边缘计算的数字化蒸汽泄露监测数据传输系统

摘要

本发明公开了一种边缘计算的数字化蒸汽泄露监测数据传输系统，属于监测数据传输技术领域。本系统包括蒸汽管道数据获取模块、数据分析模块、蒸汽泄漏预测模块、边缘计算模块、数据传输时延分析模块、分配策略模块；所述蒸汽管道数据获取模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块、所述蒸汽泄漏预测模块与所述边缘计算模块顺次连接；所述边缘计算模块的输出端与所述数据传输时延分析模块的输入端相连接；所述数据传输时延分析模块的输出端与所述分配策略模块的输入端相连接；本发明能够防患于未然，建立数字化传输系统，提高蒸汽管道智能监测水平，符合未来发展观念。

权利要求

1.一种边缘计算的数字化蒸汽泄露监测数据传输系统，其特征在于：该系统包括蒸汽管道数据获取模块、数据分析模块、蒸汽泄漏预测模块、边缘计算模块、数据传输时延分析模块、分配策略模块；

所述蒸汽管道数据获取模块用于获取蒸汽管道及阀门的监控数据，进行图像分析；所述数据分析模块用于对获取的温度数据进行归一化处理，并将归一化的温度数据信息与图像数据整理存储至数据存储单元；所述蒸汽泄漏预测模块用于根据数据分析模块的数据构建预测模型，对蒸汽泄漏的时间点进行预测；所述边缘计算模块用于搭建边缘计算节点，在一个或多个蒸汽管道处构建数据传输体系，并与云端服务器进行通信；所述数据传输时延分析模块用于分析数据传输过程中的时延情况，调整分配策略，以减小数据传输时延；所述分配策略模块用于更新数据传输的分配策略，确保蒸汽管道监测数据的传输时延满足预设水平；

所述蒸汽管道数据获取模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述蒸汽泄漏预测模块的输入端相连接；所述蒸汽泄漏预测模块的输出端与所述边缘计算模块的输入端相连接；所述边缘计算模块的输出端与所述数据传输时延分析模块的输入端相连接；所述数据传输时延分析模块的输出端与所述分配策略模块的输入端相连接。

2.根据权利要求1所述的一种边缘计算的数字化蒸汽泄露监测数据传输系统，其特征在于：所述蒸汽管道数据获取模块包括图像采样单元、温度采样单元；

所述图像采样单元用于采集蒸汽管道的图像状态，生成图像数据；所述温度采样单元用于采集蒸汽管道周围的温度数据；

所述图像采样单元的输出端与所述数据分析模块的输入端相连接；所述温度采样单元的输出端与所述数据分析模块的输入端相连接。

3.根据权利要求2所述的一种边缘计算的数字化蒸汽泄露监测数据传输系统，其特征在于：所述数据分析模块包括数据归一化处理单元、数据存储单元；

所述数据归一化处理单元用于对蒸汽管道数据获取模块采集到的温度数据归一化处理，形成归一化数据并存储至数据存储单元；所述数据存储单元用于存储归一化数据信息与图像数据，供系统中蒸汽泄漏预测模块调用；

所述数据归一化处理单元的输出端与所述数据存储单元的输入端相连接；所述数据存储单元的输出端与所述蒸汽泄漏预测模块的输入端相连接。

4.根据权利要求3所述的一种边缘计算的数字化蒸汽泄露监测数据传输系统，其特征在于：所述蒸汽泄漏预测模块包括模型构建单元、判断单元；

所述模型构建单元用于构建预测模型，对蒸汽管道偏移量进行计算，输出最终结果；所述判断单元用于获取蒸汽管道偏移量阈值，并基于当前偏移量与阈值的大小适配计算节点与传输路径；

所述模型构建单元的输出端与所述判断单元的输入端相连接；所述判断单元的输出端与所述边缘计算模块的输入端相连接。

5.根据权利要求4所述的一种边缘计算的数字化蒸汽泄露监测数据传输系统，其特征在于：所述模型构建单元包括：

调用数据分析模块中的图像数据；

获取蒸汽管道初始图像数据，利用相似度算法将调用数据不断与初始图像数据进行比对，设置蒸汽管道初始图像数据记为A，A={a1、a2、……、an}；a1、a2、……、an为初始图像数据A中的各项特征；调用图像数据记为B，B={b1、b2、……、bn}；b1、b2、……、bn为调用图像数据B中的各项特征；根据公式：

