基于数据仓库模式的智慧探伤检测方法、系统及设备与流程

本技术涉及数据治理的，尤其是涉及基于数据仓库模式的智慧探伤检测方法、系统及设备。

背景技术：

1、在工业无损检测领域，特别是在铁路、航空、能源等关键设施的在役探伤中，检测场景具有显著的多样性与动态性。检测对象涉及钢轨、车轮、轴承、叶片等多种物理部件，其材质、结构及可能出现的损伤类型复杂多变，包括裂纹、剥离、气孔、磨损等；检测手段涵盖超声、涡流、磁粉、射线、视觉等多模态传感技术，不同方法所产生的信号在波形特征、数据维度及物理含义上均存在显著差异；同时，现场检测任务的目的也各不相同，既可能是大范围快速普查与筛选，也可能是对可疑区域的精细诊断，或是对特定类型损伤的定性确认与定量评估。面对这样的场景，探伤系统需要灵活组织和协同多种检测信号，以形成完整的损伤判断依据。

2、目前，探伤检测作业普遍采用基于固定流程的检测设备与系统。这些系统的核心在于将信号采集、特征处理和损伤判别逻辑预先固化在程序或检测工艺中。在实际检测时，操作人员根据检测对象和检测目的，选取对应的检测仪器和探头，依照既定的标准化流程执行扫查；仪器按照预设的门限和算法对信号进行实时处理，给出有无缺陷的指示，或将采集到的原始波形、图像数据按固定格式保存在本地，后期再由专业人员回放分析。为了实现数据的集中管理，部分系统会将检测数据上传至数据库或数据仓库，但这些数据仓库主要用于历史数据的归档、查询和统计报表生成，并不参与检测流程的动态驱动。在多方法协同诊断时，通常需要分别使用超声、涡流等不同仪器独立完成采集，操作人员或分析人员从各仪器中手动导出数据，借助通用分析软件或仅凭个人经验，在时间轴和空间位置上对不同的信号进行人工比对，综合判断损伤状态。不同采集设备产生的数据格式、接口协议和参数配置各异，通常需要针对每种设备开发专用的数据读取和格式转换模块，工作量大且扩展困难。

3、这种现有的技术手段在实际复杂探伤应用中的局限性日益突出。首先，检测逻辑与具体检测设备、算法、参数以及数据存储形式高度耦合，每当检测对象、检测方法或损伤判定标准发生变化时，往往需要重新开发或大量配置软件流程，系统难以快速适应检测任务的变化。其次，由任务目的到所需检测证据的确定过程，几乎完全依赖于专业人员对检测标准、工艺规程以及自身经验的理解和手工设计，系统无法自动解析检测意图并规划出需要获取哪些类型、何种组合的信号数据，导致不同任务间的转换高度依赖人工，效率低且一致性难以保证。再者，在多源异构信号的综合诊断中，原始信号分散在不同的文件目录、不同仪器的存储位置，分析人员需要明确知道所需数据的具体存储路径和格式，手动逐个查找、导出和加载，无法根据“某部位某种类型信号”这样的语义需求自动、高效地获取数据。此外，由于缺乏面向异构数据的统一组织与访问机制，各种格式、采集参数不同的探伤信号在使用时暴露了大量底层细节，分析人员不仅需要熟悉损伤判别知识，还要了解不同数据源的访问方式，极大地增加了工作负担，也限制了自动化、智能化综合诊断的发展。

4、因此，本领域亟需一种能够提升探伤检测灵活性、减少人工依赖、提高多源证据协同效率的技术方案，期望能够根据不同的检测任务意图自动组织所需的检测证据，动态获取分布于异构存储中的原始探伤信号，并灵活组合相应的处理手段生成所需的损伤分析视图，从而提高复杂探伤场景下的检测自动化、智能化水平和对多变任务的适应能力。

技术实现思路

1、为了解决探伤场景的检测逻辑固化的问题，本技术提供基于数据仓库模式的智慧探伤检测方法、系统及设备。

2、第一方面，本技术提供了基于数据仓库模式的智慧探伤检测方法，采用如下的技术方案：

3、基于数据仓库模式的智慧探伤检测方法，包括：

4、接收探伤检测任务，其中，所述检测任务包含任务对象和任务意图；

5、基于探伤语义推理模型，并根据所述探伤检测任务进行语义推导，生成对应的探伤语义信息，其中，所述探伤语义推理模型用于表征可动态扩展的物理对象、检测方法与损伤状态之间的语义关联模式以及不同所述任务意图所对应的语义推理规则，所述探伤语义信息用于表征完成所述任务意图所需的证据逻辑结构以及各证据的语义角色及协同模式；

