多模态异构数据融合技术在输煤智慧巡检系统中的应用实践

摘要

火力发电厂输煤巡检场景存在环境工况复杂、干扰因素多、监测数据异构性强等特点，传统单一传感监测模式数据维度单一、特征关联性弱，难以有效识别皮带堵煤、轻微跑偏、轴承渐进超温等复合型隐性故障，误漏报问题突出。针对上述工程痛点，本文引入多模态异构数据融合技术，搭建端边云协同的输煤智慧巡检系统，集成视觉、红外、振动、声学、温湿度、粉尘浓度等多类异构感知数据，构建“数据预处理-注意力特征融合-量化决策判别”三级融合体系。通过自适应注意力机制解决传统固定权重模型适配性差、异构数据融合浅层化的问题，建立多模态数据与六大典型输煤异常的耦合识别机理，形成分级预警与闭环运维机制。工程实践结果表明，所提技术方案整体异常检测准确率可达97.2%，误报率、漏报率分别控制在2.2%、1.5%，有效克服粉尘、高湿环境干扰，大幅提升火电厂输煤设备复合型故障的识别精度与巡检智能化水平，可为火电输煤系统智能化改造提供成熟的应用实践参考。