 0.000 description 1
- 235000016761 Piper aduncum Nutrition 0.000 description 1
- 235000017804 Piper guineense Nutrition 0.000 description 1
- 244000203593 Piper nigrum Species 0.000 description 1
- 235000008184 Piper nigrum Nutrition 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000026058 directional locomotion Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 239000002737 fuel gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000010030 laminating Methods 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 230000007257 malfunction Effects 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000035515 penetration Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 150000003839 salts Chemical class 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 239000008399 tap water Substances 0.000 description 1
- 235000020679 tap water Nutrition 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J11/00—Manipulators not otherwise provided for
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B25—HAND TOOLS; PORTABLE POWER-DRIVEN TOOLS; MANIPULATORS
- B25J—MANIPULATORS; CHAMBERS PROVIDED WITH MANIPULATION DEVICES
- B25J13/00—Controls for manipulators
-
- 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
- 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
-
- 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
- G16Y40/30—Control
-
- 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
- G16Y40/50—Safety; Security of things, users, data or systems
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/06—Protocols specially adapted for file transfer, e.g. file transfer protocol [FTP]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Robotics (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Medical Informatics (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Mechanical Engineering (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Computer Security & Cryptography (AREA)
- Entrepreneurship & Innovation (AREA)
- Accounting & Taxation (AREA)
- Development Economics (AREA)
- Water Supply & Treatment (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请提供一种基于监管物联网的燃气管廊机器人管理方法与物联网系统,该方法由基于监管物联网的燃气管廊机器人管理物联网系统的燃气公司管理平台执行,包括从燃气公司传感网络平台获取廊内环境数据;基于廊内环境数据,确定机器人巡检指令;将机器人巡检指令通过燃气公司传感网络平台下发至燃气设备对象平台,以控制维保机器人装置沿运行轨道运行;获取维保机器人的巡检数据;基于巡检数据确定存疑数据;将存疑数据传输至燃气用户服务平台进行人工复检;获取人工复检结果,并将人工复检结果通过政府监管传感网络平台上传至政府监管管理平台。本申请的方案可实现对综合管廊内部设施进行全方面自动化监测,提高机器人巡检的效率、降低安全隐患。
Description
技术领域
本说明书涉及综合管廊监测领域,特别涉及一种基于监管物联网的燃气管廊机器人管理方法与物联网系统。
背景技术
综合管廊机器人在管廊内部的气体泄露监测、火灾隐患排查等方面得到广泛的应用。然而,对于管廊内部的设施设备腐蚀老化、耗材更换等情况,仍需采集相应的图像数据和环境数据,依靠人工识别判断,效率较低。此外,因为人工检查严谨程度不同,则可能出现排查疏漏情况,产生潜在的安全隐患。
针对人工检查严谨度不同可能出现排查疏漏的问题,CN107632581B提出一种地下管廊的监控管理系统。该系统利用巡检机器人对地下管廊中的预设项目进行巡检,并将巡检得到的实时数据上报给数据分析于评估系统,从而实现自动监控以及数据的实时上报。但是,该方法在基于机器人采集的数据对管廊不同区域耗材更换,以及人工维保周期评估等方面仍缺乏有效的技术手段。
因此,希望提供一种基于监管物联网的燃气管廊机器人管理方法与物联网系统,以实现对综合管廊内部设施进行全方面自动化监测,从而提高机器人巡检的效率、降低安全隐患,为综合管廊的运行提供更可靠的保障。
发明内容
本申请提供一种基于监管物联网的燃气管廊机器人管理方法,由基于监管物联网的燃气管廊机器人管理物联网系统的燃气公司管理平台执行,包括:从燃气公司传感网络平台获取廊内环境数据;基于所述廊内环境数据,确定机器人巡检指令;将所述机器人巡检指令通过所述燃气公司传感网络平台下发至燃气设备对象平台,以控制维保机器人装置沿运行轨道运行;获取所述维保机器人的巡检数据;基于所述巡检数据确定存疑数据;响应于存在所述存疑数据,将所述存疑数据传输至燃气用户服务平台进行人工复检;获取人工复检结果,并将所述人工复检结果通过所述政府监管传感网络平台上传至政府监管管理平台。
本申请提供一种基于监管物联网的燃气管廊机器人管理物联网系统,包括政府监管服务平台、政府监管管理平台、政府监管传感网络平台、燃气用户服务平台、政府监管对象平台、燃气公司传感网络平台、燃气设备对象平台;所述政府监管服务平台包括政府安全监管服务平台;所述政府监管管理平台包括政府安全监管管理平台;所述政府监管传感网络平台包括政府安全监管传感网络平台;所述政府监管对象平台包括所述燃气公司管理平台;所述政府监管传感网络平台被配置为与所述政府监管管理平台和所述政府监管对象平台进行交互;所述燃气公司传感网络平台被配置为与所述燃气公司管理平台和所述政府监管对象平台进行交互;所述燃气用户服务平台被配置为与所述燃气公司管理平台进行交互;所述燃气公司管理平台被配置为:从所述燃气公司传感网络平台获取廊内环境数据;基于所述廊内环境数据,确定机器人巡检指令;将所述机器人巡检指令通过所述燃气公司传感网络平台下发至所述燃气设备对象平台,以控制维保机器人装置沿运行轨道运行;获取所述维保机器人的巡检数据;基于所述巡检数据确定存疑数据;响应于存在所述存疑数据,将所述存疑数据传输至所述燃气用户服务平台进行人工复检;获取人工复检结果,并将所述人工复检结果通过所述政府监管传感网络平台上传至所述政府监管管理平台。
