CN105336081A - 一种基于模糊神经网络的电气火灾监控终端及其处理步骤 - Google Patents
一种基于模糊神经网络的电气火灾监控终端及其处理步骤 Download PDFInfo
- Publication number
- CN105336081A CN105336081A CN201510837986.2A CN201510837986A CN105336081A CN 105336081 A CN105336081 A CN 105336081A CN 201510837986 A CN201510837986 A CN 201510837986A CN 105336081 A CN105336081 A CN 105336081A
- Authority
- CN
- China
- Prior art keywords
- neural network
- fuzzy
- central processing
- processing unit
- fire
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012545 processing Methods 0.000 title claims abstract description 36
- 238000013528 artificial neural network Methods 0.000 title claims abstract description 33
- 238000012544 monitoring process Methods 0.000 title claims abstract description 19
- 238000000034 method Methods 0.000 claims abstract description 6
- 238000004891 communication Methods 0.000 claims description 25
- 238000001514 detection method Methods 0.000 claims description 17
- 238000005259 measurement Methods 0.000 claims description 15
- 238000009529 body temperature measurement Methods 0.000 claims description 13
- 230000006870 function Effects 0.000 claims description 8
- 238000012549 training Methods 0.000 claims description 6
- 238000013461 design Methods 0.000 claims description 4
- 239000013078 crystal Substances 0.000 claims description 3
- 238000005265 energy consumption Methods 0.000 claims description 3
- 238000013507 mapping Methods 0.000 claims description 3
- 238000010276 construction Methods 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 5
- 238000012423 maintenance Methods 0.000 abstract description 5
- 230000004927 fusion Effects 0.000 abstract description 3
- 230000009286 beneficial effect Effects 0.000 abstract description 2
- 238000004364 calculation method Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 9
- 239000003915 liquefied petroleum gas Substances 0.000 description 4
- 239000011435 rock Substances 0.000 description 4
- 230000003044 adaptive effect Effects 0.000 description 2
- 239000000567 combustion gas Substances 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009897 systematic effect Effects 0.000 description 2
