[发明专利]水路状态监测系统

权利要求书

1.一种水路状态监测系统，其特征在于，包括：至少一个流量监测系统，每个流量监测系统包括：

监测终端(1)，所述监测终端(1)包括：用于设置于待测系统进水管路(21)上的第一温度传感器(111)、第一压力传感器(112)、并联设置的M个具有不同流量测试范围的流量计和与M个流量计的测量范围分别对应的M个流量阀，M≥2，以及用于设置于待测系统出水管路(22)上的第二温度传感器(121)和第二压力传感器(122)。

2.根据权利要求1所述的水路状态监测系统，其特征在于，每个流量监测系统还包括：

单片机(3)和通信模块(4)，所述单片机(3)用于处理监测终端(1)采集的数据。

3.根据权利要求2所述的水路状态监测系统，其特征在于，还包括：

监测数据服务器(9)，所述监测数据服务器(9)包括水路状态分析模块(92)，所述水路状态分析模块(92)用于根据单片机(3)处理后的数据确定待测系统(8)的水路状态是否正常；

其中，所述根据单片机(3)处理后的数据确定待测系统(8)的水路状态是否正常包括：

将所述单片机(3)处理后的数据与预设区间进行对比，确定所述单片机(3)处理后的数据是否落入所述预设区间；

如果所述单片机(3)处理后的数据落入所述预设区间，则确定待测系统的水路状态正常；

如果所述单片机(3)处理后的数据在所述预设区间之外，则确定待测系统的水路状态故障。

4.根据权利要求3所述的水路状态监测系统，其特征在于，所述水路状态分析模块(92)还用于在水路状态故障的情况下确定故障原因。

5.根据权利要求4所述的水路状态监测系统，其特征在于，所述监测数据服务器(9)中预先存储有采用极限学习机算法训练机器学习网络得到的学习模型，所述学习模型的输入为故障现象数据集，所述学习模型的输出为故障原因；

其中，所述水路状态分析模块(92)用于将水路状态故障情况下的单片机(3)处理后的数据进行归一化处理后输入至学习模型，进而输出故障原因。

6.根据权利要求5所述的水路状态监测系统，所述学习模型的矩阵表达式为：

Hβ＝J+E，

其中，在学习网络的训练过程中，

G(a_i，b_i，X)＝g(b_i||X-a_i||)，

其中，f_L(X)为学习网络在训练过程中的输出；X为故障现象样本数据集，为归一化数据；J为故障原因样本数据集；G(a_i，b_i，X)表示第i个隐层节点的输出；H为输出矩阵；a_i，b_i分别对应为第i个径向基函数节点的中心和影响因子；β_i为第i个隐层节点的输出值的权重；β为权重矩阵；E为误差矩阵；|| ||表示范数；a_i，b_i的值在[-1，1]区间内随机给定，β是在随机给定的a_i，b_i基础上的最优输出权重；

通过利用最近相邻匹配算法，将训练过程中学习网络的输出结果与已知故障类型进行匹配，得到学习模型的误差值，当学习模型的误差值在预设范围内，视为训练完成。

7.根据权利要求4所述的水路状态监测系统，其特征在于，所述监测数据服务器(9)还包括：

故障预警模块(93)，用于在确定待测系统(8)的水路状态故障的情况下发出故障提示；以及

显示模块(94)，用于在确定待测系统(8)的水路状态故障的情况下显示故障原因。