其中，D代表相似距离， 为A中的任一特征， 为B中的任一特征，k=1、2、……、n；

设置相似度距离阈值，记为Dmax，若D超出Dmax，则建立三维虚拟模型进行分析；若D未超出Dmax，则不作分析；

所述三维虚拟模型以蒸汽管道阀门为原点，蒸汽管道阀门所在竖直平面为Z轴，管道方向为X轴，同时垂直于X轴和Z轴的平面方向为Y轴；

在三维虚拟模型中构建虚拟位移量标杆，利用虚拟位移量标杆对蒸汽管道初始图像数据与超出相似度距离阈值的调用图像数据进行比对，计算得出蒸汽管道在三维虚拟模型中在X轴、Y轴和Z轴的管道中的热膨胀偏移量；

分别记为：ux、uy、uz；

理想环境下根据公式：

其中，L为蒸汽管道理想偏移量；

建立误差偏差值，记为M，则蒸汽管道偏移量为：L1=L+M

其中，L1为蒸汽管道偏移量；

获取从初始正常状态到蒸汽管道泄漏状态之间的温度数据、时间数据，作为输入向量，记为s；

根据输入向量构建训练样本集，构建T个弱分类器，弱分类器记为 ；

训练时，依次训练每一个弱分类器，并得到它们的权重值；

所有样本的初始权重相等，即：

其中， 为每个样本的初始权重，i=1，2，……，j；代表样本数量；

对t=1，2，……，T依次训练每个弱分类器：任选一个弱分类器 对样本（ci，di）进行预测，计算弱分类器 对训练样本集的错误率 ；

计算弱分类器 的权重：

更新所有样本的权重：

其中， 为任一样本的权重；为归一化因子，它是所有样本的权重之和，即：其中，j为样本数量；

循环并构建最终的强分类器模型：其中，s是输入向量， 是强分类器， 是弱分类器，是弱分类器的权重值，是一个正数，T为弱分类器的数量；所述弱分类器的精度低于强分类器；