上述发明内容带来的有益效果包括但不限于:通过基于巡检数据确定存疑数据的操作,可以在整个流程中降低人工介入的频率和次数,降低人工评估导致的效率低下以及评估严谨程度参差不齐对管廊安全风险排查的影响。本说明书实施例提供的基于监管物联网的燃气管廊机器人管理方法能够智能化、自动化地实现综合管廊内部设施设备的动态监测。
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监管物联网的燃气管廊机器人管理物联网系统的示例性示意图;
图2是根据本说明书一些实施例所示的基于监管物联网的燃气管廊机器人管理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存疑数据的示例性流程图;
图4是根据本说明书一些实施例所示的调整更换周期的示例性流程图;
图5是根据本说明书一些实施例所示的隐患确定模型的示例性模型图;
图6是根据本说明书另一些实施例所示的调整更换周期的示例性流程图。
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。
如本说明书和权利要求书中所示,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。
图1是根据本说明书一些实施例所示的基于监管物联网的燃气管廊机器人管理物联网系统的示例性示意图。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。
如图1所示,基于监管物联网的燃气管廊机器人管理物联网系统100可以包括政府监管服务平台110、政府监管管理平台120、政府监管传感网络平台130、燃气用户服务平台140、政府监管对象平台150、燃气公司传感网络平台160以及燃气设备对象平台170。
政府监管服务平台110可以是为政府提供监管服务的平台。在一些实施例中,政府监管服务平台110可以包括政府安全监管服务平台111。政府安全监管服务平台111可以是为政府提供安全监管服务的平台。
政府监管管理平台120可以是政府进行监管管理的平台。在一些实施例中,政府监管管理平台120可以包括政府安全监管管理平台121。政府安全监管管理平台121可以是政府进行安全监管管理的平台。
在一些实施例中,政府安全监管管理平台121可以用于获取管廊监测装置维保记录,有关此部分的更多内容可以参见图3及其相关描述。
政府监管传感网络平台130可以是对监管相关信息进行管理的功能平台。在一些实施例中,政府监管传感网络平台130可以包括政府安全监管传感网络平台131。政府安全监管传感网络平台131可以是对安全监管相关信息进行管理的功能平台。
在一些实施例中,政府监管管理平台120和政府监管传感网络平台130可以进行信息交互。例如,人工复检结果可以通过政府监管传感网络平台130上传至政府监管管理平台120。再例如,管廊使用隐患可以通过政府监管传感网络平台130上传到政府监管管理平台120。有关此部分的更多内容可以参见图2至图3及其相关描述。
燃气用户服务平台140可以是提供与燃气安全相关信息的平台。在一些实施例中,燃气用户服务平台140可以获取到异常监测装置的反馈信息,有关此部分的更多内容可以参见图3及其相关描述。在一些实施例中,燃气用户服务平台140可以获取人工复检结果,有关此部分的更多内容可以参见图6及其相关描述。
政府监管对象平台150可以是用于提供燃气使用、运营、安全等相关数据的平台。在一些实施例中,政府监管对象平台150可以包括燃气公司管理平台151。燃气公司管理平台151可以是统筹、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,为整个系统提供感知管理和控制管理功能的平台。
在一些实施例中,政府监管传感网络平台130和政府监管对象平台150可以进行信息交互。例如,政府监管对象平台150可以将巡检数据上传至政府监管传感网络平台130,有关此部分的更多内容可以参见图2及其相关描述。
在一些实施例中,燃气公司管理平台151可以获取管廊复杂度,有关此部分的更多内容可以参见图2及其相关描述。
在一些实施例中,燃气公司管理平台151可以与燃气用户服务平台140进行交互。例如,燃气公司管理平台151可以将存疑数据传输至燃气用户服务平台140进行人工复检。再例如,燃气公司管理平台151可以将异常监测装置上传至燃气用户服务平台140。有关此部分的更多内容可以参见图2至图3及其相关描述。
燃气公司传感网络平台160可以是对传感通信进行管理的功能平台。在一些实施例中,燃气公司传感网络平台160可以获取廊内环境数据。在一些实施例中,燃气公司传感网络平台160可以将机器人巡检指令下发至燃气设备对象平台170。有关此部分的更多内容可以参见图2及其相关描述。
在一些实施例中,燃气公司传感网络平台160可以将廊内环境数据上传至燃气公司管理平台151。
燃气设备对象平台170可以感知信息生成和控制信息执行的功能平台。例如,燃气公司管理平台151可以将机器人巡检指令通过燃气公司传感网络平台160下发至燃气设备对象平台170,以控制维保机器人装置沿运行轨道运行。有关此部分的更多内容可以参见图2及其相关描述。
在一些实施例中,燃气设备对象平台170可以包括管廊监测装置、维保机器人、运行轨道、处理器。
在一些实施例中,管廊监测装置分布式部署于管廊内部,可以被配置为监测并采集廊内环境数据;基于燃气公司传感网络平台160,将廊内环境数据上传至燃气公司管理平台151。其中,管廊是指燃气管道所在的地下空间。
在一些实施例中,运行轨道可以指用于维保机器人进行定向移动,以执行巡检、维护等任务的轨道。
在一些实施例中,维保机器人被配置为基于机器人巡检指令,沿运行轨道进行巡检并获取巡检数据。
在一些实施例中,基于监管物联网的燃气管廊机器人管理物联网系统100会在管廊内部的不同位置部署相关的管廊监测装置,用于采集廊内环境数据。
在一些实施例中,响应于基于监管物联网的燃气管廊机器人管理物联网系统100基于廊内环境数据分析管廊内部存在管廊使用隐患时,维保机器人可以基于机器人巡检指令自动启动巡检并获得巡检数据。例如,维保机器人可以沿着预设轨道进行巡检,其中,轨道的位置可以是悬挂在管廊侧壁上方等。有关巡检数据的更多内容可以参见图2及其相关描述。
在本说明书的一些实施例中,基于监管物联网的燃气管廊机器人管理物联网系统100引入维保机器人进行巡检可以弥补管廊监测装置的局限性,提高管廊监测的机动性和灵活性。同时,还可以降低人力成本,例如,在发生报警时无需再派遣人员前往监测装置报警地点进行排查。
在一些实施例中,燃气公司管理平台151基于燃气公司传感网络平台160获取燃气设备对象平台170的维保机器人排查结果,再通过政府监管传感网络平台130上传至政府监管管理平台120。基于监管物联网的燃气管廊机器人管理排查结果是指维保机器人所进行巡检排查后得到的数据和信息。例如,排查结果可以包括排查的次数、频率、地点等,以表明燃气公司认真执行政府相关安全监管制度的情况。
在一些实施例中,燃气公司管理平台151可以基于第三方平台(如,自来水公司、电力公司等),获取已上传的管廊使用隐患的排查数据作为参考,以便于燃气公司了解管廊的使用情况,确保管廊的安全运行。其中,管廊使用隐患的排查数据是指与第三方平台对管廊使用隐患进行排查相关的数据。例如,管廊使用隐患的排查数据可以包括排查的时间、管廊使用隐患所存在的位置、管廊使用隐患的类型等。
在一些实施例中,处理器被配置为上传管廊监测装置采集的廊内环境数据至燃气公司传感网络平台160;基于机器人巡检指令:控制维保机器人沿运行轨道运行;获取维保机器人的巡检数据,并将巡检数据上传至燃气公司传感网络平台160,以及进一步基于政府监管对象平台150将巡检数据上传至政府监管传感网络平台150。
有关此部分的更多内容可以参见图2及其相关描述。
本说明书一些实施例,基于监管物联网的燃气管廊机器人管理物联网系统100,可以在智慧燃气管理平台的统一管理下协调、规律运行,实现综合管廊内部设施设备的自动化监测。
