CN118071158A - 一种基于智能感知和数据融合的智慧水利工程预警*** - Google Patents
一种基于智能感知和数据融合的智慧水利工程预警*** Download PDFInfo
- Publication number
- CN118071158A CN118071158A CN202410479597.6A CN202410479597A CN118071158A CN 118071158 A CN118071158 A CN 118071158A CN 202410479597 A CN202410479597 A CN 202410479597A CN 118071158 A CN118071158 A CN 118071158A
- Authority
- CN
- China
- Prior art keywords
- reservoir
- risk
- early warning
- value
- condition value
- 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.)
- Granted
Links
- 230000004927 fusion Effects 0.000 title claims abstract description 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 27
- 238000000034 method Methods 0.000 claims abstract description 24
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008859 change Effects 0.000 claims abstract description 20
- 230000005856 abnormality Effects 0.000 claims abstract description 17
- 230000008447 perception Effects 0.000 claims abstract description 9
- 238000012544 monitoring process Methods 0.000 claims abstract description 8
- 230000004907 flux Effects 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims description 19
- 230000006855 networking Effects 0.000 claims description 3
- 230000036962 time dependent Effects 0.000 claims 1
- 238000012423 maintenance Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000011418 maintenance treatment Methods 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Landscapes
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种基于智能感知和数据融合的智慧水利工程预警***,属于水利工程预警技术领域,用于获取水库的图像信息以及压力信息;水库监测站,获取水库阀门的水流通量以及水库水位变化信息;数据处理融合模块,对获取的信息进行处理,并进行融合分析,得到水库的风险状况值,根据获取的风险状况值生成预警指令;预警模块,根据获得的预警指令进行相应的报警。本发明通过智能感知和数据融合技术,来获取大坝的裂纹风险等级与压力异常等级,从而判断出水库大坝的风险状况值,并根据风险状况值大小确定紧急程度,以及时的提醒作业人员根据紧急状况进行配备维修设备,安排维修人手,保证大坝的安全性。
Description
技术领域
本发明属于水利工程预警技术领域,具体涉及一种基于智能感知和数据融合的智慧水利工程预警***。
背景技术
智能感知主要是指将物理世界的信号通过各种传感器,如摄像机和麦克风等硬件设备,借助语音识别和图像识别等相关技术,映射到数字世界。而数据融合,是指将来自不同传感器的数据进行整合和分析,以提供更全面、准确和可靠的信息。
