基于自主可控软硬件平台的轻量化AI模型构建方法技术

本发明专利技术公开了基于自主可控软硬件平台的轻量化AI模型构建方法，涉及模型构建技术领域，将容器压力浮动系数、缺陷离散指数以及管道弯曲处受冲击幅度综合计算建立异常系数，并将异常系数与异常阈值进行对比完成AI模型构建，构建完成的AI模型适配到容器的嵌入式硬件平台中，通过嵌入式硬件平台定时监测容器状态，当嵌入式硬件平台基于AI模型预测容器未来运行发生故障的概率大时，发出预警信号。本发明专利技术在压力容器运行过程中，基于AI模型进行边缘计算以及分析，无需将数据传输至云端，提高数据处理效率，而且对压力容器进行故障预测，有效在压力容器出现故障前及时做出判断和处理，保障压力容器的安全运行。保障压力容器的安全运行。保障压力容器的安全运行。

【技术实现步骤摘要】
基于自主可控软硬件平台的轻量化AI模型构建方法


[0001]本专利技术涉及模型构建
，具体涉及基于自主可控软硬件平台的轻量化AI模型构建方法。

技术介绍

[0002]压力容器是一类用于储存和运输气体、液体或蒸汽等具有一定压力的容器，它们被广泛应用于各个工业领域，如化工、石油、天然气、能源、制药、食品加工等，压力容器在现代工业生产中扮演着至关重要的角色，但同时也带来了一定的安全风险，需要严格监管和合理使用；压力容器在工业生产中扮演着重要的角色，但由于其特殊的工作环境和高压运行状态，一旦发生故障或操作失误，可能导致严重的事故和人员伤亡，因此，对于压力容器的安全监测和故障预测非常重要。
[0003]现有技术存在以下不足：传统的压力容器监测方法往往是依靠传感器采集数据，然后将数据上传到云端进行处理和分析，然而，这种方法存在一些问题，如数据传输延迟、对网络连接的依赖，以及对云端资源的大量占用；现有对压力容器的监测方法通常是故障检测，然而，当压力容器出现故障时，可能会发生泄漏、爆炸等问题，将给周围的工作人员和环境带来严重安全风险。

