[發(fā)明專利]一種基于智能算法的高靈敏度復(fù)合煙感低誤報(bào)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110700540.0
• 申請(qǐng)日: 2021-06-23
• 公開（公告）號(hào): CN113436404A
• 公開（公告）日: 2021-09-24
• 發(fā)明（設(shè)計(jì)）人: 劉平山;項(xiàng)平川;方軍麗;廖維偉
• 申請(qǐng)（專利權(quán)）人: 桂林電子科技大學(xué)
• 主分類號(hào): G08B17/10
• 分類號(hào): G08B17/10;H04W4/38;G06N3/00;G06N3/04;G06N3/08;G06K9/62
• 代理公司: 鄭州豫原知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 41176
• 代理人: 吳小傳

1.一種基于智能算法的高靈敏度復(fù)合煙感低誤報(bào)方法，其特征在于,該方法分為硬件平臺(tái)和智能算法兩部分，所述方法包括以下步驟：

步驟1：硬件平臺(tái)采用單片機(jī)系統(tǒng)配合多種傳感器完成煙霧原始數(shù)據(jù)的采集；

步驟2：將煙感裝置利用無(wú)線網(wǎng)與云平臺(tái)相連接，同時(shí)采集的原始數(shù)據(jù)傳輸至云平臺(tái)；

步驟3：在云平臺(tái)中利用改進(jìn)粒子群算法進(jìn)行數(shù)據(jù)分析解算，當(dāng)氣體中有害煙霧量高于標(biāo)準(zhǔn)閾值時(shí)，煙感發(fā)生報(bào)警，當(dāng)?shù)陀跇?biāo)準(zhǔn)閾值時(shí)重復(fù)步驟1。

2.如權(quán)利要求1所述的一種基于智能算法的高靈敏度復(fù)合煙感低誤報(bào)方法，其特征在于，所述的系統(tǒng)采用REM架構(gòu)的LPC4078單片機(jī)，傳感器包括溫度傳感器、離子式煙霧傳感器。

3.如權(quán)利要求1所述的一種基于智能算法的高靈敏度復(fù)合煙感低誤報(bào)方法，其特征在于，所述的云平臺(tái)的超級(jí)系統(tǒng)采用.NET Framework+C#異構(gòu)體系，應(yīng)用.NET Framework豐富的展現(xiàn)組件，同時(shí)提高平臺(tái)的可靠性和穩(wěn)定性。該平臺(tái)分成業(yè)務(wù)支撐層、應(yīng)用系統(tǒng)層、基礎(chǔ)平臺(tái)層、數(shù)據(jù)資源層。搭建出資源系統(tǒng)和控制系統(tǒng)的云基礎(chǔ)架構(gòu)并進(jìn)行相關(guān)的虛擬化、數(shù)據(jù)中心網(wǎng)絡(luò)計(jì)算。通過(guò)標(biāo)準(zhǔn)化接口實(shí)現(xiàn)對(duì)系統(tǒng)調(diào)度、安全、資源的彈性管理和分配。

4.如權(quán)利要求3所述的一種基于智能算法的高靈敏度復(fù)合煙感低誤報(bào)方法，其特征在于，所述的應(yīng)用層主要是通過(guò).NET Framework組件實(shí)現(xiàn)通信調(diào)度的畫面的全景化可視化展現(xiàn)，利用Visual Studio 2010實(shí)現(xiàn)可視化系統(tǒng)的開發(fā)，該層提供了統(tǒng)一調(diào)用接口代理服務(wù)；

所述的業(yè)務(wù)支撐層主要為應(yīng)用層與應(yīng)用系統(tǒng)層之間的業(yè)務(wù)邏輯訪問(wèn)提供接口服務(wù)。應(yīng)用系統(tǒng)層基于C#技術(shù)實(shí)現(xiàn)數(shù)據(jù)采集、接口管理及定時(shí)調(diào)度等中間件的開發(fā)；

所述的應(yīng)用系統(tǒng)層通過(guò)接口以NetBEUI協(xié)議實(shí)現(xiàn)和數(shù)據(jù)資源層、業(yè)務(wù)支撐層之間的信息傳輸；

所述的基礎(chǔ)平臺(tái)層是為用戶提供其所需的計(jì)算和存儲(chǔ)等資源，并通過(guò)虛擬化等技術(shù)獎(jiǎng)資源池化，以實(shí)現(xiàn)資源的按需分配和快速部署；

所述的數(shù)據(jù)資源層為可視化數(shù)據(jù)庫(kù)，存儲(chǔ)著不同應(yīng)用系統(tǒng)的信息，包括設(shè)備檢測(cè)試驗(yàn)信息，設(shè)備運(yùn)行及故障信息，為平臺(tái)的通信調(diào)度提供數(shù)據(jù)支持。

5.如權(quán)利要求1所述的一種基于智能算法的高靈敏度復(fù)合煙感低誤報(bào)方法，特征在于，所述的步驟3改進(jìn)粒子群算法進(jìn)行數(shù)據(jù)分析解算包括以下步驟：

步驟3.1：對(duì)煙霧數(shù)據(jù)生成特征向量矩陣；產(chǎn)生n個(gè)粒子，初始化這n個(gè)粒子在種群中的初始位置，每個(gè)粒子的維度和搜索空間的維度相同。

步驟3.2：先計(jì)算每一列特征的平均值，然后每一維度都需要減去該列的特征平均值；進(jìn)行約束條件處理，計(jì)算每個(gè)粒子的適應(yīng)度，依照非支配關(guān)系形成個(gè)體最優(yōu)值解集和全局最優(yōu)值解集，并存儲(chǔ)數(shù)據(jù)。

步驟3.3：計(jì)算特征的協(xié)方差矩陣；通過(guò)支配關(guān)系和擁擠距離確定每個(gè)粒子的個(gè)體最優(yōu)值和全局最優(yōu)值。

步驟3.4：針對(duì)協(xié)方差矩陣進(jìn)行特征值和特征向量的計(jì)算；結(jié)合改進(jìn)粒子群算法的位置更新公式，調(diào)整每個(gè)粒子的位置。并判斷位置是否滿足約束條件，不滿足則需要調(diào)整位置。

步驟3.5：對(duì)計(jì)算得到的特征值進(jìn)行從大到小的排序；更新外部存儲(chǔ)數(shù)據(jù)，將非支配解集存儲(chǔ)，被支配解刪除。

步驟3.6：取出前K個(gè)特征向量和特征值,并進(jìn)行回退，即得到了降維后的特征矩陣。更新全局最優(yōu)解和個(gè)體最優(yōu)解。算法達(dá)到最大迭代次數(shù)或者滿足迭代要求后停止迭代，如果不滿足迭代結(jié)束條件，則返回步驟2。