[發明專利]一種基于分布式的油氣儲罐遠程運維方法

有效

• 申請號: 201911345790.6
• 申請日: 2019-12-24
• 公開（公告）號: CN111061191B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 林名強;翁婕;戴厚德;朱利琦
• 申請（專利權）人: 泉州裝備制造研究所
• 主分類號: G05B19/042
• 分類號: G05B19/042
• 代理公司: 泉州市文華專利代理有限公司 35205
• 代理人: 陳雪瑩

1.一種基于分布式的油氣儲罐遠程運維方法，其特征在于：所述方法需使用如下一種基于分布式的油氣儲罐遠程運維系統，包括一上位機、復數個固定數據監測終端組、至少一多傳感移動巡檢機器人以及一服務器；所述上位機的一端與服務器連接，另一端與所述固定數據監測終端組以及多傳感移動巡檢機器人連接；

所述固定數據監測終端組包括一溫度傳感器、一濕度傳感器、一壓力傳感器、一液位傳感器以及一流量傳感器；所述溫度傳感器、濕度傳感器、壓力傳感器、液位傳感器以及流量傳感器均分別與上位機連接；

所述多傳感移動巡檢機器人設有一無線通信模塊、一視覺傳感器以及一氣體傳感器；所述無線通信模塊的一端與上位機連接，另一端與所述視覺傳感器以及氣體傳感器連接；

所述無線通信模塊為2G通信模塊、3G通信模塊、4G通信模塊、5G通信模塊、WIFI通信模塊、LORA通信模塊或者NBIOT通信模塊；

所述方法包括如下步驟：

步驟S10、上位機通過各固定數據監測終端組以及多傳感移動巡檢機器人并行采集油氣儲罐的監測數據，并將所述監測數據分布式存儲至服務器；

步驟S20、對采集的所述監測數據進行參數優化以及特征提取后，輸入分類器進行訓練，并生成訓練結果發送給多傳感移動巡檢機器人用于離線故障診斷；

步驟S30、利用模糊系統對所述監測數據進行在線故障診斷；

步驟S40、基于所述離線故障診斷以及在線故障診斷的診斷數據創建故障診斷信息模型；

步驟S50、利用所述故障診斷信息模型對油氣儲罐進行預測性維護以及風險分級管控；

所述步驟S20具體包括：

步驟S21、利用交叉網格驗證法、粒子群算法或者遺傳算法對采集的所述監測數據進行數據殘缺補全、無效數據剔除以及歸一化處理的參數優化；

步驟S22、對參數優化后的所述監測數據進行時域統計值、頻率統計值、時頻統計值、狀態因子IMFs、乘積函數PFs、特征熵Entropy以及小波分量值的特征提取；

步驟S23、將提取的特征輸入支持向量機或者人工神經網絡的分類器進行訓練生成訓練結果；

步驟S24、對所述訓練結果進行驗證，驗證通過，則進入步驟S25；驗證不通過，則進入步驟S23；

步驟S25、將所述訓練結果發送給多傳感移動巡檢機器人用于離線故障診斷。

2.如權利要求1所述的一種基于分布式的油氣儲罐遠程運維方法，其特征在于：所述監測數據包括溫度、濕度、壓力、液位、進油量、出油量、排水量、氣體信號以及圖像信號。

3.如權利要求1所述的一種基于分布式的油氣儲罐遠程運維方法，其特征在于：所述步驟S30具體為：

從模糊系統的模糊化接口將所述監測數據輸入至模糊推理機，模糊推理機利用模糊規則庫的規則對監測數據進行故障診斷后，通過清晰化接口輸出故障診斷數據。

4.如權利要求1所述的一種基于分布式的油氣儲罐遠程運維方法，其特征在于：所述步驟S40具體為：

基于所述離線故障診斷以及在線故障診斷的診斷數據，創建包括診斷對象類別、輸入參數、輸出參數、數值大小、分類器類別以及故障類型的故障診斷信息模型，用于對故障診斷方法、故障診斷過程、數據結構及表征、輸入輸出映射進行信息化建模；

所述診斷對象類別、輸入參數、輸出參數、數值大小、分類器類別以及故障類型均由復數個元語定義的屬性進行描述。

5.如權利要求1所述的一種基于分布式的油氣儲罐遠程運維方法，其特征在于：所述步驟S50具體為：

利用所述故障診斷信息模型對監測數據進行故障診斷，對診斷出的故障進行分類，并利用失效與非失效的歷史監測數據，估算存在各類型故障的油氣儲罐的剩余壽命，并基于所述剩余壽命調整各油氣儲罐的預防維護時間序列；

利用所述故障診斷信息模型對監測數據進行故障診斷生成診斷結果，并基于所述診斷結果對油氣儲罐各類風險進行量化分析、態勢分析以及預測預警。

6.如權利要求5所述的一種基于分布式的油氣儲罐遠程運維方法，其特征在于：所述失效與非失效的歷史監測數據具體為：

為各類型的監測數據均分別設定一閾值區間，若歷史監測數據的取值處于所述閾值區間內，則為非失效；取值處于所述閾值區間外，則為失效。