本技術(shù)涉及遠(yuǎn)程校準(zhǔn)，尤其涉及一種智慧水站的遠(yuǎn)程校準(zhǔn)方法及系統(tǒng)。

背景技術(shù)：

1、隨著水環(huán)境監(jiān)測需求的提升，智慧水站被廣泛部署于流域治理、排口監(jiān)管和飲用水源地等場景中，實現(xiàn)對多項水質(zhì)指標(biāo)的實時在線檢測。在此類水質(zhì)分析系統(tǒng)中，為保證檢測精度，常需周期性引入標(biāo)準(zhǔn)液體或盲樣進(jìn)行自動校準(zhǔn)。由于檢測設(shè)備通常采用多種液體路徑復(fù)用設(shè)計，包括標(biāo)液、清洗液和盲樣液等皆通過多個閥門切換控制后輸送至共用的測量腔體，因此在不同校準(zhǔn)任務(wù)之間進(jìn)行路徑復(fù)用時，存在液體殘留與交叉污染問題。

2、現(xiàn)有技術(shù)存在本背景技術(shù)提出的問題：實際運行中因管路結(jié)構(gòu)差異、閥控滯后及泵流波動等因素，清洗效果存在差異，部分路徑即使執(zhí)行清洗仍可能存在不可忽略的殘留影響。缺乏動態(tài)、可演化的路徑狀態(tài)建模機(jī)制，容易導(dǎo)致路徑判斷失準(zhǔn)、資源浪費或校準(zhǔn)誤差，為解決以上問題，本技術(shù)設(shè)計了一種智慧水站的遠(yuǎn)程校準(zhǔn)方法及系統(tǒng)。

技術(shù)實現(xiàn)思路

1、本技術(shù)所要解決的技術(shù)問題是針對現(xiàn)有技術(shù)的不足，提供了一種智慧水站的遠(yuǎn)程校準(zhǔn)方法及系統(tǒng)，方法通過獲取各液體路徑的狀態(tài)信息，構(gòu)建路徑狀態(tài)矩陣，并基于校準(zhǔn)任務(wù)計算污染風(fēng)險響應(yīng)值，生成污染適應(yīng)性矩陣，從中篩選兼容性最優(yōu)路徑以執(zhí)行校準(zhǔn)任務(wù)。路徑狀態(tài)的建模引入狀態(tài)演化圖譜與圖神經(jīng)網(wǎng)絡(luò)推演機(jī)制，采用中斷邊控制傳播路徑，動態(tài)反映清洗操作對狀態(tài)繼承的影響。任務(wù)完成后，操作信息被寫入日志并回填至狀態(tài)圖譜，實現(xiàn)路徑狀態(tài)的持續(xù)演化與更新。

2、為實現(xiàn)上述目的，本技術(shù)提供如下技術(shù)方案：

3、一種智慧水站的遠(yuǎn)程校準(zhǔn)方法，應(yīng)用于具備多個液體路徑的水質(zhì)分析系統(tǒng)，所述液體路徑包括與校準(zhǔn)液體對應(yīng)的控制閥、進(jìn)樣泵和用于輸送校準(zhǔn)液體至測量腔體的液路管道，所述方法包括：

4、獲取各液體路徑的狀態(tài)信息，構(gòu)建路徑狀態(tài)矩陣，其中所述構(gòu)建路徑狀態(tài)矩陣根據(jù)預(yù)設(shè)的狀態(tài)更新規(guī)則對所述狀態(tài)信息進(jìn)行推導(dǎo)，所述狀態(tài)更新規(guī)則包括中斷行為建模邏輯，所述中斷行為建模邏輯用于模擬清洗操作對狀態(tài)信息的重置影響；

5、根據(jù)校準(zhǔn)任務(wù)，通過所述路徑狀態(tài)矩陣計算各液體路徑對目標(biāo)校準(zhǔn)任務(wù)的污染風(fēng)險響應(yīng)值，生成污染適應(yīng)性矩陣；

6、根據(jù)所述污染適應(yīng)性矩陣，得到兼容性最優(yōu)路徑，通過所述兼容性最優(yōu)路徑進(jìn)行校準(zhǔn)任務(wù)。

7、所述構(gòu)建路徑狀態(tài)矩陣，包括：

8、獲取每條液體路徑的狀態(tài)信息，所述狀態(tài)信息包括上一次注入的液體類型、是否進(jìn)行清洗操作和距離上次操作的時間間隔；

9、根據(jù)預(yù)設(shè)的狀態(tài)更新規(guī)則對所述狀態(tài)信息進(jìn)行推導(dǎo)，生成液體路徑對應(yīng)的路徑狀態(tài)；

10、根據(jù)所述路徑狀態(tài)構(gòu)建當(dāng)前的路徑狀態(tài)矩陣。

11、所述根據(jù)預(yù)設(shè)的狀態(tài)更新規(guī)則對所述狀態(tài)信息進(jìn)行推導(dǎo)，生成液體路徑對應(yīng)的路徑狀態(tài)，包括：

12、將每條液體路徑的上一次注入的液體類型作為初始節(jié)點，將距離上次操作的時間間隔映射為演化步長，構(gòu)建路徑狀態(tài)演化圖譜；

13、在所述路徑狀態(tài)演化圖譜上，基于歷史操作信息，通過圖神經(jīng)網(wǎng)絡(luò)進(jìn)行狀態(tài)推演計算，輸出狀態(tài)演化結(jié)果。

14、所述通過圖神經(jīng)網(wǎng)絡(luò)進(jìn)行狀態(tài)推演計算，輸出狀態(tài)演化結(jié)果，包括：

15、根據(jù)所述歷史操作信息，在所述路徑狀態(tài)演化圖譜的原有節(jié)點結(jié)構(gòu)上添加語義附加節(jié)點，其中所述語義附加節(jié)點包括操作頻次、路徑空置時長、歷史清洗密度和液體類型切換幅度；

16、計算所述路徑狀態(tài)演化圖譜的節(jié)點序列，在所述節(jié)點序列中的相鄰節(jié)點之間建立有向邊，生成時間序列圖，其中若相鄰節(jié)點之間存在清洗操作，則將對應(yīng)的有向邊標(biāo)記為狀態(tài)中斷邊，并賦予狀態(tài)中斷標(biāo)識和衰減權(quán)重參數(shù)；

17、將所述時間序列圖作為所述圖神經(jīng)網(wǎng)絡(luò)的輸入，通過預(yù)設(shè)輪次的傳播和更新，提取所述時間序列圖中末位節(jié)點的狀態(tài)向量，以作為狀態(tài)演化結(jié)果，其中所述圖神經(jīng)網(wǎng)絡(luò)包括多層圖卷積單元和狀態(tài)更新單元。

18、所述通過預(yù)設(shè)輪次的傳播和更新，包括：

19、在每一輪傳播過程中，通過圖卷積單元對時間序列圖中的各節(jié)點進(jìn)行狀態(tài)信息聚合，其中節(jié)點從其前序節(jié)點接收狀態(tài)向量，所述狀態(tài)信息聚合基于有向邊的類型與邊屬性進(jìn)行加權(quán)計算，當(dāng)有向邊標(biāo)記為狀態(tài)中斷邊時，在傳播過程中根據(jù)狀態(tài)中斷標(biāo)識禁用方向性信息傳遞，并根據(jù)對應(yīng)的衰減權(quán)重參數(shù)對傳入的信息強(qiáng)度進(jìn)行調(diào)整；

20、在完成信息聚合后，將節(jié)點輸入至狀態(tài)更新單元，通過非線性轉(zhuǎn)換函數(shù)對當(dāng)前節(jié)點狀態(tài)進(jìn)行更新，其中當(dāng)節(jié)點存在狀態(tài)中斷邊時，所述狀態(tài)更新單元根據(jù)狀態(tài)中斷標(biāo)識阻斷歷史狀態(tài)殘差的繼承。

21、通過所述路徑狀態(tài)矩陣計算各液體路徑對目標(biāo)校準(zhǔn)任務(wù)的污染風(fēng)險響應(yīng)值，生成污染適應(yīng)性矩陣，包括：

22、提取路徑狀態(tài)矩陣中各液體路徑的當(dāng)前狀態(tài)向量；

23、對于每一液體路徑，調(diào)用污染風(fēng)險映射函數(shù)，以當(dāng)前狀態(tài)向量作為輸入，以校準(zhǔn)任務(wù)對應(yīng)的目標(biāo)液體作為參數(shù)，計算對應(yīng)的液體路徑相對于目標(biāo)液體的污染風(fēng)險響應(yīng)值；

24、將液體路徑的污染風(fēng)險響應(yīng)值按路徑編號排列，構(gòu)建污染適應(yīng)性矩陣。

25、所述污染風(fēng)險映射函數(shù)包括狀態(tài)兼容性匹配邏輯，其中：

26、所述狀態(tài)兼容性匹配邏輯根據(jù)液體路徑中記錄的液體類型演化軌跡與目標(biāo)液體之間的化學(xué)干擾等級、清洗行為中斷頻率和時間間隔指標(biāo)，計算液體路徑在當(dāng)前狀態(tài)下存在殘留液體干擾的概率評分。

27、根據(jù)所述污染適應(yīng)性矩陣，得到兼容性最優(yōu)路徑，包括：

28、對所述污染適應(yīng)性矩陣中的各液體路徑對應(yīng)的污染風(fēng)險響應(yīng)值進(jìn)行排序處理，確定污染風(fēng)險從低到高的路徑序列；

29、對所述路徑序列中的路徑依次進(jìn)行可用性校驗，其中所述可用性校驗包括：是否處于運行中、是否達(dá)到最小空置時間、是否存在故障標(biāo)記；

30、在通過可用性校驗的液體路徑中，選擇污染風(fēng)險響應(yīng)值最低的液體路徑，作為兼容性最優(yōu)路徑。

31、當(dāng)校準(zhǔn)任務(wù)執(zhí)行完成后，所述方法還包括：

32、將執(zhí)行校準(zhǔn)任務(wù)所使用的液體路徑的使用信息寫入路徑操作日志，更新最近一次注入液體類型、是否執(zhí)行清洗操作和完成時間；

33、根據(jù)所述路徑操作日志中的更新內(nèi)容，計算對應(yīng)的液體路徑在路徑狀態(tài)演化圖譜中的節(jié)點信息，并將計算結(jié)果更新至路徑狀態(tài)矩陣。

34、一種智慧水站的遠(yuǎn)程校準(zhǔn)系統(tǒng)，所述系統(tǒng)包括：

35、狀態(tài)獲取模塊，用于獲取各液體路徑的狀態(tài)信息，包括上一次注入的液體類型、是否進(jìn)行清洗操作和距離上次操作的時間間隔；

36、狀態(tài)推演模塊，根據(jù)預(yù)設(shè)的狀態(tài)更新規(guī)則對所述狀態(tài)信息進(jìn)行推導(dǎo)，生成液體路徑的路徑狀態(tài)，其中所述狀態(tài)更新規(guī)則包括中斷行為建模邏輯，用于模擬清洗操作對路徑狀態(tài)的重置影響，并通過圖神經(jīng)網(wǎng)絡(luò)進(jìn)行狀態(tài)推演計算；

37、風(fēng)險計算模塊，根據(jù)路徑狀態(tài)矩陣和校準(zhǔn)任務(wù)的目標(biāo)液體，計算各液體路徑的污染風(fēng)險響應(yīng)值，生成污染適應(yīng)性矩陣；

38、路徑調(diào)度模塊，根據(jù)所述污染適應(yīng)性矩陣確定兼容性最優(yōu)路徑，并控制所述路徑執(zhí)行校準(zhǔn)任務(wù)，在校準(zhǔn)任務(wù)完成后，更新路徑操作日志并更新路徑狀態(tài)矩陣。

39、與現(xiàn)有技術(shù)相比，本技術(shù)的有益效果是：

40、本技術(shù)通過構(gòu)建液體路徑狀態(tài)演化圖譜，并引入圖神經(jīng)網(wǎng)絡(luò)進(jìn)行狀態(tài)推演，實現(xiàn)了對液體路徑殘留狀態(tài)的動態(tài)建模與精準(zhǔn)表達(dá)，能夠有效反映清洗行為對路徑狀態(tài)繼承的實際影響。相比傳統(tǒng)以布爾邏輯判斷路徑可用性的方式，本技術(shù)提供了一種連續(xù)性強(qiáng)、表達(dá)力高、具備演化能力的路徑狀態(tài)表征機(jī)制。通過污染風(fēng)險映射函數(shù)結(jié)合任務(wù)目標(biāo)液體，進(jìn)一步實現(xiàn)路徑與任務(wù)之間的狀態(tài)兼容性匹配，提升了路徑調(diào)度的針對性與安全性。