本发明涉及管道厚度监测，尤其涉及一种pvc管道厚度异常实时报警方法、系统、电子设备及存储介质。
背景技术：
1、目前，通过布设力学传感器、速度传感器、电学传感器、触觉传感器、图像传感器与温度传感器，对pvc管道的运行状态进行实时监测，以期实现对管道厚度异常的自动识别和预警。
2、在一种现有技术中，在多源传感数据融合条件下，难以精准识别厚度变化趋势中的早期微小异常，导致报警判断不够可靠的问题。由于各类传感器采集的数据存在环境噪声干扰，且管道厚度变化受温度、载荷、腐蚀等因素的耦合影响，传统固定阈值或单因子判断机制常因缺乏动态适应能力而产生误报或漏报，限制了系统的应用效果。
3、现有技术中存在难以基于多类型传感器数据准确识别pvc管道厚度早期异常并生成高可信度报警的问题。
技术实现思路
1、本发明提供了一种pvc管道厚度异常实时报警方法、系统、电子设备及存储介质，以实现早期厚度异常的准确识别与高可信度报警生成。
2、第一方面，为了解决上述技术问题，本发明提供了一种pvc管道厚度异常实时报警方法，包括：
3、获取聚氯乙烯管道的厚度数据、温度参数和压力参数，构建包含时间戳的多维监测数据；
4、对所述多维监测数据采用小波变换降噪算法处理，得到净化厚度数据、净化温度数据和净化压力数据，形成净化监测数据；
5、根据所述净化监测数据，执行多元非线性回归分析，建立温度参数、压力参数与厚度变化之间的耦合关系表达式；
6、基于所述耦合关系表达式，采用滑动窗口技术计算厚度预测值与实测值之间的偏差序列，提取反映异常变化模式的偏差趋势指标；
7、根据所述偏差趋势指标进行差分分析，提取异常模式的持续时间和强度等级，并结合所述净化监测数据提取业务属性集合；
8、根据所述强度等级、所述持续时间及所述业务属性集合，采用贝叶斯推理算法计算报警事件的可信度值；
9、基于所述可信度值，动态调整报警阈值，并基于更新后的报警阈值，迭代修正所述耦合关系表达式中的参数配置，用于pvc管道厚度异常的持续检测与自适应调整。
10、优选地，所述对所述多维监测数据采用小波变换降噪算法处理，得到净化厚度数据、净化温度数据和净化压力数据，形成净化监测数据,包括：
11、根据所述多维监测数据，分别提取净化厚度数据、净化温度数据和净化压力数据的时间序列；
12、对所述时间序列，采用daubechies4为小波基函数进行小波分解，得到高频细节分量与低频近似分量；
13、对所述高频细节分量进行能量分析，判断所述高频细节分量的能量是否超过预设噪声能量阈值；
14、若所述高频细节分量的能量超过所述噪声能量阈值，对所述高频细节分量执行软阈值去噪处理，得到降噪高频分量；
15、将所述低频近似分量与所述降噪高频分量进行信号重构，得到净化厚度数据、净化温度数据和净化压力数据；
16、根据所述净化厚度数据、所述净化温度数据和所述净化压力数据的时间序列，进行数据结构拼接，形成净化监测数据。
17、优选地，所述根据所述净化监测数据，执行多元非线性回归分析，建立温度参数、压力参数与厚度变化之间的耦合关系表达式，包括：
18、提取所述净化监测数据中的厚度、温度和压力的多维时间序列，并对所述多维时间序列进行归一化处理，得到标准化数据；
19、对所述标准化数据计算均值、方差及交互特征，构建包含温度与压力高阶组合项的特征矩阵；
20、基于所述特征矩阵，将所述净化厚度数据作为目标向量，采用最小二乘法拟合回归方法，计算回归系数；
21、基于所述回归系数，建立描述温度参数、压力参数与厚度变化之间耦合关系的数学表达式。
22、优选地，所述基于所述耦合关系表达式，采用滑动窗口技术计算厚度预测值与实测值之间的偏差序列，提取反映异常变化模式的偏差趋势指标，包括：
23、基于所述耦合关系表达式，结合所述净化温度数据与净化压力数据计算厚度预测值，并与所述净化厚度数据进行比对，生成厚度偏差序列；
24、对所述厚度偏差序列采用滑动窗口技术进行分段处理，设定窗口长度为24小时，获取多个时间片段的局部偏差序列；
25、对所述局部偏差序列计算均值、方差与偏度等统计量，提取反映偏差变化趋势的趋势指标集合；
26、若所述趋势指标集合中的均值偏离预设均值范围，或方差超过预设方差阈值，或偏度偏离正态分布区间，则将所述趋势指标确定为反映异常变化模式的偏差趋势指标。
27、优选地，所述根据所述偏差趋势指标进行差分分析，提取异常模式的持续时间和强度等级，并结合所述净化监测数据提取业务属性集合，包括：
28、将所述偏差趋势指标分段为连续时间窗口，分别计算每一窗口内偏差序列的一阶差分与二阶差分；
29、若一阶差分的绝对值超过预设动态基准值的1.5倍，且二阶差分与一阶差分保持同向性，则判定对应窗口为异常模式；
30、追溯首次满足所述差分条件的时间点，确定异常模式的持续时间；
31、基于所述异常模式对应的时间段，提取其中一阶差分的峰值特征，采用聚类分析方法划分，得到强度等级；
32、基于所述净化监测数据中的运行时长、负载水平、环境温度与管道材质参数，结合所述持续时间和所述强度等级，构建业务属性集合。
33、优选地，所述根据所述强度等级、所述持续时间及所述业务属性集合，采用贝叶斯推理算法计算报警事件的可信度值，包括：
34、基于预设历史异常事件数据，设定异常事件的先验概率；
35、根据所述强度等级、所述持续时间以及所述业务属性集合进行计算，得到异常发生条件下各观测参数的条件概率；
36、将所述先验概率与所述条件概率代入贝叶斯推理公式，计算得到当前报警事件的后验概率，作为所述报警可信度值。
37、优选地，所述基于所述可信度值，动态调整报警阈值，并基于更新后的报警阈值，迭代修正所述耦合关系表达式中的参数配置，用于pvc管道厚度异常的持续检测与自适应调整，包括：
38、基于所述可信度值，动态调整报警阈值，形成更新后的报警判断标准；
39、获取与所述报警判断标准对应的实际监测数据；
40、将所述实际监测数据代入耦合关系表达式，生成调整厚度预测值；
41、将所述调整厚度预测值与预设厚度阈值进行比对，得到偏差值；
42、根据所述偏差值计算反馈调节因子，作为迭代修正所述耦合关系表达式中参数配置；
43、将修正后的参数配置用于后续pvc管道厚度异常检测的持续执行，支持报警判断的自适应调整。
44、第二方面，本发明提供了一种pvc管道厚度异常实时报警系统，包括：
45、数据获取模块，用于获取聚氯乙烯管道的厚度数据、温度参数和压力参数，构建包含时间戳的多维监测数据；
46、数据净化模块，用于对所述多维监测数据采用小波变换降噪算法处理，得到净化厚度数据、净化温度数据和净化压力数据，形成净化监测数据；
47、耦合关系模块，用于根据所述净化监测数据，执行多元非线性回归分析，建立温度参数、压力参数与厚度变化之间的耦合关系表达式；
48、偏差趋势模块，用于基于所述耦合关系表达式，采用滑动窗口技术计算厚度预测值与实测值之间的偏差序列，提取反映异常变化模式的偏差趋势指标；
49、异常提取模块，用于根据所述偏差趋势指标进行差分分析，提取异常模式的持续时间和强度等级，并结合所述净化监测数据提取业务属性集合；
50、报警确认模块，用于根据所述强度等级、所述持续时间及所述业务属性集合，采用贝叶斯推理算法计算报警事件的可信度值；
51、适应调整模块，用于基于所述可信度值，动态调整报警阈值，并基于更新后的报警阈值，迭代修正所述耦合关系表达式中的参数配置，用于pvc管道厚度异常的持续检测与自适应调整。
52、第三方面，本发明还提供了一种电子设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述中任意一项所述的pvc管道厚度异常实时报警方法。
53、第四方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的pvc管道厚度异常实时报警方法。
54、相比于现有技术，本发明具有如下有益效果：
55、(1)本发明通过引入小波变换算法对厚度、温度与压力数据进行分量分解与能量分析，有效滤除高频噪声并保留厚度变化趋势，再通过多元非线性回归分析建立温度与压力对厚度变化的耦合关系表达式。该表达式不仅保留了各物理量之间的非线性关联特征，还通过标准化与高阶交互项增强了拟合能力，为后续偏差趋势判定提供了可靠基础。
56、(2)本发明利用滑动窗口提取偏差趋势指标后，系统基于一阶与二阶差分方向性进行初步异常识别，并追溯首次满足异常条件的时间点，精准定位异常起始。进而提取该时间段内的一阶差分峰值，借助无监督聚类方法划分强度等级，不仅避免了对异常幅度设定固定阈值的问题，也增强了对缓变型、突变型异常的分辨能力。
57、(3)本发明根据历史异常事件设定先验概率，并将强度等级、持续时间及业务属性代入贝叶斯公式计算可信度，获得报警后验概率。该可信度值进一步作为动态调整报警阈值的依据，在反馈阶段引入监测数据与预测值之间的误差计算，通过反馈调节因子修正耦合表达式参数配置。最终构建闭环的厚度异常监测系统，实现报警标准的动态自适应更新，提升早期报警的准确性与系统的自学习能力。