一种可防泄露的球阀及其工作方法与流程

本技术涉及球阀领域，且更为具体地，涉及一种可防泄露的球阀及其工作方法。

背景技术：

1、球阀是一种常见的流体控制阀门，其能够通过旋转球体来控制流体的通断，具有结构简单、操作方便、密封性好等优点，广泛应用于需要快速切断流体的管路系统中以及各种工业领域，如石油化工、水处理、能源等。传统的球阀虽然在设计上已经考虑了密封性，但在长期使用或极端工况下仍可能出现泄漏。球阀的流体泄漏是一个严重的问题，可能导致环境污染、安全事故和经济损失。然而，传统的球阀并没有自主泄漏检测装置，通常依靠人工巡检来进行泄漏检测，存在漏检和误检的风险，而且效率低下，智能化程度较低。

2、因此，期望一种可防泄露的球阀。

技术实现思路

1、为了解决上述技术问题，提出了本技术。本技术提供了一种可防泄露的球阀及其工作方法。

2、根据本技术的一个方面，提供了一种可防泄露的球阀，其包括：

3、阀体，所述阀体具有球型内腔、进口端和出口端；

4、位于所述阀体的进口端和出口端的阀座；

5、设置于所述球型内腔的球体；

6、安装于所述阀座以确保所述球体与所述阀座之间的密封性的密封圈；

7、执行机构；

8、阀杆，其中，所述执行机构通过所述阀杆传递扭矩给所述球体以驱动所述球体旋转；

9、传感器，用于实施监测阀门的状态参数；

10、通信模块，用于将所述阀门的状态参数传输至控制器；以及

11、所述控制器，用于基于所述阀门的状态参数，确定是否紧急关闭阀门。

12、在上述的可防泄露的球阀中，所述控制器，包括：

13、阀门状态参数采集模块，用于获取所述阀门的状态参数的时间序列，其中，所述状态参数包括压力值和流量值；

14、阀门状态参数时序排列模块，用于将所述状态参数的时间序列分别按照参数样本维度和时间维度进行排列以得到压力时序输入向量和流量时序输入向量；

15、阀门状态参数全时域逐位置关联模块，用于计算所述压力时序输入向量和所述流量时序输入向量的全时域关联矩阵以得到压力-流量全时域逐位置关联矩阵；

16、参考锚点计算模块，用于计算所述压力-流量全时域逐位置关联矩阵的全局均值作为参考锚点；

17、波动评估模块，用于基于所述参考锚点，对所述压力-流量全时域逐位置关联矩阵进行基于参考锚点的波动评估以得到压力-流量全时域波动关联矩阵；

18、压力-流量全时域波动关联特征提取模块，用于通过基于深度神经网络的特征提取器对所述压力-流量全时域波动关联矩阵进行特征提取以得到压力-流量全时域波动关联特征图；

19、压力-流量时域波动标志特征表征模块，用于将所述压力-流量全时域波动关联特征图通过标志特征提取网络以得到压力-流量时域波动标志特征向量作为压力-流量时域波动标志特征；以及

20、泄露检测和阀门关闭控制模块，用于基于所述压力-流量时域波动标志特征，确定是否存在泄露，并确定是否紧急关闭阀门。

21、在上述的可防泄露的球阀中，所述波动评估模块，用于：

22、计算所述压力-流量全时域逐位置关联矩阵中的各个位置的特征值与所述参考锚点之间的按位置相除以对所述压力-流量全时域逐位置关联矩阵中的各个位置的特征值进行波动评估以得到所述压力-流量全时域波动关联矩阵。

23、在上述的可防泄露的球阀中，所述基于深度神经网络的特征提取器为基于resnet的特征提取器。

24、在上述的可防泄露的球阀中，所述压力-流量时域波动标志特征表征模块，用于：

25、将所述压力-流量全时域波动关联特征图通过所述标志特征提取网络以如下标志特征提取公式进行处理以得到所述压力-流量时域波动标志特征向量；其中，所述标志特征提取公式为：

26、

27、

28、

29、其中，vi(x)和vj(x)分别为所述压力-流量全时域波动关联特征图中沿通道维度的各个特征矩阵向量化排列得到的压力-流量局部波动关联特征向量的序列中第i和第j个压力-流量局部波动关联特征向量，vk是所述压力-流量局部波动关联特征向量的序列，log表示以2为底的对数函数，l为各个所述压力-流量局部波动关联特征向量的长度，m为所述压力-流量局部波动关联特征向量的序列中向量的个数减一，di为压力-流量局部波动语义差异特征向量中各个位置的特征值，mask(·)为掩码化操作，为掩码压力-流量局部波动语义差异特征向量中各个位置的特征值，ns是所述掩码压力-流量局部波动语义差异特征向量的长度，exp(·)为指数运算，v是所述压力-流量时域波动标志特征向量。

