CN113951565B - 一种基于环形网络拓扑结构的电子雾化器干涉方法 - Google Patents

一种基于环形网络拓扑结构的电子雾化器干涉方法 Download PDF

Info

Publication number
CN113951565B
CN113951565B CN202111424979.1A CN202111424979A CN113951565B CN 113951565 B CN113951565 B CN 113951565B CN 202111424979 A CN202111424979 A CN 202111424979A CN 113951565 B CN113951565 B CN 113951565B
Authority
CN
China
Prior art keywords
data
communication terminal
local concentration
fixed communication
node
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
Application number
CN202111424979.1A
Other languages
English (en)
Other versions
CN113951565A (zh
Inventor
侯守山
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen Hanqingda Technology Co Ltd
Original Assignee
Shenzhen Hanqingda Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen Hanqingda Technology Co Ltd filed Critical Shenzhen Hanqingda Technology Co Ltd
Priority to CN202111424979.1A priority Critical patent/CN113951565B/zh
Publication of CN113951565A publication Critical patent/CN113951565A/zh
Application granted granted Critical
Publication of CN113951565B publication Critical patent/CN113951565B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • A—HUMAN NECESSITIES
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24F—SMOKERS' REQUISITES; MATCH BOXES; SIMULATED SMOKING DEVICES
    • A24F40/00—Electrically operated smoking devices; Component parts thereof; Manufacture thereof; Maintenance or testing thereof; Charging means specially adapted therefor
    • A24F40/40—Constructional details, e.g. connection of cartridges and battery parts
    • A—HUMAN NECESSITIES
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24F—SMOKERS' REQUISITES; MATCH BOXES; SIMULATED SMOKING DEVICES
    • A24F40/00—Electrically operated smoking devices; Component parts thereof; Manufacture thereof; Maintenance or testing thereof; Charging means specially adapted therefor
    • A24F40/50—Control or monitoring
    • A—HUMAN NECESSITIES
    • A24—TOBACCO; CIGARS; CIGARETTES; SIMULATED SMOKING DEVICES; SMOKERS' REQUISITES
    • A24F—SMOKERS' REQUISITES; MATCH BOXES; SIMULATED SMOKING DEVICES
    • A24F40/00—Electrically operated smoking devices; Component parts thereof; Manufacture thereof; Maintenance or testing thereof; Charging means specially adapted therefor
    • A24F40/50—Control or monitoring
    • A24F40/51—Arrangement of sensors
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/42—Loop networks
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/28—Data switching networks characterised by path configuration, e.g. LAN [Local Area Networks] or WAN [Wide Area Networks]
    • H04L12/42—Loop networks
    • H04L12/423—Loop networks with centralised control, e.g. polling
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/38—Services specially adapted for particular environments, situations or purposes for collecting sensor information

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • Signal Processing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • General Physics & Mathematics (AREA)
  • Biophysics (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Medical Informatics (AREA)
  • Computer Hardware Design (AREA)
  • Geometry (AREA)
  • Air Conditioning Control Device (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

本申请揭示了一种基于环形网络拓扑结构的电子雾化器干涉方法，构建环形网络；进行初步对抗小组划分处理，以得到p个初步对抗小组；得到环境数据；设置电子雾化器的开启条件为：俘获环形网络的令牌，同时其他电子雾化器均处于关闭状态；设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处时间周期结束；将接收到的pm个通信数据，输入烟雾局部浓度分析模型，以得到第一分析结果；若第一分析结果为局部浓度异常，则进行对抗小组动态调整处理；在下一个时间周期中，得到第二分析结果；若第二分析结果为局部浓度正常，则进行均匀排气处理，实现了针对性的烟雾控制，有利于场景中各人员的健康。

Description

一种基于环形网络拓扑结构的电子雾化器干涉方法
技术领域
本申请涉及到电子雾化器领域，特别是涉及到一种基于环形网络拓扑结构的电子雾化器干涉方法。
背景技术
在一些场景中，例如在一些要求高保密性的闭门会议的场景中，与会人员有电子雾化器爱好者(即烟雾提供者)，此时场景中将有烟雾存在。而烟雾过大显然是不利的，因此传统方案会采用排气扇等方式来增加空气流通，从而解决这个问题。但是传统方案不会考虑烟雾的分布，以及场景中各人员对于烟雾贡献的不同，因此若要保证较小的烟雾浓度，一般要求排气扇的功率较大，这会带来两个负面作用，其一是带来不必要的大的噪音，其二是会引发较大且不均匀的气流。因此，传统方案并不能有效解决烟雾分布不均匀的场景中的通风排气问题。
发明内容
本申请提出一种基于环形网络拓扑结构的电子雾化器干涉方法，电子雾化器设置有控制芯片与信号传输模块，包括：
S1、固定通信终端根据预设的环形网络拓扑结构，构建环形网络；其中，固定通信终端记为零号节点，环形网络中的其他节点分别对应于多个电子雾化器，固定通信终端具有预设的排气扇阵列的控制权限；
S2、固定通信终端进行初步对抗小组划分处理，以将环形网络中的一号节点至m号节点、m+1号节点至2m号节点、…、第pm-m+1号节点至pm号节点，分别划分为一个初步对抗小组，从而得到p个初步对抗小组；其中，零号节点、一号节点、二号节点、…、pm号节点顺序信号连接，并且零号节点与pm号节点信号连接，并且相邻节点对应的两个电子雾化器在真实空间中也相邻；p为大于等于2的整数，m为大于等于2的整数；
S3、除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据；其中，环境数据至少包括声音数据；
S4、除固定通信终端之外的每个节点，均设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；其中，通信数据至少包括电子雾化器的功率数据和环境数据，令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态；
S5、除固定通信终端之外的每个节点，均设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；
S6、固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常；其中，第一分析结果包括局部浓度异常或者局部浓度正常；所述烟雾局部浓度分析模型基于神经网络模型，并采用预先收集的样本数据进行有监督学习的方式训练得到；
S7、若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多；t为大于等于2的整数；
S8、在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常；
S9、若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
其中，信号传输模块为无线传输模块；环形网络中除固定通信终端之外的其他节点分别对应的多个电子雾化器，均为固定电子雾化器。
其中，所述除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据的步骤S3，包括：
S301、除固定通信终端之外的每个节点，均采用预设的声音传感器进行实时数据采集处理，以得到环境声音数据；
S302、除固定通信终端之外的每个节点，均采用预设的红外传感器进行实时数据采集处理，以得到环境红外数据；
S303、除固定通信终端之外的每个节点，均进行声音数据比对处理，以使得环境声音数据与预先收集的吸烟声音进行数据对比处理，从而提取出多个声音子数据；
S304、除固定通信终端之外的每个节点，均进行红外数据提取处理，以从环境红外数据中提取出高于预设温度阈值的多个红外子数据；
S305、除固定通信终端之外的每个节点，均根据采集时间相同的规则，建立多个声音子数据与多个红外子数据之间的对应关系，从而构建成多个混合数据对；
S306、除固定通信终端之外的每个节点，均将多个混合数据对记为环境数据。
其中，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6，包括：
S601、固定通信终端，采用接收到的pm个通信数据进行互相验证处理，以判断每个节点对应的电子雾化器的功率数据，是否与环境数据中的混合数据对相匹配；
S602、若每个节点对应的电子雾化器的功率数据，均与环境数据中的混合数据对相匹配，则将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常。
其中，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6之前，包括：
S51、固定通信终端从预设的样本数据库中调取多个样本数据；
S52、固定通信终端根据预设比例将多个样本数据划分为多个训练用数据和多个验证用数据；
S53、固定通信终端将所述多个训练用数据输入预设的神经网络模型中，采用随机梯度下降法并以有监督学习的方式进行训练，以得到暂时烟雾局部浓度分析模型；其中，训练过程中采用反向传导法则更新各层神经网络的参数；
S54、固定通信终端采用多个验证用数据对暂时烟雾局部浓度分析模型进行验证，并判断验证的结果是否为验证合格；
S55、若验证的结果为验证合格，则固定通信终端将暂时烟雾局部浓度分析模型作为最终烟雾局部浓度分析模型。
其中，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6之后，包括：
S61、若第一分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
其中，当烟雾局部浓度分析模型的输出结果为局部浓度异常时，输出结果还附带有浓度异常的区域，所述若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组的步骤S7，包括：
S701、若第一分析结果为局部浓度异常，则固定通信终端获取局部浓度异常区域对应的初步对抗小组，并记为异常对抗小组；
S702、固定通信终端将异常对抗小组对应的电子雾化器功率进行加和处理，以得到加和值；
S703、固定通信终端判断加和值是否大于预设的功率阈值；
S704、若加和值大于预设的功率阈值，则固定通信终端将异常对抗小组相邻的节点重新分配入异常对抗小组中。
本申请提供一种基于环形网络拓扑结构的电子雾化器干涉装置，电子雾化器设置有控制芯片与信号传输模块，包括：
环形网络构建单元，用于指示固定通信终端根据预设的环形网络拓扑结构，构建环形网络；其中，固定通信终端记为零号节点，环形网络中的其他节点分别对应于多个电子雾化器，固定通信终端具有预设的排气扇阵列的控制权限；
初步对抗小组划分单元，用于指示固定通信终端进行初步对抗小组划分处理，以将环形网络中的一号节点至m号节点、m+1号节点至2m号节点、…、第pm-m+1号节点至pm号节点，分别划分为一个初步对抗小组，从而得到p个初步对抗小组；其中，零号节点、一号节点、二号节点、…、pm号节点顺序信号连接，并且零号节点与pm号节点信号连接，并且相邻节点对应的两个电子雾化器在真实空间中也相邻；p为大于等于2的整数，m为大于等于2的整数；
