一种面向消防安全管理的全周期风险研判预警方法及系统与流程
本发明属于消防安全监测,具体地说是一种面向消防安全管理的全周期风险研判预警方法及系统。
背景技术:
1、早期热失控的精准探测是防止电气火灾的核心,行业内主要依赖单一数据源的模型进行风险研判,存在以下显著的技术瓶颈:
2、现有技术常采用轻量级的定量分析小模型(如树模型或一维卷积网络),处理由接触式传感器采集的温度、电流等一维时序传感数据。定量分析小模型高度依赖传感器的安装位置。由于传感器只能监测局部点的数值,存在空间盲区;当发热点偏离探头时,定量分析小模型无法感知全局热场变化,极易导致漏报。此外,定量分析小模型无法处理图像数据,无法识别绝缘层热熔化等直观的物理形变隐患。
3、部分消防安全管理系统引入了认知大模型(如视觉transformer),用于处理红外热成像或可见光等二维视觉数据,以识别表面热场异常。认知大模型仅能提取表象的视觉特征,无法获取设备内部真实的电流过载等底层物理运行状态;认知大模型在复杂工业环境下易受光影、遮挡干扰,容易产生视觉幻觉(如将反光误判为电弧),导致高误报率。
4、即便有消防安全管理系统同时部署了定量分析小模型和认知大模型,两者也多为独立运行、结果简单拼接(如任一报警即触发)。当定量分析小模型基于传感数值判定为低风险,而认知大模型基于视觉画面判定为高风险时,缺乏有效的一致性校验机制来判断冲突,也无法将认知大模型提取的高维视觉语义特征降维回传给小模型进行底层特征融合与评分修正,导致综合研判的准确性和鲁棒性较差。
5、如何构建一种机制,既能发挥定量分析小模型对底层物理数值的精准把控,又能利用认知大模型对全局热场视觉特征的提取能力,并在两者间建立一致性校验与特征回传修正闭环,是本领域亟待解决的技术难题。
6、为此,本发明提供了一种面向消防安全管理的全周期风险研判预警方法及系统。
技术实现思路
1、为了弥补现有技术的不足,解决背景技术中所提出的至少一个技术问题。
2、本发明解决其技术问题所采用的技术方案是:
3、一方面的,本发明提供了一种面向消防安全管理的全周期风险研判预警方法,包括:
4、采集目标电气设备的温升多模态监测数据并完成标准化预处理,将温升多模态监测数据划分为一维时序电气传感数据和二维热场视觉数据,将一维时序电气传感数据分发至定量分析小模型,将二维热场视觉数据分发至认知大模型;
5、定量分析小模型基于一维时序电气传感数据进行时序特征提取,输出初始设备过热风险评分及对应风险等级,并通过shap算法计算得到各电气传感因子的归因权重;
6、认知大模型对输入的多维图像张量开展热场梯度解析与绝缘层形变视觉识别,获取局部热异常特征并转换为统一格式的热语义特征向量;
7、以定量分析小模型输出的初始设备过热风险评分、对应风险等级作为校验基准,对认知大模型输出的热语义特征向量进行一致性校验约束,执行完一致性校验约束后,将认知大模型输出的热语义特征向量回传输入至定量分析小模型,修正初始设备过热风险评分,输出融合后的综合电气火灾风险研判值;
8、根据综合电气火灾风险研判值通过预设分级算法判定最终电气火灾风险等级,并基于最终电气火灾风险等级执行对应等级的预警消息推送操作以及设备级物理断电与降温控制指令。
9、作为本发明的进一步改进方案,所述将一维时序电气传感数据分发至定量分析小模型,将二维热场视觉数据分发至认知大模型的具体过程为:
10、通过部署在目标电气设备内部及周边的工业物联网传感节点与视觉采集终端,实时采集温升多模态监测数据,传感节点包括接触式温度探头、剩余电流互感器,视觉采集终端包括红外热成像仪和可见光双光谱摄像头;
11、对温升多模态监测数据进行标准化预处理:针对数值型数据,利用线性插值算法填补传输过程中的缺失值,并以统一的时间基准进行时间戳对齐,针对图像型数据,利用双三次插值算法将不同设备采集的图像统一缩放至预设的标准分辨率,并应用高斯滤波算法去除图像噪点,输出预处理后的温升多模态监测数据;
12、获取预处理后的温升多模态监测数据的数据包头中的元数据标签,元数据标签包含数据源设备类型与数据格式标识;
13、当元数据标签指示数据格式为浮点数序列或json结构化键值对时,判定并划分为一维时序电气传感数据;
14、当元数据标签指示数据格式为像素矩阵或视频流格式时,判定并划分为二维热场视觉数据;
15、对一维时序电气传感数据进行最大最小值归一化处理,生成标准化的一维时序数据流,通过内部高速消息队列定向路由至部署于常规计算节点的定量分析小模型中;
16、对二维热场视觉数据进行张量化转换与通道归一化处理,生成多维图像张量,通过支持高并发的负载均衡网关,分发至部署于gpu算力集群的认知大模型中。
17、作为本发明的进一步改进方案,所述定量分析小模型的具体构建过程为:
18、获取历史目标电气设备在不同运行工况下的一维时序电气传感数据,以及由认知大模型在历史样本上输出并经降维处理得到的历史视觉补充特征,构建小模型训练集;
19、基于lightgbm梯度提升树算法构建初始的定量分析小模型,定量分析小模型内部划分为用于处理一维时序特征的基础评分树网络,以及用于处理多模态融合特征的残差修正树模块,并配置用于将叶子节点权重转化为百分制分数的映射函数;
20、仅将小模型训练集中的一维时序电气传感数据输入至基础评分树网络,以真实标签为目标拟合初始决策树,得到训练完成的基础评分树网络并冻结网络权重;
21、将一维时序电气传感数据与历史视觉补充特征进行特征拼接,输入至残差修正树模块,以第一阶段输出的预测概率与真实标签之间的残差为优化目标,利用梯度下降算法反向迭代更新所述残差修正树模块的叶子节点权重与分裂特征阈值;
22、当验证集上的损失函数连续预设轮次不再下降时,得到训练完成的定量分析小模型。
23、作为本发明的进一步改进方案,所述认知大模型的具体构建过程为:
24、获取具备基础图像特征提取能力的预训练视觉大模型作为基座模型,并对网络架构进行改造,构建包含双流视觉编码器与多模态对齐层的初始认知大模型,双流视觉编码器包括基于多头自注意力机制的红外特征编码器,以及结合图像分块与卷积网络的可见光特征编码器,多模态对齐层内置交叉注意力机制与线性投影降维模块;
25、构建电气热场垂直领域微调数据集,微调数据集包含历史二维热场视觉数据,且每张图像均标注指示局部热异常区域的边界框、指示绝缘层形变的语义分割掩码,以及指示异常类型的真实定性异常标签,真实定性异常标签的分类包括严重物理形变、一般热异常和无异常;
26、采用低秩自适应参数高效微调算法,将微调数据集输入至初始认知大模型中;
27、通过计算模型输出的预测边界框、预测分割掩码与专家标注的真实边界框、真实分割掩码之间的定位与分割损失,并同步计算模型输出的预测定性异常标签与所述真实定性异常标签之间的交叉熵分类损失,将上述损失加权求和得到总损失函数;
28、基于总损失函数联合反向传播更新红外特征编码器、可见光特征编码器以及多模态对齐层中的权重矩阵,得到训练完成的认知大模型。
29、作为本发明的进一步改进方案,所述输出初始设备过热风险评分及对应风险等级的具体过程为:
30、设定预设长度的时间滑动窗口,利用时间滑动窗口对所述标准化的一维时序数据流进行截取,获取时间滑动窗口数据的统计学特征与动态变化特征,统计学特征与动态变化特征包括温度波动方差、电流突变率以及温升斜率,将获取出的温度波动方差、电流突变率以及温升斜率组合为时序特征向量;
31、将时序特征向量输入至所述定量分析小模型中,输出初始设备过热风险评分;
32、当初始设备过热风险评分小于第一风险阈值时,判定对应风险等级为低风险;
33、当初始设备过热风险评分大于等于第一风险阈值且小于第二风险阈值时,判定对应风险等级为中风险;
