CN114963030A - 一种供水管道监测方法 - Google Patents
一种供水管道监测方法 Download PDFInfo
- Publication number
- CN114963030A CN114963030A CN202210700812.1A CN202210700812A CN114963030A CN 114963030 A CN114963030 A CN 114963030A CN 202210700812 A CN202210700812 A CN 202210700812A CN 114963030 A CN114963030 A CN 114963030A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- signal
- wavelet
- leakage
- optical cable
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 30
- 238000000034 method Methods 0.000 title claims abstract description 23
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 20
- 230000003287 optical effect Effects 0.000 claims abstract description 43
- 230000008859 change Effects 0.000 claims abstract description 12
- 230000009286 beneficial effect Effects 0.000 claims abstract description 5
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 239000012530 fluid Substances 0.000 claims abstract description 4
- 230000006870 function Effects 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 18
- 238000000354 decomposition reaction Methods 0.000 claims description 9
- 238000007635 classification algorithm Methods 0.000 claims description 8
- 238000012216 screening Methods 0.000 claims description 8
- 238000001914 filtration Methods 0.000 claims description 6
- 239000003292 glue Substances 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 6
- 230000008569 process Effects 0.000 claims description 6
- 238000013519 translation Methods 0.000 claims description 6
- 238000004804 winding Methods 0.000 claims description 6
- 230000004044 response Effects 0.000 claims description 5
- 230000000717 retained effect Effects 0.000 claims description 5
- 239000011159 matrix material Substances 0.000 claims description 3
- 230000035772 mutation Effects 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 238000010183 spectrum analysis Methods 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000000605 extraction Methods 0.000 claims description 2
- 229910001018 Cast iron Inorganic materials 0.000 description 6
- 229920003023 plastic Polymers 0.000 description 6