环境数据采集单元，用于指示除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据；其中，环境数据至少包括声音数据；
开启条件设置单元，用于指示除固定通信终端之外的每个节点，均设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；其中，通信数据至少包括电子雾化器的功率数据和环境数据，令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态；
强制关闭条件设置单元，用于指示除固定通信终端之外的每个节点，均设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；
第一分析结果输出单元，用于指示固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常；其中，第一分析结果包括局部浓度异常或者局部浓度正常；所述烟雾局部浓度分析模型基于神经网络模型，并采用预先收集的样本数据进行有监督学习的方式训练得到；
对抗小组动态调整单元，用于指示若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多；t为大于等于2的整数；
第二分析结果输出单元，用于指示在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常；
均匀排气单元，用于指示若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
本申请提供一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
本申请提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
本申请的基于环形网络拓扑结构的电子雾化器干涉方法、装置、计算机设备和存储介质，根据预设的环形网络拓扑结构，构建环形网络；进行初步对抗小组划分处理，以得到p个初步对抗小组；采用预设的环境传感器进行环境数据采集处理，以得到环境数据；设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到第一分析结果；若第一分析结果为局部浓度异常，则进行对抗小组动态调整处理，以得到t个调整后对抗小组；在下一个时间周期中，得到烟雾局部浓度分析模型输出的第二分析结果；若第二分析结果为局部浓度正常，则控制排气扇阵列进行均匀排气处理，实现了在尽量减少负面效果的前提下，实现了针对性的烟雾控制，有利于场景中各人员的健康，尤其是有利于场景中提供较小烟雾者或者不提供烟雾者的健康。
本申请可应用于任意可行场景，例如应用于会议室，吸烟室等场景。
附图说明
图1为本申请一实施例的基于环形网络拓扑结构的电子雾化器干涉方法的流程示意图；
图2为本申请一实施例的基于环形网络拓扑结构的电子雾化器干涉装置的结构示意框图；
图3为本申请一实施例的计算机设备的结构示意框图。
本申请目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
参照图1，本申请实施例提供一种基于环形网络拓扑结构的电子雾化器干涉方法，电子雾化器设置有控制芯片与信号传输模块，包括：
S1、固定通信终端根据预设的环形网络拓扑结构，构建环形网络；其中，固定通信终端记为零号节点，环形网络中的其他节点分别对应于多个电子雾化器，固定通信终端具有预设的排气扇阵列的控制权限；
S2、固定通信终端进行初步对抗小组划分处理，以将环形网络中的一号节点至m号节点、m+1号节点至2m号节点、…、第pm-m+1号节点至pm号节点，分别划分为一个初步对抗小组，从而得到p个初步对抗小组；其中，零号节点、一号节点、二号节点、…、pm号节点顺序信号连接，并且零号节点与pm号节点信号连接，并且相邻节点对应的两个电子雾化器在真实空间中也相邻；p为大于等于2的整数，m为大于等于2的整数；
S3、除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据；其中，环境数据至少包括声音数据；
S4、除固定通信终端之外的每个节点，均设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；其中，通信数据至少包括电子雾化器的功率数据和环境数据，令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态；
S5、除固定通信终端之外的每个节点，均设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；
S6、固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常；其中，第一分析结果包括局部浓度异常或者局部浓度正常；所述烟雾局部浓度分析模型基于神经网络模型，并采用预先收集的样本数据进行有监督学习的方式训练得到；
S7、若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多；t为大于等于2的整数；
S8、在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常；
S9、若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
本申请是从多端的角度来进行描述的，即不仅是从固定通信终端的角度来进行描述，还从环形网络中的其他节点的角度来进行描述。
本申请的基于环形网络拓扑结构的电子雾化器干涉方法，其中环形网络拓扑结构指的是，固定通信终端与其他电子雾化器依次信号连接，最终形成一个环状的网络拓扑结构，本申请中的电子雾化器，例如为电子烟，与传统的电子雾化器相比，还设置有控制芯片与信号传输模块，从而能够作为环形网络拓扑结构中的网络节点，并且能够在网络中进行信号传输。控制芯片用于控制雾化器的开启与关闭，并且控制信号传输模块的运作，以及在设置有其他传感器时，还与其他传感器形成信号连接。
另外，本申请优选应用于如会议室等特殊场景，因此本申请中的电子雾化器相对于传统电子雾化器，还能够被设置为位置固定，即固定电子雾化器，所述固定电子雾化器指被固定在预设位置的电子雾化器，从而电子雾化器在真实空间中的物理位置能够预先得知，有利于本申请的方案的执行。
进一步地，信号传输模块为无线传输模块；环形网络中除固定通信终端之外的其他节点分别对应的多个电子雾化器，均为固定电子雾化器。无线传输模块可为任意可行模块，优选为蓝牙模块等，当然也可以为其他通信模块。
如上述步骤S1-S2所述，固定通信终端根据预设的环形网络拓扑结构，构建环形网络；其中，固定通信终端记为零号节点，环形网络中的其他节点分别对应于多个电子雾化器，固定通信终端具有预设的排气扇阵列的控制权限；固定通信终端进行初步对抗小组划分处理，以将环形网络中的一号节点至m号节点、m+1号节点至2m号节点、…、第pm-m+1号节点至pm号节点，分别划分为一个初步对抗小组，从而得到p个初步对抗小组；其中，零号节点、一号节点、二号节点、…、pm号节点顺序信号连接，并且零号节点与pm号节点信号连接，并且相邻节点对应的两个电子雾化器在真实空间中也相邻；p为大于等于2的整数，m为大于等于2的整数。
预设的环形网络拓扑结构，指的是网络结构中的任一个节点，均只与邻近的两个节点相连。例如该环形网络拓扑结构中包括7个节点，那么第一个节点与第二个节点相连，第二个节点与第三个节点相连，…，第六个节点与第七个节点相连，第七个节点与第一个节点相连，从而形成闭环的网络。
