[发明专利]一种基于人工智能的管道健康状况监测方法及设备

权利要求书

1.一种基于人工智能的管道健康状况监测方法，其特征在于，应用于管道健康监测设备，所述管道健康监测设备与探测装置、管道控制设备通信连接，所述方法至少包括：

接收探测装置发送的数字信号，所述数字信号是所述探测装置根据接收到的第二探测信号在信号转换装置上转换得到的，所述第二探测信号是所述探测装置向管道发射的第一探测信号穿透所述管道后的穿透信号；

按照预设的信号解析协议对所述数字信号进行解析，得到所述第二探测信号对应的管道探测特征图；

根据所述管道探测特征图，对所述管道探测特征图进行预处理得到目标管道探测特征图，并采用第一人工智能识别模型对所述目标管道探测特征图进行识别，得到第一管道健康状况识别结果；采用第二人工智能识别模型对所述目标管道探测特征图进行特征提取，得到第二管道健康状况识别结果；所述第一管道健康状况识别结果包括管道内部结构损伤特征，所述第二管道健康状况识别结果表示与管道材料特性变化关联的特征向量；

从与管道探测设备连接的所述管道控制设备的管道特性数据存储模块中获取与所述管道健康状态相关的第一管道特征数据列表和第二管道特征数据列表，所述第一管道特征数据列表包括与管道内在损伤相关的参数因子，所述第二管道特征数据列表包括不同时间节点的管道健康特征数据，并按照时间节点序列排序，所述时间节点为管道运行期间相隔固定时间间隔的时间点；

对所述第一管道健康状况识别结果对应所述第一管道特征数据列表进行匹配得到匹配结果，并根据匹配结果结合第二管道健康状况识别结果以及第二管道特征数据列表，评判管道健康状况，得到管道健康状况监测结果。

2.根据权利要求1所述的基于人工智能的管道健康状况监测方法，其特征在于，所述按照预设的信号解析协议对所述数字信号进行解析，得到所述第二探测信号对应的管道探测特征图的步骤，所述方法至少包括：

根据所述预设的信号解析协议对所述数字信号进行数字信号解码，得到所述第二探测信号的信号强度分布图，并根据所述第二探测信号的信号强度分布图，对所述信号强度进行统计分析得到所述第二探测信号强度统计特征量；

根据所述第二探测信号强度统计特征量，采用KL散度相对熵的方法寻找最佳边界阈值，并将所述最佳边界阈值外的第二探测信号强度进行饱和映射，最终确定探测信号强度特征空间；

根据所确定的探测信号强度特征空间对所述第二探测信号强度分布图进行信号过滤得到目标信号强度分布图；若信号强度在所述信号特征空间范围内，则保留该信号强度；若信号强度在所述信号特征空间范围之外，则对所述信号强度的相邻信号做插值运算得到新的信号强度替换该信号强度；

将所述目标信号强度分布图进行区间映射，将目标信号强度映射至特定值域区间范围内，并结合每个信号强度对应的空间位置对所述信号进行排列得到所述第二探测信号对应的管道探测特征图。

3.根据权利要求1所述的基于人工智能的管道健康状况监测方法，其特征在于，所述根据所述管道探测特征图，对所述管道探测特征图进行预处理得到目标管道探测特征图并采用第一人工智能识别模型对所述目标管道探测特征图进行识别，得到第一管道健康状况识别结果的步骤，所述方法至少包括：

获取多个所述管道探测特征图，以及每个特征图每个位置的信号强度信息，其中所述多个管道探测特征图为对多个不同探测信号进行解析得到对应的探测特征图；

获取所述不同管道探测特征图所对应的融合系数；其中，所述获取所述不同管道探测特征图所对应的融合系数具体包括：获取所述不同管道探测特征图所对应的探测信号的探测频率及探测功率；获取所述不同管道探测特征图所对应的探测信号的材料穿透衰减系数，并进行统计；对所述材料穿透衰减系数进行归一化，将归一化后的材料穿透衰减系数作为所述融合系数；

根据所述融合系数，对所述不同管道探测特征图进行在图像通道维度进行通道加权拼接，生成多通道融合探测特征图，所述加权权重为融合系数；

根据所述多通道融合探测特征图，采用第一人工智能识别模型对所述目标管道探测特征图进行识别，得到第一管道健康状况识别结果；所述第一人工智能识别模型为卷积神经网络模型，所述第一管道健康状况识别结果包括代表管道结构损伤的异常点的位置和形状大小。