30、在上述的可防泄露的球阀中，所述泄露检测和阀门关闭控制模块，包括：

31、泄漏检测单元，用于将所述压力-流量时域波动标志特征向量通过基于分类器的泄露检测器以得到检测结果，所述检测结果用于表示是否存在泄露；以及

32、阀门控制单元，用于响应于所述检测结果为存在泄露，确定紧急关闭阀门。

33、在上述的可防泄露的球阀中，还包括用于对所述基于resnet的特征提取器、所述标志特征提取网络和所述基于分类器的泄露检测器进行训练的训练模块。

34、在上述的可防泄露的球阀中，所述训练模块，包括：

35、训练参数采集单元，用于获取所述阀门的训练状态参数的时间序列，其中，所述训练状态参数包括训练压力值和训练流量值；

36、训练阀门状态参数时序排列单元，用于将所述训练状态参数的时间序列分别按照参数样本维度和时间维度进行排列以得到训练压力时序输入向量和训练流量时序输入向量；

37、训练阀门状态参数全时域逐位置关联单元，用于计算所述训练压力时序输入向量和所述训练流量时序输入向量的全时域关联矩阵以得到训练压力-流量全时域逐位置关联矩阵；

38、训练参考锚点计算单元，用于计算所述训练压力-流量全时域逐位置关联矩阵的全局均值作为训练参考锚点；

39、训练波动评估单元，用于计算所述训练压力-流量全时域逐位置关联矩阵中的各个位置的特征值与所述训练参考锚点之间的按位置相除以对所述训练压力-流量全时域逐位置关联矩阵中的各个位置的特征值进行波动评估以得到训练压力-流量全时域波动关联矩阵；

40、训练压力-流量全时域波动关联特征提取单元，用于通过所述基于resnet的特征提取器对所述训练压力-流量全时域波动关联矩阵进行特征提取以得到训练压力-流量全时域波动关联特征图；

41、训练压力-流量时域波动标志特征表征单元，用于将所述训练压力-流量全时域波动关联特征图通过所述标志特征提取网络以得到训练压力-流量时域波动标志特征向量；

42、损失计算单元，用于将所述训练压力-流量时域波动标志特征向量通过所述基于分类器的泄露检测器以得到分类损失函数值；以及

43、损失训练单元，用于基于所述分类损失函数值对所述基于resnet的特征提取器、所述标志特征提取网络和所述基于分类器的泄露检测器进行训练，其中，在所述训练的每一轮迭代中，对所述训练压力-流量时域波动标志特征向量进行校正。

44、根据本技术的另一个方面，提供了一种用于如前任一项所述的可防泄露的球阀的工作方法，其中，所述工作方法，包括：

45、获取所述阀门的状态参数的时间序列，其中，所述状态参数包括压力值和流量值；

46、将所述状态参数的时间序列分别按照参数样本维度和时间维度进行排列以得到压力时序输入向量和流量时序输入向量；

47、计算所述压力时序输入向量和所述流量时序输入向量的全时域关联矩阵以得到压力-流量全时域逐位置关联矩阵；

48、计算所述压力-流量全时域逐位置关联矩阵的全局均值作为参考锚点；

49、基于所述参考锚点，对所述压力-流量全时域逐位置关联矩阵进行基于参考锚点的波动评估以得到压力-流量全时域波动关联矩阵；

50、通过基于深度神经网络的特征提取器对所述压力-流量全时域波动关联矩阵进行特征提取以得到压力-流量全时域波动关联特征图；

51、将所述压力-流量全时域波动关联特征图通过标志特征提取网络以得到压力-流量时域波动标志特征向量作为压力-流量时域波动标志特征；以及

52、基于所述压力-流量时域波动标志特征，确定是否存在泄露，并确定是否紧急关闭阀门。

53、在上述的工作方法中，基于所述参考锚点，对所述压力-流量全时域逐位置关联矩阵进行基于参考锚点的波动评估以得到压力-流量全时域波动关联矩阵，包括：

54、计算所述压力-流量全时域逐位置关联矩阵中的各个位置的特征值与所述参考锚点之间的按位置相除以对所述压力-流量全时域逐位置关联矩阵中的各个位置的特征值进行波动评估以得到所述压力-流量全时域波动关联矩阵。

55、与现有技术相比，本技术提供的可防泄露的球阀及其工作方法，其能够通过传感器实时监测采集阀门状态参数，并在后端控制器中引入基于人工智能的数据处理和分析算法来进行这些阀门状态参数的时序协同分析，以此来评估阀门的运行状态以判断是否存在泄漏，并在检测到泄漏时紧急关闭阀门。这样，能够实现对球阀泄漏的智能检测和控制，从而能够有效避免泄漏的发生，提高了球阀应用的安全性。