一种特殊气体供应用管路大数据监测系统及方法与流程

1.本发明涉及气体供应管路监测技术领域，具体为一种特殊气体供应用管路大数据监测系统及方法。


背景技术：

2.特殊气体通过气瓶柜输送到气体分配器，气体分配器通过使用阀门控制供应管道分路输送特殊气体到机台以供使用，在特殊气体通过管道输送过程中，监控气体是否泄漏、是否腐蚀管道，有利于保证特殊气体的输送安全；
3.现有技术中，通过监测气体对管道的压力和温度获取监测数据，通过判断压力是否不足、温度是否异常来判断气体是否发生泄漏，存在以下弊端：首先，使用现有监测方式，在发现气体通过管道运输时发生泄漏后，虽然能及时报警，但无法确认发生泄漏的具体位置，不利于维护人员及时维护管道，特殊气体泄漏速度快，在短时间内会有严重的安全影响；其次，受内部因素和外部因素影响，气体供应管道尤其是弯曲的管道有可能出现变形状况，会影响泄漏位置的判断，不考虑变形因素无法准确判断管道腐蚀、气体泄漏的具体变化后的位置，降低了监测精度。
4.所以，人们需要一种特殊气体供应用管路大数据监测系统及方法来解决上述问题。


技术实现要素：

5.本发明的目的在于提供一种特殊气体供应用管路大数据监测系统及方法，以解决上述背景技术中提出的问题。
6.为了解决上述技术问题，本发明提供如下技术方案：一种特殊气体供应用管路大数据监测系统，其特征在于：所述系统包括：监测数据采集模块、数据管理中心、管路监测模块、监测故障处理模块、管路泄漏预测模块和异常预警模块；
7.所述监测数据采集模块用于采集监测管路的传感器监测范围数据和原管路图像数据；将采集到的所有数据传输到所述数据管理中心中；所述管路监测模块用于对特殊气体供应管路进行图像、压力和温度监测；所述监测故障处理模块用于在传感器发生故障时调整管路监测方式，并提醒维护故障设备；所述管路泄漏预测模块用于比对拍摄到的图像和原管路图像，判断弯曲管道是否发生变形：若管道发生变形，比较弯曲程度并分析弯曲点的位置变化，依据压力和温度数据预测管路的腐蚀位置，依据分析结果预测管道泄漏点是否发生位置变化，并分析变化后的泄漏点位置；所述异常预警模块用于依据监测到的数据预测特殊气体供应管路发生异常的概率，在概率超出阈值时发出预警信号。
8.进一步的，所述监测数据采集模块包括监测范围采集单元和原图采集单元，通过所述监测范围采集单元采集传感器的监测范围数据；通过所述原图采集单元采集安装时的原管路图像，将采集到的所有数据传输到所述数据管理中心中存储。
9.进一步的，所述管路监测模块包括管道图像拍摄单元、气体压力监测单元、管道温
度监测单元，通过所述管道图像拍摄单元拍摄当前管道图像；所述气体压力监测单元通过压力传感器监测管道气体压力；所述管道温度监测单元通过温度传感器监测管道温度；所述管路泄漏预测模块包括管道变形分析单元、弯曲程度比较单元、腐蚀趋势预测单元和泄漏变化分析单元，通过所述管道变形分析单元比对当前管道图像和原管路图像，判断管道弯曲部分是否发生变形：若发生变形，通过所述弯曲程度比较单元判断管道变形程度，分析弯曲点的位置变化；通过所述腐蚀趋势预测单元预测管路的腐蚀点偏移趋势；通过所述泄漏变化分析单元依据管道弯曲程度和腐蚀方向变化判断泄漏点是否发生位置变化，并预测变化后的泄漏点位置。
10.进一步的，所述监测故障处理模块包括检测分段单元、设备故障警报单元、监测方式调整单元和维护告警单元，通过所述检测分段单元检测传感器监测的管路点并测量监测间隔距离；通过所述设备故障警报单元在传感器发生故障时发出警报；通过所述监测方式调整单元利用剩余未发生故障的传感器监测管路，并调整监测的管路点位置；通过所述维护告警单元发送故障传感器位置、提醒维护传感器。
11.进一步的，所述异常预警模块包括异常概率预测单元和异常预警单元，通过所述异常概率预测单元依据监测到的数据预测管路泄漏点气体泄漏的概率，设置概率阈值，在概率超出阈值时，通过所述异常预警单元发出预警信号。
12.一种特殊气体供应用管路大数据监测方法，其特征在于：包括以下步骤：
13.s11：采集传感器监测范围数据和原管路图像数据；
14.s12：对特殊气体供应管路进行监测，比较图像、判断管道是否发生变形及其变形程度；
15.s13：预测管道腐蚀位置及腐蚀程度变化，结合管道变形程度分析管道泄漏位置变化，得到分析结果；
16.s14：在传感器发生故障时调整监测方式；
17.s15：结合分析结果和故障传感器监测点位置预测管道发生气体泄漏的概率，进行气体泄漏预警。
18.进一步的，在步骤s11-s12中：利用原图采集单元采集安装时的原管路图像，对图像进行分析：获取到随机一个弯曲管路曲线方程为：y＝f(x)，x∈[a，b]，利用监测范围采集单元采集到传感器的最长监测长度为：l，根据下列公式计算原管路图像中的随机一个弯曲管路曲线长度s：
[0019][0020]
其中，f'(x)表示f(x)的导数，[a，b]表示曲线起点到终点的范围，利用管道图像拍摄单元拍摄当前管路图像，对图像进行分析：通过相同的方式计算出与原管路图像中的随机一个弯曲管路对应的曲线方程为：y＝f(x)，长度为s’，比较s和s’：若s＝s’，判断对应弯曲管路未发生变形；若s≠s’，判断对应弯曲管路发生变形，利用弯曲程度比较单元判断管路变形程度：获取到原弯曲管路曲线的切线为：y＝ax+b，根据f'(xi)＝a计算曲线与切线切点的横坐标xi，将xi代入曲线方程得到切点纵坐标为f(xi)，得到原弯曲管路曲线和当前弯曲管路曲线的切点坐标分别为(xi，f(xi))和(xi，f(xi))，根据下列公式计算随机一个变形弯曲管路的弯曲点偏移距离di和偏移角度θi：
[0021]
di＝|xi-xi|；
[0022][0023]
得到所有变形弯曲管路的弯曲点偏移距离集合为d＝{d1，d2，...，dm}，偏移角度集合为θ＝{θ1，θ2，...，θm}，其中，m表示变形的弯曲管路数量，通过积分方式计算弯曲管路曲线长度的目的在于简化不规则曲线的长度计算过程，将当前管路曲线长度与原对应管路进行比较，有利于准确判断弯曲管路是否发生变形；曲线的切点属于曲线上弯曲程度最大的一点，通过曲线切线方程获取切点位置，能够最大程度反映管路变形程度，依据得到的切点坐标计算切点即弯曲点偏移数据，间接地反映了管路上原来的易腐蚀点的偏移情况，有利于判断管路腐蚀点的位置变化。
[0024]
进一步的，在步骤s13中：利用腐蚀趋势预测单元预测管路的腐蚀点偏移趋势：采集到随机一个变形弯曲管路对应的原管路弯曲部分前的管路历史发生腐蚀泄漏的随机一个点到弯曲点的距离为dj，根据下列公式计算当前管路中易发生腐蚀泄漏的点到对应点的距离d：
[0025]
d＝δ*(dj+di)；
[0026]
其中，δ表示管路变形误差系数，依据弯曲点的偏移距离计算易发生腐蚀泄漏的点的偏移距离，加入由于管路变形造成的偏移距离误差因素，提高了易腐蚀泄漏点偏移判断结果的准确性。
[0027]
进一步的，在步骤s14中：利用监测范围采集单元采集到传感器监测最长距离为l，利用检测分段单元检测到管路总长度为l’，对管路进行分段检测，分段长度为l’/l，在传感器故障时，利用设备故障警报单元发出警报信号，利用监测方式调整单元调整监测方式：将所有传感器向故障传感器方向偏移，偏移距离为：(l’/l)/2，偏移传感器后继续对特殊气体供应管路进行监测。
[0028]
进一步的，在步骤s15中：利用异常概率预测单元预测当前管路易发生腐蚀泄漏的点气体泄漏的概率：获取到对应点在原管路中发生泄漏时的腐蚀程度系数为q，在对应点属于的被监测范围对应的传感器发生故障前，监测到对应点的腐蚀程度系数为q，腐蚀程度加剧的平均时间为t，监测方式调整花费的时间为t，预测对应点发生气体泄漏的概率设置概率阈值为p’，比较p和p’，在p》p’，即预测概率大于阈值时，利用异常预警单元发送气体泄漏预警信号和泄漏点位置信息，管道腐蚀需要时间积累，时间越长，腐蚀程度越大，若传感器发生故障，需要一定的维护时间，期间存在无法监测到的管路，加入故障因素预测管路气体泄漏概率，提高了预测结果的准确性，同时帮助及时对管路进行维护、避免了管路中特殊气体的泄漏。
[0029]
与现有技术相比，本发明所达到的有益效果是：
[0030]
本发明通过采集原特殊气体供应管路的监测数据，对原管路图像和当前管路图像进行分析，判断管路中的弯曲部分是否发生变形，分析变形程度，依据变形数据预测弯曲点的偏移距离，间接反映管路上原来的易腐蚀点的偏移情况，通过弯曲点的偏移距离映射易发生腐蚀泄漏点的偏移距离，加入由于管路变形造成的偏移距离误差因素，提高了易腐蚀泄漏点偏移判断结果的准确性；通过分析历史数据判断管路上原易腐蚀点泄漏情况，预测
气体泄漏概率，加入故障因素预测管路气体泄漏概率，提高了预测结果的准确性，同时帮助及时对管路进行维护、避免了管路中特殊气体的泄漏。
附图说明
[0031]
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：
[0032]
图1是本发明一种特殊气体供应用管路大数据监测系统的结构图；
[0033]
图2是本发明一种特殊气体供应用管路大数据监测方法的流程图。
具体实施方式
[0034]
以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。
[0035]
请参阅图1-2，本发明提供技术方案：一种特殊气体供应用管路大数据监测系统，其特征在于：系统包括：监测数据采集模块s1、数据管理中心s2、管路监测模块s3、监测故障处理模块s4、管路泄漏预测模块s5和异常预警模块s6；
[0036]
监测数据采集模块s1用于采集监测管路的传感器监测范围数据和原管路图像数据；将采集到的所有数据传输到数据管理中心s2中；管路监测模块s3用于对特殊气体供应管路进行图像、压力和温度监测；监测故障处理模块s4用于在传感器发生故障时调整管路监测方式，并提醒维护故障设备；管路泄漏预测模块s5用于比对拍摄到的图像和原管路图像，判断弯曲管道是否发生变形：若管道发生变形，比较弯曲程度并分析弯曲点的位置变化，依据压力和温度数据预测管路的腐蚀位置，依据分析结果预测管道泄漏点是否发生位置变化，并分析变化后的泄漏点位置；异常预警模块s6用于依据监测到的数据预测特殊气体供应管路发生异常的概率，在概率超出阈值时发出预警信号。
[0037]
监测数据采集模块s1包括监测范围采集单元和原图采集单元，通过监测范围采集单元采集传感器的监测范围数据；通过原图采集单元采集安装时的原管路图像，将采集到的所有数据传输到数据管理中心s2中存储。
[0038]
管路监测模块s3包括管道图像拍摄单元、气体压力监测单元、管道温度监测单元，通过管道图像拍摄单元拍摄当前管道图像；气体压力监测单元通过压力传感器监测管道气体压力；管道温度监测单元通过温度传感器监测管道温度；管路泄漏预测模块s5包括管道变形分析单元、弯曲程度比较单元、腐蚀趋势预测单元和泄漏变化分析单元，通过管道变形分析单元比对当前管道图像和原管路图像，判断管道弯曲部分是否发生变形：若发生变形，通过弯曲程度比较单元判断管道变形程度，分析弯曲点的位置变化；通过腐蚀趋势预测单元预测管路的腐蚀点偏移趋势；通过泄漏变化分析单元依据管道弯曲程度和腐蚀方向变化判断泄漏点是否发生位置变化，并预测变化后的泄漏点位置。
[0039]
监测故障处理模块s4包括检测分段单元、设备故障警报单元、监测方式调整单元和维护告警单元，通过检测分段单元检测传感器监测的管路点并测量监测间隔距离；通过设备故障警报单元在传感器发生故障时发出警报；通过监测方式调整单元利用剩余未发生故障的传感器监测管路，并调整监测的管路点位置；通过维护告警单元发送故障传感器位置、提醒维护传感器。
[0040]
异常预警模块s6包括异常概率预测单元和异常预警单元，通过异常概率预测单元依据监测到的数据预测管路泄漏点气体泄漏的概率，设置概率阈值，在概率超出阈值时，通过异常预警单元发出预警信号。
[0041]
一种特殊气体供应用管路大数据监测方法，其特征在于：包括以下步骤：
[0042]
s11：采集传感器监测范围数据和原管路图像数据；
[0043]
s12：对特殊气体供应管路进行监测，比较图像、判断管道是否发生变形及其变形程度；
[0044]
s13：预测管道腐蚀位置及腐蚀程度变化，结合管道变形程度分析管道泄漏位置变化，得到分析结果；
[0045]
s14：在传感器发生故障时调整监测方式；
[0046]
s15：结合分析结果和故障传感器监测点位置预测管道发生气体泄漏的概率，进行气体泄漏预警。
[0047]
在步骤s11-s12中：利用原图采集单元采集安装时的原管路图像，对图像进行分析：获取到随机一个弯曲管路曲线方程为：y＝f(x)，x∈[a，b]，利用监测范围采集单元采集到传感器的最长监测长度为：l，根据下列公式计算原管路图像中的随机一个弯曲管路曲线长度s：
[0048][0049]
其中，f'(x)表示f(x)的导数，[a，b]表示曲线起点到终点的范围，利用管道图像拍摄单元拍摄当前管路图像，对图像进行分析：通过相同的方式计算出与原管路图像中的随机一个弯曲管路对应的曲线方程为：y＝f(x)，长度为s’，比较s和s’：若s＝s’，判断对应弯曲管路未发生变形；若s≠s’，判断对应弯曲管路发生变形，利用弯曲程度比较单元判断管路变形程度：获取到原弯曲管路曲线的切线为：y＝ax+b，根据f'(xi)＝a计算曲线与切线切点的横坐标xi，将xi代入曲线方程得到切点纵坐标为f(xi)，得到原弯曲管路曲线和当前弯曲管路曲线的切点坐标分别为(xi，f(xi))和(xi，f(xi))，根据下列公式计算随机一个变形弯曲管路的弯曲点偏移距离di和偏移角度θi：
[0050]
di＝|xi-xi|；
[0051][0052]
得到所有变形弯曲管路的弯曲点偏移距离集合为d＝{d1，d2，...，dm}，偏移角度集合为θ＝{θ1，θ2，...，θm}，其中，m表示变形的弯曲管路数量，通过积分方式计算弯曲管路曲线长度的目的在于简化不规则曲线的长度计算过程，将当前管路曲线长度与原对应管路进行比较，有利于准确判断弯曲管路是否发生变形；曲线的切点属于曲线上弯曲程度最大的一点，通过曲线切线方程获取切点位置，能够最大程度反映管路变形程度，依据得到的切点坐标计算切点即弯曲点偏移数据，间接地反映了管路上原来的易腐蚀点的偏移情况，便于判断管路腐蚀点的位置变化。
[0053]
在步骤s13中：利用腐蚀趋势预测单元预测管路的腐蚀点偏移趋势：采集到随机一个变形弯曲管路对应的原管路弯曲部分前的管路历史发生腐蚀泄漏的随机一个点到弯曲点的距离为dj，根据下列公式计算当前管路中易发生腐蚀泄漏的点到对应点的距离d：
[0054]
d＝δ*(dj+di)；
[0055]
其中，δ表示管路变形误差系数，依据弯曲点的偏移距离计算易发生腐蚀泄漏的点的偏移距离，加入由于管路变形造成的偏移距离误差因素，有效提高了易腐蚀泄漏点偏移判断结果的准确性。
[0056]
在步骤s14中：利用监测范围采集单元采集到传感器监测最长距离为l，利用检测分段单元检测到管路总长度为l’，对管路进行分段检测，分段长度为l’/l，在传感器故障时，利用设备故障警报单元发出警报信号，利用监测方式调整单元调整监测方式：将所有传感器向故障传感器方向偏移，偏移距离为：(l’/l)/2，偏移传感器后继续对特殊气体供应管路进行监测。
[0057]
在步骤s15中：利用异常概率预测单元预测当前管路易发生腐蚀泄漏的点气体泄漏的概率：获取到对应点在原管路中发生泄漏时的腐蚀程度系数为q，在对应点属于的被监测范围对应的传感器发生故障前，监测到对应点的腐蚀程度系数为q，腐蚀程度加剧的平均时间为t，监测方式调整花费的时间为t，预测对应点发生气体泄漏的概率设置概率阈值为p’，比较p和p’，在p》p’，即预测概率大于阈值时，利用异常预警单元发送气体泄漏预警信号和泄漏点位置信息，管道腐蚀需要时间积累，时间越长，腐蚀程度越大，若传感器发生故障，需要一定的维护时间，期间存在无法监测到的管路，加入故障因素预测管路气体泄漏概率，能够提高预测结果的准确性，同时帮助及时对管路进行维护、避免了管路中特殊气体的泄漏。
[0058]
实施例一：利用原图采集单元采集安装时的原管路图像，对图像进行分析：获取到随机一个弯曲管路曲线方程为：y＝f(x)＝x3，x∈[a，b]＝[1，2]，根据公式计算原管路图像中的随机一个弯曲管路曲线长度利用管道图像拍摄单元拍摄当前管路图像，对图像进行分析：通过相同的方式计算出与原管路图像中的随机一个弯曲管路对应的曲线方程为：y＝f(x)＝2x3，长度为判断对应弯曲管路发生变形，利用弯曲程度比较单元判断管路变形程度：获取到原弯曲管路曲线的切线为：y＝ax+b＝6x+1，根据f'(xi)＝a计算曲线与切线切点的横坐标将xi代入曲线方程得到切点纵坐标为方程得到切点纵坐标为得到原弯曲管路曲线和当前弯曲管路曲线的切点坐标分别为标分别为和(xi，f(xi))＝(1，2)，根据公式di＝|xi-xi|和计算随机一个变形弯曲管路的弯曲点偏移距离偏移角度θi≈63
°
，采集到随机一个变形弯曲管路对应的原管路弯曲部分前的管路历史发生腐蚀泄漏的随机一个点到弯曲点的距离为dj＝10，设置δ＝0.9，根据公式d＝δ*(dj+di)计算当前管路中易发生腐蚀泄漏的点到对应点的距离d≈9.4；
[0059]
实施例二：利用异常概率预测单元预测当前管路易发生腐蚀泄漏的点气体泄漏的概率：获取到对应点在原管路中发生泄漏时的腐蚀程度系数为q＝8，在对应点属于的被监测范围对应的传感器发生故障前，监测到对应点的腐蚀程度系数为q＝2，腐蚀程度加剧的
平均时间为t＝10，监测方式调整花费的时间为t＝100，预测对应点发生气体泄漏的概率平均时间为t＝10，监测方式调整花费的时间为t＝100，预测对应点发生气体泄漏的概率设置概率阈值为p’＝0.5《p，预测概率大于阈值，利用异常预警单元发送气体泄漏预警信号和泄漏点位置信息。
[0060]
最后应说明的是：以上所述仅为本发明的优选实例而已，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。