一种燃气管道泄漏检测方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了一种燃气管道泄漏检测方法、系统、装置及存储介质，方法包括：获取预设燃气管道的第一数据，第一数据包括管道压力、燃气流量以及燃气浓度；对第一数据进行时序化和归一化处理，得到第一序列，第一序列包括管道压力序列、燃气流量序列以及燃气浓度序列；根据第一序列和预设的专家评分模型确定训练样本和对应的标签，进而根据训练样本和标签得到训练数据集；将训练数据集输入到预先构建的循环神经网络中进行训练，得到训练好的燃气管道泄漏识别模型，进而根据燃气管道泄漏识别模型对待测燃气管道进行识别检测。本发明专利技术提高了燃气管道泄漏检测的准确度和检测效率，能够准确地定位出燃气管道泄漏的位置，可广泛应用于人工智能技术领域。智能技术领域。智能技术领域。

【技术实现步骤摘要】
一种燃气管道泄漏检测方法、系统、装置及存储介质


[0001]本专利技术涉及人工智能
，尤其是一种燃气管道泄漏检测方法、系统、装置及存储介质。

技术介绍

[0002]随着城市化进程的加快，燃气管道的铺设和传输成为城市建设的重要内容。但是燃气管道运行过程中存在的安全问题，如燃气泄漏、燃气爆炸等，对社会及人民财产安全造成了极大的威胁。现有的燃气管道检测方法有人工巡检法、管内智能爬机检测法、红外线成像检测法和分布式光纤检测法。
[0003]1)人工巡检法需要巡线工人手持燃气检漏仪或检漏车定期沿管道敷设路径巡视，通过看、闻、听等多种方式来判断是否有燃气泄漏，工作繁重且容易出现漏检误检的情况。
[0004]2)管内智能爬机检测法中爬机配置了各种传感器，组成智能爬机检测系统，利用爬机可以检测管内的压力、流量、温度以及管壁的完好程度，但是爬机只适用于那些没有太多的弯头和联接处的管道，而且它的操作需要有丰富的经验。
[0005]3)红外线成像法。当管道发生泄漏时，泄漏点周围土壤的温度场会发生变化，通过红外线遥感摄像装置可以记录输气管道周围的地热辐射效应，再利用光谱分析就可以检测出泄漏位置。这种方法可以较精确地定位泄漏点，灵敏度也较高，但不适用埋设较深的管道检漏。
[0006]4)分布式光纤检漏法。在管道附近沿管道并排铺设一条光缆，也可以利用与管道同沟敷设的通讯光缆，根据光纤的干涉原理，当管道发生泄漏时，引起管道泄漏点附近的测试光纤产生应力应变，从而造成该处光波相位调制，产生相位调制的光波沿光纤分别向传感器的两端传播。用两个光电检测传感器检测两端干涉信号发生变化的时间差，即可精确地计算出泄漏发生的位置，但是该检测方法成本较高。
[0007]由上可知，现有技术中的燃气管道检测方法具有成本高、准确度低、使用场景受限等缺点。

技术实现思路

[0008]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0009]为此，本专利技术实施例的一个目的在于提供一种燃气管道泄漏检测方法，该方法提高了燃气管道泄漏检测的准确度和检测效率，避免人工巡检的误检和漏检，能够准确地定位出燃气管道泄漏的位置，便于后续的故障处理。
[0010]本专利技术实施例的另一个目的在于提供一种燃气管道泄漏检测系统。
[0011]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0012]第一方面，本专利技术实施例提供了一种燃气管道泄漏检测方法，包括以下步骤：
[0013]获取预设燃气管道的第一数据，所述第一数据包括管道压力、燃气流量以及燃气浓度；
[0014]对所述第一数据进行时序化和归一化处理，得到第一序列，所述第一序列包括管道压力序列、燃气流量序列以及燃气浓度序列；
[0015]根据所述第一序列和预设的专家评分模型确定训练样本和对应的标签，进而根据所述训练样本和所述标签得到训练数据集；
[0016]将所述训练数据集输入到预先构建的循环神经网络中进行训练，得到训练好的燃气管道泄漏识别模型，进而根据所述燃气管道泄漏识别模型对待测燃气管道进行识别检测。
[0017]进一步地，在本专利技术的一个实施例中，所述获取预设燃气管道的第一数据这一步骤，其具体为：
[0018]通过多个燃气管道传感器采集预设燃气管道的第一数据和所述燃气管道传感器的位置数据，多个所述燃气管道传感器均包括NB
‑
IoT压力传感器、NB
‑
IoT流量传感器、NB
‑
IoT浓度传感器以及GPS定位器，多个所述燃气管道传感器按照预设的距离间隔安装在所述预设燃气管道内。
[0019]进一步地，在本专利技术的一个实施例中，所述对所述第一数据进行时序化和归一化处理，得到第一序列这一步骤，其具体包括：
[0020]对所述第一数据进行时序化和归一化处理，得到对应于各所述燃气管道传感器的管道压力序列、燃气流量序列以及燃气浓度序列；
[0021]根据所述位置数据对所述管道压力序列、所述燃气流量序列以及所述燃气浓度序列进行标注，得到所述第一序列。
[0022]进一步地，在本专利技术的一个实施例中，所述根据所述第一序列和预设的专家评分模型确定训练样本和对应的标签，进而根据所述训练样本和所述标签得到训练数据集这一步骤，其具体包括：
[0023]获取相邻位置的两组第一序列，确定每一时刻相邻位置的两个燃气管道传感器对应的时序数据；
[0024]根据预设的专家评分模型对所述时序数据进行评分，确定燃气泄漏评分结果；
[0025]根据所述时序数据确定训练样本，并根据所述燃气泄漏评分结果确定所述训练样本的标签；
[0026]根据所述训练样本和所述标签构建训练数据集。
[0027]进一步地，在本专利技术的一个实施例中，所述专家评分模型为：
[0028][0029]其中，l表示燃气泄漏等级，l＝1,2,3,4,5，l＝1对应于不可控泄漏，l＝2对应于严重泄漏，l＝3对应于一般泄漏，l＝4对应于轻微泄漏，l＝5对应于未发生泄漏，表示位置S
m+1
在t
n
时刻的管道压力，表示位置S
m
在t
n
时刻的管道压力，δ
2|l
和δ
1|l
分别表示管道
压力在燃气泄漏等级为l时的上下限，表示位置S
m+1
在t
n
时刻的燃气流量，表示位置S
m
在t
n
时刻的燃气流量，ε
2|l
和ε
1|l
分别表示燃气流量在燃气泄漏等级为l时的上下限，表示位置S
m+1
在t
n
时刻的燃气浓度，表示位置S
m
在t
n
时刻的燃气浓度，δ
2|l
和δ
1|l
分别表示燃气浓度在燃气泄漏等级为l时的上下限。
[0030]进一步地，在本专利技术的一个实施例中，所述将所述训练数据集输入到预先构建的循环神经网络中进行训练，得到训练好的燃气管道泄漏识别模型这一步骤，其具体包括：
[0031]将所述训练数据集输入到所述循环神经网络，得到预测分类结果；
[0032]根据所述预测分类结果和所述标签确定所述循环神经网络的损失值；
[0033]根据所述损失值通过反向传播算法更新所述循环神经网络的参数；
[0034]当损失值达到预设的第一阈值或迭代次数达到预设的第二阈值或测试精度达到预设的第三阈值，停止训练，得到训练好的燃气管道泄漏识别模型。
[0035]进一步地，在本专利技术的一个实施例中，所述循环神经网络由两层LSTM网络堆叠而成，所述循环神经网络的损失函数为：
[0036][0037]其中，表示t
n
时刻真实的标签值，表示循环神经网络的预测值，N表示时间步长的总数。
[0038]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种燃气管道泄漏检测方法，其特征在于，包括以下步骤：获取预设燃气管道的第一数据，所述第一数据包括管道压力、燃气流量以及燃气浓度；对所述第一数据进行时序化和归一化处理，得到第一序列，所述第一序列包括管道压力序列、燃气流量序列以及燃气浓度序列；根据所述第一序列和预设的专家评分模型确定训练样本和对应的标签，进而根据所述训练样本和所述标签得到训练数据集；将所述训练数据集输入到预先构建的循环神经网络中进行训练，得到训练好的燃气管道泄漏识别模型，进而根据所述燃气管道泄漏识别模型对待测燃气管道进行识别检测。2.根据权利要求1所述的一种燃气管道泄漏检测方法，其特征在于，所述获取预设燃气管道的第一数据这一步骤，其具体为：通过多个燃气管道传感器采集预设燃气管道的第一数据和所述燃气管道传感器的位置数据，多个所述燃气管道传感器均包括NB
‑
IoT压力传感器、NB
‑
IoT流量传感器、NB
‑
IoT浓度传感器以及GPS定位器，多个所述燃气管道传感器按照预设的距离间隔安装在所述预设燃气管道内。3.根据权利要求2所述的一种燃气管道泄漏检测方法，其特征在于，所述对所述第一数据进行时序化和归一化处理，得到第一序列这一步骤，其具体包括：对所述第一数据进行时序化和归一化处理，得到对应于各所述燃气管道传感器的管道压力序列、燃气流量序列以及燃气浓度序列；根据所述位置数据对所述管道压力序列、所述燃气流量序列以及所述燃气浓度序列进行标注，得到所述第一序列。4.根据权利要求3所述的一种燃气管道泄漏检测方法，其特征在于，所述根据所述第一序列和预设的专家评分模型确定训练样本和对应的标签，进而根据所述训练样本和所述标签得到训练数据集这一步骤，其具体包括：获取相邻位置的两组第一序列，确定每一时刻相邻位置的两个燃气管道传感器对应的时序数据；根据预设的专家评分模型对所述时序数据进行评分，确定燃气泄漏评分结果；根据所述时序数据确定训练样本，并根据所述燃气泄漏评分结果确定所述训练样本的标签；根据所述训练样本和所述标签构建训练数据集。5.根据权利要求4所述的一种燃气管道泄漏检测方法，其特征在于，所述专家评分模型为：其中，l表示燃气泄漏等级，l＝1,2,3,4,5，l＝1对应于不可控泄漏，l＝2对应于严重泄
漏，l＝3对应于一般泄漏，l＝4对应于轻微泄漏，l＝5对应于未发生泄漏，表示位置S
m+1
在t
n
时刻的管道压力，表示位置S
m
在t
n
时刻的管道压力，δ
2|l
和δ
1|l
分别表示管道压力在燃气泄漏等级为l时的上下限，表示位置...

【专利技术属性】
技术研发人员：黄龙飞，钟致民，孔勇平，余冬苹，叶青，陈博，万红阳，李小刚，任勇强，
申请(专利权)人：天翼物联科技有限公司，
类型：发明
国别省市：