基于深度学习的AMC传感器阵列空间特征识别与泄漏点检测方法

本发明公开了基于深度学习的AMC传感器阵列空间特征识别与泄漏点检测方法，涉及传感器技术领域，该方法包括：对预处理结果进行空间相关性分析，提取反映气体空间分布特性的空间特征信号；运用经验模态分解算法对去噪后的空间特征进行分解，得到若干个固有模态分量，基于各固有模态分量生成重建信号；运用分帧加窗技术对重建信号进行分帧处理，并基于分帧处理结果计算对应帧的能量值与过零率，结合提取的空间特征信号，构建泄漏感知模型，生成泄漏概率分布序列；将时序窗口序列输入至自编码器，结合知识蒸馏机制与对比分析技术，执行气体泄漏点检测。本发明实现了空间特征信号的精准提取与去噪处理，提升信号质量，进一步提高了检测精度。