(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210966817.9 (22)申请日 2022.08.11 (71)申请人 山西西电信息技 术研究院有限公司 地址 030006 山西省太原市小店区山西综 改示范区太原学府园区南中环街529 号清控创新基地C座24层2401 (72)发明人 陈东　陈轩毅　 (74)专利代理 机构 北京铸成博信知识产权代理 事务所(普通 合伙) 16016 专利代理师 向耿 (51)Int.Cl. G06F 30/13(2020.01) G06F 30/27(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于AIOT的智慧管道监管系统及方法 (57)摘要 本发明公开了一种基于AIOT的智慧管道监 管系统及方法， 属于智慧管道监管技术领域。 本 系统包括全方位感知模块、 自适应优化模块、 综 合性预判模块、 一体化管控模块； 所述全方位感 知模块的输出端与所述自适应优化模块的输入 端相连接； 所述自适应优化模块的输出端与所述 综合性预判模块的输入端相连接； 所述综合性预 判模块的输出端与所述一体化管控模块的输入 端相连接， 本发 明能够对安装有防护板的油气管 道进行防护板的损坏时间监管， 基于不同的崩塌 落点和次数进行预测判断， 实现定点巡查， 降低 工作量， 提高管道维护效率。 权利要求书3页 说明书7页 附图1页 CN 115455526 A 2022.12.09 CN 115455526 A 1.一种基于AIOT的智慧管道监管 方法， 其特 征在于： 该 方法包括以下步骤： S1、 获取山区油气智能管道区域内的崩塌数据， 利用全方位感知模块采集崩塌坠落物 形状和与防护板的接触面； S2、 构建三维分析模型， 对崩塌坠 落物与防护板的接触面进行 标记分析； S3、 构建防护板故障预测模型， 生成防护板的预测损坏时间； S4、 设置时间阈值， 在预测损坏时间超出时间阈值时， 生成警示信息， 输出至管理员端 口， 提醒管理员定点巡查更 换。 2.根据权利要求1所述的一种基于AIOT的智慧管道监管方法， 其特征在于： 所述山区油 气智能管道指穿越在山区的长输油气管道， 附带有防护板， 所述防护板包括第一防护板、 第 二防护板； 所述山区油气智能管道正下方设置有第一防护板， 正上方设置有第二防护板， 所 述第二防护板与所述第一防护板平行； 第一防护板与第二防护板之间利用回填物掩埋， 所 述回填物包括碎石土或沙 土中的任一种。 3.根据权利要求2所述的一种基于AIOT的智慧管道监管方法， 其特征在于： 所述三维分 析模型包括： 利用遥感影 像获取山区油气智能管道区域的影 像图， 输入至三维建模软件； 利用ArcGIS软件， 用数据加载工具加载遥感影像中的基础环境数据、 崩塌影像数据， 对 崩塌坠落物与防护板的接触面积进行合成显示。 4.根据权利要求3所述的一种基于AIOT的智慧管道监管方法， 其特征在于： 所述构建防 护板故障预测模型包括： 第一防护板故障预测模型与第二防护板故障预测模型； 在三维场景下构建模拟打击模型， 构建训练集数据， 分别建立第一防护板故障预测模 型与第二防护板故障预测模型； 所述训练集数据记为： {(x1、 y1)、 (x2、 y2)、…、 (xm、 ym)}； 其中， x1、 x2、…、 xm代表输入样本空间， 在第一防护板故障预测模型中， 所述输入样本空 间中包括打击次数， y1、 y2、…、 ym代表输出样本空间， 所述输出样本空间中包括损坏程度； 在第二防护板故障预测模型中， 所述输入样本空间中包括 打击力度、 打击接触面积； y1、 y2、…、 ym代表输出样本空间， 所述输出样本空间中包括损坏程度； 设置损坏阈值Q， 选取超出损坏阈值Q的输出样本数据进行处理分析； m代表训练集样本 数量； 构建损失函数L(yi， c)， 其中yi代表输出样本空间中的任一 值； 初始化弱学习器F0(x)： 设置损失函数L(yi， c)为平方损失函数， 进行求 导可得： 构建分类回归树数量 为N， 设置n＝1， 2，…， N； 对i＝1， 2，…， m， 计算第n棵回归树对应的损失函数的负梯度r(n， i)：权　利　要　求　书 1/3 页 2 CN 115455526 A 2其中， F(x)代 表基于前一轮强学习器得 出的拟合 值； F(xi)代表yi对应的损失函数； 利用回归树进一 步拟合数据， 生成每 个叶子节点的最佳拟合 值： 其中， K(n， j)代表最佳拟合 值， c1代表损失函数后面加的常数； 其中， R(n， j)代表在i＝1， 2， …， m的情况下利用CART回归树拟合数据[xi， r(n， i)]， 得到第N 棵回归树时对应的叶子节点区域， j＝1， 2， …， jn， jn代表第n棵回归树叶子节点的个数； 获取最终的强学习器作为防护板故障预测模型进行输出： 其中， FN(x)代表最终的强学习器； I与K(n， j)组合， 表示本轮的决策树拟合 函数； 根据不同的输入样本空间， 分别输出第 一防护板故障预测模型与第 二防护板故障预测 模型。 5.根据权利要求4所述的一种基于AIOT的智慧管道监管方法， 其特征在于： 所述提醒管 理员定点巡查更 换包括： 分别对第一防护 板与第二防护板进行网格式区域划分， 采集每一 次崩塌时的网格区域 数据， 所述网格区域数据代表该网格区域受到的冲击力度、 冲击次数、 冲击接触面积； 所述 冲击力度根据崩塌坠 落物的形状与高度进行测算； 获取每一 次崩塌后， 每个网格区域的预测损坏时间， 设置时间阈值， 在任一个预测损坏 时间低于时间阈值的情况下， 发出警示信息， 管 理员获取警示信息对应的网格区域， 进行定 点巡查更 换。 6.一种基于AIOT的智慧管道监管系统， 其特征在于： 该系统包括全方位感知模块、 自适 应优化模块、 综合性预判模块、 一体化管控模块； 所述全方位感知 模块利用物联网构建智慧 管道的远程监控， 获取山区油气智能管道 区域内的崩塌数据， 采集崩塌坠落物形状和与防 护板的接触面数据； 所述自适应优化模块用于构建三维分析模型， 对崩塌坠落物与防护板 的接触面进行标记， 生成智慧管道遭受模拟崩塌时的接触面数据， 进一步优化采集数据的 展示形式； 所述综合性预判模块用于构建 防护板故障预测模型， 利用人工智能技术对防护 板进行性能分析， 生成防护板的预测损坏时间； 所述一体化管控模块用于 设置时间阈值， 在 预测损坏时间超出时间阈值时， 生 成警示信息， 输出至管理员端口， 提醒管理员定点巡查更 换； 所述全方位感知模块的输出端与 所述自适应优化模块的输入端相连接； 所述自适应优 化模块的输出端与所述 综合性预判模块的输入端相连接； 所述综合性预判模块的输出端与 所述一体化管控 模块的输入端相连接 。 7.根据权利要求6所述的一种基于AIOT的智慧管道监管系统， 其特征在于： 所述全方位权　利　要　求　书 2/3 页 3 CN 115455526 A 3