- 239000004033 plastic Substances 0.000 description 6
- 238000012706 support-vector machine Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 229910052751 metal Inorganic materials 0.000 description 2
- 239000002184 metal Substances 0.000 description 2
- 239000004576 sand Substances 0.000 description 2
- 241000894006 Bacteria Species 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000003750 conditioning effect Effects 0.000 description 1
- 229910052802 copper Inorganic materials 0.000 description 1
- 239000010949 copper Substances 0.000 description 1
- 238000005034 decoration Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 210000003298 dental enamel Anatomy 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- JEIPFZHSYJVQDO-UHFFFAOYSA-N iron(III) oxide Inorganic materials O=[Fe]O[Fe]=O JEIPFZHSYJVQDO-UHFFFAOYSA-N 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 229920001155 polypropylene Polymers 0.000 description 1
- 229910001220 stainless steel Inorganic materials 0.000 description 1
- 239000010935 stainless steel Substances 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
- F17D5/06—Preventing, monitoring, or locating loss using electric or acoustic means
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A20/00—Water conservation; Efficient water supply; Efficient water use
- Y02A20/15—Leakage reduction or detection in water storage or distribution
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Acoustics & Sound (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明公开了一种供水管道监测方法。它具体包括如下步骤:传感光缆布置在管道上,信号采集主机布置在机房内,管道上的传感光缆通过线缆连接至信号采集主机;当管道上发生泄露事件,因管内外压强差,管内流体与泄露孔摩擦产生泄露声波,声波经管体介质传递至传感监测光缆,改变传感监测光缆内光信号状态;信号采集主机采集检测光缆中的光信号,通过信号分析处理软件分析光信号的状态变化和对应的事件模型比对,判断是否有泄露事件;当信号采集主机检测到泄露信息,事件信息上传至云端服务器,用户通过客户端访问云端服务器信息,可查看监测现场事件信息。本发明的有益效果是:得到实时泄露事件报警,判断检测管道泄露事件情况。
Description
技术领域
本发明涉及管道检测相关技术领域,尤其是指一种供水管道监测方法。
背景技术
水管是供水的管道,现代装修水管都是采用埋墙式施工,水管的分类有三种,第一类是金属管,如内搪塑料的热镀铸铁管、铜管、不锈钢管等。第二类是塑复金属管,如钢塑复合管,铝塑复合管等。第三类是塑料管,如PB管、PP-R管等。过去,用于供水的管道主要是铸铁管。室外主要用砂模铸铁管,室内用的是镀锌铸铁管。但是由于使用几年之后容易产生大量锈垢,滋生细菌,严重危害人体的健康。国家已规定在2000年6月1日起淘汰砂模铸造管件和冷镀锌铸铁管,逐步限制热镀铸铁管的使用,推广使用铝塑复合管、新型塑料管等。
