(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110043936.2 (22)申请日 2021.01.13 (65)同一申请的已公布的文献号 申请公布号 CN 112857658 A (43)申请公布日 2021.05.28 (73)专利权人 淮阴工学院 地址 223005 江苏省淮安市经济技 术开发 区枚乘东路1号 (72)发明人 杨艳　严平　叶文芊　周大森　 周恒瑞　柏小颖　葛红　马海波　 丁晓红　张利兵　李亚洲　马从国　 (74)专利代理 机构 淮安市科文知识产权事务所 32223 专利代理师 李锋 (51)Int.Cl. G01L 11/00(2006.01) G08C 17/02(2006.01) G08C 19/00(2006.01)H04L 12/40(2006.01) H04L 67/12(2022.01) H04W 4/38(2018.01) G06F 30/18(2020.01) G06F 30/27(2020.01) G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06F 113/14(2020.01) G06F 119/14(2020.01) (56)对比文件 CN 106600094 A,2017.04.26 CN 108764540 A,2018.1 1.06 CN 110580021 A,2019.12.17 CN 10979 9700 A,2019.0 5.24 CN 109858126 A,2019.0 6.07 CN 101539241 A,20 09.09.23 审查员 路林 (54)发明名称 一种基于云平台的压力检测系统 (57)摘要 本发明公开了一种基于云平台的压力检测 系统由管网参数检测平台和管网压力大数据处 理子系统组成， 管网参数检测系统平台负责检测 管网参数检测与管理， 管网参数保存到云平台， 管网管理人员可从移动端APP实时查看云平台管 网参数； 管网压力大数据处理子实现对管网的压 力进行预测和分类； 本发明有效解决了现有管网 检测系统没有根据管网参数变化的非线性、 大滞 后和管网面积大参数变化复杂等对管网安全的 影响， 没有对 管网参数进行预测和对 管网安全进 行预警， 从而极大的影响管网的安全管理问题。 权利要求书2页 说明书13页 附图3页 CN 112857658 B 2022.06.07 CN 112857658 B 1.一种基于云平台的压力检测系统， 其特征在于： 所述检测系统由管网参数检测平台 和管网压力大数据处理子系统组成， 管网参数检测系统平台负责检测管网参数检测与管 理， 管网参数保存到云平台， 管网管理人员可从移动端APP实时查看云平台管网参数； 管网 压力大数据处理子系统实现对管网的压力进行 预测和分类； 所述管网压力大数据处理子系统包括多个参数检测模型、 检测参数融合模型和管网压 力安全分类器， 多个参数检测模型输出的多个压力 梯形模糊数作为检测参数融合模型的输 入， 检测参数融合模型输出的压力 梯形模糊数融合值作为管网压力安全分类器的按拍延迟 线TDL输入， 管网压力安全分类 器输出的梯形模糊数代 表管网压力安全等级值； 所述参数检测模型包括压力传感器、 按拍延迟线TDL、 动态递归小波神经网络模型、 GM （1,1） 灰色预测模型、 积分回路和自联想神经网络模型， 由2个积分算子S相 串联构成1个积 分回路， 每个积分回路的2个积分算子连接端和积分回路的输出分别作为自联想神经网络 模型的对应输入； 压力传感器的输出作为按拍延迟线TDL的输入， 按拍延迟线TDL输出的一 段时间的压力 传感器值分别作为多个动态递归小波神经网络模型的输入， 每个动态递归小 波神经网络模 型输出分别作为对应的每个 GM （1,1） 灰色预测模 型的输入， 每个GM （1,1） 灰色 预测模型的输出分别作为对应的积分回路输入和自联想神经网络模型的对应输入， 自联想 神经网络模型输出的梯形模糊数代表一段时间压力 传感器值大小的梯形模糊数预测值， 自 联想神经网络模型输出作为 参数检测模型输出。 2.