CN112782983B - 基于自学习的高温预警阈值的设置方法和系统 - Google Patents
基于自学习的高温预警阈值的设置方法和系统 Download PDFInfo
- Publication number
- CN112782983B CN112782983B CN202110061456.9A CN202110061456A CN112782983B CN 112782983 B CN112782983 B CN 112782983B CN 202110061456 A CN202110061456 A CN 202110061456A CN 112782983 B CN112782983 B CN 112782983B
- Authority
- CN
- China
- Prior art keywords
- temperature
- value
- sub
- monitored
- area
- 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
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/04—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators
- G05B13/042—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric involving the use of models or simulators in which a parameter or coefficient is automatically adjusted to optimise the performance
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B13/00—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion
- G05B13/02—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric
- G05B13/0265—Adaptive control systems, i.e. systems automatically adjusting themselves to have a performance which is optimum according to some preassigned criterion electric the criterion being a learning criterion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
Abstract
本公开提供了一种基于自学习的高温预警阈值的设置方法以及能够应用该方法的系统,该方法包括将待监控的区域划分为多个子区域,通过每个子区域的测量的实时温度信息,计算出待监控区域的环境温度以及各个子区域温度与待监控区域的环境温度的温度差,通过多次迭代计算,获得各子区域的温差最大值,根据该温差最大值计算高温预警阈值,本公开能自动学习待监控区域的各子区域的温度信息,并恰当设定各子区域的高温预警值,方便快捷,还避免了人工难以设定一个恰当的高温预警数值的缺点,且设定的各子区域的高温火灾预警值是随环境温度自动调整的,避免了人工设定的高温预警数值随着环境温度变化而变得不恰当的缺点。
Description
技术领域
本公开涉及高温预警设置领域,更具体地,涉及基于自学习的高温预警阈值的自动设置方法、系统、计算机设备及计算机可读介质。
背景技术
现代社会中,火灾是最危险的事故之一,特别是对于大型区域,典型的火灾早期发现系统主要由红外热成像传感器和运算器、存储器、输入输出设备和软件构成,其工作方法是:首先在软件界面中预先设定一个高温预警阈值并保存在存储器中,红外热成像传感器探测到场域内各部位的实时温度,将该实时温度数值和预设的高温预警阈值比较,当红外热成像传感器探测到的温度数值高于预设的温度预警阈值,火灾发现系统就会发出高温火灾预警。
在使用典型的火灾早期发现系统时,至少存在如下问题:高温预警阈值很难准确设定,如果设定过高,产生火灾隐患的物体温度须升高到一个较高的数值才能预警,此时火灾往往已经发生,起不到早期预警的作用;如果将高温预警阈值设定较低,会经常产生误预警,给人们带来困扰;即使该高温预警阈值设置暂时是合适的,也还存在一个问题,那就是环境温度是在不断变化的,如果环境温度大幅变化了,原设置值就不再适宜了;例如,在低温环境中设置恰当的高温预警阈值,当环境温度升高了,可能会产生误报警;反之,在高温环境中设置恰当的高温预警阈值,当环境温度变低了,就很难早期发现高温隐患。因此,现有典型的火灾发现系统不能自动设置恰当的高温预警阈值,且当环境温度改变时,不能自动的对高温预警阈值进行相应的调整。