34、当初始设备过热风险评分大于等于第二风险阈值时,判定对应风险等级为高风险。
35、作为本发明的进一步改进方案,所述通过shap算法计算得到各电气传感因子的归因权重的具体过程为:
36、构建与定量分析小模型相匹配的树形shap解释器,将当前提取的时序特征向量以及定量分析小模型的网络参数输入至shap解释器中;
37、shap解释器计算每个电气传感因子在所有可能的特征组合下,对初始设备过热风险评分的边际贡献度,得到每个电气传感因子的shap值;获取各电气传感因子的shap值的绝对值,计算单个电气传感因子的shap值绝对值占所有电气传感因子shap值绝对值总和的百分比比例作为各电气传感因子的归因权重。
38、作为本发明的进一步改进方案,所述获取局部热异常特征并转换为统一格式的热语义特征向量的具体过程为:
39、将输入的多维图像张量按光谱类型进行分离,分别输入至认知大模型内部对应的双流视觉编码器中;
40、对于红外热成像类型的多维图像张量,输入至红外特征编码器中,通过多头自注意力机制进行热场梯度解析,获取包含局部温度异常聚集、热扩散边界模糊等物理现象的红外热异常特征;
41、对于可见光类型的多维图像张量,输入至可见光特征编码器中,通过图像分块与卷积网络进行绝缘层形变视觉识别,获取包含线缆外皮发黑、绝缘层热熔化、微小电弧闪烁等物理现象的可见光形变特征;
42、将获取到的红外热异常特征和可见光形变特征输入至认知大模型的多模态对齐层,利用交叉注意力机制将不同光谱模态的特征映射至同一个高维连续的特征空间中,进行特征级融合,获取综合的局部热异常特征;
43、对局部热异常特征进行全局平均池化与线性投影降维处理,生成固定维度的浮点数数组,作为统一格式的热语义特征向量输出。
44、作为本发明的进一步改进方案,所述输出融合后的综合电气火灾风险研判值的具体过程为:
45、构建辅助的预训练的风险倾向映射网络,将认知大模型输出的热语义特征向量输入至风险倾向映射网络中,输出热语义特征向量隐含的定性视觉风险等级;
46、将定性视觉风险等级与定量分析小模型输出的对应风险等级进行比对,判断两者是否发生逻辑冲突;
47、若两者一致,则判定一致性校验通过,将当前的热语义特征向量作为经过一致性校验约束的热语义特征向量输出;
48、若两者不一致,则触发一致性校验约束机制:以定量分析小模型输出的对应风险等级作为绝对事实基准,获取对应风险等级相匹配的标准基准向量;
49、计算当前的热语义特征向量与标准基准向量之间的特征差异,利用特征掩码算法,对当前的热语义特征向量中导致定性视觉风险等级偏离的特征维度进行权重衰减,将热语义特征向量投影至与对应风险等级相匹配的特征空间内,输出经过一致性校验约束的热语义特征向量;
50、获取经过一致性校验约束的热语义特征向量,利用主成分分析或自编码器降维算法进行降维处理,获取出适配树模型计算的低维稠密视觉补充特征;
51、将视觉补充特征与时序特征向量进行特征拼接,构建同时包含定量电气物理信息与定性热场视觉信息的融合增强特征向量;
52、将融合增强特征向量输入至定量分析小模型内部预设的残差修正树模块中,残差修正树模块计算得出对应的风险修正值;风险修正值包含用于增加风险分数的惩罚值或用于降低风险分数的增益值;
53、将风险修正值与初始设备过热风险评分进行加权求和计算,得到修正后的最终评分作为融合后的综合电气火灾风险研判值输出。
54、作为本发明的进一步改进方案,所述根据综合电气火灾风险研判值通过预设分级算法判定最终电气火灾风险等级,并基于最终电气火灾风险等级执行对应等级的预警消息推送操作以及设备级物理断电与降温控制指令的具体过程为:
55、获取综合电气火灾风险研判值,并获取认知大模型识别出的局部热异常特征对应的定性异常标签,定性异常标签包括严重物理形变、一般热异常和无异常;
