CN111489531B - 一种适配报警主机的线尾阻的方法、电子设备和存储介质 - Google Patents
一种适配报警主机的线尾阻的方法、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111489531B CN111489531B CN201910087360.2A CN201910087360A CN111489531B CN 111489531 B CN111489531 B CN 111489531B CN 201910087360 A CN201910087360 A CN 201910087360A CN 111489531 B CN111489531 B CN 111489531B
- Authority
- CN
- China
- Prior art keywords
- value
- sampling
- values
- sampling threshold
- average value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/18—Status alarms
- G08B21/182—Level alarms, e.g. alarms responsive to variables exceeding a threshold
Landscapes
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本申请实施例提供了一种适配报警主机的线尾阻的方法、电子设备和存储介质。该方法包括：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与线尾阻的采样阈值的平均值匹配的线尾阻的阻值记录在与所述报警主机连接的对应防区上。本申请实施例提供的一种适配报警主机的线尾阻的方法、电子设备和存储介质能够自动适配报警主机的线尾阻提高工作效率。
Description
技术领域
本申请涉及安全防护或报警技术领域，尤其涉及一种适配报警主机的线尾阻的方法、电子设备和存储介质。
背景技术
目前，在报警主机防区线尾阻(电阻)的使用中，在一些方案中，通常包括报警主机以及分别与报警主机连接的控制键盘和若干防区，防区包括防区回路和若干信号常闭端，信号常闭端连接防区回路，防区回路通过相邻的所述信号常闭端依次接入一电阻，该电阻两侧的信号常闭端连接报警主机，利用线路中不同时期的电路阻值来实现对探测器两种信号的判断，在报警主机接入探测器时，实现同时区分识别探测器的报警和防拆两种信号。
基于此，本发明的发明人发现，现有技术对于适配线尾阻均是通过手动配置的方式，比较繁琐，工作效率低，并且若配置的阻值和实际接入的阻值不一致，则需要重新查看电阻并配置相应的阻值，更加降低工作效率。公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本申请实施例的目的是提供一种适配报警主机的线尾阻的方法、电子设备和存储介质，能够自动适配报警主机的线尾阻提高工作效率。
为解决上述技术问题，本申请实施例是通过以下各方面实现的。
第一方面，本申请实施例提供了一种适配报警主机的线尾阻的方法，包括：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过模数转换器(英文：Analog-to-Digital Converter，缩写：ADC)采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
第二方面，本申请实施例提供了一种适配报警主机的线尾阻的装置，包括：测试模块，根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；采样模块，在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；判断模块，基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；配置模块，将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
第三方面，本申请实施例提供了一种电子设备，包括：存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现如上述第一方面所述的方法的步骤。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令被处理器执行时实现如上述第一方面所述的方法的步骤。
在本申请实施例中，通过根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上，能够自动适配报警主机的线尾阻提高工作效率。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1示出本申请实施例提供的一种适配报警主机的线尾阻的方法的一种流程示意图；
图2示出本申请实施例提供的一种适配报警主机的线尾阻的方法的另一种流程示意图；
图3示出本申请实施例提供的一种适配报警主机的线尾阻的方法的另一种流程示意图；
图4示出本申请实施例提供的一种适配报警主机的线尾阻的装置的结构示意图；
图5示出本申请实施例提供的一种适配报警主机的线尾阻的装置的另一种结构示意图；
图6为执行本申请实施例提供的一种适配报警主机的线尾阻的方法的电子设备的硬件结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本申请中的技术方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
图1示出本申请实施例提供的一种适配报警主机的线尾阻的方法的一种流程示意图，该方法可以由电子设备执行，例如终端设备或服务端设备。换言之，所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示，该方法可以包括以下步骤。
