一种基于ai的井盖智能监测方法及装置与流程

本申请涉及智能井盖，具体涉及一种基于ai的井盖智能监测方法及装置。

背景技术：

1、传统井盖管理模式依赖人工巡检，存在以下问题：

2、安全隐患突出：井盖被盗、移位、破损等情况形成道路陷阱；

3、异常发现滞后：人工巡检覆盖范围有限、周期长，偏远路段异常往往数天才能发现；

4、误报率高：现有阈值触发式监测系统无法区分车辆碾压震动与真实异常；

5、井下状态未知：无法监测井下液位、有害气体等参数，运维人员下井作业面临安全风险。

技术实现思路

1、本发明的目的在于提供一种基于ai的井盖智能监测方法来至少解决上述的一个技术问题。

2、本发明的一个方面，提供一种基于ai的井盖智能监测方法，所述基于ai的井盖智能监测方法包括：

3、获取待监测的井盖的个性化力学参数；

4、获取imu传递的加速度中断信号；

5、获取到加速度中断信号后，获取imu传递的三轴加速度值；

6、根据imu传递的三轴加速度值获取预过滤判定结果；

7、在获取预过滤判定结果后，获取高采样模式下的imu的数据以及四个压力传感器数据；

8、根据高采样模式下的imu的数据、四个压力传感器数据以及个性化力学参数进行三维力作用过程反演，从而获取力作用过程关键特征集；

9、根据力作用过程关键特征集生成异常行为判定信息。

10、可选地，所述获取待监测的井盖的个性化力学参数包括：

11、获取连续24小时下的imu数据和压力传感器数据；

12、根据连续24小时下的imu数据和压力传感器数据生成该井盖的个性化力学参数以及固有频率。

13、可选地，所述根据连续24小时下的imu数据和压力传感器数据生成该井盖的个性化力学参数以及固有频率包括：

14、对连续24小时下的imu数据进行纯自由振动数据段提取，从而获取至少100段纯自由振动数据段；

15、根据至少100段纯自由振动数据段进行矩阵构造，从而获取过去矩阵以及未来矩阵；

16、根据过去矩阵以及未来矩阵，通过随机子空间法进行模态参数识别，从而获取系统各阶模态参数；

17、根据系统各阶模态参数进行模态参数筛选与物理参数转换，从而获取个性化力学参数以及一阶固有频率。

18、可选地，所述根据imu传递的三轴加速度值获取预过滤判定结果包括：

19、获取在获取到加速度中断信号时触发中断的三轴加速度值；

20、根据触发中断的三轴加速度值计算力矢量方向角；

21、根据力矢量方向角进行，从而获取预过滤判定结果。

22、可选地，所述根据力矢量方向角进行，从而获取预过滤判定结果包括：

23、若力矢量方向角小于5度，则判定为车辆碾压干扰；

24、若力矢量方向角大于15度，则判定为疑似人为行为；

25、若力矢量方向角在5度至15度之间，判定为不确定状态；其中，

26、当判定为疑似人为行为时，生成传感器唤醒信号，用于唤醒imu以及压力传感器，其中，配置imu为100hz采样模式，各个压力传感器为50hz采样模式。

27、可选地，所述根据高采样模式下的imu的数据、四个压力传感器数据以及个性化力学参数进行三维力作用过程反演，从而获取力作用过程关键特征集包括：

28、对高采样模式下的imu数据以及各个压力传感器数据进行数据同步与预处理，从而获取同步后的多传感器时序数据；

29、根据同步后的多传感器时序数据以及所述个性化力学参数进行扩展卡尔曼滤波状态估计，从而获取三维力矢量时序序列以及作用点坐标时序序列；

30、根据维力矢量时序序列以及作用点坐标时序序列提取力作用过程关键特征集。

31、可选地，所述根据力作用过程关键特征集生成异常行为判定信息包括：

32、根据所述力作用过程关键特征集判断是否异常，若是，则

