燃气报警器的检测方法、系统、装置及燃气报警器与流程

本发明涉及燃气报警器，尤其涉及一种燃气报警器的检测方法、系统、装置及燃气报警器。

背景技术：

1、燃气报警器是一种专门设计用于监测可燃气体泄漏的设备，广泛应用于家庭和工业环境中。这种装置能够有效探测多种类型的可燃气体，如天然气、人工煤气以及液化石油气等。当这些气体在燃气灶具、锅炉或其他工业设备的管道中发生泄漏时，燃气报警器会迅速发出警报，从而提醒在场的工作人员采取必要的安全措施，以防止因气体积聚而引发火灾或爆炸等事故。安全是工业和家庭环境中最为重要的考量之一，燃气报警器的存在极大地降低了因气体泄漏所带来的财产损失和人员伤亡风险。因此，为了确保燃气报警器的正常运行和准确性，定期的检测与维护显得尤为重要。这不仅可以保证设备能及时发现潜在的气体泄漏，还能延长其使用寿命。通过对燃气报警器的定期检查，能够及时发现和修复任何可能影响其性能的问题，确保在关键时刻能够作出反应。

2、在现有技术中，对于燃气报警器的检测，一般是通过专业人员定期检查管路、燃气报警器的探测器和喇叭，确保它们能够正常工作。例如，可以打开燃气报警器的模拟泄漏测试功能，观察是否能够正常工作。此外，专业人员还会检查设备的温度和湿度，通过以上参数进行维护和检修，确保设备的稳定性和可靠性。

3、目前燃气报警器检测方法中，由于实际运行环境复杂，仅使用模拟泄漏测试功能无法准确检测其质量问题，评估不够合理，导致检测准确度不高。

技术实现思路

1、本发明提供了一种燃气报警器的检测方法、系统、装置及燃气报警器，以解决由于运行环境复杂，仅使用模拟泄漏测试功能无法准确检测其质量问题而导致评估不够合理，检测准确度不高的问题。

2、第一方面，为了解决上述技术问题，本发明提供了一种燃气报警器的检测方法，包括：

3、在模拟环境下，获取燃气报警器的运行参数，所述运行参数包括温度、压力和燃气浓度；

4、根据所述运行参数进行计算，得到燃气浓度的理论变化值；

5、获取历史故障数据，对所述历史故障数据进行故障特征提取，得到故障特征库；

6、将所述理论变化值输入到预先训练完成的机器学习评估模型中，得到评估值；

7、当所述评估值不满足预设的合格范围时判定存在报警故障，将所述评估值与所述故障特征库进行比对，确定燃气报警器中的故障位置；其中，所述故障特征库包括评估值与故障位置的映射关系。

8、在一种可选的实施方式中，所述在模拟环境下，获取燃气报警器的运行参数，包括：

9、设置模拟环境；在所述模拟环境下，利用传感器模块采集燃气报警器在模拟环境中的温度、压力和燃气浓度。

10、在一种可选的实施方式中，根据所述运行参数进行计算，得到燃气浓度的理论变化值，包括：

11、通过以下公式计算燃气浓度的理论变化值：

12、

13、其中，是第组燃气浓度的理论变化值，是第组燃气浓度的标准值，是燃气浓度随温度变化的系数，是当前温度，是标准温度，n满足1≤n≤n，n为实际检测组的数量。

14、在一种可选的实施方式中，所述方法还包括：

15、通过以下公式计算第组燃气浓度的标准值：

16、= k1k2( k3tn) + e

17、其中，k1是对应温度参数的变化导致的浓度值变化系数，k2是对应压力变化导致的浓度值变化系数，k3是对应理论变化值随温度参数变化的系数，tn是第n次检测中实际温度与标准温度的差值，e是误差参数。

18、在一种可选的实施方式中，所述机器学习评估模型的训练过程包括：

19、基于样本变化值和初始权重参数构建初始机器学习模型，对所述初始机器学习模型进行训练；当所述初始机器学习模型的训练次数大于预设的训练次数或所述初始机器学习模型的损失函数值小于预设的损失阈值时，判定训练完成，得到机器学习评估模型。

20、在一种可选的实施方式中，所述方法还包括：

21、当所述评估值满足预设的合格范围时，判定燃气报警器合格。

22、第二方面，本发明提供了一种燃气报警器的检测系统，包括：

23、传感器模块，用于在模拟环境下，获取燃气报警器的运行参数，所述运行参数包括温度、压力和燃气浓度；

24、数据处理模块，用于根据所述运行参数进行计算，得到燃气浓度的理论变化值；

25、数据查询模块，用于获取历史故障数据，对所述历史故障数据进行故障特征提取，得到故障特征库；

26、数据评估模块，用于将所述理论变化值输入到预先训练完成的机器学习评估模型中，得到评估值；

27、数据比对模块，用于数据当所述评估值不满足预设的合格范围时判定存在报警故障，将所述评估值与所述故障特征库进行比对，确定燃气报警器中的故障位置；其中，所述故障特征库包括评估值与故障位置的映射关系。

28、第三方面，本发明还提供了一种电子装置，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述中任意一项所述的燃气报警器的检测方法。

29、第四方面，本发明还提供了一种燃气报警器，所述燃气报警器用于与上述中所述的燃气报警器的检测系统通信连接，所述燃气报警器的检测系统用于确定燃气报警器中的故障位置。

30、第五方面，本发明还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行上述中任意一项所述的燃气报警器的检测方法。

31、相比于现有技术，本发明具有如下有益效果：

32、本发明公开了一种燃气报警器的检测方法，通过在模拟条件下，获取燃气报警器的运行参数，结合公式和机器学习模型，进行数据处理，对燃气报警器进行质量评估，在模拟情况下，实时采集数据，准确评估燃气报警器的质量，针对模拟环境设置不同的参数，结合多组数据，评估燃气报警器的运行质量，针对燃气报警器进行多次检测，设置不同的运行参数，结合公式和参数值，建立数据模型，根据模型数据和公式，准确获取评估值，针对评估值能够构建故障特征库，依据故障特征库，准确检测燃气报警器的故障位置。相比于现有检测方法中，需要通过专业人员定期检查管路、燃气报警器的探测器和喇叭，检查设备的温度和湿度，通过以上参数进行维护和检修，以确保设备的稳定性和可靠性。本发明通过构建检测环境可控且接近实际的模拟环境，通过构建多组不同的模拟环境，采集数据，结合机器学习模型，建立数据模型和故障特征库，对燃气报警器进行评估，实现燃气报警器质量评估的智能化与精准化。因此本发明能够解决运行环境复杂，仅使用模拟泄漏测试功能无法准确检测其质量问题而导致评估不够合理，检测准确度不高的问题。

技术特征：

1.一种燃气报警器的检测方法，其特征在于，由计算机执行，包括：

2.根据权利要求1所述的燃气报警器的检测方法，其特征在于，所述在模拟环境下，获取燃气报警器的运行参数，包括：

3.根据权利要求1所述的燃气报警器的检测方法，其特征在于，根据所述运行参数进行计算，得到燃气浓度的理论变化值，包括：

4.根据权利要求3所述的燃气报警器的检测方法，其特征在于，所述方法还包括：

5.根据权利要求1所述的燃气报警器的检测方法，其特征在于，所述机器学习评估模型的训练过程包括：

6.根据权利要求1所述的燃气报警器的检测方法，其特征在于，所述方法还包括：

7.一种燃气报警器的检测系统，其特征在于，包括：

8.一种电子装置，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1至6中任意一项所述的燃气报警器的检测方法。

9.一种燃气报警器，其特征在于，所述燃气报警器用于与如权利要求8所述的燃气报警器的检测系统通信连接，所述燃气报警器的检测系统用于确定燃气报警器中的故障位置。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序运行时控制所述计算机可读存储介质所在设备执行如权利要求1至6中任意一项所述的燃气报警器的检测方法。

技术总结
本发明涉及燃气报警器技术领域，公开了一种燃气报警器的检测方法、系统、装置及燃气报警器，所述方法包括在模拟环境下，获取燃气报警器的运行参数，所述运行参数包括温度、压力和燃气浓度；根据所述运行参数进行计算，得到燃气浓度的理论变化值；获取历史故障数据，对所述历史故障数据进行故障特征提取，得到故障特征库；将所述理论变化值输入到预先训练完成的机器学习评估模型中，得到评估值；当所述评估值不满足预设的合格范围时判定存在报警故障，将所述评估值与所述故障特征库进行比对，确定燃气报警器中的故障位置。本方法解决由于运行环境复杂，仅使用模拟泄漏测试功能无法准确检测其质量问题而导致评估不够合理，检测准确度不高的问题。

技术研发人员：张棋,陈健
受保护的技术使用者：深圳市焰井科技有限公司
技术研发日：
技术公布日：2024/12/17