S10：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值。
首先在设备中接入线尾阻，根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值。
报警主机适配的线尾阻(2.2k,3.3k,4.7k,5.6k,,8.2k)的经验阈值写入所述报警主机作为目标值。
设备适配的电阻确定，分别为2.2K，3.3k,4.7k,5.6k,8.2k,在进行该设计方案之前，根据现场实测和实验测试所接电阻的报警阈值范围，以及仅接入电阻时的采样平均值，根据阈值和采样平均值，确定每一个电阻合理的目标值，即安全阈值范围。
S20：在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值。
主机在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值。
S30：基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配。
S40：将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
自动针对每个防区适配对应的线尾阻的阻值。
由此，本申请实施例提供的一种适配报警主机的线尾阻的方法，通过根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上，能够自动适配报警主机的线尾阻提高工作效率。
图2示出本申请实施例提供的一种适配报警主机的线尾阻的方法的另一种流程示意图，该方法可以由电子设备执行，例如终端设备或服务端设备。换言之，所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示，该方法可以包括以下步骤。
S10：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值。
报警主机适配的线尾阻(2.2k,3.3k,4.7k,5.6k,,8.2k)的经验阈值写入所述报警主机作为目标值。
设备适配的电阻确定，分别为2.2K，3.3k,4.7k,5.6k,8.2k,在进行该设计方案之前，根据现场实测和实验测试所接电阻的报警阈值范围，以及仅接入电阻时的采样平均值，根据阈值和采样平均值，确定每一个电阻合理的目标值，即安全阈值范围。
S20：在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值。
主机通过ADC采样，分别获得每个所连接的线尾阻的多个采样结果值，并计算平均值以获得所连接的线尾阻的采样均值。具体可以包括：多次进行所述ADC采样，获得多个采样结果值；丢弃所述多个采样结果值中的最大值和最小值；计算丢弃所述多个采样结果值中的最大值和最小值之后剩余的所述多个采样结果值的平均值，获得所述采样阈值的平均值。
S30：基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配。
具体可以包括：判断所述目标值和所述采样阈值的平均值之间的误差是否超过预定比例，并且在超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值不匹配。
在未超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值匹配。
例如，因为碳膜电阻的误差范围一般在5％，所以可以按5％的误差为预定比例进行比较，误差超过5％认为不匹配，提示用户检查所接线尾阻是否在设备适应的电阻范围内。比较计算的顺序是从小到大的顺序，先与2.2K的样本ADC值进行比较，若误差超过5％，再与3.3K的比较，以此类推。
S40：将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
自动针对每个防区适配对应的线尾阻的阻值。若在最后未找到相应的线尾阻阻值，则任务设备所接线尾阻不在设备适应的范围内，提示用户检查线尾阻，按照设备提供的线尾阻范围进行安装。
S50：在退出自适应学习模式后，根据所述线尾阻的阻值和所述采样阈值，判断是否产生报警信号。
根据经验和实测得出的每个防区在适配线尾阻下的阈值范围写入设备，作为正常和报警的一个范围界限，若超出正常的阈值范围，设备会给用户提示该防区处于报警状态，若在正常范围内，提示用户该防区没有出现任何的异常现象。在没有任何触发的情况下，若超出了自适应学习模式得出的线尾阻阻值的阈值范围，必须检查是设备异常还是，所接线尾阻的误差范围较大导致。
由此，本申请实施例提供的一种适配报警主机的线尾阻的方法，通过根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上，能够灵活选择线尾阻，无需人工配置，避免了配置和所接线尾阻的不一致性，自动适配报警主机的线尾阻提高工作效率。
图3示出本申请实施例提供的一种适配报警主机的线尾阻的方法的另一种流程示意图，该方法可以由电子设备执行，例如终端设备或服务端设备。换言之，所述方法可以由安装在终端设备或服务端设备的软件或硬件来执行。所述服务端包括但不限于：单台服务器、服务器集群、云端服务器或云端服务器集群等。如图所示，该方法可以包括以下步骤。
S11：动态调整所接入的所述线尾阻的阻值。
自适应学习模式动态调整所有防区所接线尾阻的阻值。
S10：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值。
报警主机适配的线尾阻(2.2k,3.3k,4.7k,5.6k,,8.2k)的经验阈值写入所述报警主机作为目标值。
设备适配的电阻确定，分别为2.2K，3.3k,4.7k,5.6k,8.2k,在进行该设计方案之前，根据现场实测和实验测试所接电阻的报警阈值范围，以及仅接入电阻时的采样平均值，根据阈值和采样平均值，确定每一个电阻合理的目标值，即安全阈值范围。
