一種智能可燃氣體泄漏報警裝置的制造方法
【技術領域】
[0001] 本實用新型涉及一種氣體泄漏報警裝置，特別是一種智能可燃氣體泄漏報警裝 置。
【背景技術】
[0002] 人們在使用天然、煤氣或液化氣等可燃氣的過程中可存在相關器件連接松動或者 未關閉嚴實導致可燃氣體泄露，一旦發現不及時可能導致事故，威脅到人們生命和財產安 全；目前市場上的可燃氣體泄露檢測報警主要有兩種方案，方案一：通過硬件電路比較器 與某個固定電平進行比較，若連續高過該點電平一定的時間進行報警；方案二：通過將可 燃氣體煙霧傳感輸出電平通過AD(數字模擬轉器）轉換器轉換為數字電平；微處理對數字 化的可燃氣體濃度進行處理，將采集得到的可燃氣體濃度與一個預設置的可燃氣體濃度進 行比較，若連續大于預設置的可燃氣體濃度一段時間，則進行報警。
[0003] 上述兩種方案其實質都是采集到煙霧濃度與預設值的煙霧濃度進行比較；這個預 設值一般都是廠家在研發時在實驗室測試標定出來；但產品的實際應用場合比較復雜，在 不同安裝場合和時間對可燃氣體泄露報警器的對探測靈敏度有不同的要求；例如在廚房天 然氣或煤氣做飯時，存在燃料燃燒不充分，導致可燃氣體含量上升，若此時設置可燃氣體泄 露報警器的靈敏度比較高時，將產生誤告警，若將靈敏度調整到比較低時，可能在不做飯時 無法及時發現輕的燃氣泄露。
[0004] 綜上所述，目前的可燃氣體泄露報警器不具備適應環境的能力。
[0005] 需要解決目前可燃氣體泄露報警器安裝太高時對發生可燃氣體泄露感知能力降 低，在用可燃氣體時經常發生誤告警的問題。 【實用新型內容】
[0006] 本實用新型提供了一種智能可燃氣體泄漏報警裝置，解決目前可燃氣體泄露報警 器安裝太高時對發生可燃氣體泄露感知能力降低，在用可燃氣體時經常發生誤告警的問 題。
[0007] 本實用新型的一種智能可燃氣體泄漏報警裝置，包括采集模塊、數據處理模塊、告 警判定模塊及自主學習模塊，采集模塊用于采集可燃氣體濃度數據；數據處理模塊對裝置 采集到的數據進行預處理；告警判定模塊用于判定煙霧濃度是否超過當前時間窗內的煙霧 濃度報警閾值；自主學習模塊用于將采樣數據加入樣本序列，重新確定報警判定門限值，解 決目前可燃氣體泄露報警器安裝太高時對發生可燃氣體泄露感知能力降低，在用可燃氣體 時經常發生誤告警的問題。
[0008] 作為優選，所述可燃氣體為天然氣或煤氣或液化氣或甲烷或氫氣。
【附圖說明】
[0009] 圖1為本實用新型智能可燃氣體泄漏報警裝置檢測方法總體流程示意圖；
[0010] 圖2為本實用新型智能可燃氣體泄漏報警裝置檢測方法詳細流程示意圖；
[0011] 圖3為本實用新型智能可燃氣體泄漏報警裝置檢測方法自主學習詳細流程示意 圖。
【具體實施方式】
[0012] 以下將對本實用新型的一個【具體實施方式】進行說明。
[0013] 如圖1所示，本實用新型智能可燃氣體泄漏報警裝置檢測方法包括：步驟101 :裝 置采集可燃氣體濃度；步驟102 :對裝置采集到的數據進行預處理；步驟103 :對本次采樣 滑動時間窗的進行告警判定；步驟104 :將采樣數據加入樣本序列，并進行機器學習。
[0014] 如圖2所述，所述智能可燃氣體泄露報警裝置檢測方法詳細具體包括如下步驟：
[0015] 步驟201 :裝置采集可燃氣體濃度數據，該可燃氣體包括天然氣、煤氣、液化氣、甲 烷、和氫氣。每2秒一個采樣周期，一個采樣周期采樣10次，除去最大值和最小值后取均值， 作為本次采樣的可燃氣體濃度數據。
[0016] 步驟202 :對采樣數據平滑處理，對采樣數據與時移矩形窗函數相乘法，取出當前 時間窗內的采樣數據序列，對當前時間窗內的數據序列數據進行平滑處理，采樣線性擬合 平滑算法，但不僅限于該算法。所述時移矩形窗函數為.
其 中τ為窗的寬度，在本實用新型中采用窗寬度為20秒。
[0017] 步驟203 :判定煙霧濃度是否超過當前時間窗內的煙霧濃度報警閾值；若超過報 警閾值，則轉至步驟204 ;若未超過報警閾值，則轉至步驟207 ;
[0018] 所述報警閾值在裝置未完成自主學習時，采用廠家根據國家標準測試定標得到的 一個報警判定門限值。在完成自主學習后，裝置根據裝置現場環境事件情況學習到一個報 警判定門限值。
[0019] 步驟204 :開啟本地報警語音播報，并記錄告警的發生的時間和可燃氣濃度。
[0020] 步驟205 :用戶通過裝置上的按鍵或者手機APP確認是否有效告警；
[0021] 步驟206 :將用戶確認的告警記錄到告警樣本隊列；
[0022] 步驟207 :將用戶確認的誤告警記錄誤告警樣本隊列；
[0023] 步驟208 :運行一天后，在裝置預訂的時間進行裝置自主學習。
[0024] 如圖3所示，所述智能可燃氣體泄露報警裝置檢測方法自主學習具體包括如下實 施步驟：
[0025] 步驟301 :以3分鐘為時間段，將一天分為480個時間段；分別求出每個時間段的 可燃氣體濃度均值和整天的可燃氣體濃度均值；
[0026] 步驟302 :從各時間分段中查找可燃氣體濃度最大的時間分段，并將該時段標記 為當前時間段；
[0027] 步驟303 :當前時間段最大濃度若否過整天濃度均值20%，則執行步驟304 ;否則 轉至步驟310 ;
[0028] 步驟304 :當前時間段的前一個時間段的濃度若比整天濃度均值高10%，執行步 驟305,否則轉至步驟306 ;
[0029] 步驟305 :將當前時間段和前一時間段合并為當前時間段，并轉至步驟304 ;
[0030] 步驟306 :當前時間段的后一個時間段的濃度若比整天濃度均值高10%，執行步 驟307,否則轉至步驟308 ;
[0031] 步驟307 :將當前時間段和后一時間段合并為當前時間段，并轉至步驟306 ;
[0032] 步驟308 :計算當前時間段濃度方差和濃度均值最大分段的濃度均值，并記錄時 間段的開始和結束時間，并標記為用氣時間段；
[0033] 步驟309 :剔除當前時間段數據，轉至步驟302 ;
[0034] 步驟310 :是否完成初始化學習，所述初始化學習是指在裝置出廠安裝到現場時， 需要一段時間完成環境學習；沒完成則執行步驟311，完成則執行步驟314。
[0035] 步驟311 :逐個取歷史記錄中每個時段濃度值與今天對應時段濃度值比較，選擇 大的濃度值存儲到歷史記錄中；
[0036] 步驟312:是否完成初始化學習，若完成學習，則執行步驟313,未完成則結束流 程。
[0037] 步驟313 :逐個取歷史記錄中每個時段濃度值，將值乘1. 5對應時段的濃度閾值， 超過國家標準值，貝1J用國家標準值替代。
[0038] 步驟314 :告警樣本隊列存在告警，則執行步驟315,否則轉至步驟318 ;
[0039] 步驟315 :從告警樣本隊列取出一個告警，判定告警發生時間是否屬于用氣時段； 是用氣時段則執行步驟316,否則轉至步驟317 ;
[0040] 步驟316 :將所有時段的濃度閾值大于該告警事件判定的濃度閾值用該告警事件 的濃度閾值進行替代，并轉至步驟314 ;
[0041] 步驟317 :將非用氣時段的濃度閾值大于該告警事件判定的濃度閾值用該告警事 件的濃度閾值進行替代并轉至步驟314 ;
[0042] 步驟318 :誤告警樣本隊列有誤告警則執行步驟319,否則流程結束
[0043] 步驟319:從誤告警樣本隊列取出一個誤告警，判定誤告警發生時間是否屬于非 用氣時段；是非用氣時段則執行步驟320,否則轉至步驟321 ;
[0044] 步驟320 :將所有時段濃度閾值小于該告警事件判定濃度閾值，則用該告警事件 的濃度均值加5%作為判定閾值，超過國家標準值，則用國家標準值替代。
[0045] 步驟321 :將用氣時段中濃度閾值小于該告警事件判定濃度閾值，則用該告警事 件的濃度均值加5%作為判定閾值，超過國家標準值，則用國家標準值替代。
[0046] -種智能可燃氣體泄漏報警裝置，包括采集模塊、數據處理模塊、告警判定模塊及 自主學習模塊，采集模塊用于采集可燃氣體濃度數據；數據處理模塊對裝置采集到的數據 進行預處理；告警判定模塊用于判定煙霧濃度是否超過當前時間窗內的煙霧濃度報警閾 值；自主學習模塊用于將采樣數據加入樣本序列，重新確定報警判定門限值。
[0047] 以上通過具體實施例對本實用新型進行了詳細的說明，但本實用新型并不受限于 此。在不違背本實用新型精神的前提下，本領域技術人員可對本實用新型作出各種改變和 變型。
【主權項】
1. 一種智能可燃氣體泄漏報警裝置，包括采集模塊、數據處理模塊、告警判定模塊及自 主學習模塊，采集模塊用于采集可燃氣體濃度數據；數據處理模塊對裝置采集到的數據進 行預處理；告警判定模塊用于判定煙霧濃度是否超過當前時間窗內的煙霧濃度報警閾值； 自主學習模塊用于將采樣數據加入樣本序列，重新確定報警判定門限值。2. 按照權利要求1所述智能可燃氣體泄漏報警裝置，其特征在于：該可燃氣體為天然 氣或煤氣或液化氣或甲烷或氫氣。
【專利摘要】本實用新型提供了一種智能可燃氣體泄漏報警裝置，包括采集模塊、數據處理模塊、告警判定模塊及自主學習模塊，采集模塊用于采集可燃氣體濃度數據；數據處理模塊對裝置采集到的數據進行預處理；告警判定模塊用于判定煙霧濃度是否超過當前時間窗內的煙霧濃度報警閾值；自主學習模塊用于將采樣數據加入樣本序列，重新確定報警判定門限值，解決目前可燃氣體泄露報警器安裝太高時對發生可燃氣體泄露感知能力降低，在用可燃氣體時經常發生誤告警的問題。
【IPC分類】G08B21/16
【公開號】CN205016036
【申請號】CN201520652705
【發明人】潘俊林, 劉冠群
【申請人】廣州金匙信息科技有限公司
【公開日】2016年2月3日
【申請日】2015年8月26日