【技术实现步骤摘要】
一种结合边缘计算的厨电危险智能监测方法
本专利技术涉及边缘计算和人工智能
，具体涉及一种结合边缘计算的厨电危险智能监测方法。
技术介绍
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LSTMRNN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...
【技术保护点】
1.一种结合边缘计算的厨电危险智能监测方法，其特征在于，包括下述步骤：/n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；/n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；/n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：/n数据预处...
【技术特征摘要】
1.一种结合边缘计算的厨电危险智能监测方法，其特征在于，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；
接着利用最大最小贴近度，计算厨电传感器网络数据的信噪比，通过信噪比融合技术对厨电数据的近似系数进行融合；最后，利用小波变换重构技术，得到融合后的标准厨电数据，并将这些数据输入到边缘计算节点的异常检测模块；
步骤四，异常检测模块将通过人工智能算法从标准化数据中找出异常或离群的厨电数据，这些数据包括超过安全范围的有毒气体浓度、设备过载电流大小、设备空转数据；异常检测模块将实时检测出的异常数据输入到边缘计算节点的故障诊断模块，具体为：
异常检测模块采用深度学习的自编码神经网络模型重构误差的方法检测厨电设备数据异常，该网络模型的输入层和输出层节点数量相同，网络模型中间层的节点数少于输入层和输出层的节点数；网络模型的计算过程分为编码和解码两部分：输入的厨电数据通过编码过程得到中间低维...
【专利技术属性】
技术研发人员：刘建圻，王欧宇，曾碧，尹秀文，
申请(专利权)人：广东工业大学，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。