一种具有AI自学习算法的震动检测系统技术方案

公开的一种具有AI自学习算法的震动检测系统，包括如下步骤:获取各场景的场景参数值以及场景分类值；设备获取未知场景参数值；根据场景参数值和未知场景参数值获取事件值；服务器根据设备的应用场景为设备配置相应的场景参数值以及场景分类值。本方案为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系统。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。快速解决安全隐患。快速解决安全隐患。

【技术实现步骤摘要】
一种具有AI自学习算法的震动检测系统


[0001]本公开涉及电力
，尤其涉及一种具有AI自学习算法的震动检测系统。

技术介绍

[0002]目前电力公司为了方便后续确认电缆的排向以及警示在道路施工的时候，防止施工人员破坏电缆，都会在电缆线路的上方道路上贴上“下有电缆”的标识。
[0003]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。因此，现有技术中的警示设施存在警示效果差的技术问题。

技术实现思路

[0004]本公开提供一种具有AI自学习算法的震动检测系统，解决了现有技术中警示设施警示效果差的技术问题。
[0005]解决上述技术问题采用的一些实施方案包括：
[0006]一种具有AI自学习算法的震动检测系统，包括如下步骤:
[0007]获取各场景的场景参数值以及场景分类值；
[0008]设备获取未知场景参数值；
[0009]根据场景参数值和未知场景参数值获取事件值；
[0010]服务器根据设备的应用场景为设备配置相应的场景参数值以及场景分类值。
[0011]作为优选，获取各场景的场景参数值以及场景分类值包括：获取各场合的各情形的场景参数，通过加权平均算法计算出各场景的场景参数值，根据场景参数值与相应的场景匹配获得场景分类值。
[0012]本方案中，场景参数值以及场景分类值的获取更加准确及合理，提高了震动检测系统的精度。
[0013]作为优选，获取各场景的场景参数值以及场景分类值包括：
[0014]获取预设时间段各场景的场景参数和场景分类值；
[0015]计算各场景参数的均值和标准差，根据标准差确定各场景参数值；
[0016]将场景参数与场景参数值一一对比，根据最接近场景参数值下的场景确定场景分类值；
[0017]将场景参数值与场景分类值一一对应。
[0018]本方案中，场景参数值以及场景分类值获取方案合理，提高了震动检测系统的精度。
[0019]作为优选，设备获取未知场景参数值包括：通过加权平均算法计算出该未知场景的未知场景参数，根据标准差确定该未知场景参数为未知场景参数值。
[0020]本方案中，未知参数值精度高，有效地避免了系统误动作。
[0021]作为优选，设备获取未知场景参数值包括：获取预设时间段的未知场景参数；
[0022]计算该未知场景参数的均值和标准差，根据标准差确定该未知场景参数的均值为未知场景参数值；
[0023]设备预置的场景分类值为未知场景分类值。
[0024]本方案中，未知场景参数值精度高，有效地避免了系统误动作。
[0025]作为优选，所述根据场景参数值和未知场景参数值获取事件值包括将未知场景参数值与场景参数值比较获取事件值。
[0026]本方案中，事件值精度高，有效地避免了系统误动作。
[0027]作为优选，场景参数值与未知场景参数值对比判断场景参数值与未知场景参数值是否在接近的范围内，接近则未知场景参数值对应场景参数值，不接近则将未知场景参数值与其它场景参数值比较，若未知场景参数知与其它场景参数值接近，则根据其它场景参数值对应场景分类值，若未知场景参数值与其它场景参数值仍不接近则提醒用户查看监控,由用户确认是否为新场景，若为新场景则录入该未知场景参数值以及与该未知场景参数值对应的未知场景分类值,否则，现场排查故障。
[0028]本方案中，通过比较其它未知场景参数值，有效地避免了系统误动作。
[0029]作为优选，场景参数值与未知场景参数值对比判断场景参数值与未知场景参数值是否在接近的范围内的对比判断公式为：∣X
‑
Y∣≤5，X为场景参数值，Y为未知场景参数值，符合∣X
‑
Y∣≤5则判断为接近，不符合∣X
‑
Y∣≤5由判断为不接近。
[0030]本方案中，参数选择合理，有效地避免的系统误动作。
[0031]作为优选，所述设备包括电源、警示灯、通讯器、陀螺仪、霍尔开关和控制芯片，其中，所述电源、警示灯、通讯器、陀螺仪和霍尔开关均与所述控制芯片电性连接。
[0032]本方案中，设备具有多种功能，优化了系统的警示能力，提高了系统的警示性能。
[0033]作为优选，所述通讯器包括通讯模块和与所述通讯模块连接的天线。
[0034]本方案中，通讯模块以及天线的配置可以实现设备与服务器之间的无线通讯，优化了系统的性能。
[0035]相对于现有技术，本公开提供的一种具有AI自学习算法的震动检测系统具有如下优点：
[0036]公开的一种具有AI自学习算法的震动检测系统，包括如下步骤:获取各场景的场景参数值以及场景分类值；设备获取未知场景参数值；根据场景参数值和未知场景参数值获取事件值；服务器根据设备的应用场景为设备配置相应的场景参数值以及场景分类值。本方案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系统。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。
附图说明
[0037]出于解释的目的，在以下附图中阐述了本公开技术的若干实施方案。以下附图被并入本文本并且构成具体实施方案的一部分。在一些情况下，以框图形式示出了熟知的结构和部件，以便避免使本公开主题技术的概念模糊。
[0038]图1为本公开的流程图。
具体实施方式
[0039]下面示出的具体实施方案旨在作为本公开主题技术的各种配置的描述，并且，不旨在表示本公开主题技术可被实践的唯一配置。具体实施方案包括具体的细节旨在提供对本公开主题技术的透彻理解。然而，对于本领域的技术人员来说将清楚和显而易见的是，本公开主题技术不限于本文示出的具体细节，并且，可在没有这些具体细节的情况下被实践。
[0040]参照图1，一种具有AI自学习算法的震动检测系统，包括如下步骤:
[0041]S1,获取各场景的场景参数值以及场景分类值；
[0042]S2,设备获取未知场景参数值；
[0043]S3,根据场景参数值和未知场景参数值获取事件值；
[0044]S4,服务器根据设备的应用场景为设备配置相应的场景参数值以及场景分类值。
[0045]本公开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本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种具有AI自学习算法的震动检测系统，其特征在于,包括如下步骤:获取各场景的场景参数值以及场景分类值；设备获取未知场景参数值；根据场景参数值和未知场景参数值获取事件值；服务器根据设备的应用场景为设备配置相应的场景参数值以及场景分类值。2.根据权利要求1所述的具有AI自学习算法的震动检测系统，其特征在于：获取各场景的场景参数值以及场景分类值包括：获取各场合的各情形的场景参数，通过加权平均算法计算出各场景的场景参数值，根据场景参数值与相应的场景匹配获得场景分类值。3.根据权利要求2所述的具有AI自学习算法的震动检测系统，其特征在于：获取各场景的场景参数值以及场景分类值包括：获取预设时间段各场景的场景参数和场景分类值；计算各场景参数的均值和标准差，根据标准差确定各场景参数值；将场景参数与场景参数值一一对比，根据最接近场景参数值下的场景确定场景分类值；将场景参数值与场景分类值一一对应。4.根据权利要求3所述的具有AI自学习算法的震动检测系统，其特征在于：设备获取未知场景参数值包括：通过加权平均算法计算出该未知场景的未知场景参数，根据标准差确定该未知场景参数为未知场景参数值。5.根据权利要求4所述的具有AI自学习算法的震动检测系统，其特征在于：设备获取未知场景参数值包括：获取预设时间段的未知场景参数；计算该未知场景参数的均值和标准差，根据标准差确定该未知场景参数的均值为未知场景参数值；设备预置的场景分类值为未知场景分类值。6.根据权利要求5所述的具有AI自学习算法的震动检测系统，其特征在于...

【专利技术属性】
技术研发人员：付冠华，余彬，翁利国，戚伟，陈杰，张阳辉，
申请(专利权)人：浙江中新电力工程建设有限公司自动化分公司国网浙江杭州市萧山区供电有限公司，
类型：发明
国别省市：