欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2022106853750
申请人: 淮阴工学院
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2024-02-23
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.物联网智能安防与环境大数据系统,其特征在于:系统由环境参数采集与控制平台和环境大数据智能预测与火灾预警子系统组成,实现对环境参数采集、处理和预警功能;

所述环境大数据智能预测与火灾预警子系统由参数检测模块、Vague数值融合模型和Vague的模糊小波神经网络火灾等级分类器组成;

参数检测模块包括参数检测模型,多个温度传感器输出、多个烟雾传感器输出和多个火焰传感器输出分别作为对应的参数检测模块的多个参数检测模型的输入,参数检测模块的多个参数检测模型的输出分别作为3个对应的Vague数值融合模型的输入,3个Vague数值融合模型输出作为Vague的模糊小波神经网络火灾等级分类器的对应输入,Vague的模糊小波神经网络火灾等级分类器输出三个参数分别为y、z和1‑k,y为被检测环境火灾大小的实数值,z为可信度,1‑k为可信度与不确定度和,1‑k‑z为不确定度,k为不可信度,y、z和1‑k构成被检测环境火灾类型的Vague集的数值为[y,(z,1‑k)],Vague的模糊小波神经网络火灾等级分类器输出代表被检测环境将要发生的火灾类型;

所述参数检测模型由LSTM神经网络模型、ARIMA预测模型、变分模态分解模型、减法聚类分类器、CNN卷积‑NARX神经网络模型和Vague集的ANFIS模糊神经网络模型组成;

所述参数传感器感知被检测环境的时间序列参数值分别作为LSTM神经网络模型和ARIMA预测模型的输入,LSTM神经网络模型与ARIMA预测模型输出的差作为被检测环境的参数波动值,时间序列参数波动值作为变分模态分解模型的输入,变分模态分解模型输出多个模态函数IMF分量,多个IMF分量能量熵作为减法聚类分类器的输入,减法聚类分类器输出的多个类型的IMF分量能量熵分别作为多个对应的CNN卷积‑NARX神经网络模型输入,ARIMA预测模型和多个CNN卷积‑NARX神经网络模型的输出作为Vague集的ANFIS模糊神经网络模型的对应输入,Vague集的ANFIS模糊神经网络模型输出的三个参数分别为x、t和1‑f,x为被检测参数的实数值,t为可信度,1‑f为可信度与不确定度和,1‑f‑t为不确定度,f为不可信度,x、t和1‑f构成被检测参数的Vague集的数值为[x,(t,1‑f)],Vague集的ANFIS模糊神经网络模型输出作为参数检测模型输出;

Vague数值融合模型的一段时间多个参数测量传感器的参数检测模型输出的Vague集数值构成时间序列Vague集数值阵列,每个参数测量传感器的时间序列Vague集数值的正理想值距离测度除以该参数测量传感器的时间序列Vague集数值的负理想值距离测度与该参数测量传感器的时间序列Vague集数值的正理想值距离测度的和得到的商为每个参数测量传感器的时间序列Vague集数值的相对距离测度;每个参数测量传感器的时间序列Vague集数值的相对距离测度除以所有参数测量传感器的时间序列Vague集数值的相对距离测度的和得到的商为每个参数测量传感器的时间序列Vague集数值的距离测度融合权重;

每个参数测量传感器的时间序列Vague集数值与Vague集数值阵列的正理想值之间的相似度除以该参数测量传感器的时间序列Vague集数值与Vague集数值阵列的正理想值的相似度相加该参数测量传感器的时间序列Vague集数值与Vague集数值阵列的负理想值的相似度的和得到的商为该参数测量传感器的时间序列Vague集数值的相似度相对测度;每个参数测量传感器的时间序列Vague集数值的相似度相对测度除以所有参数测量传感器的时间序列Vague集数值的相似度相对测度的和得到的商为该参数测量传感器的时间序列Vague集数值的相似度融合权重;

每个参数测量传感器的时间序列Vague集数值的距离测度融合权重和该参数测量传感器的时间序列Vague集数值的相似度融合权重按照从小到大排序组成的区间数作为该参数测量传感器的时间序列Vague集数值的区间数融合权重;根据同一时刻每个参数测量传感器的时间序列Vague集数值与该参数测量传感器的时间序列Vague集数值的区间数融合权重的积相加得到的和为所有参数测量传感器的时间序列Vague集数值的融合值为时间序列的区间Vague集数值。

2.根据权利要求1所述的物联网智能安防与环境大数据系统,其特征在于:所述环境参数采集与控制平台包括检测节点、控制节点、网关节点、现场监控端、云平台和移动端App组成,检测节点、控制节点和网关节点之间通过构建CAN通信网络来实现检测节点、控制节点和网关节点之间的数据通信。

3.根据权利要求2所述的物联网智能安防与环境大数据系统,其特征在于:所述检测节点将检测的环境参数通过网关节点的RS232接口发送给现场监控端,现场监控端对传感器数据进行理和对火灾进行预警;控制节点控制安防设备,网关节点通过NB‑IoT模块与云平台之间和云平台通过5G网络与移动端App之间实现环境参数的双向传输,网关节点与现场监控端之间通过RS232接口实现环境参数的双向传输。

4.根据权利要求2或3所述的物联网智能安防与环境大数据系统,其特征在于:所述移动端 App 为管理人员提供实时环境数据和历史数据的查询,管理人员通过移动端App可通过远程查看当前的环境参数;云平台主要负责处理、存储、分析和显示接收到环境参数。