水库是一种广泛应用于水利工程建筑物,因此水库的安全显得格外重要,其中对水库大坝进行安全检测一般通过人工每日对水库坝体进行例行检查,或者通过相应的检测仪器对坝体的各项参数进行单独监测,当其监测的某个参数超出阈值就进行报警。上述检测虽然能够对水库安全起到一定的预警作用,但是由于水库安全受到多种参数影响,单独判断容易存在误差;且当检测到预警时,水库的坝体已经受到一定程度的损坏,此时预警去维修处理会存在一定滞后性,这样无法对水库的潜在风险问题进行判断。
发明内容
本发明的目的在于提供一种基于智能感知和数据融合的智慧水利工程预警***,用以解决上述背景技术中所面临的问题。
本发明的目的可以通过以下技术方案实现:
一种基于智能感知和数据融合的智慧水利工程预警***,所述***包括:
水库检测模块,所述水库检测模块包括安装在水库上方的图像获取单元以及等距安装在水库内壁的多个压力感应器,所述图像获取单元用于获取水库的图像信息,所述压力感应器用于获取水库内壁的压力信息;
水库监测站,所述水库监测站用于获取水库阀门的水流通量以及水库水位变化信息;
数据处理融合模块,所述数据处理融合模块用于对获取的信息进行处理,并进行融合分析,得到水库的风险状况值,根据获取的风险状况值生成预警指令;
预警模块,所述预警模块根据获得的预警指令进行相应的报警;
联网控制端,所述联网控制端与水库检测模块、水库监测站、数据处理融合模块以及预警模块连接,用于信息发送以及控制各个模块工作。
进一步地,所述数据处理融合模块获取风险状况值的方法为:
通过公式求出风险状况值/>;
其中,为裂纹风险等级,/>为压力异常等级,/>以及/>为各自的比例系数。
进一步地,所述裂纹风险等级获取的方法为:
获取水库外立面的图像信息,并进行灰度处理,得到灰度图像;
采用边缘识别算法对灰度图像进行特征提取,从而获取水库裂纹的轮廓信息,并获取各个轮廓信息的面积;
通过公式求出水库的裂纹状况值/>;
将获得的裂纹状况值与预设的各种裂纹状况区间进行比对,从而得到当前的裂纹风险等级/>;
其中,n为裂纹的总个数,为检测到的最大裂纹面积,/>为检测到的最小裂纹面积。
进一步地,所述压力异常等级获取的方法为:
获取各个压力感应器的压力值;
通过公式求出压力状况值/>;
将获得的压力状况值与预设的各种压力状况区间进行比对,从而得到当前的压力异常等级/>;
其中,,/>为设置的压力感应器的个数。
进一步地,所述预警指令生成的方法为:
将获得的风险状况值与***预设的风险状况阈值/>进行比较:
当∈/>时,则生成预警指令。
进一步地,所述预警指令包括一级报警指令以及二级报警指令,且二级报警指令的紧急程度要高于一级报警指令的紧急程度;
当∈/>时,生成一级报警指令;
当∈/>时,生成二级报警指令;
其中为***预设的风险状况阈值。
进一步地,所述数据处理融合模块的工作方法还包括:
当不生成报警指令时,在一段检测周期∆W内,获取水库风险状况值随时间变化曲线;
同时在检测周期∆W内获取水位变化随时间变化曲线以及水库阀门的水流通量随时间变化曲线/>;
通过公式求出潜在风险值K;
将获得的潜在风险值K与***预设的风险阈值进行比较:
当K>生成一级报警指令;
其中,以及/>为比例系数,/>为***预设的标准风险状况值随时间变化曲线,为预设的对照水流变化值,/>为预设的对照风险状况值,∆W=/>。
本发明的有益效果:
本发明通过智能感知和数据融合技术,来获取大坝的裂纹风险等级与压力异常等级,并根据大坝裂纹风险等级与压力异常等级状况进行综合分析,从而判断出水库大坝的风险状况值,并根据风险状况值大小确定紧急程度,以及时的提醒作业人员根据紧急状况进行配备维修设备,安排维修人手,来保证大坝的安全性。
本发明通过公式求出潜在风险值,来对大坝存在的潜在风险进行分析,并根据潜在风险情况及时的对大坝进行检测维修保养,这样能够减少大坝的损坏,保证大坝安全。
当然,实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的***框图。
具体实施方式
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作出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
在一个实施例中,公开了一种基于智能感知和数据融合的智慧水利工程预警***,如图1所示,该***包括:
水库检测模块,水库检测模块包括安装在水库上方的图像获取单元以及等距安装在水库内壁的多个压力感应器,图像获取单元用于获取水库的图像信息,压力感应器用于获取水库内壁的压力信息;