发明内容
有鉴于此,本公开提供了一种具备环境温度自学习功能的火灾发现系统,该系统能自动设置恰当的高温预警阈值,且当环境温度改变时,该高温预警阈值能自动进行相应的调整。
为达到上述目的,本发明的实施例采用如下技术方案:
本发明实施例的第一方面,提供了一种基于自学习的高温预警阈值的设置方法,包括:
获取并存储待监控的N个子区域的实时温度值;
根据所述N个子区域的实时温度值计算并存储待监控区域环境温度值;计算并存储各个子区域的实时温度值和待监控区域环境温度值的温度差值;
自学习计算每个子区域的最终温度差最大值;
根据所述每个子区域的最终温度差最大值计算每个子区域的高温预警阈值。
在一个实施例中,计算待监控区域环境温度值具体为:计算出所有子区域温度的典型值,并将该典型值作为环境温度值。
在一个实施例中,典型值为N个子区域的实时温度值Tmnt平均值、中位值、剔除干扰数据后的平均值或剔除干扰数据后的中位值。
在一个实施例中,计算每个子区域的实时温度和整体待监控区域环境温度值的温度差值ΔTmnt具体为:
ΔTmnt=Tmnt-Tat
其中,Tmnt每个子区域的实时温度值,Tat为待监控区域实时环境温度值。
在一个实施例中,自学习计算各子区域的最终温度差最大值具体为:调用存储的数据,通过迭代比较法计算每个子区域的最终温度差最大值;存储的数据包括:每个子区域的实时温度值Tmnt、每个子区域的实时温度和待监控区域环境温度值的温度差值ΔTmnt、待监控区域环境温度值Tat。
在一个实施例中,根据每个子区域的最终温度差最大值计算各个子区域的高温预警阈值Tmny具体为:
Tmny=Tat+ΔTmn+ΔTr
其中,ΔTmn为最终温度差最大值,ΔTr为人工设定的冗余温度值。
在一个实施例中,该方法还包括设置自学习条件,所述自学习条件包括随时再次自学习或重新自学习。
在一个实施例中,通过红外热像仪获取待监控的N个子区域的环境实时温度值。
本发明实施例的第二方面,提供一种基于自学习的高温预警阈值的设置系统,该系统包括:获取模块、存储模块和运算模块,运算模块包括第一确定模块、第二确定模块和第三确定模块;获取模块被配置为获取待监控的N个子区域的环境实时温度值;第一确定模块被配置为根据获取模块获取的所述实时温度值计算整体待监控区域环境温度值及各个子区域的实时温度和实时环境温度的温度差值;第二确定模块被配置为自学习计算每个子区域的最终温度差最大值;第三确定模块被配置为并根据所述每个子区域的最终温度差最大值计算每个子区域的高温预警阈值;存储模块被配置为接收并存储N个子区域的环境实时温度值、整体待监控区域环境温度值及各个子区域的实时温度和实时环境温度的温度差值。
本发明实施例的第三方面,提供一种电子设备,包括:存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现本发明实施例的第一方面所述的方法。
本发明实施例的第四方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有可执行指令,该指令被处理器执行时使处理器执行本发明实施例的第一方面所述的方法。
根据本公开的实施例,可以自动学习场域中各子区域的温度信息,并恰当设定各子区域的高温火灾预警值,方便快捷,还避免了人工难以设定一个恰当的高温预警数值的缺点;还可以对设定的各子区域的高温火灾预警值是随环境温度自动调整的,避免了人工设定的高温预警数值随着环境温度变化而变得不恰当的缺点。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了基于自学习的高温预警阈值的设置方法的流程图;
图2示意性示出了基于自学习的高温预警阈值设置系统的示意图;
图3为本申请实施例提供的计算机设备的机构示意框图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。这里使用的词语“一”、“一个(种)”和“该”等也应包括“多个”、“多种”的意思,除非上下文另外明确指出。此外,在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
本公开的实施例提供了一种基于自学习的高温预警阈值的设置方法以及能够应用该方法的系统。该方法包括将整个区域划分为多个子区域,每个子区域均通过自学习设定高温预警阈值;通过获取每个子区域的实时温度信息,实时计算出环境温度以及各个子区域温度与环境温度的温差,通过多次比较迭代,最后得到各子区域的温差最大值,根据该温差最大值计算高温预警阈值,本公开的各个子区域的高温报警阈值包含实时环境温度值,可根据环境温度的变化自动的实时进行动态调整。
图1示意性示出了一种基于自学习的高温预警阈值的设置方法的流程图,该方法的具体步骤包括:
S101,划分子区域,将整体待监控区域划分为N个子区域,其中,N≥2,N为整数。
可选的,整体待监控区域可划分为m行n列个子区域,m、n均为大于1的正整数。
S102,获取并存储N个子区域的环境实时温度值。
可选的,通过红外热像仪获取环境温度值。
优选的,红外热像仪为相阵式红外热成像传感器,可以准确探测N个子区域的实时温度值。
S103,计算并存储待监控区域环境温度值、及各个子区域的实时温度值和待监控区域环境温度值的温度差值。
可选的,计算待监控区域环境温度值具体为:获取整体待监控区域温度的典型值,并将该典型值作为整体待监控区域环境温度值;
其中,典型值为N个子区域的实时温度值的平均值、中位值、剔除干扰数据后的平均值或剔除干扰数据后的中位值。
可选的,采用专门的温度传感器测量环境温度,并将该测量值作为整体待监控区域环境温度值。
可选的,实时计算每个子区域的实时温度和待监控区域环境温度值的温度差值ΔTmnt具体为:
ΔTmnt=Tmnt-Tat
其中,Tmnt每个子区域的实时温度值,Tat为整体待监控区域实时环境温度值。
S104,自学习计算每个子区域的最终温度差最大值。
可选的,开启自学习状态,设置自学习周期,获取自学习数据,采用迭代比较的方法,获取各子区域的最终温度差最大值。
可选的,自学习数据包括存储的每个子区域的实时温度值Tmnt、每个子区域的实时温度和实时环境温度的温度差值ΔTmnt、整体待监控区域实时环境温度值Tat。
可选的,系统默认或人工设定自学习周期,在该段自学习周期内,获取至少两组自学习数据,通过迭代比较的方法,进行自学习过程,获取各子区域的最终温度差最大值Tmny。
可选的,自学习过程启动后,系统取到初始数据:Tmn0、Ta0、ΔTmn0,接着取到第二组数据Tmn1、Ta1、ΔTmn1,比较ΔTmn0和ΔTmn1的大小,取二者较大值为:ΔTmn,然后取到第三组数据Tmn2,Ta2,ΔTmn2,比较ΔTmn2和ΔTmn的大小,取二者较大值为新的ΔTmn,依此类推,直至自学习时间结束,通过多次比较迭代,获取每个子区域的温差最大值。
S105,根据每个子区域的最终温度差最大值计算每个子区域的高温预警阈值Tmny:
Tmny=Tat+ΔTmn+ΔTr
其中,Tat为实时的环境温度,ΔTmn为自学习得到的最终温度差最大值,ΔTr为人工设定的冗余温度值。
可选的,将计算出的每个子区域的高温预警阈值自动更新为高温预警系统的高温预警阈值。
可选的,人体的温度较高,在不同的环境中,会对高温阈值的设置造成干扰,因此,如果待监控区域内有人员进出,系统会对高温预警阈值Tmny设定一个下限值TmnL,该下限值TmnL一般略高于人体体温,也就是说,如果Tmny小于TmnL,令Tmny=TmnL,这样就可以避免因为人员进出所引起的误预警。
可选的,如果环境中存在恒恒定温度的高温物体,将该高温物体人工框定,该人工框定区域不进行自学习,而是由人工设定恰当的高温预警阈值,可以避免对整体的设置带来的干扰。
可选的,由于高温设备不定时开启,某些子区域自学习期间未产生高温,后期才产生高于高温预警阈值的高温,这种情况下,该高温为正常状态,并非火灾隐患,
可选的,本方法可进一步的实施自学习过程。具体方法如下:火灾预警时,显示界面会跳出一个选择按钮让用户选择该火灾预警是否为误预警,如果客户确认是误预警,系统会自动学习该状态下的数据,系统取该状态下的ΔTmnt为新的ΔTmn,并按前面的方法生成新的高温预警阈值ΔTmny。
可选的,本公开的系统设有自学习按键,可根据实际情况随时进行再次自学习或进行重新自学习。
可选的,该方法运可用于具备环境温度自学习功能的相阵式火灾早期发现系统,实现火灾的早期预警发现。
相比于现有技术,本发明实施例提供的高温预警阈值的自学习设置方法,首先,自动学习场域中各子区域的温度信息,并恰当设定各子区域的高温火灾预警值,方便快捷,还避免了人工难以设定一个恰当的高温预警数值的缺点;其次,设定的各子区域的高温火灾预警值是随环境温度自动调整的,避免了人工设定的高温预警数值随着环境温度变化而变得不恰当的缺点。
图2示意性示出了一种基于自学习的高温预警阈值设置系统的示意图,该系统包括获取模块1101、存储模块1102和运算模块1103;运算模块包括第一确定模块11031、第二确定模块11032和第三确定模块11033。
获取模块1101被配置为获取待监控的N个子区域的环境实时温度值。
第一确定模块11031被配置为根据获取模块获取的所述实时温度值计算整体待监控区域环境温度值及各个子区域的实时温度和实时环境温度的温度差值。
第二确定模块11032被配置为自学习计算每个子区域的最终温度差最大值。
第三确定模块11033被配置为并根据所述每个子区域的最终温度差最大值计算每个子区域的高温预警阈值。
存储模块1102被配置为接收并存储N个子区域的环境实时温度值、整体待监控区域环境温度值及各个子区域的实时温度和实时环境温度的温度差值。
可选的,该系统还包括输入输出模块1104,用于对系统的信息进行输入输出。