本申请的环形网络拓扑结构，同样存在令牌，只有当某个节点俘获令牌后，才能传输数据，并当该节点释放令牌后，其他节点才可能俘获令牌。相比于普通的环形网络拓扑结构，本申请的环形网络拓扑结构的特点在于，除固定通信终端外的其他节点发送数据的目标节点，只能是固定通信终端，而固定通信终端发送数据的目标节点可以为任意节点。另外，本申请的另一个特点在于，将电子雾化器的开启与关闭的硬性条件与令牌直接绑定，从而实现了电子雾化器的干涉。
固定通信终端具有预设的排气扇阵列的控制权限，排气扇阵列用于对当前场景的排气，相对于普通的排气扇，本申请的排气扇阵列分布更为均匀，其目的在于进行均匀排气，以避免普通排气方案带来的两个负面作用(其一是带来不必要的大的噪音，其二是会引发较大且不均匀的气流)。排气扇阵列可以采用任意方式布设，例如围绕着多个电子雾化器进行均匀分布，但是需要注意的是，在最终进行均匀排气时，并不是以单个电子雾化器为单位，进行针对性排气的(因为根据使用者的不同，某些电子雾化器产生的烟雾少，而另一些电子雾化器产生的烟雾多，若以单个电子雾化器为单位，进行针对性排气，将使得某些排气扇大功率运作，而另一些排气扇几乎不工作，那么普通排气方案带来的两个负面作用仍然不可避免)，而是以对抗小组(调整后对抗小组)为单位来进行针对性排气的，此时由于调整后对抗小组生成的烟雾是较为均匀的(即局部浓度正常)，因此每个排气扇针对于调整后对抗小组，就能够以相对较小的功率，相对较均匀地进行排气作业。
进一步地，排气扇阵列的排气方向设置为可调节的，从而使得排气扇阵列能够针对调整后对抗小组进行相应调整。
本申请实现针对性的烟雾控制，需要依靠对抗小组的设置，即将相邻的m个节点划分为同一个初步对抗小组，从而得到p个初步对抗小组。此时，环形网络中共有pm+1个节点。对抗小组的命名，是因为每个对抗小组中，在同一个时间点只有一个电子雾化器能进行工作，而同一个对抗小组中的节点在真实空间中的距离也较小，即相邻节点对应的两个电子雾化器在真实空间中也相邻，通过这样的设置，目的在于减小局部大的烟雾浓度现象的出现。
另外，由于初始状态下对对抗小组的划分，仅是将相邻的m个节点划分为同一个初步对抗小组，因此是否能够实现烟雾浓度的均匀控制，这是未知的，所以将在后续确定初步对抗小组的划分是否合适，并且在不合适的情况下，进行调整。
如上述步骤S3-S5所述，除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据；其中，环境数据至少包括声音数据；除固定通信终端之外的每个节点，均设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；其中，通信数据至少包括电子雾化器的功率数据和环境数据，令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态；除固定通信终端之外的每个节点，均设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束。
本申请的电子雾化器的开启与关闭，除了使用者的指令(根据电子雾化器的不同，可以采用按压按钮等方式)之外，还具有开启条件和强制关闭条件。其中，当满足开启条件后，使用者再通过按压按钮等方式输入指令，电子雾化器才生成烟雾。而不满足开启条件，纵使使用者输入指令，电子雾化器也不会开启，因此不会生成烟雾。当满足强制关闭条件时，纵使使用者仍通过按压按钮等方式输入指令，电子雾化器也会强制关闭，不产生烟雾。
并且，本申请的各个电子雾化器，还采用预设的环境传感器进行环境数据采集处理，以得到环境数据，而环境数据至少包括声音数据。这是为了对后续的电子雾化器的功率数据进行相互验证，其作用之一是防止部分电子雾化器伪造功率数据(此时的电子雾化器可能是使用者携带的，并且固定在指定位置，从而成为暂时的固定电子雾化器)。其中声音数据就包括了附近的吸烟者的吸烟声，当然对于距离过远的吸烟者，无法采集得到，但是每个节点对应的电子雾化器均进行环境数据采集处理，因此总有距离更近的电子雾化器，因此可以采集得到对应的声音数据等环境数据。而声音数据中的吸烟声越大，若此时对应的电子雾化器处于开启状态，那么其对应的功率应当越高，产生的烟雾量越大。
而电子雾化器的功率与烟雾的产生量直接相关，因此环境数据与电子雾化器的功率能够作为分析数据，以分析出烟雾生成量，并且由于本申请能够定位各个节点的烟雾生成量(更准确的，实际上是以对抗小组为单位进行分析的)，因此能够分析出局部的烟雾浓度，从而为后续的烟雾局部浓度分析模型提供初始分析数据。
本申请的一个特点是，电子雾化器的开启与关闭，都与令牌相关，因此除固定通信终端之外的每个节点，均要进行相应设置。并且由于本申请需要对对抗小组进行实时调整，而每次调整为一个时间周期，因此在设置过程中，也是以一个预设的时间周期来设置的。另外，本申请需要设置，处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态，而普通环形网络拓扑结构中的令牌(即是一个特别的帧)，是不会记载其他节点的状态的，而本申请进行了设置，以将令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态，从而能够从令牌中得知其他节点的开闭状态。因此，在同一个时间周期内，同一个对抗小组中，最多只有一个电子雾化器能够开启。
进一步地，所述除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据的步骤S3，包括：
S301、除固定通信终端之外的每个节点，均采用预设的声音传感器进行实时数据采集处理，以得到环境声音数据；
S302、除固定通信终端之外的每个节点，均采用预设的红外传感器进行实时数据采集处理，以得到环境红外数据；
S303、除固定通信终端之外的每个节点，均进行声音数据比对处理，以使得环境声音数据与预先收集的吸烟声音进行数据对比处理，从而提取出多个声音子数据；
S304、除固定通信终端之外的每个节点，均进行红外数据提取处理，以从环境红外数据中提取出高于预设温度阈值的多个红外子数据；
S305、除固定通信终端之外的每个节点，均根据采集时间相同的规则，建立多个声音子数据与多个红外子数据之间的对应关系，从而构建成多个混合数据对；
S306、除固定通信终端之外的每个节点，均将多个混合数据对记为环境数据。
从而提高了环境数据的准确性，保证最终分析结果的可信度。本申请的环境数据主要是辅助电子雾化器的功率数据来使用的，其中至少包括声音数据，但是声音数据容易被噪声掩盖，因此本申请还引入了环境红外数据，以与声音数据进行匹配，构成混合数据对。之所以能够这样设计，原因在于，环境红外数据反应的是环境温度，而电子雾化器在工作时，其温度明显高于人体温度，并且功率越大，吸烟声音应当越大，红外数据对应的温度也越高。因此，在某个时间点，某个使用者大力吸烟时，会出现明显的红外数据信号，功率数据也明显增大，吸烟声也更为明显。根据这个原因，即是根据采集时间相同的规则，建立多个声音子数据与多个红外子数据之间的对应关系，从而构建成多个混合数据对；再将将多个混合数据对记为环境数据，即可提高环境数据的准确性。
进一步地，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6，包括：
S601、固定通信终端，采用接收到的pm个通信数据进行互相验证处理，以判断每个节点对应的电子雾化器的功率数据，是否与环境数据中的混合数据对相匹配；
S602、若每个节点对应的电子雾化器的功率数据，均与环境数据中的混合数据对相匹配，则将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常。
由于环境数据主要是为了与电子雾化器的功率数据进行相互验证，其验证的依据即为上文所述，在某个时间点，某个使用者大力吸烟时，会出现明显的红外数据信号，功率数据也明显增大，吸烟声也更为明显。需要注意的是，本申请的电子雾化器的真实位置是固定已知的。因此，能够采用接收到的pm个通信数据进行互相验证处理，以判断每个节点对应的电子雾化器的功率数据，是否与环境数据中的混合数据对相匹配。若匹配，则表明采集到的数据均有较高的准确性，因此适宜采用烟雾局部浓度分析模型中进行分析。
如上述步骤S6-S9所述，固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常；其中，第一分析结果包括局部浓度异常或者局部浓度正常；所述烟雾局部浓度分析模型基于神经网络模型，并采用预先收集的样本数据进行有监督学习的方式训练得到；若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多；t为大于等于2的整数；在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常；若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
本申请采用烟雾局部浓度分析模型进行烟雾局部浓度的分析。由前述已知，本申请的通信数据是能够细化到各个节点，或者说是细化到各个对抗小组的，这是能够进行局部烟雾分析的基础。通信数据与局部烟雾浓度直接相关，而神经网络模型对于这种具有直接关联特征的分析任务(或称为分类任务)尤为适合。其中的神经网络模型可为任意可行模型，本申请在此处不作限制，例如可以采用残差神经网络模型、长短期记忆神经网络模型、径向基神经网络模型等等。并且在训练过程中采用经过标注的样本数据进行训练，因此是有监督学习的方式训练得到烟雾局部浓度分析模型。进一步地，本申请还可以采用经验公式来代替步骤S6中的烟雾局部浓度分析模型，来进行局部浓度是否异常的分析。
若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多。采用这种动态调整处理的依据在于，某些初步对抗小组对应的局部烟雾浓度过大，表明该初步对抗小组在当前时间周期中，对应的电子雾化器工作时间较大，因此若能够增加该初步对抗小组的成员，以使得对应的局部区域变大(因为增加了新成员，因此对抗小组对应的范围增大)，并且增加的成员对于烟雾的贡献较小，那么就能够使得新的对抗小组区域的局部烟雾密度下降，并且新增加的成员会争夺令牌，还能够减少原成员的烟雾贡献，这也能实现局部烟雾的调整。但调整后的对抗小组是否能够满足上述要求是未可知的，因此还需要采用后续步骤来验证。
因此，在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常。若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。排气扇阵列进行均匀排气处理，是以调整后的对抗小组为单位进行排气的，这在前文已提及，在此不再赘述。
在一个实施方式中，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6之前，包括：
S51、固定通信终端从预设的样本数据库中调取多个样本数据；
S52、固定通信终端根据预设比例将多个样本数据划分为多个训练用数据和多个验证用数据；
S53、固定通信终端将所述多个训练用数据输入预设的神经网络模型中，采用随机梯度下降法并以有监督学习的方式进行训练，以得到暂时烟雾局部浓度分析模型；其中，训练过程中采用反向传导法则更新各层神经网络的参数；
S54、固定通信终端采用多个验证用数据对暂时烟雾局部浓度分析模型进行验证，并判断验证的结果是否为验证合格；
S55、若验证的结果为验证合格，则固定通信终端将暂时烟雾局部浓度分析模型作为最终烟雾局部浓度分析模型。
从而训练出最终烟雾局部浓度分析模型。其中，样本数据的获取过程，应当与前述步骤S3-S4中的通信数据的获取过程相同，由于通信数据至少包括电子雾化器的功率数据和环境数据，因此样本数据同样应当包括对样本电子雾化器的功率数据和样本环境数据。并且由相同的样本数据进行划分，以划分出同源的多个训练用数据和多个验证用数据，以保证训练过程与验证过程中，数据的一致性。再采用随机梯度下降法并以有监督学习的方式进行训练，以得到暂时烟雾局部浓度分析模型；其中，训练过程中采用反向传导法则更新各层神经网络的参数。其中，随机梯度下降法是训练模型采用的梯度下降法中的一种，其采用随机取样一些训练数据，替代整个训练集，以提高训练速度。反向传导法则，其是相对于前向传导法则而命名的，其中训练过程中，先计算估计值与实际值之间的误差，并将该误差从输出层向隐藏层反向传播，直至传播到输入层，这就是反向的命名由来，尤其有利于深度神经网络模型的训练。再用同源的验证数据对暂时烟雾局部浓度分析模型进行验证，若验证的结果为验证合格，则固定通信终端将暂时烟雾局部浓度分析模型作为最终烟雾局部浓度分析模型，从而确定最终烟雾局部浓度分析模型能够胜任局部烟雾浓度的分析任务。
进一步地，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6之后，包括：
S61、若第一分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
在一个实施方式中，当烟雾局部浓度分析模型的输出结果为局部浓度异常时，输出结果还附带有浓度异常的区域，所述若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组的步骤S7，包括：
S701、若第一分析结果为局部浓度异常，则固定通信终端获取局部浓度异常区域对应的初步对抗小组，并记为异常对抗小组；
S702、固定通信终端将异常对抗小组对应的电子雾化器功率进行加和处理，以得到加和值；
S703、固定通信终端判断加和值是否大于预设的功率阈值；
S704、若加和值大于预设的功率阈值，则固定通信终端将异常对抗小组相邻的节点重新分配入异常对抗小组中。
从而实现了动态调整对抗小组。由于初步对抗小组中，每个小组的成员数量是相同的，因此若某个初步对抗小组产生了较多的烟雾，那么一般而言，该初步对抗小组对应电子雾化器中，至少有部分的功率是较高的，反应在总功率上，即是对应的总功率是较高的，即加和值大于预设的功率阈值。因此将其邻近的初步对抗小组中的成员重新分配至该异常对抗小组中即可。由于与异常对抗小组相邻的节点有两个(相邻的初步对抗小组也是两个)，因此可以采用将相邻的两个节点均重新分配入异常对抗小组中，也可以只将相邻的两个节点中的任意一个重新分配入异常对抗小组中。对应地，被重新分配的节点对应的初步对抗小组将减少一个成员。
另外，本申请虽然只提及了将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，但还可以采用其他方式进行调整，例如对不同对抗小组中的时间周期进行修改，或者要求某些烟雾浓度过高区域对应的吸烟者，与烟雾浓度较低区域对应的人进行位置交换。
本申请的基于环形网络拓扑结构的电子雾化器干涉方法，根据预设的环形网络拓扑结构，构建环形网络；进行初步对抗小组划分处理，以得到p个初步对抗小组；采用预设的环境传感器进行环境数据采集处理，以得到环境数据；设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到第一分析结果；若第一分析结果为局部浓度异常，则进行对抗小组动态调整处理，以得到t个调整后对抗小组；在下一个时间周期中，得到烟雾局部浓度分析模型输出的第二分析结果；若第二分析结果为局部浓度正常，则控制排气扇阵列进行均匀排气处理，实现了在尽量减少负面效果的前提下，实现了针对性的烟雾控制，有利于场景中各人员的健康，尤其是有利于场景中提供较小烟雾者或者不提供烟雾者的健康。
参照图2，本申请实施例提供一种基于环形网络拓扑结构的电子雾化器干涉装置，电子雾化器设置有控制芯片与信号传输模块，包括：
环形网络构建单元10，用于指示固定通信终端根据预设的环形网络拓扑结构，构建环形网络；其中，固定通信终端记为零号节点，环形网络中的其他节点分别对应于多个电子雾化器，固定通信终端具有预设的排气扇阵列的控制权限；
初步对抗小组划分单元20，用于指示固定通信终端进行初步对抗小组划分处理，以将环形网络中的一号节点至m号节点、m+1号节点至2m号节点、…、第pm-m+1号节点至pm号节点，分别划分为一个初步对抗小组，从而得到p个初步对抗小组；其中，零号节点、一号节点、二号节点、…、pm号节点顺序信号连接，并且零号节点与pm号节点信号连接，并且相邻节点对应的两个电子雾化器在真实空间中也相邻；p为大于等于2的整数，m为大于等于2的整数；
环境数据采集单元30，用于指示除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据；其中，环境数据至少包括声音数据；
开启条件设置单元40，用于指示除固定通信终端之外的每个节点，均设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；其中，通信数据至少包括电子雾化器的功率数据和环境数据，令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态；
强制关闭条件设置单元50，用于指示除固定通信终端之外的每个节点，均设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；
第一分析结果输出单元60，用于指示固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常；其中，第一分析结果包括局部浓度异常或者局部浓度正常；所述烟雾局部浓度分析模型基于神经网络模型，并采用预先收集的样本数据进行有监督学习的方式训练得到；
对抗小组动态调整单元70，用于指示若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多；t为大于等于2的整数；
第二分析结果输出单元80，用于指示在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常；
均匀排气单元90，用于指示若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
其中上述单元分别用于执行的操作与前述实施方式的基于环形网络拓扑结构的电子雾化器干涉方法的步骤一一对应，在此不再赘述。
本申请的基于环形网络拓扑结构的电子雾化器干涉装置，根据预设的环形网络拓扑结构，构建环形网络；进行初步对抗小组划分处理，以得到p个初步对抗小组；采用预设的环境传感器进行环境数据采集处理，以得到环境数据；设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到第一分析结果；若第一分析结果为局部浓度异常，则进行对抗小组动态调整处理，以得到t个调整后对抗小组；在下一个时间周期中，得到烟雾局部浓度分析模型输出的第二分析结果；若第二分析结果为局部浓度正常，则控制排气扇阵列进行均匀排气处理，实现了在尽量减少负面效果的前提下，实现了针对性的烟雾控制，有利于场景中各人员的健康，尤其是有利于场景中提供较小烟雾者或者不提供烟雾者的健康。
参照图3，本发明实施例中还提供一种计算机设备，该计算机设备可以是服务器，其内部结构可以如图所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口和数据库。其中，该计算机设计的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统、计算机程序和数据库。该内存器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的数据库用于存储基于环形网络拓扑结构的电子雾化器干涉方法所用数据。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于环形网络拓扑结构的电子雾化器干涉方法。该计算机设备还包括显示屏和输入装置，分别用于展示人工交互界面和用于接收输入数据。
上述处理器执行上述基于环形网络拓扑结构的电子雾化器干涉方法，其中所述方法包括的步骤分别与执行前述实施方式的基于环形网络拓扑结构的电子雾化器干涉方法的步骤一一对应，在此不再赘述。
本领域技术人员可以理解，图中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定。
本申请的计算机设备，根据预设的环形网络拓扑结构，构建环形网络；进行初步对抗小组划分处理，以得到p个初步对抗小组；采用预设的环境传感器进行环境数据采集处理，以得到环境数据；设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到第一分析结果；若第一分析结果为局部浓度异常，则进行对抗小组动态调整处理，以得到t个调整后对抗小组；在下一个时间周期中，得到烟雾局部浓度分析模型输出的第二分析结果；若第二分析结果为局部浓度正常，则控制排气扇阵列进行均匀排气处理，实现了在尽量减少负面效果的前提下，实现了针对性的烟雾控制，有利于场景中各人员的健康，尤其是有利于场景中提供较小烟雾者或者不提供烟雾者的健康。
本申请一实施例还提供一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现基于环形网络拓扑结构的电子雾化器干涉方法，其中所述方法包括的步骤分别与执行前述实施方式的基于环形网络拓扑结构的电子雾化器干涉方法的步骤一一对应，在此不再赘述。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、装置、物品或者方法不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、装置、物品或者方法所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、装置、物品或者方法中还存在另外的相同要素。
以上所述仅为本申请的优选实施例，并非因此限制本申请的专利范围，凡是利用本申请说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其他相关的技术领域，均同理包括在本申请的专利保护范围内。

Claims (9)

1.一种基于环形网络拓扑结构的电子雾化器干涉方法，电子雾化器设置有控制芯片与信号传输模块，其特征在于，包括：
S1、固定通信终端根据预设的环形网络拓扑结构，构建环形网络；其中，固定通信终端记为零号节点，环形网络中的其他节点分别对应于多个电子雾化器，固定通信终端具有预设的排气扇阵列的控制权限；
S2、固定通信终端进行初步对抗小组划分处理，以将环形网络中的一号节点至m号节点、m+1号节点至2m号节点、…、第pm-m+1号节点至pm号节点，分别划分为一个初步对抗小组，从而得到p个初步对抗小组；其中，零号节点、一号节点、二号节点、…、pm号节点顺序信号连接，并且零号节点与pm号节点信号连接，并且相邻节点对应的两个电子雾化器在真实空间中也相邻；p为大于等于2的整数，m为大于等于2的整数；
S3、除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据；其中，环境数据至少包括声音数据；
S4、除固定通信终端之外的每个节点，均设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；其中，通信数据至少包括电子雾化器的功率数据和环境数据，令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态；
S5、除固定通信终端之外的每个节点，均设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；
S6、固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常；其中，第一分析结果包括局部浓度异常或者局部浓度正常；所述烟雾局部浓度分析模型基于神经网络模型，并采用预先收集的样本数据进行有监督学习的方式训练得到；
S7、若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多；t为大于等于2的整数；
S8、在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常；
S9、若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理；
其中，信号传输模块为无线传输模块；环形网络中除固定通信终端之外的其他节点分别对应的多个电子雾化器，均为固定电子雾化器。
2.根据权利要求1所述的基于环形网络拓扑结构的电子雾化器干涉方法，其特征在于，所述除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据的步骤S3，包括：
S301、除固定通信终端之外的每个节点，均采用预设的声音传感器进行实时数据采集处理，以得到环境声音数据；
S302、除固定通信终端之外的每个节点，均采用预设的红外传感器进行实时数据采集处理，以得到环境红外数据；
S303、除固定通信终端之外的每个节点，均进行声音数据比对处理，以使得环境声音数据与预先收集的吸烟声音进行数据对比处理，从而提取出多个声音子数据；
S304、除固定通信终端之外的每个节点，均进行红外数据提取处理，以从环境红外数据中提取出高于预设温度阈值的多个红外子数据；
S305、除固定通信终端之外的每个节点，均根据采集时间相同的规则，建立多个声音子数据与多个红外子数据之间的对应关系，从而构建成多个混合数据对；
S306、除固定通信终端之外的每个节点，均将多个混合数据对记为环境数据。
3.根据权利要求2所述的基于环形网络拓扑结构的电子雾化器干涉方法，其特征在于，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6，包括：
S601、固定通信终端，采用接收到的pm个通信数据进行互相验证处理，以判断每个节点对应的电子雾化器的功率数据，是否与环境数据中的混合数据对相匹配；
S602、若每个节点对应的电子雾化器的功率数据，均与环境数据中的混合数据对相匹配，则将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常。
4.根据权利要求1所述的基于环形网络拓扑结构的电子雾化器干涉方法，其特征在于，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6之前，包括：
S51、固定通信终端从预设的样本数据库中调取多个样本数据；
S52、固定通信终端根据预设比例将多个样本数据划分为多个训练用数据和多个验证用数据；
S53、固定通信终端将所述多个训练用数据输入预设的神经网络模型中，采用随机梯度下降法并以有监督学习的方式进行训练，以得到暂时烟雾局部浓度分析模型；其中，训练过程中采用反向传导法则更新各层神经网络的参数；
S54、固定通信终端采用多个验证用数据对暂时烟雾局部浓度分析模型进行验证，并判断验证的结果是否为验证合格；
S55、若验证的结果为验证合格，则固定通信终端将暂时烟雾局部浓度分析模型作为最终烟雾局部浓度分析模型。
5.根据权利要求1所述的基于环形网络拓扑结构的电子雾化器干涉方法，其特征在于，所述固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常的步骤S6之后，包括：
S61、若第一分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理。
6.根据权利要求1所述的基于环形网络拓扑结构的电子雾化器干涉方法，其特征在于，当烟雾局部浓度分析模型的输出结果为局部浓度异常时，输出结果还附带有浓度异常的区域，所述若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组的步骤S7，包括：
S701、若第一分析结果为局部浓度异常，则固定通信终端获取局部浓度异常区域对应的初步对抗小组，并记为异常对抗小组；
S702、固定通信终端将异常对抗小组对应的电子雾化器功率进行加和处理，以得到加和值；
S703、固定通信终端判断加和值是否大于预设的功率阈值；
S704、若加和值大于预设的功率阈值，则固定通信终端将异常对抗小组相邻的节点重新分配入异常对抗小组中。
7.一种基于环形网络拓扑结构的电子雾化器干涉装置，其特征在于，电子雾化器设置有控制芯片与信号传输模块，包括：
环形网络构建单元，用于指示固定通信终端根据预设的环形网络拓扑结构，构建环形网络；其中，固定通信终端记为零号节点，环形网络中的其他节点分别对应于多个电子雾化器，固定通信终端具有预设的排气扇阵列的控制权限；
初步对抗小组划分单元，用于指示固定通信终端进行初步对抗小组划分处理，以将环形网络中的一号节点至m号节点、m+1号节点至2m号节点、…、第pm-m+1号节点至pm号节点，分别划分为一个初步对抗小组，从而得到p个初步对抗小组；其中，零号节点、一号节点、二号节点、…、pm号节点顺序信号连接，并且零号节点与pm号节点信号连接，并且相邻节点对应的两个电子雾化器在真实空间中也相邻；p为大于等于2的整数，m为大于等于2的整数；
环境数据采集单元，用于指示除固定通信终端之外的每个节点，均采用预设的环境传感器进行环境数据采集处理，以得到环境数据；其中，环境数据至少包括声音数据；
开启条件设置单元，用于指示除固定通信终端之外的每个节点，均设置电子雾化器的开启条件为：俘获环形网络的令牌，同时处于相同对抗小组中的其他电子雾化器在预设的时间周期内均处于关闭状态；并且在电子雾化器开启后，将通信数据发送至固定通信终端；其中，通信数据至少包括电子雾化器的功率数据和环境数据，令牌设置有对应于各个节点的状态标识，用以标识电子雾化器在一个时间周期内的开启或者关闭的状态；
强制关闭条件设置单元，用于指示除固定通信终端之外的每个节点，均设置电子雾化器的强制关闭条件为：将通信数据发送至固定通信终端时所处的一个预设的时间周期结束；
第一分析结果输出单元，用于指示固定通信终端将接收到的pm个通信数据，输入预先训练好的烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第一分析结果，并判断第一分析结果是否为局部浓度异常；其中，第一分析结果包括局部浓度异常或者局部浓度正常；所述烟雾局部浓度分析模型基于神经网络模型，并采用预先收集的样本数据进行有监督学习的方式训练得到；
对抗小组动态调整单元，用于指示若第一分析结果为局部浓度异常，则固定通信终端进行对抗小组动态调整处理，以将p个初步对抗小组中的小组数量和/或小组成员数量进行动态调整处理，以得到t个调整后对抗小组；其中，动态调整处理的原则为，电子雾化器功率之和越大的对抗小组，其小组成员数量越多；t为大于等于2的整数；
第二分析结果输出单元，用于指示在下一个时间周期中，固定通信终端再次接收到其他节点发送的通信数据，并输入烟雾局部浓度分析模型中进行处理，以得到烟雾局部浓度分析模型输出的第二分析结果，并判断第二分析结果是否为局部浓度异常；
均匀排气单元，用于指示若第二分析结果为局部浓度正常，则固定通信终端控制排气扇阵列进行均匀排气处理；
其中，信号传输模块为无线传输模块；环形网络中除固定通信终端之外的其他节点分别对应的多个电子雾化器，均为固定电子雾化器。
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述方法的步骤。
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
CN202111424979.1A 2021-11-26 2021-11-26 一种基于环形网络拓扑结构的电子雾化器干涉方法 Active CN113951565B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111424979.1A CN113951565B (zh) 2021-11-26 2021-11-26 一种基于环形网络拓扑结构的电子雾化器干涉方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111424979.1A CN113951565B (zh) 2021-11-26 2021-11-26 一种基于环形网络拓扑结构的电子雾化器干涉方法

Publications (2)

Publication Number Publication Date
CN113951565A CN113951565A (zh) 2022-01-21
CN113951565B true CN113951565B (zh) 2024-04-16

Family

ID=79472087

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111424979.1A Active CN113951565B (zh) 2021-11-26 2021-11-26 一种基于环形网络拓扑结构的电子雾化器干涉方法

Country Status (1)

Country Link
CN (1) CN113951565B (zh)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016155003A1 (zh) * 2015-04-03 2016-10-06 惠州市吉瑞科技有限公司 一种电子烟控制电路以及电子烟雾化控制方法
WO2016172821A1 (zh) * 2015-04-27 2016-11-03 惠州市吉瑞科技有限公司深圳分公司 一种电子烟雾化控制方法以及电子烟控制电路
CN111820479A (zh) * 2019-04-22 2020-10-27 常州市派腾电子技术服务有限公司 电子烟的控制方法和装置
CN213958242U (zh) * 2020-12-09 2021-08-13 青岛凌鼎智能科技有限公司 一种火灾环境仿真声光报警烟雾发生装置

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20130340775A1 (en) * 2012-04-25 2013-12-26 Bernard Juster Application development for a network with an electronic cigarette
US9552711B2 (en) * 2014-07-18 2017-01-24 Google Inc. Systems and methods for intelligent alarming

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016155003A1 (zh) * 2015-04-03 2016-10-06 惠州市吉瑞科技有限公司 一种电子烟控制电路以及电子烟雾化控制方法
WO2016172821A1 (zh) * 2015-04-27 2016-11-03 惠州市吉瑞科技有限公司深圳分公司 一种电子烟雾化控制方法以及电子烟控制电路
CN111820479A (zh) * 2019-04-22 2020-10-27 常州市派腾电子技术服务有限公司 电子烟的控制方法和装置
CN213958242U (zh) * 2020-12-09 2021-08-13 青岛凌鼎智能科技有限公司 一种火灾环境仿真声光报警烟雾发生装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
基于改进BP神经网络的烟气含氧量软测量方法;袁俊文;周正兴;王丽;任继红;;黑龙江电力;20111215(第06期);全文 *
电子烟雾化温度测定及影响研究;巩效伟;韩熠;李寿波;张霞;陈永宽;杨继;洪鎏;李廷华;吴俊;朱东来;;中国烟草学报;20170630(第03期);全文 *

Also Published As

Publication number Publication date
CN113951565A (zh) 2022-01-21

Similar Documents

Publication Publication Date Title
US11836631B2 (en) Smart desk having status monitoring function, monitoring system server, and monitoring method
Hu et al. Source inference attacks in federated learning
Fernandes et al. Detection of privacy-sensitive situations for social robots in smart homes
EP3992976A1 (en) Compound property prediction method and apparatus, and computer device and readable storage medium
Li et al. Integrated CNN and federated learning for COVID-19 detection on chest X-ray images
CN107808067B (zh) 基于网络结构与用户心理特质的信息传播预测系统及方法
Sun et al. Adaptive intrusion detection in the networking of large-scale lans with segmented federated learning
WO2018093807A1 (en) Discovering critical alerts through learning over heterogeneous temporal graphs
WO2019109738A1 (zh) 登录方法及装置和电子设备
WO2020000912A1 (zh) 一种行为检测方法、装置、电子设备和存储介质
US10237304B1 (en) Systems and methods of administering computer activities based upon emotional intelligence
CN108230169B (zh) 基于社交影响力的信息传播模型及态势感知系统及方法
CN112422556B (zh) 一种物联网终端信任模型构建方法及系统
CN111726264A (zh) 网络协议变种检测方法、装置、电子设备和存储介质
CN109150859A (zh) 一种基于网络流量流向相似性的僵尸网络检测方法
CN114859749B (zh) 一种基于物联网的智能家居管理方法及管理系统
CN112509698A (zh) 一种基于大数据的健康监控管理系统
CN113951565B (zh) 一种基于环形网络拓扑结构的电子雾化器干涉方法
KR20110082915A (ko) 네트워크의 트래픽 모의 및 유사성 검증방법 및 네트워크 트래픽 분석시스템
Marchenkov et al. User presence detection based on tracking network activity in smartroom
CN111078969B (zh) 一种基于ai的异常人群识别方法
Alhamoud et al. Evaluation of user feedback in smart home for situational context identification
JP2021015421A (ja) 情報処理プログラム、情報処理方法および情報処理装置
EP4336280A2 (en) Method and data processing system for environment evaluation
CN113570958B (zh) 一种模拟行人疏散的人控机器人平台

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