一种基于AIOT的智慧管道监管系统及方法与流程

一种基于aiot的智慧管道监管系统及方法
技术领域
1.本发明涉及智慧管道监管技术领域，具体为一种基于aiot的智慧管道监管系统及方法。


背景技术：

2.aiot作为人工智能技术与物联网在实际应用中的落地融合，其能够实现设备和场景间的互联互通，还能实现物-物、人-物、物-人、人-物-服务之间的连接和数据的互通，以及人工智能技术对物联网的赋能进而实现万物之间的相互融合，而随着我国整体经济的快速发展，人们生活水平提高，对于能源的需求越来越多。山区油气长输管道大多都深埋在地下，特点是线路长，通常跨越多个省市，且由于自身的特性，使得其在建设过程中很容易受到各种因素的影响，进而增加管道布置风险，所以加强对山区油气长输管道风险的分析和控制是尤为重要的。
3.因此利用aiot对山区油气长输管道进行监管、控制、巡查成为了一项亟待解决的技术问题，由于山区油气长输管道的特殊性，受制于地域条件，不可避免途径大量崩塌区，即容易出现崩塌坠落物的区域，崩塌坠落物以崩裂岩块和落石为主，坠落物对长输油气管道造成的安全问题日渐突出。
4.崩塌坠落物从高空砸落到地面时，会对埋地的油气管道产生较大的冲击荷载，特别是在高差比较大的地段，崩塌坠落物对埋地的油气管道产生的瞬时冲击力很大，可能导致油气管道瞬间承受的应力超过其安全规定的许用应力，从而引起油气管道或管道连接件变形甚至破裂而失效，引起油气泄漏。油气管道一旦发生泄漏或燃爆，将会对周围人员和公共安全造成重大影响。
5.在专利cn202011122520.1一种崩塌区油气管道抗冲击敷设方法中，提供了一种较为方便且可应用在实际现实的防护方法，但是该防护方法中，由于各防护板均深埋于地下，对于其的状态无法掌握，而不同的崩塌落点和次数很明显会带来不同的影响，因此如何对这一类安装防护板的智慧管道进行监管成为了一个重要问题。


技术实现要素：

6.本发明的目的在于提供一种基于aiot的智慧管道监管系统及方法，以解决上述背景技术中提出的问题。
7.为了解决上述技术问题，本发明提供如下技术方案：一种基于aiot的智慧管道监管方法，该方法包括以下步骤：
8.s1、获取山区油气智能管道区域内的崩塌数据，利用全方位感知模块采集崩塌坠落物形状和与防护板的接触面；
9.s2、构建三维分析模型，对崩塌坠落物与防护板的接触面进行标记分析；
10.s3、构建防护板故障预测模型，生成防护板的预测损坏时间；
11.s4、设置时间阈值，在预测损坏时间超出时间阈值时，生成警示信息，输出至管理
员端口，提醒管理员定点巡查更换。
12.根据上述技术方案，所述山区油气智能管道指穿越在山区的长输油气管道，附带有防护板，所述防护板包括第一防护板、第二防护板；所述山区油气智能管道正下方设置有第一防护板，正上方设置有第二防护板，所述第二防护板与所述第一防护板平行；第一防护板与第二防护板之间利用回填物掩埋，所述回填物包括碎石土或沙土中的任一种。
13.根据上述技术方案，所述三维分析模型包括：
14.利用遥感影像获取山区油气智能管道区域的影像图，输入至三维建模软件；
15.利用arcgis软件，用数据加载工具加载遥感影像中的基础环境数据、崩塌影像数据，对崩塌坠落物与防护板的接触面积进行合成显示。
16.根据上述技术方案，所述构建防护板故障预测模型包括：第一防护板故障预测模型与第二防护板故障预测模型；
17.在崩塌坠落物冲击至第二防护板上时，第二防护板直接承担冲击力，而后将冲击力分散至大面积范围，减小局部冲击；冲击到达第一防护板时，第一防护板向下发生弯曲或形变，减少油气管道破裂的概率；
18.在三维场景下构建模拟打击模型，构建训练集数据，分别建立第一防护板故障预测模型与第二防护板故障预测模型；
19.所述训练集数据记为：{(x1、y1)、(x2、y2)、
…
、(xm、ym)}；
20.其中，x1、x2、
…
、xm代表输入样本空间，在第一防护板故障预测模型中，所述输入样本空间中包括打击次数，y1、y2、
…
、ym代表输出样本空间，所述输出样本空间中包括损坏程度；
21.在第二防护板故障预测模型中，所述输入样本空间中包括打击力度、打击接触面积；y1、y2、
…
、ym代表输出样本空间，所述输出样本空间中包括损坏程度；
22.设置损坏阈值q，选取超出损坏阈值q的输出样本数据进行处理分析；m代表训练集样本数量；