可选的,获取模块为相阵式红外热成像传感器,可以准确探测N个子区域的实时温度值。
可选的,运算模块为运算器、处理器、或可进行计算处理的设备。
可选的,该系统还包括显示模块,显示模块上设置有自学习菜单,可随时进行再次自学习或进行重新自学习。
可选的,该系统具备自学习功能,可以运用于具备环境温度自学习功能的相阵式火灾早期发现系统,实现火灾的早期预警发现。
本申请实施例提供一种计算机设备200,计算机设备200包括处理器及存储有计算机指令的非易失性存储器,计算机指令被处理器执行时,计算机设备200执行前述的基于自学习的高温预警阈值设置的方法。
如图3所示,图3为本申请实施例提供的计算机设备200的结构框图。计算机设备200包括高温预警阈值设置系统210、存储器211、处理器212及通信单元213。
存储器211、处理器212以及通信单元213各元件相互之间直接或间接地电性连接,以实现数据的传输或交互。例如,这些元件相互之间可通过一条或多条通讯总线或信号线实现电性连接。高温预警阈值设置系统210包括至少一个可以软件或固件(firmware)的形式存储于存储器211中或固化在计算机设备200的操作系统(operating system,OS)中的软件功能模块。处理器212用于执行存储器211中存储的可执行模块,例如高温预警阈值设置系统210所包括的软件功能模块及计算机程序等。
其中,存储器211可以是,但不限于,随机存取存储器(Random Access Memory,RAM),只读存储器(Read Only Memory,ROM),可编程只读存储器(Programmable Read-OnlyMemory,PROM),可擦除只读存储器(Erasable Programmable Read-Only Memory,EPROM),电可擦除只读存储器(Electric Erasable Programmable Read-Only Memory,EEPROM)等。
本申请实施例提供一种可读存储介质,可读存储介质包括计算机程序,计算机程序运行时控制可读存储介质所在计算机设备200执行前述的基于自学习的高温预警阈值的设置方法。
综上所述,本申请实施例提供了一种基于自学习的高温预警阈值的设置方法以及能够应用该方法的系统。该方法包括将整个区域分成了多个子区域,每个子区域均通过自学习设定高温预警阈值;通过每个子区域的温度信息,实时计算出环境温度以及各个子区域温度与环境温度的温差,通过多次比较迭代,最后得到各子区域的温差最大值,根据该温差最大值计算高温预警阈值;实现了自动学习场域中各子区域的温度信息,并恰当设定各子区域的高温火灾预警值,方便快捷,还避免了人工难以设定一个恰当的高温预警数值的缺点;设定的各子区域的高温火灾预警值是随环境温度自动调整的,避免了人工设定的高温预警数值随着环境温度变化而变得不恰当的缺点。
以上,仅为本申请的具体实施方式,但本申请的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到的变化或替换,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于自学习的高温预警阈值的设置方法,其特征在于,所述方法包括:
划分子区域,将待监控区域划分为N个子区域,其中,N≥2;
获取并存储所述N个子区域的实时温度值;
根据所述N个子区域的实时温度值计算并存储待监控区域环境温度值、及各个子区域的实时温度值和待监控区域环境温度值的温度差值;
自学习计算每个子区域的最终温度差最大值;
根据所述每个子区域的最终温度差最大值计算每个子区域的高温预警阈值;
所述计算待监控区域环境温度值具体为:
计算出所述待监控区域温度的典型值,并将所述典型值作为环境温度值;
所述典型值为N个子区域的所述实时温度值的平均值、中位值、剔除干扰数据后的平均值或剔除干扰数据后的中位值;
所述自学习计算每个子区域的最终温度差最大值具体为:调用存储的数据,通过迭代比较法计算每个子区域的最终温度差最大值;
所述存储的数据包括:每个子区域的实时温度值Tmnt、每个子区域的实时温度和待监控区域环境温度值的温度差值ΔTmnt、待监控区域环境温度值Tat。
2.根据权利要求1所述的方法,其特征在于,
所述计算各个子区域的实时温度值和待监控区域环境温度值的温度差值ΔTmnt具体为:
ΔTmnt=Tmnt-Tat
其中,Tmnt为每个子区域的实时温度值,Tat为待监控区域环境温度值。
3.根据权利要求1所述的方法,其特征在于,所述根据每个子区域的最终温度差最大值计算每个子区域的高温预警阈值Tmny具体为:
Tmny=Tat+ΔTmn+ΔTr
其中,ΔTmn为最终温度差最大值,ΔTr为人工设定的冗余温度值。
4.根据权利要求3所述的方法,其特征在于,所述方法还包括设置自学习条件,所述自学习条件包括随时再次自学习或重新自学习。
5.根据权利要求1-4任一项所述的方法,其特征在于,通过红外热像仪获取待监控的N个子区域的环境实时温度值。
6.一种基于自学习的高温预警阈值设置系统,该系统包括:获取模块、存储模块和运算模块,所述运算模块包括第一确定模块、第二确定模块和第三确定模块;
所述获取模块被配置为获取待监控的N个子区域的环境实时温度值;
所述第一确定模块被配置为根据获取模块获取的所述实时温度值计算待监控区域环境温度值及各个子区域的实时温度和待监控区域环境温度值的温度差值;
所述第二确定模块被配置为自学习计算每个子区域的最终温度差最大值;
所述第三确定模块被配置为根据所述每个子区域的最终温度差最大值计算每个子区域的高温预警阈值;
所述存储模块被配置为存储N个子区域的环境实时温度值、待监控区域环境温度值及各个子区域的实时温度和实时环境温度的温度差值,
所述计算待监控区域环境温度值具体为:
计算出所述待监控区域温度的典型值,并将所述典型值作为环境温度值;
所述典型值为N个子区域的所述实时温度值的平均值、中位值、剔除干扰数据后的平均值或剔除干扰数据后的中位值;
所述自学习计算每个子区域的最终温度差最大值具体为:调用存储的数据,通过迭代比较法计算每个子区域的最终温度差最大值;
所述存储的数据包括:每个子区域的实时温度值Tmnt、每个子区域的实时温度和待监控区域环境温度值的温度差值ΔTmnt、待监控区域环境温度值Tat。
7.一种计算机设备,其特征在于,所述计算机设备包括处理器及存储有计算机指令的非易失性存储器,所述计算机指令被所述处理器执行时,所述计算机设备执行权利要求1-5中任意一项所述的基于自学习的高温预警阈值的设置方法。
8.一种可读存储介质,其特征在于,所述可读存储介质包括计算机程序,所述计算机程序运行时控制所述可读存储介质所在计算机设备执行权利要求1-5中任意一项所述的基于自学习的高温预警阈值的设置方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061456.9A CN112782983B (zh) | 2021-01-15 | 2021-01-15 | 基于自学习的高温预警阈值的设置方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110061456.9A CN112782983B (zh) | 2021-01-15 | 2021-01-15 | 基于自学习的高温预警阈值的设置方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112782983A CN112782983A (zh) | 2021-05-11 |
CN112782983B true CN112782983B (zh) | 2022-06-14 |
Family
ID=75756287
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110061456.9A Active CN112782983B (zh) | 2021-01-15 | 2021-01-15 | 基于自学习的高温预警阈值的设置方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112782983B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113393635B (zh) * | 2021-06-08 | 2022-03-04 | 南京品傲光电科技有限公司 | 一种基于感温光纤的火灾预警检测系统 |
CN114323289B (zh) * | 2021-12-22 | 2024-01-30 | 江苏弘冉智能科技有限公司 | 一种可在不同环境温度和不同时段实现精确测温的方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013235477A (ja) * | 2012-05-10 | 2013-11-21 | Hochiki Corp | 警報システム |
CN105513262A (zh) * | 2016-01-28 | 2016-04-20 | 山东神戎电子股份有限公司 | 一种阈值可变的森林防火热成像监控系统及方法 |
CN106251550A (zh) * | 2016-08-10 | 2016-12-21 | 国网湖南省电力公司 | 一种架空输电线路山火卫星监测分区方法 |
JP2019109684A (ja) * | 2017-12-18 | 2019-07-04 | 新コスモス電機株式会社 | 火災警報器 |
CN110046182A (zh) * | 2019-03-21 | 2019-07-23 | 华能澜沧江水电股份有限公司 | 一种巨型水电厂智能报警阈值设置方法及系统 |
-
2021