而现有的供水管道监测并不能做到实时的监测,往往都是在发生了事故之后再进行操作,而这个时间上的之后往往会造成较大的损失。
发明内容
本发明是为了克服现有技术中存在上述的不足,提供了一种能够实时监测报警的供水管道监测方法。
为了实现上述目的,本发明采用以下技术方案:
一种供水管道监测方法,具体包括如下步骤:
(1)传感光缆布置在管道上,信号采集主机布置在机房内,管道上的传感光缆通过线缆连接至信号采集主机;
(2)当管道上发生泄露事件,因管内外压强差,管内流体与泄露孔摩擦产生泄露声波,声波经管体介质传递至传感监测光缆,改变传感监测光缆内光信号状态;
(3)信号采集主机采集检测光缆中的光信号,通过信号分析处理软件分析光信号的状态变化和对应的事件模型比对,判断是否有泄露事件;
(4)当信号采集主机检测到泄露信息,事件信息上传至云端服务器,用户通过客户端访问云端服务器信息,可查看监测现场事件信息。
该供水管道监测方法由硬件***和软件***组成,硬件***分为:传感监测光缆、信号采集主机;软件***组成为信号分析处理软件、展示客户端;软件***针对硬件***采集传输回来的数据通过信号分析处理软件进行信号处理后,得到分类的特性信号后可与历史实际的泄露事件特征信号做比对,得到实时的泄露事件报警,判断检测管道泄露事件情况,同时也能定位到泄露事件在管道内的具***置(展示客户端)。
作为优选,在步骤(1)中,管道上传感光缆的布置方式如下:传感光缆通过缠绕的方式布置在管道上,缠绕后在传感光缆上刷固定胶固定,固定胶全覆盖传感光缆的同时并固定在管道的外侧壁上。
作为优选,在步骤(3)中,信号分析处理软件针对采集传输回来的数据进行处理后,判断检测管道泄露事件情况,同时也能定位到泄露事件在管道内的具***置,具体处理步骤如下:
(31)信号预处理:考虑***激光器频率漂移因素,信号会产生缓慢畸变,为去除这种变化趋势项,在采集信号预先使用滤波处理;
(32)噪声筛除:对信号与噪声的小波域系数做阈值处理,实现有用信号与噪声在频带上相互叠加情况下的去噪;
(33)泄露事件筛选:经过之前处理的信号,作为输入按事件与位置参量进行特征的提取,提取之后作为分类算法的输入,进行事件的识别和筛选并给出最终的输出结果。
作为优选,在步骤(31)中,滤波处理的公式如下:
此处使用的滤波器为有限长脉冲响应滤波器,Hpre(z)是滤波器传递函数,Npre是滤波器阶数,apre(k)是第k阶的系数;
此种应用具体为H(z)=1-z-2,通过此滤波器将采集的信号低频部分抑制,有利于去除缓变干扰,使信号变平,维持信号在整个频谱的信噪比一致,以便于对信号进行进一步的频谱分析。
作为优选,在步骤(32)中,具体为:通过设定一个阔值,对小波系数进行界定,保留大于该阀值的小波系数其主要成分作为有效信号,去除小于该阔值的小波系数其主要成分,视为噪声信号;操作方法如下:包含噪声的信号f(t)由有用信号s(t)及噪声信号n(t)组成,对f(t)连续做小波分解后,s(t)所对应的各尺度小波系数Cj,k起伏较明显,在某些位置有较大的值,对应于原始信号s(t)的突变位置,包含了信号的变化信息;对于噪声信号n(t),其所对应的小波系数Cj,k在各分解尺度的分布是比较均匀的,并随着分解的进行,各层小波系数Cj,k的幅值有变小的趋势;根据有用信号及噪声信号各自小波系数的不同分布特点,设置一个阈值Th,当Cj,k<Th时,认为这时的Cj,k主要对应着噪声信号,对其进行阈值处理;当Cj,k>Th时,认为这时的Cj,k主要对应着有用信号,则把这一部分的Cj,k保留下来;最后利用已经过阈值处理的小波系数及保留下来的那部分小波系数进行重构就可得到去除噪声的信号;
其中,小波基函数如下:
式中,a为伸缩因子,表示对母小波函数在时间轴上的伸缩,a>1表示伸展,a<1表示收缩,b为平移因子,表示对母小波函数中心位置的左右平移;t为时间变量;
任意平方可积函数f(t)的连续小波变换公式如下:
Wf(a,b)为函数f(t)连续小波变换,R是实数域,ψa,b(t)表示母小波函数ψ(t)经a,b调节过后产生的小波基函数,ψ*表示复共轭运算。
作为优选,在步骤(33)中,分类算法具体为:给定一个样本集,集合中的样本分别属于两类样本,训练一个SVM分类器即寻找一个超平面,最大限度分离两类样本,使得最大数量的同一类样本被分在超平面的同一侧,同时最大化两个类与这个超平面之间的距离;通过输入特征数据将分类问题转化为求解下式所示的优化问题:
其中,w是以向量或矩阵形式输入的特征数据;ζi为松弛因子,描述的是对个别偏离平面的样本的接受程度;C为惩罚系数,用来描述对分类错误的容忍程度;yi表示类别标签,二分类情况下取值通常为±1,xi表示输入数据向量,ω和b分别为超平面的法向量和截距;得到分类的特性信号后与历史实际的泄露事件特征信号做比对,得到实时的泄露事件报警。
本发明的有益效果是:针对采集传输回来的数据通过信号分析处理软件进行信号处理后,得到分类的特性信号后可与历史实际的泄露事件特征信号做比对,得到实时的泄露事件报警,判断检测管道泄露事件情况,同时也能定位到泄露事件在管道内的具***置。
附图说明
图1是本发明的方法架构图;
图2是本发明中管道光缆布置示意图;
图3是本发明中滤波器的幅频响应曲线图;
图4是本发明中分类算法示意图。
具体实施方式
下面结合附图和具体实施方式对本发明做进一步的描述。
如图1所述的实施例中,一种供水管道监测方法,具体包括如下步骤:
(1)传感光缆布置在管道上,信号采集主机布置在机房内,管道上的传感光缆通过线缆连接至信号采集主机;
如图2所示,管道上传感光缆的布置方式如下:传感光缆通过缠绕的方式布置在管道上,缠绕后在传感光缆上刷固定胶固定,固定胶全覆盖传感光缆的同时并固定在管道的外侧壁上。
(2)当管道上发生泄露事件,因管内外压强差,管内流体与泄露孔摩擦产生泄露声波,声波经管体介质传递至传感监测光缆,改变传感监测光缆内光信号状态;
(3)信号采集主机采集检测光缆中的光信号,通过信号分析处理软件分析光信号的状态变化和对应的事件模型比对,判断是否有泄露事件;信号分析处理软件针对采集传输回来的数据进行处理后,判断检测管道泄露事件情况,同时也能定位到泄露事件在管道内的具***置,具体处理步骤如下:
(31)信号预处理:考虑***激光器频率漂移因素,信号会产生缓慢畸变,为去除这种变化趋势项,在采集信号预先使用滤波处理;滤波处理的公式如下:
此处使用的滤波器为有限长脉冲响应滤波器,Hpre(z)是滤波器传递函数,Npre是滤波器阶数,apre(k)是第k阶的系数;
此种应用具体为H(z)=1-z-2,其幅频响应曲线如图3所示。通过此滤波器将采集的信号低频部分抑制,有利于去除缓变干扰,使信号变平,维持信号在整个频谱的信噪比一致,以便于对信号进行进一步的频谱分析。
(32)噪声筛除:对信号与噪声的小波域系数做阈值处理,实现有用信号与噪声在频带上相互叠加情况下的去噪;其主要思想是:有效信号和噪声信号在进行小波变换后具有不同的统计特性,通常来讲,有效信号的能量对应各尺度中幅值比较大的小波系数,且各尺度中分布与信号本身的特性有关;而噪声的小波系数在各尺度中的分布较为平均且幅值较小。
具体为:通过设定一个阔值,对小波系数进行界定,保留大于该阀值的小波系数其主要成分作为有效信号,去除小于该阔值的小波系数其主要成分,视为噪声信号;操作方法如下:包含噪声的信号f(t)由有用信号s(t)及噪声信号n(t)组成,对f(t)连续做小波分解后,s(t)所对应的各尺度小波系数Cj,k起伏较明显,在某些位置有较大的值,对应于原始信号s(t)的突变位置,包含了信号的变化信息;对于噪声信号n(t),其所对应的小波系数Cj,k在各分解尺度的分布是比较均匀的,并随着分解的进行,各层小波系数Cj,k的幅值有变小的趋势;根据有用信号及噪声信号各自小波系数的不同分布特点,设置一个阈值Th,当Cj,k<Th时,认为这时的Cj,k主要对应着噪声信号,对其进行阈值处理;当Cj,k>Th时,认为这时的Cj,k主要对应着有用信号,则把这一部分的Cj,k保留下来;最后利用已经过阈值处理的小波系数及保留下来的那部分小波系数进行重构就可得到去除噪声的信号;
其中,小波基函数如下:
式中,a为伸缩因子,表示对母小波函数在时间轴上的伸缩,a>1表示伸展,a<1表示收缩,b为平移因子,表示对母小波函数中心位置的左右平移;t为时间变量;
任意平方可积函数f(t)的连续小波变换公式如下:
Wf(a,b)为函数f(t)连续小波变换,R是实数域,ψa,b(t)表示母小波函数ψ(t)经a,b调节过后产生的小波基函数,ψ*表示复共轭运算。
(33)泄露事件筛选:经过之前处理的信号,作为输入按事件与位置参量进行特征的提取,提取之后作为分类算法的输入,进行事件的识别和筛选并给出最终的输出结果;
分类算法采用传统机器学***面,最大限度分离两类样本,使得最大数量的同一类样本被分在超平面的同一侧,同时最大化两个类与这个超平面之间的距离,通过扩展二分类便可以解决多分类问题。
该算法的核心问题是通过输入特征数据将分类问题转化为求解下式所示的优化问题:
其中,w是以向量或矩阵形式输入的特征数据;ζi为松弛因子,描述的是对个别偏离平面的样本的接受程度;C为惩罚系数,用来描述对分类错误的容忍程度;yi表示类别标签,二分类情况下取值通常为±1,xi表示输入数据向量,ω和b分别为超平面的法向量和截距;得到分类的特性信号后与历史实际的泄露事件特征信号做比对,得到实时的泄露事件报警。
(4)当信号采集主机检测到泄露信息,事件信息上传至云端服务器,用户通过客户端访问云端服务器信息,可查看监测现场事件信息。
软件***针对硬件***采集传输回来的数据通过信号分析处理软件进行信号处理后,得到分类的特性信号后可与历史实际的泄露事件特征信号做比对,得到实时的泄露事件报警,判断检测管道泄露事件情况,同时也能定位到泄露事件在管道内的具***置(展示客户端)。
Claims (6)
1.一种供水管道监测方法,其特征是,具体包括如下步骤:
(1)传感光缆布置在管道上,信号采集主机布置在机房内,管道上的传感光缆通过线缆连接至信号采集主机;
(2)当管道上发生泄露事件,因管内外压强差,管内流体与泄露孔摩擦产生泄露声波,声波经管体介质传递至传感监测光缆,改变传感监测光缆内光信号状态;
(3)信号采集主机采集检测光缆中的光信号,通过信号分析处理软件分析光信号的状态变化和对应的事件模型比对,判断是否有泄露事件;
(4)当信号采集主机检测到泄露信息,事件信息上传至云端服务器,用户通过客户端访问云端服务器信息,可查看监测现场事件信息。
2.根据权利要求1所述的一种供水管道监测方法,其特征是,在步骤(1)中,管道上传感光缆的布置方式如下:传感光缆通过缠绕的方式布置在管道上,缠绕后在传感光缆上刷固定胶固定,固定胶全覆盖传感光缆的同时并固定在管道的外侧壁上。
3.根据权利要求1或2所述的一种供水管道监测方法,其特征是,在步骤(3)中,信号分析处理软件针对采集传输回来的数据进行处理后,判断检测管道泄露事件情况,同时也能定位到泄露事件在管道内的具***置,具体处理步骤如下:
(31)信号预处理:考虑***激光器频率漂移因素,信号会产生缓慢畸变,为去除这种变化趋势项,在采集信号预先使用滤波处理;
(32)噪声筛除:对信号与噪声的小波域系数做阈值处理,实现有用信号与噪声在频带上相互叠加情况下的去噪;
(33)泄露事件筛选:经过之前处理的信号,作为输入按事件与位置参量进行特征的提取,提取之后作为分类算法的输入,进行事件的识别和筛选并给出最终的输出结果。
5.根据权利要求3所述的一种供水管道监测方法,其特征是,在步骤(32)中,具体为:通过设定一个阔值,对小波系数进行界定,保留大于该阀值的小波系数其主要成分作为有效信号,去除小于该阔值的小波系数其主要成分,视为噪声信号;操作方法如下:包含噪声的信号f(t)由有用信号s(t)及噪声信号n(t)组成,对f(t)连续做小波分解后,s(t)所对应的各尺度小波系数Cj,k起伏较明显,在某些位置有较大的值,对应于原始信号s(t)的突变位置,包含了信号的变化信息;对于噪声信号n(t),其所对应的小波系数Cj,k在各分解尺度的分布是比较均匀的,并随着分解的进行,各层小波系数Cj,k的幅值有变小的趋势;根据有用信号及噪声信号各自小波系数的不同分布特点,设置一个阈值Th,当Cj,k<Th时,认为这时的Cj,k主要对应着噪声信号,对其进行阈值处理;当Cj,k>Th时,认为这时的Cj,k主要对应着有用信号,则把这一部分的Cj,k保留下来;最后利用已经过阈值处理的小波系数及保留下来的那部分小波系数进行重构就可得到去除噪声的信号;
其中,小波基函数如下:
式中,a为伸缩因子,表示对母小波函数在时间轴上的伸缩,a>1表示伸展,a<1表示收缩,b为平移因子,表示对母小波函数中心位置的左右平移;t为时间变量;
任意平方可积函数f(t)的连续小波变换公式如下:
Wf(a,b)为函数f(t)连续小波变换,R是实数域,ψa,b(t)表示母小波函数ψ(t)经a,b调节过后产生的小波基函数,ψ*表示复共轭运算。
6.根据权利要求3所述的一种供水管道监测方法,其特征是,在步骤(33)中,分类算法具体为:给定一个样本集,集合中的样本分别属于两类样本,训练一个SVM分类器即寻找一个超平面,最大限度分离两类样本,使得最大数量的同一类样本被分在超平面的同一侧,同时最大化两个类与这个超平面之间的距离;通过输入特征数据将分类问题转化为求解下式所示的优化问题:
其中,w是以向量或矩阵形式输入的特征数据;ζi为松弛因子,描述的是对个别偏离平面的样本的接受程度;C为惩罚系数,用来描述对分类错误的容忍程度;yi表示类别标签,二分类情况下取值通常为±1,xi表示输入数据向量,ω和b分别为超平面的法向量和截距;得到分类的特性信号后与历史实际的泄露事件特征信号做比对,得到实时的泄露事件报警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210700812.1A CN114963030A (zh) | 2022-06-21 | 2022-06-21 | 一种供水管道监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210700812.1A CN114963030A (zh) | 2022-06-21 | 2022-06-21 | 一种供水管道监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114963030A true CN114963030A (zh) | 2022-08-30 |
Family
ID=82964482