23.构建损失函数l(yi，c)，其中yi代表输出样本空间中的任一值；
24.初始化弱学习器f0(x)：
[0025][0026]
设置损失函数l(yi，c)为平方损失函数，进行求导可得：
[0027][0028]
构建分类回归树数量为n，设置n＝1，2，
…
，n；
[0029]
对i＝1，2，
…
，m，计算第n棵回归树对应的损失函数的负梯度r
(n，i)
：
[0030][0031]
其中，f(x)代表基于前一轮强学习器得出的拟合值；f(xi)代表yi对应的损失函数；
[0032]
利用回归树进一步拟合数据，生成每个叶子节点的最佳拟合值：
[0033][0034]
其中，k
(n，j)
代表最佳拟合值，c1代表损失函数后面加的常数；
[0035]
其中，r
(n，j)
代表在i＝1，2，
…
，m的情况下利用cart回归树拟合数据[xi，r
(n，i)
]，得到第n棵回归树时对应的叶子节点区域，j＝1，2，
…
，jn，jn代表第n棵回归树叶子节点的个数；
[0036]
获取最终的强学习器作为防护板故障预测模型进行输出：
[0037][0038]
其中，fn(x)代表最终的强学习器；i与k
(n，j)
组合，表示本轮的决策树拟合函数；
[0039]
根据不同的输入样本空间，分别输出第一防护板故障预测模型与第二防护板故障预测模型。
[0040]
根据上述技术方案，所述提醒管理员定点巡查更换包括：
[0041]
分别对第一防护板与第二防护板进行网格式区域划分，采集每一次崩塌时的网格区域数据，所述网格区域数据代表该网格区域受到的冲击力度、冲击次数、冲击接触面积；所述冲击力度根据崩塌坠落物的形状与高度进行测算；
[0042]
获取每一次崩塌后，每个网格区域的预测损坏时间，设置时间阈值，在预测损坏时间低于时间阈值的情况下，发出警示信息，管理员获取警示信息对应的网格区域，进行定点巡查更换。
[0043]
一种基于aiot的智慧管道监管系统，该系统包括全方位感知模块、自适应优化模块、综合性预判模块、一体化管控模块；所述全方位感知模块利用物联网构建智慧管道的远程监控，获取山区油气智能管道区域内的崩塌数据，采集崩塌坠落物形状和与防护板的接触面数据；所述自适应优化模块用于构建三维分析模型，对崩塌坠落物与防护板的接触面进行标记，生成智慧管道遭受模拟崩塌时的接触面数据，进一步优化采集数据的展示形式；所述综合性预判模块用于构建防护板故障预测模型，利用人工智能技术对防护板进行性能分析，生成防护板的预测损坏时间；所述一体化管控模块用于设置时间阈值，在预测损坏时间超出时间阈值时，生成警示信息，输出至管理员端口，提醒管理员定点巡查更换；
[0044]
所述全方位感知模块的输出端与所述自适应优化模块的输入端相连接；所述自适应优化模块的输出端与所述综合性预判模块的输入端相连接；所述综合性预判模块的输出端与所述一体化管控模块的输入端相连接。
[0045]
根据上述技术方案，所述全方位感知模块包括物联网监控单元、数据采集单元；
[0046]
所述物联网监控单元用于利用物联网构建智慧管道的远程监控系统，获取山区油气智能管道区域内的崩塌数据，并将数据传输至云端；所述数据采集单元根据云端数据采集崩塌坠落物形状和与防护板的接触面数据，输出至自适应优化模块；
[0047]
所述物联网监控单元的输出端与所述数据采集单元的输入端相连接；所述数据采集单元的输出端与所述自适应优化模块的输入端相连接。
[0048]
根据上述技术方案，所述自适应优化模块包括三维建模单元、标记分析单元；
[0049]
所述三维建模单元用于构建山区油气智能管道区域的三维模型；所述标记分析单元用于构建三维分析模型，对崩塌坠落物与防护板的接触面进行标记，生成智慧管道遭受模拟崩塌时的接触面数据，进一步优化采集数据的展示形式；
[0050]
所述三维建模单元的输出端与所述标记分析单元的输入端相连接；所述标记分析单元的输出端与所述综合性预判模块的输入端相连接。
[0051]
根据上述技术方案，所述综合性预判模块包括模拟打击单元、综合预判单元；
[0052]
所述模拟打击单元用于构建模拟打击模型，根据训练集数据，分别建立第一防护板故障预测模型与第二防护板故障预测模型；所述综合预判单元用于根据人工智能技术对防护板进行性能分析，对第一防护板故障预测模型与第二防护板故障预测模型进行优化，并根据新的防护板故障预测模型，生成防护板的预测损坏时间；
