[发明专利]一种基于智能算法的复合烟感低误报方法在审
| 申请号： | 201911386004.7 | 申请日： | 2019-12-29 |
| 公开（公告）号： | CN111242278A | 公开（公告）日： | 2020-06-05 |
| 发明（设计）人： | 梁昆;傅一波;王利强;钱伟 | 申请（专利权）人： | 杭州拓深科技有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04;G06N3/12;G01N15/06;G01N33/00;G08B17/103 |
| 代理公司： | 杭州赛科专利代理事务所(普通合伙) 33230 | 代理人： | 郭薇 |
| 地址： | 310052 浙江省杭州市*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 智能 算法 复合 烟感低误报 方法 | ||
1.一种基于智能算法的复合烟感低误报方法，其特征在于：所述方法包括以下步骤：
步骤1：初始化烟感，获得初始化样本数据集合A；
步骤2：配合烟感中设置湿敏传感器，获得初始化样本数据集合B；
步骤3：配合烟感设置气体传感器，获得初始化样本数据集合C；
步骤4：构建BP神经网络，取集合A和B作为输入样本，以集合C作为验证集，训练BP神经网络；
步骤5：在烟感中置入湿敏传感器；
步骤6：实时获得烟感和湿敏传感器的数据，基于训练完的BP神经网络，输出；
步骤7：基于输出结果进行报警或继续监测。
2.根据权利要求1所述的一种基于智能算法的复合烟感低误报方法，其特征在于：所述步骤3中，气体传感器为CO传感器。
3.根据权利要求1所述的一种基于智能算法的复合烟感低误报方法，其特征在于：所述步骤4中，BP神经网络为基于遗传算法的BP神经网络。
4.根据权利要求3所述的一种基于智能算法的复合烟感低误报方法，其特征在于：所述步骤4中，构建基于遗传算法的BP神经网络包括以下步骤：
步骤4.1：初始化种群数N；
步骤4.2：确定适应性函数及控制参数；
步骤4.3：进行选择、交叉、变异操作，反馈结果至BP神经网络；
步骤4.4：若得到最优权值估计，构建基于遗传算法的BP神经网络，否则，返回步骤4.3。
5.根据权利要求4所述的一种基于智能算法的复合烟感低误报方法，其特征在于：所述步骤4.2中，函数其中，e为改进BP神经网络的最大估计误差，Yi为实际输出，Ci期望输出。
6.根据权利要求3所述的一种基于智能算法的复合烟感低误报方法，其特征在于：所述BP神经网络的误差函数中包括惩罚项。
7.根据权利要求1所述的一种基于智能算法的复合烟感低误报方法，其特征在于：所述步骤7中，若输出结果为水汽过多，则进行干燥处理。
8.根据权利要求7所述的一种基于智能算法的复合烟感低误报方法，其特征在于：所述烟感内设有风机。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于杭州拓深科技有限公司，未经杭州拓深科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201911386004.7/1.html，转载请声明来源钻瓜专利网。
