基于物联网的公路隧道机电设施状态感知方法及系统与流程

本发明涉及机电设备状态监测，尤其涉及一种基于物联网的公路隧道机电设施状态感知方法及系统。

背景技术：

1、公路隧道内的机电设施包括照明、通风、消防、监控等多个子系统，是保障隧道通行安全的核心基础设施。由于隧道环境封闭、潮湿多尘，机电设施长期处于恶劣运行条件下，容易出现老化、故障等问题，若不能及时发现处置，极易引发交通安全事故。传统的隧道机电设施监测多依赖人工定期巡检与单点独立监测相结合的方式，人工巡检效率低、危险性高，难以覆盖隧道内所有设施点位，且无法实现故障的实时预警；且现有监测系统多为分散式架构，不同厂商的设施监测数据不互通，无法对整个隧道机电系统的运行状态进行全局感知，数据传输延迟高、误差大，故障识别准确率低，难以满足公路隧道智能化运营的需求。同时，现有感知方案对海量监测数据的处理能力不足，无法精准研判设施的潜在故障风险，给隧道运营安全埋下隐患。

技术实现思路

1、本发明的目的是为了解决现有技术中存在难以满足对整个隧道机电系统的运行状态进行全局感知的需求，而提出的一种基于物联网的公路隧道机电设施状态感知方法及系统。

2、为了实现上述目的，本发明采用了如下技术方案：

3、本发明在第一方面提供了一种基于物联网的公路隧道机电设施状态感知方法，包括：

4、获取隧道设备的整体布设信息，并采集隧道设备的多源异构感知数据；

5、对隧道设备的多源异构感知数据进行预处理，获得隧道设备的多变量时间序列数据；

6、对隧道设备的多变量时间序列数据进行无监督特征提取，获得隧道设备的低维高层特征信息；

7、采集不同时序段的隧道设备的多源异构感知数据，构建不同时序下的隧道设备的低维高层特征信息；

8、基于不同时序下的隧道设备的低维高层特征信息，模拟隧道设备的状态演化规律；

9、实时采集隧道设备的多源异构感知数据，并结合隧道设备的状态演化规律，对隧道设备进行健康度评分，获得隧道设备的实时使用状态；

10、基于隧道设备的整体布设信息，构建隧道设备的关系拓扑图结构，并根据隧道设备的健康度评分，对隧道设备进行状态分类，分别获得每一隧道设备的当前状态等级；

11、根据隧道设备的关系拓扑图结构，并结合隧道设备的状态分类结果，对隧道设备进行状态联动分析，获得隧道设备的异常联动信息；

12、基于隧道设备的异常联动信息，并结合隧道设备的整体布设信息，确定目标隧道的异常状态感知点位。

13、在一种可行的方案中，所述模拟隧道设备的状态演化规律，包括：

14、将不同时序下的低维高层特征信息按时间顺序排列，获得设备状态的时间序列样本集；

15、根据隧道设备的整体布设信息，并结合隧道设备的状态监测需求，构建隧道设备的演变特征提取网络；

16、将设备状态的时间序列样本集输入至隧道设备的演变特征提取网络，捕捉设备状态在不同时间尺度上的演化规律，得到设备状态演化模型；

17、基于设备状态演化模型，并根据当前时刻及历史时刻的低维高层特征信息，预测未来时刻的设备状态特征。

18、在一种可行的方案中，所述隧道设备的演变特征提取网络采用长短期记忆网络；

19、具体的，所述长短期记忆网络通过遗忘门、输入门、输出门和细胞状态进行时序依赖建模，在时间步的更新公式为：

20、，式1；

21、在式1中，为低维高层特征信息在时间步提取的特征向量，为遗忘门在时间步的输出值，为输入门在时间步的输出值，为输出门在时间步的输出值，为细胞状态在时间步的更新值，为细胞状态在时间步的值，为长短期记忆网络在时间步的隐藏状态输出，为长短期记忆网络在时间步的隐藏状态，为遗忘门的权重矩阵、为输入门的权重矩阵、为输出门的权重矩阵、为细胞状态更新门的权重矩阵，为遗忘门的偏置向量、为输入门的偏置向量、为输出门的偏置向量、为细胞更新门的偏置向量，为激活函数，为双曲正切激活函数，表示逐元素相乘。

22、在一种可行的方案中，所述构建隧道设备的关系拓扑图结构，包括：

23、将隧道内各机电设备定义为图，其中节点集合中每个节点代表一个机电设备，为机电设备总数，边集合表示设备间的关联关系；

24、此时，设隧道内各机电设备的邻接矩阵为：

25、，式2；

26、，式3；

27、在式2和式3中，为设备关系拓扑图中节点与节点之间的综合邻接权重值，为节点与节点之间空间距离关系，为节点与节点之间设备间距，为带宽参数，为节点与节点之间功能耦合关系，为节点与节点之间电气拓扑关系，为空间距离关系的权重系数，为功能耦合关系的权重系数、为电气拓扑关系的权重系数。

