CN114460226A - 一种场景气体记忆和识别的方法及其应用 - Google Patents
一种场景气体记忆和识别的方法及其应用 Download PDFInfo
- Publication number
- CN114460226A CN114460226A CN202210020769.4A CN202210020769A CN114460226A CN 114460226 A CN114460226 A CN 114460226A CN 202210020769 A CN202210020769 A CN 202210020769A CN 114460226 A CN114460226 A CN 114460226A
- Authority
- CN
- China
- Prior art keywords
- gas
- scene
- data
- scene gas
- module
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 73
- 239000007789 gas Substances 0.000 claims abstract description 263
- 238000012545 processing Methods 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims abstract description 16
- 238000000746 purification Methods 0.000 claims description 30
- 230000000630 rising effect Effects 0.000 claims description 25
- 230000008569 process Effects 0.000 claims description 19
- 230000003749 cleanliness Effects 0.000 claims description 17
- 238000013500 data storage Methods 0.000 claims description 17
- 230000003993 interaction Effects 0.000 claims description 17
- 238000001514 detection method Methods 0.000 claims description 12
- 238000011897 real-time detection Methods 0.000 claims description 11
- 238000005070 sampling Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 9
- MWUXSHHQAYIFBG-UHFFFAOYSA-N nitrogen oxide Inorganic materials O=[N] MWUXSHHQAYIFBG-UHFFFAOYSA-N 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000001914 filtration Methods 0.000 claims description 5
- 239000000779 smoke Substances 0.000 claims description 5
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 claims description 4
- 229910002091 carbon monoxide Inorganic materials 0.000 claims description 4
- 238000012217 deletion Methods 0.000 claims description 4
- 230000037430 deletion Effects 0.000 claims description 4
- -1 formaldehyde, nitrogen oxides Chemical class 0.000 claims description 4
- 150000003568 thioethers Chemical class 0.000 claims description 4
- 238000004887 air purification Methods 0.000 claims description 3
- 150000001298 alcohols Chemical class 0.000 claims description 3
- 125000003118 aryl group Chemical group 0.000 claims description 3
- 150000002576 ketones Chemical class 0.000 claims description 3
- 125000001997 phenyl group Chemical class [H]C1=C([H])C([H])=C(*)C([H])=C1[H] 0.000 claims 1
- 244000178870 Lavandula angustifolia Species 0.000 description 8
- 235000010663 Lavandula angustifolia Nutrition 0.000 description 8
- 239000001102 lavandula vera Substances 0.000 description 8
- 235000018219 lavender Nutrition 0.000 description 8
- 239000003205 fragrance Substances 0.000 description 6
- 239000002304 perfume Substances 0.000 description 4
- UHOVQNZJYSORNB-UHFFFAOYSA-N Benzene Chemical compound C1=CC=CC=C1 UHOVQNZJYSORNB-UHFFFAOYSA-N 0.000 description 3
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 230000036541 health Effects 0.000 description 3
- 150000001555 benzenes Chemical class 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 241000894007 species Species 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 239000003153 chemical reaction reagent Substances 0.000 description 1