在一些实施例中,基于监管物联网的燃气管廊机器人管理物联网系统100中的平台可以被划分到智慧燃气一级网和智慧燃气二级网中。其中,智慧燃气一级网指政府用户对燃气管网运营进行监管的网络,智慧燃气二级网包括燃气管网运营的网络。在一些实施例中,基于监管物联网的燃气管廊机器人管理物联网系统100中的同一平台可以在智慧燃气一级网和智慧燃气二级网中承担不同的平台角色。
在一些实施例中,智慧燃气一级网至少可以包括智慧燃气一级网服务平台、智慧燃气一级网管理平台、智慧燃气一级网传感网络平台和智慧燃气一级网对象平台。其中,智慧燃气一级网服务平台可以包括政府监管服务平台110,智慧燃气一级网管理平台可以包括政府监管管理平台120,智慧燃气一级网传感网络平台可以包括政府监管传感网络平台130,智慧燃气一级网对象平台可以包括政府监管对象平台150。
在一些实施例中,智慧燃气二级网至少可以包括智慧燃气二级网服务平台、智慧燃气二级网管理平台、智慧燃气二级网传感网络平台和智慧燃气二级网对象平台。其中,智慧燃气二级网服务平台可以包括燃气用户服务平台140,智慧燃气二级网管理平台可以包括燃气公司管理平台151,智慧燃气二级网传感网络平台可以包括燃气公司传感网络平台160,智慧燃气二级网对象平台可以包括燃气设备对象平台170。
有关基于监管物联网的燃气管廊机器人管理物联网系统100执行功能的更多内容可参见本说明书图2至图6中的相关描述。
需要注意的是,以上对基于监管物联网的燃气管廊机器人管理物联网系统的描述,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。
图2是根据本说明书一些实施例所示的基于监管物联网的燃气管廊机器人管理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可以由燃气公司管理平台执行。
步骤210,从燃气公司传感网络平台获取廊内环境数据。
廊内环境数据是指管廊内部的相关环境数据。在一些实施例中,廊内环境数据可以包括管廊内部的温度、湿度、气体浓度、空气颗粒物浓度和光照强度等。
在一些实施例中,气体浓度包括燃气浓度和/或其他风险气体的浓度。风险气体是指可能对管廊内设备或人员造成安全风险的气体。例如,风险气体可以包括二氧化硫和二氧化碳等。
管廊是指燃气管线所在的地下管道空间。在一些实施例中,管廊可以包括一个或多个管廊区域。
管廊区域是指管廊系统中的部分区域。例如,可以按照预设形状将管廊划分为包括多个预设形状的区域,每个预设形状对应一个管廊区域。上述划分方式仅为示例,实际中,可以按照任意可行方式对管廊进行划分,进而得到相应的管廊区域。
在一些实施例中,廊内环境数据由燃气设备对象平台的管廊监测装置监测并采集。例如,管廊监测装置分布式部署于管廊内部,用于监测并采集廊内环境数据。
在一些实施例中,廊内环境数据由管廊监测装置通过燃气公司传感网络平台上传至燃气公司管理平台。在一些实施例中,管廊监测装置采集的廊内环境数据由燃气设备对象平台的处理器上传至燃气公司传感网络平台,燃气公司管理平台从燃气公司传感网络平台获取廊内环境数据。
步骤220,基于廊内环境数据,确定机器人巡检指令。
机器人巡检指令是指示维保机器人是否进行巡检操作的命令。在一些实施例中,机器人巡检指令包括执行巡检的指令和不执行巡检的指令。在一些实施例中,执行巡检的指令可以包括一条或多条执行巡检的操作指示,以及各操作指示指向的维保机器人。在一些实施例中,执行巡检的指令还可以包括对应维保机器人的巡检项目。
可以理解的是,管廊内部可以设置一个或多个维保机器人,各维保机器人可以负责巡检和维护一个或多个管廊区域,不同维保机器人的功能可以相同或不同。
在一些实施例中,燃气公司管理平台可以监测廊内环境数据中是否存在异常值,基于监测结果确定机器人巡检指令。异常值是指超出预设环境范围的廊内环境数据。预设环境范围是预设的正常廊内环境所对应的环境数据的数值范围。例如,预设环境范围可以包括预设温度范围、预设湿度范围、预设气体浓度范围等。
示例性的,燃气公司管理平台监测到某一管廊区域的当前温度超出预设温度范围(如-20℃~50℃)。响应于监测结果为上述管廊区域的廊内环境数据存在温度异常值,燃气公司管理平台确定可以获取温度检测数据的维保机器人的机器人巡检指令,该机器人巡检指令关联于与上述管廊区域温度异常。
巡检项目是指在巡检过程中所需执行的项目。在一些实施例中,巡检项目包括影像采集、声音采集和传感数据检测等。其中,传感数据检测可以包括温度检测、湿度检测、燃气浓度检测、空气颗粒物浓度检测和其他风险气体浓度检测等。例如,与温度异常相关的巡检项目可以包括低温异常的巡检项目和高温异常的巡检项目。其中,高温异常的巡检项目包括温度检测、空气颗粒物浓度检测、其他风险气体浓度检测和影像采集等。低温异常的巡检项目包括温度检测和燃气浓度检测等。
燃气公司管理平台可以通过多种方式确定巡检项目。在一些实施例中,燃气公司管理平台可以基于指示廊内环境数据存在异常值的监测结果,通过查询预设表确定巡检项目。其中,预设表中存储有监测结果与巡检项目的映射关系。例如,监测结果为廊内环境数据存在温度数据的异常高值,燃气公司管理平台通过查询预设表,确定该监测结果匹配的巡检项目为高温异常的巡检项目。
步骤230,将机器人巡检指令通过燃气公司传感网络平台下发至燃气设备对象平台,以控制维保机器人装置沿运行轨道运行。
在一些实施例中,燃气公司管理平台通过燃气公司传感网络平台将机器人巡检指令发送至燃气设备对象平台的处理器。处理器可以基于接收到的机器人巡检指令,控制机器人巡检指令指向的维保机器人沿运行轨道运行。该指令指向的维保机器人则可以基于机器人巡检指令,沿运行轨道进行巡检并获取巡检数据。
步骤240,获取维保机器人的巡检数据。
巡检数据是指维保机器人在执行机器人巡检指令过程中获得的管道外部的数据。例如,管道外部的环境数据、管廊内部的影音图像数据等。
在一些实施例中,巡检数据包括一条或多条巡检子数据、巡检子数据对应的管廊区域、环境监测数据中的至少一种。
示例性的,巡检子数据是具有时间连续性的数据,巡检子数据可以包括影像数据和声音数据中的至少一种。可以理解的是,一条巡检子数据可以对应一个或多个管廊区域,一个管廊区域也可以对应一条或多条巡检子数据。
环境监测数据是指与管廊内的环境参数有关的数据。
示例性的,环境检测数据包括温度数据、湿度数据、气体浓度数据、空气颗粒物浓度和光照强度等中的至少一种。
巡检子数据可以通过按照多种形式对巡检数据进行划分得到。在一些实施例中,对于同一维保机器人在执行指定机器人巡检指令时获取的巡检数据,该巡检数据包含的多条巡检子数据可以是根据不同管廊空间和/或不同巡检时间段划分的。例如,巡检数据的多条巡检子数据中,每条巡检子数据对应一个管廊空间,或者每条巡检子数据对应一个巡检时间段。
在一些实施例中,燃气公司管理平台可以从燃气公司传感网络平台获取维保机器人的巡检数据。在一些实施例中,维保机器人可以直接将巡检数据上传至燃气公司传感网络平台。在另一些实施例中,燃气设备对象平台的处理器从维保机器人处获取巡检数据,并将巡检数据上传至燃气公司传感网络平台。燃气设备对象平台的处理器还进一步地通过政府监管对象平台将巡检数据上传至政府监管传感网络平台。
燃气公司管理平台发出的机器人巡检指令可以经由燃气公司传感网络平台被处理器接收,以及通过处理器控制维保机器人进行巡检、巡检数据采集和相关信息交互,从而使巡检相关流程实现自动化管理。
步骤250,基于巡检数据确定存疑数据。
存疑数据是指可靠性存在疑问的数据,该可靠性存在疑问的数据指示管廊存在安全风险的准确度。其中,安全风险可以包括火灾风险、腐蚀风险和设备损坏风险等。其中,反映火灾风险的异常数据可以包括温度异常数据、空气颗粒物浓度异常数据、可能显示火情的影像异常数据和声音异常数据等。反映腐蚀风险的存疑数据可以包括温度异常数据、湿度异常数据和风险气体浓度异常数据等。反映设备损坏风险的异常数据可以包括燃气浓度异常数据等。
在一些实施例中,燃气公司管理平台可以判断相应管廊区域的巡检数据中的环境监测数据与相应管廊区域的廊内环境数据指示的结果是否一致;如二者中一项指示相应管廊区域存在安全风险(如安全风险高于预设阈值),而另一项指示相应管廊区域不存在安全风险(如安全风险不高于预设阈值),则燃气公司管理平台可以将相应管廊区域的巡检数据以及廊内环境数据确定为存疑数据。
在一些实施例中,存疑数据还相关于管廊复杂度。管廊复杂度是指示管廊结构、运行和使用的复杂程度的数据。可以理解的是,管廊复杂度越高,管廊监测装置错误地获取异常的廊内环境数据的可能性越高,进而巡检数据或廊内环境数据的可靠性越低,即巡检数据或廊内环境数据为存疑数据的概率越高。
