[发明专利]一种基于巡检机器人的电缆烧焦气味连续检测方法

权利要求书

1.一种基于巡检机器人的电缆烧焦气味连续检测方法，其特征在于：包括以下步骤：

步骤1：气体传感器模组搭载于巡检机器人，使用200℃高温对电缆A进行3~5s灼烧，然后气体传感器模组对电缆A高温灼烧产生的气体进行检测，进而采集对应气味数据样本，采样时间为T且采样周期为t，每个周期t内采集的样本数据均包括TVOC、氨气和硫化氢三项气体的浓度值，并记录这三项气体的数据即为；其中，和分别对应一个采样周期T内的TVOC、氨气和硫化氢的浓度值；

步骤2：将步骤1中采样时间T内采集的样本按时间顺序进行排列，组成一组离散时序信号，该组离散时序信号记作一个样本序列，并为打上相应种类的标签作为相应电缆的灼烧气味；

对另一种电缆B执行上述步骤1和步骤2得到对应样本序列；；

步骤3、分别对电缆A和电缆B在其他不同气味环境重复步骤1至2，生成对应离散时序信号，并标注为该气味环境中相应电缆的烧灼气味；单独设置无灼烧时的正常空气环境为一对照组，用于空白环境对照；

步骤4、将步骤1至步骤3所得两种电缆的三种气味数据作为六种样本通过循环神经网络进行训练，然后结合训练方法让循环神经网络自拟合到能够突出检测气体特征随时间变化的信息状态，此时将在气体数据输入后提取浓度特征并作出分类决策；

上述步骤完成后，即得到基于电缆A和电缆B烧焦后产生混合气体以及正常空气环境的参数模型；

所述循环神经网络包括输入层、隐藏层和输出层，输入层有三个神经元，即采集的三种气体对浓度值，输出层为0、1、2，0代表预测类型为电缆A，1代表预测类型为电缆B，2为正常空气环境；

训练循环神经网络时，每一个时间步长需要输入的元素个数即为灼烧产生的不同种类的气体数n，即浓度指标中特征向量的个数，时间步长为采样时间T，循环神经网络层数为1，隐藏单元个数为一个样本序列的采样次数，表示为，当采样时间T不能整除一次采样周期时，隐藏单元个数为二者之商并向下取整；输出层与隐藏层之间通过全连接神经网络进行连接；

训练循环神经网络中特征提取的具体方法为：提取特征的具体过程交由训练完成的循环神经网络模型自身，可以将其看做一个黑盒，其功能特征便是特征提取；特征提取结束后由循环神经网络最后几层的全连接层执行实现分类决策，该全连接层网络作为非线性分类器，其输入即为循环神经网络前几层的输出特征；

步骤5、封装上述所得参数模型，当需要检测某未知环境的气体数据时，连续收集相应电缆烧焦气味的特征，将其按时间顺序组成的时序信号输入循环神经网络，通过训练好的参数模型输出该离散时序信号随时间变化的特征，作为该类电缆烧焦气味的特征描述，并根据输出与标签的对应关系判断该气味所对应的电缆类型。