[发明专利]一种瓦斯抽采管网泄漏故障智能检测方法在审
申请号: | 202310190803.7 | 申请日: | 2023-02-24 |
公开(公告)号: | CN116164241A | 公开(公告)日: | 2023-05-26 |
发明(设计)人: | 周爱桃;孙永鑫;王凯;杜昌昂;范席辉;王东旭;安靖宇 | 申请(专利权)人: | 中国矿业大学(北京) |
主分类号: | F17D5/02 | 分类号: | F17D5/02;G06F30/27;G06F30/18;G06F30/28;G06F17/18;G06N3/084;G06N3/126;G06N3/006;G06F113/14;G06F113/08;G06F119/08;G06F119/14 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100083 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 瓦斯 管网 泄漏 故障 智能 检测 方法 | ||
本发明提供一种瓦斯抽采管网泄漏智能检测方法,涉及瓦斯抽采技术领域,包括步骤:基于目标管网绘制拓扑图并构建瓦斯抽采管网工况解算模型;通过在抽采管网不同位置增加气源节点的方法求解获取管网不同泄漏情况下的节点流量、负压数据;利用数学模型及BP神经网络构建由“泄漏管段”到“管段泄漏点”的二级泄漏故障诊断模型,并利用上述步骤求解的管网泄漏工况数据对神经网络模型进行训练;采集抽采管网真实工况数据,利用二级泄漏故障诊断模型进行管段泄漏判识及泄漏定位。本方法解决了传统瓦斯抽采管网泄漏诊断技术中无法对泄漏点进行精确定位的缺陷,代替了人工巡检方法,节约了成本。
技术领域
本发明涉及瓦斯抽采技术领域,特别是涉及一种瓦斯抽采管网泄漏故障智能检测方法。
背景技术
瓦斯抽采是预防矿井瓦斯事故的根本途径。瓦斯抽采管网的泄漏会造成负压损失的增大,瓦斯抽采浓度降低,并带来瓦斯爆炸的风险。因此,如何判断瓦斯抽采管网是否发生泄漏故障,以及如何确定泄漏点位置和严重程度对于提高瓦斯抽采效率具有重要意义。
目前,对于智能化矿井,通常在抽采管道上安装了许多具有数据传输功能的多参测定装置,可以对管网的运行参数进行实时监测,并利用调控装置对其抽采参数进行智能化调节。同时,通过设置阈值的方法可以对管网的泄漏状况进行简单判识,而该方法不能对泄漏点进行定位。
因此,本发明通过对抽采管网进行抽象处理,结合数学模型和BP神经网络方法的优点建立了由“泄漏管段”到“管段泄漏点”的二级泄漏故障检测模型。本发明所述瓦斯抽采管网泄漏故障智能检测方法能够定位泄漏点位置,代替人工巡检,达到降低成本的目的,并具有高效、准确的优点。
发明内容
本发明的目的在于,针对现有技术存在的不足,提供了一种瓦斯抽采管网泄漏故障智能检测方法,以期保障瓦斯抽采管网的正常运行,提高抽采效率。
为实现上述目的,本发明提供了一种瓦斯抽采管网泄漏故障智能检测方法,具体包括以下步骤:
步骤S1:根据目标抽采管网系统布置情况绘制管网拓扑图,基于管网拓扑结构和管段特性参数构建抽采管网工况解算模型;
步骤S2:利用S1所述解算模型计算瓦斯抽采管网正常运行时的流量、负压数据;通过在管网拓扑图中新增气源节点的方法模拟管网泄漏情况,利用抽采管网工况解算模型分别计算管网不同泄漏情况下的节点流量、负压数据;
步骤S3:构建二级泄漏故障检测模型,第一级模型为管段泄漏判识模型,针对管网是否泄漏进行判识,如发生泄漏则输出泄漏管段编号及泄漏程度级别;第二级模型为泄漏定位模型,对泄漏管段上泄漏点位置进行判断;第一级模型为数学模型,第二级模型为BP神经网络模型,神经网络模型所依靠的训练数据为步骤S2所获得的管网不同泄漏情况下的节点流量、负压变化值数据;
步骤S4:采集抽采管网真实运行数据,利用二级泄漏故障检测模型对瓦斯抽采管网的泄漏情况进行判识,如发生泄漏则输出泄漏程度级别及泄漏位置,否则输出管网无泄漏。
进一步的,所述步骤S1中的管网拓扑图可根据具体矿井的采掘工程平面图、巷道布置图、抽放瓦斯管路系统图及抽采管段具体特性参数信息进行绘制。
进一步的,管段与钻孔连接端节点、抽采泵入口端节点和管段连接处节点作为抽采管网工况解算模型和故障诊断所研究的工况节点。
进一步的,管网的特性参数包括管道长度、管径、高差和摩阻系数。
进一步的,构建抽采管网工况解算模型包括根据管网拓扑图建立相应的气体状态方程、节点流量守恒方程、质量流量守恒方程、管道压降方程、抽采泵特性方程、瓦斯钻孔抽采特性方程。
所述步骤S2具体包括以下步骤:
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中国矿业大学(北京),未经中国矿业大学(北京)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/202310190803.7/2.html,转载请声明来源钻瓜专利网。