一种自主校准的烟感探测方法与流程

本发明涉及烟感探测技术领域，尤其是一种自主校准的烟感探测方法。

背景技术

普通烟感探测器使用的是光电探测方式。其基本原理是，物体在燃烧时，会产生大量的颗粒，漂浮在空气中，探测器使用一束特定强度的光，照射这些微颗粒。由于光源发出的光线照射在颗粒物上产生散射，此散射光通过聚焦透镜到达探测器上，探测器把感受到的光信号转换成电信号，经过放大和分析电路，可以计算脉冲的发生量，得到以单位时间脉冲数（CPM）表示的相对浓度。根据CPM与mg/m3的转换系数K，得到表示单位时间的烟颗粒质量浓度。我们通过定时收集这些烟颗粒质量浓度，获得一组烟雾的时序数据[(t0,x0)，(t1，x1),（t2，x2）,……]。

光电探测器的响应阈值，即用减光系数m值（单位为dB/m）表示的探测器报警时刻的烟浓度，用光学密度计测量。光学密度计利用光束受烟粒子作用后，光辐射能按指数规律衰减的原理测量烟浓度。减光系数用下式表示：m=（10/d）lg（P0/P），式中：m为减光系数；d为试验烟的光学测量长度，P0为无烟时接收的辐射功率；P为有烟时接收的辐射功率。技术要求如下：a、光学测量长度不小于1.1m；b、光学系统的安装，要使光电接收器不能接收到被试验烟粒子散射的散射角大于3度的光线；c、光束波长在0.800到0.95微米范围内，其有效辐射功率应大于50%，波长低于0.800微米的范围内，其有效辐射功率应小于10%，波长高于1.050微米范围内，其有效辐射功率应小于10%；d、测量误差，在0到2dB/m之间的烟浓度，测量误差不大于。

综上得知：

0.05dB/m/min为满足烟感探测器设计要求报警阈值的最小值。

参考中国专利公开号为CN107767614A的一种烟雾报警方法，包含步骤：S1.实时获取烟雾信号并检测烟雾浓度值，记录本次获取的时间；S2.判断该烟雾浓度值是否超过预设烟雾浓度阈值，若未超过则返回S1，否则进入S3；S3.生成烟雾报警触发信号并发出报警信号，监控当前时间距离S1中获取烟雾信号的时间间隔值，进入S4；S4.在距离最近一次获取烟雾信号的时间间隔值到5分钟时再次获取烟雾信号并检测烟雾浓度值；S5.判断是否超过预设烟雾浓度阈值，若未超过，则返回S1；否则，发出报警信号并返回S4。报警机制就是：判断某个时刻数据是否超出设定报警阈值，来获得报警信息。经实际观察和实验，由于日常环境因素变化，比如温度、湿度等，会造成探测器工作环境发生变化，会造成探测器通过光电采集的数据取值范围发生整体提升或下降，使烟感探测器容易产生误报。

技术实现要素：

本发明解决了烟感探测器容易产生误报的问题，提出一种自主校准的烟感探测方法，利用烟雾发生时，会有大量的烟雾快速生成，短时间内进入探测器的规律，设计了报警基准阈值动态调整的方法，有效解决了烟感探测器容易产生误报的问题。

为实现上述目的，提出以下技术方案：

一种自主校准的烟感探测方法，包括以下步骤：

S1，获取烟颗粒的历史质量浓度；

S2，根据所述历史质量浓度计算出质量浓度变化值；

S3，判断所述质量浓度变化值的波动值是否小于设定的允许波动阈值，若是，返回S1，若否，进行S4；

S4，利用历史质量浓度的均值调整更新报警阈值，并返回S1。

本发明减少了外界因素对现采集值变化的影响程度，能够有效的规避温漂等因素造成的数据变化错误判断；能够有条件判断传感器本身采集数据不稳定的因素，能够有条件判断传感器踢去外部因素后自身工作状态变化的因素。

作为优选，所述S1具体包括以下步骤：

以一定时间间隔获取烟颗粒的质量浓度，按照时序对获取的质量浓度进行分组，当前采集时刻前的所有质量浓度作为历史质量浓度。

作为优选，所述S2具体包括以下步骤：

取前采集时刻前最近的一组质量浓度数据做均值计算得到每组变化值：

其中：X(n)为该组第n个质量浓度数据，An为该组数据均值；An的计算式为：

。

作为优选，所述S3具体包括以下步骤：判断是否满足：

若是，不做处理，返回S1，若否，进行S4；

其中：Emax是最大变化值，Emin是最小变化值，L为允许波动阈值。

作为优选，计算采集时刻前最近的一组质量浓度数据的方差S，判断方差S是否大于方差阈值，若是，则返回S1，若否，判断所述质量浓度变化值的波动值是否小于设定的允许波动阈值。

作为优选，所述S4具体包括以下步骤：

利用历史质量浓度的均值An来调整更新报警阈值T，并返回S1，调整更新报警阈值T的算式如下：

其中：K为换算系数，B为偏差值。

作为优选，所述K和B是利用历史数据作为训练集，通过BP神经网络算法计算得到的。

本发明的有益效果是：

1、存在采用获取历史数据获取采集值的变化规律的方法，减少了外界因素对现采集值变化的影响程度，能够有效的规避温漂等因素造成的数据变化错误判断；

2、存在采用获取历史数据获取采集值的变化规律的数据，能够有条件判断传感器本身采集数据不稳定的因素，能够有条件判断传感器踢去外部因素后自身工作状态变化的因素。

附图说明

图1是实施例的方法流程图；

图2是环境因素影响的浓度数据变化图；

图3是火灾影响的浓度数据变化图。

具体实施方式

实施例：

由于烟雾发生时，会有大量的烟雾快速生成，短时间内进入探测器，探测器获得的烟颗粒质量浓度数据能够快速到达报警阈值，参考图3，此时烟雾报警发生。而环境因素变化造成探测器获得的数据到达报警阈值较缓慢，参考图2，此时烟雾报警未发生，但是由于日常环境因素变化，比如温度、湿度等，会造成探测器工作环境发生变化，会造成探测器通过光电采集的数据取值范围发生整体提升或下降，此时使烟感探测器容易产生误报。

本实施例提出一种自主校准的烟感探测方法，参考图1，包括以下步骤：

S1，获取烟颗粒的历史质量浓度；

以一定时间间隔获取烟颗粒的质量浓度，按照时序对获取的质量浓度进行分组，当前采集时刻前的所有质量浓度作为历史质量浓度。

本实施例具体的按照每分钟分组，且每分钟采样6个数据，即10秒采集一次数据，6个数据为x1、x2、x3、x4、x5、x6。结合算例x1=0.050 dB/m/min、x2=0.030 dB/m/min、x3=0.053 dB/m/min、x4=0.027 dB/m/min、x5=0.048 dB/m/min、x6=0.032 dB/m/min。

S2，根据历史质量浓度计算出质量浓度变化值；

取前采集时刻前最近的一组质量浓度数据做均值计算得到每组变化值：

其中：X(n)为该组第n个质量浓度数据，An为该组数据均值；An的计算式为：

；

结合算例可以计算得到：

S3，计算采集时刻前最近的一组质量浓度数据的方差S，判断方差S是否大于方差阈值，若是，则返回S1，若否，判断质量浓度变化值的波动值是否小于设定的允许波动阈值，若是，返回S1，若否，进行S4。

具体包括以下步骤：判断是否满足：

若是，不做处理，返回S1，若否，进行S4；

其中：Emax是最大变化值，Emin是最小变化值，L为允许波动阈值，L取值参考满足烟感探测器设计要求报警阈值的最小值，L=0.05 / 2 = 0.025 dB/m/min，因此L取值范围为0到0.025 dB/m/min ，本实施例L=0.025 dB/m/min，由于0.006 dB/m/min小于0.025 dB/m/min，返回S1。

其中：0.015为满足烟感探测器设计要求得到允许波动变化率的最小值，取最小值的2分之一，较为有效的防止烟感器误报。

S4，利用历史质量浓度的均值调整更新报警阈值，并返回S1。

利用历史质量浓度的均值An来调整更新报警阈值T，调整更新报警阈值T的算式如下：

其中：K为换算系数，B为偏差值。

K和B是利用历史数据作为训练集，通过BP神经网络算法计算得到的，包括以下步骤：

1)初始化选定BP神经网络控制器的结构，选定输入层节点数i和隐藏层节点数j，以及输出层节点数n，并给出范围在-1～1之间的隐藏层的权系数v[i][j]和输出层的权系数w[j][n]的随机值，选定学习速率a和平滑因子b；

2)采样得到估算浓度r(k)和实际输出y(k)，计算误差e(k)＝r(k)-y(k)；

3)对估算浓度r(k)、实际输出y(k)、目标输出u(k)、误差e(k)进行归一化处理，作为神经网络的输入；

4)计算BP神经网络控制器各层神经元的输入值和输出值HO2[n]，输出值HO2[n]反归一化即为K和B，将目标输出u(k)送入被控制对象参与控制和计算；

5)通过输入值与输出值的参数对比，用最速下降法调整学习速率a与权系数v[i][j]和w[j][n]，采用最速下降法对BP神经网络的权系数进行修正，调节方向为E(k)的负方向，并且加一个使搜索加快收敛全局极小值的惯性量，对于最速下降法的优化是关键，调整公式如下：

其中P为一次调节所走的步长，γ1、γ2分别是学习速率与权系数改变量的变异系数，θ为阀值；当e(k)大于e(k-1)时，，γ2＝1；当Δe(k)小于Δe(k-1),γ1大于1，并当|e(k)|大于θ，γ2大于1；

通过调整γ的数值来调整步长P，再通过调整γ的数值和调整后的步长P来调整权系数v[i][j]和w[j][n]使得最速下降法函数曲线接近全局最优解；

6)将优化后的输出层的权系数w[j][n]和隐藏层的权系数v[i][j]以及学习速率a送入BP神经网络控制器，BP神经网络控制器输出层的2个输出值即为K和B。