[0053]
所述模拟打击单元的输出端与所述综合预判单元的输入端相连接；所述综合预判单元的输出端与所述一体化管控模块的输入端相连接。
[0054]
根据上述技术方案，所述一体化管控模块包括网格区域划分单元、定点巡查单元；
[0055]
所述网格区域划分单元用于分别对第一防护板与第二防护板进行网格式区域划分，采集每一次崩塌时的网格区域数据，所述网格区域数据代表该网格区域受到的冲击力度、冲击次数、冲击接触面积；所述冲击力度根据崩塌坠落物的形状与高度进行测算，获取每一次崩塌后，每个网格区域的预测损坏时间；所述定点巡查单元用于设置时间阈值，在预测损坏时间低于时间阈值的情况下，发出警示信息，管理员获取警示信息对应的网格区域，进行定点巡查更换。
[0056]
与现有技术相比，本发明所达到的有益效果是：本发明利用全方位感知模块通过物联网构建智慧管道的远程监控，获取山区油气智能管道区域内的崩塌数据，采集崩塌坠落物形状和与防护板的接触面数据；利用自适应优化模块构建三维分析模型，对崩塌坠落物与防护板的接触面进行标记，生成智慧管道遭受模拟崩塌时的接触面数据，进一步优化采集数据的展示形式；利用综合性预判模块构建防护板故障预测模型，利用人工智能技术对防护板进行性能分析，生成防护板的预测损坏时间；利用一体化管控模块设置时间阈值，在预测损坏时间超出时间阈值时，生成警示信息，输出至管理员端口，提醒管理员定点巡查更换；本发明能够对安装有防护板的油气管道进行防护板的损坏时间监管，基于不同的崩塌落点和次数进行预测判断，实现定点巡查，降低工作量，提高管道维护效率。
附图说明
[0057]
附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：
[0058]
图1是本发明一种基于aiot的智慧管道监管系统及方法的流程示意图。
具体实施方式
[0059]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0060]
请参阅图1，在本实施例一中：
[0061]
设置有一山区油气智能管道；
[0062]
该山区油气智能管道底部敷设第一防护板，将油气管道敷设在管沟中，油气管道位于第一防护板正上方；管沟内敷设第二防护板，第二防护板位于回填物正上方，且所述第二防护板与所述第一防护板平行；用碎石土将管沟填平。
[0063]
利用遥感影像获取山区油气智能管道区域的影像图，输入至三维建模软件；
[0064]
利用arcgis软件，用数据加载工具加载遥感影像中的基础环境数据、崩塌影像数据，对崩塌坠落物与防护板的接触面积进行合成显示。
[0065]
在三维场景下构建模拟打击模型，构建训练集数据，分别建立第一防护板故障预测模型与第二防护板故障预测模型；
[0066]
所述训练集数据记为：{(x1、y1)、(x2、y2)、
…
、(xm、ym)}；
[0067]
其中，x1、x2、
…
、xm代表输入样本空间，在第一防护板故障预测模型中，所述输入样本空间中包括打击次数，y1、y2、
…
、ym代表输出样本空间，所述输出样本空间中包括损坏程度；
[0068]
在第二防护板故障预测模型中，所述输入样本空间中包括打击力度、打击接触面积；y1、y2、
…
、ym代表输出样本空间，所述输出样本空间中包括损坏程度；
[0069]
设置损坏阈值q，选取超出损坏阈值q的输出样本数据进行处理分析；m代表训练集样本数量；
[0070]
构建损失函数l(yi，c)，其中yi代表输出样本空间中的任一值；
[0071]
初始化弱学习器f0(x)：
[0072][0073]
设置损失函数l(yi，c)为平方损失函数，进行求导可得：
[0074][0075]
构建分类回归树数量为n，设置n＝1，2，
…
，n；
[0076]
对i＝1，2，
…
，m，计算第n棵回归树对应的损失函数的负梯度r
(n，i)
：
[0077][0078]
其中，f(x)代表基于前一轮强学习器得出的拟合值；f(xi)代表yi对应的损失函数；
[0079]
利用回归树进一步拟合数据，生成每个叶子节点的最佳拟合值：
[0080][0081]
其中，k
(n，j)
代表最佳拟合值，c1代表损失函数后面加的常数；
[0082]
其中，r
(n，j)
代表在i＝1，2，
…
，m的情况下利用cart回归树拟合数据[xi，r
(n，i)