56、通过预设分级算法构建动态判定逻辑,将综合电气火灾风险研判值与预设的第一最终分级阈值和第二最终分级阈值进行比对,结合定性异常标签进行综合判定:
57、当综合电气火灾风险研判值大于等于第二最终分级阈值,或者定性异常标签为严重物理形变时,判定最终电气火灾风险等级为高风险;
58、当综合电气火灾风险研判值大于等于第一最终分级阈值且小于所述第二最终分级阈值,或者定性异常标签为一般热异常时,判定最终电气火灾风险等级为中风险;
59、当综合电气火灾风险研判值小于第一最终分级阈值,且定性异常标签为无异常时,判定最终电气火灾风险等级为低风险;
60、当最终电气火灾风险等级为低风险时,生成常规巡检提醒消息;
61、当最终电气火灾风险等级为中风险时,生成归因权重的设备过热整改通知消息;
62、当最终电气火灾风险等级为高风险时,生成包含归因权重的紧急热失控报警消息。
63、另一方面的,本发明提供了一种面向消防安全管理的全周期风险研判预警系统,包括:
64、多源数据分发模块:采集目标电气设备的温升多模态监测数据并完成标准化预处理,将温升多模态监测数据划分为一维时序电气传感数据和二维热场视觉数据,将一维时序电气传感数据分发至定量分析小模型,将二维热场视觉数据分发至认知大模型;
65、时序风险研判模块:定量分析小模型基于一维时序电气传感数据进行时序特征提取,输出初始设备过热风险评分及对应风险等级,并通过shap算法计算得到各电气传感因子的归因权重;
66、视觉特征提取模块:认知大模型对输入的多维图像张量开展热场梯度解析与绝缘层形变视觉识别,获取局部热异常特征并转换为统一格式的热语义特征向量;
67、模型协同修正模块:以定量分析小模型输出的初始设备过热风险评分、对应风险等级作为校验基准,对认知大模型输出的热语义特征向量进行一致性校验约束,执行完一致性校验约束后,将认知大模型输出的热语义特征向量回传输入至定量分析小模型,修正初始设备过热风险评分,输出融合后的综合电气火灾风险研判值;
68、预警联动控制模块:根据综合电气火灾风险研判值通过预设分级算法判定最终电气火灾风险等级,并基于最终电气火灾风险等级执行对应等级的预警消息推送操作以及设备级物理断电与降温控制指令。
69、本发明的有益效果如下:
70、本发明通过接触式传感采集设备内部电气运行数值,搭配红外、可见光双光谱摄像头采集柜体全域热场图像;lightgbm小模型解析时序参数捕捉设备内部过载、温升异常,双流架构认知大模型识别绝缘层熔化、电弧、构件烧蚀等肉眼难以提前察觉的表层形变故障,实现设备内部运行状态 + 外部热场形态全域立体化监测,解决传统单点传感器发热点偏移即失效、纯数值模型无法识别物理损毁隐患的问题,大幅降低电气早期热失控的漏报概率。同时对异构数据做统一标准化、降噪、归一化处理,提升原始数据质量,从数据源层面保障研判基础可靠性。
71、本发明以小模型输出的量化风险等级作为硬性校验基准,当视觉研判结果与电气实测数据出现逻辑冲突时,借助特征掩码对异常视觉特征做权重衰减修正,将图像特征约束至真实工况对应的特征空间内,校正大模型虚假异常识别结果,显著改善复杂工业现场预警误报偏高的行业痛点。
72、本发明并非对两类模型结果简单拼接输出,而是将校验后的热语义特征向量降维,回传嵌入定量小模型的残差修正树模块,利用视觉全局信息修正数值模型的初始风险分数,融合电气底层物理规律与二维热场全局特征,兼顾小模型数值计算稳定性与大模型空间感知优势;小模型采用“主干网络冻结+残差网络微调”的分段训练方式,大模型采用lora高效微调策略,在保证模型训练收敛效果的前提下降低算力开销,适配工控现场边缘端、gpu 集群分布式部署需求。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com