[发明专利]基于随机森林模型的供水管道状态监测方法有效
| 申请号: | 202210061890.1 | 申请日: | 2022-01-19 |
| 公开(公告)号: | CN114370612B | 公开(公告)日: | 2022-10-14 |
| 发明(设计)人: | 汪书培;王敬玉;丁增辉 | 申请(专利权)人: | 安徽欧泰祺智慧水务科技有限公司 |
| 主分类号: | F17D5/06 | 分类号: | F17D5/06 |
| 代理公司: | 合肥正则元起专利代理事务所(普通合伙) 34160 | 代理人: | 李浩宇 |
| 地址: | 247100 安徽省池州市*** | 国省代码: | 安徽;34 |
| 权利要求书: | 查看更多 | 说明书: | 查看更多 |
| 摘要: | |||
| 搜索关键词: | 基于 随机 森林 模型 供水 管道 状态 监测 方法 | ||
1.基于随机森林模型的供水管道状态监测方法,其特征在于,具体方法包括:
步骤一:获取管道分布图,根据获取的管道分布图设置若干个管道检测点;
步骤二:设置采集时间段,在采集时间段内通过管道检测点实时采集管道信息;管道信息包括管道压力、管道振动加速度、管道环境温度和湿度;
设置采集时间段的方法包括:
步骤SA1:设置初始段;
设置初始段的方法包括:
根据管道分布图获取管网上方的道路分布图,获取道路分布图中各条道路前N天各时段的车流量信息,建立单位模型,将获取的前N天各时段的车流量信息输入到单位模型中,获得单位时间跨度,根据单位时间跨度将一天的时间划分为n份,n为正整数,计算每个单位时间跨度内的车流量,标记为Pi,i=1、2、……、n,设置允许车流量K,从n个单位时间跨度中任选一个PiK的单位时间跨度作为初始段;
步骤SA2:获取初始段相邻的两个单位时间跨度内Pi的较小值,将对应的单位时间跨度标记为待合并段,计算初始段与待合并段合并后的车流量L,当LK时,完成初始段与待合并段的合并,获得新的初始段;反之不进行合并,重新在剩余的单位时间跨度中任选一个PiK的单位时间跨度作为新的初始段;
步骤SA3:循环步骤SA2,直到所有的单位时间跨度均参与过与初始段的合并计算;
步骤SA4:获得若干个合并后的初始段,标记为待选段,设置最短采集时间,将待选段时间跨度大于最短采集时间的标记为采集时间段;
步骤三:对采集的管道振动加速度进行快速傅里叶变换,获得管道振动频谱,提取管道振动频谱中的频域特征,频域特征包括基波幅值、三次谐波幅值、频谱平均值、频谱标准差;
步骤四:建立随机森林模型,将管道压力、频域特征、管道环境温度和湿度整合为森林输入数据,将森林输入数据输入到随机森林模型中,获得对应的供水管网状况。
2.根据权利要求1所述的基于随机森林模型的供水管道状态监测方法,其特征在于,供水管网状况包括正常无漏损、存在漏损风险或轻微漏损、低漏损、中度漏损和严重漏损。
3.根据权利要求1所述的基于随机森林模型的供水管道状态监测方法,其特征在于,根据获取的管道分布图设置若干个管道检测点的方法包括:
识别管道分布图中各个管道的长度、尺寸和材质信息,建立管道检测点匹配表,将识别的管道尺寸和材质信息输入到管道检测点匹配表中进行匹配获得对应的检测装置;
获取当前管网中具备设置检测装置的管道区域,标记为安装区域,将安装区域标记在管道分布图中,获取检测装置的最佳检测范围区间,根据管道分布图中各个安装区域位置和检测装置的最佳检测范围区间确定检测装置的安装位置,将安装位置标记为管道检测点。
4.根据权利要求3所述的基于随机森林模型的供水管道状态监测方法,其特征在于,建立管道检测点匹配表的方法包括:
获取具有的检测装置,采集各个检测装置适用的管道类型,标记为目标分类,获取管网中存在的管道尺寸和材质,根据获取的管道尺寸和材质与目标分类进行匹配,将管道打上对应的目标分类标签,将管道尺寸、材质和对应的目标分类标签整合到统计表中,将统计表标记为管道检测点匹配表。
5.根据权利要求1所述的基于随机森林模型的供水管道状态监测方法,其特征在于,对转换的管道振动频谱进行修正,具体修正方法包括:
获取各个管道检测点处的管道信息,根据获得的管道信息设置模拟装置,当管道检测点开始采集管道振动加速度时,生成修正信号,将修正信号发送给模拟装置,当模拟装置接收到修正信号时,检测自身产生的模拟振动加速度,对检测的模拟振动加速度进行快速傅里叶变换,获得模拟振动频谱,建立修正模型,获取对应时间管道检测点采集的管道振动频谱,将管道振动频谱和对应的模拟振动频谱输入到修正模型中,获得对应的修正管道振动频谱。
6.根据权利要求1所述的基于随机森林模型的供水管道状态监测方法,其特征在于,建立随机森林模型的方法包括:
根据供水管网状况设置5种状态标签,包括01、02、03、04和05,分别对应正常无漏损、存在漏损风险或轻微漏损、低漏损、中度漏损和严重漏损;采集大量的历史森林输入数据,为每组历史森林输入数据匹配对应的供水管网状态标签,将历史森林输入数据和对应的供水管网状态标签整合为训练集和校验集;
基于CNN网络或DNN网络建立初始随机森林模型,通过训练集对初始随机森林模型进行训练,将训练成功后的初始随机森林模型通过校验集进行校验,将校验成功的初始随机森林模型标记为随机森林模型。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽欧泰祺智慧水务科技有限公司,未经安徽欧泰祺智慧水务科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202210061890.1/1.html,转载请声明来源钻瓜专利网。





