[发明专利]一种具有AI自学习算法的震动检测系统

权利要求书

1.一种具有AI自学习算法的震动检测系统，其特征在于，所述系统包括：

震动检测仪、监控设备和中央处理器，所述震动检测仪设置在地下电缆附近，采集不同场合、不同情景下的路面震动频率，中央处理器将采集的震动频率与具体的场合以及情景进行匹配记录，构建预测模型，将采集的震动频率和对应的场合以及情景输入预测模型进行学习训练，训练完成后通过震动检测仪采集不同环境下的真实震动频率，判断是否出现施工情况下的震动，确认后及时发出预警，及时进行提醒，针对未能识别预测出的震动频率，录入预测模型进行学习训练；

所述震动检测仪安装在多个已知场合，每个场合对应有多个情景，利用震动检测仪采集不同场合不同情景下震动频率的检测值，通过加权平均算法计算出各情景下的检测值均值，根据标准差确定检测值均值，再根据确定的检测值均值与抽取的检测值相比，最终确定该情景下的震动频率；

所述震动频率检测值确定的步骤为：

设定采集周期，针对设定周期内的各场合、各情景下检测值进行抽取；

计算各情景的检测值均值和标准差，根据标准差确定各情景检测值均值；

每个情景中，由于情景确定，历史标准震动频率为已知，现场检测的震动频率中选取最为接近的历史标准震动频率为最终情景下的震动频率；

将最终确定的震动频率与实际场合以及情景进行关联保存。

2.如权利要求1所述的一种具有AI自学习算法的震动检测系统，其特征在于，所述预测模型通过录入已经场合、情景下检测的震动频率进行训练，每个场合、每个情景均有与自己对应的震动频率，将震动频率与场合、情景进行匹配绑定，使预测模型能够根据在不同的环境下实际的采集震动频率判断是否发生施工行为。

3.如权利要求1所述的一种具有AI自学习算法的震动检测系统，其特征在于，所述震动检测仪安装在陌生环境中，设定采集周期，针对设定周期内的检测值进行抽取；

计算此未知环境的检测值均值和标准差，通过加权平均算法计算出该未知环境的检测值均值，根据标准差确定该未知环境检测值均值为该未知环境检测值。

4.如权利要求1所述的一种具有AI自学习算法的震动检测系统，其特征在于，所述预测模型根据采集到的未知环境下实际震动频率检测值，进行数据匹配，根据震动频率进行场合以及情景的匹配。

5.如权利要求1所述的一种具有AI自学习算法的震动检测系统，其特征在于，所述预测模型将实际采集震动检测值与已知环境的震动检测值进行比对，当误差小于设定的范围时，确定此为未知环境为该震动频率对应的已知环境。

6.如权利要求1所述的一种具有AI自学习算法的震动检测系统，其特征在于，所述预测模型发现实际采集震动检测值与已知环境的震动检测值比对误差大于设定范围无法匹配到相似的数据时，进行多周期内检测值重复匹配，直到全部无法匹配，则判断为新的环境。

7.如权利要求1所述的一种具有AI自学习算法的震动检测系统，其特征在于，所述监控设备设置在震动检测仪附近，当预测模型发现新的环境时，及时调取监控设备的图像，确定当前的环境，并将此新环境下采集的震动频率检测值与当前的新场合、情景进行绑定，录入预测模型进行学习。

8.如权利要求1所述的一种具有AI自学习算法的震动检测系统，其特征在于，所述预测模型对新的环境学习后，将学习数据下发至所有的震动检测仪，震动检测仪安装后，配置当前的场合以及情景，根据当前情景采集实际的震动频率判断是否发生施工行为，及时进行预警。