在一些实施例中,管廊复杂度相关于管廊内部和周围其他舱室的管线类型和管线数量的信息。燃气公司管理平台可以基于管廊内部和周围其他舱室的管线类型信息和管线数量信息,确定管廊复杂度。例如,管廊内部和周围其他舱室的管线类型和管线数量越多,管廊复杂度越高。
在一些实施例中,管廊复杂度还相关于管线距离平均值。管线距离平均值是指管廊内各条管线之间距离的平均值。例如管线距离平均值越小,管廊复杂度越高。
在一些实施例中,燃气公司管理平台可以基于巡检数据、管廊复杂度,通过查询预设数据表的形式确定存疑数据。预设数据表中包括历史管廊区域、历史管廊区域的巡检数据、廊内环境数据、管廊复杂度,以及该历史管廊区域对应的历史存疑数据。燃气公司管理平台可以基于当前各个管廊区域及其对应的巡检数据、廊内环境数据、管廊复杂度,在预设数据表中进行查找,确定与各个管廊区域及其对应的巡检数据、廊内环境数据、管廊复杂度相同或最接近的数据对应的历史存疑数据,并基于该历史存疑数据,确定当前的存疑数据。
燃气公司管理平台在确定存疑数据时考虑管廊复杂度对巡检数据可靠性的影响,可以减少机器误判的问题,同时可以将请求人工介入的频率、次数控制在合适范围内。
在一些实施例中,存疑数据还可以基于其他方式确定,更多说明参见图3的相应内容。
步骤260,响应于存在存疑数据,将存疑数据传输至燃气用户服务平台进行人工复检。
人工复检是指通过人工评估存疑数据对应的管廊区域是否存在安全风险的操作。人工复查结果可以是对应管廊区域不存在安全风险或者,对应管廊区域存在安全风险。示例性的,管理人员可以获取更多的评估数据(如管廊的视频数据、人工巡检数据等),并基于该评估数据确定对应管廊区域的人工复查结果。
在一些实施例中,响应于存在存疑数据,燃气公司管理平台可以将存疑数据传输至燃气用户服务平台,以使燃气用户服务平台能够进行人工复检任务安排。燃气用户服务平台可以获取管理人员上传的人工复检结果。
步骤270,获取人工复检结果,并将人工复检结果通过所述政府监管传感网络平台上传至政府监管管理平台。
在一些实施例中,燃气公司管理平台可以从燃气用户服务平台获取人工复检结果,接着通过政府监管传感网络平台将人工复检结果上传至政府监管管理平台,使政府监管管理平台能够存储人工复检结果以用于地下管廊的后续监管,以及使政府监管管理平台能够将人工复检结果提供给地下管廊维护和运行使用相关的其他机构,作为这些机构制定工作计划的参考信息。
在一些实施例中,响应于不存在存疑数据,燃气公司管理平台可以基于巡检数据确定管廊使用隐患;将管廊使用隐患通过政府监管传感网络平台上传到政府监管管理平台;基于管廊使用隐患调整管廊备用耗材的更换周期。
关于确定管廊使用隐患、调整更换周期的更多内容请参见本说明书其他部分,例如图4、图6及其相关描述。
本说明书一些实施例提供的基于监管物联网的燃气管廊机器人管理方法,通过基于巡检数据确定存疑数据的操作,可以在整个流程中降低人工介入的频率和次数,降低人工评估导致的效率低下以及评估严谨程度参差不齐对管廊安全风险排查的影响。本说明书实施例提供的基于监管物联网的燃气管廊机器人管理方法能够智能化、自动化地实现综合管廊内部设施设备的动态监测。
图3是根据本说明书一些实施例所示的确定存疑数据的示例性流程图。如图3所示,流程300包括下述步骤。在一些实施例中,流程300可以由燃气公司管理平台执行。
步骤310,基于环境监测数据、维保记录确定异常监测装置。
维保记录是指对管廊内的设备、系统或设施进行维护和保养的记录。在一些实施例中,维保记录可以是指对管廊监测装置进行维护和保养的记录。例如,维保记录可以包括对管廊监测装置进行巡检、维修、更换部件等操作的详细记录。
在一些实施例中,燃气公司管理平台可以通过多种方式获取管廊监测装置的维保记录。例如,可以基于政府安全监管管理平台获取管廊监测装置的维保记录。
异常监测装置是指在管廊内可能出现了失灵、损坏或失准等异常情况的管廊监测装置。
在一些实施例中,燃气公司管理平台可以基于环境监测数据、维保记录确定异常监测装置。示例性的,当管廊监测装置的最后一次维保记录与当前时间间隔大于预设时间阈值,且环境监测数据不属于预设环境范围内时,则该监测装置可以被确定为异常监测装置。
预设时间阈值是指在设定中预先规定的时间间隔的阈值,预设环境范围是指用于判断环境监测数据是否在正常范围内的条件范围。其中,预设时间阈值和预设环境范围可以由技术人员根据经验设定或由系统默认设置。
步骤320,将异常监测装置上传至燃气用户服务平台。
有关燃气用户服务平台的更多内容可以参见图1及其相关描述。
步骤330,响应于从燃气用户服务平台获取到异常监测装置的反馈信息,基于一条或多条巡检子数据、巡检子数据对应的管廊区域、管廊复杂程度、反馈信息确定存疑数据。
反馈信息是指用于反馈与异常监测装置相关的信息例如,反馈信息可以包括反馈异常监测装置确实存在异常的信息。燃气公司管理平台可以从燃气用户服务平台获取用户对异常监测装置的反馈信息。
在一些实施例中,燃气公司管理平台可以基于多种方式确定存疑数据。例如,燃气公司管理平台可以将异常监测装置所在的管廊区域对应的巡检数据确定为存疑数据。
在一些实施例中,存疑数据还相关于管廊内环境数据集,管廊内环境数据集包括一个或多个目标监测节点的管廊内环境数据。
在一些实施例中,基于一条或多条巡检子数据、巡检子数据对应的管廊区域、管廊复杂度、反馈信息确定存疑数据包括:基于廊内环境数据集、一条或多条巡检子数据、巡检子数据对应的管廊区域、管廊复杂程度、反馈信息,通过数据确定模型,确定存疑数据,数据确定模型为机器学习模型。
廊内环境数据集是指目标监测节点的管廊内环境数据构成的数据集,目标监测节点包括预选监测节点,以及与预选监测节点间的距离小于或等于距离阈值的其他监测节点。
其中,监测节点是指管廊区域内设置管廊监测装置的位置节点,预选监测节点可以是重要管廊区域内的管廊监测装置对应的位置节点,重要管廊区域可以是主干管道所在的管廊区域或出现异常事故最多的管廊区域等。距离阈值可以由技术人员根据经验设定或由系统默认设置。
在一些实施例中,燃气公司管理平台可以基于数据确定模型确定存疑数据。在一些实施例中,数据确定模型可以为机器学习模型。例如,卷积神经网络模型、循环神经网络模型等中的一种或任意组合。
在一些实施例中,数据确定模型的输入可以包括廊内环境数据集、一条或多条巡检子数据、巡检子数据对应的管廊区域、管廊复杂程度、反馈信息,输出可以为存疑数据。有关廊内环境数据集、巡检子数据、巡检子数据对应的管廊区域、管廊复杂程度以及存疑数据的更多内容可以参见图2及其相关描述。
在一些实施例中,数据确定模型可以基于大量带有第一标签的第一训练样本训练获得。可以将多个带有第一标签的第一训练样本输入初始数据确定模型,通过第一标签和初始数据确定模型的结果构建损失函数,基于损失函数迭代更新初始数据确定模型的参数。当初始数据确定模型的损失函数满足预设条件时模型训练完成,得到训练好的数据确定模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第一训练样本可以为历史数据中的样本廊内环境数据集、一条或多条样本巡检子数据、样本巡检子数据对应的样本管廊区域、样本管廊复杂程度以及样本反馈信息。第一标签可以为第一训练样本对应的后续实际确定的存疑数据。在一些实施例中,存疑数据可以包括实际排查后与初始巡检数据不吻合的巡检数据、引发故障原因的巡检数据、以及与故障存在相关性的巡检数据。存疑数据可以基于人工巡检或人工复核确定,并进行人工标注以获得第一标签。
在一些实施例中,存疑数据还相关于管廊使用隐患。例如,数据确定模型的输入还包括管廊使用隐患。有关管廊使用隐患的更多内容可以参见图4及其相关描述。
在一些实施例中,数据确定模型的输入包括管廊使用隐患时,第一训练样本还可以包括样本管廊使用隐患。
在本说明书的一些实施例中,将管廊使用隐患设置为数据确定模型的模型输入,可以使数据确定模型在存在管廊使用隐患的条件下评估存疑数据,进而使数据确定模型能够准确辨别存疑数据,提高模型精度。
在本说明书的一些实施例中,燃气公司管理平台基于机器学习模型来确定存疑数据,有助于识别潜在问题和异常情况。同时,通过数据确定模型确定存疑数据,可以使得对存疑数据的预测更准确,以便于确定更符合实际情况的存疑数据。此外,通过优先选择预选监测节点作为起点,再将该节点附近的其他监测节点的廊内数据纳入计算,能够在仅使用少量节点的情况下获得高精确度的结果,从而减少计算量提高效率。
