[发明专利]一种结合边缘计算的厨电危险智能监测方法

说明书

本发明公开了一种结合边缘计算的厨电危险智能监测方法，包括下述步骤：在厨房的不同设备与不同位置部署不同类型的传感器，并将以上传感器构成厨电传感器网络，实时采集相关的各项数据；厨电传感器网络将采集到的数据传输到邻近部署的边缘计算节点，边缘计算节点包括数据预处理模块、异常检测模块和故障诊断模块；边缘计算节点还储存有深度学习网络模型和基于知识的故障推理所需的知识库；本发明采用的厨电传感器网络，兼容了多种传感器，可以针对多种厨电隐患实时采集各种数据，充分获取全方位的潜在危险源；采用的靠近数据源部署的边缘计算节点对厨电数据的处理，有利于降低系统延迟，提高反应速度。

技术领域

本发明涉及边缘计算和人工智能技术领域，具体涉及一种结合边缘计算的厨电危险智能监测方法。

背景技术

异常检测和故障诊断技术是厨电设备安全性的重要保障，现有技术中也存在一些基于传统手段的监测方法：例如一种基于STM32单片机为核心元件的厨房有害气体检测系统，其通过安置CO、CH3等气体传感器，检测气体浓度，并根据预先设定的灵敏度和阈值判断是否存在异常，最后通过发送警报短信和一键式电话实现远程报警功能。然而，目前采用传统方法的厨电异常检测和故障诊断主要依靠人工经验，准确性和智能化程度低，在厨电危险产生时，可靠性不足，难以保证厨电安全的需求，因此为了保障居民的生命财产安全，需要更加智能的手段。

当前，人工智能技术在社会生活中的其他领域取得了非凡的成就，颇受世人瞩目。同时，深度学习中的一些异常检测和故障分析的智能算法值得科研工作者的关注和借鉴：比如一种基于LSTM RNN神经网络的实时联合异常检测模型，可以完成网络学习和特征操作，提供实时有效的联合异常检测；比如可以在异常检测中引入生成对抗网络(GAN)，利用生成对抗网络实现对图像和网络数据库的检测。物联网领域中新兴的边缘计算技术受到了研究人员的广泛关注。边缘计算是在靠近终端或数据源头处，完成计算、存储等工作的平台。边缘计算的主要目的是就近提供服务。边缘计算通过赋予网络边缘设备一定的计算能力和存储能力，可以实现人工智能算法的执行，从而实现设备的智能化，同时进一步降低延迟，达到充分利用计算资源的目的。

发明内容

本发明的目的在于克服现有技术的缺点与不足，提供一种结合边缘计算的厨电危险智能监测方法，该方法利用边缘计算技术，在靠近厨电数据源处部署边缘计算节点，执行人工智能算法，完成对厨电危险的异常检测和故障分析工作，给出危险应对措施，从而排除厨电危险；通过本方法，能够充分提高厨电安全系统的检测准确度和智能化水平，有利于减少厨电危险安全事故的发生，充分保障居民的人生财产安全。

本发明的目的通过下述技术方案实现：

一种结合边缘计算的厨电危险智能监测方法，包括下述步骤：

步骤一，在厨房的不同设备与不同位置部署不同类型的传感器，并将以上传感器构成厨电传感器网络，实时采集相关的各项数据；

步骤二，厨电传感器网络将采集到的数据传输到邻近部署的边缘计算节点，边缘计算节点包括数据预处理模块、异常检测模块和故障诊断模块；边缘计算节点还储存有深度学习网络模型和基于知识的故障推理所需的知识库；

步骤三，数据预处理模块对获取到的厨电传感器网络数据进行预处理，包括去噪、Kalman滤波和融合操作，从而得到标准化的厨电数据，用于后续的数据异常检测和厨电故障诊断阶段，具体为：

数据预处理模块利用小波变换技术对来自厨电传感器网络采集的数据进行去噪、压缩和分层处理；对分层后的数据基于以下公式，实现Kalman滤波：

T(t|t)＝(1-Kg(t)H)(t|t-1) (1)

其中，表示Kalman增益，H是测量系统的参数；利用Kalman滤波，可以通过上一时刻的最优厨电数据估计结果来预测当前的数据值；