【技术实现步骤摘要】
本专利技术涉及管道监测，具体为基于多模态数据分析压力管道健康状态评估系统及方法。
技术介绍
1、在管线常年运行过程中，会产生由于输送化学物品导致的难以发现的内部腐蚀缺损、管道裂纹；同时在当压力、温度、酸碱度等物理条件发生变化时，液体与液体、液体与固体会发生的特殊反应，管道内部会因此产生结垢现象，结垢阻塞不仅使得输送流量降低，还会引起的管道破裂和垢下腐蚀的发生。近年来，各类管道事故频发，造成了巨大的经济损失以及十分严重的环境问题。管道事故一旦不能做到早知道、早定位、早抢修，就会带来十分严重的后果，因此，对于管道的健康状态评估，在发生次生灾害前后及时进行预防与补救有着非常重要的意义。近年来，国内外学者针对管道健康监测问题陆续开展了研究工作，已经有多类管线监测技术被提出并应用。
2、然而，目前管道在被监测时，对于不用地区的监测数据采用的是同样的处理方法，但是不同地区的管道所处的环境因素以及输送液体的种类均不相同，因此会导致监测数据不准确，不能根据不同地区而进行自适应的调整数据处理办法，导致管道的健康评估结果不准确。
技术实现思路
1、本专利技术的目的在于提供基于多模态数据分析压力管道健康状态评估系统及方法，以解决上述
技术介绍
中提出的问题。
2、为了解决上述技术问题，本专利技术提供如下技术方案：基于多模态数据分析压力管道健康状态评估方法，包括：
3、获取管道铺设的路线信息，根据路线信息计算管道上定点监测装置安装位置的分布，根据安装位置，将定点监测装置安装
4、对管道进行区域划分，分区对管道进行实时监控，并建立分区数据库，将每个区域内监测到的管道监测数据对应储存在分区数据库中，初始设定每个区域的监测数据阈值，当管道监测数据达到监测数据阈值时发出报警信号；
5、未出现泄露事件时，将管道监测数据上传，对管道监测数据进行预处理后，将其输入深度学习模型中，输出管道的健康状态评估结果；
6、出现泄露事件时，获取泄露事件中泄露管道的管道监测数据，将管道监测数据中的重点特征数据提取，并结合历史数据库中记录的泄漏事件中重点特征数据出现的次数计算比例因子，标记该泄露管道所处的泄露区域，提取泄露区域的特征因素，将特征因素输入深度学习模型中，输出相似区域，根据比例因子调节相似区域中的监测数据阈值。
7、进一步的，其中根据路线信息计算管道上定点监测装置安装位置的分布的过程为：
8、将管道上的阀门标记为节点一，所有节点一处均设置安装有定点监测装置，设定相邻两个定点监测装置之间的距离阈值为d，获取相邻两个节点一之间的路径长度为d；
9、若d＜d，则输出相邻两个节点一之间无需添加定点监测装置；
10、若d＞d，则进一步判断相邻两个节点一之间的管道是否具有弯折处，若相邻两个节点一之间的管道无弯折，则计算相邻两个节点一之间需安装m个定点监测装置，其计算公式为：，并将m个定点监测装置等距安装在相邻两个节点一之间；
11、若相邻两个节点一之间的管道具有弯折处，则将该弯折处标记为节点二，计算节点二到相邻两个节点一之间路径长度和，若，则在节点二处设置定点监测装置；若，则比较与的路径长度，将其中路径长度大于另一条路径长度所对应的节点一作为终点，在距离终点的位置处设置定点监测装置。
12、进一步的，其中所述定点监测装置用于监测管道的变化数据，得到管道监测数据的过程为：
13、设定定点监测装置的监测时间，根据监测时间按时对管道进行监测，监测管道传输的液体种类、流速、压力、形变力、被腐蚀性、结垢程度、温度、湿度数据，形成管道监测数据；
14、其中监测时间包括自动监测时间和人工检测时间，所述自动监测时间为设定定点监测装置的监测频率，使其自动对管道进行定时监测；所述人工检测时间为设定人工检测的时间点，达到人工检测时间时，工人对管道进行全面检测。
15、进一步的，其中对管道进行区域划分的过程为：
16、在三维坐标系中模拟管道铺设后的三维模型，将同一深度的管道划分为同一片区，将同一片区中贯通且形成同一条流动路径的管道标记为同一组别，将同一组别中的管道根据使用寿命时长分割为若干段管段；将一段管段标记为一个区域，从管道的端部开始，依次将若干段管道标记为若干个区域，完成对管道进行区域划分。
17、进一步的，其中初始设定每个区域的监测数据阈值包括：
18、为每个区域设定一个初始的监测数据阈值，其中监测数据阈值包括流速阈值、压力阈值、形变力阈值、被腐蚀性阈值、结垢程度阈值、温度阈值、湿度阈值；
19、当监测管道数据达到对应的数据类型的监测数据阈值时，发出报警信号。
20、进一步的，其中输出管道的健康状态评估结果的过程为：
21、将监测得到的液体种类、流速、压力、形变力、被腐蚀性、结垢程度、温度、湿度数据作为训练集，输入到深度学习模型中，输出管道的健康状态评估结果，所述健康状态评估结果包括差、一般、良好、很好。
22、进一步的，其中将管道监测数据中的重点特征数据提取的过程为：