利用强分类器输出蒸汽管道偏移量的影响因素权重，记为G={g1、g2、……、gm}；

所述影响因素记为集合RI={r1、r2、……、rm}，其中m为影响因素数量；r1、r2、……、rm为影响因素的归一化数据类型，I为一时刻点；

构建蒸汽管道偏移量与影响因素之间的函数关系：其中， 为根据影响因素预测得出的在一时刻点I上的蒸汽管道偏移量。

6.根据权利要求5所述的一种边缘计算的数字化蒸汽泄露监测数据传输系统，其特征在于：所述判断单元还包括：

构建蒸汽管道偏移量阈值Lmax，即在蒸汽管道偏移量达到阈值Lmax时，管道将存在泄露的风险；

若L1＜Lmax，数据传输至云端服务器进行反馈；

若L1＞Lmax，转移至边缘节点进行反馈，在边缘节点反馈后再将结果反馈至云端服务器。

7.根据权利要求1所述的一种边缘计算的数字化蒸汽泄露监测数据传输系统，其特征在于：所述边缘计算模块包括边缘节点计算单元、传输单元；

所述边缘节点计算单元用于构建边缘计算节点，对蒸汽管道按照区域进行监测；所述传输单元用于传输数据；

所述边缘节点计算单元的输出端与所述传输单元的输入端相连接。

说明书

边缘计算的数字化蒸汽泄露监测数据传输系统

技术领域

[0001] 本发明涉及监测数据传输技术领域，具体为一种边缘计算的数字化蒸汽泄露监测数据传输系统。

背景技术

[0002] 蒸汽管道系统长期在高温环境下进行工作，金属材料的热膨胀作用会使得管道伸长，从而使得管道系统增加额外的拉伸力和弯曲应力。蒸汽系统在实际的运作过程中，压
力、温度和水流量的波动和开工停工中不正确的升温、升压方式，都会是管网系统的应力发
生异常变化，导致蒸汽管道发生热膨胀偏移，引导管道系统的强烈震动，从而发生泄漏；同
时蒸汽水分子与液态水分子不同，液态水分子是由多个水分子缔合而成，而蒸汽水分子是
由单个的水分子组合而成的。在干蒸汽的状态下，水分子以单分子的形式存在，两个氧氢元
素之间的夹角为104.5°，分子大小为0.29mm，水分子属于极性分子，具有较强的渗透性能。
当温度低于或者等于工作压力下的饱和温度时，就会形成液态水。尽管蒸汽系统管网中含
有保温层，但是热量的损失是不可避免的。管道、法兰、阀门等管网组成的内壁温度一般都
比工作压力下的饱和温度低，因此管内部形成凝结水是不可避免的，保温效果越差，其产生
的凝结水越多。这些凝结水会在管道内进行积聚，从而与缝隙间的酸性杂质发生反应，形成
电解液，产生化学腐蚀。凝结水还会对管道的弯头、阀门等部件产生冲刷，使得管道壁变薄，
甚至出现穿孔的现象，最终导致蒸汽泄漏。

[0003] 而目前的技术手段中，对蒸汽泄漏的监测还停留在红外检测等方面，缺乏数字化的智能管理，已经不适用于当前高速发展的数字化体系，同时也缺乏对于蒸汽泄漏的预测
手段，难以防患于未然。

发明内容

[0004] 本发明的目的在于提供一种边缘计算的数字化蒸汽泄露监测数据传输系统，以解决上述背景技术中提出的问题。

[0005] 为了解决上述技术问题，本发明提供如下技术方案：

[0006] 一种边缘计算的数字化蒸汽泄露监测数据传输系统，该系统包括蒸汽管道数据获取模块、数据分析模块、蒸汽泄漏预测模块、边缘计算模块、数据传输时延分析模块、分配策
略模块；

[0007] 所述蒸汽管道数据获取模块用于获取蒸汽管道及阀门的监控数据，进行图像分析；所述数据分析模块用于对获取的数据进行归一化处理，并整理存储至数据存储单元；所
述蒸汽泄漏预测模块用于根据数据分析模块的数据构建预测模型，对蒸汽泄漏的时间进行
预测；所述边缘计算模块用于搭建边缘计算节点，在一个或多个蒸汽管道处构建数据传输
体系，并与云端服务器进行通信；所述数据传输时延分析模块用于分析数据传输过程中的
时延情况，作出相应调整，以减小数据传输时延；所述分配策略模块用于更新数据传输的分
配策略，确保蒸汽管道监测数据的传输时延满足预设水平；

[0008] 所述蒸汽管道数据获取模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述蒸汽泄漏预测模块的输入端相连接；所述蒸汽泄漏预测模块
的输出端与所述边缘计算模块的输入端相连接；所述边缘计算模块的输出端与所述数据传
输时延分析模块的输入端相连接；所述数据传输时延分析模块的输出端与所述分配策略模
块的输入端相连接。

[0009] 根据上述技术方案，所述蒸汽管道数据获取模块包括图像采样单元、温度采样单元；

[0010] 所述图像采样单元用于采集蒸汽管道的图像状态，生成图像数据；所述温度采样单元用于采集蒸汽管道周围的温度数据；

[0011] 所述图像采集单元的输出端与所述数据分析模块的输入端相连接；所述温度采样单元的输出端与所述数据分析模块的输入端相连接。

[0012] 根据上述技术方案，所述数据分析模块包括数据归一化处理单元、数据存储单元；

[0013] 所述数据归一化处理单元用于对蒸汽管道数据获取模块采集到的温度数据归一化处理，形成归一化数据并存储至数据存储单元；所述数据存储单元用于存储归一化数据
信息与图像数据，供系统中蒸汽泄漏预测模块调用；

[0014] 归一化处理主要是把所有数据都转化为[0,1]之间的数，取消各维数据间数量级差别，避免因为输入输出数据数量级差别较大而造成网络预测误差较大的情况发生，一般
采用matlab软件进行处理即可。

[0015] 所述数据归一化处理单元的输出端与所述数据存储单元的输入端相连接；所述数据存储单元的输出端与所述蒸汽泄漏预测模块的输入端相连接。

[0016] 根据上述技术方案，所述蒸汽泄漏预测模块包括模型构建单元、判断单元；

[0017] 所述模型构建单元用于构建预测模型，对蒸汽管道偏移量进行计算，输出最终结果；所述判断单元用于获取蒸汽管道偏移量阈值，并基于当前偏移量与阈值的大小适配计
算节点与传输路径；

