
技术摘要:
本发明涉及一种基于智能算法的降低复合烟感误报的方法,构建模拟空间,在模拟空间中基于预设条件设置复合烟感,选择训练样本和测试样本,对任一训练样本构建正样本集和负样本集,将正样本集和负样本集输入分类器进行训练,训练完毕后,对任一测试样本以同等条件构建正 全部
背景技术:
烟感报警器是烟感或烟雾报警器的别称,其通过监测烟雾的浓度来实现火灾防 范,被广泛运用在时下的各种消防报警系统中。 就烟感报警器的使用原理来说,其在正常情况下,遇到火灾或其他燃烧的情况,产 生烟雾,烟雾进入到烟感内部,由传感器进行感测、或是由光电迷宫采集到电流,满足报警 条件后进行报警。 然而,现有技术中,人们极少会有换装烟感的举动,烟感往往在固定的一个地方安 装较长时间,而有时候烟感安装的时间较久,里面则会积有灰尘,当气流通过烟感时,灰尘 很容易被吹起,由此烟感会误认为此是烟气,而正是因为对于安全性的考量,烟感中的传感 器对极微小的烟雾粒子都很敏感,故而误触报警的情况时有发生;更有甚者,如水蒸气之类 的气也有可能引起烟感报警。 为了解决上述问题,复合式感烟感温火灾探测器采用烟雾传感器件和半导体温度 传感器件构成的多元复合探测器作为烟感进行探测,这一定程度上增强了误报的识别率, 但是依旧需要人工进行判别。
技术实现要素:
本发明解决了现有技术中,烟感在长时间安装后,当气流通过烟感时,灰尘很容易 被吹起,由此烟感会误认为此是烟气,误报率较高的问题,提供了一种优化的基于智能算法 的降低复合烟感误报的方法。 本发明所采用的技术方案是,一种基于智能算法的降低复合烟感误报的方法,所 述方法包括以下步骤: 步骤1:构建模拟空间,在模拟空间中基于预设条件设置复合烟感; 步骤2:选择训练样本和测试样本; 步骤3:对任一训练样本构建正样本集和负样本集,将正样本集和负样本集输入分类器 进行训练; 步骤4:训练完毕后,对任一测试样本以步骤3的同等条件构建正样本集和负样本集,输 入训练好的分类器进行检测; 步骤5:若检测准确度达到预设标准,则以训练好的分类器应用于复合烟感,否则,调整 训练参数,重复步骤3。 优选地,所述步骤1中,模拟空间的构建指标包括空间面积及空间高度。 优选地,所述复合烟感包括光电感烟探测器和温度传感器。 优选地,所述训练样本和测试样本包括两组复合烟感,用于对应训练样本及测试 4 CN 111613037 A 说 明 书 2/4 页 样本中构建的正样本集和负样本集。 优选地,构建所述负样本集包括以下步骤: 步骤3.1.1:取训练样本中的任一复合烟感,获得其使用时间t1; 步骤3.1.2:取所述复合烟感,测试其中的颗粒物总面积s1; 步骤3.1.3:获取复合烟感的初始感测电流I10; 步骤3.1.4:获得室内温度T1; 步骤3.1.5:对复合烟感的感测电流进行预设频率的采样,获得20分钟内的采样电流组 [I11,I12…I1n],n为正整数; 步骤3.1.6:构建负样本集A=[t1,s1,I10,T1,I11,I12…I1n]; 步骤3.1.7:若对训练样本中的所有复合烟感的负样本集构建完成,则记录所有负样本 集,否则,返回步骤3.1.1。 优选地,构建所述正样本集包括以下步骤: 步骤3.2.1:取训练样本中的任一复合烟感,获得其使用时间t2; 步骤3.2.2:取所述复合烟感,测试其中的颗粒物总面积s2; 步骤3.2.3:获取复合烟感的初始感测电流I20; 步骤3.2.4:向模拟空间注入模拟烟雾,配合向模拟空间中设置模拟的燃烧效果,获得 室内温度T2; 步骤3.2.5:对复合烟感的感测电流进行预设频率的采样,获得复合烟感报警时刻为止 的采样电流组[I21,I22…I2n],n为正整数; 步骤3.2.6:构建正样本集A=[t2,s2,I20,T2,I21,I22…I2n]; 步骤3.2.7:若对训练样本中的所有复合烟感的正样本集构建完成,则记录所有正样本 集,否则,返回步骤3.2.1。 优选地,构建所述正样本集和/或负样本集还包括记录当前模拟空间内的风速V。 优选地,构建所述正样本集还包括模拟烟雾注入点与复合烟感间距离L。 本发明涉及一种优化的基于智能算法的降低复合烟感误报的方法,通过构建模拟 空间用于训练,在模拟空间中基于预设条件设置复合烟感,选择训练样本和测试样本后,对 训练样本构建正样本集和负样本集,将训练样本的正样本集和负样本集输入分类器进行训 练,训练完成后,以同等条件构建训练样本的正样本集和负样本集,并输入训练好的分类器 进行检测,当检测准确度达到预设标准,则以训练好的分类器应用于复合烟感,否则,调整 训练参数,重复训练。 本发明通过对复合烟感进行重复演练,在一般的环境下,烟感的老化速度、积灰速 度是基本一致的,进而对于采样数据进行分析,即可以直接基于使用时长对烟感的情况进 行智能识别,提高烟感的报警阈值,减少误报的干扰。 附图说明 图1为本发明的流程图。