水库监测站,水库监测站用于获取水库阀门的水流通量以及水库水位变化信息;
数据处理融合模块,数据处理融合模块用于对获取的信息进行处理,并进行融合分析,得到水库的风险状况值,根据获取的风险状况值生成预警指令;
预警模块,预警模块根据获得的预警指令进行相应的报警;
联网控制端,联网控制端与水库检测模块、水库监测站、数据处理融合模块以及预警模块连接,用于信息发送以及控制各个模块工作。
通过上述技术方案,本申请通过智能感知技术来获取水库的压力信息、图像信息、水位信息以及水阀流通量信息,并通过数据融合技术将获得的多种参数信息进行处理融合后进行分析,从而对水库的安全问题进行及时的预警,保证水库的安全;同时本申请还可以根据风险情况以及水库的渗流情况对水库的潜在风险进行判断,从而及时提醒作业人员对水库进行相应的维修,以保证安全。
作为本发明的一种实施方式,数据处理融合模块获取风险状况值的方法为:
通过公式求出风险状况值/>;
其中,为裂纹风险等级,/>为压力异常等级,/>以及/>为各自的比例系数;
而预警指令生成的方法为:将获得的风险状况值与***预设的风险状况阈值/>进行比较:
当∈/>时,则生成预警指令;
预警指令包括一级报警指令以及二级报警指令,且二级报警指令的紧急程度要高于一级报警指令的紧急程度;
当∈/>时,生成一级报警指令;
当∈/>时,生成二级报警指令;
其中为***预设的风险状况阈值。
通过上述技术方案,本实施例具体提供了获取水库风险状况值的具体方法,由于水库的重要性,水库大坝的安全性格外重要,因此需要对水库大坝的风险情况进行分析判断,以及时的预警来对对报警问题进行处理。而水库的大坝安全性能判断主要判断大坝受力是否发生变化或者坝体裂纹程度情况。因此先通过公式求出风险状况值/>,将水库大坝裂纹风险等级与压力异常等级进行综合分析,来获取水大坝的风险状况值,一般来说,当裂纹风险等级越低或者压力异常等级越低,水库大坝的安全性越高,则风险状况越低,因此将获得的风险状况值与***预设的风险状况阈值进行比较,当/>∈时,说明此时水库大坝的风险指数较高,则生成预警指令,对大坝进行维修,及时的减少损失。同样当预警指令生成时,其紧急程度也不同,例如当虽然生成预警指令时,但是其风险状况值不大,说明紧急程度不高,需要配备的人手和装备较少,当风险状况值较大时,说明紧急程度较高,为了保证大坝安全,此时需要进行立即维修处理,需要大量的作用人员以及设备材料;因此预警指令包括一级报警指令以及二级报警指令,且二级报警指令的紧急程度要高于一级报警指令的紧急程度,当/>∈/>时,生成一级报警指令,当/>∈时,生成二级报警指令。通过此种方法,可以根据大坝裂纹风险等级与压力异常等级状况进行综合分析,从而判断出水库大坝的风险状况值,并根据风险状况值大小确定紧急程度,以及时的提醒作业人员根据紧急状况进行配备维修设备,安排维修人手,来保证大坝的安全性。
上述技术方案中,比例系数、/>以及***预设的风险状况阈值/>、/>均可根据经验数据获取,在此不过多叙述。
作为本发明的一种实施方式,裂纹风险等级获取的方法为:
获取水库外立面的图像信息,并进行灰度处理,得到灰度图像;
采用边缘识别算法对灰度图像进行特征提取,从而获取水库裂纹的轮廓信息,并获取各个轮廓信息的面积;
通过公式求出水库的裂纹状况值/>;
将获得的裂纹状况值与预设的各种裂纹状况区间进行比对,从而得到当前的裂纹风险等级/>;
其中,n为裂纹的总个数,为检测到的最大裂纹面积,/>为检测到的最小裂纹面积。
通过上述技术方案,本实施例具体提供了裂纹风险等级获取的方法,先获取水库水库外立面的图像信息,并进行灰度处理,得到灰度图像,并采用边缘识别算法对灰度图像进行特征提取,从而获取水库裂纹的轮廓信息,并获取各个轮廓信息的面积/>,再通过公式/>求出水库的裂纹状况值/>,公式/>表示大坝裂纹中最大裂纹与最小裂纹的差值与平均裂纹面积的比值,当其越大,说明大坝上裂纹的风险等级越高,同样当水库大坝上出现的裂纹越多,也能说明风险越高,因此对应的裂纹状况值/>越高,再将获得的裂纹状况值/>与预设的各种裂纹状况区间进行比对,从而得到当前的裂纹风险等级/>,而裂纹风险等级/>的获取是通过实现训练好的神经网络模型获取,裂纹状况值/>作为输入量,来得到对应的裂纹风险等级。
作为本发明的一种实施方式,压力异常等级获取的方法为:
获取各个压力感应器的压力值;
通过公式求出压力状况值/>;
将获得的压力状况值与预设的各种压力状况区间进行比对,从而得到当前的压力异常等级/>;
其中,,/>为设置的压力感应器的个数。