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。然而,这些修正和改变仍在本说明书的范围之内。
在一些实施例中,基于监管物联网的燃气管廊机器人管理方法还包括调整管廊备用耗材的更换周期的操作。图4是根据本说明书一些实施例所示的调整更换周期的示例性示意图。如图4所示,流程400包括下述步骤。在一些实施例中,流程400可以由燃气公司管理平台执行。
步骤410,响应于不存在存疑数据,基于巡检数据确定管廊使用隐患。
管廊使用隐患是指管廊内的管道或管廊内部环境中存在的潜在问题、缺陷或不符合规范要求的情况。在一些实施例中,管廊使用隐患可以包括管道持续渗水、防腐层脱落以及管线老化中的至少一种。
在一些实施例中,燃气公司管理平台可以通过多种方式确定管廊使用隐患。在一些实施例中,燃气公司管理平台可以基于巡检数据确定管廊使用隐患。示例性的,巡检数据可以包括管道的图像数据,燃气公司管理平台可以基于图像数据判断管廊是否存在裂缝,从而确定是否存在管廊使用隐患。再例如,燃气公司管理平台可以基于管廊内外压强差是否超过压力阈值,从而确定是否存在管廊使用隐患。其中,压力阈值可以由技术人员根据经验设定或由系统默认设置。
在一些实施例中,巡检数据还包括影像数据、声音数据。
在一些实施例中,基于巡检数据确定管廊使用隐患包括基于影像数据、声音数据,确定管廊使用隐患。
影像数据是指巡检过程中的与管廊相关的影像数据,用于检测管廊的状态。例如,可以包括摄像头拍摄的管道或管廊内部环境的照片、视频、红外图像等。
声音数据是指巡检过程中采集到与管廊相关的声音数据。例如,可以包括检测管道中的漏水声、压力异常声、设备运行异常声等。
在一些实施例中,燃气公司管理平台可以基于影像数据、声音数据,通过查询预设关系表的方式确定管廊使用隐患。预设关系表可以包括影像数据、声音数据与管廊使用隐患之间的对应关系,预设关系表可以基于历史数据确定。在一些实施例中,燃气公司管理平台可以通过查表,将表中相同或相近的影像数据、声音数据对应的管廊使用隐患确定为管廊使用隐患。
关于如何确定管廊使用隐患的更多内容可以参见图5及其相关描述。
在本说明书的一些实施例中,通过综合分析影像数据和声音数据,可以更全面地确定管廊使用隐患,有助于确保管廊的安全运行和使用。
步骤420,将管廊使用隐患通过政府监管传感网络平台上传到政府监管管理平台。
有关政府监管传感网络平台、政府监管管理平台的更多内容可以参见图1及其相关描述。
步骤430,基于管廊使用隐患调整管廊备用耗材的更换周期。
管廊备用耗材是指在管廊运行过程中,用于进行替换、修复、备用的消耗材料。例如,可以包括应急物资、设施设备维保所需耗材、抢险所需耗材等。
管廊备用耗材的更换周期是指在管廊运维管理过程中,对管廊备用耗材进行更换的时间间隔或频率。
在一些实施例中,燃气公司管理平台可以基于多种方式调整管廊备用耗材的更换周期。例如,响应于管廊使用隐患高于隐患预设阈值,燃气公司管理平台可以相应减短管廊备用耗材的更换周期;反之,则相应增加管廊备用耗材的更换周期。
隐患预设阈值可以用于判断是否需要对管廊备用耗材的更换周期进行调整。隐患预设阈值可以由技术人员根据经验设定或由系统默认设置。
有关调整管廊备用耗材的更换周期的更多内容可以参见图6及其相关描述。
应当注意的是,上述有关流程400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400进行各种修正和改变。然而,这些修正和改变仍在本说明书的范围之内。
图5是根据本说明书一些实施例所示的隐患确定模型的示例性结构示意图。
在一些实施例中,燃气公司管理平台可以基于影像数据511、声音数据512,通过隐患确定模型500,确定管廊使用隐患520。
在一些实施例中,隐患确定模型500为机器学习模型。示例性的,可作为隐患确定模型的机器学习模型包括但不限于逻辑回归模型、神经网络模型(Convolutional NeuralNetworks, CNN)等。在一些实施例中,隐患确定模型500为CNN。
在一些实施例中,隐患确定模型500的输入包括影像数据511和声音数据512。其中,影像数据511是来自巡检数据的影像数据,声音数据512是来自巡检数据的声音数据。在一些实施例中,隐患确定模型500的输出为管廊使用隐患520。
关于管廊隐患的更多内容请参见本说明书其他部分,例如图4及其相关描述。
隐患确定模型可以基于带有第一标签的第一训练样本训练得到。可以将多个带有第一标签的第一训练样本输入初始隐患确定模型,通过第一标签和初始隐患确定模型的结果构建损失函数,基于损失函数迭代更新初始隐患确定模型的参数。当初始隐患确定模型的损失函数满足预设条件时模型训练完成,得到训练好的隐患确定模型。其中,预设条件可以是损失函数收敛、迭代的次数达到阈值等。
在一些实施例中,第一训练样本可以包括各样本管廊区域的历史巡检数据中的历史影像数据和历史声音数据。在一些实施例中,第一标签可以为各样本管廊区域在历史时间点的管廊使用隐患。例如,可以根据样本管廊区域,在后续检查中是否发生了实际管廊使用隐患或实际管廊事故,通过人工标注方式确定第一标签。若发生隐患/事故则第一标签标记为1,未发生隐患/事故则第一标签标记为0。
在一些实施例中,隐患确定模型500的模型训练至少包括第一阶段训练。第一阶段训练包括基于第一训练集对隐患确定模型进行第一阶段训练,第一训练集包括预设比例的第一类数据、第二类数据和第三类数据。
预设比例是根据经验确定的第一类数据、第二类数据和第三类数据在第一训练集中的占比。例如,第一训练集中第一类数据、第二类数据和第三类数据的预设比例可以是1:2:4。
在一些实施例中,第一类数据为发生了使用隐患的样本管廊区域的影像数据和声音数据。其中,发生了使用隐患是指样本管廊区域在后续检查中被验证发生了实际管廊使用隐患或实际管廊事故。在一些实施例中,第一类数据可以从数据库中采集。例如,可以从燃气用户服务平台的数据库中采集历史巡检数据,使用历史巡检数据中发生了使用隐患的样本管廊区域的历史影像数据和历史声音数据作为第一类数据。
在一些实施例中,第二类数据为修改过的影像数据和声音数据。在一些实施例中,第二类数据是通过对至少一组发生了使用隐患的样本管廊区域的影像数据进行噪声处理,和/或对至少一组发生了使用隐患的样本管廊区域的声音数据进行变换处理而创建的。其中,至少一组发生了使用隐患的样本管廊区域的影像数据和声音数据可以从数据库中采集。具体获取方式类似上述第一类数据的获取。
在一些实施例中,对至少一组发生了使用隐患的影像数据进行噪声处理包括对每组影像数据应用一个或多个噪声。其中,噪声包括椒盐噪声、高斯噪声和泊松噪声等。可以理解的是,噪声处理是在影像数据中随机增加一个或多个噪声,以达到故障数据扩充的效果。
在一些实施例中,对至少一组发生了使用隐患的声音数据进行变换处理包括对每组声音数据随机加入至少一组变换。其中,变换包括音频切分、音频拉伸、高音变化、高音偏移和加背景噪声。可以理解的是,变换处理是在声音数据中随机施加一组或多组变换,以达到故障数据扩充的目的。
在一些实施例中,第三类数据为没有发生使用隐患的样本管廊区域的影像数据和声音数据。其中,没有发生使用隐患是指样本管廊区域在后续检查中被验证没有发生实际管廊使用隐患或实际管廊事故。在一些实施例中,第三类数据可以从数据库中采集。例如,可以从燃气用户服务平台的数据库中采集历史巡检数据,使用历史巡检数据中没发生使用隐患的样本管廊区域的历史影像数据和历史声音数据作为第三类数据。
扩展训练样本数据的类型和数量,可以使隐患确定模型的泛化能力提升,降低过拟合风险。另外,扩展训练样本数据的类型和数量还可以对有限的样本数据进行充分利用。
在一些实施例中,可以根据管廊复杂程度,确定第二类数据在第一训练集中的比例。例如,管廊复杂程度越高,第二类数据在第一训练集中的比例越高。可以通过查询预设表确定第二类数据在第一训练集中的比例。其中,预设表中存储有第二类数据比例与管廊复杂程度的映射关系。
管廊复杂程度越高,则管廊使用运行更容易出现由不确定因素导致的故障或隐患。根据管廊复杂程度确定第二类数据在第一训练集中的比例,可以使第一训练集获得尽可能多的泛化故障样本,提高模型判断的准确性。另外,优化各类型的训练样本数据在第一训练集中的比例,可以提升第一训练集的数据质量,进一步提高隐患确定模型判断的准确性。
可以理解的是,在一些实施例中,第一阶段训练完成后可获得训练好的隐患确定模型。在另一些实施例中,完成第一阶段训练后的隐患确定模型可以继续训练优化。