28、在一种可行的方案中，所述确定目标隧道的异常状态感知点位，包括：

29、获得每一隧道设备的健康度评分，并进行等级划分，获得每一隧道设备的当前状态等级；

30、基于隧道设备的关系拓扑图结构，提取至少一条设备联动链路；

31、对每一设备联动链路进行全链采集多源异构感知数据，获得每一设备联动链路的联动执行信息；

32、对每一设备联动链路的联动执行信息进行异常分析，获得隧道设备的异常联动链路，并分别确定当前异常联动链路中任一设备的执行状态特征；

33、根据当前设备联动链路中任一设备的执行状态特征，并结合每一隧道设备的当前状态等级和隧道设备的整体布设信息，确定目标隧道的异常状态感知点位。

34、在一种可行的方案中，所述对每一设备联动链路的联动执行信息进行异常分析，包括：

35、获取任一设备联动链路中各机电设备的低维高层特征信息、健康度评分及当前状态等级作为节点初始特征，构建链路特征矩阵；

36、采用图卷积网络对当前设备联动链路中各节点进行多阶邻域特征聚合，分别提取当前设备联动链路中各节点的异常联动特征；

37、基于当前设备联动链路中各节点的异常联动特征，输出当前设备联动链路的异常概率值，并确定当前设备联动链路中每一设备的执行状态偏离度。

38、具体的，采用图卷积网络对所述设备联动链路中各节点进行多阶邻域特征聚合，所述图卷积网络的层间传播规则为：

39、，式4；

40、在式4中，为第层图卷积网络的节点特征矩阵，需要说明的是，为每一行对应一个节点的特征向量，为图卷积网络的层索引，为添加自环的邻接矩阵，为设备关系拓扑图的综合邻接矩阵，其对角线元素为1，非对角线元素为0，用于添加自环，为单位矩阵；为的度矩阵，其对角线元素，为带自环的邻接矩阵中第行、第列的具体权重数值，当为非对角线元素时则为0；为第层节点特征矩阵，；为第层可训练的权重矩阵，，第层节点特征向量的维度，第层节点特征向量的维度，为表明该矩阵是一个 行、列的实数矩阵，其每一行对应一个设备节点，每一列对应一个特征维度，为该权重矩阵是一个行、列的实数矩阵，为非线性激活函数。

41、在一种可行的方案中，所述确定目标隧道的异常状态感知点位，包括：

42、获取每一设备联动链路的异常概率值及该设备联动链路中每一设备的执行状态偏离度；

43、根据每一设备联动链路的异常概率值，对所有设备联动链路进行异常程度排序，将异常概率值超过预设异常阈值的设备联动链路标记为异常联动链路；

44、针对每一异常联动链路，提取该异常联动链路中各节点的执行状态偏离度，并识别执行状态偏离度最大的节点作为该异常联动链路的异常源节点；

45、基于隧道设备的关系拓扑图结构，以所述异常源节点为中心，遍历所述异常源节点的多阶邻域节点，逐阶获取各邻域节点的当前状态等级和执行状态偏离度；

46、根据各邻域节点的当前状态等级和执行状态偏离度，结合隧道设备的整体布设信息中的设备空间位置坐标，确定异常状态的影响范围边界；

47、将所述异常源节点的空间位置坐标及其影响范围边界内的全部节点位置确定为异常状态感知点位，输出所述异常状态感知点位的设备标识、空间位置坐标及对应的异常联动链路信息。

48、具体的，所述确定异常状态的影响范围边界，包括：

49、以异常源节点为中心节点，设定初始搜索半径，以所述初始搜索半径确定初始影响范围，获取该初始影响范围内所有邻域节点的当前状态等级；

50、当初始影响范围内存在当前状态等级为“严重”或“注意”的邻域节点时，将搜索半径扩大至当前搜索半径，继续获取扩大后影响范围内新增邻域节点的当前状态等级；

51、若获取扩大后影响范围内新增邻域节点的当前状态等级为“严重”或“注意”的邻域节点时，继续扩大搜索半径直至当前影响范围内所有新增邻域节点的当前状态等级均为“优良”或“合格”时停止扩大；

52、将停止扩大时的搜索半径所确定的影响范围边界作为异常状态的影响范围边界。

53、本发明在第二方面还提供了一种基于物联网的公路隧道机电设施状态感知系统，采用了如第一方面中任一项所述的一种基于物联网的公路隧道机电设施状态感知方法，还包括：

54、数据采集模块，所述数据采集模块用于获取隧道设备的整体布设信息，完成隧道设备多源异构感知数据的采集工作；

55、数据预处理模块，所述数据预处理模块用于对采集到的多源异构感知数据进行格式统一与清洗，输出隧道设备的多变量时间序列数据；

56、特征提取模块，所述特征提取模块用于对多变量时间序列数据进行无监督特征提取，得到隧道设备的低维高层特征信息，并按采集时序完成不同时段特征信息的整理；

57、健康评分模块，所述健康评分模块用于基于实时采集的感知数据结合训练得到的状态演化模型，对隧道设备完成健康度评分，得到隧道设备的实时使用状态；

58、联动分析模块，所述联动分析模块用于基于隧道设备的关系拓扑图结构与状态分类结果，完成设备状态联动分析，输出隧道设备的异常联动信息；

59、异常定位模块，所述异常定位模块用于结合异常联动信息与隧道设备整体布设信息，最终确定目标隧道内的异常状态感知点位。

60、本发明的有益效果为：

61、本发明通过物联网采集网络实现隧道全区域机电设施运行数据的多源异构感知，依托长短期记忆网络捕捉设备状态时序演化规律，进一步结合图卷积网络挖掘设备间的联动异常特征，最终实现异常点位的精准定位，相较于传统监测方式能够有效提升异常感知的响应速度与定位精度，可为公路隧道机电系统的智能化运维提供可靠支撑。即有效的实现满足对整个隧道机电系统的运行状态进行全局感知的需求。