火焰传感器的智能识别方法及系统的制作方法
【专利摘要】一种火焰传感器的智能识别方法及系统，包括运行模式和学习模式，运行模式的信息处理过程步骤为：Y1、接收外界信号；Y2、Y1中接收到的模拟信号被转换为数字信号；Y3、根据数字信号和权重值计算实际输出结果；Y4、根据实际输出结果作出是否进行报警的反应。学习模式的信息处理步骤为：X1、进行Y1，Y2，Y3步骤的操作；X2、接收外部输入的期望输出结果；X3、将实际输出值与期望输出结果比对；X4、根据比对结果更新权重值。X5、更新后的权重值保存，供下一次Y3步骤使用。该发明在设备安装完成以后进一步调试，通过在学习模式下，让火焰传感器在该工作环境下多次进行机器学习，不断提高其辨别火焰的能力，以提高其报警正确率。
【专利说明】
火焰传感器的智能识别方法及系统
技术领域
[0001] 本发明涉及电子信息技术领域，具体而言，涉及一种具有自身优化功能的火焰传 感器的智能识别方法及系统。
【背景技术】
[0002] 火焰传感器是一种用于响应火灾的光特性，即探测火焰燃烧的光照强度和火焰的 闪烁频率的一种火灾探测器。如现在常用的红外火焰传感器，就是利用红外线对火焰非常 敏感的特点，使用特制的红外线接受管来检测火焰，然后把火焰的亮度转化为高低变化的 电平信号，输入到中央处理器中，中央处理器根据信号的变化做出相应的程序处理。随着经 济的发展、大量楼宇的建成与使用，用于保障人身和财产安全的火灾自动报警系统显得越 来越必要。如今火焰传感器已被各大中小单位广泛应用。但是，由于火焰传感器在出厂前的 测试环境和真实的安装环境会存在一定差异，在火焰传感器的使用过程中很可能会出现误 报或者漏报的现象，使得消防值班人员饱受困扰，更严重的甚至会使人们的生命财产安全 受到威胁。因此，如何提高火焰传感器报警的准确率，是研发生产过程中一个亟待解决的问 题。
【发明内容】
[0003] 本发明的目的在于火焰传感器的智能识别方法及系统，让火焰传感器能够自动学 习不断提高其辨别真火与其他光的能力。
[0004] 本发明实施例提供了一种火焰传感器的智能识别方法，其特征在于，包括运行模 式和学习模式两种状态，所述运行模式的信息处理过程包括以下步骤：
[0005] Y1、火焰传感器接收外界环境信号；
[0006] Y2、将Y1中接收到的模拟信号被转换为数字信号；
[0007] Y3、根据Y2得到的数字信号和已设定好的权重值计算出实际输出结果；
[0008] Y4、根据Y3得到的实际输出结果作出是否进行报警的反应；
[0009] 所述学习模式的信息处理过程包括以下步骤：
[0010] XI、进行运行模式下的Y1，Y2，Y3步骤的操作；
[0011] X2、火焰传感器接收外部输入的期望输出结果；
[0012 ] X3、将实际输出值与X2中接收到的期望输出结果进行比对；
[0013] X4、根据X3的比对结果更新权重值。
[0014] X5、将X4中更新后的权重值保存，供下一次Y3步骤计算使用。
[0015]在一些实施例中，优选为，所述学习模式下X4步骤更新权重值的次数为有限次。进 入学习模式后再进入运行模式，运行模式的输出值精度得到提高。本发明实施例还提供了 一种火焰传感器的智能识别系统，包括感应模块，信号转换模块，信号处理模块以及反馈模 块;所述感应模块，包括一个以上的传感器，用于接收外界环境的信号;所述信号转换模块， 用于将感应模块接收到的模拟信号转换为数字信号;所述信号处理模块，用于根据数字信 号和权重值计算出是否有火的输出结果，且引入人工神经网络进行信号处理;所述反馈模 块，用于对信号处理模块的输出结果作出相应的报警或不报警的反应。
[0016] 在一些实施例中，优选为，所述传感器的红外感应模块包括红外感应模块、温度感 应模块和烟雾感应模块。
[0017] 本发明实施例提供的火焰传感器的智能识别方法及系统，与现有技术相比，在信 息处理模块引入人工神经网络，能够在设备安装完成以后对其进行进一步调试，通过在学 习模式下，让火焰传感器在该工作环境下多次进行机器学习，从而不断提高其辨别火焰的 能力，以达到提高其报警的正确率的目的。
【附图说明】
[0018] 图1为本发明一个实施例中火焰传感器的智能识别系统各模块工作流程示意图。
[0019] 图2为本发明实施例所述方法中学习模式下的流程示意图。
【具体实施方式】
[0020] 下面通过具体的实施例结合附图对本发明做进一步的详细描述。
[0021] -种火焰传感器的智能识别系统，如图1所示，包括感应模块，信号转换模块，信号 处理模块以及反馈模块;感应模块，包括一个以上的传感器，用于接收外界环境的信号;信 号转换模块，用于将感应模块接收到的模拟信号转换为数字信号;信号处理模块，用于根据 数字信号和权重值计算出是否有火的输出结果，且引入人工神经网络进行信号处理;反馈 模块，用于对信号处理模块的输出结果作出相应的报警或不报警的反应。
[0022] 感应模块包括红外感应模块、温度感应模块和烟雾感应模块。在着火现场，火灾初 期火焰中会含有肉眼无法辨别的不同波长的红外线，且外界定会有温度升高并产生烟雾的 现象，所以这三者均为火灾发生时必然出现的情况。通过三个类型的感应器同时感应，对数 据进行分析后，即可很大程度上提高报警的准确率。
[0023] 火焰是物质着火产生灼热气体而发出的光，是一种辐射能量，物质从燃烧开始到 发光，是物质的全燃烧阶段。在这个阶段中，火焰的光谱从紫外、可见光到红外都有能量辐 射，同时伴随着烟雾的产生和外界温度的升高。红外感应模块能够感应到火焰中波长4.35 ± 0.15wii的红外光谱，而温度感应模块能够感应外界环境的温度变化，烟雾感应模块能够 感应到外界环境中的烟雾浓度变化。
[0024] 信号转换模块将三个感应模块接收到的模拟信号转换为数字信号，数字信号将被 传输到信号处理模块。在信号处理模块中，是否有火的判定条件已被设定，将对感应模块接 收到的信息进行分辨，如满足设定的有火的条件，将得出有火的结论，反馈模块也将作出相 应的报警反应。同时，信号处理模块中引入人工神经网络，能够在安装完成后对是否有火的 判定条件进行调试和优化，这是机器学习的过程，能够很大程度提高火焰传感器报警的正 确率。
[0025]信息处理模块中引入的人工神经网络通过调整内部大量节点之间相互连接的关 系，达到处理信息的目的，并具有自学习和自适应的能力。人工神经网络是一种运算模型， 由大量的节点（或称神经元)之间相互联接构成。每个节点代表一种特定的输出函数，称为 激励函数。每两个节点间的连接都代表一个对于通过该连接信号的加权值，称之为权重值， 这相当于人工神经网络的记忆。人工神经网络的输出则根据网络的连接方式，权重值和激 励函数的不同而不同。在人工神经网络的学习过程中，通过不断的优化来改变权重值，从而 改变输出结果。
[0026] 在本实施例中根据感知器训练法则来进行权重值的修改，即修改对应于输入值^ 的权重值w，A ?t为每进行一次训练后，《的改变量。其法则如下：
[0027] co ~ 〇 t+ A co t
[0028] 其中：A ? t = q(t_o)xt
[0029] 这里t是当前训练样例的目标输出，〇是火焰传感器的输出，n是学习效率，为一个 正的常数。学习速率的作用是缓和每一步调整权重值的程度，它通常被设为一个小的数值， 而且又是会使其随着权重值的调整次数的增加而衰减。
[0030] 本实施例中采用梯度下降法来让火焰传感器进行学习，在该方法中，设定更新权 重值CO的方法如下:每学习一次的学习样例的形式为序偶<交^>,，其中龙是输入向量，t 是目标输出值，学习效率n在本实施例中取0.05,在实际生产过程中，如果发现学习效果不 佳，可通过改变n的值来提高学习效果。且在本实施例中用〇代表无火，1代表有火。
[0031] (1)初始化每个CO为某个小的随机值；
[0032] (2)遇到终止条件前，做以下操作：
[0033] 初始化每个A?t为〇;
[0034] 对于输入的学习样例中的每个<'lyt >，做：
[0035] 分别输入红外感应模块、温度感应模块和烟雾感应模块的输入值￡,
[0036] 计算得出A?t;
[0037]用《 t+ A ? t替代原来的权重值《 t。
[0038] -种火焰传感器的智能识别方法，包括运行模式和学习模式两种状态，运行模式 的信息处理过程包括以下步骤：
[0039] Y1、火焰传感器接收外界环境信号；
[0040] Y2、将Y1中接收到的模拟信号被转换为数字信号；
[0041] Y3、根据Y2得到的数字信号和已设定好的权重值计算出实际输出结果；
[0042] Y4、根据Y3得到的实际输出结果作出是否进行报警的反应；
[0043] 火焰传感器上设置有几个按钮，"学习"按钮，"有火"按钮、"无火"按钮和"保存"按 钮。"学习"按钮的作用是命令火焰传感器进入学习模式；"有火"按钮的作用是告知火焰传 感器的信号处理模块现场有火，以该结果作为期望输出值。"无火"按钮的作用是告知火焰 传感器的信号处理模块现场没有火，以该结果作为期望输出值。"保存"按钮的作用是命令 火焰传感器保存更新的数据。
[0044]操作者按下火焰探测器上设置的"学习"按钮，进入学习模式。如图2所示，学习模 式的信息处理过程包括以下步骤：
[0045] XI、进行运行模式下的Y1，Y2，Y3步骤的操作；
[0046] X2、火焰传感器接收外部输入的期望输出结果；
[0047] X3、将实际输出值与X2中接收到的期望输出结果进行比对；
[0048] X4、根据X3的比对结果更新权重值。
[0049] X5、将X4中更新后的权重值保存，供下一次Y3步骤计算使用。
[0050] 学习模式下机器学习次数是有限的，也就是学习模式下X4步骤更新权重值的次数 为有限次。当达到某一限度以后，再进行学习，信号处理模块的权重值不再发生变化。这样 能够防止人工神经网络出现过度拟合的现象，即火焰传感器的精度已经非常高，再进行学 习，反而会对权重值产生影响，而降低其输出结果的准确度。
[0051] 以上所述仅为本发明的优选实施例而已，并不用于限制本发明，对于本领域的技 术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原则之内，所作的任何修 改、等同替换、改进等，均应包含在本发明的保护范围之内。
【主权项】
1. 一种火焰传感器的智能识别方法，其特征在于，包括运行模式和学习模式两种状态， 所述运行模式的信息处理过程包括以下步骤： Yl、火焰传感器接收外界环境信号； Y2、Y1中接收到的模拟信号被转换为数字信号； Υ3、根据Υ2得到的数字信号和已设定好的权重值计算出实际输出结果； Υ4、根据Υ3得到的实际输出结果作出是否进行报警的反应； 所述学习模式的信息处理过程包括以下步骤： 父1、进行运行模式下的￥132，￥3步骤的操作； Χ2、火焰传感器接收外部输入的期望输出结果； Χ3、将实际输出值与Χ2中接收到的期望输出结果进行比对； Χ4、根据Χ3的比对结果更新权重值。 Χ5、将Χ4中更新后的权重值保存，供下一次Υ3步骤计算使用。2. 如权利要求1所述的火焰传感器的智能识别方法，其特征在于，所述学习模式下Χ4步 骤更新权重值的次数为有限次。3. 如权利要求1所述的火焰传感器的智能识别方法，其特征在于，进入学习模式后再进 入运行模式，运行模式的输出值精度得到提高。4. 一种火焰传感器的智能识别系统，其特征在于，包括感应模块，信号转换模块，信号 处理模块以及反馈模块;所述感应模块，包括一个以上的传感器，用于接收外界环境的信 号;所述信号转换模块，用于将感应模块接收到的模拟信号转换为数字信号;所述信号处理 模块，用于根据数字信号和权重值计算出是否有火的输出结果，且引入人工神经网络进行 信号处理;所述反馈模块，用于对信号处理模块的输出结果作出相应的报警或不报警的反 应。5. 如权利要求4所述的火焰传感器的智能识别系统，其特征在于，所述传感器的红外感 应模块包括红外感应模块、温度感应模块和烟雾感应模块。
【文档编号】G08B17/10GK105913605SQ201610422591
【公开日】2016年8月31日
【申请日】2016年6月15日
【发明人】林永贤, 马国栋
【申请人】宝鸡通茂电子传感设备研发有限公司