[发明专利]一种基于分布式的油气储罐远程运维方法

权利要求书

1.一种基于分布式的油气储罐远程运维方法，其特征在于：所述方法需使用如下一种基于分布式的油气储罐远程运维系统，包括一上位机、复数个固定数据监测终端组、至少一多传感移动巡检机器人以及一服务器；所述上位机的一端与服务器连接，另一端与所述固定数据监测终端组以及多传感移动巡检机器人连接；

所述固定数据监测终端组包括一温度传感器、一湿度传感器、一压力传感器、一液位传感器以及一流量传感器；所述温度传感器、湿度传感器、压力传感器、液位传感器以及流量传感器均分别与上位机连接；

所述多传感移动巡检机器人设有一无线通信模块、一视觉传感器以及一气体传感器；所述无线通信模块的一端与上位机连接，另一端与所述视觉传感器以及气体传感器连接；

所述无线通信模块为2G通信模块、3G通信模块、4G通信模块、5G通信模块、WIFI通信模块、LORA通信模块或者NBIOT通信模块；

所述方法包括如下步骤：

步骤S10、上位机通过各固定数据监测终端组以及多传感移动巡检机器人并行采集油气储罐的监测数据，并将所述监测数据分布式存储至服务器；

步骤S20、对采集的所述监测数据进行参数优化以及特征提取后，输入分类器进行训练，并生成训练结果发送给多传感移动巡检机器人用于离线故障诊断；

步骤S30、利用模糊系统对所述监测数据进行在线故障诊断；

步骤S40、基于所述离线故障诊断以及在线故障诊断的诊断数据创建故障诊断信息模型；

步骤S50、利用所述故障诊断信息模型对油气储罐进行预测性维护以及风险分级管控；

所述步骤S20具体包括：

步骤S21、利用交叉网格验证法、粒子群算法或者遗传算法对采集的所述监测数据进行数据残缺补全、无效数据剔除以及归一化处理的参数优化；

步骤S22、对参数优化后的所述监测数据进行时域统计值、频率统计值、时频统计值、状态因子IMFs、乘积函数PFs、特征熵Entropy以及小波分量值的特征提取；

步骤S23、将提取的特征输入支持向量机或者人工神经网络的分类器进行训练生成训练结果；

步骤S24、对所述训练结果进行验证，验证通过，则进入步骤S25；验证不通过，则进入步骤S23；

步骤S25、将所述训练结果发送给多传感移动巡检机器人用于离线故障诊断。

2.如权利要求1所述的一种基于分布式的油气储罐远程运维方法，其特征在于：所述监测数据包括温度、湿度、压力、液位、进油量、出油量、排水量、气体信号以及图像信号。

3.如权利要求1所述的一种基于分布式的油气储罐远程运维方法，其特征在于：所述步骤S30具体为：

从模糊系统的模糊化接口将所述监测数据输入至模糊推理机，模糊推理机利用模糊规则库的规则对监测数据进行故障诊断后，通过清晰化接口输出故障诊断数据。

4.如权利要求1所述的一种基于分布式的油气储罐远程运维方法，其特征在于：所述步骤S40具体为：

基于所述离线故障诊断以及在线故障诊断的诊断数据，创建包括诊断对象类别、输入参数、输出参数、数值大小、分类器类别以及故障类型的故障诊断信息模型，用于对故障诊断方法、故障诊断过程、数据结构及表征、输入输出映射进行信息化建模；

所述诊断对象类别、输入参数、输出参数、数值大小、分类器类别以及故障类型均由复数个元语定义的属性进行描述。

5.如权利要求1所述的一种基于分布式的油气储罐远程运维方法，其特征在于：所述步骤S50具体为：

利用所述故障诊断信息模型对监测数据进行故障诊断，对诊断出的故障进行分类，并利用失效与非失效的历史监测数据，估算存在各类型故障的油气储罐的剩余寿命，并基于所述剩余寿命调整各油气储罐的预防维护时间序列；

利用所述故障诊断信息模型对监测数据进行故障诊断生成诊断结果，并基于所述诊断结果对油气储罐各类风险进行量化分析、态势分析以及预测预警。

6.如权利要求5所述的一种基于分布式的油气储罐远程运维方法，其特征在于：所述失效与非失效的历史监测数据具体为：

为各类型的监测数据均分别设定一阈值区间，若历史监测数据的取值处于所述阈值区间内，则为非失效；取值处于所述阈值区间外，则为失效。