6、基于动态语义寻址映射库，对所述探伤语义信息进行语义匹配，得到子数据获取指令，其中，所述动态语义寻址映射库用于表征所述语义角色与物理存储位置之间的多对多动态转换规则；

7、通过虚拟化事实生成层，并根据所述子数据获取指令，获取原始探伤信号，其中，所述虚拟化事实生成层用于表征面向多源异构探伤数据的虚拟化组织逻辑；

8、基于所述任务意图，动态调用探伤物理算子及算子参数，对所述原始探伤信号进行特征提取，生成损伤特征视图；

9、基于所述损伤特征视图，生成探伤检测报告。

10、通过采用上述技术方案，接收探伤检测任务，其中，检测任务包含任务对象和任务意图，然后基于探伤语义推理模型，并根据探伤检测任务进行语义推导，生成对应的探伤语义信息，其中，探伤语义推理模型用于表征可动态扩展的物理对象、检测方法与损伤状态之间的语义关联模式以及不同任务意图所对应的语义推理规则，探伤语义信息用于表征完成任务意图所需的证据逻辑结构以及各证据的语义角色及协同模式，然后基于动态语义寻址映射库，对探伤语义信息进行语义匹配，得到子数据获取指令，其中，动态语义寻址映射库用于表征语义角色与物理存储位置之间的多对多动态转换规则，然后通过虚拟化事实生成层，并根据子数据获取指令，获取原始探伤信号，其中，虚拟化事实生成层用于表征面向多源异构探伤数据的虚拟化组织逻辑，然后基于任务意图，动态调用探伤物理算子及算子参数，对原始探伤信号进行特征提取，生成损伤特征视图，然后基于损伤特征视图，生成探伤检测报告。本发明将传统固化的检测逻辑转变为意图驱动的动态检测机制，即根据检测任务意图自动组织检测证据，动态获取异构存储中的原始探伤信号，并灵活组合多类处理手段生成损伤分析视图，从而提升了探伤检测的灵活性，减少了对人工经验的依赖，增强了多源证据的协同效率，进而提高了在复杂探伤场景下的检测自动化水平、智能化程度以及对多变任务的适应能力。

11、可选的，所述基于探伤语义推理模型，并根据所述探伤检测任务进行语义推导，生成对应的探伤语义信息的步骤，包括：

12、将所述探伤检测任务加载至探伤语义推理模型中,其中，所述探伤语义推理模型包括可动态扩展的物理对象节点、检测方法节点和损伤状态节点，以及可动态扩展的语义关联模式和语义推理规则；

13、对所述探伤检测任务进行语义解析，激活与所述任务对象对应的目标物理对象节点、与所述任务意图关联的目标检测方法节点,以及与所述任务意图关联的目标损伤状态节点；

14、基于所述语义关联模式，提取由所述目标物理对象节点经所述目标检测方法节点到达所述目标损伤状态节点的所有可达路径，作为候选证据链；

15、基于所述语义推理规则，对各个所述候选证据链进行置信度评估，并根据评估结果赋予各个所述候选证据链对应的链权重；以及，选取所述链权重满足预设条件的所述候选证据链，构成加权证据链集合；

16、为所述加权证据链集中各个所述候选证据链上的节点分配语义角色，并依据节点间的连接关系和所述链权重，确定各个所述语义角色之间的加权协同模式，其中，所述加权协同模式为基于所述链权重的多证据链协同机制，用于约束不同所述候选证据链的所述语义角色之间的协同关系；

17、根据所述加权证据链集合中各个所述候选证据链的拓扑结构，以及对应的所述语义角色和所述加权协同模式，生成探伤语义信息。

18、通过采用上述技术方案，为了实现语义推导，将探伤检测任务加载至探伤语义推理模型中,其中，探伤语义推理模型包括可动态扩展的物理对象节点、检测方法节点和损伤状态节点，以及可动态扩展的语义关联模式和语义推理规则，然后对探伤检测任务进行语义解析，激活与任务对象对应的目标物理对象节点、与任务意图关联的目标检测方法节点,以及与任务意图关联的目标损伤状态节点，然后基于语义关联模式，提取由目标物理对象节点经目标检测方法节点到达目标损伤状态节点的所有可达路径，作为候选证据链，然后基于语义推理规则，对各个候选证据链进行置信度评估，并根据评估结果赋予各个候选证据链对应的链权重；以及，选取链权重满足预设条件的候选证据链，构成加权证据链集合，然后为加权证据链集中各个候选证据链上的节点分配语义角色，并依据节点间的连接关系和链权重，确定各个语义角色之间的加权协同模式，其中，加权协同模式为基于链权重的多证据链协同机制，用于约束不同候选证据链的语义角色之间的协同关系，然后根据加权证据链集合中各个候选证据链的拓扑结构，以及对应的语义角色和加权协同模式，生成探伤语义信息。

