基于改进支持向量机的燃气管道故障预测预警系统及方法技术方案

本发明专利技术公开了一种基于改进支持向量机的燃气管道故障预测预警系统及方法，其中系统包括故障预测预警服务器，均与故障预测预警服务器相连的若干个数据采集传感器；故障预测预警服务器包括数据预处理模块、支持向量机训练模块、故障预测模块和故障预警模块；数据采集传感器用于收集历史数据和实时数据；数据预处理模块用于采用特征值提取的方法对历史数据和实时数据进行压缩降维；支持向量机训练模块利用遗传算法和粒子群算法对支持向量机中的参数进行寻优、并对支持向量机进行训练；故障预测模块用于使用训练好的支持向量机进行故障预测；故障预警模块用于利用模糊推理方法对燃气管道进行故障预警。实现燃气管道的准确、快速的故障预测预警。

Gas pipeline fault prediction and early warning system and method based on improved support vector machine

The invention discloses an improved gas pipeline fault support vector machine prediction system and method based on the system, including the fault prediction and fault prediction server, a plurality of data acquisition sensor warning server connected; fault prediction server includes data preprocessing module, support vector machine training module, fault prediction module and fault warning module; data acquisition sensor is used to collect historical data and real-time data; data preprocessing module for using feature extraction method for compression to reduce the dimensionality of the historical data and real-time data; support vector machine training module on the parameters of support vector machine in the optimization, and the training of support vector machine based on genetic algorithm and particle swarm algorithm; fault prediction module is used for fault prediction using the trained support vector machine; Fault warning module is used for fault prediction of gas pipeline using fuzzy inference method. Accurate and fast fault prediction and prediction for gas pipeline.

