[发明专利]一种基于深度学习的智慧排水管线实时监测预警系统

权利要求书

1.一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，包括监测模块、处理分析模块、预警模块、标记模块和控制模块：

所述监测模块用于获取竖直排列的排水管线损坏信息和堵塞信息，以及获取安装在排线管线进水口处的控制阀信息；

所述处理分析模块对排水管线的损坏信息和堵塞信息进行处理分析得到预警值；其中，所述预警值包括损坏值和堵塞值，所述损坏值是对排水管线的损坏信息进行处理分析得到用于表示排水管线损坏情况的数值，所述堵塞值是对排水管线的堵塞信息进行处理分析得到用来表示排水管线堵塞情况的数值；

所述预警模块根据预警值判断排水管线是否为正常使用状态；

所述标记模块将排水管线不能正常使用状态的区域标记为故障区域，位置高于故障区域的排水管线部分标记为暂停区域，位置低于故障区域的排水管线部分标记为正常区域；

所述控制模块将故障区域和暂停区域进水口的控制阀关闭，将正常区域进水口的控制阀打开。

2.根据权利要求1所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，所述堵塞信息包括排水管线进水口处的进水流量信息和高于该进水口位置的其余进水口进水流量信息、以及获取该进水口和下方相邻进水口之间排水管线的排水流量信息。

3.根据权利要求2所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，将排水管线进水口处的进水流量信息和高于该进水口位置的其余进水口进水流量信息、以及获取该进水口和下方相邻进水口之间排水管线的排水流量信息进行取值和标记，得到第一流量值DIL、第二流量值DEL和第三流量值DSL；

通过堵塞函数DSZ＝a×(DIL+DEL-DSL)计算得到堵塞值DSZ，其中，a为调节因子且大于零。

4.根据权利要求3所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，所述排水管线损坏信息包括漏水信息和破损信息；

将漏水信息和破损信息进行取值和标记得到漏水值LSZ和破损值PSL。

5.根据权利要求4所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，通过破碎函数PSZ＝b1×LSZ+b2×PSL计算得到破损值PSZ，其中，b1和b2为调节因子且大于零；

通过预警函数YJZ＝c1×DSZ+c2×PSZ计算得到预警值YJZ，其中，c1和c2为调节因子且大于零。

6.根据权利要求5所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，将预警值YJZ与预设的预警阈值Q进行比较；

如果预警值YJZ≤预设的预警阈值Q，则判断排水管线为正常使用状态；

如果预警值YJZ＞预设的预警阈值Q，则判断排水管线为不正常使用状态。

7.根据权利要求6所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，在排水管线为不正常使用状态时获取故障区域的位置信息，以及获取排水管线维修人员的位置信息和维修人员状态信息。

8.根据权利要求7所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，将不同维修人员的位置信息和故障区域的位置信息进行处理计算得到距离信息；所述维修人员状态信息包括维修人员健康状态信息和维修人员预约维修时长信息。

9.根据权利要求8所述的一种基于深度学习的智慧排水管线实时监测预警系统，其特征在于，将距离信息、维修人员健康状态信息和维修人员预约维修时长信息进行取值和标记，得到不同维修人员的距离值JLZ、健康状态值JKZ和维修时长值WXS；

通过筛选函数SXZ＝d1×JLZ+d2×JKZ+d3×WXS计算得到不同维修人员的筛选值SXZ，其中d1、d2和d3为调节因子且大于零；

提醒最小筛选值SXZ对应的维修人员对排水管线的故障区域进行维修处理。