- 230000007812 deficiency Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供一种基于模糊神经网络的电气火灾监控终端及其处理步骤,与现有技术相比,本发明具有如下的有益效果:通过采用无线传感网络实现传感设备的互联,使项目施工难度大大降低,工期缩短,日后的维护也大大简化,通过将模糊逻辑和神经网络技术有机结合,建立了用于处理火灾信号的模糊神经网络计算模型,利用神经网络构造模糊***,用模糊逻辑实现火灾信号参数的融合和灾情预判,通过利用神经网络的自学习和自适应能力自动调整模糊逻辑的规则集和隶属函数等***参数,用改进的BP算法对网络进行学习和训练,达到自学习型电气火灾预警***,提高了***的精度又最大限度的减少了***的误报率,解决了火灾报警***中长期存在的问题。
Description
技术领域
本发明是一种基于模糊神经网络的电气火灾监控终端及其处理步骤,属于火灾防控领域。
背景技术
目前,随着人民生活水平的日益提高,液化石油气越来越普遍地应用于千家万户的生活之中。不仅城市居民有,而且农村用户也在大量增加,甚至有的家庭拥有好几个气瓶。而随着国家西气东输管道的全线贯通,更是改善人民生活条件起到了积极作用。天然气进入家庭极大地方便了城市居民的生活用气,现在城市面多数用户家里做饭都是用得天然气。也因此各家各户都随时面临着由于液化气或天然气引起中毒和火灾危险。
液化石油气或天然气火灾频频发生,与用户缺乏安全使用、管理知识和缺少预防措施分不开的。如果每个用户都能掌握燃气的防火安全知识,且安全管理和使用,并配置家用可燃气体报警器,火灾是可以避免的。正因为目前很多用户没有燃气的防火安全知识,致使很多例因为人为操作不当而造成气体泄漏或引起火灾的事故
电气火灾参数主要包括剩余电流、温度、烟雾等物理量,传统的采集设备是一体化设计模式,信号采集模块集成在采集终端之上,采集终端通常只能监控配电柜内的相关参数。
发明内容
针对现有技术存在的不足,本发明目的是提供一种基于模糊神经网络的电气火灾监控终端及其处理步骤,以解决上述背景技术中提出的问题,本发明使用方便,便于操作,稳定性好,可靠性高。
1、为了实现上述目的,本发明是通过如下的技术方案来实现:一种基于模糊神经网络的电气火灾监控终端,包括剩余电流检测模块、烟雾测量模块、测温模块、嵌入式中央处理器以及数据存储器,还包括实时时钟和ZigBee无线信息通讯单元;所述剩余电流检测模块的输出端与嵌入式中央处理器的输入端连接,所述烟雾测量模块的输出端与嵌入式中央处理器的输入端连接,所述测温模块的输出端与嵌入式中央处理器的输入端连接,所述嵌入式中央处理器与实时时钟双向连接,所述嵌入式中央处理器与ZigBee无线信息通讯单元双向连接,所述嵌入式中央处理器与数据存储器双向连接。
进一步地,所述嵌入式中央处理器选用了Cortex-M3内核的增强型嵌入式处理器STM32F103VCT6作为控制核心,工作频率72MHz,处理性能达1.25DMIPS/MHz,片内集成256KFlash,48KSRAM,支持硬件除法和单周期乘法,片内集成I2C、SPI以及UART通讯接口。
进一步地,所述嵌入式中央处理器的UART通讯接口与剩余电流检测模块的输出端、烟雾测量模块的输出端以及测温模块的输出端连接,所述嵌入式中央处理器的I2C通讯接口与实时时钟双向连接,所述嵌入式中央处理器的SPI通讯接口与ZigBee无线信息通讯单元以及数据存储器双向连接。
进一步地,所述Zigbee无线信息通讯单元采用了TI公司的CC2530设计方案。
进一步地,所述实时时钟采用I2C接口的DS3231,内部集成带温度补偿功能的晶体振荡器,-40oC至+80oC范围内,精度达到±3.5ppm。
进一步地,所述数据存储器选用了写入速度快、擦写寿命长、可靠性高的铁电存储器,实现各能耗及电能质量数据的存储。
一种基于模糊神经网络的火灾预警处理步骤,包括以下步骤:
1)由剩余电流检测模块、烟雾测量模块以及测温模块完成剩余电流、温度和烟雾浓度的测量,并更加采集信息的编码进行分类汇总,同一物理区域的相关被测参数将进入模糊神经网络***进行处理,根据火灾特征预先选定多组数据构成训练样本集,使用附加动量项的BP算法对网络进行学习和训练,网络训练结束后,通过权值变化找出灾情参数与火灾发生概率之间的映射规律,即完成针对火灾特征的学习,自动生成适于火灾探测模型的模糊规则集和隶属度函数的参数,并提取各模糊推理规则相对作用的权值。模糊推理输出最终去模糊化后得到火灾概率,作为火灾判别的依据。
本发明的有益效果:本发明的一种基于模糊神经网络的电气火灾监控终端及其处理步骤,通过采用无线传感网络实现传感设备的互联,使项目施工难度大大降低,工期缩短,日后的维护也大大简化,随着半导体技术的发展,Zigbee无线传感网络成本逐步走低,目前已经与有线方式持平,相信随着应用日益广泛,价格优势也将显现出来,因而,利用无线传感网络改造底层传感网络,在不增加***成本的前提下,显著降低了***施工难度和维护成本,有效提高了产品的市场竞争力。
由于火灾信号的参数事先是不确定的,它会随着火灾特征,环境条件和电子噪声的变化而变化,因而灾情预警的重点在于提高预测准确度和减少误报率,通过将模糊逻辑和神经网络技术有机结合,建立了用于处理火灾信号的模糊神经网络计算模型,利用神经网络构造模糊***,用模糊逻辑实现火灾信号参数的融合和灾情预判,通过利用神经网络的自学习和自适应能力自动调整模糊逻辑的规则集和隶属函数等***参数,用改进的BP算法对网络进行学习和训练,达到自学习型电气火灾预警***,提高了***的精度又最大限度的减少了***的误报率,解决了火灾报警***中长期存在的问题。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明一种基于模糊神经网络的电气火灾监控终端的结构示意图;
