一种市政排水管道故障智能识别与预测系统及方法技术方案

本发明专利技术公开了一种市政排水管道故障智能识别与预测系统，包括数据集成模块、内部监测模块以及预警模块；所述数据集成模块用于存储管道历史故障数据，并建立马尔可夫链模型对管道未来故障进行预测；所述内部监测模块受所述数据集成模块控制，用于监测管道内部故障情况；所述预警模块接收所述内部监测模块的数据，用于分析管道内部故障类型及级别并判断是否发出预警，然后将数据返回数据集成模块。本发明专利技术还公开了一种市政排水管道故障智能识别与预测方法。本发明专利技术的有益效果：可以对管道故障事件进行预测并根据预测结果定期监测管道内部状况，智能识别管道内部故障类型及严重程度，节省大量人力物力，降低了管道运维成本。降低了管道运维成本。降低了管道运维成本。

【技术实现步骤摘要】
一种市政排水管道故障智能识别与预测系统及方法


[0001]本专利技术涉及市政排水
，尤其涉及一种市政排水管道故障智能识别与预测系统及方法。

技术介绍

[0002]随着我国城市化快速发展，市政管网日益复杂，地下排水管网负荷日益上升，对排水管道工作性能提出了更高要求；同时，城市市政排水管网大部分埋藏于地下，地质环境复杂，出现故障时不易及时排查。因此，有必要对排水管网中的故障情况进行监控识别，并及时维修或更换问题管段，最大程度地节省人工成本、避免环境污染、降低经济损失。由于城市地下排水管网系统庞大而复杂，依靠人工方式耗时费力、成本高，且难以及时获取排水管道故障信息。因此，采用自动化手段对排水管道中的故障进行及时排查并处理工程需求迫切。

技术实现思路

[0003]本专利技术公开了一种市政排水管道故障智能识别与预测系统及方法，其可以有效解决
技术介绍
中涉及的技术问题。
[0004]为实现上述目的，本专利技术的技术方案为：一种市政排水管道故障智能识别与预测系统，包括数据集成模块、内部监测模块以及预警模块；其中，所述数据集成模块用于存储管道历史故障数据、管道内部图像信息以及管道运行基础参数，建立马尔可夫链模型对管道未来故障进行预测；所述内部监测模块受所述数据集成模块控制，用于监测管道内部故障情况；所述预警模块接收所述内部监测模块的数据，分析管道内部故障类型及级别并判断是否发出预警，然后将数据返回数据集成模块。
[0005]作为本专利技术的一种优选改进，所述数据集成模块包括数据存储单元和故障预测单元；所述数据存储单元用于存储管道历史故障数据、管道内部图像信息和管道运行基础参数；所述故障预测单元用于建立马尔可夫链模型，对管道未来故障情况进行预测，并控制所述内部监测模块定期进行内部监测。
[0006]作为本专利技术的一种优选改进，所述内部监测模块包括图像采集单元和数据传输单元；所述图像采集单元用于对管道内部图像信息进行采集；所述数据传输单元用于将管道内部图像信息传输至所述预警模块。
[0007]作为本专利技术的一种优选改进，所述预警模块包括图像处理单元和预警单元；所述图像处理单元用于对管道内部图像信息进行识别分析，得到管道内部故障类
型及故障级别；所述预警单元用于根据管道内部故障类型与级别，并结合马尔可夫链模型判断是否发出报警，然后再将管道故障数据传输至所述数据集成模块进行存储。
[0008]作为本专利技术的一种优选改进，所述图像采集单元通过管道机器人搭载360
°
可旋转红外摄像头采集管道内部图像信息，所述数据传输单元通过无线传输将管道内部图像信息传输至所述预警单元。
[0009]作为本专利技术的一种优选改进，所述图像处理单元基于卷积神经网络模型进行工作，包括：预先对现存管道故障进行分类；对所述数据集成模块所采集的图像进行预处理，提取故障信息；建立管道图像识别模型；采用优化器对大量历史图像进行优化、训练，直至管道图像识别模型趋于稳定；保存图像识别模型，通过所述模型识别管道的故障状况并输出管道故障类型及级别，得到管道内部故障状态。
[0010]作为本专利技术的一种优选改进，所述图像识别模型为Alexnet 卷积神经网络结构模型，所述优化器为Adam优化器，所述管道故障级别包括1至5个等级。
[0011]作为本专利技术的一种优选改进，管道故障包括结构性缺陷和功能性缺陷，所述结构性缺陷包括破裂、渗漏、严重变形和管道错位，所述功能性缺陷包括淤泥沉积、堵塞物堆积和管道结垢。
[0012]一种基于所述的一种市政排水管道故障智能识别与预测系统的市政排水管道故障智能识别与预测方法，包括以下步骤：S1：将市政排水管道发生故障视为只与时间相关的马尔可夫链；S2：定义市政排水管道的故障状态，分别为状态1、状态2、状态3、状态4、状态5，其中状态1表征全新的排水管道无故障状态，状态5表征排水管道严重故障、亟待修复；S3：根据马尔可夫链，计算由状态i到状态i+1的转移概率，进而对随着时间的推进，管道推移到状态4或状态5的概率进行预测，其中，i取值1
‑
4；S4：根据数据集成模块，通过蒙特卡洛马尔可夫链方法，模拟计算得到模型参数，进而计算得出转移强度和强度矩阵，最后确定转移概率；S5：根据确定的转移概率对管道随时间进行推移达到状态4的概率进行预测，并根据预测结果，定期控制内部监测模块采集图像并传输至预警模块进行故障状态识别；S6：故障识别后，预警模块将数据传输至数据集成模块，更新历史故障数据，重复步骤S4
‑
S6，不断更新模型的转移概率。
[0013]本专利技术的有益效果：可以对管道故障事件进行预测并根据预测结果定期监测管道内部状况，智能识别管道内部故障类型及严重程度，代替传统的管道内部故障人工检修模式，节省大量人力物力，降低了管道运维成本。
附图说明
[0014]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中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专利技术的一些实施例，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它的附图，其中：图1是本专利技术一种市政排水管道故障智能识别与预测系统及方法的系统框架图；图2是本专利技术一种市政排水管道故障智能识别与预测系统及方法的工作流程图。
具体实施方式
[0015]下面将结合本专利技术实施例对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本专利技术的一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本专利技术保护的范围。
[0016]需要说明，本专利技术实施例中所有方向性指示（诸如上、下、左、右、前、后
……
）仅用于解释在某一特定姿态（如附图所示）下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0017]另外，在本专利技术中如涉及“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。
[0018]在本专利技术中，除非另有明确的规定和限定，术语“连接”、“固定”等应做广义理解，例如，“固定”可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。
[0019]另外，本专利技术各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种市政排水管道故障智能识别与预测系统，其特征在于：包括数据集成模块、内部监测模块以及预警模块；其中，所述数据集成模块用于存储管道历史故障数据、管道内部图像信息以及管道运行基础参数，建立马尔可夫链模型对管道未来故障进行预测；所述内部监测模块受所述数据集成模块控制，用于监测管道内部故障情况；所述预警模块接收所述内部监测模块的数据，分析管道内部故障类型及级别并判断是否发出预警，然后将数据返回数据集成模块。2.根据权利要求1所述的一种市政排水管道故障智能识别与预测系统，其特征在于：所述数据集成模块包括数据存储单元和故障预测单元；所述数据存储单元用于存储管道历史故障数据、管道内部图像信息和管道运行基础参数；所述故障预测单元用于建立马尔可夫链模型，对管道未来故障情况进行预测，并控制所述内部监测模块定期进行内部监测。3.根据权利要求1所述的一种市政排水管道故障智能识别与预测系统，其特征在于：所述内部监测模块包括图像采集单元和数据传输单元；所述图像采集单元用于对管道内部图像信息进行采集；所述数据传输单元用于将管道内部图像信息传输至所述预警模块。4.根据权利要求1或3所述的一种市政排水管道故障智能识别与预测系统，其特征在于：所述预警模块包括图像处理单元和预警单元；所述图像处理单元用于对管道内部图像信息进行识别分析，得到管道内部故障类型及故障级别；所述预警单元用于根据管道内部故障类型与级别，并结合马尔可夫链模型判断是否发出报警，然后再将管道故障数据传输至所述数据集成模块进行存储。5.根据权利要求4所述的一种市政排水管道故障智能识别与预测系统，其特征在于：所述图像采集单元通过管道机器人搭载360
°
可旋转红外摄像头采集管道内部图像信息，所述数据传输单元通过无线传输将管道内部图像信息传输至所述预警单元。6.根据权利要求4所述的一种市政排水管道故障智能识别与预测系统，其特征在于：所述图像处理单元基于卷积神经网络模型进行工...

【专利技术属性】
技术研发人员：李天兵，俞珂俊，梁骏杰，何伟飘，
申请(专利权)人：广州中工水务信息科技有限公司，
类型：发明
国别省市：