[发明专利]燃气报警器系统

说明书

本发明涉及一种燃气报警器系统，包括服务器和若干个燃气报警器，若干个燃气报警器均与服务器通信连接；各个燃气报警器用于采集当前环境数据、红外气体传感器的输出电压、燃气浓度，并将同一时刻采集的环境数据、输出电压、燃气浓度构造成一个数据样本上传给服务器；服务器根据各个燃气报警器上传的数据样本进行机器学习，更新校正系数的网络模型，并将校正系数的网络模型的模型参数下发给各个燃气报警器；各个燃气报警接收服务器下发的模型参数，并基于所述模型参数更新已存储的校正系数的网络模型。本发明通过不断采集样本不断学习，使得校正系数的网络模型不断优化，继而输出更准确的校正系数值，得到更准确的燃气浓度，继而降低误报率。

技术领域

本发明涉及用气安全技术领域，特别涉及一种燃气报警器系统。

背景技术

燃气报警器是用于监测燃气泄露并报警的装置。报警器燃气浓度输出Q=kU，其中，U为红外气体传感器的输出电压，与燃气浓度成正比，k为考虑多种因素后的校正系数。多种因素包括温度、湿度、红外气体传感器本身特性，且LD传感本身特性也会随温度、湿度变化而变化，因此在不同环境下k的取值理应是不同的，这样采样的燃气浓度输出Q才更准确。而目前的燃气报警器的校正系数是固定的，继而导致采样的Q值不准确，因此经常出现误报警的情况。

发明内容

本发明的目的在于提供一种燃气报警器系统，以降低误报率。

为了实现上述发明目的，本发明实施例提供了以下技术方案：

一种燃气报警器系统，包括服务器和若干个燃气报警器，所述若干个燃气报警器均与所述服务器通信连接；

各个燃气报警器用于采集当前环境数据、红外气体传感器的输出电压、燃气浓度，并将同一时刻采集的环境数据、输出电压、燃气浓度构造成一个数据样本上传给服务器；

服务器根据各个燃气报警器上传的数据样本进行机器学习，更新校正系数的网络模型，并将所述校正系数的网络模型的模型参数下发给各个燃气报警器；

各个燃气报警接收服务器下发的模型参数，并基于所述模型参数更新已存储的校正系数的网络模型。

本方案中，通过不断采集燃气报警器的数据样本进行机器学习，得到更加准确的校正系数网络模型，工作时基于当前实时采集数据及更新的校正系数网络模型计算燃气浓度，即所采用的校正系数不是固定不变的，而是会根据环境的变化而变化，可以改善因为环境因素直接导致的测量不准确的问题，进而降低甚至消除误报警的情况。

所述环境数据包括温度数据和湿度数据。影响校正系数较大的环境因素是温度和湿度，本方案中同时考虑了这两个因素，因此有利于获得更准确的校正系数。

所述校正系数的网络模型为BP神经网络模型，包括输入层、隐含层和输出层，输入层包含3个输入参数，分别为温度、湿度、红外气体传感器的输出电压；输出层有一个参数，为校正系数。BP神经网络模型技术成熟，可靠性高，可以很好地保障系统的可靠性。

服务器中原有的校正系数的网络模型通过以下方式训练而得：在工厂实验室中设定不同的温度、湿度、红外气体传感器的输出电压，以及当前的设定燃气浓度值，得到不同的训练样本，服务器基于这些训练样本进行网络训练，得到校正系数的网络模型。

服务器根据各个燃气报警器上传的数据样本进行机器学习时，先调取一份数据样本，计算各神经元的输入和输出，再计算各神经元的误差，然后调整神经元的权值和阈值；循环执行调取数据样本—调整神经元的权值和阈值的处理过程，直至数据样本用完。

还包括可燃气体检测仪，用于在燃气报警器的安装点测试燃气报警器当前的燃气浓度值，并将其与同时采集的温度、湿度、红外气体传感器作为一个训练样本上传给服务器；服务器还用于基于这些训练样本进行训练，更新校正系数的网络模型。本方案中，利用可燃气体检测仪采集准确的燃气浓度值，基于训练样本进行训练可以得到更加准确的校正系数网络模型，消除由于红外气体传感器本身性能引起的误差。