一种智能可燃气体泄漏报警装置的制造方法
【技术领域】
[0001] 本实用新型涉及一种气体泄漏报警装置，特别是一种智能可燃气体泄漏报警装 置。
【背景技术】
[0002] 人们在使用天然、煤气或液化气等可燃气的过程中可存在相关器件连接松动或者 未关闭严实导致可燃气体泄露，一旦发现不及时可能导致事故，威胁到人们生命和财产安 全；目前市场上的可燃气体泄露检测报警主要有两种方案，方案一：通过硬件电路比较器 与某个固定电平进行比较，若连续高过该点电平一定的时间进行报警；方案二：通过将可 燃气体烟雾传感输出电平通过AD(数字模拟转器）转换器转换为数字电平；微处理对数字 化的可燃气体浓度进行处理，将采集得到的可燃气体浓度与一个预设置的可燃气体浓度进 行比较，若连续大于预设置的可燃气体浓度一段时间，则进行报警。
[0003] 上述两种方案其实质都是采集到烟雾浓度与预设值的烟雾浓度进行比较；这个预 设值一般都是厂家在研发时在实验室测试标定出来；但产品的实际应用场合比较复杂，在 不同安装场合和时间对可燃气体泄露报警器的对探测灵敏度有不同的要求；例如在厨房天 然气或煤气做饭时，存在燃料燃烧不充分，导致可燃气体含量上升，若此时设置可燃气体泄 露报警器的灵敏度比较高时，将产生误告警，若将灵敏度调整到比较低时，可能在不做饭时 无法及时发现轻的燃气泄露。
[0004] 综上所述，目前的可燃气体泄露报警器不具备适应环境的能力。
[0005] 需要解决目前可燃气体泄露报警器安装太高时对发生可燃气体泄露感知能力降 低，在用可燃气体时经常发生误告警的问题。 【实用新型内容】
[0006] 本实用新型提供了一种智能可燃气体泄漏报警装置，解决目前可燃气体泄露报警 器安装太高时对发生可燃气体泄露感知能力降低，在用可燃气体时经常发生误告警的问 题。
[0007] 本实用新型的一种智能可燃气体泄漏报警装置，包括采集模块、数据处理模块、告 警判定模块及自主学习模块，采集模块用于采集可燃气体浓度数据；数据处理模块对装置 采集到的数据进行预处理；告警判定模块用于判定烟雾浓度是否超过当前时间窗内的烟雾 浓度报警阈值；自主学习模块用于将采样数据加入样本序列，重新确定报警判定门限值，解 决目前可燃气体泄露报警器安装太高时对发生可燃气体泄露感知能力降低，在用可燃气体 时经常发生误告警的问题。
[0008] 作为优选，所述可燃气体为天然气或煤气或液化气或甲烷或氢气。
【附图说明】
[0009] 图1为本实用新型智能可燃气体泄漏报警装置检测方法总体流程示意图；
[0010] 图2为本实用新型智能可燃气体泄漏报警装置检测方法详细流程示意图；
[0011] 图3为本实用新型智能可燃气体泄漏报警装置检测方法自主学习详细流程示意 图。
【具体实施方式】
[0012] 以下将对本实用新型的一个【具体实施方式】进行说明。
[0013] 如图1所示，本实用新型智能可燃气体泄漏报警装置检测方法包括：步骤101 :装 置采集可燃气体浓度；步骤102 :对装置采集到的数据进行预处理；步骤103 :对本次采样 滑动时间窗的进行告警判定；步骤104 :将采样数据加入样本序列，并进行机器学习。
[0014] 如图2所述，所述智能可燃气体泄露报警装置检测方法详细具体包括如下步骤：
[0015] 步骤201 :装置采集可燃气体浓度数据，该可燃气体包括天然气、煤气、液化气、甲 烷、和氢气。每2秒一个采样周期，一个采样周期采样10次，除去最大值和最小值后取均值， 作为本次采样的可燃气体浓度数据。
[0016] 步骤202 :对采样数据平滑处理，对采样数据与时移矩形窗函数相乘法，取出当前 时间窗内的采样数据序列，对当前时间窗内的数据序列数据进行平滑处理，采样线性拟合 平滑算法，但不仅限于该算法。所述时移矩形窗函数为.
其 中τ为窗的宽度，在本实用新型中采用窗宽度为20秒。
[0017] 步骤203 :判定烟雾浓度是否超过当前时间窗内的烟雾浓度报警阈值；若超过报 警阈值，则转至步骤204 ;若未超过报警阈值，则转至步骤207 ;
[0018] 所述报警阈值在装置未完成自主学习时，采用厂家根据国家标准测试定标得到的 一个报警判定门限值。在完成自主学习后，装置根据装置现场环境事件情况学习到一个报 警判定门限值。
[0019] 步骤204 :开启本地报警语音播报，并记录告警的发生的时间和可燃气浓度。
[0020] 步骤205 :用户通过装置上的按键或者手机APP确认是否有效告警；
[0021] 步骤206 :将用户确认的告警记录到告警样本队列；
[0022] 步骤207 :将用户确认的误告警记录误告警样本队列；
[0023] 步骤208 :运行一天后，在装置预订的时间进行装置自主学习。
[0024] 如图3所示，所述智能可燃气体泄露报警装置检测方法自主学习具体包括如下实 施步骤：
[0025] 步骤301 :以3分钟为时间段，将一天分为480个时间段；分别求出每个时间段的 可燃气体浓度均值和整天的可燃气体浓度均值；
[0026] 步骤302 :从各时间分段中查找可燃气体浓度最大的时间分段，并将该时段标记 为当前时间段；
[0027] 步骤303 :当前时间段最大浓度若否过整天浓度均值20%，则执行步骤304 ;否则 转至步骤310 ;
[0028] 步骤304 :当前时间段的前一个时间段的浓度若比整天浓度均值高10%，执行步 骤305,否则转至步骤306 ;
[0029] 步骤305 :将当前时间段和前一时间段合并为当前时间段，并转至步骤304 ;
[0030] 步骤306 :当前时间段的后一个时间段的浓度若比整天浓度均值高10%，执行步 骤307,否则转至步骤308 ;
[0031] 步骤307 :将当前时间段和后一时间段合并为当前时间段，并转至步骤306 ;
[0032] 步骤308 :计算当前时间段浓度方差和浓度均值最大分段的浓度均值，并记录时 间段的开始和结束时间，并标记为用气时间段；
[0033] 步骤309 :剔除当前时间段数据，转至步骤302 ;
[0034] 步骤310 :是否完成初始化学习，所述初始化学习是指在装置出厂安装到现场时， 需要一段时间完成环境学习；没完成则执行步骤311，完成则执行步骤314。
[0035] 步骤311 :逐个取历史记录中每个时段浓度值与今天对应时段浓度值比较，选择 大的浓度值存储到历史记录中；
[0036] 步骤312:是否完成初始化学习，若完成学习，则执行步骤313,未完成则结束流 程。
[0037] 步骤313 :逐个取历史记录中每个时段浓度值，将值乘1. 5对应时段的浓度阈值， 超过国家标准值，贝1J用国家标准值替代。
[0038] 步骤314 :告警样本队列存在告警，则执行步骤315,否则转至步骤318 ;
[0039] 步骤315 :从告警样本队列取出一个告警，判定告警发生时间是否属于用气时段； 是用气时段则执行步骤316,否则转至步骤317 ;
[0040] 步骤316 :将所有时段的浓度阈值大于该告警事件判定的浓度阈值用该告警事件 的浓度阈值进行替代，并转至步骤314 ;
[0041] 步骤317 :将非用气时段的浓度阈值大于该告警事件判定的浓度阈值用该告警事 件的浓度阈值进行替代并转至步骤314 ;
[0042] 步骤318 :误告警样本队列有误告警则执行步骤319,否则流程结束
[0043] 步骤319:从误告警样本队列取出一个误告警，判定误告警发生时间是否属于非 用气时段；是非用气时段则执行步骤320,否则转至步骤321 ;
[0044] 步骤320 :将所有时段浓度阈值小于该告警事件判定浓度阈值，则用该告警事件 的浓度均值加5%作为判定阈值，超过国家标准值，则用国家标准值替代。
[0045] 步骤321 :将用气时段中浓度阈值小于该告警事件判定浓度阈值，则用该告警事 件的浓度均值加5%作为判定阈值，超过国家标准值，则用国家标准值替代。
[0046] -种智能可燃气体泄漏报警装置，包括采集模块、数据处理模块、告警判定模块及 自主学习模块，采集模块用于采集可燃气体浓度数据；数据处理模块对装置采集到的数据 进行预处理；告警判定模块用于判定烟雾浓度是否超过当前时间窗内的烟雾浓度报警阈 值；自主学习模块用于将采样数据加入样本序列，重新确定报警判定门限值。
[0047] 以上通过具体实施例对本实用新型进行了详细的说明，但本实用新型并不受限于 此。在不违背本实用新型精神的前提下，本领域技术人员可对本实用新型作出各种改变和 变型。
【主权项】
1. 一种智能可燃气体泄漏报警装置，包括采集模块、数据处理模块、告警判定模块及自 主学习模块，采集模块用于采集可燃气体浓度数据；数据处理模块对装置采集到的数据进 行预处理；告警判定模块用于判定烟雾浓度是否超过当前时间窗内的烟雾浓度报警阈值； 自主学习模块用于将采样数据加入样本序列，重新确定报警判定门限值。2. 按照权利要求1所述智能可燃气体泄漏报警装置，其特征在于：该可燃气体为天然 气或煤气或液化气或甲烷或氢气。
【专利摘要】本实用新型提供了一种智能可燃气体泄漏报警装置，包括采集模块、数据处理模块、告警判定模块及自主学习模块，采集模块用于采集可燃气体浓度数据；数据处理模块对装置采集到的数据进行预处理；告警判定模块用于判定烟雾浓度是否超过当前时间窗内的烟雾浓度报警阈值；自主学习模块用于将采样数据加入样本序列，重新确定报警判定门限值，解决目前可燃气体泄露报警器安装太高时对发生可燃气体泄露感知能力降低，在用可燃气体时经常发生误告警的问题。
【IPC分类】G08B21/16
【公开号】CN205016036
【申请号】CN201520652705
【发明人】潘俊林, 刘冠群
【申请人】广州金匙信息科技有限公司
【公开日】2016年2月3日
【申请日】2015年8月26日