买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：沃弗(南京)环境工程有限公司

摘要：本申请的基于AI的通风管道定点定量漏风监测与报警系统及方法，涉及人工智能技术领域，利用传感器收集压力数据、空气流量数据和气流噪声数据，通过基于密度的聚类算法划分为正常样本和异常样本，设计全卷积自编码器网络，利用正常样本和异常样本训练得到漏风检测模型，将正常样本输入漏风检测模型中，输出得到正常样本的重建损失，计算正常样本的重建损失的均值和标准差，收集实时压力、实时空气流量和实时气流噪声并处理得到实时样本，作为漏风检测模型的输入数据，输出该实时样本的标签类型，若标签类型为异常，则计算通风异常分数，对通风异常分数进行程度分级，触发不同的漏风警报，实现了实时监测通风管道内的漏风风险。

主权项：1.基于AI的通风管道定点定量漏风监测与报警方法，其特征在于，包括：构建传感器网络，利用传感器监测并收集管道内的压力数据、空气流量数据和气流噪声数据；将压力数据、空气流量数据和气流噪声数据通过基于密度的聚类算法划分为正常样本和异常样本；设计全卷积自编码器网络，利用正常样本和异常样本对全卷积自编码器网络进行训练得到漏风检测模型；设计全卷积自编码器网络，所述全卷积自编码器网络包括：编码器、解码器以及编码器的输出和解码器的输出；将正常样本和异常样本作为训练漏风检测模型的训练样本，正常样本对应的标签为0，异常样本对应的标签为1；将正常样本输入训练好的漏风检测模型中，输出得到正常样本的重建损失，计算正常样本的重建损失的均值和标准差；收集实时压力、实时空气流量和实时气流噪声并处理得到实时样本，作为漏风检测模型的输入数据，输出该实时样本的标签类型，若标签类型为异常，则利用正常样本的重建损失的均值、标准差和该实时样本的重建损失计算通风异常分数；建立异常响应机制，对通风异常分数进行程度分级，触发不同异常程度的漏风警报；所述将正常样本输入训练好的漏风检测模型中，输出得到正常样本的重建损失，计算正常样本的重建损失的均值和标准差的具体方法为：将训练样本中的正常样本输入训练好的漏风检测模型中，输入编码器得到编码器的输出，将编码器的输出通过解码器获得重建序列，根据重建序列计算得到正常样本的重建损失其中，Xi表示第i个输入的正常样本，表示第i个输入的正常样本对应输出的重建序列；计算正常样本的重建损失的均值和标准差；所述正常样本的重建损失的均值的计算公式为： 其中，Nzc表示正常样本的数量；所述正常样本的重建损失的标准差的计算公式为： 所述收集实时压力、实时空气流量和实时气流噪声并处理得到实时样本，作为漏风检测模型的输入数据，输出该实时样本的标签类型，若标签类型为异常，则利用正常样本的重建损失的均值、标准差和该实时样本的重建损失计算通风异常分数的具体方法为：利用部署的传感器网络收集实时压力、实时空气流量和实时气流噪声，将实时压力、实时空气流量和实时气流噪声根据时间排序得到实时压力序列、实时空气流量序列和实时气流噪声序列；通过滑动窗口方法将实时压力序列、实时空气流量序列和实时气流噪声序列进行划分得到N′个实时样本；将N′个实时样本作为漏风检测模型的输入数据，输入编码器得到编码器的输出，将编码器的输出通过解码器获得实时样本的重建序列，通过实时样本的重建序列得到该实时样本的重建损失；根据漏风检测模型的输出数据得到该实时样本的标签类型，若该实时样本的标签类型为异常，则根据该实时样本的重建损失、正常样本的重建损失的均值和标准差计算得到该实时样本的通风异常分数；所述通风异常分数的计算公式为： 其中，表示实时样本的重建损失，xnow表示输入的实时样本，表示漏风检测模型输出的实时样本的重建序列。

全文数据：

权利要求：

百度查询： 沃弗(南京)环境工程有限公司 基于AI的通风管道定点定量漏风监测与报警系统及方法