一种矿用分布式光纤测温防灭火控制系统的制作方法
- 国知局
- 2024-07-05 17:19:09
本技术涉及智能控制领域,且更为具体地,涉及一种矿用分布式光纤测温防灭火控制系统。
背景技术:
1、矿井通常是一个封闭空间,矿井中也存在易燃易爆等危险物质,如果在矿井中发生火灾,很难进行灭火救援,导致非常严重的后果。因此,在矿井中布置防灭火控制方案尤为重要。
2、例如申请号为201610919731.5的中国专利公开了一种矿井爆炸监测报警与控制系统。所述系统主要包括信息处理服务器、报警装置、通信网络、抑爆灭火设备、气体浓度监测装置及各类环境监测装置;所述系统可监测瓦斯爆炸引起的烟雾、温度等多种数据的变化,并通过气体浓度监测装置对标志气体浓度进行监测、根据监测得到的数据对矿井爆炸进行报警,并自动抑爆灭火,减少人员伤亡,降低瓦斯爆炸造成的损失。所述系统克服了传统爆炸监控所采用的瓦斯监测等方法存在的反应慢、误报率和漏报率高等缺点,大大提高了报警准确度,为煤矿安全生产提供重要保障。
3、再如,申请号为202010542965.9的中国专利公开了一种物联网型区域灭火安防监控系统,包括区域灭火装置群,视频监控群及上位机集中监控系统;区域灭火装置群由八台升级改造后的矿用区域自动喷粉灭火装置组成,布置于煤矿井下各机电设备硐室中;视频监控群,由16台矿用本安摄像仪组成,布置于煤矿井下各机电设备硐室中,采集机电硐室的视频图像,为火灾图像识别提供视频数据,上位机集中监控系统,包括图像监控和设备参数监控,图像监控结合图形识别算法可实时分析图像中是否发生火情,设备参数监控帮助工作人员远程了解设备状态。该发明能多维度监测煤矿井下是否发生火情,一旦监测到发生火灾,灭火装置快速开启,实现灭火设备的远程集中监控,最大程度防止煤矿井下火灾的发生。
4、类似上述现有诸多用于矿井的防灭火方案,但这些防灭火方案还无法实现全区域覆盖,这就导致了无法监测矿井中各个区域的温度变化,以及时报警。
5、因此,期待一种优化的用于矿井环境的防灭火控制方案。
技术实现思路
1、为了解决上述技术问题,提出了本技术。本技术的实施例提供了一种矿用分布式光纤测温防灭火控制系统,其通过采用深度学习的神经网络模型挖掘出矿井关键部位的各个位置的温度时序分布关联特征并以此来自适应的控制各个位置的灭火设备,这样,能够更好地理解和把握矿井中各个位置的温度变化情况,进而为后续的自动化灭火决策提供更加可靠、准确的依据。
2、根据本技术的一个方面,提供了一种矿用分布式光纤测温防灭火控制系统,其包括:
3、温度数据采集模块,用于获取由分布式光纤测温系统采集的矿井关键部位的多个位置的温度时序离散分布;
4、结构化模块,用于将所述各个位置的温度时序离散分布分别按照时间维度排列为多个温度时序输入向量;
5、温度时序特征提取模块,用于将所述多个温度时序输入向量分别通过包含第一卷积层和第二卷积层的温度时序特征提取器以得到多个温度时序特征向量,其中,所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核;
6、温度时序邻域关联特征提取模块,用于将所述多个温度时序特征向量排列为二维特征矩阵后通过作为特征提取器的卷积神经网络模型以得到温度全局分布特征矩阵;
7、查询模块,用于以所述各个温度时序特征向量作为查询特征向量,计算其与所述温度全局分布特征矩阵之间的矩阵乘积以得到多个分类特征向量;
8、优化模块,用于分别对所述各个分类特征向量进行规则化强化以得到多个优化后分类特征向量;以及
9、控制结果生成模块,用于将所述各个优化后分类特征向量通过分类器以得到分类结果,所述分类结果用于表示是否自动开启各个位置的灭火设备。
10、在上述矿用分布式光纤测温防灭火控制系统中,所述第一卷积层和所述第二卷积层是并行的,所述温度时序特征提取器还包括同时与所述第一卷积层和所述第二卷积层连接的多尺度特征融合层。
11、在上述矿用分布式光纤测温防灭火控制系统中,所述温度时序特征提取模块,包括:第一温度时序特征提取单元,用于将所述温度时序输入向量输入所述温度时序特征提取器的第一卷积层以得到第一尺度温度时序特征向量,其中,所述第一卷积层具有第一长度的第一一维卷积核;第二温度时序特征提取单元,用于将所述温度时序输入向量输入所述温度时序特征提取器的第二卷积层以得到第二尺度温度时序特征向量,其中,所述第二卷积层具有第二长度的第二一维卷积核,所述第一长度不同于所述第二长度;以及,多尺度级联单元,用于将所述第一尺度温度时序特征向量和所述第二尺度温度时序特征向量进行级联以得到所述温度时序特征向量。其中,所述第一温度时序特征提取单元,用于:使用所述温度时序特征提取器的第一卷积层以如下一维卷积公式对所述温度时序输入向量进行一维卷积编码以得到第一尺度温度时序特征向量;其中,所述公式为:
12、
13、其中,a为第一卷积核在x方向上的宽度、f(a)为第一卷积核参数向量、g(x-a)为与卷积核函数运算的局部向量矩阵,w为第一卷积核的尺寸,x表示所述温度时序输入向量,cov(x)表示对所述温度时序输入向量进行一维卷积编码;以及,所述第二温度时序特征提取单元,用于:使用所述温度时序特征提取器的第二卷积层以如下一维卷积公式对所述温度时序输入向量进行一维卷积编码以得到所述第二尺度温度时序特征向量;其中,所述公式为:
14、
15、其中,b为第二卷积核在x方向上的宽度、f(b)为第二卷积核参数向量、g(x-b)为与卷积核函数运算的局部向量矩阵,m为第二卷积核的尺寸,x表示所述温度时序输入向量,cov(x)表示对所述温度时序输入向量进行一维卷积编码。
16、在上述矿用分布式光纤测温防灭火控制系统中,所述温度时序邻域关联特征提取模块,用于:使用所述作为特征提取器的卷积神经网络模型的各层在层的正向传递中分别对输入数据进行:对输入数据进行卷积处理以得到卷积特征图;对所述卷积特征图进行沿通道维度的池化以得到池化特征图;以及,对所述池化特征图进行非线性激活以得到激活特征图;其中,所述作为特征提取器的卷积神经网络的最后一层的输出为所述温度全局分布特征矩阵,所述作为特征提取器的卷积神经网络的第一层的输入为所述多个温度时序特征向量排列成的二维特征矩阵。
17、在上述矿用分布式光纤测温防灭火控制系统中,所述作为特征提取器的卷积神经网络模型为深度残差网络模型。
18、在上述矿用分布式光纤测温防灭火控制系统中,所述优化模块,用于:以如下优化公式对所述各个分类特征向量进行规则化强化以得到多个优化后分类特征向量;其中,所述公式为:
19、v′i=(μσ)vi2+viμ+(vi-σ)μ2
20、其中和σ是分类特征向量在各个位置的特征值的均值和标准差,且vi′是优化后分类特征向量的第i个位置的特征值。
21、在上述矿用分布式光纤测温防灭火控制系统中,所述控制结果生成模块,包括:全连接编码单元,用于使用所述分类器的多个全连接层对所述优化后分类特征向量进行全连接编码以得到编码分类特征向量;以及,分类结果生成单元,用于将所述编码分类特征向量通过所述分类器的softmax分类函数以得到所述分类结果。
22、根据本技术的另一方面,提供了一种矿用分布式光纤测温防灭火控制方法,其包括:获取由分布式光纤测温系统采集的矿井关键部位的多个位置的温度时序离散分布;
23、将所述各个位置的温度时序离散分布分别按照时间维度排列为多个温度时序输入向量;
24、将所述多个温度时序输入向量分别通过包含第一卷积层和第二卷积层的温度时序特征提取器以得到多个温度时序特征向量,其中,所述第一卷积层和所述第二卷积层分别使用具有不同尺度的一维卷积核;
25、将所述多个温度时序特征向量排列为二维特征矩阵后通过作为特征提取器的卷积神经网络模型以得到温度全局分布特征矩阵;
26、以所述各个温度时序特征向量作为查询特征向量,计算其与所述温度全局分布特征矩阵之间的矩阵乘积以得到多个分类特征向量;
27、分别对所述各个分类特征向量进行规则化强化以得到多个优化后分类特征向量;以及
28、将所述各个优化后分类特征向量通过分类器以得到分类结果,所述分类结果用于表示是否自动开启各个位置的灭火设备。
29、根据本技术的再一方面,提供了一种电子设备,包括:处理器;以及,存储器,在所述存储器中存储有计算机程序指令,所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的矿用分布式光纤测温防灭火控制方法。
30、根据本技术的又一方面,提供了一种计算机可读介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的矿用分布式光纤测温防灭火控制方法。
31、与现有技术相比,本技术提供的一种矿用分布式光纤测温防灭火控制系统,其通过采用深度学习的神经网络模型挖掘出矿井关键部位的各个位置的温度时序分布关联特征并以此来自适应的控制各个位置的灭火设备,这样,能够更好地理解和把握矿井中各个位置的温度变化情况,进而为后续的自动化灭火决策提供更加可靠、准确的依据。
本文地址:https://www.jishuxx.com/zhuanli/20240617/47223.html
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容, 请发送邮件至 YYfuon@163.com 举报,一经查实,本站将立刻删除。
下一篇
返回列表