技术实现思路

[0004]本专利技术的目的是提供基于自主可控软硬件平台的轻量化AI模型构建方法，以解决
技术介绍
中不足。
[0005]为了实现上述目的，本专利技术提供如下技术方案：基于自主可控软硬件平台的轻量化AI模型构建方法，所述构建方法包括以下步骤：S1：获取容器内部存储介质参数，基于存储介质参数获取容器压力浮动系数后，分析容器内部压力是否存在异常；S2：通过移动式超声波传感器对容器外壁随机选择区域检测缺陷，基于缺陷深度获取缺陷离散指数后，分析容器外壁是否存在异常；S3：当容器内部压力存在异常或容器外壁存在异常时发出预警信号，当容器内部压力不存在异常或容器外壁不存在异常时执行S4步骤；S4：将容器压力浮动系数、缺陷离散指数以及管道弯曲处受冲击幅度综合计算建立异常系数，并将异常系数与异常阈值进行对比完成AI模型构建；S5：构建完成的AI模型适配到容器的嵌入式硬件平台中，通过嵌入式硬件平台定时监测容器状态；S6：当嵌入式硬件平台基于AI模型预测容器未来运行发生故障的概率大时，发出预警信号。
[0006]在一个优选的实施方式中，所述容器压力浮动系数的计算表达式为：
[0007]计算容器压力浮动系数，为磁体的实时体积变化量，为容器内部存储介质温度预警的时段，为容器进出口堵塞预警的时段。
[0008]在一个优选的实施方式中，获取所述容器压力浮动系数后，若容器压力浮动系数＞浮动阈值时，分析容器内部压力存在异常，若容器压力浮动系数≤浮动阈值时，分析容器内部压力不存在异常。
[0009]在一个优选的实施方式中，所述缺陷离散指数的获取逻辑为：计算缺陷离散系数，表达式为：
[0010]式中，表示容器外壁缺陷取样点的数量，为正整数，表示不同的缺陷深度，表示缺陷深度平均值；若缺陷深度平均值≤深度阈值，且缺陷离散系数≤离散阈值，缺陷离散指数；若缺陷深度平均值≤深度阈值，且缺陷离散系数＞离散阈值，缺陷离散指数；若缺陷深度平均值＞深度阈值，且缺陷离散系数＞离散阈值，缺陷离散指数；若缺陷深度平均值＞深度阈值，且缺陷离散系数≤离散阈值，缺陷离散指数。
[0011]在一个优选的实施方式中，步骤S4中，AI模型构建包括以下步骤：将容器压力浮动系数、缺陷离散指数以及管道弯曲处受冲击幅度综合计算建立异常系数，计算表达式为：
[0012]式中，为缺陷离散指数，为容器压力浮动系数，为管道弯曲处受冲击幅度，、、分别为缺陷离散指数、容器压力浮动系数、管道弯曲处受冲击幅度的比例系数，
且、、均大于0；将异常系数与异常阈值进行对比完成AI模型构建。
[0013]在一个优选的实施方式中，构建完成的AI模型适配到容器的嵌入式硬件平台中，通过嵌入式硬件平台定时监测容器状态，若异常系数小于异常阈值，嵌入式硬件平台基于AI模型预测容器未来运行发生故障的概率大，发出预警信号，若异常系数大于等于异常阈值，嵌入式硬件平台基于AI模型预测容器未来运行发生故障的概率小，不发出预警信号。
[0014]在一个优选的实施方式中，所述管道弯曲处受冲击幅度的计算表达式为：
[0015]式中，为管道弯曲处受冲击幅度，是冲击力，是弯曲处距离冲击点的距离，是管道截面的惯性矩，是管道截面的面积。
[0016]在上述技术方案中，本专利技术提供的技术效果和优点：1、本专利技术通过获取容器内部存储介质参数，基于存储介质参数获取容器压力浮动系数后，分析容器内部压力是否存在异常，通过移动式超声波传感器对容器外壁随机选择区域检测缺陷，基于缺陷深度获取缺陷离散指数后，分析容器外壁是否存在异常，将容器压力浮动系数、缺陷离散指数以及管道弯曲处受冲击幅度综合计算建立异常系数，并将异常系数与异常阈值进行对比完成AI模型构建，构建完成的AI模型适配到容器的嵌入式硬件平台中，通过嵌入式硬件平台定时监测容器状态，当嵌入式硬件平台基于AI模型预测容器未来运行发生故障的概率大时，发出预警信号，预测容器未来运行发生故障的概率小时，不发出预警信号，该方法在压力容器运行过程中，基于AI模型进行边缘计算以及分析，无需将数据传输至云端，提高数据处理效率，而且对压力容器进行故障预测，有效在压力容器出现故障前及时做出判断和处理，保障压力容器的安全运行。
[0017]2、本专利技术通过将容器压力浮动系数、缺陷离散指数以及管道弯曲处受冲击幅度综合计算建立异常系数，获取异常系数后，将异常系数与异常阈值进行对比完成AI模型构建，有效提高数据处理效率，并对运行中的压力容器进行故障预测，保障压力容器的安全使用。
附图说明
[0018]为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0019]图1为本专利技术的方法流程图。
具体实施方式
[0020]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员
在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0021]实施例1：请参阅图1所示，本实施例所述基于自主可控软硬件平台的轻量化AI模型构建方法，所述构建方法包括以下步骤：获取容器内部存储介质参数，基于存储介质参数获取容器压力浮动系数后，分析容器内部压力是否存在异常，具体为：首先，获取容器内部存储介质的相关参数，这些参数是计算容器压力浮动系数和分析压力异常的基础，使用容器内部存储介质的参数，计算容器的压力浮动系数，使用计算得到的压力浮动系数，分析容器内部压力是否存在异常，在整个过程中，要持续监测容器内部压力变化，及时记录数据。这些数据对于事本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于自主可控软硬件平台的轻量化AI模型构建方法，其特征在于：所述构建方法包括以下步骤：S1：获取容器内部存储介质参数，基于存储介质参数获取容器压力浮动系数后，分析容器内部压力是否存在异常；S2：通过移动式超声波传感器对容器外壁随机选择区域检测缺陷，基于缺陷深度获取缺陷离散指数后，分析容器外壁是否存在异常；S3：当容器内部压力存在异常或容器外壁存在异常时发出预警信号，当容器内部压力不存在异常或容器外壁不存在异常时执行S4步骤；S4：将容器压力浮动系数、缺陷离散指数以及管道弯曲处受冲击幅度综合计算建立异常系数，并将异常系数与异常阈值进行对比完成AI模型构建；S5：构建完成的AI模型适配到容器的嵌入式硬件平台中，通过嵌入式硬件平台定时监测容器状态；S6：当嵌入式硬件平台基于AI模型预测容器未来运行发生故障的概率大时，发出预警信号。2.根据权利要求1所述的基于自主可控软硬件平台的轻量化AI模型构建方法，其特征在于：所述容器压力浮动系数的计算表达式为：计算容器压力浮动系数，为磁体的实时体积变化量，为容器内部存储介质温度预警的时段，为容器进出口堵塞预警的时段。3.根据权利要求2所述的基于自主可控软硬件平台的轻量化AI模型构建方法，其特征在于：获取所述容器压力浮动系数后，若容器压力浮动系数＞浮动阈值时，分析容器内部压力存在异常，若容器压力浮动系数≤浮动阈值时，分析容器内部压力不存在异常。4.根据权利要求3所述的基于自主可控软硬件平台的轻量化AI模型构建方法，其特征在于：所述缺陷离散指数的获取逻辑为：计算缺陷离散系数，表达式为：式中，表示容器外壁缺陷取样点的...

【专利技术属性】
技术研发人员：李强，刘迪，庄莉，王秋琳，李温静，张帅，宋立华，徐杰，吕君玉，陈锴，
申请(专利权)人：福建亿榕信息技术有限公司，
类型：发明
国别省市：