[发明专利]基于模糊推理的烟花爆竹生产监控预警方法及系统

权利要求书

1.一种基于模糊推理的烟花爆竹生产监控预警方法，其特征在于，包括如下步骤：

步骤S1：采集烟花爆竹生产现场的面积、结构、温度、湿度、粉尘含量、静电状况、预警类型、预警等级；其中，温度、湿度、粉尘含量、静电状况构成影响因素矩阵X，面积、结构构成影响因子，预警类型和预警等级构成决策变量；

步骤S2：利用粗糙-模糊集建立影响因素矩阵X与生产现场安全指数之间的非线性关系，获得监控预警模型，包括；

步骤S21：输入样本X_k，X_k＝[x_k1,x_k2,...,x_kM],k＝1,2,...,S，S为训练样本的个数，x_ki为第k个样本中第i个传感器的测量值，i＝1,2,...,M；

步骤S22：对输入样本X_k，对每一个传感器的测量样本进行模糊化处理A_i＝(a_i0,a_i1,a_i2)＝(x_i-2σ_i,x_i,x_i+2σ_i)，a_i0，a_i1，a_i2为三角形隶属函数的三个端点，x_i为测量值，σ_i为测量方差；

步骤S23：基于相似性度量，计算样本间的距离d(A_i,A_j)，i,j＝1,2,...,M；

步骤S24：计算样本间的贴近度

步骤S25：根据每个传感器的测量样本A_i与目标估计量A₀的贴近程度，计算同类别传感器的各个测量值之间的相对权重

步骤S26：利用融合函数A_i＝(a_i0,a_i1,a_i2)得到粗糙-模糊集为的三个端点；

步骤S27：判断是否完成所有样本的训练；如果是，完成建模；如果否，跳转至步骤S22；

步骤S3：利用模糊规则插值算法对监控预警模型进行模糊推理，获得决策变量的最终解，具体包括以下子步骤：

步骤S31：初始化所述监控预警模型参数，包括偏移因子λ、比例因子s、移动因子m；

步骤S32：计算粗糙-模糊集的代表值和为的基值，为的峰值；

步骤S33：根据偏移因子得到中间插值推理结果和其中，和为两条推理规则，和为规则前件，和为规则后件，和为的基值，为的峰值，和为的基值，为的峰值；

步骤S34：利用粗糙-模糊集和中间插值推理结果的基值，计算比例因子

步骤S35：判断与的大小，如果则移动因子否则，移动因子

步骤S36：基于比例因子s，进行第一次近似变换，得到中间插值推理结果其中，和为的基值，为的峰值；

步骤S37：基于移动因子m，进行第二次近似变换，得到模糊推理结果其中，如果m≥0，则否则

和为的基值，为的峰值；

步骤S38：对去模糊化，得到最终解

步骤S4：将决策变量的最终解作为监控预警的决策X^*。

2.根据权利要求1所述的基于模糊推理的烟花爆竹生产监控预警方法，其特征在于，该方法还包括步骤S5，监控预警的决策X^*通过服务器下发至从业企业的终端设备进行展示，用户根据终端设备展示的决策X^*实现生产现场的监控预警。