TPB智能安全报警方法和系统技术方案

本申请涉及智能报警技术领域，提供本申请提供一种TPB智能安全报警方法和系统，根据液压系统的油箱液位、液压系统的油箱温度、液压系统的压力及水路系统的出口压力等多种监测指标的监测值，对每种监测指标的变化趋势进行预测，有利于提升TPB智能安全报警机制的安全性，并且能克服TPB智能安全报警机制的滞后性问题。此外，本申请根据每个监控值及其监控时间生成监控结果点位，并对监控结果点位进行聚类，然后根据每个聚类簇的簇心位置和每个聚类簇中包括的每种监测指标的监测结果点位数量，生成监测结果特征向量，该特征向量可以表征各种监控指标之间的数值关系和时间关系，基于该特征向量得到的变化趋势预测结果具有较高的准确性。准确性。准确性。

【技术实现步骤摘要】
TPB智能安全报警方法和系统


[0001]本申请涉及智能报警
，具体而言，涉及一种TPB智能安全报警方法和系统。

技术介绍

[0002]针对液压调剖泵TPB，目前市场上采用的智控安全报警系统，仅涉及对液压系统的油箱液位及温度的控制，而对于液压调剖泵TPB工作时影响安全的其他重要因素，如液压系统的压力、水路系统的出口压力等没有安全报警机制，因此目前市场上流通的TPB安全系数较低。此外，目前的报警系统主用是利用多种传感器采集多种监测指标的监测值，并将监测值与预设的安全区间进行比较，如果监测值没有落入安全区间，则发出报警，但是这种报警方式具有一定的滞后性。

技术实现思路

[0003]本申请提供一种TPB智能安全报警方法和系统，目的是提升TPB智能安全报警机制的安全性，并克服其滞后性。
[0004]本申请实施例第一方面提供一种TPB智能安全报警方法，所述方法包括：获取在预设时长内针对多种监测指标分别采集的监测数据；所述多种监测指标包括：液压系统的油箱液位、液压系统的油箱温度、液压系统的压力及水路系统的出口压力；每种监测指标的监测数据包括在所述预设时长内周期性采集的多个监测值；针对每种监测指标，对该种监测指标的多个监测值进行归一化，并对该种监测指标的每个监测值的监测时间进行归一化；针对每个监测值，将该监测值的归一化结果和该监测值的监测时间的归一化结果分别作为两个坐标分量，从而生成该监测值对应的监测结果点位；对多个监测结果点位进行聚类，得到N个聚类簇；N是大于或等于2的自然数；根据每个聚类簇的簇心位置和每个聚类簇中包括的每种监测指标的监测结果点位数量，生成监测结果特征向量；将所述监测结果特征向量输入预先训练的神经网络，得到所述神经网络为每种监测指标分别输出的变化趋势预测结果。
[0005]可选地，所述根据每个聚类簇的簇心位置和每个聚类簇中包括的每种监测指标的监测结果点位数量，生成监测结果特征向量，包括：根据每个簇心的监测时间分量，将监测时间分量最大的簇心对应的聚类簇确定为第一聚类簇，将监测时间分量第二大的簇心对应的聚类簇确定为第二聚类簇；根据所述第一聚类簇中每种监测指标的监测结果点位数量，确定每种监测指标的监测结果点位在所述第一聚类簇中的第一占比，根据所述第二聚类簇中每种监测指标的监测结果点位数量，确定每种监测指标的监测结果点位在所述第二聚类簇中的第二占比；在所述第一聚类簇的簇心的监测时间分量和所述第二聚类簇的簇心的监测时间
分量的差值大于预设阈值的情况下，将每种监控指标的所述第一占比和所述第二占比填充至预设特征向量模板的第一位置，并将所述预设特征向量模板的第二位置全部填充为0，以生成所述监测结果特征向量；在所述第一聚类簇的簇心的监测时间分量和所述第二聚类簇的簇心的监测时间分量的差值不大于所述预设阈值的情况下，将每种监控指标的所述第一占比和所述第二占比填充至所述预设特征向量模板的所述第二位置，并将所述预设特征向量模板的所述第一位置全部填充为0，以生成所述监测结果特征向量。
[0006]可选地，所述预设特征向量模板还包括第三位置，所述第三位置用于填充每种监控指标的按照采集时间顺序排列的所述多个监测值。
[0007]可选地，每种监控指标分别对应有第一报警阈值和第二报警阈值，所述第一报警阈值大于所述第二报警阈值；在得到所述神经网络为每种监测指标分别输出的变化趋势预测结果后，所述方法还包括：针对每种监控指标，判断该监控指标的当前监测值是否大于所述第一报警阈值或小于所述第二报警阈值，如果所述当前监测值大于所述第一报警阈值，且该监控指标的变化趋势预测结果为上升，则针对该监控指标发出第一报警，如果所述当前监测值小于所述第二报警阈值，且该监控指标的变化趋势预测结果为下降，则针对该监控指标发出第二报警。
[0008]可选地，所述神经网络包括特征提取模块和多个预测分支，所述特征提取模块用于对所述监测结果特征向量进行特征提取，并将提取结果输入每个预测分支，每个预测分支分别用于预测一种监控指标的变化趋势。
[0009]可选地，在得到所述神经网络为每种监测指标分别输出的变化趋势预测结果后，所述方法还包括：获取每种监控指标的实际变化趋势；根据每种监控指标的所述实际变化趋势和所述变化趋势预测结果，确定每种监控指标各自对应的损失值；针对每种监控指标，根据该监控指标对应的损失值，确定该监控指标对应的预测分支的梯度参数；根据每种监控指标对应的损失值，确定所述特征提取模块的梯度参数；根据每个预测分支的梯度参数和所述特征提取模块的梯度参数，对所述神经网络进行更新。
[0010]本申请实施例第二方面提供一种TPB智能安全报警系统，所述系统包括：监测数据获取模块，用于获取在预设时长内针对多种监测指标分别采集的监测数据；所述多种监测指标包括：液压系统的油箱液位、液压系统的油箱温度、液压系统的压力及水路系统的出口压力；每种监测指标的监测数据包括在所述预设时长内周期性采集的多个监测值；归一化处理模块，用于针对每种监测指标，对该种监测指标的多个监测值进行归一化，并对该种监测指标的每个监测值的监测时间进行归一化；点位生成模块，用于针对每个监测值，将该监测值的归一化结果和该监测值的监测时间的归一化结果分别作为两个坐标分量，从而生成该监测值对应的监测结果点位；
聚类模块，用于对多个监测结果点位进行聚类，得到N个聚类簇；N是大于或等于2的自然数；特征向量生成模块，用于根据每个聚类簇的簇心位置和每个聚类簇中包括的每种监测指标的监测结果点位数量，生成监测结果特征向量；变化趋势预测模块，用于将所述监测结果特征向量输入预先训练的神经网络，得到所述神经网络为每种监测指标分别输出的变化趋势预测结果。
[0011]可选地，所述特征向量生成模块具体用于：根据每个簇心的监测时间分量，将监测时间分量最大的簇心对应的聚类簇确定为第一聚类簇，将监测时间分量第二大的簇心对应的聚类簇确定为第二聚类簇；根据所述第一聚类簇中每种监测指标的监测结果点位数量，确定每种监测指标的监测结果点位在所述第一聚类簇中的第一占比，根据所述第二聚类簇中每种监测指标的监测结果点位数量，确定每种监测指标的监测结果点位在所述第二聚类簇中的第二占比；在所述第一聚类簇的簇心的监测时间分量和所述第二聚类簇的簇心的监测时间分量的差值大于预设阈值的情况下，将每种监控指标的所述第一占比和所述第二占比填充至预设特征向量模板的第一位置，并将所述预设特征向量模板的第二位置全部填充为0，以生成所述监测结果特征向量；在所述第一聚类簇的簇心的监测时间分量和所述第二聚类簇的簇心的监测时间分量的差值不大于所述预设阈值的情况下，将每种监控指标的所述第一占比和所述第二占比填充至所述预设特征向量模板的所述第二位置，并将所述预设特征向量模板的所述第一位置全部填充为0，以生成所述监测结果特征向量。
[0012]可选地，每种监控指标分别对应有第一报警阈值和第二报警阈值，所述第一报警阈值大于所述第二报警阈值；所述系统还包括：报警模块，用于针对每种监控指标，判断该监控指标的当前监测值是否大于所述第一报警阈值或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种TPB智能安全报警方法，其特征在于，所述方法包括：获取在预设时长内针对多种监测指标分别采集的监测数据；所述多种监测指标包括：液压系统的油箱液位、液压系统的油箱温度、液压系统的压力及水路系统的出口压力；每种监测指标的监测数据包括在所述预设时长内周期性采集的多个监测值；针对每种监测指标，对该种监测指标的多个监测值进行归一化，并对该种监测指标的每个监测值的监测时间进行归一化；针对每个监测值，将该监测值的归一化结果和该监测值的监测时间的归一化结果分别作为两个坐标分量，从而生成该监测值对应的监测结果点位；对多个监测结果点位进行聚类，得到N个聚类簇；N是大于或等于2的自然数；根据每个聚类簇的簇心位置和每个聚类簇中包括的每种监测指标的监测结果点位数量，生成监测结果特征向量；将所述监测结果特征向量输入预先训练的神经网络，得到所述神经网络为每种监测指标分别输出的变化趋势预测结果。2.根据权利要求1所述的TPB智能安全报警方法，其特征在于，所述根据每个聚类簇的簇心位置和每个聚类簇中包括的每种监测指标的监测结果点位数量，生成监测结果特征向量，包括：根据每个簇心的监测时间分量，将监测时间分量最大的簇心对应的聚类簇确定为第一聚类簇，将监测时间分量第二大的簇心对应的聚类簇确定为第二聚类簇；根据所述第一聚类簇中每种监测指标的监测结果点位数量，确定每种监测指标的监测结果点位在所述第一聚类簇中的第一占比，根据所述第二聚类簇中每种监测指标的监测结果点位数量，确定每种监测指标的监测结果点位在所述第二聚类簇中的第二占比；在所述第一聚类簇的簇心的监测时间分量和所述第二聚类簇的簇心的监测时间分量的差值大于预设阈值的情况下，将每种监控指标的所述第一占比和所述第二占比填充至预设特征向量模板的第一位置，并将所述预设特征向量模板的第二位置全部填充为0，以生成所述监测结果特征向量；在所述第一聚类簇的簇心的监测时间分量和所述第二聚类簇的簇心的监测时间分量的差值不大于所述预设阈值的情况下，将每种监控指标的所述第一占比和所述第二占比填充至所述预设特征向量模板的所述第二位置，并将所述预设特征向量模板的所述第一位置全部填充为0，以生成所述监测结果特征向量。3.根据权利要求2所述的TPB智能安全报警方法，其特征在于，所述预设特征向量模板还包括第三位置，所述第三位置用于填充每种监控指标的按照采集时间顺序排列的所述多个监测值。4.根据权利要求1所述的TPB智能安全报警方法，其特征在于，每种监控指标分别对应有第一报警阈值和第二报警阈值，所述第一报警阈值大于所述第二报警阈值；在得到所述神经网络为每种监测指标分别输出的变化趋势预测结果后，所述方法还包括：针对每种监控指标，判断该监控指标的当前监测值是否大于所述第一报警阈值或小于所述第二报警阈值，如果所述当前监测值大于所述第一报警阈值，且该监控指标的变化趋势预测结果为上升，则针对该监控指标发出第一报警，如果所述当前监测值小于所述第二报警阈值，且该监控指标的变化趋势预测结果为下降，则针对该监控指标发出第二报警。
5.根据权利要求1所述的TPB智能安全报警方法，其特征在于，所述神经网络包括特征提取模块和多个预测分支，所述特征提取模块用于对所述监测结果特征向量进行特征提取，并将提取结果输入每个预测分支，每个预测分支分别用于预测一种监控指标的变化趋势。6.根据权利要求5所述的TPB智能安全报警方法，其特征在于，在得到所述神经网络为每种监测指标分别输出的变化趋势预测结果后，所述方法还包括：获取每种监控指标的实际变化趋势；根据每种监控指标的所述实际变化趋势和所述变化趋势预测结果，确定每种监控指标各自对应的损失值；针对每种监控指标，根据该监控指标对应的损失值，确定该监控指标对应的预测分支的梯度参数；根据每种监控...

【专利技术属性】
技术研发人员：张维友，王建平，李洪阳，陈洪状，闫秀涛，
申请(专利权)人：德州华海石油机械股份有限公司，
类型：发明
国别省市：