【技术实现步骤摘要】

本专利技术涉及一种燃气管道故障预测预警系统，特别是涉及一种基于改进支持向量机的燃气管道故障预测预警系统及方法，属于智能故障预测预警

技术介绍
在当今时代，燃气对人类的生产和生活做出了极大的贡献，人们对燃气的需求量越来越大。燃气管道是输送燃气的重要通道，通常分布于郊区及城市的地下，所以说燃气管道的安全是十分重要的。由于燃气管道铺设位置的特殊性，不可能派专人去对燃气管道进行巡检，这时就需要采用现代技术(传感器、物联网等)对燃气管道相关的数据进行实时采集，同时，需要利用智能数据分析方法，对传回到后台服务器端的数据进行分析和推理，并做出相应的判断及预警。
技术实现思路
本专利技术的主要目的在于，克服现有技术中的不足，提供一种基于改进支持向量机的燃气管道故障预测预警系统及方法，实现燃气管道的准确监测，并进行快速的故障预测预警。为了达到上述目的，本专利技术所采用的技术方案是：一种基于改进支持向量机的燃气管道故障预测预警系统，包括故障预测预警服务器，均与故障预测预警服务器相连的若干个数据采集传感器；所述故障预测预警服务器包括数据预处理模块、支持向量机训练模块、故障预测模块和故障预警模块；若干个所述数据采集传感器，用于对燃气管道内部的压强、温度、密闭性以及燃气管道上阀门的开关状态进行监测数据采集并将采集到的监测数据传输给故障预测预警服务器；其中，监测数据包括收集到的历史数据和实时数据；所述数据预处理模块，用于接收历史数据和实时数据，并采用特征值提取的方法对历史数据和实时数据进行压缩降维，再将降维处理后的历史数据传输给支持向量机训练模块、将降维处理后的实时数据传输给故障预测模块；所述支持向量机训练模块，用于接收降维处理后的历史数据，利用遗传算法和粒子群算法对支持向量机中的参数进行寻优，并利用降维处理后的历史数据对支持向量机进行训练，得到训练好的支持向量机；所述故障预测模块，用于接收降维处理后的实时数据，根据降维处理后的实时数据，使用训练好的支持向量机进行故障预测分析得到故障预测结果，并输出故障预测结果给故障预警模块；所述故障预警模块，用于接收故障预测结果，根据故障预测结果利用模糊推理方法对燃气管道进行故障预警得到故障解决的决策方案。本专利技术燃气管道故障预测预警系统进一步设置为：所述数据采集传感器通过无线或者有线通讯方式与故障预测预警服务器相通讯。本专利技术燃气管道故障预测预警系统进一步设置为：所述数据预处理模块，还用于在压缩降维前对历史数据和实时数据进行归一化处理。本专利技术燃气管道故障预测预警系统进一步设置为：所述故障预警模块，还用于将故障解决的决策方案发送给燃气管道管理部门或燃气管道使用客户。本专利技术还提供一种基于改进支持向量机的燃气管道故障预测预警方法，包括以下步骤：1)数据采集传感器将采集的历史数据和实时数据通过无线或者有线通讯方式传输给故障预测预警服务器；故障预测预警服务器中的支持向量机训练模块利用遗传算法和粒子群算法对支持向量机中的参数进行寻优；2)故障预测预警服务器中的数据预处理模块将接收的历史数据进行归一化处理，采用特征值提取的方法对归一化处理后的历史数据进行压缩降维，再将降维处理后的历史数据传输给支持向量机训练模块；3)支持向量机训练模块利用降维处理后的历史数据对支持向量机进行训练，得到训练好的支持向量机；4)数据预处理模块将接收的实时数据进行归一化处理，采用特征值提取的方法对归一化处理后的实时数据进行压缩降维，再将降维处理后的实时数据传输给支持向量机训练模块；5)故障预测预警服务器中的故障预测模块根据接收的降维处理后的实时数据，使用训练好的支持向量机进行故障预测分析得到故障预测结果，并输出故障预测结果给故障预警模块；6)故障预测预警服务器中的故障预警模块根据接收的故障预测结果，利用模糊推理方法对燃气管道进行故障预警得到故障解决的决策方案。本专利技术燃气管道故障预测预警方法进一步设置为：所述步骤1)中的支持向量机训练模块利用遗传算法和粒子群算法对支持向量机中的参数寻优，其中参数包括惩罚因子c和核函数径向作用的范围g；对惩罚因子c的寻优，具体为，1-1)算法参数初始化，其中的算法参数包括遗传算法参数和粒子群算法参数；初始化遗传算法参数，包括待优化参数的编码长度lenchrom＝5、交叉概率pc＝0.7、变异概率pm＝0.3；初始化粒子群算法参数，包括最大迭代次数M＝100、种群个数N＝30、最大权重ωmax＝0.9、最小权重ωmin＝0.9、种群中个体个数D＝2、待优化参数的范围bound＝[cmin,cmax]其中，cmin＝-1,cmax＝1；1-2)随机初始化种群中个体的取值和种群中个体的速度，其中种群中个体的取值即待优化参数的取值；计算出种群中个体的适应度函数，并从中选取适应度函数值最小的粒子的位置作为种群的位置；其中，适应度函数为支持向量机对输入数据进行分类得到的准确率的倒数，粒子的位置指的是待优化参数的取值；1-3)对粒子进行二进制编码并通过遗传算法的交叉操作和变异操作更新种群的位置，更新方程为，vi,j(t+1)＝ωvi,j(t)+ψ1r1[pi,j-xi,j(t)]+ψ2r2[pg,j-xi,j(t)]xi,j(t+1)＝xi,j(t)+vi,j(t+1)其中，ω是权重，ψ1和ψ2为学习因子，r1、r2为两个随机数，pi,j是局部最优点的位置，pg,j是全局最优点的位置；权重ω采用权重先行递减的粒子群算法进行计算，其中，t为当前循环的次数，tmax为循环的最大次数、即最大迭代次数M；学习因子ψ1和ψ2采用异步的变化进行计算，其中，ψ1,ini和ψ2,ini分别表示ψ1和ψ2的初始值，ψ1,fin和ψ2,fin分别表示ψ1和ψ2的终止值；1-4)计算位置更新后的每个微粒的适应度，将每个微粒的适应度值与以前经历过的最好位置Pbest所对应的适应度值进行比较，如果该微粒的适应度值小于Pbest所对应的适应度值，则将当前的位置作为该微粒的Pbest；其中，Pbest指的是惩罚因子c的当前最优解；1-5)将每个微粒的适应度值与全体微粒所经历过的最好位置gbest所对应的适应度值进行比较，如果该微粒的适应度值小于gbest所对应的的适应度值，则更新gbest的值；其中，gbest指的是惩罚因子c的全局最优解；1-6)检查终止条件，如果达到最大迭代次数或者最优解已经停止而不再变化，则停止迭代，输出最优解；如果没有达到，则返回步骤1-4)。本专利技术燃气管道故障预测预警方法进一步设置为：所述步骤2)中的数据预处理模块将接收的历史数据进行归一化处理，采用特征值提取的方法对归一化处理后的历史数据进行压缩降维，具体为，2-1)将接收的历史数据进行归一化处理，即把采集到的历史数据压缩到[0，1]之间；归一化处理的公式为，其中，X为采集到的数据集中的一种数据，min为数据集中的最小值，max为数据集中的最大值；2-2)采用特征值提取的方法对归一化处理后的历史数据进行压缩降维，即利用主成分分析PCA和独立成分分析ICA相结合的方法对历史数据进行降维处理，提取历史数据的全局特征；2-2-1)求样本与平均值的偏差；设采集到的样本集为X＝{X1,X1,…,Xi,…,XN本文档来自技高网...

【技术保护点】
一种基于改进支持向量机的燃气管道故障预测预警系统，其特征在于：包括故障预测预警服务器，均与故障预测预警服务器相连的若干个数据采集传感器；所述故障预测预警服务器包括数据预处理模块、支持向量机训练模块、故障预测模块和故障预警模块；若干个所述数据采集传感器，用于对燃气管道内部的压强、温度、密闭性以及燃气管道上阀门的开关状态进行监测数据采集并将采集到的监测数据传输给故障预测预警服务器；其中，监测数据包括收集到的历史数据和实时数据；所述数据预处理模块，用于接收历史数据和实时数据，并采用特征值提取的方法对历史数据和实时数据进行压缩降维，再将降维处理后的历史数据传输给支持向量机训练模块、将降维处理后的实时数据传输给故障预测模块；所述支持向量机训练模块，用于接收降维处理后的历史数据，利用遗传算法和粒子群算法对支持向量机中的参数进行寻优，并利用降维处理后的历史数据对支持向量机进行训练，得到训练好的支持向量机；所述故障预测模块，用于接收降维处理后的实时数据，根据降维处理后的实时数据，使用训练好的支持向量机进行故障预测分析得到故障预测结果，并输出故障预测结果给故障预警模块；所述故障预警模块，用于接收故障预测结果，根据故障预测结果利用模糊推理方法对燃气管道进行故障预警得到故障解决的决策方案。...

【技术特征摘要】
1.一种基于改进支持向量机的燃气管道故障预测预警系统，其特征在于：包括故障预测预警服务器，均与故障预测预警服务器相连的若干个数据采集传感器；所述故障预测预警服务器包括数据预处理模块、支持向量机训练模块、故障预测模块和故障预警模块；若干个所述数据采集传感器，用于对燃气管道内部的压强、温度、密闭性以及燃气管道上阀门的开关状态进行监测数据采集并将采集到的监测数据传输给故障预测预警服务器；其中，监测数据包括收集到的历史数据和实时数据；所述数据预处理模块，用于接收历史数据和实时数据，并采用特征值提取的方法对历史数据和实时数据进行压缩降维，再将降维处理后的历史数据传输给支持向量机训练模块、将降维处理后的实时数据传输给故障预测模块；所述支持向量机训练模块，用于接收降维处理后的历史数据，利用遗传算法和粒子群算法对支持向量机中的参数进行寻优，并利用降维处理后的历史数据对支持向量机进行训练，得到训练好的支持向量机；所述故障预测模块，用于接收降维处理后的实时数据，根据降维处理后的实时数据，使用训练好的支持向量机进行故障预测分析得到故障预测结果，并输出故障预测结果给故障预警模块；所述故障预警模块，用于接收故障预测结果，根据故障预测结果利用模糊推理方法对燃气管道进行故障预警得到故障解决的决策方案。2.根据权利要求1所述的基于改进支持向量机的燃气管道故障预测预警系统，其特征在于：所述数据采集传感器通过无线或者有线通讯方式与故障预测预警服务器相通讯。3.根据权利要求1所述的基于改进支持向量机的燃气管道故障预测预警系统，其特征在于：所述数据预处理模块，还用于在压缩降维前对历史数据和实时数据进行归一化处理。4.根据权利要求1所述的基于改进支持向量机的燃气管道故障预测预警系统，其特征在于：所述故障预警模块，还用于将故障解决的决策方案发送给燃气管道管理部门或燃气管道使用客户。5.一种基于改进支持向量机的燃气管道故障预测预警方法，其特征在于，包括以下步骤：1)数据采集传感器将采集的历史数据和实时数据通过无线或者有线通讯方式传输给故障预测预警服务器；故障预测预警服务器中的支持向量机训练模块利用遗传算法和粒子群算法对支持向量机中的参数进行寻优；2)故障预测预警服务器中的数据预处理模块将接收的历史数据进行归一化处理，采用特征值提取的方法对归一化处理后的历史数据进行压缩降维，再将降维处理后的历史数据传输给支持向量机训练模块；3)支持向量机训练模块利用降维处理后的历史数据对支持向量机进行训练，得到训练好的支持向量机；4)数据预处理模块将接收的实时数据进行归一化处理，采用特征值提取的方法对归一化处理后的实时数据进行压缩降维，再将降维处理后的实时数据传输给支持向量机训练模块；5)故障预测预警服务器中的故障预测模块根据接收的降维处理后的实时数据，使用训练好的支持向量机进行故障预测分析得到故障预测结果，并输出故障预测结果给故障预警模块；6)故障预测预警服务器中的故障预警模块根据接收的故障预测结果，利用模糊推理方法对燃气管道进行故障预警得到故障解决的决策方案。6.根据权利要求5所述的基于改进支持向量机的燃气管道故障预测预警方法，其特征在于：所述步骤1)中的支持向量机训练模块利用遗传算法和粒子群算法对支持向量机中的参数寻优，其中参数包括惩罚因子c和核函数径向作用的范围g；对惩罚因子c的寻优，具体为，1-1)算法参数初始化，其中的算法参数包括遗传算法参数和粒子群算法参数；初始...

【专利技术属性】
技术研发人员：倪建军，张智彤，郑安力，范新南，王同波，苏百兖，沈金荣，
申请(专利权)人：河海大学常州校区，特瑞斯能源装备股份有限公司，
类型：发明
国别省市：江苏;32