一种取水泵船远程监控系统及方法与流程

本技术涉及取水，尤其涉及一种取水泵船远程监控系统及方法。

背景技术：

1、取水泵船是搭载水泵机组、控制设备与输水管道，可漂浮于江河、湖泊、水库水面的移动式取水构筑物，依靠船体浮力随水位自动升降，搭配锚泊系统定位、柔性管路对接岸上管网，可实现稳定连续的原水抽取输送，广泛应用于市政供水、工业生产、农田灌溉及应急取水等场景。

2、现有取水泵工作时，主要依靠固定功率的泵组持续运转，依靠叶轮旋转产生负压将水体吸入泵体，再经增压后完成输水作业，在长期取水过程中，水体中含有的水草、树枝、泥沙、漂浮杂物极易堆积吸附在取水端口滤网及进水口处，造成取水端口逐步堵塞，导致进水流通面积减小、管路进水阻力持续增大。然而，水泵机组输出功率无法根据进水堵塞工况自适应调节运行参数，当进水受阻时，泵腔及叶轮进口处局部压力会下降至水体饱和汽化压力以下，进而引发水体汽化产生大量气泡，形成水泵汽蚀现象，随着泵组持续运转，气泡会随水流反复冲击叶轮、泵壳内壁，造成金属表面剥蚀磨损、叶轮变形破损，缩短使用寿命。

技术实现思路

1、本技术旨在至少在一定程度上解决上述技术中的技术问题之一。

2、为此，本技术的一个目的在于提出一种取水泵船远程监控系统及方法，能够预测水泵汽蚀临界功率阈值与故障发生率，结合堵塞等级及汽蚀风险制定阶梯式功率调节策略，在保障取水效率的同时，抑制水泵汽蚀现象，避免叶轮空化磨损、机组运行震荡等故障，提升水泵运行稳定性与使用寿命。

3、为达到上述目的，本技术第一方面提出了一种取水泵船远程监控系统，包括数据采集单元：实时采集取水泵船取水端口周边的多维环境参数数据；堵塞状态分析单元：基于所获取的环境信息，分析取水泵船取水端口的实时堵塞状态；深度分析单元：包括数据预处理模块、汽蚀发生预测模块和制定策略模块，其中，数据预处理模块：用于获取数据采集单元输出的原始采集数据，对原始数据进行剔除与清洗，并对清洗后的有效数据进行标准化处理；汽蚀发生预测模块：基于所获取的有效数据，运用粒子群优化长短期记忆网络算法，判断水泵机组的汽蚀临界功率阈值与汽蚀故障发生率；制定策略模块：获取堵塞状态分析单元输出的堵塞状态结果与汽蚀预测结果，制定水泵机组运行功率调节策略。

4、另外，根据本技术上述提出的一种取水泵船远程监控系统还可以具有如下附加的技术特征：

5、具体地，还包括系统管理单元：用于对远程监控系统进行参数设置、运行维护与权限管控。

6、具体地，所述系统管理单元包括：数据安全存储模块：通过加密技术对数据进行加密存储和传输，建立访问控制机制，限制用户对敏感数据的访问，并对数据进行备份，确保在数据丢失或损坏时能够快速恢复；设置模块：用于配置与管理远程监控系统的各种参数，设置系统的控制参数和通知内容。

7、具体地，所述实时采集取水泵船取水端口周边的多维环境参数数据，包括：利用压力传感器采集取水端口周边的水压参数；利用温度传感器采集取水端口周边的水温参数；利用水质检测传感器采集取水端口周边的水质参数；利用杂质监测传感器采集取水端口周边的水体杂质参数；利用机组功率采集仪采集水泵机组的运行功率参数。

8、具体地，所述堵塞状态分析单元包括：特征提取模块：用于接收数据采集单元采集的多维环境参数数据，对所述多维环境参数数据进行滤波、校准、对齐和预处理；量化运算模块：基于所获取的多维环境参数数据，判断取水泵船取水端口的压差变化量、水体杂质单位时间堆积速率和水体浑浊度时序变化系数；判定模块：基于量化运算模块输出的结果，判断不同监测时间节点取水端口的实际堵塞覆盖面积，判定取水端口在不同时刻对应的实时堵塞程度与运行堵塞状态。