图2为本发明一种基于模糊神经网络的火灾预警处理步骤的原理框图;
图中:1-剩余电流检测模块、2-烟雾检测模块、3-测温模块、4-嵌入式处理器、5-实时时钟、6-ZigBee无线信息通讯单元、7-数据存储器。
具体实施方式
为使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解,下面结合具体实施方式,进一步阐述本发明。
请参阅图1和图2,本发明提供一种技术方案:一种基于模糊神经网络的电气火灾监控终端,包括剩余电流检测模块1、烟雾测量模块2、测温模块3、嵌入式中央处理器4以及数据存储器7,还包括实时时钟5和ZigBee无线信息通讯单元6。
剩余电流检测模块1的输出端与嵌入式中央处理器4的输入端连接,烟雾测量模块2的输出端与嵌入式中央处理器4的输入端连接,测温模块3的输出端与嵌入式中央处理器4的输入端连接,嵌入式中央处理器4与实时时钟5双向连接,嵌入式中央处理器4与ZigBee无线信息通讯单元6双向连接,嵌入式中央处理器4与数据存储器7双向连接。
嵌入式中央处理器4选用了Cortex-M3内核的增强型嵌入式处理器STM32F103VCT6作为控制核心,工作频率72MHz,处理性能达1.25DMIPS/MHz,片内集成256KFlash,48KSRAM,支持硬件除法和单周期乘法,片内集成I2C、SPI以及UART通讯接口。
嵌入式中央处理器4的UART通讯接口与剩余电流检测模块1的输出端、烟雾测量模块2的输出端以及测温模块3的输出端连接,嵌入式中央处理器4的I2C通讯接口与实时时钟5双向连接,嵌入式中央处理器4的SPI通讯接口与ZigBee无线信息通讯单元6以及数据存储器7双向连接。
Zigbee无线信息通讯单元6采用了TI公司的CC2530设计方案,实时时钟5采用I2C接口的DS3231,内部集成带温度补偿功能的晶体振荡器,-40oC至+80oC范围内,精度达到±3.5ppm,数据存储器7选用了写入速度快、擦写寿命长、可靠性高的铁电存储器,实现各能耗及电能质量数据的存储。
一种基于模糊神经网络的火灾预警处理步骤,包括以下步骤:
由剩余电流检测模块1、烟雾测量模块2以及测温模块3完成剩余电流、温度和烟雾浓度的测量,并更加采集信息的编码进行分类汇总,同一物理区域的相关被测参数将进入模糊神经网络***进行处理,根据火灾特征预先选定多组数据构成训练样本集,使用附加动量项的BP算法对网络进行学习和训练,网络训练结束后,通过权值变化找出灾情参数与火灾发生概率之间的映射规律,即完成针对火灾特征的学习,自动生成适于火灾探测模型的模糊规则集和隶属度函数的参数,并提取各模糊推理规则相对作用的权值,模糊推理输出最终去模糊化后得到火灾概率,作为火灾判别的依据。
本发明的一种基于模糊神经网络的电气火灾监控终端及其处理步骤,通过采用无线传感网络实现传感设备的互联,使项目施工难度大大降低,工期缩短,日后的维护也大大简化,随着半导体技术的发展,Zigbee无线传感网络成本逐步走低,目前已经与有线方式持平,相信随着应用日益广泛,价格优势也将显现出来,因而,利用无线传感网络改造底层传感网络,在不增加***成本的前提下,显著降低了***施工难度和维护成本,有效提高了产品的市场竞争力。
由于火灾信号的参数事先是不确定的,它会随着火灾特征,环境条件和电子噪声的变化而变化,因而灾情预警的重点在于提高预测准确度和减少误报率,通过将模糊逻辑和神经网络技术有机结合,建立了用于处理火灾信号的模糊神经网络计算模型,利用神经网络构造模糊***,用模糊逻辑实现火灾信号参数的融合和灾情预判,通过利用神经网络的自学习和自适应能力自动调整模糊逻辑的规则集和隶属函数等***参数,用改进的BP算法对网络进行学习和训练,达到自学习型电气火灾预警***,提高了***的精度又最大限度的减少了***的误报率,解决了火灾报警***中长期存在的问题。
以上显示和描述了本发明的基本原理和主要特征和本发明的优点,对于本领域技术人员而言,显然本发明不限于上述示范性实施例的细节,而且在不背离本发明的精神或基本特征的情况下,能够以其他的具体形式实现本发明。因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外,应当理解,虽然本说明书按照实施方式加以描述,但并非每个实施方式仅包含一个独立的技术方案,说明书的这种叙述方式仅仅是为清楚起见,本领域技术人员应当将说明书作为一个整体,各实施例中的技术方案也可以经适当组合,形成本领域技术人员可以理解的其他实施方式。
Claims (7)
1.一种基于模糊神经网络的电气火灾监控终端,包括剩余电流检测模块、烟雾测量模块、测温模块、嵌入式中央处理器以及数据存储器,其特征在于:还包括实时时钟和ZigBee无线信息通讯单元;
所述剩余电流检测模块的输出端与嵌入式中央处理器的输入端连接,所述烟雾测量模块的输出端与嵌入式中央处理器的输入端连接,所述测温模块的输出端与嵌入式中央处理器的输入端连接,所述嵌入式中央处理器与实时时钟双向连接,所述嵌入式中央处理器与ZigBee无线信息通讯单元双向连接,所述嵌入式中央处理器与数据存储器双向连接。
2.根据权利要求1所述的一种基于模糊神经网络的电气火灾监控终端,其特征在于:所述嵌入式中央处理器选用了Cortex-M3内核的增强型嵌入式处理器STM32F103VCT6作为控制核心,工作频率72MHz,处理性能达1.25DMIPS/MHz,片内集成256KFlash,48KSRAM,支持硬件除法和单周期乘法,片内集成I2C、SPI以及UART通讯接口。
3.根据权利要求1或2所述的一种基于模糊神经网络的电气火灾监控终端,其特征在于:所述嵌入式中央处理器的UART通讯接口与剩余电流检测模块的输出端、烟雾测量模块的输出端以及测温模块的输出端连接,所述嵌入式中央处理器的I2C通讯接口与实时时钟双向连接,所述嵌入式中央处理器的SPI通讯接口与ZigBee无线信息通讯单元以及数据存储器双向连接。
4.根据权利要求1所述的一种基于模糊神经网络的电气火灾监控终端,其特征在于:所述Zigbee无线信息通讯单元采用了TI公司的CC2530设计方案。
5.根据权利要求1所述的一种基于模糊神经网络的电气火灾监控终端,其特征在于:所述实时时钟采用I2C接口的DS3231,内部集成带温度补偿功能的晶体振荡器,-40oC至+80oC范围内,精度达到±3.5ppm。
6.根据权利要求1所述的一种基于模糊神经网络的电气火灾监控终端,其特征在于:所述数据存储器选用了写入速度快、擦写寿命长、可靠性高的铁电存储器,实现各能耗及电能质量数据的存储。
7.一种基于模糊神经网络的火灾预警处理步骤,其特征在于:包括以下步骤:由剩余电流检测模块、烟雾测量模块以及测温模块完成剩余电流、温度和烟雾浓度的测量,并更加采集信息的编码进行分类汇总,同一物理区域的相关被测参数将进入模糊神经网络***进行处理,根据火灾特征预先选定多组数据构成训练样本集,使用附加动量项的BP算法对网络进行学习和训练,网络训练结束后,通过权值变化找出灾情参数与火灾发生概率之间的映射规律,即完成针对火灾特征的学习,自动生成适于火灾探测模型的模糊规则集和隶属度函数的参数,并提取各模糊推理规则相对作用的权值,模糊推理输出最终去模糊化后得到火灾概率,作为火灾判别的依据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510837986.2A CN105336081A (zh) | 2015-11-26 | 2015-11-26 | 一种基于模糊神经网络的电气火灾监控终端及其处理步骤 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510837986.2A CN105336081A (zh) | 2015-11-26 | 2015-11-26 | 一种基于模糊神经网络的电气火灾监控终端及其处理步骤 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105336081A true CN105336081A (zh) | 2016-02-17 |
Family
ID=55286577
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510837986.2A Pending CN105336081A (zh) | 2015-11-26 | 2015-11-26 | 一种基于模糊神经网络的电气火灾监控终端及其处理步骤 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105336081A (zh) |
Cited By (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809914A (zh) * | 2016-03-25 | 2016-07-27 | 南京林业大学 | 一种基于模糊推理的林火发生模型预警*** |
CN106209072A (zh) * | 2016-06-27 | 2016-12-07 | 电子科技大学 | 一种基于人工神经网络的晶体振荡器 |
CN106875613A (zh) * | 2016-12-23 | 2017-06-20 | 北京富邦智慧物联科技有限公司 | 一种火警态势分析方法 |
CN107564231A (zh) * | 2017-09-15 | 2018-01-09 | 山东建筑大学 | 基于物联网的建筑物火灾预警及火灾态势评估***及方法 |
CN108269379A (zh) * | 2018-03-27 | 2018-07-10 | 吉林建筑大学 | 基于互联网技术的复合火灾探测器 |
CN109461277A (zh) * | 2018-12-07 | 2019-03-12 | 深圳市中电数通智慧安全科技股份有限公司 | 一种电气火灾监测方法、装置及服务器 |
CN109859431A (zh) * | 2019-03-25 | 2019-06-07 | 软通智慧科技有限公司 | 一种火灾安全隐患的检测方法、***、设备及介质 |
CN110020629A (zh) * | 2019-04-10 | 2019-07-16 | 杨文广 | 一种基于物联网的融合智能视频服务***及方法 |
CN110570616A (zh) * | 2019-09-10 | 2019-12-13 | 淮阴工学院 | 一种基于物联网的多点火灾预警*** |
CN111798638A (zh) * | 2020-06-23 | 2020-10-20 | 国网陕西省电力公司电力科学研究院 | 基于信息融合的辅助***火情信息处理方法 |
CN112242036A (zh) * | 2019-07-01 | 2021-01-19 | 国电南瑞科技股份有限公司 | 一种变电站火灾报警方法及*** |
CN112712664A (zh) * | 2020-12-28 | 2021-04-27 | 云南电网有限责任公司电力科学研究院 | 一种电气火灾预警方法和*** |
CN113209533A (zh) * | 2021-04-27 | 2021-08-06 | 特斯联科技集团有限公司 | 一种应用于高层建筑的消防方法及*** |
CN113269941A (zh) * | 2021-05-11 | 2021-08-17 | 苏州热工研究院有限公司 | 一种基于多信息融合判断的电气火灾报警装置及控制方法 |
CN113379326A (zh) * | 2020-07-08 | 2021-09-10 | 贵州电网有限责任公司 | 一种基于深度神经网络的电网灾情应急演练管理*** |
CN117676093A (zh) * | 2023-12-19 | 2024-03-08 | 苏州伟卓奥科三维科技有限公司 | 一种基于云服务的远程无线视频监控*** |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US969296A (en) * | 1910-01-17 | 1910-09-06 | Elevator Safety Equipment Company | Elevator safety device. |
CN101504790A (zh) * | 2008-11-07 | 2009-08-12 | 清华大学 | 红外光束型火灾烟雾探测器及其检测方法 |
-
2015
- 2015-11-26 CN CN201510837986.2A patent/CN105336081A/zh active Pending
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US969296A (en) * | 1910-01-17 | 1910-09-06 | Elevator Safety Equipment Company | Elevator safety device. |
CN101504790A (zh) * | 2008-11-07 | 2009-08-12 | 清华大学 | 红外光束型火灾烟雾探测器及其检测方法 |
Non-Patent Citations (2)
Title |
---|
徐凤荣: "基于模糊神经网络的智能火灾探测报警***的研究", 《中国优秀硕士学位论文全文数据库 信息科学辑》 * |
饶浩彬等: "基于模糊算法的火灾智能控制***设计", 《湖南工业大学学报》 * |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105809914B (zh) * | 2016-03-25 | 2018-02-02 | 南京林业大学 | 一种基于模糊推理的林火发生模型预警*** |
CN105809914A (zh) * | 2016-03-25 | 2016-07-27 | 南京林业大学 | 一种基于模糊推理的林火发生模型预警*** |
CN106209072A (zh) * | 2016-06-27 | 2016-12-07 | 电子科技大学 | 一种基于人工神经网络的晶体振荡器 |
CN106209072B (zh) * | 2016-06-27 | 2018-10-16 | 电子科技大学 | 一种基于人工神经网络的晶体振荡器 |
CN106875613B (zh) * | 2016-12-23 | 2020-02-14 | 北京富邦智慧物联科技有限公司 | 一种火警态势分析方法 |
CN106875613A (zh) * | 2016-12-23 | 2017-06-20 | 北京富邦智慧物联科技有限公司 | 一种火警态势分析方法 |
CN107564231A (zh) * | 2017-09-15 | 2018-01-09 | 山东建筑大学 | 基于物联网的建筑物火灾预警及火灾态势评估***及方法 |
CN108269379A (zh) * | 2018-03-27 | 2018-07-10 | 吉林建筑大学 | 基于互联网技术的复合火灾探测器 |
CN109461277A (zh) * | 2018-12-07 | 2019-03-12 | 深圳市中电数通智慧安全科技股份有限公司 | 一种电气火灾监测方法、装置及服务器 |
CN109859431A (zh) * | 2019-03-25 | 2019-06-07 | 软通智慧科技有限公司 | 一种火灾安全隐患的检测方法、***、设备及介质 |
CN110020629A (zh) * | 2019-04-10 | 2019-07-16 | 杨文广 | 一种基于物联网的融合智能视频服务***及方法 |
CN112242036A (zh) * | 2019-07-01 | 2021-01-19 | 国电南瑞科技股份有限公司 | 一种变电站火灾报警方法及*** |
CN110570616A (zh) * | 2019-09-10 | 2019-12-13 | 淮阴工学院 | 一种基于物联网的多点火灾预警*** |
CN111798638A (zh) * | 2020-06-23 | 2020-10-20 | 国网陕西省电力公司电力科学研究院 | 基于信息融合的辅助***火情信息处理方法 |
CN113379326A (zh) * | 2020-07-08 | 2021-09-10 | 贵州电网有限责任公司 | 一种基于深度神经网络的电网灾情应急演练管理*** |
CN112712664A (zh) * | 2020-12-28 | 2021-04-27 | 云南电网有限责任公司电力科学研究院 | 一种电气火灾预警方法和*** |
CN113209533A (zh) * | 2021-04-27 | 2021-08-06 | 特斯联科技集团有限公司 | 一种应用于高层建筑的消防方法及*** |
CN113269941A (zh) * | 2021-05-11 | 2021-08-17 | 苏州热工研究院有限公司 | 一种基于多信息融合判断的电气火灾报警装置及控制方法 |
CN117676093A (zh) * | 2023-12-19 | 2024-03-08 | 苏州伟卓奥科三维科技有限公司 | 一种基于云服务的远程无线视频监控*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105336081A (zh) | 一种基于模糊神经网络的电气火灾监控终端及其处理步骤 | |
CN104777383B (zh) | 一种非侵入式电力负载监测与负荷分解装置 | |
CN103472781B (zh) | 基于数据挖掘的节能家电能耗监督评测***及控制方法 | |
CN109102669A (zh) | 一种变电站辅助设施检测控制方法及其装置 | |
CN105203929A (zh) | 一种固定式开关柜局部放电在线检测装置及方法 | |
CN105590144A (zh) | 一种基于narx神经网络的风速预测方法及装置 | |
CN104049072A (zh) | 蜂窝式无线通讯的水质参数远程监测*** | |
CN107153915A (zh) | 一种变电站不变化遥测数据自动检测的方法和*** | |
CN115144680A (zh) | 一种用于辅助调频的超级电容储能***及方法 | |
Omambia et al. | Water quality monitoring using IoT & machine learning | |
CN204177417U (zh) | 基于物联网的大型冷库温湿度监测装置 | |
CN205584199U (zh) | 一种基于电力线载波通信的温度检测装置 | |
CN116566036A (zh) | 一种用能负荷在线智能监测*** | |
Zhao et al. | Analysis and design of a context-aware smart home system | |
Du | Prediction of consumer price index based on RBF neural network | |
Sung et al. | Fish pond culture via fuzzy and self-adaptive data fusion application | |
CN205405216U (zh) | 基于物联网的智能电费监控*** | |
CN203929760U (zh) | 蜂窝式无线通讯的水质参数远程监测*** | |
CN110972378A (zh) | 一种承载5g基站的智慧灯杆电源感知及监控*** | |
CN110930595A (zh) | 一种基于物联网的智能储物装置 | |
TW201702941A (zh) | 校園節能類神經網路決策支援系統及其方法 | |
Jiang et al. | [Retracted] An Optimized Decision Method for Smart Teaching Effect Based on Cloud Computing and Deep Learning | |
田雯雯 et al. | Condition monitoring of wind turbine gearbox based on improved AAKR | |
CN202543214U (zh) | 一种沼气发酵罐的温度控制*** | |
CN204302344U (zh) | 基于神经网络算法的防光伏发电骗补装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20160217 |