基于数据特征融合的管网信息物理异常诊断方法

随着管网物理空间和信息网络的深度融合，系统面临着物理和信息空间异常带来的运行风险.本文根据管网系统数据量大、耦合性强的特点，提出一种基于数据特征融合的信息物理异常诊断方法.首先通过站场信息数据构建信息增维矩阵并且通过矩阵预分析实现信息传输中断异常的判断.然后基于不同站场信息构建的信息增维协方差矩阵，通过矩阵特征值分布的变化情况对物理异常以及信息传输错误异常进行区分.在此基础上，为了对管网物理异常分类实现系统运行状态的有效分析，将管网信息增维协方差矩阵最大特征向量映射的二维图像作为输入，采用卷积神经网络进行研究，进而实现对物理异常的准确判断.最后通过某实际管网数据进行仿真分析，验证所提方法的有效性.     

基于用电大数据的用电异常状态辨识方法

用电异常状态的辨识是用电环节的重点和难点。本文基于计量自动化系统智能电能表所采集的用电大数据,对用电异常状态辨识方法进行研究。首先,基于用电海量数据及高维随机矩阵理论,研究分析了大维随机矩阵的协方差矩阵特征谱分布;然后,根据矩阵的统计特性提出基于用电大数据矩阵的用电异常状态辨识方法;最后,以贵州实际用电数据为例进行了仿真研究。仿真结果表明该文方法不仅能满足电网对可视性、时效性、可靠性、安全性的迫切要求,而且为数据驱动用电环节智能化、可视化监控提供了新思路。     

大数据结构化与数据驱动的复杂系统维修决策

现代大型机电系统组成结构越来越复杂、智能化程度越来越高, 然而系统维修工作却越来越困难; 另外, 尽管快速发展的信息技术使得系统内部的各种流数据得到了有效的保存, 但却缺乏对这类大数据的有效利用、实现复杂系统的维修控制与决策.为此, 提出了大数据结构化与数据驱动的复杂系统维修决策方法.大数据结构化使用了层次分析法(Analytic hierarchy process, AHP)的思想, 依次建立系统维修的各个层级模型; 基于模型抽象出支持系统维修的数据变量、提炼出各层级变量的表达函数; 研究进一步实现了维护决策的数据驱动技术, 在模型和函数之上定义了数据状态块矩阵, 通过设计矩阵的特殊运算算法完成维修决策的数据驱动.最后, 使用一个具体的例子来说明提出方法的可用性, 结果证明提出的方法是可行的, 符合设备维修决策建设目标, 即维修方法经济、高效与实用.     

基于要素矩阵触发的管道异常分布式检测

针对管网管道数据传输频繁的问题,为了能够对管网进行实时检测和减少站场间数据传输次数,通过研究管网站场内不同数据的类型及传输特点,建立了管网管道的运行模型,提出了基于要素矩阵触发的管道异常分布式检测方法.该分布式异常检测方法利用站场设备数据建立管道数据要素矩阵并通过提出的基于随机矩阵单环定理的异常判断准则来决定站场间数据传输的时刻,然后采用考虑管道倾角的数据衰减模型将相邻站场的压力数据进行折算并且与实际管道压力差相比较,得到管道的运行状态.该方法采用要素矩阵触发和压力数据衰减模型对数据进行传输和处理,可以减少站场间的数据传输频率以及提高检测的精度.最后通过管网站场历史数据验证了所提方法的有效性.     

基于传感网与GIS的智慧排水管网系统

针对城市排水设施复杂,监控监管、规划及社会服务缺乏高效的管理手段的问题,本文提出了基于传感网与GIS技术设计的排水防涝智慧管网系统的设计方案,实现对排水管网的管理、规划、监控,实时动态掌握管网管线的运行状态,实现对排水管网“动态管理、预警预防、智慧决策”的最终目标,提高排水防涝管理的效率、质量和水平.     

基于GIS的电信管网监控管理系统设计

利用地理空间拓扑将管网设施和地理位置有机地结合,通过采集管网资源的实时信息对系统进行监控,设计了采用GIS技术作为平台的电信管网资源监控管理系统.文章介绍了系统的设计方案和原则,阐述了系统的网络结构和功能模块;给出了监控管理模块相应的资源数据管理、监控数据采集和地理图形/报警显示的设计方法.     

数据驱动的工业过程运行监控与自优化研究展望

现代工业过程向大规模、连续化、集成化方向发展,有必要对生产全流程运行的决策、协同控制、底层控制进行有效监控,也是当前国际控制领域的研究热点.本文首先分析了工业过程全流程运行监控的内涵与行业现状;其次,阐述了基于模型的控制系统故障诊断与容错控制方法,以及数据驱动的异常工况诊断与自愈控制方法的研究现状,并指明了信息物理系统（Cyber-physical systems,CPS）时代智能安全运行监控与自优化的发展机遇;最后,论述了工业过程运行监控与自优化研究的新方向和最新进展,包括:1）数据驱动的决策、协同控制、底层控制多层面联合监控;2）基于机理、数据、知识多源动态信息融合的异常工况诊断;3）专家知识与控制手段相结合的协同层自愈控制;4）数据驱动的运行动态性能分析与自优化;5）支撑运行监控与自优化系统的实现技术.     

基于矩阵分解的属性网络嵌入和社区发现算法

属性网络不但包含节点之间复杂的拓扑结构,还包含拥有丰富属性信息的节点,其可以比传统网络更有效地建模现代信息系统,属性网络的社区划分对于分析复杂系统的层次结构、控制信息在网络中的传播和预测网络用户的群体行为等方面具有重要的研究价值.为了更好地利用拓扑结构信息和属性信息进行社区发现,提出了一种基于矩阵分解的属性网络嵌入和社区发现算法(CDEMF).首先提出基于矩阵分解的属性网络嵌入方法,基于网络局部链接信息计算相邻节点的相似性,将其与属性接近度联合建模,通过矩阵分解的分布式算法得到每个节点对应的低维嵌入向量,即把网络节点映射为低维向量表示的数据点集合.接着提出基于曲率和模块度的社区划分方法,自动确定数据点集合中蕴含的社区数量,并通过对数据点集合聚类完成属性网络社区划分.在真实网络数据集上,将CDEMF方法与其他8种知名算法进行比较,实验结果表明CDEMF具有良好的性能.     

基于GPRS的Modbus协议驱动程序开发

以供热管网动态平衡监控系统为背景,基于GPRS无线传输模块,开发了ICP-7017模块的Modbus协议驱动程序,详细介绍了程序设计方法、协议规范、接口编程和驱动技术.实际运行表明,该驱动程序有效地解决了组态软件、GPRS模块与ICP-7017模块之间数据接口问题.实现了供热管网数据远程采集和传榆.     

基于FDD–HSM方法的复杂拓扑供热管道动态等值建模

含热电联产机组的区域电热联合供给系统日益受到重视,供热管网动态建模是其优化运行的重要基础.基于管道热力输运原理及其运行数据,提出一种有限差分域–混合半机理(FDD–HSM)动态建模方法.首先,简化复杂拓扑供热管道为单一管径、直管段的简单拓扑形状并给出低阶等值机理模型结构.其次,考虑低阶机理模型输入–输出延迟阶次,定义有...     

基于T-S模糊神经网络预测算法的管道泄漏定位研究与分析

长输管道的泄漏检测和定位对管道安全平稳运行意义极其重大,在以软件计算为主的检测方法里,模糊神经网络模型综合了模糊算法和神经网络模型的优点,能较好地适应长输管道的非线性特征。本文采用中亚地区某管道某相邻两站场的历史数据训练基于高木-关野（Takagi-Sugeno）模糊神经网络的预测模型,使用STONER管道仿真软件产生实时数据,用一种较简单的软方法较好的实现管道泄漏定位,该种方法对中亚某长输管道这类没有专门硬件泄漏检测设备和系统的管线有一定的实用意义。     

基于模糊神经网络的管道泄漏检测方法研究

为了及时准确地检测管道泄漏,提出了一种基于模糊神经网络的管道泄漏检测的方法.首先以管道内流体在出口与人口之间的压力差与流量差信号作为网络输入,以泄漏的尺寸大小作为网络输出,构建了管道泄漏检测与泄漏尺寸估计的模糊神经网络结构,进而选取实际管道数据,对网络的参数进行离线训练,并得出网络权值.最后以借鉴某管道泄漏的部分先验知识建立模糊规则的基础上,通过仿真验明了方法在管道泄漏诊断中的有效性和可行性.     

加权模糊推理网络及在管道损伤诊断中的应用*

针对油气管道运营维护中的管道腐蚀损伤检测问题,提出了一种加权模糊推理网络的诊断模型。模型将神经网络与模糊逻辑进行融合,可以实现部分证据的自下而上处理和自上而下处理的结合,融合了模糊逻辑能够较完整地表达领域规则和先验知识以及神经网络自适应环境的优点。具体给出了加权模糊推理网络的结构模型和学习算法,依据模糊推理规则的量化表示形式和微分方程数值解的动力学思想能较好地避免网络学习陷入局部极值点。该算法具有较好的稳定性和有效性。实际资料处理结果表明,该模型对解决管道腐蚀损伤诊断问题具有良好的适应性和实用性。     

基于Boosting RBF神经网络的入侵检测

提出一种新颖的基于boosting RBF神经网络的入侵检测方法。将模糊聚类和神经网络技术相结合,提出基于改进的FCM算法和OLS算法相结合的FORBF算法,为了提高RBF神经网络的泛化能力,采用Boosting方法,进行网络集成。以“KDD Cup 1999 Data”网络连接数据集训练神经网络并仿真实验,得到了较高的检测率和较低的误警率。     

Diagnosis and Localization of Pipeline Leak Based on Fuzzy Decision-making Method

A leak detection plays a key role in the overall integrity monitoring for a oil pipeline system.A fuzzy decision-making approach to pipeline leak localization is proposed in this paper. The two main methods,pressure gradient localization and negative pressure wave localization,are combined with fuzzy logical decision-making method to form a novel fault diagnosis scheme.The combination scheme can improve the precision of localization.An application example,14km long oil pipeline leak detection and localization,is illustrated.This method is compared with others through practical experiments and its validity is confirmed by the results.     

管道泄漏计算机在线检测系统及其算法实现

设计了管道泄满计算机在线检测系统的总体结构，提出了一种基于工况分析的逻辑判决故障检测算法，当输油管道工作状况不断发生改变时，这种方法能够动态估计管道运行数据的正常值范围，很好地解决输油管道泄漏的故障检测问题，结合GPS技术和负压波定位算法，大大提高了报警准确性和定位精度，现场测试结果和实际工业应用证明了该方法的有效性。     

基于模糊决策方法的管道泄漏诊断与定位

A leak detection plays a key role in the overall integrity monitoring for a oil pipeline system. A fuzzy decision-making approach to pipeline leak localization is proposed in this paper. The two main methods, pressure gradient localization and negative pressure wave localization, are combined with fuzzy logical decision-making method to form a novel fault diagnosis scheme. The combination scheme can improve the precision of localization. An application example, 14km long oil pipeline leak detection and localization, is illustrated. This method is compared with others through practical experiments and its validity is confirmed by the results.     

输油管网泄漏检测与定位方法的研究

提出了一种新颖的基于模式识别的输油管网泄漏检测与定位的方法．该方法采集管网每个端点的压力信号，并基于模式识别的原理对管网进行泄漏检测与定位．仿真实验结果表明了该方法的有效性．     

一种基于数据可靠性和区间证据推理的故障检测方法

为解决故障检测方法在处理数据不确定性问题上的不足, 本文提出一种基于数据可靠性和区间证据推理(Interval evidential reasoning, IER)的故障检测方法. 该方法通过融合专家知识与考虑可靠性的监测数据, 实现报警阈值区间的更新与优化, 从而提高故障检测的准确性. 首先基于信息一致性方法计算数据可靠度, 然后基于区间证据推理理论, 构建区间阈值的更新与优化模型, 最后基于投影协方差矩阵自适应进化策略算法求解优化模型, 得到故障检测误漏报率最小的最优报警阈值区间. 对石油管道泄漏实例和航天继电器加速寿命测试实例的故障检测问题进行了研究, 通过对比分析, 验证了所提方法的有效性.     

基于无监督Hebb规则的入侵检测方法

通过分析现有的入侵检测方法,提出了一个基于无监督Hebb规则的入侵检测方法。此方法采用高效的抓包工具抓取计算机网络数据包;根据抓取到的网络数据包的信息定义行为变量;根据无监督的Hebb规则构建网络行为模型;采用Hamming距离进行检测。实验证明该方法能够正确地构造网络行为模型,并能准确地检测出异常行为。