-
公开(公告)号：CN109442221A
公开(公告)日：2019-03-08
申请号：CN201811393693.X
申请日：2018-11-21
Applicant: 同济大学
Abstract: 本发明涉及一种基于压力扰动提取的供水管网爆管侦测方法，该方法包括如下步骤：(1)收集、预处理压力监测数据，建立压力监测值矩阵；(2)采用傅里叶变换对压力监测值矩阵进行时域、频域特征分析，提取扰动信息，生成压力扰动值矩阵；(3)采用孤立森林算法检测压力扰动值矩阵中的异常值；(4)基于爆管事件下的管网压力响应特征，筛选检测出的异常值，输出爆管侦测结果。与现有技术相比，本发明爆管侦测方法的结果准确可靠，更适用于我国目前普遍采用的大型复杂供水管网。
-
公开(公告)号：CN112097126B
公开(公告)日：2021-07-20
申请号：CN202010989680.X
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度神经网络的供水管网爆管管道精确识别方法该方法包括如下步骤：(1)搭建深度神经网络，确定爆管发生的可能区域并选择压力监测点位置；(2)模拟不同位置的爆管，采集压力监测点压力数据作为训练数据，训练深度神经网络；(3)在现场爆管发生的可能区域选择压力监测点位置并采集压力监测点压力数据，将其输入到训练好的深度神经网络中进行识别；(4)输出爆管管道识别结果。与现有技术相比，本发明可使用管网中容易获取的压力监测数据取得精确的爆管管道定位结果，对水力模型、监测数据的不确定性有良好的适应能力，具有成本低、精度高的特点。
-
公开(公告)号：CN112097125A
公开(公告)日：2020-12-18
申请号：CN202010987621.9
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于自适应校核的供水管网爆管侦测及定位方法，该方法包括如下步骤：(1)收集供水管网压力及流量监测数据，使用自适应校核算法估算各节点的需水量；(2)对需水量校核结果进行处理，构建检测集群；(3)采用DBSCAN算法判断各检测集群是否为离群值；(4)基于爆管时的管网流量响应特征对离群值进行分析，输出爆管侦测结果，判断爆管所在位置。与现有技术相比，本发明侦测定位精度高、受模型及数据不确定性影响小、成本低。
-
Patent Agency Ranking
公开(公告)号：CN109442221B
公开(公告)日：2019-10-18
申请号：CN201811393693.X
申请日：2018-11-21
Applicant: 同济大学
Abstract: 本发明涉及一种基于压力扰动提取的供水管网爆管侦测方法，该方法包括如下步骤：(1)收集、预处理压力监测数据，建立压力监测值矩阵；(2)采用傅里叶变换对压力监测值矩阵进行时域、频域特征分析，提取扰动信息，生成压力扰动值矩阵；(3)采用孤立森林算法检测压力扰动值矩阵中的异常值；(4)基于爆管事件下的管网压力响应特征，筛选检测出的异常值，输出爆管侦测结果。与现有技术相比，本发明爆管侦测方法的结果准确可靠，更适用于我国目前普遍采用的大型复杂供水管网。
-
公开(公告)号：CN112113146B
公开(公告)日：2021-09-03
申请号：CN202010989677.8
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种供水管网管道粗糙系数和节点需水量同步自适应校核方法，包括如下步骤：(1)收集供水管网监测数据，初始化自适应校核过程；(2)基于供水管网监测数据计算当前时刻节点需水量的推理观测值，并代入推理观测卡尔曼滤波器计算当前时刻节点需水量的最优估计值；(3)基于供水管网监测数据计算当前时刻管道粗糙系数的推理观测值，并代入推理观测卡尔曼滤波器计算当前时刻管道粗糙系数的最优估计值；(4)将当前时刻的节点需水量的最优估计值以及当前时刻管道粗糙系数的最优估计值代入下一时刻重复执行步骤(2)～(3)完成下一时刻的校核。与现有技术相比，本发明可同时对管网中的管道粗糙系数和节点需水量进行校核，校核精度高。
-
公开(公告)号：CN112097125B
公开(公告)日：2021-07-20
申请号：CN202010987621.9
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于自适应校核的供水管网爆管侦测及定位方法，该方法包括如下步骤：(1)收集供水管网压力及流量监测数据，使用自适应校核算法估算各节点的需水量；(2)对需水量校核结果进行处理，构建检测集群；(3)采用DBSCAN算法判断各检测集群是否为离群值；(4)基于爆管时的管网流量响应特征对离群值进行分析，输出爆管侦测结果，判断爆管所在位置。与现有技术相比，本发明侦测定位精度高、受模型及数据不确定性影响小、成本低。
-
公开(公告)号：CN112113146A
公开(公告)日：2020-12-22
申请号：CN202010989677.8
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种供水管网管道粗糙系数和节点需水量同步自适应校核方法，包括如下步骤：(1)收集供水管网监测数据，初始化自适应校核过程；(2)基于供水管网监测数据计算当前时刻节点需水量的推理观测值，并代入推理观测卡尔曼滤波器计算当前时刻节点需水量的最优估计值；(3)基于供水管网监测数据计算当前时刻管道粗糙系数的推理观测值，并代入推理观测卡尔曼滤波器计算当前时刻管道粗糙系数的最优估计值；(4)将当前时刻的节点需水量的最优估计值以及当前时刻管道粗糙系数的最优估计值代入下一时刻重复执行步骤(2)～(3)完成下一时刻的校核。与现有技术相比，本发明可同时对管网中的管道粗糙系数和节点需水量进行校核，校核精度高。
-
公开(公告)号：CN112097126A
公开(公告)日：2020-12-18
申请号：CN202010989680.X
申请日：2020-09-18
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度神经网络的供水管网爆管管道精确识别方法该方法包括如下步骤：(1)搭建深度神经网络，确定爆管发生的可能区域并选择压力监测点位置；(2)模拟不同位置的爆管，采集压力监测点压力数据作为训练数据，训练深度神经网络；(3)在现场爆管发生的可能区域选择压力监测点位置并采集压力监测点压力数据，将其输入到训练好的深度神经网络中进行识别；(4)输出爆管管道识别结果。与现有技术相比，本发明可使用管网中容易获取的压力监测数据取得精确的爆管管道定位结果，对水力模型、监测数据的不确定性有良好的适应能力，具有成本低、精度高的特点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