9、具体地，所述粒子群优化长短期记忆网络算法的预测步骤包括：s1、获取处理后的多维环境参数数据，结合取水泵船取水端口堵塞状态数据和水泵机组历史运行数据，构建样本数据集，并对所述数据集进行样本划分，得到用于模型训练的训练集、用于模型参数校准的验证集；s2、将训练集输入长短期记忆网络基础模型，利用粒子群算法驱动粒子迭代寻优，实时更新粒子个体最优位置与种群全局最优位置，得到最优超参数组合；s3、利用所述最优超参数组合，重构并固化长短期记忆网络模型结构，得到粒子群优化长短期记忆网络汽蚀故障时序预测模型，将所述验证集输入重构完成的预测模型进行校准；s4、将预处理后的多维环境参数数据输入校准完成的粒子群优化长短期记忆网络汽蚀故障时序预测模型，通过模型自主学习并拟合取水端口堵塞状态、水体多维环境参数与水泵机组运行功率的动态耦合关联关系，判定当前工况下水泵机组发生汽蚀故障的临界功率阈值和水泵机组的汽蚀故障发生概率；s5、对模型输出的汽蚀临界功率阈值及汽蚀故障发生率数据进行校验、异常值剔除及标准化脱敏处理，得到汽蚀预测结果。

10、具体地，所述s2中，粒子群算法迭代寻优的超参数包括粒子种群规模、粒子飞行速度上下限、粒子位置取值区间、个体学习因子、全局学习因子与惯性权重系数。

11、具体地，所述s3中，将所述验证集输入重构完成的预测模型进行校准，包括：将验证集中的多维环境参数数据输入预测模型，获取模型输出的汽蚀预测结果，将预测结果与验证集中对应的实际汽蚀故障数据进行比对，并根据比对结果对模型的参数进行修正。

12、具体地，所述制定水泵机组运行功率调节策略，包括：当取水端口处于轻微堵塞状态，汽蚀故障发生率低于预设安全阈值时，提升机组运行功率；当取水端口处于中度堵塞状态，汽蚀故障发生率处于预警区间时，阶梯式降低机组运行功率；当取水端口处于重度堵塞状态，汽蚀故障发生率高于危险阈值，降低机组运行功率。

13、本技术第二方面实施例提出了一种取水泵船远程监控系统的监控方法，包括以下步骤：步骤一：通过数据采集单元实时采集取水泵船取水端口周边的水质参数、水压参数、水温参数、水体杂质参数及水泵机组运行功率参数；步骤二：对采集到的数据进行滤波、校准、对齐及清洗预处理，基于预处理后的数据，分析取水泵船的取水端口在不同时间对应的堵塞状态。步骤三：通过粒子群优化长短期记忆网络算法构建时序预测模型，利用模型迭代训练与参数校准，拟合取水端口堵塞状态、水体环境参数与水泵机组运行功率的动态耦合关系，判断当前水泵机组的汽蚀临界功率阈值与汽蚀故障发生率；步骤四：接收堵塞状态分析结果与汽蚀预测结果，对应生成水泵机组功率调节策略。步骤五：通过系统管理单元完成全系统运行状态监测、故障自检、权限管控与全流程数据归档存储，实现取水泵船的远程监控。

14、与现有技术相比，本技术具有如下有益效果：本技术的一种取水泵船远程监控系统及方法，通过设置数据采集单元，实时采集水体环境参数与水泵机组运行参数，并结合堵塞状态分析单元对取水端口堵塞程度进行量化判定，确保取水端口堵塞状态识别的准确性，同时，采用粒子群优化长短期记忆网络算法，利用粒子群算法的全局超参数寻优优势，拟合取水端口堵塞工况、水体环境参数与水泵机组汽蚀故障之间的动态耦合关系，实现对水泵汽蚀临界功率阈值及故障发生率的预测，并结合堵塞等级与汽蚀风险进行判定，制定阶梯式机组功率调节策略，在保证取水作业效率的前提下，抑制水泵机组汽蚀现象的发生，避免叶轮空化磨损、机组运行震荡等故障问题，降低人工运维压力与设备故障概率，提高了取水泵船长期取水作业的稳定性与运行效率。

15、本技术附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本技术的实践了解到。