耦合领域知识和深度学习的排水管道淤积病害诊断方法技术

本发明专利技术公开了一种耦合领域知识和深度学习的排水管道淤积病害诊断方法，所述方法包括：依据水体参考单元的动量守恒原理，实现基于流体动力学的管道淤积细观水力学模型分析，提取管道淤积过流特性领域知识；利用离散元分析与计算流体力学耦合数值模拟，率定管道淤积细观水力学模型的参数取值；建立领域知识和深度小世界神经网络耦合作用下的管道淤积病害智能诊断模型并对模型进行训练；多维度训练样本数据集数据采集方式，对样本数据集中的异常值进行检测，同时对缺失值进行插值操作；利用多尺度注意力神经网络作为逐步改进生成对抗网络的分类器，提高管道出入口流速/流量时间序列样本数据集扩充结果的准确性。

【技术实现步骤摘要】

本专利技术属于市政排水管道病害检测与诊断技术、数据处理技术以及人工智能技术集成，涉及一种耦合领域知识和深度学习的排水管道淤积病害诊断方法。

技术介绍

1、管线淤积与过流特性(出入口流速流量)之间具有明显的复杂耦合关系。为了研究管线淤积病害对过流的瞬时影响，现有研究提出管线淤积病害随机起动模型的受力分析方法。在这些模型中，管线淤积病害起动条件的不同取值将使水流状态参数的计算产生严重偏差。随着管线淤积病害起动理论的引入，现有研究建立了管线淤积病害起动与紊流相干作用模型，但管线淤积病害影响下的出入口流速/流量随时间动态变化的领域知识、初始条件和边界条件并未被有效提取出来。现有研究基于动态微分方程和试验分析了水锤波、管线淤积病害程度和长度之间的定量关系。然而，以上研究未考虑管线淤积病害、水流的互馈关系对管线过流特性的影响。因此，如何构建管道淤积细观水力学模型，定量分析模型中管道流速/流量控制方程、边界条件和初始条件，是目前亟待解决的关键问题之一。

2、随着人工智能和计算技术的快速发展，淤积程度和淤积长度可以通过基于人工智能的故障检测手段加以实现。目前，本文档来自技高网...

【技术保护点】

1.耦合领域知识和深度学习的排水管道淤积病害诊断方法，其特征在于具体步骤为：

2.根据权利要求1所述的耦合领域知识和深度学习的排水管道淤积病害诊断方法，其特征在于：步骤S1中雷诺时均运动方程和管道出入口边界条件见公式(1)、公式(2)和公式(3)：

3.根据权利要求2所述的耦合领域知识和深度学习的排水管道淤积病害诊断方法，其特征在于：步骤S2中排水管道淤积的动量矩守恒方程，其管道出口的理论流速和水流从管道入口A运动到管道出口B所需时间的具体表达式见公式(4)、公式(5)和公式(6)：

4.根据权利要求3所述的耦合领域知识和深度学习的排水管道淤积病害诊断...

【技术特征摘要】

1.耦合领域知识和深度学习的排水管道淤积病害诊断方法，其特征在于具体步骤为：

2.根据权利要求1所述的耦合领域知识和深度学习的排水管道淤积病害诊断方法，其特征在于：步骤s1中雷诺时均运动方程和管道出入口边界条件见公式(1)、公式(2)和公式(3)：

3.根据权利要求2所述的耦合领域知识和深度学习的排水管道淤积病害诊断方法，其特征在于：步骤s2中排水管道淤积的动量矩守恒方程，其管道出口的理论流速和水流从管道入口a运动到管道出口b所需时间的具体表达式见公式(4)、公式(5)和公式(6)：

4.根据权利要求3所述的耦合领域知识和深度学习的排水管道淤积病害诊断方法，其特征在于：步骤s3中...

【专利技术属性】
技术研发人员：方宏远，狄丹阳，王念念，李斌，孙斌，张朝阳，白渝，
申请(专利权)人：郑州大学，
类型：发明
国别省市：