在一些实施例中,隐患确定模型500的模型训练还包括第二阶段训练。第二阶段巡训练包括基于第二训练集对隐患确定模型进行第二阶段训练。其中,第二训练集包括第四类数据和第五类数据。
第四类数据和第五类数据可以来源于完成第一阶段训练的隐患确定模型在实际使用中的输入数据。
在一些实施例中,第四类数据为未发生使用隐患的管廊区域的影像数据和声音数据,这些未发生使用隐患的管廊区域的影像数据和声音数据在作为完成第一阶段训练的隐患确定模型的输入时,完成第一阶段训练的隐患确定模型输出的管廊使用隐患大于预设数值。例如,完成第一阶段训练的隐患确定模型输出的管廊使用隐患为1或其他大于0.6的数值。即第四类数据为被完成第一阶段训练的隐患确定模型误判为有使用隐患的管廊区域的影像数据和声音数据。
在一些实施例中,第五类数据为发生了使用隐患的管廊区域的影像数据和声音数据,这些发生了使用隐患的管廊区域的影像数据和声音数据在作为完成第一阶段训练的隐患确定模型的输入时,完成第一阶段训练的隐患确定模型输出的管廊使用隐患小于预设数值。例如,完成第一阶段训练的隐患确定模型输出的管廊使用隐患为0或其他小于0.6的数值。即第五类数据为被完成第一阶段训练的隐患确定模型误判为没有发生使用隐患的管廊区域的影像数据和声音数据。
对隐患确定模型的第二阶段训练是针对隐患确定模型判断管廊使用隐患过程中薄弱环节的强化训练,可以进一步提高隐患确定模型判断的准确性。其中,第二阶段训练是基于隐患确定模型在实际管廊使用隐患评估中误判的数据进行的强化训练,这种强化训练可以优化模型参数,降低模型的后续误判率。
可以理解的是,在一些实施例中,第二阶段训练是对完成第一阶段训练的隐患确定模型进行的,第二阶段训练完成后可获得训练好的隐患确定模型。在另一些实施例中,完成第二阶段训练后的隐患确定模型可以继续训练优化。
通过隐患确定模型判断管廊使用隐患,可以从庞杂的数据中快速识别关键因素。不仅可以使管廊使用隐患判断自动化地、快速地、动态地进行,还可以使管廊使用隐患判断的准确性得到有效保障,减少人工介入的误差。
图6是根据本说明书的另一些实施例所示的调整更换周期的示例性流程图。
在一些实施例中,燃气公司管理平台可以基于管廊使用隐患610,确定备用耗材风险620;基于管廊备用耗材的预设更换周期630、备用耗材风险620,调整管廊备用耗材的更换周期640。
关于确定管廊使用隐患的更多内容请参见本说明书其他部分,例如图4、图5及其相关描述。
管廊备用耗材是指在管廊运行过程中用于备用准备的消耗性材料。在一些实施例中,管廊备用耗材可以包括应急物资、设施设备维保所需耗材和抢险所需耗材等。
备用耗材风险是指管廊备用耗材被损毁的风险。例如,当某一管廊区域处于火灾安全风险中时,温度过高会使管廊备用耗材中对温度敏感的耗材报废。
在一些实施例中,燃气公司管理平台可以基于管廊使用隐患610,通过查询预设表确定备用耗材风险620。其中,预设表中存储有管廊使用隐患610与备用耗材风险620的映射关系。例如,管廊使用隐患越高,备用耗材风险越高,假设管廊使用隐患分别为0、1、2和3,则备用耗材风险分别为0、1、2和3。
在一些实施例中,备用耗材风险620还相关于存疑数据。响应于管廊备用耗材所处的管廊区域不存在存疑数据,燃气公司管理平台可以基于管廊使用隐患610,确定备用耗材风险620。
管廊备用耗材所处的管廊区域不存在存疑数据,巡检数据和廊内环境数据反映该管廊区域存在安全风险的数据可靠性高,则管廊使用隐患对该管廊区域内潜在隐患的评估准确性高。反之,若管廊备用耗材所处的管廊区域存在存疑数据,则管廊使用隐患对该管廊区域内潜在隐患的评估准确性降低。
例如,某一管廊备用耗材所处的管廊区域不存在存疑数据,该管廊区域的管廊使
用隐患为0,则备用耗材风险为0。该管廊区域的管廊使用隐患为1,则备用耗材风险可以表
示为:备用耗材风险=k1管廊使用隐患=k1。其中,k1是大于1的经验系数。
在确定备用耗材风险时考虑管廊备用耗材所处的管廊区域不存在存疑数据,能够降低巡检数据可靠性低对确定备用耗材风险的影响,进而使更换周期的调整更有效、准确。
在一些实施例中,响应于管廊备用耗材所处的管廊区域存在存疑数据,燃气公司管理平台可以从燃气用户服务平台获取人工复检结果;基于人工复检结果和管廊使用隐患610,确定备用耗材风险620。
若人工复检结果显示某一管廊区域存在安全风险,则可以确定基于管廊使用隐患
对该管廊区域内潜在隐患的评估低于实际值,可适当增大管廊使用隐患对确定备用耗材风
险的影响。例如,若人工复检结果为某一管廊区域存在安全风险,该管廊区域的管廊使用隐
患为1,则备用耗材风险可以表示为:备用耗材风险=k2管廊使用隐患=k2。其中,k2是大于
k1的经验系数,k1是管廊区域不存在存疑数据时,确定备用耗材风险的经验系数。
在确定备用耗材风险时考虑人工复查结果,能够及时修正管廊使用隐患低于实际值给确定备用耗材风险带来的影响,进而使更换周期的调整更有效、准确。
更换周期是指管廊备用耗材从投入使用到需要更换的时间间隔。例如,不同种类的管廊备用耗材可以有不同的更换周期,对温度、湿度等环境因素不敏感的管廊备用耗材的更换周期长于对温度、湿度等环境因素敏感的管廊备用耗材。
在一些实施例中,燃气公司管理平台可以基于管廊备用耗材的预设更换周期630、备用耗材风险620,直接通过查询预设表调整管廊备用耗材的更换周期640。其中,预设表中存储有预设更换周期630、备用耗材风险620和调整后的更换周期的映射关系。
在一些实施例中,燃气公司管理平台可以基于备用耗材风险620,确定更换周期的第一调整量;基于预设更换周期630,确定更换周期的第二调整量;基于第一调整量和第二调整量,调整管廊备用耗材的更换周期640。
第一调整量是指基于备用耗材风险确定的更换周期调整量。第一调整量可以基于备用耗材风险,通过查询第一预设表来确定。第一预设表存储有备用耗材风险与第一调整量的映射关系。例如,备用耗材风险越小,则更换周期调整量越大。
第二调整量是指基于预设更换周期确定的更换周期调整量。
预设更换周期可以根据对应管廊区域内设置的管廊备用耗材类型,通过查询第三预设表来确定。第三预设表存储有管廊备用耗材类型与预设更换周期的映射关系。第二调整量可以正相关于预设更换周期,例如,第二调整量可以为预设更换周期与预设系数的乘积,其中,预设系数可以基于历史经验预设。
在一些实施例中,燃气公司管理平台可以基于第一调整量和第二调整量确定更换周期的最终调整量,并基于最终调整量调整管廊备用耗材的更换周期640。仅作为示例的,最终调整量可以为第一调整量和第二调整量的权重和,燃气公司管理平台可以在原更换周期的基础上加上最终调整量,并将最终的值作为调整后的更换周期。其中,第一调整量和第二调整量的权重可以预设。
在一些实施例中,燃气公司管理平台还可以基于其他方式调整管廊备用耗材的更
换周期640。例如,更换周期的调整可以同时基于预设更换周期和第一调整量确定,调整后
的更换周期可以表示为:调整后的更换周期=w1预设更换周期+w2第一调整量。其中,
w1和w2为预设的经验系数。
在调整管廊备用耗材的更换周期时考虑备用耗材风险,可以使调整后的更换周期更有效地贴合管廊备用耗材的真实使用期限,减少损坏、腐蚀、老化等情况对使用管廊备用耗材的影响。在调整管廊备用耗材的更换周期时考虑备用耗材风险,可以有效避免与管廊备用耗材相关的安全事故,同时降低管廊运行成本。
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)
1.一种基于监管物联网的燃气管廊机器人管理方法,由基于监管物联网的燃气管廊机器人管理物联网系统的燃气公司管理平台执行,其特征在于,包括:
从燃气公司传感网络平台获取廊内环境数据;
基于所述廊内环境数据,确定机器人巡检指令;
将所述机器人巡检指令通过所述燃气公司传感网络平台下发至燃气设备对象平台,以控制维保机器人装置沿运行轨道运行;
获取所述维保机器人的巡检数据;
基于所述巡检数据确定存疑数据;
响应于存在所述存疑数据,将所述存疑数据传输至燃气用户服务平台进行人工复检;
获取人工复检结果,并将所述人工复检结果通过政府监管传感网络平台上传至政府监管管理平台。
2.根据权利要求1所述的方法,其特征在于,所述基于监管物联网的燃气管廊机器人管理物联网系统包括政府监管服务平台、所述政府监管管理平台、所述政府监管传感网络平台、所述燃气用户服务平台、政府监管对象平台、燃气公司传感网络平台、所述燃气设备对象平台;