[0018] 所述模型构建单元的输出端与所述判断单元的输入端相连接；所述判断单元的输出端与所述边缘计算模块的输入端相连接。

[0019] 根据上述技术方案，所述模型构建单元包括：

[0020] 调用数据分析模块中的图像数据；

[0021] 获取蒸汽管道初始图像数据，利用相似度算法将调用数据不断与初始图像数据进行比对，设置蒸汽管道初始图像数据记为A，A={a1、a2、……、an}；a1、a2、……、an为初始图像
数据A中的各项特征；调用图像数据记为B，B={b1、b2、……、bn}；b1、b2、……、bn为调用图像数
据B中的各项特征；根据公式：

[0022]

[0023] 其中，D代表相似距离， 为A中的任一特征， 为B中的任一特征，k=1、2、……、n；

[0024] 设置相似度距离阈值，记为Dmax，若D超出Dmax，则建立三维虚拟模型进行分析；若D未超出Dmax，则不作分析；

[0025] 所述三维虚拟模型以蒸汽管道阀门为原点，蒸汽管道阀门所在竖直平面为Z轴，管道方向为X轴，同时垂直于X轴和Z轴的平面方向为Y轴；

[0026] 在三维虚拟模型中构建虚拟位移量标杆，利用虚拟位移量标杆对蒸汽管道初始图像数据与超出相似度距离阈值的调用图像数据进行比对，计算得出蒸汽管道在三维虚拟模
型中在X轴、Y轴和Z轴的管道中的热膨胀偏移量；

[0027] 可分别记为：ux、uy、uz；

[0028] 理想环境下可根据公式：

[0029]

[0030] 其中，L为蒸汽管道理想偏移量；

[0031] 建立误差偏差值，记为M，则蒸汽管道偏移量为：

[0032] L1=L+M

[0033] 其中，L1为蒸汽管道偏移量；

[0034] 所述误差可能为蒸汽管道风载荷，管道内压等等；

[0035] 根据上述技术方案，在相似度的水平超出预设阈值时，即可得知的是管道发生了一定的偏移量，而当偏移量达到一定水平时，就会引起管道泄漏，因此在出现偏移量后，本
发明建立了预测模型去预测达到泄漏的偏移量时间，以确保防患于未然，而在建立预测模
型的过程中，会存在对于蒸汽管道偏移量的影响因素，例如温度、管道内径、蒸汽量等等，其
对于管道的影响权重是不同的，如果以均值权重来计算会大幅影响预测结果的准确性，因
此本发明建立分类器去进行权重的输出；

[0036] 获取从初始正常状态到蒸汽管道泄漏状态之间的温度数据、时间数据，作为输入向量，记为s；

[0037] 根据输入向量构建训练样本集，构建T个弱分类器，弱分类器记为 ；

[0038] 训练时，依次训练每一个弱分类器，并得到它们的权重值；

[0039] 所有样本的初始权重相等，即：

[0040]

[0041] 其中， 为每个样本的初始权重，i=1，2，……，j；代表样本数量；

[0042] 对t=1，2，……，T依次训练每个弱分类器：

[0043] 任选一个弱分类器 对样本（ci，di）进行预测，计算弱分类器 对训练样本集的错误率 ；

[0044] 计算弱分类器 的权重：

[0045]

[0046] 更新所有样本的权重：

[0047]

[0048] 其中， 为任一样本的权重；为归一化因子，它是所有样本的权重之和，即：

[0049]

[0050] 其中，j为样本数量；

[0051] 循环并构建最终的强分类器模型：

[0052]

[0053] 其中，s是输入向量， 是强分类器， 是弱分类器，是弱分类器的权重值，是一个正数，T为弱分类器的数量；所述弱分类器的精度远低于强分类器；

[0054] 利用强分类器输出蒸汽管道偏移量的影响因素权重，记为G={g1、g2、……、gm}；

[0055] 所述影响因素记为集合RI={r1、r2、……、rm}，其中m为影响因素数量；r1、r2、……、rm为影响因素的归一化数据类型，I为一时刻点；

[0056] 构建蒸汽管道偏移量与影响因素之间的函数关系：

[0057]

[0058] 其中， 为根据影响因素预测得出的在一时刻点I上的蒸汽管道偏移量。

[0059] 在进行数字化的监测后，会产生大量的数据进行计算，如果均由云端服务器进行处理，不但会严重增加云端服务器的负载，而且由于节点的处理和排队会产生大量的时延，
时延过长，预测模型的结果将会产生变化，导致最终反馈到用户终端的数据结果成为了不
准确数据，因此建立大量的边缘节点进行计算，一旦蒸汽管道偏移量超出了预设水平，就有
泄露的风险存在了，就将其转移至边缘节点进行计算，尽最大可能降低时延，保证准确程
度。

[0060] 根据上述技术方案，所述判断单元还包括：

[0061] 构建蒸汽管道偏移量阈值Lmax，即在蒸汽管道偏移量达到阈值Lmax时，管道将存在泄露的风险；

[0062] 若L1＜Lmax，数据传输至云端服务器进行计算；

[0063] 若L1＞Lmax，转移至边缘节点进行计算，计算结果反馈至云端服务器。

[0064] 根据上述技术方案，所述边缘计算模块包括边缘节点计算单元、传输单元；

[0065] 所述边缘节点计算单元用于构建边缘计算节点，对蒸汽管道按照区域进行监测；所述传输单元用于传输数据；

[0066] 所述边缘节点计算单元的输出端与所述传输单元的输入端相连接。

[0067] 根据上述技术方案，所述数据传输时延分析模块包括处理记录单元、时延分析单元；

[0068] 所述处理记录单元用于处理通信信道内传输的数据，并记录传输时间；所述时延分析单元用于对传输时间的延时性进行分析；

[0069] 所述处理记录单元的输出端与所述时延分析单元的输入端相连接。

[0070] 根据上述技术方案，所述时延分析单元还包括：

[0071] 获取任一边缘节点的实际时延时间，记为U1；

[0072] 根据公式：

[0073]

[0074] 其中， 为理论时延； 为边缘节点传输数据的分组长度； 为边缘节点本地的计算资源的链路带宽； 为边缘节点的物理链路长度； 为信号传播速度；

[0075] 构建边缘节点时延时间偏差值 ：

[0076]

[0077] 设置时延时间偏差值阈值Umax，在边缘节点时延时间偏差值 之和超出Umax时，启动边缘节点分配策略。

[0078] 此处考虑到时延中的传输时延与传播时延（即物理时延），并以此作为理想时延，尽可能去保证在后续计算时延偏差的时候的精准性。

[0079] 根据上述技术方案，所述分配策略模块包括有边缘节点分配策略；

[0080] 所述边缘节点分配策略包括：

[0081] 第一时延单元，在初始的分配策略下，获取K1个边缘节点上传输数据任务的时延；

[0082] 第一策略单元，基于第一时延单元确定的本轮在K1个边缘节点上传输数据任务的时延，获取本轮的时延最小值之和以及本轮对传输数据任务的分配策略；

[0083] 第二时延单元，在本轮的时延时间偏差值超出阈值的情况下，针对每个边缘节点上的传输数据任务，确定下一轮在边缘节点上处理传输数据任务的时延；

[0084] 第二策略单元，基于确定的下一轮在边缘节点上处理传输数据任务的时延，调整下一轮的传输数据任务的分配策略，获取下一轮K1个边缘节点上的时延最小值之和；

[0085] 对比单元，将获取的下一轮K1个边缘节点上的时延最小值之和与时延时间偏差值阈值进行比较，若不满足阈值，则循环第二策略单元，直至满足阈值后，将此时的传输数据
分配策略，作为后续的传输数据任务的分配策略。

[0086] 与现有技术相比，本发明所达到的有益效果是：

[0087] 本发明能够利用蒸汽管道及阀门的监控数据，进行图像分析，进行归一化处理后，构建预测模型，对蒸汽泄漏的时间进行预测；建立数字化传输系统，提高智能监测水平，符
合未来发展观念，并基于数字化传输系统建立边缘节点，在一个或多个蒸汽管道处构建数
据传输体系，并与云端服务器进行通信，分析数据传输过程中的时延情况，并能够作出相应
调整，更新数据传输的分配策略，确保蒸汽管道监测数据的处理时延最小，满足监测的实时
与精准，有效提高蒸汽管道泄漏的监测水平，填补蒸汽管道泄漏检测领域的空白。

附图说明

[0088] 附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

[0089] 图1是本发明一种边缘计算的数字化蒸汽泄露监测数据传输系统的流程示意图；

[0090] 图2是本发明一种边缘计算的数字化蒸汽泄露监测数据传输系统的模型构建单元示意图。

具体实施方式

[0091] 下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于
本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本发明保护的范围。

[0092] 请参阅图1‑2，本发明提供技术方案：

[0093] 一种边缘计算的数字化蒸汽泄露监测数据传输系统，该系统包括蒸汽管道数据获取模块、数据分析模块、蒸汽泄漏预测模块、边缘计算模块、数据传输时延分析模块、分配策
略模块；

[0094] 所述蒸汽管道数据获取模块用于获取蒸汽管道及阀门的监控数据，进行图像分析；所述数据分析模块用于对获取的数据进行归一化处理，并整理存储至数据存储单元；所
述蒸汽泄漏预测模块用于根据数据分析模块的数据构建预测模型，对蒸汽泄漏的时间进行
预测；所述边缘计算模块用于搭建边缘计算节点，在一个或多个蒸汽管道处构建数据传输
体系，并与云端服务器进行通信；所述数据传输时延分析模块用于分析数据传输过程中的
时延情况，作出相应调整，以减小数据传输时延；所述分配策略模块用于更新数据传输的分
配策略，确保蒸汽管道监测数据的传输时延满足预设水平；

[0095] 所述蒸汽管道数据获取模块的输出端与所述数据分析模块的输入端相连接；所述数据分析模块的输出端与所述蒸汽泄漏预测模块的输入端相连接；所述蒸汽泄漏预测模块
的输出端与所述边缘计算模块的输入端相连接；所述边缘计算模块的输出端与所述数据传
输时延分析模块的输入端相连接；所述数据传输时延分析模块的输出端与所述分配策略模
块的输入端相连接。

[0096] 所述蒸汽管道数据获取模块包括图像采样单元、温度采样单元；

[0097] 所述图像采样单元用于采集蒸汽管道的图像状态，生成图像数据；所述温度采样单元用于采集蒸汽管道周围的温度数据；

[0098] 所述图像采集单元的输出端与所述数据分析模块的输入端相连接；所述温度采样单元的输出端与所述数据分析模块的输入端相连接。

[0099] 所述数据分析模块包括数据归一化处理单元、数据存储单元；

[0100] 所述数据归一化处理单元用于对蒸汽管道数据获取模块采集到的温度数据归一化处理，形成归一化数据并存储至数据存储单元；所述数据存储单元用于存储归一化数据
信息与图像数据，供系统中蒸汽泄漏预测模块调用；

[0101] 所述数据归一化处理单元的输出端与所述数据存储单元的输入端相连接；所述数据存储单元的输出端与所述蒸汽泄漏预测模块的输入端相连接。

[0102] 所述蒸汽泄漏预测模块包括模型构建单元、判断单元；

[0103] 所述模型构建单元用于构建预测模型，对蒸汽管道偏移量进行计算，输出最终结果；所述判断单元用于获取蒸汽管道偏移量阈值，并基于当前偏移量与阈值的大小适配计
算节点与传输路径；

[0104] 所述模型构建单元的输出端与所述判断单元的输入端相连接；所述判断单元的输出端与所述边缘计算模块的输入端相连接。

[0105] 所述模型构建单元包括：

[0106] 调用数据分析模块中的图像数据；

[0107] 获取蒸汽管道初始图像数据，利用相似度算法将调用数据不断与初始图像数据进行比对，设置蒸汽管道初始图像数据记为A，A={a1、a2、……、an}；a1、a2、……、an为初始图像
数据A中的各项特征；调用图像数据记为B，B={b1、b2、……、bn}；b1、b2、……、bn为调用图像数
据B中的各项特征；根据公式：

[0108]

[0109] 其中，D代表相似距离， 为A中的任一特征， 为B中的任一特征，k=1、2、……、n；

[0110] 设置相似度距离阈值，记为Dmax，若D超出Dmax，则建立三维虚拟模型进行分析；若D未超出Dmax，则不作分析；

[0111] 所述三维虚拟模型以蒸汽管道阀门为原点，蒸汽管道阀门所在竖直平面为Z轴，管道方向为X轴，同时垂直于X轴和Z轴的平面方向为Y轴；

[0112] 在三维虚拟模型中构建虚拟位移量标杆，利用虚拟位移量标杆对蒸汽管道初始图像数据与超出相似度距离阈值的调用图像数据进行比对，计算得出蒸汽管道在三维虚拟模
型中在X轴、Y轴和Z轴的管道中的热膨胀偏移量；

[0113] 可分别记为：ux、uy、uz；

[0114] 理想环境下可根据公式：

[0115]

[0116] 其中，L为蒸汽管道理想偏移量；

[0117] 建立误差偏差值，记为M，则蒸汽管道偏移量为：

[0118] L1=L+M

[0119] 其中，L1为蒸汽管道偏移量；

[0120] 获取从初始正常状态到蒸汽管道泄漏状态之间的温度数据、时间数据，作为输入向量，记为s；

[0121] 根据输入向量构建训练样本集，构建T个弱分类器，弱分类器记为 ；

[0122] 训练时，依次训练每一个弱分类器，并得到它们的权重值；

[0123] 所有样本的初始权重相等，即：

[0124]

[0125] 其中， 为每个样本的初始权重，i=1，2，……，j；代表样本数量；

[0126] 对t=1，2，……，T依次训练每个弱分类器：

[0127] 任选一个弱分类器 对样本（ci，di）进行预测，计算弱分类器 对训练样本集的错误率 ；

[0128] 计算弱分类器 的权重：

[0129]

[0130] 更新所有样本的权重：

[0131]

[0132] 其中， 为任一样本的权重；为归一化因子，它是所有样本的权重之和，即：

[0133]

[0134] 其中，j为样本数量；

[0135] 循环并构建最终的强分类器模型：

[0136]

[0137] 其中，s是输入向量， 是强分类器， 是弱分类器，是弱分类器的权重值，是一个正数，T为弱分类器的数量；所述弱分类器的精度远低于强分类器；

[0138] 利用强分类器输出蒸汽管道偏移量的影响因素权重，记为G={g1、g2、……、gm}；

[0139] 所述影响因素记为集合RI={r1、r2、……、rm}，其中m为影响因素数量；r1、r2、……、rm为影响因素的归一化数据类型，I为一时刻点；

[0140] 构建蒸汽管道偏移量与影响因素之间的函数关系：

[0141]

[0142] 其中， 为根据影响因素预测得出的在一时刻点I上的蒸汽管道偏移量。

[0143] 所述判断单元还包括：

[0144] 构建蒸汽管道偏移量阈值Lmax，即在蒸汽管道偏移量达到阈值Lmax时，管道将存在泄露的风险；

[0145] 若L1＜Lmax，数据传输至云端服务器进行计算；

[0146] 若L1＞Lmax，转移至边缘节点进行计算，计算结果反馈至云端服务器。

[0147] 所述边缘计算模块包括边缘节点计算单元、传输单元；

[0148] 所述边缘节点计算单元用于构建边缘计算节点，对蒸汽管道按照区域进行监测；所述传输单元用于传输数据；

[0149] 所述边缘节点计算单元的输出端与所述传输单元的输入端相连接。

[0150] 所述数据传输时延分析模块包括处理记录单元、时延分析单元；

[0151] 所述处理记录单元用于处理通信信道内传输的数据，并记录传输时间；所述时延分析单元用于对传输时间的延时性进行分析；

[0152] 所述处理记录单元的输出端与所述时延分析单元的输入端相连接。

[0153] 所述时延分析单元还包括：

[0154] 获取任一边缘节点的实际时延时间，记为U1；

[0155] 根据公式：

[0156]

[0157] 其中， 为理论时延； 为边缘节点传输数据的分组长度； 为边缘节点本地的计算资源的链路带宽； 为边缘节点的物理链路长度； 为信号传播速度；

[0158] 构建边缘节点时延时间偏差值 ：

[0159]

[0160] 设置时延时间偏差值阈值Umax，在边缘节点时延时间偏差值 之和超出Umax时，启动边缘节点分配策略。

[0161] 所述分配策略模块包括有边缘节点分配策略；

[0162] 所述边缘节点分配策略包括：

[0163] 第一时延单元，在初始的分配策略下，获取K1个边缘节点上传输数据任务的时延；

[0164] 第一策略单元，基于第一时延单元确定的本轮在K1个边缘节点上传输数据任务的时延，获取本轮的时延最小值之和以及本轮对传输数据任务的分配策略；

[0165] 第二时延单元，在本轮的时延时间偏差值超出阈值的情况下，针对每个边缘节点上的传输数据任务，确定下一轮在边缘节点上处理传输数据任务的时延；

[0166] 第二策略单元，基于确定的下一轮在边缘节点上处理传输数据任务的时延，调整下一轮的传输数据任务的分配策略，获取下一轮K1个边缘节点上的时延最小值之和；

[0167] 对比单元，将获取的下一轮K1个边缘节点上的时延最小值之和与时延时间偏差值阈值进行比较，若不满足阈值，则循环第二策略单元，直至满足阈值后，将此时的传输数据
分配策略，作为后续的传输数据任务的分配策略。

[0168] 在本实施例中：

[0169] 对蒸汽管道及阀门进行监测；

[0170] 调用监测图像数据；

[0171] 获取蒸汽管道初始图像数据，利用相似度算法将调用数据不断与初始图像数据进行比对，设置蒸汽管道初始图像数据记为A，A={a1、a2、……、an}；a1、a2、……、an为初始图像
数据A中的各项特征，在本实施例中，取3种进行分析，分别为管道表面、管道内径、管道高
度；调用图像数据记为B，B={b1、b2、……、bn}；b1、b2、……、bn为调用图像数据B中的各项特
征，在本实施例中，取3种进行分析，分别为管道表面、管道内径、管道高度；根据公式：

[0172]

[0173] 其中，D代表相似距离， 为A中的任一特征， 为B中的任一特征，k=1、2、3；

[0174] 设置相似度距离阈值，记为Dmax，发现D超出Dmax，建立三维虚拟模型进行分析；

[0175] 三维虚拟模型以蒸汽管道阀门为原点，蒸汽管道阀门所在竖直平面为Z轴，管道方向为X轴，同时垂直于X轴和Z轴的平面方向为Y轴；

[0176] 在三维虚拟模型中构建虚拟位移量标杆，利用虚拟位移量标杆对蒸汽管道初始图像数据与超出相似度距离阈值的调用图像数据进行比对，计算得出蒸汽管道在三维虚拟模
型中在X轴、Y轴和Z轴的管道中的热膨胀偏移量；

[0177] 分别记为：ux、uy、uz；

[0178] 建立误差偏差值，记为M，则蒸汽管道偏移量为：

[0179]

[0180] 其中，L1为蒸汽管道偏移量；

[0181] 构建蒸汽管道偏移量的影响因素权重；

[0182] 获取从初始正常状态到蒸汽管道泄漏状态之间的温度数据、时间数据，作为输入向量，记为s；

[0183] 根据输入向量构建训练样本集，构建T个弱分类器，弱分类器记为 ；

[0184] 训练时，依次训练每一个弱分类器，并得到它们的权重值；

[0185] 所有样本的初始权重相等，即：

[0186]

[0187] 其中， 为每个样本的初始权重，i=1，2，……，j；代表样本数量；

[0188] 对t=1，2，……，T依次训练每个弱分类器：

[0189] 任选一个弱分类器 对样本（ci，di）进行预测，计算弱分类器 对训练样本集的错误率 ；

[0190] 计算弱分类器 的权重：

[0191]

[0192] 更新所有样本的权重：

[0193]

[0194] 其中， 为任一样本的权重；为归一化因子，它是所有样本的权重之和，即：

[0195]

[0196] 其中，j为样本数量；

[0197] 循环并构建最终的强分类器模型：

[0198]

[0199] 其中，s是输入向量， 是强分类器， 是弱分类器，是弱分类器的权重值，是一个正数，T为弱分类器的数量；所述弱分类器的精度远低于强分类器；

[0200] 利用强分类器输出蒸汽管道偏移量的影响因素权重，记为G={g1、g2、……、gm}；

[0201] 选取时刻点I，影响因素记为集合RI={r1、r2、……、rm}，构建蒸汽管道偏移量与影响因素之间的函数关系：

[0202]

[0203] 其中， 为根据影响因素预测得出的在一时刻点I上的蒸汽管道偏移量，即可实现对于蒸汽管道的监测。

[0204] 需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存
在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖
非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要
素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备
所固有的要素。

[0205] 最后应说明的是：以上所述仅为本发明的优选实施例而已，并不用于限制本发明，尽管参照前述实施例对本发明进行了详细的说明，对于本领域的技术人员来说，其依然可
以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换。
凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的
保护范围之内。