33、根据力作用过程关键特征集进行特征匹配，从而判断异常行为类型。

34、可选地，所述基于ai的井盖智能监测方法进一步包括：

35、周期性进行渐进式异常的力学参数漂移监测，从而获取渐进式异常信息。

36、可选地，所述周期性进行渐进式异常的力学参数漂移监测，从而获取渐进式异常信息包括：

37、获取rtc定时器唤醒信号；

38、在获取rtc定时器唤醒信号后，连续采集预设时间的自然振动数据；

39、根据预设时间的自然振动数据以及所述个性化力学参数生成临时个性化力学参数以及参数漂移率；

40、根据所述参数漂移率以及压力传感器传递的压力传感器数据生成渐进式异常类型。

41、本申请还提供了一种基于ai的井盖智能监测装置，所述基于ai的井盖智能监测装置包括：

42、待监测井盖信息获取模块，所述待监测井盖信息获取模块用于获取待监测的井盖的个性化力学参数；

43、加速度中断信号获取模块，所述加速度中断信号获取模块用于获取imu传递的加速度中断信号；

44、三轴加速度值获取模块，所述三轴加速度值获取模块用于获取到加速度中断信号后，获取imu传递的三轴加速度值；

45、预过滤判定结果获取模块，所述预过滤判定结果获取模块用于根据imu传递的三轴加速度值获取预过滤判定结果；

46、传感器数据获取模块，所述传感器数据获取模块用于在获取预过滤判定结果后，获取高采样模式下的imu的数据以及四个压力传感器数据；

47、反演模块，所述反演模块用于根据高采样模式下的imu的数据、四个压力传感器数据以及个性化力学参数进行三维力作用过程反演，从而获取力作用过程关键特征集；

48、异常行为判定信息获取模块，所述异常行为判定信息获取模块用于根据力作用过程关键特征集生成异常行为判定信息。

49、本申请彻底抛弃现有技术的信号统计分类方式，而采用物理过程反演与力学特征判别的全新技术路线，本申请直接从传感器信号中反演作用在井盖上的力的完整物理过程（大小、方向、作用点、持续时间），然后基于牛顿力学定律对行为进行判定。不同的人类行为（撬动、抬起、移位）与自然事件（车辆碾压、风吹）对应的力的物理过程具有本质的、不可混淆的区别，这种区别是客观存在的因果关系，而非统计相关性。因此，本方案对于真异常与伪异常区分会比现有技术更准确。

1.一种基于ai的井盖智能监测方法，其特征在于，所述基于ai的井盖智能监测方法包括：

2.如权利要求1所述的基于ai的井盖智能监测方法，其特征在于，所述获取待监测的井盖的个性化力学参数包括：

3.如权利要求2所述的基于ai的井盖智能监测方法，其特征在于，所述根据连续24小时下的imu数据和压力传感器数据生成该井盖的个性化力学参数以及固有频率包括：

4.如权利要求3所述的基于ai的井盖智能监测方法，其特征在于，所述根据imu传递的三轴加速度值获取预过滤判定结果包括：

5.如权利要求4所述的基于ai的井盖智能监测方法，其特征在于，所述根据力矢量方向角进行，从而获取预过滤判定结果包括：

6.如权利要求5所述的基于ai的井盖智能监测方法，其特征在于，所述根据高采样模式下的imu的数据、四个压力传感器数据以及个性化力学参数进行三维力作用过程反演，从而获取力作用过程关键特征集包括：

7.如权利要求6所述的基于ai的井盖智能监测方法，其特征在于，所述根据力作用过程关键特征集生成异常行为判定信息包括：

8.如权利要求1所述的基于ai的井盖智能监测方法，其特征在于，所述基于ai的井盖智能监测方法进一步包括：

9.如权利要求8所述的基于ai的井盖智能监测方法，其特征在于，所述周期性进行渐进式异常的力学参数漂移监测，从而获取渐进式异常信息包括：

10.一种基于ai的井盖智能监测装置，其特征在于，所述基于ai的井盖智能监测装置包括：