19、可选的，所述基于所述语义推理规则，对各个所述候选证据链进行置信度评估，并根据评估结果赋予各个所述候选证据链对应的链权重的步骤，包括：

20、基于所述探伤语义推理模型，获取各个所述候选证据链的推理成功率，其中，所述推理成功率用于表征所述候选证据链在历史探伤检测任务中的推理结论与事后确认结果一致的频率；

21、基于所述推理成功率，确定各个所述候选证据链的所述链权重，其中，所述推理成功率与所述链权重呈正相关；

22、在本次的所述探伤检测任务结束后，将本次的所述加权证据链集合中各个所述候选证据链的推理结论与对应的事后确认结果进行比对，并根据比对的正误更新各个所述候选证据链在所述探伤语义推理模型中的推理成功率。

23、通过采用上述技术方案，为了生成链权重，基于探伤语义推理模型，获取各个候选证据链的推理成功率，其中，推理成功率用于表征候选证据链在历史探伤检测任务中的推理结论与事后确认结果一致的频率，然后基于推理成功率，确定各个候选证据链的链权重，其中，推理成功率与链权重呈正相关，然后在本次的探伤检测任务结束后，将本次的加权证据链集合中各个候选证据链的推理结论与对应的事后确认结果进行比对，并根据比对的正误更新各个候选证据链在探伤语义推理模型中的推理成功率。

24、可选的，所述基于动态语义寻址映射库，对所述探伤语义信息进行语义匹配，得到子数据获取指令的步骤，包括：

25、对所述探伤语义信息进行语义角色提取，得到目标语义角色，其中，所述目标语义角色包括被检对象、探测手段和目标缺陷；

26、基于所述动态语义寻址映射库，并根据所述目标语义角色进行语义寻址，得到结构化寻址结果，其中，所述结构化寻址结果由所述动态语义寻址映射库内维护的多对多动态转换规则生成，所述结构化寻址结果以物理存储位置为分组依据，每组对应于一个物理存储位置，且每组包含映射至该物理存储位置的全部所述目标语义角色和各个所述目标语义角色对应的信号片段提取范围或元数据过滤条件；

27、基于所述结构化寻址结果，生成子数据获取指令，其中，所述子数据获取指令中，针对所述结构化寻址结果中的每个分组，仅包含一次以该分组所对应的物理存储位置为目标的访问请求。

28、通过采用上述技术方案，为了实现语义匹配，对探伤语义信息进行语义角色提取，得到目标语义角色，其中，目标语义角色包括被检对象、探测手段和目标缺陷，然后基于动态语义寻址映射库，并根据目标语义角色进行语义寻址，得到结构化寻址结果，其中，结构化寻址结果由动态语义寻址映射库内维护的多对多动态转换规则生成，结构化寻址结果以物理存储位置为分组依据，每组对应于一个物理存储位置，且每组包含映射至该物理存储位置的全部目标语义角色和各个目标语义角色对应的信号片段提取范围或元数据过滤条件，然后基于结构化寻址结果，生成子数据获取指令，其中，子数据获取指令中，针对结构化寻址结果中的每个分组，仅包含一次以该分组所对应的物理存储位置为目标的访问请求。

29、可选的，所述通过虚拟化事实生成层，并根据所述子数据获取指令，获取原始探伤信号的步骤，包括：

30、在所述虚拟化事实生成层中，对所述子数据获取指令进行解析，得到各个访问请求对应的目标物理存储位置，以及各个所述目标物理存储位置所关联的目标语义角色与对应的提取条件，其中，所述提取条件包括所述信号片段提取范围或所述元数据过滤条件；

31、所述虚拟化事实生成层根据各个所述目标物理存储位置所对应的数据源类型，调用与所述数据源类型相匹配的数据访问接口，向对应的目标物理存储位置发起数据读取请求；

32、所述虚拟化事实生成层接收各个所述目标物理存储位置返回的原始数据，并根据各个所述目标物理存储位置所关联的所述提取条件，对所述原始数据进行截取，得到原始探伤信号，其中，所述原始探伤信号由所述虚拟化事实生成层的虚拟化组织逻辑统一管理，以屏蔽多源异构探伤数据的底层存储差异。