- 238000004737 colorimetric analysis Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000003517 fume Substances 0.000 description 1
- 238000002290 gas chromatography-mass spectrometry Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 230000006386 memory function Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0032—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array using two or more different physical functioning modes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
- G06F18/256—Fusion techniques of classification results, e.g. of results related to same input data of results relating to different input data, e.g. multimodal recognition
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
Landscapes
- Engineering & Computer Science (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Immunology (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Investigating Or Analyzing Materials By The Use Of Fluid Adsorption Or Reactions (AREA)
Abstract
本发明涉及一种场景气体记忆和识别的方法及其应用，场景气体记忆的步骤为：(1)针对预记忆的多种不同场景气体，分别采集传感阵列的响应信号数据；(2)对采集的数据进行运算处理，提取出不同场景气体的特征；(3)对场景气体的特征进行分析计算，获得特征值的分布属性，并存储作为记忆数据；场景气体识别的步骤为：(Ⅰ)针对预识别的场景气体，采集传感阵列的响应信号数据；(Ⅱ)对采集的数据进行运算处理，提取该场景气体的特征；(Ⅲ)将获得的场景气体的特征与已经记忆的场景气体特征作比对，判断该场景气体是否为记忆场景气体类别；可应用于空气净化器、新风系统、排油烟机或排风扇。本发明能够准确识别场景气体，且智能化程度高。
Description
技术领域
本发明属于气体记忆与识别技术领域，涉及一种场景气体记忆和识别的方法及其应用。
背景技术
随着社会发展和生活水平的提高，人们对空气质量的要求也越来越高。室内空气中甲醛、氮氧化物、硫化物、一氧化碳、苯类、油烟等有害气体浓度超标，会严重危害人体健康。因此，为提升生活品质和保障人们的身体健康，非常有必要对所处环境，特别是室内环境的空气质量进行检测和调控。为了满足这个需求，目前市面上出现了种类繁多的空气净化器、新风系统、排油烟机、排风扇等产品。
传统的空气净化器、新风系统、排油烟机、排风扇等产品，一般只具有手动控制开关、以及延时定时等功能，某些高档产品中虽然配备有感知元件，具有一定的智能化功能，但是工作方式多为阈值判定，智能化程度较低，因此无法适应复杂环境的空气质量检测与调控。
目前，对场景中空气成分以及浓度的检测和识别方法有很多，譬如气相色谱-质谱法、试剂比色法、以及离子选择电极法等，但这些方法所需要的仪器设备复杂、价格昂贵、需要具有专业知识背景的人员才能操作，并且分析时间长，无法实现快速识别，因此无法直接用于空气净化器、新风系统、排油烟机、排风扇等领域。
气敏传感器是一种成本低、可实现对气体实时响应的器件，因此被广泛的应用。但气敏传感器存在气体选择性低等缺点，容易受到其它气体的干扰，从而造成场景中气体的检测和识别的误判。譬如，当场景中释放有香水、花香、食物香味等气体时，虽然这些气体对人体健康是无害的，但依然可能引起气敏传感器的响应。因此，当用户根据个人喜好和感知状况，需要保留室内的某种无害气味时，则必须关停空气净化器、新风系统、排油烟机和排风扇等设备。
因此，亟待研究一种能对气体场景记忆和识别的方法，并以此提高空气净化器、新风系统、排油烟机和排风扇等领域的智能化程度。
发明内容
本发明的目的是解决现有技术中存在的上述问题，提供一种场景气体记忆和识别的方法及其应用。
为达到上述目的，本发明采用的技术方案如下：
一种场景气体(场景气体即场景中含有的气体成分)记忆和识别的方法，包括场景气体记忆和场景气体识别；
场景气体记忆包括如下步骤：
(1)针对预记忆的多种不同场景气体，分别采集传感阵列的响应信号数据；
(2)对步骤(1)采集的响应信号数据进行运算处理，提取出不同场景气体的特征；
(3)对步骤(2)提取出的不同场景气体的特征进行分析计算，获得特征值的分布属性，并存储场景气体的特征值分布属性作为记忆数据；
场景气体识别包括如下步骤：
(Ⅰ)针对预识别的场景气体，采集传感阵列的响应信号数据；
(Ⅱ)对步骤(Ⅰ)采集的响应信号数据进行运算处理，提取所述预识别的场景气体的特征；
(Ⅲ)将步骤(Ⅱ)提取的场景气体的特征与已经记忆的场景气体特征作比对，判断该场景气体是否为记忆场景气体类别，若与某个记忆的场景气体特征匹配，则识别出该场景气体，若无匹配，则该场景气体为非记忆场景气体(记忆的特征信息和类别信息是相互关联的，这样通过对比后，便可以判断识别的场景气体是否为已经记忆的场景气体，并能知道是哪种类别的场景气体)。
作为优选的技术方案：
如上所述的一种场景气体记忆和识别的方法，采用场景气体记忆和识别系统进行场景气体记忆和场景气体识别；场景气体记忆和识别系统包括主控制器、传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块和电源模块；
传感阵列模块用于实现对场景气体信息的采集以及对场景的温度和湿度的检测；传感阵列模块中包含多颗不同类型的气体传感器以及用于对气体传感器温度和湿度补偿的温度和湿度传感器；一般的，气体传感器并不只对某一种气体有响应，而是对一类或几类气体有明显的响应，同时也存在对某类气体不响应的情况。本发明的传感阵列模块中包含的多颗气体传感器是不同类型的，因此它们分别对不同气体具有不同的敏感程度(包含对某种气体不响应的情况)，通过多颗不同类型的气体传感器组成阵列，则能大大拓展其气体检测与识别的范围。温度和湿度传感器用于获取所检测场景中的温度和湿度两个参数，用于对气体传感器响应信号的温度和湿度补偿；
数据存储模块用于实现对场景气体的特征信息和类别信息的存储，所述场景气体的特征信息是通过对采集到的场景气体信息进行处理得到的；
人机交互模块用于实现用户设定系统参数、记忆与删除场景以及系统工作模式的切换；
净化装置模块用于实现空气流通、过滤，以及对空气进行净化；
控制模块用于驱动净化装置模块；
主控制器同时与传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块、电源模块连接；主控制器用于实现对传感阵列模块感知数据的采集、对采集到的数据进行运算处理、对运算处理后的数据进行存储、对控制模块的控制以及处理人机交互模块对系统的设定功能；
电源模块还与传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块连接，提供系统运行所需电量。
如上所述的一种场景气体记忆和识别的方法，步骤(1)具体为：开启系统，待系统初始化结束后，在场景空间内释放预记忆的气体，并采集传感阵列模块中气体传感器的检测数据(即气体传感器对预记忆的场景气体的响应信号数据)，存入数据集Y；
其中，I为存储的总场景数，J为某一场景气体的总采样次数，N为传感阵列模块中气体传感器的数量，S为采样曲线包含的总采样点数；Y(i,j)表示第i+1场景的第j+1次采样的数据集，Y(i,j)的每行数据为单颗传感器采集的时序排列数据；
步骤(2)具体为：
(2.1)对数据集Y进行归一化处理，得到数据集R：
(2.2)根据步骤(2.1)得到的数据集R提取记忆场景的气体信息特征，并建立特征集F：
其中，K为提取的气体信息特征的总数目，F(i,j)为根据数据集R(i,j)的行数据计算出的特征值集合，其计算方法如下：
{F(i,j)|f(i,j,α,β)∈A(i,j)}，α∈[0,N),β∈[0,K)；
A(i,j)＝{T1,T2,T3,…,T7}；
其中，T1为峰值，T2为上升沿到达峰值百分比的时间，T3为上升沿曲线下面积，T4为上升沿一阶导数特性，T5为上升沿二阶导数特性，T6为稳态过程平均值，T7为稳态过程标准差；
步骤(3)具体为：
(3.1)计算记忆场景气体的特征值平衡点，特征值平衡点的数据集FC的计算公式如下：
FC＝[FC0,FC1,…,FCI-1]；
(3.2)计算记忆场景气体的最小相似度，并存入数据集D，计算过程如下：
D＝[D0,D1,…,DI-1]；
其中：
D(i,0,0)＝max(abs(f(i,0,0,0)-FC(i,0,0)),…,abs(f(i,J-1,0,0)-FC(i,0,0)))；
D(i,0,K-1)＝max(abs(f(i,0,0,K-1)-FC(i,0,K-1)),…,abs(f(i,J-1,0,K-1)-FC(i,0,K-1)))；
D(i,N-1,0)＝max(abs(f(i,0,N-1,0)-FC(i,N-1,0)),…,abs(f(i,J-1,N-1,0)-FC(i,N-1,0)))；
D(i,N-1,K-1)＝max(abs(f(i,0,N-1,K-1)-FC(i,N-1,K-1)),…,abs(f(i,J-1,N-1,K-1)-FC(i,N-1,K-1)))；
FC(i,α,β)为FCi的第α行第β列的数据；
(3.3)生成记忆场景气体的特征数据集M并存储在数据存储模块中；
场景气体记忆通过场景气体特征记忆算法实现，上述步骤(1)～(3)为本发明的场景气体特征记忆算法。
如上所述的一种场景气体记忆和识别的方法，步骤(Ⅰ)具体为：采集传感阵列模块中气体传感器的实时检测数据(即气体传感阵列对预识别的场景气体的响应信号数据)，记为数据集X；
其中，N为传感阵列模块中气体传感器的数量，S为采样曲线包含的总采样点数，数据集X的每行数据为单颗传感器采集的时序排列数据；
步骤(Ⅱ)具体为：
(Ⅱ-1)对步骤(Ⅰ)采集到的实时检测数据进行归一化处理，并存入数据集XR；
(Ⅱ-2)采用与步骤(2.2)相同的方法，提取采集的实时场景气体的信息特征，并建立信息特征数据集XF：
其中，K为提取的气体信息特征的总数目，xf(α,β)为根据数据集XR的行数据计算出的特征值集合，其计算方法如下：
{XF|xf(α,β)∈A(i,j)}，α∈[0,N),β∈[0,K)；
A(i,j)＝{T1,T2,T3,…,T7}；
其中，T1为峰值，T2为上升沿到达峰值百分比的时间，T3为上升沿曲线下面积，T4为上升沿一阶导数特性，T5为上升沿二阶导数特性，T6为稳态过程平均值，T7为稳态过程标准差；
步骤(Ⅲ)具体为：搜寻场景气体记忆和识别系统中是否存储有匹配的记忆场景气体，方法如下：
令XD＝[XD0,XD1,…,XDI-1]；
若存在α∈[0,N),β∈[0,K)满足xfd(i,α,β)<D(i,α,β)，则识别出匹配的记忆场景气体，且该场景气体是编号为i的记忆场景气体，否则该场景气体为非记忆场景气体；
场景气体识别通过场景气体识别算法实现，上述步骤(Ⅰ)～(Ⅲ)为本发明的场景气体识别算法。
气体选择性低是针对单一的传感器(或者某一个型号的)来说的，本发明通过组合多颗传感器组成传感阵列，然后利用本发明开发的算法，从而能够实现场景中不同气体组分的识别与检测。
如上所述的一种场景气体记忆和识别的方法，所述主控制器为MCU、MPU、DSP或FPGA，根据选择的控制器的不同，相应的硬件电路则需要相应的改变。
如上所述的一种场景气体记忆和识别的方法，所述场景气体为空气，所述空气中含有甲醛、氮氧化物、硫化物、一氧化碳、苯类、醇类、酮类、芬芳性气味、恶臭性气味和油烟中的一种或多种(这里只是列举的常见的一些气体种类，本发明的场景气体包括但不限于这些气体种类，对于其他类型场景气体的记忆和识别也在本发明的保护范围内)。
如上所述的一种场景气体记忆和识别的方法，实现用户设定系统参数、选择场景的记忆与删除以及系统工作模式的切换，采用如下方式：
进入用户设定任务后，首先判断任务类型；
(a)若为系统参数设定任务，则进入对应子流程，完成系统参数的设定；
(b)若为场景记忆任务，则采集当前场景气体，通过场景气体特征记忆算法实现对当前场景气体的特征信息的提取并存入数据存储模块；为保证特征信息提取的精度，可循环多次该步骤来完成一个场景记忆功能；
(c)若为场景删除任务，则执行用户选定场景的数据的删除工作；
(d)若为工作模式设定任务，则存储用户选择的工作模式，并存储为当前系统工作运行模式。
如上所述的一种场景气体记忆和识别的方法，所述系统参数包括阈值和时间。
如上所述的一种场景气体记忆和识别的方法，所述场景气体记忆和识别的系统包括默认模式和用户模式两种工作模式；
默认模式的工作流程为：系统实时检测当前空气状况，一旦检测到空气质量低于系统设定的洁净度(洁净度是一个设定数值，一般的商业化设备是参考国家规定的标准来设定的，当然也可以高于或低于这个标准值)，则开启净化装置，直到空气质量高于系统设定的洁净度后关闭净化装置；
用户模式的工作流程为：系统首先检测当前空气状况，如果空气质量不低于系统设定的洁净度，则等待一定时间后，再次循环检测空气状况；如果为空气质量低于系统设定的洁净度，则通过场景气体识别算法来完成当前场景气体特征的识别，如果为记忆场景气体，则循环检测当前空气状况，如果不是记忆场景气体，则开启净化装置。
本发明还提供如上任一项所述的一种场景气体记忆和识别的方法的应用，应用于空气净化器、新风系统、排油烟机或排风扇。
有益效果：
(1)本发明的一种场景气体记忆和识别的方法，采用的场景气体记忆和识别系统，系统简单、能实现空气质量的实时调控；
(2)本发明的一种场景气体记忆和识别的方法，采用的场景气体记忆和识别系统具有场景记忆和识别功能，智能化程度高；
(3)本发明的一种场景气体记忆和识别的方法，采用的场景气体记忆和识别系统，可以根据用户的喜好需求设定场景气体类型，具有有效排除非污染气体的干扰等优点。
附图说明
图1为本发明的场景气体记忆和识别系统原理框图；
图2为本发明的场景气体记忆和识别系统的人机交互功能工作流程图；
图3为本发明的场景气体记忆和识别系统工作过程流程图；
图4为本发明具体实施方式中不同记忆场景气味特征量化图；
图5为本发明具体实施方式中不同场景气体识别效率图；
图4和图5中，FD-1、FD-2是特征T1(峰值)、T2(上升沿到达峰值百分比的时间)的量化值，试验数据表明这两个特征的区分度最大，所以通过这两个图来可视化说明。
具体实施方式
下面结合具体实施方式，进一步阐述本发明。应理解，这些实施例仅用于说明本发明而不用于限制本发明的范围。此外应理解，在阅读了本发明讲授的内容之后，本领域技术人员可以对本发明作各种改动或修改，这些等价形式同样落于本申请所附权利要求书所限定的范围。
一种场景气体记忆和识别系统，如图1所示，包括主控制器(MCU、MPU、DSP或FPGA)、传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块和电源模块；
主控制器同时与传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块、电源模块连接；主控制器用于实现对传感阵列模块感知数据的采集、对采集到的数据进行运算处理、对运算处理后的数据进行存储、对控制模块的控制以及处理人机交互模块对系统的设定功能；
传感阵列模块用于实现对场景气体信息的采集以及对场景的温度和湿度的检测；传感阵列模块中包含多颗不同类型的气体传感器以及用于对气体传感器温度和湿度补偿的温度和湿度传感器；
数据存储模块用于实现对场景气体的特征信息和类别信息的存储；
人机交互模块用于实现用户设定系统参数(阈值和时间)、记忆与删除场景以及系统工作模式的切换，如图2所示，具体采用如下方式：
进入用户设定任务后，首先判断任务类型；
(a)若为系统参数设定任务，则进入对应子流程，完成系统参数的设定；
(b)若为场景记忆任务，则采集当前场景气体，提取当前场景气体的特征信息并存入数据存储模块；
(c)若为场景删除任务，则执行用户选定场景的数据的删除工作；
(d)若为工作模式设定任务，则存储用户选择的工作模式，并存储为当前系统工作运行模式；
净化装置模块用于实现空气流通、过滤，以及对空气进行净化；
控制模块用于驱动净化装置模块；
电源模块还与传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块连接，提供系统运行所需电量。
如图3所示，上述场景气体记忆和识别的系统包括默认模式和用户模式两种工作模式；
默认模式的工作流程为：系统实时检测当前空气状况，一旦检测到空气质量低于系统设定的洁净度，则开启净化装置，直到空气质量高于系统设定的洁净度后关闭净化装置；
用户模式的工作流程为：系统首先检测当前空气状况，如果空气质量不低于系统设定的洁净度，则等待一定时间后，再次循环检测空气状况；如果为空气质量低于系统设定的洁净度，则通过场景气体识别算法来完成当前场景气体特征的识别，如果为记忆场景气体，则循环检测当前空气状况，如果不是记忆场景气体，则开启净化装置。
本发明的场景气体为含有甲醛、氮氧化物、硫化物、一氧化碳、苯类、醇类、酮类、芬芳性气味、恶臭性气味和油烟中的一种或多种的空气。采用上述的场景气体记忆和识别系统进行场景气体记忆和识别，包括场景气体记忆和场景气体识别；场景气体记忆的具体步骤如下：
(1)在场景空间内释放预记忆的气体，并采集传感阵列模块中气体传感器的检测数据，存入数据集Y；
其中，I为存储的总场景数，J为某一场景气体的总采样次数，N为传感阵列模块中气体传感器的数量，S为采样曲线包含的总采样点数；Y(i,j)表示第i+1场景的第j+1次采样的数据集，Y(i,j)的每行数据为单颗传感器采集的时序排列数据；
(2)对数据集Y进行归一化处理，得到数据集R；
(3)根据步骤(2)得到的数据集R提取记忆场景的气体信息特征，并建立特征集F：
其中，K为提取的气体信息特征的总数目，F(i,j)为根据数据集R(i,j)的行数据计算出的特征值集合，其计算方法如下：
{F(i,j)|f(i,j,α,β)∈A(i,j)}，α∈[0,N),β∈[0,K)；
A(i,j)＝{T1,T2,T3,…,T7}；
其中，T1为峰值，T2为上升沿到达峰值百分比的时间，T3为上升沿曲线下面积，T4为上升沿一阶导数特性，T5为上升沿二阶导数特性，T6为稳态过程平均值，T7为稳态过程标准差；
(4)计算记忆场景气体的特征值平衡点，特征值平衡点的数据集FC的计算公式如下：
FC＝[FC0,FC1,…,FCI-1]；
(5)计算记忆场景气体的最小相似度，并存入数据集D，计算过程如下：
D＝[D0,D1,…,DI-1]；
其中：
D(i,0,0)＝max(abs(f(i,0,0,0)-FC(i,0,0)),…,abs(f(i,J-1,0,0)-FC(i,0,0)))；
D(i,0,K-1)＝max(abs(f(i,0,0,K-1)-FC(i,0,K-1)),…,abs(f(i,J-1,0,K-1)-FC(i,0,K-1)))；
D(i,N-1,0)＝max(abs(f(i,0,N-1,0)-FC(i,N-1,0)),…,abs(f(i,J-1,N-1,0)-FC(i,N-1,0)))；
D(i,N-1,K-1)＝max(abs(f(i,0,N-1,K-1)-FC(i,N-1,K-1)),…,abs(f(i,J-1,N-1,K-1)-FC(i,N-1,K-1)))；
FC(i,α,β)为FCi的第α行第β列的数据；
(6)生成记忆场景气体的特征数据集M并存储在数据存储模块中；
场景气体识别的具体步骤如下：
(Ⅰ)采集传感阵列模块中气体传感器的实时检测数据，记为数据集X；
数据集X的每行数据为单颗传感器采集的时序排列数据；
(Ⅱ)对步骤(Ⅰ)采集到的实时检测数据进行归一化处理，并存入数据集XR；
(Ⅲ)根据步骤(Ⅱ)得到的数据集XR提取记忆场景的气体信息特征，并建立信息特征数据集XF：
