基于物联网的探测器防爆合规检测方法、装置、终端和介质与流程

本技术涉及数据处理，尤其涉及一种基于物联网的探测器防爆合规检测方法、装置、终端和介质。

背景技术：

1、在石油、化工、煤矿等存在爆炸性气体或粉尘的危险环境中，探测器（如可燃气体探测器、温度探测器、压力探测器等）作为安全监控的核心设备，其自身的防爆性能必须时刻满足国家标准和行业规范。一旦探测器因外壳隔爆面损伤、密封件老化、电缆引入口松动等原因丧失防爆能力，不仅无法有效执行监测功能，自身还可能成为点燃源，引发灾难性事故。

2、然而，现有的探测器防爆合规检测技术手段的缺陷主要体现在以下方面：现有技术将探测器的静态属性（如防爆型式、材质等级、电气间隙等）与实时运行状态（如温升、振动、内部压力等）割裂处理，无法提取两者交互融合后的深层隐患特征。许多隐患恰恰源于静态结构在特定动态工况下的渐变性失效，孤立分析极易造成漏判；未综合评估各隐患部位的发生概率与实际动态异常度的耦合关系，无法生成定量的综合隐患风险评分及风险等级，难以支撑分级处置和预测性维护；依赖人工定期巡检存在检测间隔长、受主观影响大、难以覆盖运行盲区等局限。

技术实现思路

1、本技术的主要目的在于提供一种基于物联网的探测器防爆合规检测方法、装置、终端和介质，旨在提升探测器防爆合规检测的准确性和时效性，从而降低探测器的防爆隐患发生概率。

2、为实现上述目的，本技术提供一种基于物联网的探测器防爆合规检测方法，所述方法包括：

3、分别对探测器的静态特征数据以及探测器的动态特征数据进行预处理，得到静态特征数据对应的静态特征向量以及动态特征数据对应的动态特征向量；

4、对所述静态特征向量以及所述动态特征向量进行深层特征编码处理，得到深层特征编码向量，其中，所述深层特征编码向量用于表征探测器的静态属性与动态运行状态交互融合后的深层隐患特征；

5、基于所述深层特征编码向量，对探测器的防爆隐患部位进行分类预测，得到探测器防爆隐患部位预测概率向量，其中，所述探测器防爆隐患部位预测概率向量用于表征探测器的各个防爆隐患部位的预测概率；

6、基于所述探测器防爆隐患部位预测概率向量以及所述探测器的动态特征数据，确定探测器防爆隐患部位风险评定结果；

7、基于所述探测器防爆隐患部位风险评定结果以及探测器历史防爆合规检测记录数据，得到探测器对应的目标防爆合规检测结果。

8、具体地，所述对所述静态特征向量以及所述动态特征向量进行深层特征编码处理，得到深层特征编码向量，包括：

9、对所述静态特征向量以及所述动态特征向量进行拼接处理，得到拼接特征向量；

10、通过预设第一全连接隐藏网络，根据所述拼接特征向量，得到第一特征向量；

11、通过预设第二全连接隐藏网络，根据所述第一特征向量，得到深层编码特征向量。

12、具体地，所述通过预设第一全连接隐藏网络，根据所述拼接特征向量，得到第一特征向量，包括：

13、计算预设第一全连接隐藏网络的第一权重矩阵与所述拼接特征向量之间的乘积，得到第一中间特征向量；

14、将所述第一中间特征向量与预设第一全连接隐藏网络的第一偏置向量按元素相加，得到第一相加后的向量；

15、对所述第一相加后的向量的每一个标量元素进行修正线性单元激活处理，得到所述第一特征向量。

16、具体地，所述通过预设第二全连接隐藏网络，根据所述第一特征向量，得到深层编码特征向量，包括：

17、计算预设第二全连接隐藏网络的第二权重矩阵与所述第一特征向量之间的乘积，得到第二中间特征向量；

18、将所述第二中间特征向量与预设第二全连接隐藏网络的第二偏置向量按元素相加，得到第二相加后的向量；

19、通过预设激活函数，对所述第二相加后的向量中的每一个元素进行激活处理，得到所述深层编码特征向量。

20、具体地，所述基于所述深层特征编码向量，对探测器的防爆隐患部位进行分类预测，得到探测器防爆隐患部位预测概率向量，包括：

21、通过预设第三全连接隐藏网络，根据所述深层编码特征向量，得到隐患部位特征向量；

22、计算所述隐患部位特征向量与预设输出权重矩阵之间的乘积，得到原始评分向量；

23、将所述原始评分向量与预设输出偏置向量逐元素相加，得到第三相加后的向量；

24、对所述第三相加后的向量进行归一化处理，得到所述探测器防爆隐患部位预测概率向量，其中，所述探测器防爆隐患部位预测概率向量中最大预测概率值对应的部位为预测的防爆隐患部位。

25、具体地，所述探测器防爆隐患部位风险评定结果包括可疑隐患部位、风险评定等级以及综合隐患风险评分；

26、所述基于所述探测器防爆隐患部位预测概率向量以及所述探测器的动态特征数据，确定探测器防爆隐患部位风险评定结果，包括：

27、基于所述探测器防爆隐患部位预测概率向量以及所述探测器的动态特征数据，获取防爆隐患部位对应的概率敏感阈值以及部位风险权重表，其中，所述概率敏感阈值用于表征各个防爆隐患部位失效后的差异化严重后果，所述部位风险权重表用于表征各个防爆隐患部位在探测器整体中的风险可能性大小；

28、将所述探测器防爆隐患部位预测概率向量中预测概率值大于所述概率敏感阈值的防爆隐患部位确定为所述可疑隐患部位；

29、基于所述部位风险权重表，得到可疑隐患部位对应的风险因子；

30、对所述探测器的动态特征数据中的动态特征值进行归一化处理，得到归一化动态异常指标；

31、计算每个可疑隐患部位对应的风险因子与每个可疑隐患部位对应的归一化动态异常指标之间的乘积，得到每个可疑隐患部位对应的乘积结果，并将每个可疑隐患部位对应的乘积结果进行累加，得到所述综合隐患风险评分；

32、将所述综合隐患风险评分转化为所述风险评定等级，其中，所述风险评定等级包括高风险、中风险以及低风险。

33、具体地，所述基于所述探测器防爆隐患部位风险评定结果以及探测器历史防爆合规检测记录数据，得到探测器对应的目标防爆合规检测结果，包括：

34、对所述探测器历史防爆合规检测记录数据中的每一次历史防爆合规检测记录进行赋权处理，得到时间衰减权重，其中，所述时间衰减权重用于表征历史防爆合规检测记录距离当前时间的时间距离；

35、基于所述时间衰减权重，计算得到所述可疑隐患部位与所述探测器历史防爆合规检测记录数据中的不合格隐患部位之间的加权重合度得分；

36、基于所述风险评定等级以及所述加权重合度得分，确定所述目标防爆合规检测结果，若所述风险评定等级为高风险且所述加权重合度得分大于第一预设门限值，则确定所述目标防爆合规检测结果为不合规；若所述风险评定等级为中风险且所述加权重合度得分位于第一预设门限值与第二预设门限值之间，则确定所述目标防爆合规检测结果为待复查；若所述风险评定等级为低风险且所述加权重合度得分小于第二预设门限值，则确定所述目标防爆合规检测结果为合规；

37、其中，所述第一预设门限值大于所述第二预设门限值且所述第一预设门限值以及所述第二预设门限值均为正数。

38、为实现上述目的，本技术还提供一种基于物联网的探测器防爆合规检测装置，所述装置包括：

39、第一单元，用于分别对探测器的静态特征数据以及探测器的动态特征数据进行预处理，得到静态特征数据对应的静态特征向量以及动态特征数据对应的动态特征向量；

40、第二单元，用于对所述静态特征向量以及所述动态特征向量进行深层特征编码处理，得到深层特征编码向量，其中，所述深层特征编码向量用于表征探测器的静态属性与动态运行状态交互融合后的深层隐患特征；

41、第三单元，用于基于所述深层特征编码向量，对探测器的防爆隐患部位进行分类预测，得到探测器防爆隐患部位预测概率向量，其中，所述探测器防爆隐患部位预测概率向量用于表征探测器的各个防爆隐患部位的预测概率；

42、第四单元，用于基于所述探测器防爆隐患部位预测概率向量以及所述探测器的动态特征数据，确定探测器防爆隐患部位风险评定结果；

43、第五单元，用于基于所述探测器防爆隐患部位风险评定结果以及探测器历史防爆合规检测记录数据，得到探测器对应的目标防爆合规检测结果。

44、为实现上述目的，本技术还提供一种终端，包括存储器存储有多条指令；所述处理器从所述存储器中加载指令，以执行本技术所提供的任一种方法中的步骤。

45、为实现上述目的，本技术还提供一种介质，所述介质存储有多条指令，所述指令适于处理器进行加载，以执行本技术所提供的任一种方法中的步骤。

46、本技术提供的一种基于物联网的探测器防爆合规检测方法、装置、终端和介质，可以首先对静态特征向量以及动态特征向量进行深层特征编码处理，得到深层特征编码向量；基于所述深层特征编码向量，对探测器的防爆隐患部位进行分类预测，得到探测器防爆隐患部位预测概率向量；基于所述探测器防爆隐患部位预测概率向量以及所述探测器的动态特征数据，确定探测器防爆隐患部位风险评定结果；基于所述探测器防爆隐患部位风险评定结果以及探测器历史防爆合规检测记录数据，得到探测器对应的目标防爆合规检测结果，以提升探测器防爆合规检测的准确性和时效性，从而降低探测器的防爆隐患发生概率。