根据权利要求1所述的一种基于云平台的压力 检测系统， 其特征在于： 所述检测参数 融合模型 的一段时间多个参数检测模型输出的压力梯形模糊数值构成压力传感器的时间 序列压力 梯形模糊数值阵列， 同一时刻所有压力 梯形模糊数值的平均值构成时间序列压力 梯形模糊数值阵列的正理想值， 同一时刻所有压力 梯形模糊数值与正理想值距离最大的梯 形模糊数值构成时间序列压力 梯形模糊数值阵列的负理想值， 每个压力传感器的时间序列 压力梯形模糊数值的负理想值距离除以该压力传感器的时间序列压力梯形模糊数值的负 理想值距离与该压力传感器的时间序列压力梯形模糊数值的正理想值距离的和得到的商 为该压力 传感器的时间序列压力梯形模糊数值的距离相对贴近度， 每个压力传感器的时间 序列压力梯形模糊数值的距离相对贴近度除以所有压力传感器的时间序列压力梯形模糊 数值的距离相对贴近度的和得到的商为该压力传感器的时间序列压力梯形模糊数值的距 离融合权 重； 每个压力传感器的时间序列压力梯形模糊数值的正灰色关联度除以该压力传感器的 时间序列压力梯形模糊数值的正灰色关联度与该压力传感器的时间序列压力梯形模糊数 值的负灰色关联度的和得到的商为该压力传感器的时间序列压力梯形模糊数值的灰色关 联度相对贴近度； 每个压力传感器的时间序列压力 梯形模糊数值的灰色关联度相对贴近度 除以所有压力传感器的时间序列压力梯形模糊数值的灰色关联度相对贴近度的和得到的 商为该压力传感器的时间序列压力梯形模糊数值的灰色 关联度融合权 重。 3.根据权利要求2所述的一种基于云平台的压力 检测系统， 其特征在于： 所述每个压力 传感器的时间序列压力梯形模糊数值的距离融合权重和灰色关联度融合权重分别构成均 方根组合权重、 博弈论组合权重、 线性组合权重和乘积组合权重， 由均方根组合权重、 博弈 论组合权重、 线性组合权重和乘积组合权重按照从小到大排序组成该压力 传感器的时间序 列压力梯形模糊数值的梯形模糊数融合权重， 每个压力传感器的时间序列压力 梯形模糊数权　利　要　求　书 1/2 页 2 CN 112857658 B 2值与该压力传感器的时间序列压力梯形模糊数值的梯形模糊数融合权重的积相加得到的 和为所有压力传感器的时间序列梯形模糊数融合 值。 4.根据权利要求2所述的一种基于云平台的压力 检测系统， 其特征在于： 所述每个压力 传感器的时间序列压力梯形模糊数值的负理想值为该压力传感器的时间序列压力梯形模 糊数值与时间序列压力 梯形模糊数值阵列的负理想值的距离； 所述每个压力传感器的时间 序列压力梯形模糊数值的正理想值距离为该压力传感器的时间序列压力梯形模糊数值与 时间序列压力梯形模糊数值阵列的正理想值的距离 。 5.根据权利要求2所述的一种基于云平台的压力 检测系统， 其特征在于： 所述每个压力 传感器的时间序列压力梯形模糊数值的正灰色关联度为该压力传感器的时间序列压力梯 形模糊数值与时间序列压力梯形模糊数值阵列的正理想值的灰色关联度； 所述压力传感器 的时间序列压力梯形模糊数值的负灰色关联度为该压力传感器的时间序列压力梯形模糊 数值与时间序列参数测量传感的梯形模糊数阵列的负理想值的灰色 关联度。 6.根据权利要求3所述的一种基于云平台的压力 检测系统， 其特征在于： 所述乘积组合 权重为每个压力传感器的时间序列压力梯形模糊数值的距离融合权重和灰色关联度融合 权重乘积占所有压力传感器的时间序列压力梯形模糊数值的距离融合权重和灰色关联度 融合权重乘积的和的比为该压力传感器的时间序列压力梯形模糊数值融合的乘积组合权 重。 7.根据权利要求1所述的一种基于云平台的压力 检测系统， 其特征在于： 所述管网压力 安全分类器包括按拍延迟线TDL、 ESN神经网络模 型和T‑S模糊神经网络 分类器， 检测参数融 合模型输出的压力梯形模糊数融合值作为管网压力安全分类器的按拍延迟线TDL输入， 按 拍延迟线TDL输出的一段时间的压力 梯形数融合值分别作为ESN神经网络模 型的输入，  ESN 神经网络模 型输出的压力 梯形模糊数作为T ‑S模糊神经网络 分类器的输入， T ‑S模糊神经网 络分类器输出的梯形模糊数代 表管网压力安全等级值。 8.根据权利要求7所述的一种基于云平台的压力检测系统， 其特征在于： 所述T ‑S模糊 神经网络 分类器把管网压力安全分为一般安全、 比较安全、 很安全、 不安全和很不安全对应 不同的5个不同的梯形模糊数， 构建5个梯形模糊数与管网压力安全的5种程度等级的对应 关系表， 计算T ‑S模糊神经网络分类器输出的梯形模糊数与代表5种管网压力安全等级的5 个梯形数的相似度， 其中相似度最大的梯形模糊数对应的管网压力安全等级确定为该管网 压力安全等级。 9.根据权利要求1所述的一种基于云平台的压力 检测系统， 其特征在于： 所述管网参数 采集平台包括管网参数的检测节点、 网关节点、 现场监控端、 云平台和移动端App， 检测节 点 和网关节点之间通过构建CAN通信网络来实现检测节点和网关节点之间的通信； 检测节点 将检测的管网参数通过网关节点的通信接口发送给现场监控端并对传感器数据进行理和 对管网压力进 行预测； 网关节点通过通信模块与云平台之 间和云平台通过无线网络与 移动 端