S20：在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值。
主机通过ADC采样，分别获得每个所连接的线尾阻的多个采样结果值，并计算平均值以获得所连接的线尾阻的采样均值。具体可以包括：多次进行所述ADC采样，获得多个采样结果值；丢弃所述多个采样结果值中的最大值和最小值；计算丢弃所述多个采样结果值中的最大值和最小值之后剩余的所述多个采样结果值的平均值，获得所述采样阈值的平均值。
S30：基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配。
具体可以包括：判断所述目标值和所述采样阈值的平均值之间的误差是否超过预定比例，并且在超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值不匹配。
在未超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值匹配。
例如，因为碳膜电阻的误差范围一般在5％，所以可以按5％的误差为预定比例进行比较，误差超过5％认为不匹配，提示用户检查所接线尾阻是否在设备适应的电阻范围内。比较计算的顺序是从小到大的顺序，先与2.2K的样本ADC值进行比较，若误差超过5％，再与3.3K的比较，以此类推。
S40：将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
自动针对每个防区适配对应的线尾阻的阻值。若在最后未找到相应的线尾阻阻值，则任务设备所接线尾阻不在设备适应的范围内，提示用户检查线尾阻，按照设备提供的线尾阻范围进行安装。
S50：在退出自适应学习模式后，根据所述线尾阻的阻值和所述采样阈值，判断是否产生报警信号。
根据经验和实测得出的每个防区在适配线尾阻下的阈值范围写入设备，作为正常和报警的一个范围界限，若超出正常的阈值范围，设备会给用户提示该防区处于报警状态，若在正常范围内，提示用户该防区没有出现任何的异常现象。在没有任何触发的情况下，若超出了自适应学习模式得出的线尾阻阻值的阈值范围，必须检查是设备异常还是，所接线尾阻的误差范围较大导致。
由此，本申请实施例提供的一种适配报警主机的线尾阻的方法，通过根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上，能够灵活选择线尾阻，无需人工配置，避免了配置和所接线尾阻的不一致性，自动适配报警主机的线尾阻提高工作效率，并且能够自动调整所接入的线尾阻的阻值。
图4示出本申请实施例提供的一种适配报警主机的线尾阻的装置的结构示意图，该装置100包括：测试模块110、采样模块120、判断模块130和配置模块140。
测试模块110用于根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值。采样模块120，用于在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值。判断模块130，用于基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配。配置模块140，用于将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
本申请实施例提供的该装置100，可执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。
图5示出本申请实施例提供的一种适配报警主机的线尾阻的装置的另一种结构示意图，在一种可能的实现方式中，该装置100还包括：报警模块150。
报警模块150用于在退出自适应学习模式后，根据所述线尾阻的阻值和所述采样阈值，判断是否产生报警信号。
在一种可能的实现方式中，采样模块120用于：多次进行所述ADC采样，获得多个采样结果值；丢弃所述多个采样结果值中的最大值和最小值；计算丢弃所述多个采样结果值中的最大值和最小值之后剩余的所述多个采样结果值的平均值，获得所述采样阈值的平均值。
在一种可能的实现方式中，所述判断模块130用于：判断所述目标值和所述采样阈值的平均值之间的误差是否超过预定比例，并且在超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值不匹配。
在一种可能的实现方式中，所述判断模块130用于：在未超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值匹配。
在一种可能的实现方式中，测试模块110还用于动态调整所接入的所述线尾阻的阻值。
本申请实施例提供的该装置100，可执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。
图6示出执行本申请实施例提供的一种适配报警主机的线尾阻的方法的电子设备的硬件结构示意图，如图所示，该电子设备可因配置或性能不同而产生比较大的差异，可以包括一个或一个以上的处理器701和存储器702，存储器702中可以存储有一个或一个以上存储应用程序或数据。其中，存储器702可以是短暂存储或持久存储。存储在存储器702的应用程序可以包括一个或一个以上模块(图示未示出)，每个模块可以包括对该电子设备中的一系列计算机可执行指令。更进一步地，处理器701可以设置为与存储器702通信，在该电子设备上执行存储器702中的一系列计算机可执行指令。该电子设备还可以包括一个或一个以上电源703，一个或一个以上有线或无线网络接口704，一个或一个以上输入输出接口705，一个或一个以上键盘706等。
在一个具体的实施例中，该电子设备包括存储器、处理器和存储在所述存储器上并可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现以下流程：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
