Multi-dimensional database design and implementation of dam safety monitoring system

To improve the effectiveness of dam safety monitoring database systems, the development process of a multi-dimensional conceptual data model was analyzed and a logic design wasachieved in multi-dimensional database mode. The optimal data model was confirmed by identifying data objects, defining relations and reviewing entities. The conversion of relations among entities to external keys and entities and physical attributes to tables and fields was interpreted completely. On this basis, a multi-dimensional database that reflects the management and analysis of a dam safety monitoring system on monitoring data information has been established, for which factual tables and dimensional tables have been designed. Finally, based on service design and user interface design, the dam safety monitoring system has been developed with Delphi as the development tool. This development project shows that the multi-dimensional database can simplify the development process and minimize hidden dangers in the database structure design. It is superior to other dam safety monitoring system development models and can provide a new research direction for system developers.

The safety parameters monitoring system for the coal mine based on CAN bus communication and intelligent data acquisition

In this paper,a monitoring and controlling system for the safety in production and environmental parameters of a small and medium-sized coal mine has been developed after analyzing the current domestic coal production and security conditions. The client computer can convert the analog signal about the safety in production and environmental parameters detected from the monitoring terminal into digital signal,and then,send the signal to the coal mine safety monitoring centre. This information can be analyzed,judged,and diagnosed by the monitoring-management-controlling software for helping the manager and technical workers to control the actual underground production and security situations. The system has many advantages including high reliability,better performance of real-time monitoring,faster data communicating and good practicability,and it can effectively prevent the occurrence of safety incidents in coal mines.

基于门控循环单元网络的钻井井漏智能监测方法

井漏是钻井过程中常见的钻井风险,若对该风险发现、处理不及时,极易导致井塌事故,轻则延长施工周期,重则危害现场人员人身安全。为了提高油气井钻井过程中井漏风险识别的准确性,降低风险识别对人为经验的依赖,结合钻井参数的非线性以及长时依赖特征,提出了一种基于门控循环单元(Gated Recurrent Unit,GRU)网络的井漏风险智能识别方法。该模型以池体积、出口流量和立管压力作为监测参数构建GRU网络,能够提取监测参数的时间序列特征,以实现对井漏风险的准确识别。利用现场实测钻井数据对模型进行了实验测试,结果表明,该方法对井漏风险的识别准确率达到了90.1%,优于长短期记忆网络的识别结果。

隧道防护门安全监测技术研究及应用

文中针对目前隧道防护门门体变形、脱落、虚掩等安全问题,为了降低隧道内的安全风险,设计了一套隧道防护门安全监测系统。该系统包括数据采集、数据处理和传输、数据展示3部分。数据采集端利用STM32F407最小系统板作为中心采集卡,添加外围传感器,采集门体振动、姿态、温度、风压数据,并通过Wi-Fi模块将数据通过MQTT协议发送到MQTT服务器,最后监控平台对收到的数据进行存储、分析与展示。该系统能够较为全面地监测防护门门体的相关信息,并且系统具有一定的可扩展性,对隧道防护门的安全隐患能够提前预警,保障隧道内的安全。

大坝安全监测数据存储及自动化处理研究与应用

目前,在水工建筑物工作性态周期性诊断和安全监测分析方面,中小型水电站普遍采用人工处理数据、单一数据源分析的方式,数据处理工作量大、效率低、准确率不高,监测结果分析整编耗时长、成本高。本研究通过水电站水工建筑物监测数据特征分析,有助于实现多电站不同业务数据的融合和报告自动整编。

基于改进随机森林的大坝监测数据质量评价算法

针对大坝安全监测数据质量评价效率低下、智慧化不足等难题,为了满足大坝高频率自动化采集的实时数据质量评价需要,从准确性、完整性、时效性和连续性4个方面出发提出了6项评价因子及由相关评价规范构成的安全监测历史数据质量评价标准,通过基于AUC值改进的随机森林算法建立了大坝安全监测历史数据质量评价算法,并将该算法应用于新疆柳树沟面板堆石坝多年安全监测历史数据评价。结果表明:通过AUC值改进的随机森林算法优于原始算法,在特征属性数量取3时效果最好,测试集的泛化误差最小仅为0.0195,平均准确率稳定在96.97%附近,10折交叉验证平均准确率达到97.77%,证明了该算法的可行性。

基于APSO-Robust-ELM的大坝变形原始监测数据粗差识别方法

针对大坝原始监测数据普遍存在粗差的问题,提出了稳健估计与极限学习机相结合的粗差识别方法;并在此基础上,利用自适应粒子群算法寻找神经网络的最佳隐含层节点数;最后利用大坝安全预测模型验证所用方法的必要性和适用性。在工程实例分析中,将APSO-Robust-ELM法与Robust-ELM法、罗曼诺夫斯基准则和拉依达准则的处理结果进行对比,结果表明,APSO-Robust-ELM法能够更好的识别原始监测数据中的粗差,从而提高大坝安全运行的管理效率。

