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】
本专利技术涉及窨井监测,具体来说,涉及一种基于卷积神经网络的窨井监测装置及方法。
技术介绍
1、随着城市化进程的加速,城市基础设施的建设和维护成为了重要的任务,其中,窨井作为城市基础设施的重要组成部分,其安全和功能性的保障对于城市的正常运行至关重要,窨井通常指的是地下的储水设施或者是用于通风、下降到地下空间(如地下室、隧道等)的竖井。在现代城市基础设施中,窨井可能指的是地下管线的检修井、通风井、排水井等,它们对于城市的排水系统、通信线路的布设和维护都非常重要。
2、在安全监测和管理领域,窨井的安全一直是城市管理的一个重点,然而传统的窨井监控方式存在着许多问题,如监控不全面,维护困难等,因此亟需对窨井监控内的监测方案进行研究。
3、同时目前传统的窨井存在着机械化程度低,管道淤积堵塞、破损漏损完全靠人为排查判定,浪费人力物力,且无法达到实时监测,导致实时监测体系不完善,设备感知有限,且设备日常检修运维困难,不能及时监测到管道内的有害气体,可能会危害到检修人员身体健康。
4、针对相关技术中的问题,目前尚未提出有效的解决方案。
技术实现思路
1、(一)解决的技术问题
2、针对现有技术的不足,本专利技术提供了基于卷积神经网络的窨井监测装置及方法。
3、(二)技术方案
4、本专利技术采用的具体技术方案如下:
5、根据本专利技术的一个方面,提供了一种基于卷积神经网络的窨井监测装置,包括窨井,窨井的顶端设置有立柱,
6、进一步的,为了使得能够将各类传感器集多功能多模式为一体,实现感知井下液位变化,实时监测管网流量、甲烷浓度等功能,对窨井内部管道水流情况进行精确监测,为后续的处理分析提供决策基础,实现对排水系统的智能化调度,数据感知单元包括安装于窨井内部侧壁的传感器外壳,传感器外壳的内部底端设置有浊度传感器,浊度传感器的顶端设置有ph值传感器,浊度传感器的底端连接有水质传感器;数据感知单元还包括安装于传感器外壳顶端的钟罩型外壳,钟罩型外壳的内部设置有气体传感器,气体传感器的一侧设置有液位传感器,液位传感器的一侧设置有影像传感器,且影像传感器安装于钟罩型外壳的外侧。
7、进一步的,为了避免在进行监测的过程中出现断电情况,太阳能供电单元包括安装于立柱顶端的光伏控制器,光伏控制器的外侧设置有若干组太阳能电池板,立柱的一侧设置有光伏控制器连接的储能胶体蓄电池。
8、进一步,为了使得能够保证传感器外壳与钟罩型外壳内部的传感器整体具有较强的耐腐蚀性,以更好的防止被污染,有效保证测量精确度,立柱为镀锌钢管材质,且立柱的内部为中空结构,传感器外壳与钟罩型外壳均为聚丙烯防水材质。
9、进一步的,数据处理单元用于对数据感知单元采集完成的数据实施处理与分析操作,根据预设算法生成决策指令对窨井内进行状态预测;
10、数据处理单元包括数据收集标记模块、数据划分处理模块、处理模型建立模块、部署监测实施模块及报警决策处理模块;
11、数据收集标记模块,用于收集数据感知单元采集完成的窨井内部的参数数据,并根据时间点对参数数据实施时间标记操作,参数数据包括水质数据、气体浓度数据、水流量数据及影像数据;
12、数据划分处理模块,用于将标记完成的参数数据按照预设比例划分为训练集、验证集与测试集;
13、处理模型建立模块,用于利用参数数据与卷积神经网络技术建立处理模型实现窨井内部异常情况的预测;
14、部署监测实施模块,用于将处理模型输入至指定的窨井监测区域内对窨井内的情况进行预测;
15、报警决策处理模块,用于利用预测结果与阈值实施对比操作,根据对比结果判断窨井内是否存在异常情况并采用对应的措施。
16、进一步的,利用参数数据与卷积神经网络技术建立处理模型实现窨井内部异常情况的预测包括:
17、利用滑动搜索与时间点标记方式从测试集中选取向量构建具有时间特性的输入矩阵;
18、将输入矩阵与卷积神经网络相结合建立处理模型,并采用优化算法与训练集对模型参数实施优化;
19、利用验证集对优化完成的处理模型进行仿真输出窨井的预测结果;
20、其中,利用滑动搜索与时间点标记方式从测试集中选取向量构建具有时间特性的输入矩阵包括:
21、根据测试集选取窨井监测的异常情况的特征向量与处理模型的输出异常类别,并对特征向量进行异常值去除与归一化处理;
22、设定滑动搜索的长度值并根据时间标记的结果将特征向量进行顺序,根据滑动长度值进行滑动操作;
23、根据操作结果获取时间标记内的时序特征,并对滑动窗口标记时间戳获取重叠的子集序列;
24、遍历所有特征向量的子集序列并组合为样本集,将样本集与对应的异常类别作为输入矩阵。
25、进一步的,将输入矩阵与卷积神经网络相结合建立处理模型,并采用优化算法与训练集对模型参数实施优化包括:
26、将输入矩阵作为输入变量,对应的异常类别作为输出变量,并利用卷积神经网络中卷积层捕捉若干输入变量之间的非线性关系;
27、利用全连接层对输入变量的非线性关系进行组合,并利用池化层选取最大值得到异常类别的输出模型;
28、判断输出模型的损失函数并利用优化算法对模型参数进行更新得到处理模型,利用训练集建立模型评价标准判断模型参数优化的结果;
29、当优化结果大于标准值时,则表示优化通过,并保存模型参数获得处理模型,当优化结果小于标准值时,则表示优化未通过并继续进行参数优化直至优化结果大于标准值。
30、进一步的,安全监控单元用于利用物联网技术设计远程自动监控模型对窨井盖实施监控操作,并分析窨井盖是否存在异常状况判断数据感知单元的稳定性;
31、安全监控单元包括监控数据采集模块、数据传输接收模块、监控框架设计模块、异常状况判断模块、警报设计生成模块及监控集成连接模块;
32、监控数据采集模块,用于在窨井盖的顶端侧壁安装声音传感器采集窨井盖在预设距离内的声音数据;
33、数据传输接收模块,用于利用分贝放大方式建立感知架构并导入物联网体系设计正常监控情况下的声音模板,声音模板包括窨井盖预设距离内的敲击噪音声与搬运移动声;
34、监控框架设计模块,用于根据声音模板在感知架构内添加自动更新监控权值功能,利用声音模板与声音数据分析适应度函数建立自动监控模型;
35、异常状况判断模块,用于在自动监控模型内输入预设的声音数据,并根据输出结果判断窨井盖在处于异常状况下声音模板的状态;
36、警报设计生成模块,用于根据窨井盖的异常状况分析数本文档来自技高网...