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210700812.1A Pending CN114963030A (zh) | 2022-06-21 | 2022-06-21 | 一种供水管道监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114963030A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115507817A (zh) * | 2022-11-22 | 2022-12-23 | 杭州水务数智科技股份有限公司 | 基于分布式光纤传感器的地下管廊管片沉降检测方法 |
CN116805061A (zh) * | 2023-05-10 | 2023-09-26 | 杭州水务数智科技股份有限公司 | 基于光纤传感的泄漏事件判断方法 |
CN117151675A (zh) * | 2023-03-16 | 2023-12-01 | 杭州水务数智科技股份有限公司 | 一种基于视频监控和加密的远程运维方法及*** |
Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551064A (zh) * | 2009-05-22 | 2009-10-07 | 重庆大学 | 供水管道泄漏检测定位的信号处理方法 |
US20140290343A1 (en) * | 2013-03-28 | 2014-10-02 | Exxonmobil Research And Engineering Company | Method and system for detecting a leak in a pipeline |
CN107590516A (zh) * | 2017-09-16 | 2018-01-16 | 电子科技大学 | 基于光纤传感数据挖掘的输气管道泄漏检测识别方法 |
CN110332466A (zh) * | 2019-07-03 | 2019-10-15 | 上海市城市建设设计研究总院(集团)有限公司 | 基于分布式光纤声传感器的供水管道泄漏探测方法 |
CN110410684A (zh) * | 2019-07-04 | 2019-11-05 | 华中科技大学 | 基于声波探测的非侵入分布式光纤管道监测***及方法 |
CN111623249A (zh) * | 2020-05-29 | 2020-09-04 | 承德石油高等专科学校 | 一种感知管道泄漏位置和参数的智能管材 |
CN111911815A (zh) * | 2020-07-06 | 2020-11-10 | 天津精仪精测科技有限公司 | 一种基于光纤干涉仪的输水管道安全预警*** |
CN215262312U (zh) * | 2021-05-31 | 2021-12-21 | 浙江大学 | 多参量多模态高精度管道泄漏监控与定位*** |
KR20220071542A (ko) * | 2020-11-24 | 2022-05-31 | 주식회사 아리안 | 광케이블 내 음파감지를 통한 누수 탐지 시스템 |
CN114576566A (zh) * | 2022-04-28 | 2022-06-03 | 高勘(广州)技术有限公司 | 燃气管道预警方法、装置、设备及存储介质 |
-
2022
- 2022-06-21 CN CN202210700812.1A patent/CN114963030A/zh active Pending
Patent Citations (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101551064A (zh) * | 2009-05-22 | 2009-10-07 | 重庆大学 | 供水管道泄漏检测定位的信号处理方法 |
US20140290343A1 (en) * | 2013-03-28 | 2014-10-02 | Exxonmobil Research And Engineering Company | Method and system for detecting a leak in a pipeline |
CN107590516A (zh) * | 2017-09-16 | 2018-01-16 | 电子科技大学 | 基于光纤传感数据挖掘的输气管道泄漏检测识别方法 |
CN110332466A (zh) * | 2019-07-03 | 2019-10-15 | 上海市城市建设设计研究总院(集团)有限公司 | 基于分布式光纤声传感器的供水管道泄漏探测方法 |
CN110410684A (zh) * | 2019-07-04 | 2019-11-05 | 华中科技大学 | 基于声波探测的非侵入分布式光纤管道监测***及方法 |
CN111623249A (zh) * | 2020-05-29 | 2020-09-04 | 承德石油高等专科学校 | 一种感知管道泄漏位置和参数的智能管材 |
