一种基于深度学习的石墨烯电缆监测系统

本发明涉及电缆监测技术领域，尤指一种基于深度学习的石墨烯电缆监测系统，通过采集电流、电压、电磁波信号及温度分布数据，利用傅里叶变换和小波变换提取时频域特征，提高数据辨识度。对温度数据，采用高斯滤波降噪，并通过图像分割识别异常热点区域，提升局部过热检测能力。边缘计算模块融合多源数据，利用特征对齐消除采集延迟，提高数据同步性和融合质量。通过多头自注意力机制提取历史监测数据的时序特征，学习电流、电压、电磁波及温度分布的变化模式。计算注意力权重矩阵提取时间步间的相关性，形成时序特征矩阵。该特征矩阵经前馈神经网络非线性变换，预测未来时间步的电缆状态参数，实现电缆状态的提前评估，降低故障风险。