通过上述技术方案,本实施例具体提供了压力异常等级获取的方法,先获取大坝各个区域位置的压力感应器的压力值/>,然后通过公式/>求出压力状况值/>,从公式中可以看出,当压力状况值越小,说明大坝各个区域位置的压力波动情况越小,则大坝的安全系数越高,因此将获得的压力状况值/>与预设的各种压力状况区间进行比对,从而得到当前的压力异常等级/>;而压力异常等级/>的获取是通过实现训练好的神经网络模型获取,将压力状况值/>作为输入量,来得到对应的裂纹风险等级。
作为本发明的一种实施方式,数据处理融合模块的工作方法还包括:
当不生成报警指令时,在一段检测周期∆W内,获取水库风险状况值随时间变化曲线;
同时在检测周期∆W内获取水位变化随时间变化曲线以及水库阀门的水流通量随时间变化曲线/>;
通过公式求出潜在风险值K;
将获得的潜在风险值K与***预设的风险阈值进行比较:
当K>时,生成一级报警指令;
其中,以及/>为比例系数,/>为***预设的标准风险状况值随时间变化曲线,为预设的对照水流变化值,/>为预设的对照风险状况值,∆W=/>。
通过上述技术方案,本实施例提供了对水库大坝潜在风险的判断方法,由于大坝发生预警信息都是实时发生的,虽然能够及时的对风险进行预警,但是预警时,大坝已经出现一定程度的损坏,此时维修处理存在一定滞后性。因此在不生成报警指令时,在一段检测周期∆W内,获取水库风险状况值随时间变化曲线,同时在检测周期∆W内获取水位变化随时间变化曲线/>以及水库阀门的水流通量随时间变化曲线/>,通过公式求出潜在风险值K,公式/>可以表示风险状况值与标准风险值之间的差值状况,从公式可以看出,虽然此时没有发生报警指令,但若水库风险状况值在随时间缓慢的变化增加,当其累计增加到一定程度时,则说明水库大坝也存在一定风险;公式/>可以表示水位变化与水流通量之间的变化,一般来说水位变化与水流通量之间变化是对等的,在检测周期内,若变化的水位超出水流通量的水位到一定值时,说明水库大坝存在渗流情况,当渗流一直不处理,会使大坝也存在一定风险。因此通过公式/>求出潜在风险值,来对大坝存在的潜在风险进行分析,并将获得的潜在风险值K与***预设的风险阈值/>进行比较,当K>/>时,说明此时大坝存在潜在的风险,生成一级报警指令来提醒作业人员对大坝进行检测维修保养。
上述技术方案中,***预设的标准风险状况值随时间变化曲线、预设的对照水流变化值/>、预设的对照风险状况值/>可根据大坝自身建造情况结合历史数据进行实验模拟后得出,比例系数/>以及/>可根据经验数据获取,一段检测周期∆W内可选择无雨的天气状况良好的情况下获取,以减少降水对测量的误差,周期时长可认为选择,在此不过多叙述。
本发明通过智能感知和数据融合技术,来获取大坝的裂纹风险等级与压力异常等级,并根据大坝裂纹风险等级与压力异常等级状况进行综合分析,从而判断出水库大坝的风险状况值,并根据风险状况值大小确定紧急程度,以及时的提醒作业人员根据紧急状况进行配备维修设备,安排维修人手,来保证大坝的安全性。
本发明通过公式求出潜在风险值,来对大坝存在的潜在风险进行分析,并根据潜在风险情况及时的对大坝进行检测维修保养,这样能够减少大坝的损坏,保证大坝安全。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
Claims (4)
1.一种基于智能感知和数据融合的智慧水利工程预警***,其特征在于,所述***包括:
水库检测模块,所述水库检测模块包括安装在水库上方的图像获取单元以及等距安装在水库内壁的多个压力感应器,所述图像获取单元用于获取水库的图像信息,所述压力感应器用于获取水库内壁的压力信息;
水库监测站,所述水库监测站用于获取水库阀门的水流通量以及水库水位变化信息;
数据处理融合模块,所述数据处理融合模块用于对获取的信息进行处理,并进行融合分析,得到水库的风险状况值,根据获取的风险状况值生成预警指令;
预警模块,所述预警模块根据获得的预警指令进行相应的报警;
联网控制端,所述联网控制端与水库检测模块、水库监测站、数据处理融合模块以及预警模块连接,用于信息发送以及控制各个模块工作;
所述数据处理融合模块获取风险状况值的方法为:通过公式求出风险状况值/>;
其中,为裂纹风险等级,/>为压力异常等级,/>以及/>为各自的比例系数;
所述裂纹风险等级获取的方法为:获取水库外立面的图像信息,并进行灰度处理,得到灰度图像;
采用边缘识别算法对灰度图像进行特征提取,从而获取水库裂纹的轮廓信息,并获取各个轮廓信息的面积;
通过公式求出水库的裂纹状况值/>;
将获得的裂纹状况值与预设的各种裂纹状况区间进行比对,从而得到当前的裂纹风险等级/>;
