利索能及
我要发布
收藏
专利号: 2024114794698
申请人: 辽宁通安消防安全技术工程有限公司
专利类型:发明专利
专利状态:已下证
更新日期:2025-12-08
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.用于建筑消防安全监测的智能数据管理系统,其特征在于,所述系统包括:

数据采集模块,用于采集每个温度传感器所有时刻的温度数据;

空间特征分析模块,用于通过分析相邻位置温度传感器采集数据的变化趋势、以及温度数据随空间距离的变化特征确定温度数据的位置空间特征值,具体为:(1)获取温度数据异常点,以每个异常点作为分割点将温度数据划分为多个局部数据序列,根据局部数据序列内所有温度值、异常点的数值和温度数据的数量确定异常点的特征数组;根据温度传感器每个温度数据前相同次序异常点的特征数组之间的距离和温度传感器之间的距离差异获取每个温度数据的波动系数;根据温度数据之前异常点的数值与温度数据的数值差异以及温度数据的波动系数确定每个温度数据的波动可信度;

(2)以一个温度传感器为中心,设置若干半径,以半径从小到大的顺序将温度传感器的温度和其半径内所有温度传感器的温度的差异排序后进行一阶差分获取修正序列;根据修正序列中负数的个数与总数的差异确定每个温度传感器在每个数据采集时刻的修正系数;

(3)在每个采集时刻,根据修正系数与修正系数最大值的差异正向融合波动可信度对每个温度数据的波动可信度进行修正,得到每个数据采集时刻的位置空间特征值;

监测数据处理模块,根据每个采集时刻前的所有异常点温度的均值、方差和相邻异常点时间间隔最小值以及采集时刻的位置空间特征值获取关联特征值;将所有关联特征值分为不同危险级别的类,完成对温度数据的智能管理;

所述关联特征值的获取方法包括:

式中, 是第c个温度传感器第t时刻温度数据与火灾超早期征兆的关联特征值,、 分别是第c个温度传感器第t时刻之前所有相邻异常点之间温度数据的均值、方差, 是第c个温度传感器第t时刻之前所有相邻异常点之间时间间隔的最小值, 是第c个温度传感器第t时刻的位置空间特征值, 是第t时刻与异常点对应时刻之间的最小时间间隔,是调参因子。

2.根据权利要求1所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述基于温度传感器之间温度数据的差异确定每个温度数据的波动可信度,包括:基于不同温度传感器所采集温度数据中异常点之间特征数组的差异确定每个温度传感器所采集每个温度数据的波动系数;

基于每个温度传感器在每个数据采集时刻之前的温度数据的整体波动程度以及所述波动系数确定每个温度数据的波动可信度。

3.根据权利要求2所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述每个温度数据的波动系数的获取方法包括:利用RRCF算法检测出每个温度传感器所采集温度数据中的异常点,并获取每个异常点的特征数组;

计算每个温度传感器与其余任意一个温度传感器在每个时刻之前任意一个相同次序异常点的特征数组之间的DTW距离与两个温度传感器位置距离的比值;

将所述比值在建筑内所有温度传感器在每个时刻之前所有异常点上的累加结果作为每个传感器所采集每个温度数据的波动系数。

4.根据权利要求2所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述每个温度数据的波动可信度的获取方法包括:计算每个温度传感器采集每个温度数据对应采集时刻之前所有异常点的均值与对应采集时刻之前所有温度数据的均值之间的差值;

将所述差值与每个温度数据的波动系数乘积的归一化结果作为每个温度数据的波动可信度。

5.根据权利要求3所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述特征数组的获取方法包括:利用RRCF算法检测出每个温度传感器所采集温度数据中的异常点;

将每一个异常点作为分割点将所有温度数据划分为多个局部数据序列,计算每个异常点之前相邻一个局部数据序列内所有温度数据的方差作为每个异常点的波动半径,将每个异常点的数值、每个异常点之前温度数据的数量与每个异常点的波动半径组成的数组作为每个异常点的特征数组。

6.根据权利要求1所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述每个温度传感器在每个数据采集时刻的修正系数的获取方法包括:将每个温度传感器在每个数据采集时刻下的修正序列中小于0的元素数量与所述修正序列中元素数量的比值作为每个温度传感器在每个数据采集时刻的修正系数。

7.根据权利要求6所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述修正序列的获取方法包括:对于任意一个数据采集时刻,以每个温度传感器的位置为球心,根据半径r获取球面上的所有温度传感器在每个数据采集时刻的温度数据,计算球面上所有温度传感器在每个数据采集时刻的温度数据的均值;将每个温度传感器在每个数据采集时刻的温度数据与所述均值之间的差值绝对值,作为每个温度传感器在每个数据采集时刻的单一距离差异;

依次获取不同半径下每个温度传感器在每个数据采集时刻的单一距离差异,按照半径从小到大的顺序对所有所述单一距离差异进行排序,将排序结果的一阶差分序列作为每个温度传感器在每个数据采集时刻下的修正序列。

8.根据权利要求1所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述每个数据采集时刻的位置空间特征值的获取方法包括:计算每个温度传感器在每个数据采集时刻的修正系数与每个温度传感器在所有数据采集时刻的修正系数中最大值的比值;

将所述比值与每个温度传感器在每个数据采集时刻下采集温度数据的波动可信度的乘积作为每个数据采集时刻的位置空间特征值。

9.根据权利要求1所述用于建筑消防安全监测的智能数据管理系统,其特征在于,所述基于每个温度传感器在每个数据采集时刻的位置空间特征值以及温度数据完成对温度数据的智能管理的方法包括:基于每个温度传感器在每个数据采集时刻之前的异常点、以及每个温度传感器在每个数据采集时刻的位置空间特征值确定每个温度传感器每个数据采集时刻采集温度数据与火灾超早期征兆的关联特征值;

获取每个温度传感器所有数据采集时刻采集温度数据与火灾超早期征兆的关联特征值,利用数据聚类算法将所有所述关联特征值划分为多个聚类簇;

分别计算每个聚类簇中所有关联特征值的均值作为每个聚类簇的标签值,将所有聚类簇的标签值按照从大到小的顺序排列,基于排列结果分别将聚类簇标记为第一监测危险级别、第二监测危险级别、直到第K监测危险级别;其中,K为聚类簇的数量。