其中，K为提取的气体信息特征的总数目，xf(α,β)为根据数据集XR的行数据计算出的特征值集合，其计算方法如下：
{XF|xf(α,β)∈A(i,j)}，α∈[0,N),β∈[0,K)；
A(i,j)＝{T1,T2,T3,…,T7}；
其中，T1为峰值，T2为上升沿到达峰值百分比的时间，T3为上升沿曲线下面积，T4为上升沿一阶导数特性，T5为上升沿二阶导数特性，T6为稳态过程平均值，T7为稳态过程标准差；
(Ⅳ)搜寻场景气体记忆和识别系统中是否存储有匹配的记忆场景气体，计算方法如下：
令XD＝[XD0,XD1,…,XDI-1]；
若存在α∈[0,N),β∈[0,K)满足xfd(i,α,β)<D(i,α,β)，则识别出匹配的记忆场景气体，且该场景气体是编号为i的记忆场景气体，否则该场景气体为非记忆场景气体；
(Ⅴ)按照匹配结果进行净化装置模块的控制，实现空气流通、过滤，以及净化功能。
应用案例：
采用本发明的上述系统和方法分别对场景气体中含有香奈儿香水、薰衣草花香、咖啡气味的情况进行了记忆，然后又分别对场景中含有香奈儿香水、薰衣草花香、咖啡气味和酒精气体的情况进行了识别。传感器阵列模块中采用的气体传感器型号为：HGS1000，HGS1001，HGS1002，HGS1008。其记忆过程如下：在预记忆的场景中分别释放香奈儿香水、薰衣草花香、咖啡气味，然后通过人机交互模块进入场景记忆任务子程序，主控制器通过传感阵列模块采集当前预记忆场景气体的检测数据，通过上述场景气体记忆方法提取出当前场景气体的特征并将特征信息存入存储模块；其识别过程如下：当系统处于某一场景中时，主控制器通过传感阵列模块采集当前所处场景气体的检测数据，然后通过上述场景气体识别方法判断当前场景气体是否为存储模块中已经记忆的场景气体；当场景中存在不同种类的气体时，通过本发明的系统和记忆算法后，不同场景的特征聚类结果如图4所示，不同的场景之间没有重叠交错，说明能够很好的记忆，不会存在混淆。图5为场景中气体的识别效率图，可以看出，当有已经记忆的场景气体再次出现在场景中时(譬如薰衣草)，本发明的识别算法能够准确的识别出；当没有记忆的场景气体出现(图5中，酒精)时，则不会被识别标记。
结果表明本发明的系统和方法能够准确的识别出记忆的场景气体，以及能准确识别出没有记忆的场景气体类别。
本发明应用于空气净化器、新风系统、排油烟机或排风扇，其实施方法如下：
若系统为默认工作模式，则系统实时检测当前空气状况，一旦检测到空气质量低于系统设定的洁净度，则开启净化装置，直到空气质量高于系统设定的洁净度后关闭净化装置；
若系统为用户工作模式，则系统首先检测当前空气状况，如果空气质量不低于系统设定的洁净度，则等待一定时间后，再次循环检测空气状况；如果为空气质量低于系统设定的洁净度，则通过场景气体识别算法来完成当前场景气体特征的识别，如果当前场景气体为记忆的场景气体(如本实施例中记忆的含有香奈儿香水、薰衣草花香、咖啡气味的场景气体)，则循环检测当前空气状况，如果不是记忆场景气体(如本实施例中含有酒精气体的场景)，则通过控制模块开启净化装置，实现空气流通、过滤，以及净化功能。
Claims (9)
1.一种场景气体记忆和识别的方法，其特征在于：包括场景气体记忆和场景气体识别；
场景气体记忆包括如下步骤：
(1)针对预记忆的多种不同场景气体，分别采集传感阵列的响应信号数据；
(2)对步骤(1)采集的响应信号数据进行运算处理，提取出不同场景气体的特征；
(3)对步骤(2)提取出的不同场景气体的特征进行分析计算，获得特征值的分布属性，并存储场景气体的特征值分布属性作为记忆数据；
场景气体识别包括如下步骤：
(Ⅰ)针对预识别的场景气体，采集传感阵列的响应信号数据；
(Ⅱ)对步骤(Ⅰ)采集的响应信号数据进行运算处理，提取所述预识别的场景气体的特征；
(Ⅲ)将步骤(Ⅱ)提取的场景气体的特征与已经记忆的场景气体特征作比对，判断该场景气体是否为记忆的场景气体类别，若与某个记忆的场景气体特征匹配，则识别出该场景气体，若无匹配，则该场景气体为非记忆的场景气体。
2.根据权利要求1所述的一种场景气体记忆和识别的方法，其特征在于，采用场景气体记忆和识别系统进行场景气体记忆和场景气体识别；场景气体记忆和识别系统包括主控制器、传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块和电源模块；
传感阵列模块用于实现对场景气体信息的采集以及对场景的温度和湿度的检测；传感阵列模块中包含多颗不同类型的气体传感器以及用于对气体传感器温度和湿度补偿的温度和湿度传感器；
数据存储模块用于实现对场景气体的特征信息的存储；
人机交互模块用于实现用户设定系统参数、记忆与删除场景以及系统工作模式的切换；
净化装置模块用于实现空气流通、过滤，以及对空气进行净化；
控制模块用于驱动净化装置模块；
主控制器同时与传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块、电源模块连接；主控制器用于实现对传感阵列模块感知数据的采集、对采集到的数据进行运算处理、对运算处理后的数据进行存储、对控制模块的控制以及处理人机交互模块对系统的设定功能；
电源模块还与传感阵列模块、数据存储模块、人机交互模块、控制模块、净化装置模块连接。
3.根据权利要求2所述的一种场景气体记忆和识别的方法，其特征在于，步骤(1)具体为：在场景空间内释放预记忆的气体，并采集传感阵列模块中气体传感器的检测数据，存入数据集Y；
其中，I为存储的总场景数，J为某一场景气体的总采样次数，N为传感阵列模块中气体传感器的数量，S为采样曲线包含的总采样点数；Y(i，j)表示第i+1场景的第j+1次采样的数据集，Y(i，j)的每行数据为单颗传感器采集的时序排列数据；
步骤(2)具体为：
(2.1)对数据集Y进行归一化处理，得到数据集R：
(2.2)根据步骤(2.1)得到的数据集R提取记忆场景的气体信息特征，并建立特征集F：
其中，K为提取的气体信息特征的总数目，F(i，j)为根据数据集R(i，j)的行数据计算出的特征值集合，其计算方法如下：
{F(i，j)|f(i，j，α，β)∈A(i，j)}，α∈[0，N)，β∈[0，K)；
A(i，j)＝{T1，T2，T3，…，T7}；
其中，T1为峰值，T2为上升沿到达峰值百分比的时间，T3为上升沿曲线下面积，T4为上升沿一阶导数特性，T5为上升沿二阶导数特性，T6为稳态过程平均值，T7为稳态过程标准差；
步骤(3)具体为：
(3.1)计算记忆场景气体的特征值平衡点，特征值平衡点的数据集FC的计算公式如下：
FC＝[FC0，FC1，…，FCI-1]；
(3.2)计算记忆场景气体的最小相似度，并存入数据集D，计算过程如下：
D＝[D0，D1，…，DI-1]；
其中：
D(i，0，0)＝max(abs(f(i，0，0，0)-FC(i，0，0))，…，abs(f(i，J-1，0，0)-FC(i，0，0)))；
D(i，0，K-1)＝max(abs(f(i，0，0，K-1)-FC(i，0，K-1))，…，abs(f(i，J-1，0，K-1)-FC(i，0，K-1)))；
D(i，N-1，0)＝max(abs(f(i，0，N-1，0)-FC(i，N-1，0))，…，abs(f(i，J-1，N-1，0)-FC(i，N-1，0)))；
D(i，N-1，K-1)＝max(abs(f(i，0，N-1，K-1)-FC(i，N-1，K-1))，…，abs(f(i，J-1，N-1，K-1)-FC(i，N-1，K-1)))；
FC(i，α，β)为FCi的第α行第β列的数据；
(3.3)生成记忆场景气体的特征数据集M并存储在数据存储模块中；
4.根据权利要求3所述的一种场景气体记忆和识别的方法，其特征在于，步骤(I)具体为：采集传感阵列模块中气体传感器的实时检测数据，记为数据集X；
数据集X的每行数据为单颗传感器采集的时序排列数据；
步骤(II)具体为：
(II-1)对步骤(I)采集到的实时检测数据进行归一化处理，并存入数据集XR；
(II-2)提取采集的实时场景气体的信息特征，并建立信息特征数据集XF：
其中，K为提取的气体信息特征的总数目，xf(α，β)为根据数据集XR的行数据计算出的特征值集合，其计算方法如下：
{XF|xf(α，β)∈A(i，j)}，α∈[0，N)，β∈[0，K)；
A(i，j)＝{T1，T2，T3，…，T7}；
其中，T1为峰值，T2为上升沿到达峰值百分比的时间，T3为上升沿曲线下面积，T4为上升沿一阶导数特性，T5为上升沿二阶导数特性，T6为稳态过程平均值，T7为稳态过程标准差；
步骤(III)具体为：搜寻场景气体记忆和识别系统中是否存储有匹配的记忆场景气体，方法如下：
令XD＝[XD0，XD1，…，XDI-1]；
若存在α∈[0，N)，β∈[0，K)满足xfd(i，α，β)＜D(i，α，β)，则识别出匹配的记忆场景气体，且该场景气体是编号为i的记忆场景气体，否则该场景气体为非记忆场景气体。
5.根据权利要求2所述的一种场景气体记忆和识别的方法，其特征在于，所述主控制器为MCU、MPU、DSP或FPGA。
6.根据权利要求1所述的一种场景气体记忆和识别的方法，其特征在于，所述场景气体为空气，所述空气中含有甲醛、氮氧化物、硫化物、一氧化碳、苯类、醇类、酮类、芬芳性气味、恶臭性气味和油烟中的一种或多种。
7.根据权利要求6所述的一种场景气体记忆和识别的方法，其特征在于，所述系统参数包括阈值和时间。
8.根据权利要求7所述的一种场景气体记忆和识别的方法，其特征在于，所述场景气体记忆和识别的系统包括默认模式和用户模式两种工作模式；
默认模式的工作流程为：系统实时检测当前空气状况，一旦检测到空气质量低于系统设定的洁净度，则开启净化装置，直到空气质量高于系统设定的洁净度后关闭净化装置；
用户模式的工作流程为：系统首先检测当前空气状况，如果空气质量不低于系统设定的洁净度，则等待一定时间后，再次循环检测空气状况；如果为空气质量低于系统设定的洁净度，则通过场景气体识别算法来完成当前场景气体特征的识别，如果为记忆场景气体，则循环检测当前空气状况，如果不是记忆场景气体，则开启净化装置。
9.如权利要求1～8任一项所述的一种场景气体记忆和识别的方法的应用，其特征在于：应用于空气净化器、新风系统、排油烟机或排风扇。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210020769.4A CN114460226B (zh) | 2022-01-10 | 2022-01-10 | 一种场景气体记忆和识别的方法及其应用 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210020769.4A CN114460226B (zh) | 2022-01-10 | 2022-01-10 | 一种场景气体记忆和识别的方法及其应用 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114460226A true CN114460226A (zh) | 2022-05-10 |
| CN114460226B CN114460226B (zh) | 2024-02-06 |
Family
ID=81408659
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210020769.4A Active CN114460226B (zh) | 2022-01-10 | 2022-01-10 | 一种场景气体记忆和识别的方法及其应用 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114460226B (zh) |
Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0973019A1 (en) * | 1998-07-14 | 2000-01-19 | Infrared Integrated Systems Ltd. | Multi-array sensor and method of identifying events using the same |
| US20090144022A1 (en) * | 2007-12-03 | 2009-06-04 | Smiths Detection Inc. | Mixed statistical and numerical model for sensor array detection and classification |
| US8064722B1 (en) * | 2006-03-07 | 2011-11-22 | The United States Of America As Represented By The Secretary Of The Navy | Method and system for analyzing signal-vector data for pattern recognition from first order sensors |
| CN106841308A (zh) * | 2016-12-26 | 2017-06-13 | 浙江工商大学 | 一种便携式智能电子鼻系统及气味识别方法 |
| CN107132311A (zh) * | 2017-03-30 | 2017-09-05 | 深圳大学 | 一种基于频域特征提取的快速气体识别算法 |
| CN107560066A (zh) * | 2017-08-16 | 2018-01-09 | 上海工程技术大学 | 一种基于多源信息的空调开关智能控制系统及方法 |
| KR101852074B1 (ko) * | 2016-11-29 | 2018-04-25 | 단국대학교 산학협력단 | 가스 분류를 위한 전자코 시스템 및 방법 |
| CN109540978A (zh) * | 2018-12-13 | 2019-03-29 | 清华大学 | 气味识别设备 |
| CN109632891A (zh) * | 2018-12-19 | 2019-04-16 | 江苏智闻智能传感科技有限公司 | 一种利用阵列气体传感器监测气体种类以及浓度的方法 |
| CN109724223A (zh) * | 2019-03-04 | 2019-05-07 | 苏州沈氏净化设备有限公司 | 一种空气质量监控系统及方法 |
| CN109990444A (zh) * | 2017-12-29 | 2019-07-09 | 大金工业株式会社 | 空气质量管理系统和方法 |
| CN111175570A (zh) * | 2020-03-13 | 2020-05-19 | 中国工程物理研究院激光聚变研究中心 | 一种带触发使能的脉冲放电电流录波装置及故障识别方法 |
| CN111322726A (zh) * | 2020-03-11 | 2020-06-23 | 青岛海信日立空调系统有限公司 | 一种空气净化系统 |
| CN111898639A (zh) * | 2020-06-30 | 2020-11-06 | 河海大学 | 基于降维的分层时间记忆工业异常检测方法与装置 |
| CN112580741A (zh) * | 2020-12-28 | 2021-03-30 | 天津同阳科技发展有限公司 | 一种基于多传感器快速学习的气体种类识别方法及系统 |
| US20210102925A1 (en) * | 2019-10-02 | 2021-04-08 | X Development Llc | Machine olfaction system and method |
| CN112766341A (zh) * | 2021-01-11 | 2021-05-07 | 上海工程技术大学 | 一种基于气敏传感异味探测的智能衣柜 |
| CN112816629A (zh) * | 2021-01-29 | 2021-05-18 | 广州富港万嘉智能科技有限公司 | 空气质量检测启动控制方法、可读存储介质及智能食品机 |
| CN112879976A (zh) * | 2021-01-29 | 2021-06-01 | 广州富港万嘉智能科技有限公司 | 设备内空气环境的净化方法、可读存储介质及智能食品机 |
| US20210172918A1 (en) * | 2019-12-09 | 2021-06-10 | International Business Machines Corporation | SENSOR TUNING - SENSOR SPECIFIC SELECTION FOR IoT-ELECTRONIC NOSE APPLICATION USING GRADIENT BOOSTING DECISION TREES |
| CN113238003A (zh) * | 2021-05-07 | 2021-08-10 | 山东工商学院 | 一种电子鼻系统基础数据集获取及验证平台 |
| CN113267535A (zh) * | 2021-07-21 | 2021-08-17 | 深圳盛方科技有限公司 | 一种智能气体识别方法及其装置 |
| CN113485653A (zh) * | 2021-09-08 | 2021-10-08 | 苏州浪潮智能科技有限公司 | 一种ssd及其应用场景识别方法、装置和存储介质 |
| CN113567635A (zh) * | 2021-08-23 | 2021-10-29 | 河南驰诚电气股份有限公司 | 一种工业气体智能监测一体化系统及监测方法 |
| CN113901575A (zh) * | 2021-09-06 | 2022-01-07 | 江铃汽车股份有限公司 | 一种识别工况后的自适应soc平衡点调整的方法及装置 |
-
2022
- 2022-01-10 CN CN202210020769.4A patent/CN114460226B/zh active Active
Patent Citations (25)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP0973019A1 (en) * | 1998-07-14 | 2000-01-19 | Infrared Integrated Systems Ltd. | Multi-array sensor and method of identifying events using the same |
| US8064722B1 (en) * | 2006-03-07 | 2011-11-22 | The United States Of America As Represented By The Secretary Of The Navy | Method and system for analyzing signal-vector data for pattern recognition from first order sensors |
| US20090144022A1 (en) * | 2007-12-03 | 2009-06-04 | Smiths Detection Inc. | Mixed statistical and numerical model for sensor array detection and classification |
| KR101852074B1 (ko) * | 2016-11-29 | 2018-04-25 | 단국대학교 산학협력단 | 가스 분류를 위한 전자코 시스템 및 방법 |
| CN106841308A (zh) * | 2016-12-26 | 2017-06-13 | 浙江工商大学 | 一种便携式智能电子鼻系统及气味识别方法 |
| CN107132311A (zh) * | 2017-03-30 | 2017-09-05 | 深圳大学 | 一种基于频域特征提取的快速气体识别算法 |
| CN107560066A (zh) * | 2017-08-16 | 2018-01-09 | 上海工程技术大学 | 一种基于多源信息的空调开关智能控制系统及方法 |
| CN109990444A (zh) * | 2017-12-29 | 2019-07-09 | 大金工业株式会社 | 空气质量管理系统和方法 |
| CN109540978A (zh) * | 2018-12-13 | 2019-03-29 | 清华大学 | 气味识别设备 |
| CN109632891A (zh) * | 2018-12-19 | 2019-04-16 | 江苏智闻智能传感科技有限公司 | 一种利用阵列气体传感器监测气体种类以及浓度的方法 |
| CN109724223A (zh) * | 2019-03-04 | 2019-05-07 | 苏州沈氏净化设备有限公司 | 一种空气质量监控系统及方法 |
| US20210102925A1 (en) * | 2019-10-02 | 2021-04-08 | X Development Llc | Machine olfaction system and method |
| US20210172918A1 (en) * | 2019-12-09 | 2021-06-10 | International Business Machines Corporation | SENSOR TUNING - SENSOR SPECIFIC SELECTION FOR IoT-ELECTRONIC NOSE APPLICATION USING GRADIENT BOOSTING DECISION TREES |
| CN111322726A (zh) * | 2020-03-11 | 2020-06-23 | 青岛海信日立空调系统有限公司 | 一种空气净化系统 |
| CN111175570A (zh) * | 2020-03-13 | 2020-05-19 | 中国工程物理研究院激光聚变研究中心 | 一种带触发使能的脉冲放电电流录波装置及故障识别方法 |
| CN111898639A (zh) * | 2020-06-30 | 2020-11-06 | 河海大学 | 基于降维的分层时间记忆工业异常检测方法与装置 |
| CN112580741A (zh) * | 2020-12-28 | 2021-03-30 | 天津同阳科技发展有限公司 | 一种基于多传感器快速学习的气体种类识别方法及系统 |
| CN112766341A (zh) * | 2021-01-11 | 2021-05-07 | 上海工程技术大学 | 一种基于气敏传感异味探测的智能衣柜 |
| CN112816629A (zh) * | 2021-01-29 | 2021-05-18 | 广州富港万嘉智能科技有限公司 | 空气质量检测启动控制方法、可读存储介质及智能食品机 |
| CN112879976A (zh) * | 2021-01-29 | 2021-06-01 | 广州富港万嘉智能科技有限公司 | 设备内空气环境的净化方法、可读存储介质及智能食品机 |
| CN113238003A (zh) * | 2021-05-07 | 2021-08-10 | 山东工商学院 | 一种电子鼻系统基础数据集获取及验证平台 |
| CN113267535A (zh) * | 2021-07-21 | 2021-08-17 | 深圳盛方科技有限公司 | 一种智能气体识别方法及其装置 |
| CN113567635A (zh) * | 2021-08-23 | 2021-10-29 | 河南驰诚电气股份有限公司 | 一种工业气体智能监测一体化系统及监测方法 |
| CN113901575A (zh) * | 2021-09-06 | 2022-01-07 | 江铃汽车股份有限公司 | 一种识别工况后的自适应soc平衡点调整的方法及装置 |
| CN113485653A (zh) * | 2021-09-08 | 2021-10-08 | 苏州浪潮智能科技有限公司 | 一种ssd及其应用场景识别方法、装置和存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 吴丹;苏一丹;: "基于多阈连续条件随机场的标签推荐", 计算机应用研究, vol. 30, no. 05, pages 1312 - 1315 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114460226B (zh) | 2024-02-06 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| EP2985540B1 (en) | Air environment regulating system, and controlling device | |
| CN106841308A (zh) | 一种便携式智能电子鼻系统及气味识别方法 | |
| CN112558491A (zh) | 基于语音识别的家庭场景联动智能家居系统及其控制方法、控制装置 | |
| CN110023687B (zh) | 用于空气处理装置的控制设备和操作方法 | |
| WO2002041095A1 (en) | Monitoring and adjusting indoor air quality | |
| Abdullah et al. | Hand-held electronic nose sensor selection system for basal stamp rot (BSR) disease detection | |
| CN112580749B (zh) | 基于机器嗅觉技术的智能火灾探测方法 | |
| CN111457493B (zh) | 空气净化控制方法、装置及相关设备 | |
| CN112099375A (zh) | 基于健康策略的智能家居控制方法、装置及系统 | |
| CN115575584B (zh) | 一种大气环境镉含量监测预警方法及系统 | |
| CN111023689B (zh) | 一种基于冰箱的食品保鲜控制方法、冰箱及存储介质 | |
| CN205230170U (zh) | 一种基于气味感应的智能门禁系统 | |
| CN113804842A (zh) | 烹饪器具判熟装置、方法以及烹饪器具 | |
| CN114460226B (zh) | 一种场景气体记忆和识别的方法及其应用 | |
| CN115687999A (zh) | 融合多时间尺度电器特征的非侵入式负荷感知方法 | |
| CN118053558B (zh) | 一种用于哮喘病房的环境检测方法及系统 | |
| KR102650015B1 (ko) | 실내 환경 관리 장치 및 그 동작방법 | |
| CN110553319A (zh) | 一种用于病房内空气置换的控制方法及控制系统 | |
| Mohamad et al. | kNN: classification of agarwood types in oil and wooden using e-nose | |
| CN109239207A (zh) | 基于电子鼻的气味识别方法、装置和电子鼻系统 | |
| CN106979998A (zh) | 苹果新鲜度的仿生嗅觉快速无损检测装置及检测方法 | |
| CN110805995A (zh) | 空气调节设备的控制方法、装置、控制器和存储介质 | |
| JP4013705B2 (ja) | におい測定装置 | |
| CN113566395B (zh) | 空调器及其控制方法及装置、计算机可读存储介质 | |
| CN113485146B (zh) | 用于家电设备的控制方法及控制装置、家电设备 |
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 |