由此，执行本申请实施例提供的一种适配报警主机的线尾阻的方法的电子设备可执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。
本申请实施例的电子设备以多种形式存在，包括但不限于以下设备。
服务器:提供计算服务的设备，服务器的构成包括处理器、硬盘、内存、系统总线等，服务器和通用的计算机架构类似，但是由于需要提供高可靠的服务，因此在处理能力、稳定性、可靠性、安全性、可扩展性、可管理性等方面要求较高。
其他具有数据交互功能的电子装置。
进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机可执行指令，所述计算机可执行指令被处理器执行时实现以下流程：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
由此，所述计算机可执行指令被处理器执行时能够执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。
其中，所述的计算机可读存储介质包括只读存储器(Read-Only Memory，简称ROM)、随机存取存储器(Random Access Memory，简称RAM)、磁碟或者光盘等。
进一步地，本申请实施例还提供了一种计算机程序产品，所述计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序，所述计算机程序包括程序指令，当所述程序指令被计算机执行时，实现以下流程：根据经验值，将接入的线尾阻的经验阈值写入所述报警主机作为目标值；在自适应自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；基于所述目标值和所述采样阈值的平均值，判断所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的阻值记录在与所述报警主机连接的对应防区上。
由此，执行本申请实施例提供的计算机程序产品能够执行前文方法实施例中所述的各方法，并实现前文方法实施例中所述的各方法的功能和有益效果，在此不再赘述。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (13)
1.一种适配报警主机的线尾阻的方法，其特征在于，包括：
根据经验值，将接入的线尾阻的多个经验阈值分别写入所述报警主机作为多个目标值；
在自适应学习模式下，通过模数转换器ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；
基于所述多个目标值和所述采样阈值的平均值，分别判断每个所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；
将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的目标值作为阻值记录在与所述报警主机连接的对应防区上。
2.根据权利要求1所述的方法，其特征在于，在将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的目标值作为阻值记录在与所述报警主机连接的对应防区上之后，还包括：
在退出自适应学习模式后，根据所述线尾阻的阻值和所述采样阈值，判断是否产生报警信号。
3.根据权利要求1所述的方法，其特征在于，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值包括：
多次进行所述ADC采样，获得多个采样结果值；
丢弃所述多个采样结果值中的最大值和最小值；
计算丢弃所述多个采样结果值中的最大值和最小值之后剩余的所述多个采样结果值的平均值，获得所述采样阈值的平均值。
4.根据权利要求1所述的方法，其特征在于，基于所述多个目标值和所述采样阈值的平均值，分别判断每个所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配包括：
分别判断每个所述目标值和所述采样阈值的平均值之间的误差是否超过预定比例，并且在超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值不匹配。
5.根据权利要求4所述的方法，其特征在于，在分别判断每个所述目标值和所述采样阈值的平均值之间的误差是否超过预定比例之后，还包括：
在未超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值匹配。
6.根据权利要求1所述的方法，其特征在于，还包括：
动态调整所接入的所述线尾阻的阻值。
7.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使用所述处理器执行以下操作：
根据经验值，将接入的线尾阻的多个经验阈值分别写入报警主机作为多个目标值；
在自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；
基于所述多个目标值和所述采样阈值的平均值，分别判断每个所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；
将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的目标值作为阻值记录在与所述报警主机连接的对应防区上。
8.根据权利要求7所述的电子设备，其特征在于，在将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的目标值作为阻值记录在与所述报警主机连接的对应防区上之后，还执行：
在退出自适应学习模式后，根据所述线尾阻的阻值和所述采样阈值，判断是否产生报警信号。
