CN116424988B - 电梯试验塔用智能火灾防范方法、系统、装置以及介质 - Google Patents
电梯试验塔用智能火灾防范方法、系统、装置以及介质 Download PDFInfo
- Publication number
- CN116424988B CN116424988B CN202211558288.5A CN202211558288A CN116424988B CN 116424988 B CN116424988 B CN 116424988B CN 202211558288 A CN202211558288 A CN 202211558288A CN 116424988 B CN116424988 B CN 116424988B
- Authority
- CN
- China
- Prior art keywords
- fire
- model
- fire risk
- temperature
- risk 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
- 238000012360 testing method Methods 0.000 title claims abstract description 85
- 238000000034 method Methods 0.000 title claims abstract description 49
- 230000002265 prevention Effects 0.000 title abstract description 15
- 238000012545 processing Methods 0.000 claims description 25
- 239000013598 vector Substances 0.000 claims description 25
- 230000002452 interceptive effect Effects 0.000 claims description 9
- 238000010801 machine learning Methods 0.000 claims description 9
- 238000003062 neural network model Methods 0.000 claims description 9
- 230000003993 interaction Effects 0.000 claims description 2
- 238000012549 training Methods 0.000 description 31
- 238000007726 management method Methods 0.000 description 17
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012986 modification Methods 0.000 description 8
- 230000004048 modification Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 6
- 239000000463 material Substances 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 3
- 239000000872 buffer Substances 0.000 description 3
- 238000011478 gradient descent method Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 239000000843 powder Substances 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000001931 thermography Methods 0.000 description 2
- 208000033748 Device issues Diseases 0.000 description 1
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000000712 assembly Effects 0.000 description 1
- 238000000429 assembly Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 239000007789 gas Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000007788 liquid Substances 0.000 description 1
- 239000003607 modifier Substances 0.000 description 1
- 239000007921 spray Substances 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/0006—Monitoring devices or performance analysers
- B66B5/0037—Performance analysers
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B66—HOISTING; LIFTING; HAULING
- B66B—ELEVATORS; ESCALATORS OR MOVING WALKWAYS
