基于Stacking算法的球阀内漏检测方法及系统与流程

本发明涉及球阀内漏检测，具体涉及一种基于stacking算法的球阀内漏检测方法及系统。

背景技术：

1、球阀是流体管路中不可或缺的控制装置，它可以接通或切断管路介质的流通，改变介质的流动方向，调节介质的压力和流量，保护管路和设备的正常运行。近年来，球阀被广泛地应用于石油、化工、电站、冶金、船舶、核能等领域。良好的密封性能是球阀确保流体的安全运输的关键。然而，在长期使用过程中，密封装置的磨损、腐蚀、划痕问题将导致球阀密封不严，使得运输的流体从球阀内部泄漏。这会导致严重的环境污染、经济损失，甚至引发重大安全事故。因此，及时发现球阀内部泄漏并准确估计泄漏率，是现场工作人员做出维护决策的关键，对保证流体的安全运输具有重要意义。

2、随着人工智能的发展，各种机器学习方法被应用于球阀内漏的定性和定量分析。例如：支持向量机、神经网络、极限学习机等。但是，针对有限的特征参数也难以对机器学习模型进行充分训练，采用传统的单一机器学习模型存在局限性，模型预测性能弱、泛化性能差，并且容易因为超参数设置问题而陷入局部最优解，从而导致球阀内漏检测的准确性降低。

技术实现思路

1、本发明所要解决的技术问题是现有的相关技术对球阀内漏检测的准确性低的问题。

2、为解决上述技术问题，本发明提供了一种基于stacking算法的球阀内漏检测方法及系统。具体采用如下技术方案：

3、第一方面，本发明提供一种基于stacking算法的球阀内漏检测方法，方法包括：首先，通过阀腔压力检测法采集球阀的阀腔压力信号。然后，根据阀腔压力信号，确定压力变化速率、管线压力、泄压梯度和升压前压力，其中，压力变化速率用于表征球阀在泄压和升压过程中的变化情况，管线压力用于表征球阀关闭并且球阀的阀腔压力稳定后管线的压力，管线与球阀相连接，泄压梯度用于表征球阀的泄压压力差，升压前压力用于表征球阀在升压前的阀腔压力。最后，将压力变化速率、管线压力、泄压梯度和升压前压力，输入球阀内漏检测模型，输出球阀内漏泄漏量；球阀内漏检测模型基于stacking算法集成学习训练得到的，球阀内漏检测模型包括：基础模型和元模型。

4、该方法中，首先，通过阀腔压力检测法采集球阀的阀腔压力信号。然后，根据阀腔压力信号，确定压力变化速率、管线压力、泄压梯度和升压前压力。最后，将压力变化速率、管线压力、泄压梯度和升压前压力，输入球阀内漏检测模型，输出球阀内漏泄漏量。其中，球阀内漏检测模型基于stacking算法集成学习训练得到的，球阀内漏检测模型由双层模型组成。这样，本发明实施例提供的方法通过stacking算法集成学习模型预测球阀内漏泄漏量，结合了多种单一机器学习模型的优点，得到了准确性更高、泛化能力更好、鲁棒性更强的球阀内漏检测模型，进而能够提高球阀内漏检测的准确性。

5、结合第一方面，在一种可选择的实现方式中，上述基础模型包括以下中的一个或者多个：随机森林模型、支持向量机模型、k-近邻算法模型、梯度提升算法模型、决策树模型、极端随机树模型。元模型为线性回归算法模型。本实现方式中，球阀内漏检测模型包括基础模型和元模型两层，基础模型可以包括多个机器学习模型。这样，可以提高球阀内漏检测模型预测得到球阀内漏泄漏量的准确性。

6、结合第一方面，在一种可选择的实现方式中，上述通过阀腔压力检测法采集球阀的阀腔压力信号，包括：首先，关闭球阀，待球阀的阀腔压力稳定后，确定管线的压力值为管线压力。然后，打开球阀的排污阀，使得球阀与大气连通，在球阀的阀腔压力达到预设的第一压力的情况下，关闭排污阀。接下来，提升球阀的压力，在球阀的阀腔压力达到预设的第二压力的情况下，确定球阀的阀腔压力由第一压力升至第二压力的时间为第一时间，其中，第二压力大于第一压力，并且小于管线压力。最后，在球阀的阀腔压力达到管线压力的情况下，确定球阀的阀腔压力由第二压力升至管线压力的时间为第二时间。这样，通过阀腔压力检测法能够更加准确地采集到球阀的阀腔压力信号。

7、结合第一方面，在一种可选择的实现方式中，上述阀腔压力信号包括：管线压力、第一压力、第二压力、第一时间和第二时间。则根据阀腔压力信号，确定压力变化速率、管线压力、泄压梯度和升压前压力，包括：根据管线压力、第一压力、第二压力、第一时间和第二时间确定压力变化速率。根据管线压力和第一压力确定泄压梯度。根据第一压力确定升压前压力。

8、结合第一方面，在一种可选择的实现方式中，根据阀腔压力信号，确定压力变化速率、管线压力、泄压梯度和升压前压力，还包括：首先，对阀腔压力信号进行降噪处理，得到降噪后的阀腔压力信号。然后，根据降噪后的阀腔压力信号，确定特征集，特征集包括：压力变化速率、管线压力、泄压梯度和升压前压力。最后，对特征集进行归一化处理，得到样本集。

9、结合第一方面，在一种可选择的实现方式中，将压力变化速率、管线压力、泄压梯度和升压前压力，输入球阀内漏检测模型，输出球阀内漏泄漏量，包括：首先，将样本集，分为训练集和测试集。然后，根据训练集对球阀内漏检测模型进行训练，得到训练好的球阀内漏检测模型。最后，将测试集输入训练好的球阀内漏检测模型，输出球阀内漏泄漏量。

10、结合第一方面，在一种可选择的实现方式中，根据训练集对球阀内漏检测模型进行训练，得到训练好的球阀内漏检测模型，包括：根据训练集，通过k折交叉验证法对球阀内漏检测模型进行训练。在本实现方式中，通过k折交叉验证法和stacking算法结合可以使得球阀内漏检测模型更加灵活适应小样本数据，使球阀内漏检测模型具有较强的稳定性。

11、结合第一方面，在一种可选择的实现方式中，根据训练集对球阀内漏检测模型进行训练，得到训练好的球阀内漏检测模型，包括：采用贝叶斯优化网格搜索算法对基础模型和元模型进行参数寻优。在本实现方式中，利用贝叶斯优化网格搜索进行参数寻优，以找到最佳的模型参数配置，将基础模型和元模型的参数调至最佳，从而改进模型的性能，提高了模型的预测性能，以进一步提高球阀内漏检测的准确性。

12、第二方面，本发明提供一种基于stacking算法的球阀内漏检测系统，该系统包括：数据采集模块和数据分析模块。其中，数据采集模块，用于通过阀腔压力检测法采集球阀的阀腔压力信号。数据分析模块，用于根据阀腔压力信号，确定压力变化速率、管线压力、泄压梯度和升压前压力，其中，压力变化速率用于表征球阀在泄压和升压过程中的变化情况，管线压力用于表征球阀关闭并且球阀的阀腔压力稳定后管线的压力，管线与球阀相连接，泄压梯度用于表征球阀的泄压压力差，升压前压力用于表征球阀在升压前的阀腔压力。数据分析模块，还用于将压力变化速率、管线压力、泄压梯度和升压前压力，输入球阀内漏检测模型，输出球阀内漏泄漏量；球阀内漏检测模型基于stacking算法集成学习训练得到的，球阀内漏检测模型包括：基础模型和元模型。

13、结合第二方面，在一种可选择的实现方式中，该系统还包括：数据库。数据库，用于存储阀腔压力信号和球阀内漏泄漏量。

14、可以理解地，上述第二方面的基于stacking算法的球阀内漏检测系统所能达到的有益效果，可参考第一方面及其任一种可能的实现方式中的有益效果，此处不再赘述。