9.根据权利要求7所述的电子设备，其特征在于，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值包括：
多次进行所述ADC采样，获得多个采样结果值；
丢弃所述多个采样结果值中的最大值和最小值；
计算丢弃所述多个采样结果值中的最大值和最小值之后剩余的所述多个采样结果值的平均值，获得所述采样阈值的平均值。
10.根据权利要求7所述的电子设备，其特征在于，基于所述多个目标值和所述采样阈值的平均值，分别判断每个所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配包括：
分别判断每个所述目标值和所述采样阈值的平均值之间的误差是否超过预定比例，并且在超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值不匹配。
11.根据权利要求10所述的电子设备，其特征在于，在分别判断每个所述目标值和所述采样阈值的平均值之间的误差是否超过预定比例之后，还执行：
在未超过所述预定比例时，判断为所述目标值和所述采样阈值的平均值匹配。
12.根据权利要求7所述的电子设备，其特征在于，还执行：
动态调整所接入的所述线尾阻的阻值。
13.一种计算机可读介质，所述计算机可读介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行以下操作：
根据经验值，将接入的线尾阻的多个经验阈值分别写入报警主机作为目标值；
在自适应学习模式下，通过ADC采样采集所接入的所述线尾阻的采样阈值并求得所述采样阈值的平均值；
基于多个目标值和所述采样阈值的平均值，分别判断每个所述目标值与所述线尾阻的所述采样阈值的平均值是否匹配；
将与所述线尾阻的采样阈值的平均值匹配的所述线尾阻的目标值作为阻值记录在与所述报警主机连接的对应防区上。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910087360.2A CN111489531B (zh) | 2019-01-29 | 2019-01-29 | 一种适配报警主机的线尾阻的方法、电子设备和存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910087360.2A CN111489531B (zh) | 2019-01-29 | 2019-01-29 | 一种适配报警主机的线尾阻的方法、电子设备和存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111489531A CN111489531A (zh) | 2020-08-04 |
| CN111489531B true CN111489531B (zh) | 2021-12-24 |
Family
ID=71811471
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910087360.2A Active CN111489531B (zh) | 2019-01-29 | 2019-01-29 | 一种适配报警主机的线尾阻的方法、电子设备和存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111489531B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115331440B (zh) * | 2022-08-09 | 2023-08-18 | 山东旗帜信息有限公司 | 一种基于监测阈值信息的高适配预警方法及系统 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102778631A (zh) * | 2012-08-13 | 2012-11-14 | 重庆大学 | 基于分压补偿的传感电缆泄漏检测精确定位方法 |
| CN105424213A (zh) * | 2014-08-14 | 2016-03-23 | Abb股份公司 | 识别热保护系统内的故障状态的方法及实施方法的设备 |
| CN107180508A (zh) * | 2017-05-22 | 2017-09-19 | 南京英安特科技实业有限公司 | 一种报警防区倍增的系统及方法 |
| CN107704192A (zh) * | 2017-11-01 | 2018-02-16 | 深圳市无眼界科技有限公司 | 一种滤波算法及其探测器 |
| CN109102686A (zh) * | 2017-06-20 | 2018-12-28 | 霍尼韦尔国际公司 | 用于在火警系统中在警报敏感度阈值改变期间防止假警报的系统和方法 |
Family Cites Families (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0877995B1 (en) * | 1996-01-29 | 2006-05-24 | GE Security, Inc. | Method for dynamically adjusting fire detection criteria |
| JP6490675B2 (ja) * | 2013-10-07 | 2019-03-27 | グーグル エルエルシー | 適切な瞬間において非警報ステータス信号を与えるスマートホームハザード検出器 |
| CN203490355U (zh) * | 2013-10-25 | 2014-03-19 | 国家电网公司 | 交流阻抗测试仪检测装置 |
| CN104966596B (zh) * | 2015-07-13 | 2017-09-22 | 广东欧珀移动通信有限公司 | 电位器及其校准方法、系统以及音量控制装置、电子设备 |
| CN105099582B (zh) * | 2015-07-20 | 2018-06-01 | 联想(北京)有限公司 | 一种负载设置方法及系统 |