- B66B5/00—Applications of checking, fault-correcting, or safety devices in elevators
- B66B5/02—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions
- B66B5/021—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions the abnormal operating conditions being independent of the system
- B66B5/024—Applications of checking, fault-correcting, or safety devices in elevators responsive to abnormal operating conditions the abnormal operating conditions being independent of the system where the abnormal operating condition is caused by an accident, e.g. fire
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
- Y02B50/00—Energy efficient technologies in elevators, escalators and moving walkways, e.g. energy saving or recuperation technologies
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Business, Economics & Management (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Emergency Management (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Medical Informatics (AREA)
- Maintenance And Inspection Apparatuses For Elevators (AREA)
Abstract
本说明书提供一种电梯试验塔用智能火灾防范方法,该方法由电梯试验塔用智能火灾防范系统执行,该方法包括:获取电梯试验塔的至少一个组件的温度数据;基于温度数据,确定电梯试验塔的火灾风险区域;对火灾风险区域实施管控措施;基于火灾风险区域以及管控措施,生成火灾风险信息并向用户反馈。
Description
技术领域
本说明书涉及电梯安全领域,特别涉及一种电梯试验塔用智能火灾防范方法、系统、装置以及介质。
背景技术
电梯试验塔可以用于电梯的安全性与稳定性测试。在对实验电梯进行试运行、调试过程中,由于实验电梯高速运行,且实验电梯存在不确定性,电梯试验塔可能会存在不可预知的消防隐患。因此,需要一种电梯试验塔用智能火灾防范方法,能够对消防隐患涉及的风险区域进行排查,以及对已经发生的火灾事件采取消防措施。
发明内容
本说明书提供一种电梯试验塔用智能火灾防范方法,所述方法由电梯试验塔用智能火灾防范系统执行,所述方法包括:获取电梯试验塔的至少一个组件的温度数据;基于所述温度数据,确定所述电梯试验塔的火灾风险区域;对所述火灾风险区域实施管控措施;基于所述火灾风险区域以及所述管控措施,生成火灾风险信息并向用户反馈。
本说明书提供一种电梯试验塔用智能火灾防范系统,所述系统包括:数据采集装置,用于获取电梯试验塔的至少一个组件的温度数据;控制器,用于基于所述温度数据,确定所述电梯试验塔的火灾风险区域;消防装置,用于对所述火灾风险区域实施管控措施;交互终端,用于基于所述火灾风险区域以及所述管控措施,生成火灾风险信息并向用户反馈。
本说明书提供一种电梯试验塔用智能火灾防范装置,所述装置包括至少一个处理器以及至少一个存储器;所述至少一个存储器用于存储计算机指令;所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现所述电梯试验塔用智能火灾防范方法。
本说明书提供一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行所述电梯试验塔用智能火灾防范方法。
通过本说明书提供的电梯试验塔用智能火灾防范方法,可以实现对消防隐患的预防以及对电梯试验塔内火灾的智能处理。
附图说明
本说明书将以示例性实施例的方式进一步说明,这些示例性实施例将通过附图进行详细描述。这些实施例并非限制性的,在这些实施例中,相同的编号表示相同的结构,其中:
图1是根据本说明书一些实施例所示的电梯试验塔用智能火灾防范系统的应用场景示意图;
图2是根据本说明书一些实施例所示的电梯试验塔用智能火灾防范系统的示例性模块图;
图3是根据本说明书一些实施例所示的电梯试验塔用智能火灾防范方法的示例性流程图;
图4是根据本说明书一些实施例所示的温度模型的示意图;
图5是根据本说明书一些实施例所示的确定火灾风险区域的示例性流程图;
图6是根据本说明书一些实施例所示的图模型的示意图。
具体实施方式
为了更清楚地说明本说明书实施例的技术方案,下面将对实施例描述中所需要使用的附图作简单的介绍。显而易见地,下面描述中的附图仅仅是本说明书的一些示例或实施例,对于本领域的普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图将本说明书应用于其它类似情景。除非从语言环境中显而易见或另做说明,图中相同标号代表相同结构或操作。