其中,n为裂纹的总个数,为检测到的最大裂纹面积,/>为检测到的最小裂纹面积;
所述压力异常等级获取的方法为:获取各个压力感应器的压力值/>;
通过公式求出压力状况值/>;
将获得的压力状况值与预设的各种压力状况区间进行比对,从而得到当前的压力异常等级/>;
其中,,/>为设置的压力感应器的个数。
2.根据权利要求1所述的一种基于智能感知和数据融合的智慧水利工程预警***,其特征在于,所述预警指令生成的方法为:
将获得的风险状况值与***预设的风险状况阈值进行比较:
当∈/>时,则生成预警指令。
3.根据权利要求2所述的一种基于智能感知和数据融合的智慧水利工程预警***,其特征在于,所述预警指令包括一级报警指令以及二级报警指令,且二级报警指令的紧急程度要高于一级报警指令的紧急程度;
当∈/>时,生成一级报警指令;
当∈/>时,生成二级报警指令;
其中为***预设的另一风险状况阈值。
4.根据权利要求3所述的一种基于智能感知和数据融合的智慧水利工程预警***,其特征在于,所述数据处理融合模块的工作方法还包括:
当不生成报警指令时,在一段检测周期∆W内,获取水库风险状况值随时间变化曲线;
同时在检测周期∆W内获取水位变化随时间变化曲线以及水库阀门的水流通量随时间变化曲线/>;
通过公式求出潜在风险值K;
将获得的潜在风险值K与***预设的风险阈值进行比较:
当K>生成一级报警指令;
其中,以及/>为比例系数,/>为***预设的标准风险状况值随时间变化曲线,/>为预设的对照水流变化值,/>为预设的对照风险状况值,∆W=/>。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410479597.6A CN118071158B (zh) | 2024-04-22 | 2024-04-22 | 一种基于智能感知和数据融合的智慧水利工程预警*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410479597.6A CN118071158B (zh) | 2024-04-22 | 2024-04-22 | 一种基于智能感知和数据融合的智慧水利工程预警*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118071158A true CN118071158A (zh) | 2024-05-24 |
CN118071158B CN118071158B (zh) | 2024-07-05 |
Family
ID=91111620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410479597.6A Active CN118071158B (zh) | 2024-04-22 | 2024-04-22 | 一种基于智能感知和数据融合的智慧水利工程预警*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118071158B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101805713B1 (ko) * | 2017-07-31 | 2017-12-06 | 한국가스안전공사 | 위험지도를 이용한 위험도 분석 시스템 |
WO2018113282A1 (zh) * | 2016-12-22 | 2018-06-28 | 深圳开立生物医疗科技股份有限公司 | 三维盆底超声图像处理方法及*** |
CN108596424A (zh) * | 2018-03-06 | 2018-09-28 | 中国水利水电科学研究院 | 风险信息确定方法、装置及计算机可读存储介质 |
CN109767027A (zh) * | 2018-11-30 | 2019-05-17 | 深圳春沐源控股有限公司 | 水库渗水量预测方法及装置 |
CN110009610A (zh) * | 2019-03-27 | 2019-07-12 | 仲恺农业工程学院 | 一种水库大坝护坡表面损伤视觉检测方法及仿生装置 |
WO2019224739A1 (en) * | 2018-05-25 | 2019-11-28 | University Of Johannesburg | System and method for real time prediction of water level and hazard level of a dam |
CN111694916A (zh) * | 2020-06-09 | 2020-09-22 | 福州大学 | 浆砌石拱坝自动化监测*** |
CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、***及存储介质 |
CN112462035A (zh) * | 2020-11-14 | 2021-03-09 | 合肥集知云信息科技有限公司 | 一种基于云计算信息化的水库大坝安全在线监测*** |
CN114897794A (zh) * | 2022-04-21 | 2022-08-12 | 东南大学 | 基于数字图像处理的水泥基材料细密裂纹评估方法 |
CN115907536A (zh) * | 2022-11-22 | 2023-04-04 | 国能大渡河流域水电开发有限公司 | 一种基于区间谬误率的水库特征曲线校正方法 |
KR102524779B1 (ko) * | 2022-11-18 | 2023-04-24 | 주식회사 엔엔에프텍 | 멀티 센싱 데이터 기반 지하구 결함 탐지를 위한 네트워크시스템 |
CN116524666A (zh) * | 2023-05-06 | 2023-08-01 | 江西赣鄱云新型智慧城市技术研究有限公司 | 一种基于数据分析的火情监测预警*** |
EP4303789A1 (en) * | 2022-07-07 | 2024-01-10 | China Three Gorges Co., Ltd. | Effective reservoir capacity analysis method and apparatus for channel reservoir, and electronic device |
-
2024
- 2024-04-22 CN CN202410479597.6A patent/CN118071158B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018113282A1 (zh) * | 2016-12-22 | 2018-06-28 | 深圳开立生物医疗科技股份有限公司 | 三维盆底超声图像处理方法及*** |
KR101805713B1 (ko) * | 2017-07-31 | 2017-12-06 | 한국가스안전공사 | 위험지도를 이용한 위험도 분석 시스템 |
CN108596424A (zh) * | 2018-03-06 | 2018-09-28 | 中国水利水电科学研究院 | 风险信息确定方法、装置及计算机可读存储介质 |
WO2019224739A1 (en) * | 2018-05-25 | 2019-11-28 | University Of Johannesburg | System and method for real time prediction of water level and hazard level of a dam |
CN109767027A (zh) * | 2018-11-30 | 2019-05-17 | 深圳春沐源控股有限公司 | 水库渗水量预测方法及装置 |
CN110009610A (zh) * | 2019-03-27 | 2019-07-12 | 仲恺农业工程学院 | 一种水库大坝护坡表面损伤视觉检测方法及仿生装置 |
CN111694916A (zh) * | 2020-06-09 | 2020-09-22 | 福州大学 | 浆砌石拱坝自动化监测*** |
CN112462035A (zh) * | 2020-11-14 | 2021-03-09 | 合肥集知云信息科技有限公司 | 一种基于云计算信息化的水库大坝安全在线监测*** |
CN112381309A (zh) * | 2020-11-23 | 2021-02-19 | 珠江水利委员会珠江水利科学研究院 | 水库大坝安全监测预警方法、装置、***及存储介质 |
CN114897794A (zh) * | 2022-04-21 | 2022-08-12 | 东南大学 | 基于数字图像处理的水泥基材料细密裂纹评估方法 |
EP4303789A1 (en) * | 2022-07-07 | 2024-01-10 | China Three Gorges Co., Ltd. | Effective reservoir capacity analysis method and apparatus for channel reservoir, and electronic device |
KR102524779B1 (ko) * | 2022-11-18 | 2023-04-24 | 주식회사 엔엔에프텍 | 멀티 센싱 데이터 기반 지하구 결함 탐지를 위한 네트워크시스템 |
CN115907536A (zh) * | 2022-11-22 | 2023-04-04 | 国能大渡河流域水电开发有限公司 | 一种基于区间谬误率的水库特征曲线校正方法 |
CN116524666A (zh) * | 2023-05-06 | 2023-08-01 | 江西赣鄱云新型智慧城市技术研究有限公司 | 一种基于数据分析的火情监测预警*** |
Non-Patent Citations (3)
Title |
---|
徐美芳;王浩全;桂志国;: "基于统计特性的表面裂纹提取", 测试技术学报, vol. 24, no. 02, 31 December 2010 (2010-12-31) * |
李春霞;叶淦升;: "浅谈横岗水库大坝安全预警机制及其应急保障体系建设", 自动化与信息工程, vol. 37, no. 06, 31 December 2016 (2016-12-31) * |
雒翠;: "大坝安全预警***关键技术研究", 人民黄河, vol. 30, no. 05, 31 May 2008 (2008-05-31) * |
Also Published As
Publication number | Publication date |
---|---|
CN118071158B (zh) | 2024-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108446864B (zh) | 基于大数据分析的轨道交通设备的故障预警***及方法 | |
WO2019080367A1 (zh) | 一种机械设备健康状态评估方法 | |
CN104390657B (zh) | 一种发电机组运行参数测量传感器故障诊断方法及*** | |
CN207336674U (zh) | 一种漏电监测*** | |
CN116320832B (zh) | 一种监控设备故障监测方法及装置 | |
CN111898669B (zh) | 一种基于机器学习的直流矿热炉异常事件预警*** | |
CN109325692A (zh) | 水管网的数据实时分析方法及装置 | |
CN112173636B (zh) | 一种巡检机器人对皮带机托辊故障的检测方法 | |
CN103226651A (zh) | 基于相似度统计的风电机组状态评估预警方法和*** | |
CN105676807A (zh) | 炼化装置设备完整性操作窗口的优化***及优化方法 | |
CN103487250B (zh) | 基于二维投射的煤矿设备预知维护方法 | |
CN110209144A (zh) | 基于动静协同差异分析的两层实时监测与报警溯源方法 | |
CN113177646A (zh) | 一种基于自适应边缘代理的配电设备在线监测方法及*** | |
CN115507309A (zh) | 一种燃气泄露报警方法和*** | |
CN116579615A (zh) | 一种基于无人机遥感的植被覆盖监测*** | |
CN116152202A (zh) | 基于图像识别技术和红外热成像技术的设备外观检测*** | |
CN115406483A (zh) | 一种水电机组故障识别方法、装置、设备及可读存储介质 | |
CN118071158B (zh) | 一种基于智能感知和数据融合的智慧水利工程预警*** | |
CN108898187A (zh) | 一种自动识别配电房指示设备图像的方法及装置 | |
CN110207827B (zh) | 一种基于异常因子提取的电气设备温度实时预警方法 | |
CN112240267B (zh) | 基于风速相关性与风功率曲线的风机监测方法 | |
CN108508860A (zh) | 一种基于耦合关系的流程工业生产***数据监测方法 | |
CN107562041A (zh) | 转辙机故障预警方法、装置、设备及计算机可读存储介质 | |
CN116938676A (zh) | 一种基于数据源分析的通信风险联合预警方法 | |
CN109828146B (zh) | 一种通过设备电参数ad采样判断设备工况的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |