System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及管路损伤监测,尤其涉及一种压缩空气管路的智能监测方法及系统。
技术介绍
1、输送压缩空气的管路主要分主管路和支管路。主管路是一个固定安装并把空气输送到各支管路的全封闭环形回路,可以保证各用气点的气压恒定,分段分区设置断路阀,便于分段维护。支管路是由主管路接出将空气输送至各个使用点的管路。现如今,对于压缩空气管路的检测主要通过人工进行检测,多数泄漏点初期泄漏量很小或处于难以观察的遮挡区域,作业人员的工作强度高、耗时长、且具有较大盲目性。其次,还通过一些声波进行检测漏点以及内部损伤,基于声波传输原理特性,当泄漏点被管路、设备、内饰板、排障器、贯通道等遮挡时,泄漏点衍射信号同样可被声学成像仪识别。然而,这些手段仅仅只是进行短暂的监测,不能长时间的对压缩空气管路进行长时间的监测,绝大多数空气管路部件泄漏在引起重大问题前都存在一个随时间从微小到严重的累积过程,故障早期并不会在空气管路系统中出现明显现象,待出现较为明显的问题后,当产生了损伤或者缺陷之后,由于内部压强的作用力就会产生一定的形变,通过人眼是很难发现该问题。
技术实现思路
1、本专利技术克服了现有技术的不足,提供了一种压缩空气管路的智能监测方法及系统。
2、为达上述目的,本专利技术采用的技术方案为:
3、本专利技术第一方明提供了一种压缩空气管路的智能监测方法,包括以下步骤:
4、获取目标区域中压缩空气管路的布局图,并根据所述目标区域中压缩空气管路的布局图构建压缩空气管路检测网络,通过
5、通过对所述压缩空气管路的实时特征数据信息进行融合,构建压缩空气管路的数字孪生模型;
6、根据所述压缩空气管路的数字孪生模型获取各区域压缩空气管路的实时模型参数特征数据信息,并基于孪生网络对所述实时模型参数特征数据信息进行跟踪;
7、通过对各区域压缩空气管路进行异常状态识别,获取存在异常状态的压缩空气管路区域,基于所述存在异常状态的压缩空气管路区域生成相关的预警信号。
8、进一步的,在本方法中,根据所述目标区域中压缩空气管路的布局图构建压缩空气管路检测网络,具体包括:
9、根据所述目标区域中压缩空气管路的布局图构建空气压缩管路三维模型图,并将目标区域分为多个子区域,获取每个子区域的空气压缩管路三维模型图;
10、初始化监控装置的数量信息以及监控装置的布局位置,并引入遗传算法,根据遗传算法设置遗传代数,根据所述监控装置的数量信息以及监控装置的布局位置计算出对每个子区域的空气压缩管路三维模型图的预估监控面积信息;
11、获取目标区域中空气压缩管路三维模型图的最大监控面积,当所述预估监控面积信息小于所述最大监控面积时,基于所述遗传代数进行遗传,调整监控装置的数量信息以及监控装置的布局位置;
12、当所述预估监控面积信息不小于所述最大监控面积时,输出监控装置的数量信息以及监控装置的布局位置,并根据所述监控装置的数量信息以及监控装置的布局位置构建压缩空气管路检测网络。
13、进一步的,在本方法中,通过对所述压缩空气管路的实时特征数据信息进行融合,构建压缩空气管路的数字孪生模型,具体包括:
14、获取目标区域中空气压缩管路三维模型图,并构建时间戳,获取每个时间戳中压缩空气管路的实时特征数据信息,通过对所述每个时间戳中压缩空气管路的实时特征数据信息进行预处理,获取预处理后的实时特征数据信息;
15、根据所述预处理后的实时特征数据信息对所述目标区域中空气压缩管路三维模型图进行特征模拟,获取每个时间戳中目标区域中空气压缩管路的特征三维模型图;
16、通过对每一时间戳中目标区域中空气压缩管路的特征三维模型图进行拼接,获取基于时间序列的目标区域中空气压缩管路的特征三维模型图;
17、根据所述基于时间序列的目标区域中空气压缩管路的特征三维模型图生成压缩空气管路的数字孪生模型,并设置时间更新间隔,根据所述时间更新间隔对所述压缩空气管路的数字孪生模型进行更新。
18、进一步的,在本方法中,根据所述压缩空气管路的数字孪生模型获取各区域压缩空气管路的实时模型参数特征数据信息,并基于孪生网络对所述实时模型参数特征数据信息进行跟踪,具体包括:
19、根据所述压缩空气管路的数字孪生模型获取各区域压缩空气管路的实时模型参数特征数据信息,并引入孪生网络,根据所述各区域压缩空气管路的实时模型参数特征数据信息初始化模板特征以及搜索特征;
20、将所述模板特征以及搜索特征输入到骨干网络中,并引入归一化注意力机制,在所述骨干网络的残差块末端嵌入所述归一化注意力机制的信道注意力模块,通过训练模型权重的方差,抑制所述模板特征以及搜索特征中的不显著特征,突出显著特征;
21、通过nam模块输出特征信息,并以nam模块输出的特征信息作为基本结构,并引入特征金字塔结构骨架,根据所述特征金字塔结构骨架对所述基本结构进行处理,获取对应生成的特征层;
22、根据所述对应生成的特征层生成特征图,并将所述特征图中的高层次特征以及低层次特征进行融合,最大程度的保留低层次特征,并对融合后的特征进行边界框预测,对特征图中的固定区域进行估计每一特征目标的位置。
23、进一步的,在本方法中,通过对各区域压缩空气管路进行异常状态识别,获取存在异常状态的压缩空气管路区域,具体包括:
24、预设偏差阈值数据信息,获取每一时间戳中各区域中的压缩空气管路的实时模型参数特征数据信息,并根据所述每一时间戳中各区域中的压缩空气管路的实时模型参数特征数据信获取初始时间戳中的实时模型参数特征数据信息;
25、根据所述每一时间戳中各区域中的压缩空气管路的实时模型参数特征数据信息获取当前时间戳中的实时模型参数特征数据信息,并将所述初始时间戳中的实时模型参数特征数据信息以及当前时间戳中的实时模型参数特征数据信息进行对比,得到偏差率;
26、判断所述偏差率是否大于所述偏差阈值数据信息,当所述偏差率不大于所述偏差阈值数据信息时,则将所述偏差率不大于所述偏差阈值数据信息对应的区域作为正常状态的压缩空气管路区域;
27、当所述偏差率大于所述偏差阈值数据信息时,则将所述偏差率大于所述偏差阈值数据信息对应的区域作为存在异常状态的压缩空气管路区域。
28、进一步的,在本方法中,基于所述存在异常状态的压缩空气管路区域生成相关的预警信号,具体包括:
29、获取所述存在异常状态的压缩空气管路区域在预设时间之间的实时模型参数特征数据信息,并根据所述存在异常状态的压缩空气管路区域在预设时间之间的实时模型参数特征数据信息计算出存在异常状态的压缩空气管路区域中压缩空气管路的形变特征数据;
30、预设若干隶属度范围阈值数据信息,根据所述隶属度范围阈值数据信息对所述形变特征数据进行形变隶属度评价,获取每一存在异常状本文档来自技高网...
【技术保护点】
1.一种压缩空气管路的智能监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,根据所述目标区域中压缩空气管路的布局图构建压缩空气管路检测网络,具体包括:
3.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,通过对所述压缩空气管路的实时特征数据信息进行融合,构建压缩空气管路的数字孪生模型,具体包括:
4.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,根据所述压缩空气管路的数字孪生模型获取各区域压缩空气管路的实时模型参数特征数据信息,并基于孪生网络对所述实时模型参数特征数据信息进行跟踪,具体包括:
5.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,通过对各区域压缩空气管路进行异常状态识别,获取存在异常状态的压缩空气管路区域,具体包括:
6.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,基于所述存在异常状态的压缩空气管路区域生成相关的预警信号,具体包括:
7.一种压缩空气管路的智能监测系统,其
8.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括压缩空气管路的智能监测方法程序,所述压缩空气管路的智能监测方法程序被处理器执行时,实现如权利要求1-6任一项所述的压缩空气管路的智能监测方法的步骤。
...【技术特征摘要】
1.一种压缩空气管路的智能监测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,根据所述目标区域中压缩空气管路的布局图构建压缩空气管路检测网络,具体包括:
3.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,通过对所述压缩空气管路的实时特征数据信息进行融合,构建压缩空气管路的数字孪生模型,具体包括:
4.根据权利要求1所述的一种压缩空气管路的智能监测方法,其特征在于,根据所述压缩空气管路的数字孪生模型获取各区域压缩空气管路的实时模型参数特征数据信息,并基于孪生网络对所述实时模型参数特征数据信息进行跟踪,具体包括:
5.根据权利要求1所述的一种压缩空气管路的智能监测方法...
【专利技术属性】
技术研发人员:邢岑瑞,
申请(专利权)人:深圳市伟昊净化设备有限公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。