CN111911815A (zh) * | 2020-07-06 | 2020-11-10 | 天津精仪精测科技有限公司 | 一种基于光纤干涉仪的输水管道安全预警*** |
KR20220071542A (ko) * | 2020-11-24 | 2022-05-31 | 주식회사 아리안 | 광케이블 내 음파감지를 통한 누수 탐지 시스템 |
CN215262312U (zh) * | 2021-05-31 | 2021-12-21 | 浙江大学 | 多参量多模态高精度管道泄漏监控与定位*** |
CN114576566A (zh) * | 2022-04-28 | 2022-06-03 | 高勘(广州)技术有限公司 | 燃气管道预警方法、装置、设备及存储介质 |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115507817A (zh) * | 2022-11-22 | 2022-12-23 | 杭州水务数智科技股份有限公司 | 基于分布式光纤传感器的地下管廊管片沉降检测方法 |
CN117151675A (zh) * | 2023-03-16 | 2023-12-01 | 杭州水务数智科技股份有限公司 | 一种基于视频监控和加密的远程运维方法及*** |
CN117151675B (zh) * | 2023-03-16 | 2024-04-09 | 杭州水务数智科技股份有限公司 | 一种基于视频监控和加密的远程运维方法及*** |
CN116805061A (zh) * | 2023-05-10 | 2023-09-26 | 杭州水务数智科技股份有限公司 | 基于光纤传感的泄漏事件判断方法 |
CN116805061B (zh) * | 2023-05-10 | 2024-04-12 | 杭州水务数智科技股份有限公司 | 基于光纤传感的泄漏事件判断方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114963030A (zh) | 一种供水管道监测方法 | |
CN112364779B (zh) | 信号处理与深-浅网络多模型融合的水声目标识别方法 | |
CN108827605B (zh) | 一种基于改进稀疏滤波的机械故障特征自动提取方法 | |
CN108830127B (zh) | 一种基于深度卷积神经网络结构的旋转机械故障特征智能诊断方法 | |
Wang et al. | A new intelligent bearing fault diagnosis method using SDP representation and SE-CNN | |
CN110245608B (zh) | 一种基于半张量积神经网络的水下目标识别方法 | |
CN111933188B (zh) | 一种基于卷积神经网络的声音事件检测方法 | |
CN113707176B (zh) | 一种基于声信号及深度学习技术的变压器故障检测方法 | |
CN112418013A (zh) | 一种小样本下基于元学习的复杂工况轴承故障诊断方法 | |
CN108630209B (zh) | 一种基于特征融合与深度置信网络的海洋生物识别方法 | |
CN108648764B (zh) | 基于雨水敲击声识别的雨量测量***及其测量方法 | |
CN112326210A (zh) | 一种声振信号联合1d-cnn的大型电机故障诊断方法 | |
CN101984340B (zh) | 一种基于人工智能的软性磨粒两相湍流流型识别方法 | |
CN111723701A (zh) | 一种水中目标识别方法 | |
CN109538944B (zh) | 一种管道泄漏检测方法 | |
CN109443717B (zh) | 一种有载分接开关机械故障在线监测方法 | |
CN113076920B (zh) | 一种基于非对称域对抗自适应模型的智能故障诊断方法 | |
CN112686144B (zh) | 一种基于磨音信号的矿石球磨过程负荷识别方法 | |
CN112052712B (zh) | 一种电力设备状态监测与故障识别方法及*** | |
CN115762533A (zh) | 一种鸟鸣声分类识别方法及装置 | |
CN116935892A (zh) | 一种基于音频关键特征动态聚合的工业阀门异常检测方法 | |
CN110458071B (zh) | 一种基于dwt-dfpa-gbdt的光纤振动信号特征提取与分类方法 | |
CN114234061A (zh) | 一种基于神经网络的带压运行供水管道漏水音智能判别方法 | |
CN111508528B (zh) | 基于自然音频统计特性的无参考音频质量评价方法和装置 | |
CN110865375B (zh) | 一种水中目标检测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |