[发明专利]一种具有AI自学习算法的震动检测系统

说明书

本发明公开了一种具有AI自学习算法的震动检测系统，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。本发明解决了现有对埋有地下电缆的路面施工时不能及时预警、容易损坏电缆的问题。

技术领域

本发明涉及震动检测技术领域，具体涉及一种具有AI自学习算法的震动检测系统。

背景技术

目前电力公司为了方便后续确认电缆的走向以及警示在道路施工的时候，防止施工人员破坏电缆，目前都会在电缆线路的上方道路上贴上“下有电缆”的标识。传统警示牌，存在很多缺陷，如果晚上施工，会导致施工人员看不清警示牌，另外，在施工的时候，不能进行提前的预警或报警，只有在电缆被损坏导致停电的时候才能发现问题。研究一款能发光，施工振动的时候能报警，还能将电缆线路的走线方向进行指示，就能解决传统的电缆标识存在的问题。

针对地下有电缆的公路，人行道等场景设计的报警、现场警示以及防御性示警提醒的监测性设备。通过检测路面的震动，进行分析判断是否是类似于破路机等具有破坏路面器械产生的震动，然后进行告警，警示或待机处理。并且可以将所有监测数据纳入到统一的维护管理系统中，在后台智能管理平台中，以地图展示防外损警示牌监测区域的状态和报警内容，维护人员能够及时到现场处理，快速解决安全隐患。

根据不同场景，需要安装配置符合应用各种场景公司研发的该监测设备；需要设备数量大，设备出厂配置也已不再可行便捷，需要针对具体情况具体判断，实现个性化的震动检测。

发明内容

为此，本发明提供一种具有AI自学习算法的震动检测系统，以解决现有对埋有地下电缆的路面施工时不能及时预警、容易损坏电缆的问题。

为了实现上述目的，本发明提供如下技术方案：

本发明公开了，一种具有AI自学习算法的震动检测系统，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。

进一步地，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。

进一步地，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。

进一步地，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。