摘要
本发明实施例提供一种多模态协同燃气管网隐患识别方法及系统,涉及燃气管网技术领域。识别方法包括:获取燃气管网的关键节点处的压力传感器、温度传感器和气体浓度传感器的数据;将所述数据通过小波包分解,获取信号的子频带信号;对子频带信号进行特征提取,以获取能量熵、样本熵以及排列熵;对能量熵、样本熵以及排列熵进行归一化以得到对应的归一化熵值;将对应的归一化熵值输入智能预测模型中,输出管网隐患位置的概率分布图;根据概率分布图对泄漏点定位与腐蚀程度分级识别。本发明有效整合燃气管网中压力、温度、气体浓度传感器的数据,通过小波包分解与深度特征学习,实现管网泄漏、腐蚀等隐患精准识别,确保燃气供应系统的稳定运行。
技术关键词
识别方法
多模态协同
气体浓度传感器
信号
序列
燃气管网技术
样本
深度特征学习
燃气供应系统
鲸鱼优化算法
识别系统
离散小波变换
压力传感器
温度传感器
数据
网络
时序特征
编码器
系统为您推荐了相关专利信息
光谱检测方法
离散小波变换
判别算法
光度
太赫兹时域光谱系统
连续式设备
优化控制方法
执行器
控制中心
测温热像仪
拷贝数
分层特征
基因
深度学习算法
植物光合作用
快速接地开关
傅里叶变换算法
辨识方法
单相接地故障
特高压输电线路
正交频分复用
增广拉格朗日
矩阵
信号
傅里叶变换处理