大坝安全监测数据异常识别模型簇研究

监测数据异常识别是大坝运行安全在线监测的前提和基础。单一识别方法难以实现高效准确识别,而RREW模型对规律不佳与单台阶数据序列容易漏判且计算效率低。为此,提出了基于卷积神经网络的一维VGG数据异常识别模型,建立了由统计回归、稳健回归、一维VGG识别模型等模型库和Pauta准则、MZ准则等判别准则库共同构成的大坝安全数据异常识别模型簇,并构建了不同数据类型与异常识别模型及预警准则的匹配机制。工程校验表明:一维VGG模型对不同序列长度、不同台阶占比的数据序列均具有较好的识别效果,能有效弥补传统回归模型和稳健回归模型的不足,由前述3种模型及两种准则共同构建的异常识别模型簇可实现海量数据异常的在线精准、快速识别,为大坝安全在线监测提供可靠的数据支持。

基于数字孪生的建筑物顶升施工安全监控技术

研究基于数字孪生的建筑物顶升施工安全监控技术,能有效监控建筑物顶升施工,确保建筑物顶升施工安全稳定进行。构建基于数字孪生的建筑物顶升施工安全监控技术架构,并从几何、物理、行为、规则4个层面入手,按建筑物顶升施工现场真实施工过程,构建相应的数字孪生虚拟模型,实现建筑物顶升施工物理模型及数字孪生虚拟模型间的实时交互,并把二者所产生的数据,同步发送到云端,生成数字孪生数据平台,由数字孪生数据平台对所获数据实施分类处理,最终在机器学习驱动模块,通过构建基于卷积神经网络的建筑物顶升施工安全监测模型,经数据去噪与输入、模型训练等操作,输出建筑物顶升施工安全监测结果,并通过数字孪生虚拟方式视觉呈现所获结果。实验结果表明:该技术能够实现建筑物顶升施工安全监控,监控后效果较好,在较少epoch次数下,便可收获较为理想的顶升施工安全监测结果。

基于监测数据的基坑工程安全评判

基坑工程安全主要体现在基坑支护体系本身的安全以及基坑周边环境的安全,而监测数据可以清晰地反映出基坑支护体系和周边环境的变化,提供有价值的信息,以便更好地了解这些变化。监测数据是评估基坑安全性和采取必要措施的重要参考,对基坑进行全面而有效的监测显得尤为重要。在基坑安全判定过程中,利用基坑各监测项目的实时监测数据进行计算,可以有效避免对基坑安全评估的主观性。鉴于基坑工程的安全性分析是不确定性问题,不仅具有随机性,也具有模糊性,本文通过将层次分析法和模糊综合评估方法有机结合,构建了一个基于实时监测数据的基坑安全评估模型。以深圳某基坑工程施工过程中的一起监测预警事件为例,利用现场监测数据,运用AHP-模糊综合评判法对该基坑工程进行了安全评判,评判结果能够较真实地反映基坑的实际安全状态。

油田环保安全领域标准数据关联性监测技术研究

本论文开展油田环保安全标准关联性监测技术研究,针对油田环保安全标准相关国内外动态信息(如:标准动态、政策法规、智库报告、情报产品、热点栏目)进行油田环保安全标准领域自动化关联性监测,遵循“油田环保安全领域标准数据需求识别、油田环保安全领域标准数据源的确定依据、油田环保安全领域标准关联数据自动抓取、油田环保安全领域标准关联监测内容分析”的研究思路,利用大数据分析与知识关联技术,实现对所需监测数据基本内容的自动化统计与分析,动态可视化地展示或分析所需监测数据的内容,及时跟踪与推送油田环保安全标准前沿与热点内容,支持用户便捷了解油田环保安全标准领域最新发展动态,为开展油田环保安全领域标准知识库建设提供多元数据支撑。

基于LOF算法的核辐射自动监测系统设计与实现

为适应对高精度、全覆盖的核辐射监测要求,本文基于局部离群因子算法(Local Outlier Factor,LOF)设计了一套完善的核辐射自动监测系统。首先,结合具体情况,进行核辐射自动监测站布点,实时获取核辐射监测数据并通过无线通信网络传至服务器,采用传输加密技术保障数据传输过程的安全性与可靠性;其次,通过引入LOF算法有效识别监测数据中存在的传感器故障或者设备缺陷导致的无效监测异常值,无效值将不列入数据统计;最后,将有效的监测实时数据传送至监测指挥中心。系统试运行测试结果表明:该系统能有效针对各种硬件故障导致的无效数据进行高可靠性的实时监测和识别,无效数据判断准确性超过95%,提高了核辐射环境自动监测的稳定性和可靠性,有效防范核辐射造成的危害,为促进生态系统的可持续发展提供参考。