- 2021-01-15 CN CN202110061456.9A patent/CN112782983B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013235477A (ja) * | 2012-05-10 | 2013-11-21 | Hochiki Corp | 警報システム |
CN105513262A (zh) * | 2016-01-28 | 2016-04-20 | 山东神戎电子股份有限公司 | 一种阈值可变的森林防火热成像监控系统及方法 |
CN106251550A (zh) * | 2016-08-10 | 2016-12-21 | 国网湖南省电力公司 | 一种架空输电线路山火卫星监测分区方法 |
JP2019109684A (ja) * | 2017-12-18 | 2019-07-04 | 新コスモス電機株式会社 | 火災警報器 |
CN110046182A (zh) * | 2019-03-21 | 2019-07-23 | 华能澜沧江水电股份有限公司 | 一种巨型水电厂智能报警阈值设置方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112782983A (zh) | 2021-05-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112782983B (zh) | 基于自学习的高温预警阈值的设置方法和系统 | |
US10976729B2 (en) | Method of generating plant normal state prediction data and apparatus using the same | |
JP2009279076A (ja) | 監視システム | |
CN107924184B (zh) | 监视装置、监视装置的控制方法以及记录媒体 | |
CN104729748B (zh) | 用于确定移动设备的环境温度的方法 | |
CN110262323B (zh) | 一种机房监控方法和设备 | |
CN113240880A (zh) | 一种火点检测方法、装置、电子设备及存储介质 | |
WO2019045699A1 (en) | RECURRENT GAUSSIAN MIXTURE MODEL FOR ESTIMATING SENSOR STATUS IN STATUS MONITORING | |
CN104742140A (zh) | 状态判定系统、状态判定方法及移动机器人 | |
US9766129B2 (en) | Information processing apparatus, human presence determining method, and recording medium storing determining program | |
JP2018125639A5 (zh) | ||
CN106131334B (zh) | 控制移动终端屏幕状态的方法及装置 | |
CN107924182B (zh) | 监视装置、监视装置的控制方法以及记录媒体 | |
CN113205075A (zh) | 一种检测吸烟行为的方法、装置及可读存储介质 | |
JP2010218301A (ja) | 異常診断装置、異常診断方法及び異常診断プログラム | |
CN113280471A (zh) | 空调电加热器的干烧故障判断方法、装置及空调 | |
CN110865637A (zh) | 自行走设备的控制方法、装置以及计算机设备 | |
KR101997217B1 (ko) | 장치 진단 시스템 | |
JP2009254104A (ja) | 受配電設備用導体監視装置 | |
CN109884650B (zh) | 超声波雷达的检测方法、装置、电子设备及存储介质 | |
US20180060281A1 (en) | Graphs with normalized actual value measurements and baseline bands representative of normalized measurement ranges | |
CN112560974B (zh) | 一种信息融合、车辆信息获取方法及装置 | |
EP4121758B1 (en) | Information processor for diagnosing the state of a humidity sensor | |
CN105700679A (zh) | 距离检测方法、显示屏的控制方法及电子设备 | |
CN113869444A (zh) | 变电站故障检测方法、装置、计算机设备和存储介质 |
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 |