23、将管道监测数据根据数据类型划分为多个数据集，所述数据类型包括液体种类数据、流速数据、压力数据、形变力数据、被腐蚀性数据、结垢程度数据、温度数据和湿度数据，提取历史管道监测数据，将每个数据集中的数据形成对应的拟合方程f（x），将发生泄漏事件前的时间段作为标记时间段，计算标记时间段内各个拟合方程f（x）的斜率k，提取斜率k大于阈值k阈的数据集所对应的数据类型，将其作为重点特征数据。
24、进一步的，其中结合历史数据库中记录的泄漏事件中重点特征数据出现的次数计算比例因子的过程为：
25、获取历史数据库中出现泄漏事件的总次数n，提取每次泄漏事件中泄露管道的管道监测数据，并计算出其中的重点特征数据，将同一数据类型的重点特征数据提取，得到同一类型的重点特征数据出现的次数n，计算比例因子，计算公式为：，其中c为常数。
26、进一步的，所述特征因素包括片区因素、组别因素、温度因素、湿度因素和管段的使用寿命因素，将提取到的特征因素输入学习模型中，输出其他区域与泄漏区域之间的相似度，设置相似度阈值，将＞所对应的区域标记为相似区域；
27、将相似区域中与重点特征数据相对应的初始监测数据阈值提取，设为，获取该重点特征数据所对应的比例因子，计算相似区域中该重点特征数据相对应新的监测数据阈值，其计算公式为：，其中k为常数；计算后新的监测数据阈值调节为相似区域中对应的监测数据阈值。
28、基于多模态数据分析压力管道健康状态评估系统，应用于基于多模态数据分析压力管道健康状态评估方法，包括：
29、监测装置布局模块，所述监测装置布局模块根据管道铺设的线路信息，计算管道上各个定点监测装置的安装分布位置，将定点监测装置安装在管道的对应位置上，用本文档来自技高网...
【技术保护点】
1.基于多模态数据分析压力管道健康状态评估方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中根据路线信息计算管道上定点监测装置安装位置的分布的过程为：
3.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中所述定点监测装置用于监测管道的变化数据，得到管道监测数据的过程为：
4.根据权利要求3所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中对管道进行区域划分的过程为：
5.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中初始设定每个区域的监测数据阈值包括：
6.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中输出管道的健康状态评估结果的过程为：
7.根据权利要求5所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中将管道监测数据中的重点特征数据提取的过程为：
8.根据权利要求7所述的基于多模态数据分析压力管道健康状态
9.根据权利要求8所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，所述特征因素包括片区因素、组别因素、温度因素、湿度因素和管段的使用寿命因素，将提取到的特征因素输入学习模型中，输出其他区域与泄漏区域之间的相似度，设置相似度阈值，将＞所对应的区域标记为相似区域；
10.基于多模态数据分析压力管道健康状态评估系统，应用于权利要求1-9任意一项所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，包括：
...【技术特征摘要】
1.基于多模态数据分析压力管道健康状态评估方法，其特征在于，包括：
2.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中根据路线信息计算管道上定点监测装置安装位置的分布的过程为：
3.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中所述定点监测装置用于监测管道的变化数据，得到管道监测数据的过程为：
4.根据权利要求3所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中对管道进行区域划分的过程为：
5.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中初始设定每个区域的监测数据阈值包括：
6.根据权利要求1所述的基于多模态数据分析压力管道健康状态评估方法，其特征在于，其中输出管道的健康状态评估结果的...
【专利技术属性】
技术研发人员：徐永辉，李允恒，
申请(专利权)人：江苏星辉新能源科技有限公司，
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。