应当理解的是,本文使用的“系统”、“装置”、“单元”和/或“模块”是用于区分不同级别的不同组件、元件、部件、部分或装配的一种方法。然而,如果其他词语可实现相同的目的,则可通过其他表达来替换所述词语。
除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。一般说来,术语“包括”与“包含”仅提示包括已明确标识的步骤和元素,而这些步骤和元素不构成一个排它性的罗列,方法或者设备也可能包含其它的步骤或元素。
本说明书中使用了流程图用来说明根据本说明书的实施例的系统所执行的操作。应当理解的是,前面或后面操作不一定按照顺序来精确地执行。相反,可以按照倒序或同时处理各个步骤。同时,也可以将其他操作添加到这些过程中,或从这些过程移除某一步或数步操作。
电梯试验塔可以用于电梯的试运行以及调试。电梯试验塔在对实验电梯进行试运行、调试过程中,由于实验电梯可能存在未知的故障,电梯试验塔可能会存在不可预知的消防隐患。通过本说明书提供的电梯试验塔用智能火灾防范方法,可以实现对消防隐患的预防以及对电梯试验塔内火灾的智能处理。
图1是根据本说明书一些实施例所示的电梯试验塔用智能火灾防范系统的应用场景示意图。
如图1所示,应用场景100可以包括服务器110、网络120、终端设备130、数据采集装置140、存储设备150。其中,服务器可以包括处理设备。
在一些实施例中,应用场景100可以通过实施本说明书中披露的电梯试验塔用智能火灾防范方法和/或系统来确定火灾风险区域。例如,在一个典型的应用场景中,电梯试验塔用智能火灾防范系统可以通过第三方平台或者通过数据采集装置140获取电梯试验塔的至少一个组件的温度数据;处理设备基于温度数据,确定电梯试验塔的火灾风险区域;对火灾风险区域实施管控措施;基于火灾风险区域以及管控措施,生成火灾风险信息并通过向用户反馈。关于上述过程的更多内容,可以参见图3及其相关描述。
服务器110与终端设备130可以通过网络120相连,服务器110可以与存储设备150通过网络120相连。服务器110可以包括处理设备,处理设备可以用于执行本说明书一些实施例所述的电梯试验塔用智能火灾防范方法。网络120可以连接应用场景100的各组成部分和/或连接系统与外部资源部分。
存储设备150可以用于存储数据和/或指令,例如,存储设备150可以存储温度数据、电气数据、火灾风险信息以及火灾风险区域等信息。存储设备150可以直接连接于服务器110或者处于服务器110的内部。
终端设备130指一个或多个终端设备或软件。在一些实施例中,终端设备130可以接收处理设备发送的火灾风险信息,并向用户展示。在一些实施例中,终端设备130可以用于用户输入与管控措施相关的确认信息,并将确认信息发送给服务器110。
示例性的,终端设备130可以包括移动设备130-1、平板计算机130-2、膝上型计算机130-3等或其他具有输入和/或输出功能的设备中的一种或其任意组合。数据采集装置140可以用于获取各类数据,其中数据可以包括温度、电气数据等。示例性的数据采集装置140可以包括温度数据采集装置140-1、电气数据采集装置140-2等。其中,温度数据采集装置140-1可以包括温度计、热敏材料、红外线传感器等。电气数据采集装置140-2可以包括电流表、电压表、万用表等。
应当注意应用场景100仅仅是为了说明的目的而提供,并不意图限制本说明书的范围。对于本领域的普通技术人员来说,可以根据本说明书的描述,做出多种修改或变化。例如,应用场景100还可以包括数据库。又例如,应用场景100可以在其他设备上实现以实现类似或不同的功能。然而,变化和修改不会背离本说明书的范围。
图2是根据本说明书一些实施例所示的电梯试验塔用智能火灾防范系统的示例性模块图。
如图2所示,电梯试验塔用智能火灾防范系统200可以包括数据采集装置210、控制器220、消防装置230以及交互终端240。在一些实施例中,电梯试验塔用智能火灾防范系统200可以为服务器的一部分或由服务器实现。
数据采集装置210可以用于获取电梯试验塔的至少一个组件的温度数据。在一些实施例中,数据采集装置210可以被配置为图1中的数据采集装置140。在一些实施例中,数据采集装置210可以进一步用于获取电梯试验塔的电气数据。示例性的数据采集装置210可以包括温度数据采集装置、电气数据采集装置等。其中,温度数据采集装置可以包括温度计、热敏材料、红外线传感器等。电气数据采集装置可以包括电流表、电压表、万用表等。关于数据采集装置的进一步说明,参见图3、图5及其相关描述。
控制器220可以用于基于温度数据,确定电梯试验塔的火灾风险区域。在一些实施例中,控制器220可以被配置为图1中的处理设备。在一些实施例中,控制器220可以进一步用于:基于温度数据,判断电梯试验塔内是否存在火灾风险区域;响应于存在火灾风险区域,通过交互终端向用户发出预警。在一些实施例中,控制器220可以进一步用于:基于电气数据,通过电气模型确定火灾风险区域,其中,电气模型为机器学习模型。关于控制器的进一步说明,参见图3、图5及其相关描述。
消防装置230可以用于对火灾风险区域实施管控措施。在一些实施例中,消防装置230可以被配置为自动灭火器(如喷洒消防液体、气体、粉体等的设备)、或消防隐患分析设备。其中,消防隐患分析设备可以用于确定火灾风险区域的消防隐患。关于消防装置230的进一步说明,参见图3及其相关描述。
交互终端240可以用于基于火灾风险区域以及管控措施,生成火灾风险信息并向用户反馈。交互终端240可以被配置为提醒用户的装置。例如,扬声器、显示器等。在一些实施例中,交互终端240可以被配置为图1中的终端设备130。关于交互终端240的进一步说明,参见图3及其相关描述。
在本说明书的一些实施例中,通过上述系统,可以实现火灾风险区域的智能判别,并对已发生火灾的区域采取消防措施,防范电梯试验中的可能风险。
图3是根据本说明书一些实施例所示的电梯试验塔用智能火灾防范方法的示例性流程图。在一些实施例中,流程300可以由处理设备执行。如图3所示,流程300包括下述步骤:
步骤310,获取电梯试验塔的至少一个组件的温度数据。
温度数据可以是电梯试验塔的至少一个组件在至少一个时间点的温度情况。其中,电梯试验塔可以包括实验井道、轿厢、机房、底坑等结构,电梯试验塔的至少一个组件可以是上述结构中的至少一个组件。例如,至少一个组件可以是机房的控制柜、主机、曳引轮、限速器等;井道的钢丝绳、导轨、电缆、对重等;底坑的限速器、缓冲器等;轿厢的自动门等。
在一些实施例中,上述组件的一个或多个可以安装有数据采集装置,用于采集上述组件所在位置的温度数据。示例性的数据采集装置可以包括温度计、热敏材料、红外线传感器、热成像装置等。在一些实施例中,温度数据可以是一个时间点或多个时间点的温度数据。例如,数据采集装置可以采集某一时间段内多个时间点的温度数据。在一些实施例中,温度数据可以多种形式的数据。例如,温度数据可以包括温度数值、温度图像(热成像)等。
步骤320,基于温度数据,确定电梯试验塔的火灾风险区域。
火灾风险区域可以是存在火灾隐患的区域或已发生火灾的区域。在一些实施例中,火灾风险区域可以是电梯试验塔的至少一个组件所在位置组成的区域。例如,火灾风险区域可以是控制柜以及主机所在位置构成的区域。
在一些实施例中,处理设备(即控制器)可以将温度数据中温度数值大于温度阈值的组件所在位置组成的区域作为火灾风险区域。其中,温度阈值可以通过经验值确定。例如,当控制柜的温度数值大于温度阈值400℃时,处理设备可以将控制柜所在位置作为火灾风险区域。
在一些实施例中,处理设备可以将已经发生火灾的组件所在位置组成的区域作为火灾风险区域。例如,处理设备可以将已经产生明火的轿厢内部作为火灾风险区域。
在一些实施例中,处理设备可以基于温度数据,通过数学拟合计算、人工智能等方式确定火灾风险区域。例如,处理设备可以基于温度数据,通过温度模型确定火灾风险区域。关于温度模型的具体说明,参见图4及其相关描述。
步骤330,对火灾风险区域实施管控措施。
管控措施可以是对火灾风险区域进行管理的措施。管控措施可以由消防装置执行。
在一些实施例中,管控措施可以包括对存在火灾隐患的区域的消除隐患措施,以及对已发生火灾的区域的灭火措施。例如,管控措施可以包括疏通消防通道、隔离可燃易爆物、清点消防器材、打开消防水阀、排查相关电路等。
在一些实施例中,管控措施可以由火灾风险区域与管控措施的预设关系表确定。例如,火灾风险区域包括电气设备时,管控措施可以是排查电气设备相关的电路。通过消防装置实施管控措施,可以实现对火灾风险的预防以及对已发生火灾区域的消防管理。
步骤340,基于火灾风险区域以及管控措施,生成火灾风险信息并向用户反馈。
火灾风险信息可以是与火灾风险区域的火灾隐患、火情以及管控措施相关的信息。在一些实施例中,火灾风险信息可以包括火灾风险区域涉及的火灾隐患、实时火情,以及对应的管控措施。例如,火灾风险信息可以包括控制柜电路起火,以及对应的管控措施为切断电源与干粉灭火。火灾风险信息可以通过交互终端反馈给用户。示例性的反馈方式可以包括图像、文字、语音等形式。
通过本说明书一些实施例所述的电梯试验塔用智能火灾防范方法,可以对电梯试验塔中各个组件进行数据采集并进行分析,预测其火灾风险,实现火灾风险管控,对火灾风险以及实时火情进行相应的管控措施,提高智能化程度。
图4是根据本说明书一些实施例所示的温度模型的示意图。
在一些实施例中,处理设备可以基于温度数据,判断电梯试验塔内是否存在火灾风险区域;响应于存在火灾风险区域,向用户发出预警。在一些实施例中,当电梯试验塔内至少一个组件的温度数据的温度数值大于温度阈值,则电梯试验塔内存在火灾风险区域。其中,温度阈值可以通过经验值确定。
在一些实施例中,处理设备可以基于温度数据,通过数学拟合计算、人工智能等方式确定电梯试验塔内是否存在火灾风险区域。例如,通过温度模型确定电梯试验塔内是否存在火灾风险区域。
在一些实施例中,火灾风险区域可以通过温度模型对温度数据处理后得到。温度模型可以是机器学习模型。示例性的机器学习模型可以包括神经网络模型、深度神经网络模型等。如图4所示,温度模型420的输入可以包括温度数据410,输出可以包括火灾风险区域判断信息470。其中,温度数据410可以是电梯试验塔中至少一个组件(或数据采集装置所在位置)在一个或多个时间点的温度数据。例如,温度数据410可以是控制柜每隔5分钟测量的温度值20℃、18℃、400℃等。火灾风险区域判断信息470可以是判断该至少一个组件(或数据采集装置所在位置)是否为火灾风险区域,其中是火灾风险区域可以用1表示,不是火灾风险区域可以用0表示。例如,火灾风险区域判断信息470可以表示为0、0、1,即第一个、第二个温度值的采集位置不是对应火灾风险区域,第三个温度值的采集位置对应火灾风险区域。
在一些实施例中,温度模型可以通过大量带有标识的训练样本训练得到。具体的,将带有第一标识的多组第一训练样本输入初始温度模型,基于初始温度模型的输出以及标识构建损失函数,基于损失函数迭代通过训练更新温度模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的温度模型。其中,预设条件可以为损失函数收敛。
在一些实施例中,第一训练样本可以包括历史温度数据。第一标识可以是火灾风险区域判断信息(如该温度数据对应的组件是否为火灾风险区域)。第一训练样本可以通过从存储设备调用以确定。第一标识可以通过人工标注获取。
在一些实施例中,温度模型420还可以包括嵌入层430以及判断层460。嵌入层430的输入可以包括温度数据410,输出可以包括温度特征向量440。判断层460的输入可以包括温度特征向量440以及位置特征向量450,输出可以包括火灾风险区域判断信息470。