所述政府监管服务平台包括政府安全监管服务平台;所述政府监管管理平台包括政府安全监管管理平台;所述政府监管传感网络平台包括政府安全监管传感网络平台,所述政府监管对象平台包括所述燃气公司管理平台。
3.根据权利要求2所述的方法,其特征在于,所述燃气设备对象平台包括管廊监测装置、所述维保机器人、所述运行轨道、处理器;
所述管廊监测装置分布式部署于管廊内部,被配置为:
监测并采集所述廊内环境数据;
基于所述燃气公司传感网络平台,将所述廊内环境数据上传至所述燃气公司管理平台;
所述维保机器人被配置为:
基于所述机器人巡检指令,沿所述运行轨道进行巡检并获取巡检数据;
所述处理器被配置为:
上传所述管廊监测装置采集的所述廊内环境数据至所述燃气公司传感网络平台;
基于所述机器人巡检指令:控制所述维保机器人沿所述运行轨道运行;
获取所述维保机器人的所述巡检数据,并将所述巡检数据上传至所述燃气公司传感网络平台,以及进一步基于所述政府监管对象平台将所述巡检数据上传至所述政府监管传感网络平台。
4.根据权利要求1所述的方法,其特征在于,所述巡检数据包括一条或多条巡检子数据、所述巡检子数据对应的管廊区域、环境监测数据中的至少一种;
所述存疑数据还相关于管廊复杂度;
所述基于巡检数据确定存疑数据包括:
基于所述巡检数据、所述管廊复杂度,确定所述存疑数据。
5.根据权利要求4所述的方法,其特征在于,所述存疑数据还相关于管廊监测装置的维保记录;
所述基于巡检数据确定存疑数据包括:
基于所述环境监测数据、所述维保记录确定异常监测装置;
将所述异常监测装置上传至燃气用户服务平台;
响应于从所述燃气用户服务平台获取到所述异常监测装置的反馈信息,基于一条或多条所述巡检子数据、所述巡检子数据对应的管廊区域、所述管廊复杂程度、所述反馈信息确定存疑数据。
6.根据权利要求1所述的方法,其特征在于,所述方法还包括:
响应于不存在所述存疑数据,基于所述巡检数据确定管廊使用隐患;
将所述管廊使用隐患通过所述政府监管传感网络平台上传到所述政府监管管理平台;
基于所述管廊使用隐患调整管廊备用耗材的更换周期;所述管廊备用耗材包括应急物资、维保耗材、抢险耗材中的至少一种。
7.根据权利要求6所述的方法,其特征在于,所述巡检数据还包括影像数据、声音数据;
所述基于所述巡检数据确定管廊使用隐患包括:
基于所述影像数据、所述声音数据,确定所述管廊使用隐患。
8.一种基于监管物联网的燃气管廊机器人管理物联网系统,其特征在于,包括政府监管服务平台、政府监管管理平台、政府监管传感网络平台、燃气用户服务平台、政府监管对象平台、燃气公司传感网络平台、燃气设备对象平台;
所述政府监管服务平台包括政府安全监管服务平台;
所述政府监管管理平台包括政府安全监管管理平台;
所述政府监管传感网络平台包括政府安全监管传感网络平台;
所述政府监管对象平台包括所述燃气公司管理平台;
所述政府监管传感网络平台被配置为与所述政府监管管理平台和所述政府监管对象平台进行交互;
所述燃气公司传感网络平台被配置为与所述燃气公司管理平台和所述政府监管对象平台进行交互;
所述燃气用户服务平台被配置为与所述燃气公司管理平台进行交互;
所述燃气公司管理平台被配置为:
从所述燃气公司传感网络平台获取廊内环境数据;
基于所述廊内环境数据,确定机器人巡检指令;
将所述机器人巡检指令通过所述燃气公司传感网络平台下发至所述燃气设备对象平台,以控制维保机器人装置沿运行轨道运行;
获取所述维保机器人的巡检数据;
基于所述巡检数据确定存疑数据;
响应于存在所述存疑数据,将所述存疑数据传输至所述燃气用户服务平台进行人工复检;
获取人工复检结果,并将所述人工复检结果通过所述政府监管传感网络平台上传至所述政府监管管理平台。
9.根据权利要求8所述的系统,其特征在于,所述燃气设备对象平台包括管廊监测装置、所述维保机器人、所述运行轨道、处理器;
所述管廊监测装置分布式部署于管廊内部,被配置为:
监测并采集廊内环境数据;
基于所述燃气公司传感网络平台,将所述廊内环境数据上传至所述燃气公司管理平台;
所述维保机器人被配置为:
基于所述机器人巡检指令,沿所述运行轨道进行巡检并获取巡检数据;
所述处理器被配置为:
上传所述管廊监测装置采集的所述廊内环境数据至所述燃气公司传感网络平台;
基于所述机器人巡检指令:控制所述维保机器人沿所述运行轨道运行;
获取所述维保机器人的所述巡检数据,并将所述巡检数据上传至所述燃气公司传感网络平台;
所述政府监管对象平台进一步被配置为将所述燃气公司传感网络平台接收的所述巡检数据上传至所述政府监管传感网络平台。
10.根据权利要求8所述的系统,其特征在于,所述巡检数据包括一条或多条巡检子数据、所述巡检子数据对应的管廊区域、环境监测数据中的至少一种;
所述存疑数据还相关于管廊复杂度;
所述燃气公司管理平台进一步被配置为:
基于所述巡检数据、所述管廊复杂度,确定所述存疑数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508743.3A CN118101721B (zh) | 2024-04-26 | 2024-04-26 | 基于监管物联网的燃气管廊机器人管理方法与物联网系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410508743.3A CN118101721B (zh) | 2024-04-26 | 2024-04-26 | 基于监管物联网的燃气管廊机器人管理方法与物联网系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118101721A true CN118101721A (zh) | 2024-05-28 |
CN118101721B CN118101721B (zh) | 2024-07-16 |
Family
ID=91157687
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410508743.3A Active CN118101721B (zh) | 2024-04-26 | 2024-04-26 | 基于监管物联网的燃气管廊机器人管理方法与物联网系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118101721B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118396596A (zh) * | 2024-06-21 | 2024-07-26 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气监管物联网的地下管廊安全维护方法与系统 |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108422432A (zh) * | 2018-05-07 | 2018-08-21 | 哈工大(张家口)工业技术研究院 | 一种巡检机器人及具有该机器人的地下管廊信息管理系统 |
US20200309632A1 (en) * | 2019-03-27 | 2020-10-01 | Chengdu Qinchuan Technology Development Co., Ltd. | Gas leakage detection method based on compound internet of things (iot) and iot system |
CN114218629A (zh) * | 2021-11-03 | 2022-03-22 | 哈工大(张家口)工业技术研究院 | 一种城市地下管廊系统及大数据分析方法 |
CN115562349A (zh) * | 2022-11-04 | 2023-01-03 | 新特能源股份有限公司 | 一种无人机与地面巡检机器人协同作业的巡检方法及装置 |
CN116061207A (zh) * | 2023-01-13 | 2023-05-05 | 伊春鹿鸣矿业有限公司 | 一种尾矿库坝面巡检机器人、尾矿库坝面巡检方法及系统 |
CN116308965A (zh) * | 2023-05-24 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 |