]，得到第n棵回归树时对应的叶子节点区域，j＝1，2，
…
，jn，jn代表第n棵回归树叶子节点的个
数；
[0083]
获取最终的强学习器作为防护板故障预测模型进行输出：
[0084][0085]
其中，fn(x)代表最终的强学习器；i与k
(n，j)
组合，表示本轮的决策树拟合函数；
[0086]
根据不同的输入样本空间，分别输出第一防护板故障预测模型与第二防护板故障预测模型。
[0087]
分别对第一防护板与第二防护板进行网格式区域划分，采集每一次崩塌时的网格区域数据，所述网格区域数据代表该网格区域受到的冲击力度、冲击次数、冲击接触面积；所述冲击力度根据崩塌坠落物的形状与高度进行测算；
[0088]
获取每一次崩塌后，每个网格区域的预测损坏时间，设置时间阈值，在预测损坏时间低于时间阈值的情况下，发出警示信息，管理员获取警示信息对应的网格区域，进行定点巡查更换。
[0089]
在本实施例二中，提供一种基于aiot的智慧管道监管系统，该系统包括全方位感知模块、自适应优化模块、综合性预判模块、一体化管控模块；所述全方位感知模块利用物联网构建智慧管道的远程监控，获取山区油气智能管道区域内的崩塌数据，采集崩塌坠落物形状和与防护板的接触面数据；所述自适应优化模块用于构建三维分析模型，对崩塌坠落物与防护板的接触面进行标记，生成智慧管道遭受模拟崩塌时的接触面数据，进一步优化采集数据的展示形式；所述综合性预判模块用于构建防护板故障预测模型，利用人工智能技术对防护板进行性能分析，生成防护板的预测损坏时间；所述一体化管控模块用于设置时间阈值，在预测损坏时间超出时间阈值时，生成警示信息，输出至管理员端口，提醒管理员定点巡查更换；
[0090]
所述全方位感知模块的输出端与所述自适应优化模块的输入端相连接；所述自适应优化模块的输出端与所述综合性预判模块的输入端相连接；所述综合性预判模块的输出端与所述一体化管控模块的输入端相连接。
[0091]
所述全方位感知模块包括物联网监控单元、数据采集单元；
[0092]
所述物联网监控单元用于利用物联网构建智慧管道的远程监控系统，获取山区油气智能管道区域内的崩塌数据，并将数据传输至云端；所述数据采集单元根据云端数据采集崩塌坠落物形状和与防护板的接触面数据，输出至自适应优化模块；
[0093]
所述物联网监控单元的输出端与所述数据采集单元的输入端相连接；所述数据采集单元的输出端与所述自适应优化模块的输入端相连接。
[0094]
所述自适应优化模块包括三维建模单元、标记分析单元；
[0095]
所述三维建模单元用于构建山区油气智能管道区域的三维模型；所述标记分析单元用于构建三维分析模型，对崩塌坠落物与防护板的接触面进行标记，生成智慧管道遭受模拟崩塌时的接触面数据，进一步优化采集数据的展示形式；
[0096]
所述三维建模单元的输出端与所述标记分析单元的输入端相连接；所述标记分析单元的输出端与所述综合性预判模块的输入端相连接。
[0097]
所述综合性预判模块包括模拟打击单元、综合预判单元；
[0098]
所述模拟打击单元用于构建模拟打击模型，根据训练集数据，分别建立第一防护板故障预测模型与第二防护板故障预测模型；所述综合预判单元用于根据人工智能技术对防护板进行性能分析，对第一防护板故障预测模型与第二防护板故障预测模型进行优化，并根据新的防护板故障预测模型，生成防护板的预测损坏时间；
[0099]
所述模拟打击单元的输出端与所述综合预判单元的输入端相连接；所述综合预判单元的输出端与所述一体化管控模块的输入端相连接。
[0100]
所述一体化管控模块包括网格区域划分单元、定点巡查单元；
[0101]
所述网格区域划分单元用于分别对第一防护板与第二防护板进行网格式区域划分，采集每一次崩塌时的网格区域数据，所述网格区域数据代表该网格区域受到的冲击力度、冲击次数、冲击接触面积；所述冲击力度根据崩塌坠落物的形状与高度进行测算，获取每一次崩塌后，每个网格区域的预测损坏时间；所述定点巡查单元用于设置时间阈值，在预测损坏时间低于时间阈值的情况下，发出警示信息，管理员获取警示信息对应的网格区域，进行定点巡查更换。
[0102]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。
[0103]
最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。