嵌入层可以用于提取温度数据中的特征信息以生成温度特征向量。例如,嵌入层可以包括时序模型等。温度特征向量可以是反映温度在不同时间点的特征的特征向量。例如,温度特征向量可以是对控制柜每隔五分钟测量一次温度得到的向量对缓冲器每隔五分钟测量一次温度得到的向量等。判断层可以用于对温度特征向量进行判断以确定该温度特征向量对应的组件是否存在火灾风险区域。例如,判断层可以包括神经网络模型等。
位置特征向量可以反映电梯试验塔的至少一个组件所在位置的空间坐标。例如,位置特征向量可以是控制柜所在位置的三维空间坐标构成的向量 缓冲器所在位置的三维空间坐标构成的向量/> 等。在一些实施例中,位置特征向量可以通过对至少一个组件的三维空间坐标进行编码得到。
在一些实施例中,嵌入层和判断层可以通过联合训练得到。例如,可以基于大量带有标识的训练样本训练初始嵌入层和初始判断层。训练样本可以包括历史温度数据、历史位置特征向量。标识可以是火灾风险区域判断信息。标识可以人工标注获取。将训练样本中的历史温度数据输入嵌入层;将嵌入层的输出、历史位置特征向量输入判断层,得到判断层输出的火灾风险区域判断信息。基于标识的火灾风险区域判断信息和判断层输出的火灾风险区域判断信息构建损失函数,同步更新嵌入层和判断层的参数。通过参数更新,得到训练好的嵌入层和判断层。
在一些实施例中,判断层的输入还可以包括电梯试验塔的至少一个组件在位置特征向量对应位置处的燃点。可以理解的是,当某一组件位置处的温度达到该组件对应的燃点时,该组件可能会起火。
在一些实施例中,响应于存在火灾风险区域,处理设备通过交互终端向用户发出预警。示例性的预警方式可以包括文字、图像提醒,语音提醒等。
本说明书一些实施例中通过温度模型对多个位置、多个时间点的温度数据进行处理,预测可能存在火灾隐患的风险区域,并实时向用户预警,减少了火灾隐患或火情随时间恶化的可能性;另外,通过使用训练好的温度模型,可以快速确定风险位置,以便及时进行进一步处理。
图5是根据本说明书一些实施例所示的确定火灾风险区域的示例性流程图。在一些实施例中,流程500可以由处理设备执行。如图5所示,流程500包括下述步骤:
步骤510,获取电梯试验塔的电气数据。
电气数据可以是电梯试验塔的至少一个组件的电气相关的信息。例如,电气数据可以包括某一组件的电压、电流、电阻、与该组件电气连接的其他组件、电路老化程度等信息。
在一些实施例中,电梯试验塔的一个或多个组件可以安装有数据采集装置,用于采集上述组件所在位置的电气数据。示例性的数据采集装置可以包括电流表、电压表、万用表、观测电路老化程度的摄像头等。
在一些实施例中,电气数据可以是一个时间点或多个时间点的电气数据。例如,数据采集装置可以采集某一时间段内多个时间点的电气数据。在一些实施例中,电气数据可以包括多种形式的数据。例如,电气数据可以包括电流值、电压值、电阻值、与该组件电气连接的其他组件的名称等。可以理解的是,当电气数据异常变化时,可能会存在火灾风险。例如,当电缆的电流值异常上升至电流阈值时,电缆会异常发热,存在火灾风险。
步骤520,基于电气数据,通过电气模型确定火灾风险区域。
在一些实施例中,火灾风险区域通过电气模型对电气数据处理后得到。电气模型可以是机器学习模型。示例性的机器学习模型可以包括神经网络模型、深度神经网络模型等。电气模型的输入可以包括电气数据,输出可以包括火灾风险区域判断信息。其中,电气数据可以是电梯试验塔中至少一个组件(或数据采集装置所在位置)在一个或多个时间点的电气数据。例如,电气数据可以是控制柜每隔5分钟测量的电压值、电流值。火灾风险区域判断信息可以是判断该至少一个组件(或数据采集装置所在位置)是否为火灾风险区域,是火灾风险区域可以用1表示,不是火灾风险区域可以用0表示。
在一些实施例中,电气模型可以通过大量带有标识的训练样本训练得到。具体的,将带有第二标识的多组第二训练样本输入初始电气模型,基于初始电气模型的输出以及第二标识构建损失函数,基于损失函数迭代通过训练更新电气模型的参数。
在一些实施例中,可以基于第二训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的电气模型。其中,预设条件可以为损失函数收敛。
在一些实施例中,第二训练样本可以包括历史电气数据。第二标识可以是火灾风险区域判断信息(如历史电气数据对应的组件是否为火灾风险区域)。训练样本可以通过从存储设备调用以确定。标识可以通过人工标注获取。
本说明书一些实施例中,通过电气模型对多个位置、多个时间点的电气数据进行处理,同样可以实现火灾风险区域的智能判定,提高本说明书方法的适用性;通过分析电气数据,可以确定可能导致火灾的电路隐患,进而针对性地做出防范措施。
图6是根据本说明书一些实施例所示的图模型的示意图。
在一些实施例中,处理设备可以通过图模型确定火灾风险区域。如图6所示,图模型640的输入可以包括关系图谱630,输出可以包括火灾风险区域判断信息650。其中,关系图谱630可以基于温度数据610以及电气数据620构建。温度数据610、电气数据620以及火灾风险区域650可以参考图3、图4、图5的相关描述。
关系图谱可以指与关联对象有关的图谱。关系图谱可以将每个组件以及对应的温度数据、电气数据,通过每个组件之间的位置关系和电气连接关系,构成关系网络。在一些实施例中,关系图谱可以包括节点631和边632。其中,节点和边可以是多个。
关系图谱的节点可以是不同数据采集装置所在位置。例如,图6中节点A、B、C、D、E、F、G分别表示控制柜、主机、曳引轮等组件所在的位置,或每个组件上数据采集装置所在的位置。在一些实施例中,节点特征可以包括该节点对应的温度特征向量以及电气数据。其中,温度特征向量可以通过图4中的嵌入层获取。多个节点可以通过边来连接。
关系图谱的边可以表征节点之间的位置关系以及电气连接关系。
在一些实施例中,当节点A对应的组件与节点B对应的组件之间的距离小于距离阈值时,节点A与节点B之间通过一条边AB连接,即说明节点A与节点B距离较近,其中一个节点为火灾风险区域时另一节点也会受到影响;同理,边CD、边CE、边CF、边DF、边EF、边FG、边DG、边EG都为因位置关系而产生的边。距离阈值可以基于经验值确定。
在一些实施例中,当节点B与节点C之间存在电路连接时,则节点B与节点C之间通过一条边BC连接,即说明节点B与节点C之间存在电气连接,其中一个节点为火灾风险区域时另一节点也会受到影响;同理,边BD也是因电气连接关系而产生的边。
在一些实施例中,同一条边可以即是位置关系产生的边,又是电气连接关系产生的边。例如,边EF之间距离较近,且存在电路。节点之间是否电气连接可以通过电气数据中“与该组件电气连接的其他组件”进行判断。
在一些实施例中,边特征可以包括周围节点对该节点的火灾影响系数。火灾影响系数可以是每个节点对与其存在边关系的其他节点的火灾影响程度。例如,对于节点B,当节点B发生火灾时,节点A由于距离较近也会受到火灾影响,节点C、节点D由于与节点B电气连接,也会受到火灾影响。火灾影响系数可以通过100以内的数值表示,数值越大,说明某一节点对通过该边相连的另一节点的火灾影响程度越大。
在一些实施例中,火灾影响系数可以与节点之间的距离相关。可以理解的是,节点之间的距离越小,对应边的火灾影响系数越大。在一些实施例中,火灾影响系数可以与节点特征相关。例如,某一节点的节点特征中,温度数据对应的温度值越大,该节点对其他节点的边的火灾影响系数越大。
需要说明的是,图6中节点A、B、C、D、E、F、G仅为说明,并不旨在对节点数量、位置以及连接关系的限定,该图谱只是简易的关系图谱,实际上的关系图谱中可以包括更多个节点和更多条边。本领域技术人员在充分了解本方案的前提下,可以将本方案应用于电梯试验塔之外的其他场景。例如,货运电梯、观光电梯等场景。
图模型可以用于对关系图谱进行处理。在一些实施例中,图模型可以包括图神经网络模型。在一些实施例中,处理设备可以将关系图谱输入图神经网络模型,基于每个节点的输出,确定该节点是否为火灾风险区域。其中,每个节点的输出可以是该节点对应的组件是否为火灾风险区域。
在一些实施例中,图模型可以通过第三训练样本以及第三标识训练得到。第三训练样本可以是历史关系图谱,第三标识可以是历史关系图谱的各个节点是否为火灾风险区域的标注,如第三标识可以通过由0、1构成的矩阵表示,其中矩阵的行表示每一个组件在不同时间点是否为火灾风险区域,矩阵的列表示不同的组件。第三训练样本可以通过从存储设备调用获取,第三标识可以人工标注确定。
具体的,将带有第三标识的多组第三训练样本输入初始图模型,基于初始图模型的输出以及标识构建损失函数,基于损失函数迭代通过训练更新图模型的参数。在一些实施例中,可以基于训练样本,通过各种方法进行训练。例如,可以基于梯度下降法进行训练。当满足预设条件时,训练结束,获得训练好的图模型。其中,预设条件可以为损失函数收敛。
通过关系图谱可以形成多个组件之间的关系网络,再经过图模型对关系图谱进行处理,以得到每个数据采集装置所在的组件的区域是否为火灾风险区域。
本说明书一些实施例中通过关系图谱与图模型发掘多个组件之间的位置关系和电气连接关系,并利用上述关系确定火灾风险区域,综合考虑了多个组件之间的相互影响,有利于发现电气电路中的故障点,进而做出有效的防范措施。
本说明书提供一种电梯试验塔用智能火灾防范装置,该装置包括至少一个处理器以及至少一个存储器;至少一个存储器用于存储计算机指令;至少一个处理器用于执行计算机指令中的至少部分指令以实现电梯试验塔用智能火灾防范方法。
本说明书提供一种计算机可读存储介质,该存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如电梯试验塔用智能火灾防范方法。
上文已对基本概念做了描述,显然,对于本领域技术人员来说,上述详细披露仅仅作为示例,而并不构成对本说明书的限定。虽然此处并没有明确说明,本领域技术人员可能会对本说明书进行各种修改、改进和修正。该类修改、改进和修正在本说明书中被建议,所以该类修改、改进、修正仍属于本说明书示范实施例的精神和范围。
同时,本说明书使用了特定词语来描述本说明书的实施例。如“一个实施例”、“一实施例”、和/或“一些实施例”意指与本说明书至少一个实施例相关的某一特征、结构或特点。因此,应强调并注意的是,本说明书中在不同位置两次或多次提及的“一实施例”或“一个实施例”或“一个替代性实施例”并不一定是指同一实施例。此外,本说明书的一个或多个实施例中的某些特征、结构或特点可以进行适当的组合。
此外,除非权利要求中明确说明,本说明书所述处理元素和序列的顺序、数字字母的使用、或其他名称的使用,并非用于限定本说明书流程和方法的顺序。尽管上述披露中通过各种示例讨论了一些目前认为有用的发明实施例,但应当理解的是,该类细节仅起到说明的目的,附加的权利要求并不仅限于披露的实施例,相反,权利要求旨在覆盖所有符合本说明书实施例实质和范围的修正和等价组合。例如,虽然以上所描述的系统组件可以通过硬件设备实现,但是也可以只通过软件的解决方案得以实现,如在现有的服务器或移动设备上安装所描述的系统。
同理,应当注意的是,为了简化本说明书披露的表述,从而帮助对一个或多个发明实施例的理解,前文对本说明书实施例的描述中,有时会将多种特征归并至一个实施例、附图或对其的描述中。但是,这种披露方法并不意味着本说明书对象所需要的特征比权利要求中提及的特征多。实际上,实施例的特征要少于上述披露的单个实施例的全部特征。
一些实施例中使用了描述成分、属性数量的数字,应当理解的是,此类用于实施例描述的数字,在一些示例中使用了修饰词“大约”、“近似”或“大体上”来修饰。除非另外说明,“大约”、“近似”或“大体上”表明所述数字允许有±20%的变化。相应地,在一些实施例中,说明书和权利要求中使用的数值参数均为近似值,该近似值根据个别实施例所需特点可以发生改变。在一些实施例中,数值参数应考虑规定的有效数位并采用一般位数保留的方法。尽管本说明书一些实施例中用于确认其范围广度的数值域和参数为近似值,在具体实施例中,此类数值的设定在可行范围内尽可能精确。
针对本说明书引用的每个专利、专利申请、专利申请公开物和其他材料,如文章、书籍、说明书、出版物、文档等,特此将其全部内容并入本说明书作为参考。与本说明书内容不一致或产生冲突的申请历史文件除外,对本说明书权利要求最广范围有限制的文件(当前或之后附加于本说明书中的)也除外。需要说明的是,如果本说明书附属材料中的描述、定义、和/或术语的使用与本说明书所述内容有不一致或冲突的地方,以本说明书的描述、定义和/或术语的使用为准。
最后,应当理解的是,本说明书中所述实施例仅用以说明本说明书实施例的原则。其他的变形也可能属于本说明书的范围。因此,作为示例而非限制,本说明书实施例的替代配置可视为与本说明书的教导一致。相应地,本说明书的实施例不仅限于本说明书明确介绍和描述的实施例。
Claims (10)
1.一种电梯试验塔用智能火灾防范方法,其特征在于,所述方法由电梯试验塔用智能火灾防范系统执行,所述方法包括:
获取电梯试验塔的至少一个组件的温度数据和电气数据;
基于所述温度数据和所述电气数据,通过图模型确定所述电梯试验塔的火灾风险区域;其中,所述图模型为图神经网络模型,所述图模型的输入为关系图谱,输出为火灾风险区域判断信息;所述关系图谱基于所述温度数据和所述电气数据构建;所述关系图谱的节点为数据采集装置所在位置,所述关系图谱的节点特征包括所述温度数据对应的温度特征向量以及所述电气数据,所述温度特征向量由温度模型中的嵌入层对所述温度数据进行处理后得到,所述嵌入层为时序模型;所述关系图谱的边表征节点之间的位置关系和电气连接关系,所述关系图谱的边特征包括周围节点对边对应节点的火灾影响系数;
对所述火灾风险区域实施管控措施;
基于所述火灾风险区域以及所述管控措施,生成火灾风险信息并向用户反馈。
2.如权利要求1所述的方法,其特征在于,所述基于所述温度数据,确定所述电梯试验塔的火灾风险区域包括:
基于所述温度数据,判断所述电梯试验塔内是否存在所述火灾风险区域;
响应于存在所述火灾风险区域,向所述用户发出预警。
3.如权利要求2所述的方法,其特征在于,所述火灾风险区域通过所述温度模型对所述温度数据处理后得到,其中,所述温度模型为机器学习模型。
4.如权利要求1所述的方法,其特征在于,所述方法还包括:
获取所述电梯试验塔的电气数据;
基于所述电气数据,通过电气模型确定所述火灾风险区域,其中,所述电气模型为机器学习模型。
5.一种电梯试验塔用智能火灾防范系统,其特征在于,所述系统包括:
数据采集装置,用于获取电梯试验塔的至少一个组件的温度数据和电气数据;
控制器,用于基于所述温度数据和所述电气数据,通过图模型确定所述电梯试验塔的火灾风险区域;其中,所述图模型为图神经网络模型,所述图模型的输入为关系图谱,输出为火灾风险区域判断信息;所述关系图谱基于所述温度数据和所述电气数据构建;所述关系图谱的节点为数据采集装置所在位置,所述关系图谱的节点特征包括所述温度数据对应的温度特征向量以及所述电气数据,所述温度特征向量由温度模型中的嵌入层对所述温度数据进行处理后得到,所述嵌入层为时序模型;所述关系图谱的边表征节点之间的位置关系和电气连接关系,所述关系图谱的边特征包括周围节点对边对应节点的火灾影响系数;
消防装置,用于对所述火灾风险区域实施管控措施;
交互终端,用于基于所述火灾风险区域以及所述管控措施,生成火灾风险信息并向用户反馈。
6.如权利要求5所述的系统,其特征在于,所述控制器进一步用于:
基于所述温度数据,判断所述电梯试验塔内是否存在所述火灾风险区域;
响应于存在所述火灾风险区域,通过所述交互终端向所述用户发出预警。
7.如权利要求6所述的系统,其特征在于,所述火灾风险区域通过所述温度模型对所述温度数据处理后得到,其中,所述温度模型为机器学习模型。
8.如权利要求7所述的系统,其特征在于,所述数据采集装置进一步用于:
获取所述电梯试验塔的电气数据;
所述控制器进一步用于:
基于所述电气数据,通过电气模型确定所述火灾风险区域,其中,所述电气模型为机器学习模型。
9.一种电梯试验塔用智能火灾防范装置,所述装置包括至少一个处理器以及至少一个存储器;
所述至少一个存储器用于存储计算机指令;
所述至少一个处理器用于执行所述计算机指令中的至少部分指令以实现如权利要求1~4中任意一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述存储介质存储计算机指令,当计算机读取存储介质中的计算机指令后,计算机执行如权利要求1~4中任意一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558288.5A CN116424988B (zh) | 2022-12-06 | 2022-12-06 | 电梯试验塔用智能火灾防范方法、系统、装置以及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211558288.5A CN116424988B (zh) | 2022-12-06 | 2022-12-06 | 电梯试验塔用智能火灾防范方法、系统、装置以及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116424988A CN116424988A (zh) | 2023-07-14 |
CN116424988B true CN116424988B (zh) | 2024-03-22 |
Family
ID=87089576
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211558288.5A Active CN116424988B (zh) | 2022-12-06 | 2022-12-06 | 电梯试验塔用智能火灾防范方法、系统、装置以及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116424988B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102530668A (zh) * | 2010-12-17 | 2012-07-04 | 东芝电梯株式会社 | 电梯系统 |
CN104941104A (zh) * | 2015-06-25 | 2015-09-30 | 国新电梯科技有限公司 | 一种高速电梯试验塔用火灾消防装置 |
CN114604708A (zh) * | 2022-05-13 | 2022-06-10 | 深圳正为格智能科技有限公司 | 一种电梯消防风险预警方法及系统 |
-
2022
- 2022-12-06 CN CN202211558288.5A patent/CN116424988B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102530668A (zh) * | 2010-12-17 | 2012-07-04 | 东芝电梯株式会社 | 电梯系统 |
CN104941104A (zh) * | 2015-06-25 | 2015-09-30 | 国新电梯科技有限公司 | 一种高速电梯试验塔用火灾消防装置 |
CN114604708A (zh) * | 2022-05-13 | 2022-06-10 | 深圳正为格智能科技有限公司 | 一种电梯消防风险预警方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN116424988A (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Sankarasubramanian et al. | IoT Based Prediction for Industrial Ecosystem | |
CN103178615A (zh) | 电力设备故障监控方法及其系统 | |
CN104182906B (zh) | 一种实现多角色协同操作的变电站仿真的方法及系统 | |
CN101266278A (zh) | 用于无源检测和定位线束缺陷的方法和系统 | |
US20180174694A1 (en) | Abnormality diagnosis system and abnormality diagnosis method | |
CN115343568A (zh) | 电缆巡检的异常识别装置、方法、设备及存储介质 | |
EP3229216A1 (en) | Systems and methods of increasing the efficiency and accuracy of a walk test in a fire alarm system | |
Park et al. | An analysis on safety risk judgment patterns towards computer vision based construction safety management | |
CN113760670A (zh) | 电缆接头异常预警方法、装置、电子设备和存储介质 | |
CN116164843A (zh) | 一种基于物联网的电缆监测预警方法及系统 | |
CN115620473A (zh) | 一种多场景电缆隐形火灾在线监测系统 | |
CN116645775A (zh) | 一种云平台火灾报警信息响应系统 | |
CN116424988B (zh) | 电梯试验塔用智能火灾防范方法、系统、装置以及介质 | |
CN111814337A (zh) | 一种用于核电厂隔间火灾风险分析的方法 | |
CN106379787A (zh) | 一种电梯预警救援车 | |
CN113554364A (zh) | 灾害应急管理方法、装置、设备及计算机存储介质 | |
CN117373191A (zh) | 一种变电站设备火灾预警方法及系统 | |
CN112265880A (zh) | 电梯的可视化检验方法及电梯的可视化检验装置 | |
Aliyari et al. | Drone-based bridge inspection in harsh operating environment: Risks and safeguards | |
Teleka et al. | The automation of the" making safe" process in South African hard-rock underground mine | |
CN114445041B (zh) | 一种危化品在途事故应急处理方法及系统 | |
CN110533305A (zh) | 一种冶金企业生产安全事故综合防控方法 | |
CN116433212A (zh) | 一种对配电房自动巡检的故障识别处理方法及相关装置 | |
KR101762721B1 (ko) | 피뢰 시스템의 안전 진단 분석 장치 및 방법 | |
CN112750270B (zh) | 基于激光传感器的烟雾报警方法、装置及设备 |
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 |