CN116503975A (zh) * | 2023-06-29 | 2023-07-28 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气gis的安全隐患处置方法和物联网系统 |
CN117841028A (zh) * | 2024-03-08 | 2024-04-09 | 安徽国智数据技术有限公司 | 一种基于人工智能的综合管廊巡检机器人 |
-
2024
- 2024-04-26 CN CN202410508743.3A patent/CN118101721B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108422432A (zh) * | 2018-05-07 | 2018-08-21 | 哈工大(张家口)工业技术研究院 | 一种巡检机器人及具有该机器人的地下管廊信息管理系统 |
US20200309632A1 (en) * | 2019-03-27 | 2020-10-01 | Chengdu Qinchuan Technology Development Co., Ltd. | Gas leakage detection method based on compound internet of things (iot) and iot system |
CN114218629A (zh) * | 2021-11-03 | 2022-03-22 | 哈工大(张家口)工业技术研究院 | 一种城市地下管廊系统及大数据分析方法 |
CN115562349A (zh) * | 2022-11-04 | 2023-01-03 | 新特能源股份有限公司 | 一种无人机与地面巡检机器人协同作业的巡检方法及装置 |
CN116061207A (zh) * | 2023-01-13 | 2023-05-05 | 伊春鹿鸣矿业有限公司 | 一种尾矿库坝面巡检机器人、尾矿库坝面巡检方法及系统 |
CN116308965A (zh) * | 2023-05-24 | 2023-06-23 | 成都秦川物联网科技股份有限公司 | 智慧燃气地下燃气管网安全管理方法、物联网系统及装置 |
CN116503975A (zh) * | 2023-06-29 | 2023-07-28 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气gis的安全隐患处置方法和物联网系统 |
CN117841028A (zh) * | 2024-03-08 | 2024-04-09 | 安徽国智数据技术有限公司 | 一种基于人工智能的综合管廊巡检机器人 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118396596A (zh) * | 2024-06-21 | 2024-07-26 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气监管物联网的地下管廊安全维护方法与系统 |
CN118396596B (zh) * | 2024-06-21 | 2024-09-13 | 成都秦川物联网科技股份有限公司 | 基于智慧燃气监管物联网的地下管廊安全维护方法与系统 |
Also Published As
Publication number | Publication date |
---|---|
CN118101721B (zh) | 2024-07-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN118101721B (zh) | 基于监管物联网的燃气管廊机器人管理方法与物联网系统 | |
US12061446B2 (en) | Building management system with artificial intelligence for unified agent based control of building subsystems | |
CN109065135B (zh) | 一种医院后勤设备全生命周期管理云平台、方法和系统 | |
CN116841262A (zh) | 基于机器视觉的智慧工厂生产在线监测分析系统 | |
Alves et al. | Deployment of a smart and predictive maintenance system in an industrial case study | |
US20230094640A1 (en) | Methods and internet of things systems for smart gas pipeline life prediction based on safety | |
CN117196159A (zh) | 基于互联网大数据分析的智慧水务分区计量系统 | |
CN117055502A (zh) | 基于物联网和大数据分析的智能控制系统 | |
KR102328842B1 (ko) | 설비 관리 방법 및 이를 실행하는 장치 | |
Mustafa et al. | A review on effective alarm management systems for industrial process control: barriers and opportunities | |
CN117853078B (zh) | 基于无人机的建筑工程施工现场动态安全报警系统及方法 | |
Zheng et al. | Advancing from predictive maintenance to intelligent maintenance with ai and iiot | |
CN117675522A (zh) | 一种电力通信故障诊断及预防方法及系统 | |
Al Rashdan et al. | Methods of data collection in nuclear power plants | |
Mietkiewicz et al. | Dynamic influence diagram-based deep reinforcement learning framework and application for decision support for operators in control rooms | |
CN115271405A (zh) | 一种船舶监控与复查管理的方法及系统 | |
Kang et al. | Fault diagnosis of pipeline and pump unit systems using status coupling analysis | |
Blázquez et al. | Neuro-fuzzy identification applied to fault detection in nonlinear systems | |
CN117875720B (zh) | 基于物联网的智慧燃气管网场站人员安全管理方法与系统 | |
CN118384466B (zh) | 一种基于物联网的隧道智能消防系统 | |
CA3192075C (en) | System, method and/or computer readable medium for monitoring and predictively controlling closed environments | |
Latha et al. | Enhancing Facility Safety for Autonomous Gas Inspection Drones Leveraging Convolutional Neural Networks and loT Technology | |
CN116338113B (zh) | 环境智慧感知模拟系统、方法、服务器和存储介质 | |
US20220334575A1 (en) | Real-time remote equipment monitoring and data analytics systems and methods | |
Bense | Prognosis and health monitoring systems for aircraft engines |
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 |