本發明涉及流體管道監測,特別涉及基于ai的油路堵漏預警方法及系統。
背景技術:
1、油路系統在工業生產、交通運輸和機械設備等領域中起著至關重要的作用,在用于降低油溫,保證設備的正常運行的列管式油冷卻器中,由于應力與溫度變化,在長期運行中容易發生油路泄漏問題,進而影響油路運行效率。現有的油路泄漏監測與預警方法多基于冷卻液含油檢測,存在監測效率低、預警能力差、影響生產的技術問題。
技術實現思路
1、本發明提供基于ai的油路堵漏預警方法及系統,以解決現有技術中監測效率低、預警能力差、影響生產的技術問題,實現提高監測效率與早期預警能力、提升油路可靠性的技術效果。
2、第一方面,本發明提供了基于ai的油路堵漏預警方法,其中,所述方法包括:
3、獲取目標油路,沿目標油路的路徑方向,布設監測感知網絡,其中,所述監測感知網絡包括溫度傳感器、應變傳感器與振動傳感器;基于預設的采集窗口,激活所述監測感知網絡獲取原始傳感數據,其中,所述原始傳感數據包括原始應變信號、原始振動信號及關聯的溫度系列;對所述原始傳感數據進行自適應濾波去噪,獲取去噪傳感數據,并基于所述溫度系列進行所述去噪傳感數據的溫度修正,獲取標準監測數據;獲取油路泄漏樣本,所述油路泄漏樣本包括樣本監測數據、樣本運作時長與樣本泄漏結果;構建神經網絡模型,并以所述油路泄漏樣本為訓練數據進行監督訓練,獲取油路預警模型;輸入所述標準監測數據與目標油路累計運作時長至所述油路預警模型,輸出油路預警結果,所述油路預警結果包括高危位置,預警置信度與臨界時間。
4、第二方面,本發明還提供了基于ai的油路堵漏預警系統,其中,所述系統包括:
5、感知布設模塊,所述感知布設模塊用于獲取目標油路,沿目標油路的路徑方向,布設監測感知網絡,其中,所述監測感知網絡包括溫度傳感器、應變傳感器與振動傳感器。
6、傳感采集模塊,所述傳感采集模塊用于基于預設的采集窗口,激活所述監測感知網絡獲取原始傳感數據,其中,所述原始傳感數據包括原始應變信號、原始振動信號及關聯的溫度系列。
7、數據質量修正模塊,所述數據質量修正模塊用于對所述原始傳感數據進行自適應濾波去噪,獲取去噪傳感數據,并基于所述溫度系列進行所述去噪傳感數據的溫度修正,獲取標準監測數據。
8、樣本獲取模塊,所述樣本獲取模塊用于獲取油路泄漏樣本,所述油路泄漏樣本包括樣本監測數據、樣本運作時長與樣本泄漏結果。
9、預警模型構建模塊,所述預警模型構建模塊用于構建神經網絡模型,并以所述油路泄漏樣本為訓練數據進行監督訓練,獲取油路預警模型。
10、油路預警模塊,所述油路預警模塊用于輸入所述標準監測數據與目標油路累計運作時長至所述油路預警模型,輸出油路預警結果,所述油路預警結果包括高危位置,預警置信度與臨界時間。
11、本發明公開了基于ai的油路堵漏預警方法及系統,包括:獲取目標油路的詳細信息,并沿油路路徑布設溫度傳感器、應變傳感器和振動傳感器組成的監測感知網絡。基于預設的采集窗口,激活監測感知網絡獲取原始傳感數據,包括原始應變信號、原始振動信號和溫度序列。對原始傳感數據進行自適應濾波去噪處理,以去除噪聲干擾,獲得去噪傳感數據。然后,基于溫度序列對去噪傳感數據進行溫度修正,得到標準監測數據。獲取油路泄漏樣本數據,包括樣本監測數據、樣本運作時長和樣本泄漏結果。利用油路泄漏樣本數據,構建并訓練一個神經網絡模型,生成油路預警模型。將標準監測數據和目標油路的累計運作時長輸入油路預警模型,輸出油路預警結果,結果包括高危位置、預警置信度和臨界時間。本發明公開的基于ai的油路堵漏預警方法及系統解決了監測效率低、預警能力差、影響生產的技術問題,實現了提高監測效率與早期預警能力、提升油路可靠性的技術效果。
1.基于ai的油路堵漏預警方法,其特征在于,所述方法包括:
2.如權利要求1所述的基于ai的油路堵漏預警方法,其特征在于,獲取目標油路,沿目標油路的路徑方向,布設監測感知網絡,包括:
3.如權利要求2所述的基于ai的油路堵漏預警方法,其特征在于,對所述原始傳感數據進行自適應濾波去噪,包括:
4.如權利要求3所述的基于ai的油路堵漏預警方法,其特征在于,基于所述溫度系列進行所述去噪傳感數據的溫度修正,包括:
5.如權利要求4所述的基于ai的油路堵漏預警方法,其特征在于,獲取油路泄漏樣本,包括:
6.如權利要求5所述的基于ai的油路堵漏預警方法,其特征在于,輸出油路預警結果,之后,所述方法還包括:
7.如權利要求2所述的基于ai的油路堵漏預警方法,其特征在于,沿目標油路布設所述溫度傳感器、所述應變傳感器與所述振動傳感器,還包括:
8.基于ai的油路堵漏預警系統,其特征在于,所述系統包括: