1.基于AI的油路堵漏预警方法，其特征在于，所述方法包括：获取目标油路，沿目标油路的路径方向，布设监测感知网络，其中，所述监测感知网络包括温度传感器、应变传感器与振动传感器；

基于预设的采集窗口，激活所述监测感知网络获取原始传感数据，其中，所述原始传感数据包括原始应变信号、原始振动信号及关联的温度系列；

对所述原始传感数据进行自适应滤波去噪，获取去噪传感数据，并基于所述温度系列进行所述去噪传感数据的温度修正，获取标准监测数据；

获取油路泄漏样本，所述油路泄漏样本包括样本监测数据、样本运作时长与样本泄漏结果；

构建神经网络模型，并以所述油路泄漏样本为训练数据进行监督训练，获取油路预警模型；

输入所述标准监测数据与目标油路累计运作时长至所述油路预警模型，输出油路预警结果，所述油路预警结果包括高危位置，预警置信度与临界时间；

其中，获取油路泄漏样本，包括：

解析目标油路，获取目标油路的材料特性数据；

根据所述材料特性数据，交互大数据，获取同源样本数据，所述同源样本数据包括同源样本监测数据、同源样本运作时长与同源样本泄漏结果；

基于目标油路预警需求，进行所述同源样本数据的泄漏重定义，更新所述同源样本泄漏结果，获取所述油路泄漏样本；

其中，输出油路预警结果，之后，所述方法还包括：基于所述高危位置与所述预警置信度，进行多路径堵漏预警；

根据所述临界时间，结合目标油路的运行计划，匹配获取堵漏方案与堵漏时间节点，进行前瞻堵漏维护；

其中，获取目标油路，沿目标油路的路径方向，布设监测感知网络，包括：解析目标油路，获取目标油路线图；

对所述目标油路线图进行自适应分段划分，获取多个监测分段；

根据多个所述监测分段，以分段中点所在截面为基准面，沿目标油路布设所述温度传感器、所述应变传感器与所述振动传感器，形成所述监测感知网络；

其中，沿目标油路布设所述温度传感器、所述应变传感器与所述振动传感器，还包括：基于多个所述监测分段，提取第一监测分段；

以所述第一监测分段的第一分段中点所在截面为基准面，沿目标油路外壁布设夹角为

90度的第一主应变传感器与第一辅应变传感器；

在所述第一主应变传感器与所述第一辅应变传感器的等分点，布设第一温度传感器；

根据所述第一温度传感器，对位布设第一振动传感器；

遍历多个所述监测分段，布设多个所述温度传感器、多个所述应变传感器与多个所述振动传感器。

2.如权利要求1所述的基于AI的油路堵漏预警方法，其特征在于，对所述原始传感数据进行自适应滤波去噪，包括：对所述原始传感数据自适应噪声模态分解，获取本征模态分量集；

分别评价所述本征模态分量集中多个本征模态分量与所述原始传感数据的相关性，并计算获取多个相关度量；

根据预设的相关度阈值，对所述多个相关度量进行阈值筛选，确定相关传感数据集；

基于小波变换对所述相关传感数据集进行滤波降噪，获取滤波传感数据；

更新所述滤波传感数据至所述原始传感数据进行数据重构，获取所述去噪传感数据。

3.如权利要求2所述的基于AI的油路堵漏预警方法，其特征在于，基于所述温度系列进行所述去噪传感数据的温度修正，包括：基于所述温度传感器系列，获取油路温度序列；

获取所述应变传感器与所述振动传感器的温度感度曲线，并基于所述温度感度曲线与所述油路温度序列，对所述去噪传感数据进行温度修正，获取标准监测数据。

4.基于AI的油路堵漏预警系统，其特征在于，用于执行权利要求1至3任一所述方法，所述系统包括：感知布设模块，所述感知布设模块用于获取目标油路，沿目标油路的路径方向，布设监测感知网络，其中，所述监测感知网络包括温度传感器、应变传感器与振动传感器；

传感采集模块，所述传感采集模块用于基于预设的采集窗口，激活所述监测感知网络获取原始传感数据，其中，所述原始传感数据包括原始应变信号、原始振动信号及关联的温度系列；

数据质量修正模块，所述数据质量修正模块用于对所述原始传感数据进行自适应滤波去噪，获取去噪传感数据，并基于所述温度系列进行所述去噪传感数据的温度修正，获取标准监测数据；

样本获取模块，所述样本获取模块用于获取油路泄漏样本，所述油路泄漏样本包括样本监测数据、样本运作时长与样本泄漏结果；

预警模型构建模块，所述预警模型构建模块用于构建神经网络模型，并以所述油路泄漏样本为训练数据进行监督训练，获取油路预警模型；

油路预警模块，所述油路预警模块用于输入所述标准监测数据与目标油路累计运作时长至所述油路预警模型，输出油路预警结果，所述油路预警结果包括高危位置，预警置信度与临界时间。