[发明专利]基于神经网络的城市地下综合管廊风险管控系统及方法

权利要求书

1.一种基于神经网络的城市地下综合管廊风险管控系统，其特征在于：所述基于神经网络的城市地下综合管廊风险管控系统包括基于AI基础的人工智能服务器平台、远程操控终端、现场检测节点终端、现场移动装置、物联网通讯服务网络，其中所述AI基础的人工智能服务器平台通过物联网通讯服务网络分别与远程操控终端、现场检测节点终端、现场移动装置建立数据连接，所述远程操控终端为1—3个，各远程操控终端间通过物联网通讯服务网络相互连接，且各远程操控终端分别通过物联网通讯服务网络与现场检测节点终端、现场移动装置建立数据连接，其中所述现场检测节点终端及现场移动装置均若干各，各现场检测节点终端、现场移动装置间相互并联，其中所述现场检测节点终端沿管廊轴线均布在管廊系统的内表面及管廊对应的地质结构的地表，所述现场移动装置分别与管廊巡检设备连接，且所述现场移动装置与各现场检测节点终端间通过物联网通讯服务网络建立数据连接。

2.根据权利要求1所述的基于神经网络的城市地下综合管廊风险管控系统，其特征在于：所述的基于AI基础的人工智能服务器平台内构建采用C/S结构和B/S结构的嵌套架构BP神经网络系统，及与BP神经网络系统协同运行的基于LSTM的智能预测系统为基础的和深度学习神经网络系统，同时所述基于AI基础的人工智能服务器平台内另设基于SOA体系为基础的主程序系统，及基于BIM和GIS为基础的三维信息展示子系统、图像识别处理系统平台子系统、基于AR/VR基础的虚拟现实展示平台子系统及高清视频信号传输子系统，且所述基于BIM和GIS为基础的三维信息展示子系统、图像识别处理系统平台子系统、基于AR/VR基础的虚拟现实展示平台子系统及高清视频信号传输子系统均与基于SOA体系为基础的主程序系统建立数据链接，所述基于AI基础的人工智能服务器平台另通过通讯网络与外部第三方服务平台建立数据连接。

3.根据权利要求2所述的基于神经网络的城市地下综合管廊风险管控系统，其特征在于：所述的深度学习神经网络系统为基于卷积运算的神经网络系统、基于多层神经元的自编码神经网络及以多层自编码神经网络的方式进行预训练，进而结合鉴别信息进一步优化神经网络权值的深度置信网络中的任意一种或几种共用。

4.根据权利要求1所述的基于神经网络的城市地下综合管廊风险管控系统，其特征在于：所述的现场检测节点终端包括应力传感器、定向麦克风、无线数据通讯装置、串口通讯装置、GNSS卫星定位装置、监控摄像头、测距装置、显示器、温湿度传感器、空气质量传感器、引流风机、承载底座、工作台及驱动电路，其中所述承载底座为横断面呈矩形的闭合腔体结构，其后端面设至少一个应力传感器，所述无线数据通讯装置、串口通讯装置、GNSS卫星定位装置及驱动电路均嵌于承载底座内，所述承载底座上端面通过转台机构与工作台铰接并同轴分布，所述工作台为横断面呈“凵”字形槽状结构，所述监控摄像头、测距装置、显示器均嵌于工作台内并与工作台槽底连接，且所述监控摄像头、测距装置、显示器光轴之间及光轴与工作台槽底间均平行分布，并与水平面呈0°—90°夹角，所述工作台槽底另设与工作台同轴分布的检测腔，所述检测腔对应的工作台前端面及后端面均设若干通风口，所述温湿度传感器、空气质量传感器、引流风机均嵌于检测腔内，所述定向麦克风至少一个，通过转台机构与工作台外侧面铰接，且定向麦克风轴线与水平面呈0°—180°夹角，所述应力传感器、定向麦克风、无线数据通讯装置、串口通讯装置、GNSS卫星定位装置、监控摄像头、测距装置、显示器、温湿度传感器、空气质量传感器、引流风机均与驱动电路电气连接，所述驱动电路另通过无线数据通讯装置、串口通讯装置与物联网通讯服务网络连接。

5.根据权利要求1所述的基于神经网络的城市地下综合管廊风险管控系统，其特征在于：所述的远程操控终端包括操控平台、智能通讯网关、显示器、电子沙盘，所述操控平台分别与智能通讯网关、显示器、电子沙盘电气连接，且所述显示器、电子沙盘间通过操控平台相互混联，且所述智能通讯网关另与物联网通讯服务网络连接，且所述操控平台为基于物联网控制器、可编程控制器中任意一种或两种共用为基础的电路系统。