33、通过采用上述技术方案，为了获取原始探伤信号，在虚拟化事实生成层中，对子数据获取指令进行解析，得到各个访问请求对应的目标物理存储位置，以及各个目标物理存储位置所关联的目标语义角色与对应的提取条件，其中，提取条件包括信号片段提取范围或元数据过滤条件，然后虚拟化事实生成层根据各个目标物理存储位置所对应的数据源类型，调用与数据源类型相匹配的数据访问接口，向对应的目标物理存储位置发起数据读取请求，然后虚拟化事实生成层接收各个目标物理存储位置返回的原始数据，并根据各个目标物理存储位置所关联的提取条件，对原始数据进行截取，得到原始探伤信号，其中，原始探伤信号由虚拟化事实生成层的虚拟化组织逻辑统一管理，以屏蔽多源异构探伤数据的底层存储差异。

34、可选的，所述基于所述任务意图，动态调用探伤物理算子及算子参数，对所述原始探伤信号进行特征提取，生成损伤特征视图的步骤，包括：

35、根据所述任务意图，在算子编排知识库中进行检索，得到与所述任务意图相匹配的多个候选算子模板，其中，所述候选算子模板为有向无环图结构，所述候选算子模板用于定义信号处理工艺，所述候选算子模板包括探伤物理算子和所述探伤物理算子之间预定的连接关系和数据流向，且同一所述候选算子模板内的各个探伤物理算子针对同一检测信号类型；

36、基于各个语义角色的协同模式，对所述候选算子模板进行编排，生成算子执行管道，并为所述算子执行管道中的各个探伤物理算子配置初始参数，其中，所述协同模式用于指导多个所述候选算子模板之间的编排方式，所述算子执行管道中各个探伤物理算子之间具有经所述编排确定的排布层级和数据流转路径；

37、基于所述算子执行管道，对所述原始探伤信号进行特征提取，并在执行过程中实时监测各个探伤物理算子的当前输出特征质量指标，其中，所述输出特征质量指标包括信号信噪比、波形平滑度、频谱峰值清晰度、能量集中度和特征类间可分性中的至少一种；

38、当任一探伤物理算子的所述输出特征质量指标低于预设阈值时，触发参数自适应调整机制，基于所述当前输出特征质量指标与期望质量指标之间的偏差，对下游的探伤物理算子的参数进行修正，直至所述算子执行管道执行完毕，生成损伤特征视图。

39、通过采用上述技术方案，为了生成损伤特征视图，根据任务意图，在算子编排知识库中进行检索，得到与任务意图相匹配的多个候选算子模板，其中，候选算子模板为有向无环图结构，候选算子模板用于定义信号处理工艺，候选算子模板包括探伤物理算子和探伤物理算子之间预定的连接关系和数据流向，且同一候选算子模板内的各个探伤物理算子针对同一检测信号类型，然后基于各个语义角色的协同模式，对候选算子模板进行编排，生成算子执行管道，并为算子执行管道中的各个探伤物理算子配置初始参数，其中，协同模式用于指导多个候选算子模板之间的编排方式，算子执行管道中各个探伤物理算子之间具有经编排确定的排布层级和数据流转路径，然后基于算子执行管道，对原始探伤信号进行特征提取，并在执行过程中实时监测各个探伤物理算子的当前输出特征质量指标，其中，输出特征质量指标包括信号信噪比、波形平滑度、频谱峰值清晰度、能量集中度和特征类间可分性中的至少一种，然后当任一探伤物理算子的输出特征质量指标低于预设阈值时，触发参数自适应调整机制，基于当前输出特征质量指标与期望质量指标之间的偏差，对下游的探伤物理算子的参数进行修正，直至算子执行管道执行完毕，生成损伤特征视图。

40、可选的，所述基于各个语义角色的协同模式，对所述候选算子模板进行编排，生成算子执行管道的步骤，包括：

41、对所述协同模式进行解析，确定对应的编排逻辑，其中，所述编排逻辑用于表征不同信号处理工艺间的编排规则，所述编排逻辑定义了所述算子执行管道中各个探伤物理算子之间的连接方式，且所述连接方式包括并行连接和融合连接；

42、基于所述编排逻辑，对所述候选算子模板进行编排，生成算子执行管道。

43、通过采用上述技术方案，为了生成算子执行管道，对协同模式进行解析，确定对应的编排逻辑，其中，编排逻辑用于表征不同信号处理工艺间的编排规则，编排逻辑定义了算子执行管道中各个探伤物理算子之间的连接方式，且连接方式包括并行连接和融合连接，然后基于编排逻辑，对候选算子模板进行编排，生成算子执行管道。

44、可选的，所述基于所述当前输出特征质量指标与期望质量指标之间的偏差，对下游的探伤物理算子的参数进行修正的步骤，包括：

45、基于所述当前输出特征质量指标与期望质量指标，确定偏差值；

46、基于所述偏差值，从预置的参数修正规则库中，确定与所述偏差值对应的参数修正策略，其中，所述参数修正策略包括下游的探伤物理算子中待修正的目标参数，以及所述目标参数的修正量和修正方向；

47、基于所述参数修正策略，对下游的探伤物理算子进行修正。

48、通过采用上述技术方案，为了实现对下游的探伤物理算子的参数的修正，基于当前输出特征质量指标与期望质量指标，确定偏差值，然后基于偏差值，从预置的参数修正规则库中，确定与偏差值对应的参数修正策略，其中，参数修正策略包括下游的探伤物理算子中待修正的目标参数，以及目标参数的修正量和修正方向，然后基于参数修正策略，对下游的探伤物理算子进行修正。

49、第二方面，本技术还提供了基于数据仓库模式的智慧探伤检测系统，采用如下的技术方案：

50、基于数据仓库模式的智慧探伤检测系统，包括：

51、任务接收模块，用于接收探伤检测任务，其中，所述检测任务包含任务对象和任务意图；

52、语义推理模块，用于基于探伤语义推理模型，并根据所述探伤检测任务进行语义推导，生成对应的探伤语义信息，其中，所述探伤语义推理模型用于表征可动态扩展的物理对象、检测方法与损伤状态之间的语义关联模式以及不同所述任务意图所对应的语义推理规则，所述探伤语义信息用于表征完成所述任务意图所需的证据逻辑结构以及各证据的语义角色及协同模式；

53、语义寻址模块，用于基于动态语义寻址映射库，对所述探伤语义信息进行语义匹配，得到子数据获取指令，其中，所述动态语义寻址映射库用于表征所述语义角色与物理存储位置之间的多对多动态转换规则；

54、虚拟化数据获取模块，用于通过虚拟化事实生成层，并根据所述子数据获取指令，获取原始探伤信号，其中，所述虚拟化事实生成层用于表征面向多源异构探伤数据的虚拟化组织逻辑；

55、特征提取模块，用于基于所述任务意图，动态调用探伤物理算子及算子参数，对所述原始探伤信号进行特征提取，生成损伤特征视图；

56、检测报告生成模块，用于基于所述损伤特征视图，生成探伤检测报告。

57、第三方面，本技术还提供了一种计算机设备，采用如下的技术方案：

58、一种计算机设备，包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现第一方面中所述的方法。

59、综上所述，本技术至少包括以下有益技术效果：接收探伤检测任务，其中，检测任务包含任务对象和任务意图，然后基于探伤语义推理模型，并根据探伤检测任务进行语义推导，生成对应的探伤语义信息，其中，探伤语义推理模型用于表征可动态扩展的物理对象、检测方法与损伤状态之间的语义关联模式以及不同任务意图所对应的语义推理规则，探伤语义信息用于表征完成任务意图所需的证据逻辑结构以及各证据的语义角色及协同模式，然后基于动态语义寻址映射库，对探伤语义信息进行语义匹配，得到子数据获取指令，其中，动态语义寻址映射库用于表征语义角色与物理存储位置之间的多对多动态转换规则，然后通过虚拟化事实生成层，并根据子数据获取指令，获取原始探伤信号，其中，虚拟化事实生成层用于表征面向多源异构探伤数据的虚拟化组织逻辑，然后基于任务意图，动态调用探伤物理算子及算子参数，对原始探伤信号进行特征提取，生成损伤特征视图，然后基于损伤特征视图，生成探伤检测报告。本发明将传统固化的检测逻辑转变为意图驱动的动态检测机制，即根据检测任务意图自动组织检测证据，动态获取异构存储中的原始探伤信号，并灵活组合多类处理手段生成损伤分析视图，从而提升了探伤检测的灵活性，减少了对人工经验的依赖，增强了多源证据的协同效率，进而提高了在复杂探伤场景下的检测自动化水平、智能化程度以及对多变任务的适应能力。