移动边缘计算下矿山安全监控视频数据流自适应传输

由于矿山中数据传输存在距离长、受信号干扰等问题,网络延迟较高,使得视频内容出现卡顿或丢帧现象,导致数据传输质量较低。为此,提出一种移动边缘计算下矿山安全监控视频数据流自适应传输方法。构建基于移动边缘计算的传输系统,将不同监控视频数据流卸载任务时延作为约束条件,构建监控视频数据流传输卸载决策生成目标函数,利用遗传算法求解。采用自适应比特率传输算法传输监控视频数据流,通过基于缓冲区的自适应算法与基于速率的自适应算法分别确定数据流传输过程中的客户端视频比特率与可用带宽。实验结果表明,不同网络环境条件下,所提方法视频数据流传输能量显著下降,带宽估计灵敏度更高,用户体验质量提升20%以上。

油库多源设备数据采集和处理系统设计研究

为解决大规模成品油库异构设备的数据采集和实时处理问题,创新性地设计了一种针对成品油库的通用化、高可用性的工业实时数据采集和处理系统,以定义异构数据采集的四层架构,并规范油库设备设计的四层级编码和数据格式化处理规则。按照开放平台通信统一架构(OPC UA)标准协议,对油库多源异构设备进行数据采集和协议转换。利用消息队列遥测传输(MQTT)协议与云平台进行数据转发和传输,同步提出采集的高可用性策略,实现多源异构设备设施与平台端大规模数据的实时采集和交互。云平台端利用Kafka、Storm、MySQL和Redis实现大规模实时数据的高速处理。该系统在多座大型成品油库试点应用,实现对油库安全生产的实时数据采集、处理和预警推送,采集监控点超过5000个,测试数据采集和处理最大时延低于1.5 s。应用结果证实了该系统的有效性。

大数据时代下的食品安全监测新方法

本文分析了食品安全监测的现状和面临的主要挑战,探讨了大数据技术在食品安全监测中的应用,并从数据收集和管理的创新方式、基于大数据的风险评估和预测模型两个方面探讨新型食品安全监测方法的开发和应用,同时对大数据技术在食品安全监测中的作用进行展望,为保障食品安全提供更强大的长效机制。

大跨屋架结构健康监测系统数据处理方法研究

以南京某文化中心项目为基础,针对大跨屋架结构的健康监测系统数据处理方法,进行了深入的研究与应用。分析了结构监测点的布置原则,并结合项目实际情况,合理地布置了温度、位移、应变传感器。基于健康监测系统,进行了数据的传输和获取,并设定了数据预警阈值。最后对采集的数据进行分析,发现数据变化平稳,结构处于安全状态。

基于LSM树的在线监测数据安全存储系统设计

水电厂在线监测数据对于水电厂设备维护方案的制定和实施具有重要的参考作用,一旦泄露或者丢失,造成的损失将是巨大的。为了保证监测数据的安全性,设计基于日志结构合并树(Log-Structured Merge-Tree,LSM树)的水电厂在线监测数据安全存储系统。该系统由硬件接口层、数据传输层以、数据存储层以及安全功能模块层四部分组成。以LSM树为基础设计数据存储模型,当RAM中的存储量达到限值后,将水电厂在线监测数据从微处理器中的内部存储器RAM转移到后者外部磁盘当中,完成数据存储。为存储模型设置三个安全防护模块,在实现数据存储的同时,保证数据的安全性。结果表明,四个磁盘的写入数据大小始终维持在100 kB以上,磁盘存储空间利用率高于90%,由此说明该系统的存储性能较为优越;检测灵敏度系数在1.0以上,密文的敏感度在10以下,说明水电厂在线监测数据安全性较高,实现了安全存储。

煤矿通风与安全的先进监测和控制系统

通风与安全是煤矿安全工作的重要环节,对于保障作业人员的生命安全和煤矿生产的顺利进行具有至关重要的作用。然而,传统的煤矿通风与安全系统存在很多问题,包括监测手段不足、信息获取和传输困难以及系统运行效率较低等。因此,研发一种通风与安全的先进监测和控制系统成为当今煤矿安全领域的热点。

电气设备健康监测与预测维护在炼油厂的应用

电气设备在炼油工业中扮演着至关重要的角色,其正常运行对生产效率和工作场所安全性至关重要。然而,电气设备的故障导致生产中断、损坏和潜在的危险。为了应对这些挑战,电气设备健康监测和预测维护技术已经成为炼油厂的关键组成部分,其应用不仅有助于实时监测设备状态,还可以提前预测故障,从而降低维护成本、提高生产效率,以及增加工作场所的安全性。文章将深入探讨电气设备健康监测和预测维护技术在炼油厂中的应用,以及面临的挑战和应对策略。

面向智慧矿山的矿用机械光纤光栅解调通信系统设计

提出了一种面向智慧矿山的矿用机械光纤光栅解调通信系统。该系统基于光纤光栅传感技术,实现了对矿用机械状态的实时监测和数据传输。通过对关键参数的精确测量和分析,该系统可以有效提高矿用机械的安全性和工作效率,为智慧矿山的建设和运营提供有力支持。