【技术实现步骤摘要】
本专利技术涉及农业灌溉，尤其涉及一种基于智能灌溉网关的故障诊断与定位方法及装置。
技术介绍
1、随着农业现代化的发展，智能灌溉系统成为提高水资源利用效率和作物产量的重要手段。然而，灌溉系统中的设备在长期运行过程中可能会出现各种故障，如管道泄漏、阀门堵塞或泵故障。这些故障如果不能及时检测和处理，将严重影响灌溉效果和资源利用。因此，研究出高效的灌溉系统故障定位方法至关重要。
2、现有技术中灌溉系统的故障检测方法采集的系统数据过于单一，仅基于压力数据或者设备运行的状态进行判断，并在判断过程中仅依赖预设阈值进行判断故障，无法全面检测灌溉系统的故障，还可能导致误判或漏判。此外判断故障后，难以及时地对故障进行定位，故障定位精度和效率低下，影响灌溉系统的维护效率。
技术实现思路
1、本专利技术提供一种基于智能灌溉网关的故障诊断与定位方法及装置，用以克服现有技术中灌溉系统的故障检测可能出现误判或漏判，且难以及时对故障进行定位，导致故障定位精度和效率低下，影响灌溉系统的维护效率的缺陷。
2、本专利技术提供一种基于智能灌溉网关的故障诊断与定位方法，方法包括如下步骤：
3、获取从由灌溉网关控制的灌溉系统中采集的多源传感器数据，其中，所述多源传感器数据包括压力数据、流量数据、环境数据以及设备状态数据；
4、对所述多源传感器数据进行凝聚层次聚类，得到层次聚类树；
5、根据预设的距离阈值，确定出所述层次聚类树中的截断点，并通过所述截断点对所述层次聚类
6、对每个所述聚类簇中的多源传感器数据进行异常数据识别，确定出所述灌溉系统中存在的异常故障点；
7、在所述灌溉系统对应的树形拓扑结构网络中追溯到所述异常故障点，并对所述异常故障点进行路径规划，得到追溯所述异常故障点的最短路径；
8、基于所述最短路径在所述灌溉系统中定位出所述异常故障点。
9、在一些实施例中，所述对所述多源传感器数据进行凝聚层次聚类，得到层次聚类树，包括：
10、将每个多源传感器数据作为一个初始数据点簇，并对所述初始数据点簇形成的点簇集合进行凝聚层次聚类；
11、将凝聚层次聚类过程中需进行聚合的初始数据点簇、以及聚合后得到的合并数据点簇，作为层次聚类树中的节点；
12、根据所述节点构建得到层次聚类树。
13、在一些实施例中，所述对所述初始数据点簇形成的点簇集合进行凝聚层次聚类，包括：
14、在所述初始数据点簇形成的点簇集合中，确定任意的两个初始数据点簇之间的距离矩阵；
15、将距离矩阵最小的两个初始数据点簇进行聚合，得到合并数据点簇；
16、在每一次迭代过程中，选取距离矩阵最小的两个目标数据点簇进行聚合，其中，所述目标数据点簇包括未进行聚合的初始数据点簇和聚合得到的合并数据点簇；
17、当所述初始数据点簇形成的点簇集合已聚合为一个合并数据点簇，结束迭代过程。
18、在一些实施例中，所述根据预设的距离阈值，确定出所述层次聚类树中的截断点，包括：
19、针对所述层次聚类树中进行聚合的两个目标节点，确定两个目标节点之间的距离矩阵；
20、当所述距离矩阵大于预设的距离阈值，确定两个目标节点之间存在截断点。
21、在一些实施例中，所述灌溉系统对应的树形拓扑结构网络的构建过程包括：
22、将所述灌溉系统按照树形分为根节点层、第一子节点层、第二子节点层，叶子节点层；
23、将灌溉网关作为树形拓扑结构网络的根节点，部署在所述根节点层；
24、将所述灌溉网关管理的多个控制区域节点作为所述根节点的第一子节点，部署在所述第一子节点层；
25、将所述控制区域节点控制的泵节点和阀门节点作为所述第一子节点的子节点，部署在所述第二子节点层；
26、将与所述泵节点和所述阀门节点连接的传感器节点作为所述第二子节点层的叶子节点，部署在所述叶子节点层，其中，所述传感器节点中设置的传感器用于采集多源传感器数据；
27、将所述灌溉网关、所述控制区域节点、所述泵节点、所述阀门节点以及所述传感器节点之间连接的管道作为边；
28、根据所述根节点层、所述第一子节点层、所述第二子节点层、所述叶子节点层中的节点以及所述边，构建得到树形拓扑结构网络。
29、在一些实施例中，所述在所述灌溉系统对应的树形拓扑结构网络中追溯到所述异常故障点，包括：
30、将树形拓扑结构网络的根节点作为起始节点，从所述起始节点开始，调用深度优先搜索算法对树形拓扑结构网络中的每个节点进行搜索，并在搜索过程中，采集每个节点对应的多源传感器数据；
31、针对搜索到的任意一个当前节点，确定所述当前节点与相邻节点的多源传感器数据的差异值，当所述差异值大于预设的差异值阈值时，将所述相邻节点确定为所述树形拓扑结构网络中的异常故障点，其中，所述相邻节点是与所述当前节点相邻的至少一个节点。
32、在一些实施例中，所述树形拓扑结构网络中的边设有边权重，所述对所述异常故障点进行路径规划，得到追溯所述异常故障点的最短路径，包括：
33、将所述树形拓扑结构网络中的根节点确定为初始节点，将所述异常故障点确定为目标节点；
34、调用动态规划算法对所述初始节点与所述目标节点之间的路径进行规划，并在规划过程中确定出所述初始节点与所述目标节点之间的多个前驱节点；
35、对所述多个前驱节点进行逆向回溯，并在逆向回溯过程中，根据前驱节点之间的边权重构建得到追溯所述异常故障点的最短路径。
36、本专利技术还提供一种基于智能灌溉网关的故障诊断与定位装置，装置具体包括如下模块：
37、获取模块，用于获取从由灌溉网关控制的灌溉系统中采集的多源传感器数据，其中，所述多源传感器数据包括所述灌溉系统的压力数据、流量数据、环境数据以及设备状态数据；
38、聚类模块，用于对所述多源传感器数据进行凝聚层次聚类，得到层次聚类树；
39、确定模块，用于根据预设的距离阈值，确定出所述层次聚类树中的截断点，并通过所述截断点对所述层次聚类树进行剪切，得到所述多源传感器数据的多个聚类簇；
40、识别模块，用于对每个所述聚类簇中的多源传感器数据进行异常数据识别，确定出所述灌溉系统中存在的异常故障点；
41、规划模块，用于在所述灌溉系统对应的树形拓扑结构网络中追溯到所述异常故障点，并对所述异常故障点进行路径规划，得到追溯所述异常故障点的最短路径；
42、定位模块，用于基于所述最短路径在所述灌溉系统中定位出所述异常故障点。
43、本专利技术还提供一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任一种所述智能灌溉网关的故障诊断与本文档来自技高网...
【技术保护点】
1.一种基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述对所述多源传感器数据进行凝聚层次聚类，得到层次聚类树，包括：
3.根据权利要求2所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述对所述初始数据点簇形成的点簇集合进行凝聚层次聚类，包括：
4.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述根据预设的距离阈值，确定出所述层次聚类树中的截断点，包括：
5.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述灌溉系统对应的树形拓扑结构网络的构建过程包括：
6.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述在所述灌溉系统对应的树形拓扑结构网络中追溯到所述异常故障点，包括：
7.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述树形拓扑结构网络中的边设有边权重，所述对所述异常故障点进行路径规划，得到追溯所述异常
8.一种基于智能灌溉网关的故障诊断与定位装置，其特征在于，所述装置包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述基于智能灌溉网关的故障诊断与定位方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述基于智能灌溉网关的故障诊断与定位方法。
...【技术特征摘要】
1.一种基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述对所述多源传感器数据进行凝聚层次聚类，得到层次聚类树，包括：
3.根据权利要求2所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述对所述初始数据点簇形成的点簇集合进行凝聚层次聚类，包括：
4.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述根据预设的距离阈值，确定出所述层次聚类树中的截断点，包括：
5.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所述灌溉系统对应的树形拓扑结构网络的构建过程包括：
6.根据权利要求1所述的基于智能灌溉网关的故障诊断与定位方法，其特征在于，所...
【专利技术属性】
技术研发人员：李光伟，郑文刚，张石锐，李腾，赵海行，李晶晶，
申请(专利权)人：北京市农林科学院智能装备技术研究中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。