【技术保护点】
1.一种基于卷积神经网络的窨井监测装置,包括窨井(1),所述窨井(1)的顶端设置有立柱(2),其特征在于,所述立柱(2)的一侧设置有窨井盖(3),所述窨井盖(3)的顶端与底端分别设置有安全监控单元(8)与数据感知单元(4),且所述数据感知单元(4)安装于所述窨井(1)的侧壁,所述立柱(2)的内部设置有数据处理单元(5),所述立柱(2)的顶端设置有太阳能供电单元(6),所述数据处理单元(5)的顶端且贯穿所述立柱(2)设置有通信单元(7)。
2.根据权利要求1所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述数据感知单元(4)包括安装于所述窨井(1)内部侧壁的传感器外壳(401),所述传感器外壳(401)的内部底端设置有浊度传感器(402),所述浊度传感器(402)的顶端设置有pH值传感器(403),所述浊度传感器(402)的底端连接有水质传感器(404);
3.根据权利要求2所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述太阳能供电单元(6)包括安装于所述立柱(2)顶端的光伏控制器(601),所述光伏控制器(601)的外侧设置有若干组太阳能
4.根据权利要求3所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述数据处理单元(5)用于对所述数据感知单元(4)采集完成的数据实施处理与分析操作,根据预设算法生成决策指令对所述窨井(1)内进行状态预测;
5.根据权利要求4所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述利用参数数据与卷积神经网络技术建立处理模型实现所述窨井(1)内部异常情况的预测包括:
6.根据权利要求5所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述将输入矩阵与卷积神经网络相结合建立处理模型,并采用优化算法与训练集对模型参数实施优化包括:
7.根据权利要求1所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述安全监控单元(8)用于利用物联网技术设计远程自动监控模型对所述窨井盖(3)实施监控操作,并分析所述窨井盖(3)是否存在异常状况判断所述数据感知单元(4)的稳定性;
8.根据权利要求7所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述根据声音模板在感知架构内添加自动更新监控权值功能,利用声音模板与声音数据分析适应度函数建立自动监控模型包括:
9.根据权利要求8所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述将匹配程度传送至感知架构内构造自动监控模型,运用关联分析算法结合自动监控模型判断预先设定声音数据的适应度得分包括:
10.一种基于卷积神经网络的窨井监测方法,用于实现权利要求1-9中任一项所述的基于卷积神经网络的窨井监测装置的监测,其特征在于,该基于卷积神经网络的窨井监测方法包括以下步骤:
...【技术特征摘要】
1.一种基于卷积神经网络的窨井监测装置,包括窨井(1),所述窨井(1)的顶端设置有立柱(2),其特征在于,所述立柱(2)的一侧设置有窨井盖(3),所述窨井盖(3)的顶端与底端分别设置有安全监控单元(8)与数据感知单元(4),且所述数据感知单元(4)安装于所述窨井(1)的侧壁,所述立柱(2)的内部设置有数据处理单元(5),所述立柱(2)的顶端设置有太阳能供电单元(6),所述数据处理单元(5)的顶端且贯穿所述立柱(2)设置有通信单元(7)。
2.根据权利要求1所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述数据感知单元(4)包括安装于所述窨井(1)内部侧壁的传感器外壳(401),所述传感器外壳(401)的内部底端设置有浊度传感器(402),所述浊度传感器(402)的顶端设置有ph值传感器(403),所述浊度传感器(402)的底端连接有水质传感器(404);
3.根据权利要求2所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述太阳能供电单元(6)包括安装于所述立柱(2)顶端的光伏控制器(601),所述光伏控制器(601)的外侧设置有若干组太阳能电池板(602),所述立柱(2)的一侧设置有所述光伏控制器(601)连接的储能胶体蓄电池(603);
4.根据权利要求3所述的一种基于卷积神经网络的窨井监测装置,其特征在于,所述数据处理单元(5)用于对所述数据感知单元(4)采集完成的数据实施处理与分析...
【专利技术属性】
技术研发人员:程楠,陈文龙,张峥,何立新,雷晓辉,龙岩,段清,王二朋,张宏洋,郭图南,
申请(专利权)人:河北工程大学,
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。