| CN105577138A (zh) * | 2015-12-08 | 2016-05-11 | 天津津航计算技术研究所 | 一种自适应动态阻抗匹配方法 |
| CN107870296A (zh) * | 2016-09-23 | 2018-04-03 | 中兴通讯股份有限公司 | Doherty电路中功放管结温检测装置及方法 |
| CN107026771B (zh) * | 2017-04-20 | 2019-12-27 | 北京京东尚科信息技术有限公司 | 阈值自适应的方法、装置、电子设备和可读介质 |
| CN208158174U (zh) * | 2018-04-20 | 2018-11-27 | 广州金升阳科技有限公司 | 一种电池充电器自适应电路 |
| CN108693495B (zh) * | 2018-09-06 | 2021-03-12 | 广东电网有限责任公司 | 一种采样自适应的直流电子式互感器检测转换器 |
-
2019
- 2019-01-29 CN CN201910087360.2A patent/CN111489531B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102778631A (zh) * | 2012-08-13 | 2012-11-14 | 重庆大学 | 基于分压补偿的传感电缆泄漏检测精确定位方法 |
| CN105424213A (zh) * | 2014-08-14 | 2016-03-23 | Abb股份公司 | 识别热保护系统内的故障状态的方法及实施方法的设备 |
| CN107180508A (zh) * | 2017-05-22 | 2017-09-19 | 南京英安特科技实业有限公司 | 一种报警防区倍增的系统及方法 |
| CN109102686A (zh) * | 2017-06-20 | 2018-12-28 | 霍尼韦尔国际公司 | 用于在火警系统中在警报敏感度阈值改变期间防止假警报的系统和方法 |
| CN107704192A (zh) * | 2017-11-01 | 2018-02-16 | 深圳市无眼界科技有限公司 | 一种滤波算法及其探测器 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111489531A (zh) | 2020-08-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108446222B (zh) | 应用测试方法、装置及设备 | |
| US8132054B2 (en) | Self-adaptive solution for determining the waiting time on page loading | |
| US11475133B2 (en) | Method for machine learning of malicious code detecting model and method for detecting malicious code using the same | |
| CN112612715A (zh) | 基于混沌工程的系统测试方法、装置、计算机设备及存储介质 | |
| CN111489531B (zh) | 一种适配报警主机的线尾阻的方法、电子设备和存储介质 | |
| US11010333B2 (en) | Ideal age vector based file retention in a software testing system | |
| CN111147331A (zh) | 一种服务器网卡交互测试方法、系统、终端及存储介质 | |
| CN109491702B (zh) | 一种优化方案确定方法、装置、终端设备和存储介质 | |
| CN108196975B (zh) | 基于多校验和的数据验证方法、装置及存储介质 | |
| CN110580220A (zh) | 测量代码段执行时间的方法及终端设备 | |
| CN107677290B (zh) | 惯性导航系统精度评定的测试方法及装置 | |
| CN111181979B (zh) | 访问控制方法、装置、计算机设备和计算机可读存储介质 | |
| CN110912779A (zh) | 一种集群主机健康检测方法，系统，设备及可读存储介质 | |
| CN108874658A (zh) | 一种沙箱分析方法、装置、电子设备及存储介质 | |
| CN107844273B (zh) | 一种数据写入方法及装置、验证方法及装置 | |
| WO2019099929A1 (en) | Using a machine learning model in quantized steps for malware detection | |
| CN111812445B (zh) | 智能电容器误差校正方法、装置、计算机设备和存储介质 | |
| JP2019162254A5 (zh) | ||
| CN114546799A (zh) | 埋点日志校验方法、装置、电子设备、存储介质及产品 | |
| CN111106979A (zh) | 一种交换机阈值告警测试的方法和设备 | |
| CN106911678B (zh) | 一种病毒检测方法及装置 | |
| CN111831551A (zh) | 一种非阻塞式嵌入式软件测试方法、装置及存储介质 | |
| CN106979794B (zh) | 传感器测试方法及装置 | |
| CN110362438B (zh) | 一种总线性能检测方法、装置、设备及可读存储介质 | |
| CN113514686B (zh) | 电压基波幅值的检测方法、装置、设备和存储介质 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |