[发明专利]一种火灾探测传感器数据异常检测方法及系统

权利要求书

1.一种火灾探测传感器数据异常检测方法，其特征在于，包括以下步骤：

步骤S1:获取火灾探测传感器的传感器信息，并进行归一化处理；

步骤S2:构建不同火情下的特征数据簇;

步骤S3:采用机器分类学习算法，将归一化后的传感器信息数据，与不同火情概率下的特征数据簇进行分类比对；

步骤S4:将归一化后的传感器信息数据输入BP神经网络，得到不同火情概率分布；

步骤S5:根据分类比对结果和不同火情概率分布，融合判断传感器数据是否无效，若无效则触发传感器异常警报。

2.根据权利要求1所述的一种火灾探测传感器数据异常检测方法，其特征在于，所述火灾探测传感器包括温度传感器、烟雾传感器和一氧化碳传感器。

3.根据权利要求1所述的一种火灾探测传感器数据异常检测方法，其特征在于，所述步骤S2具体为：

步骤S21:采集明火，阴燃，无火状态下的特征数据;

步骤S22:将收集到的特征数据进行分簇。

4.根据权利要求1所述的一种火灾探测传感器数据异常检测方法，其特征在于，所述步骤S2采用K-mean算法将特征数据进行分簇。

5.根据权利要求1所述的一种火灾探测传感器数据异常检测方法，其特征在于，所述BP神经网络模型分为输入层，隐藏层以及输出层；所述输入层包括三个输入节点，分别为温度，烟雾，一氧化碳传感器归一化数值，隐藏层包括N个节点，N的值可以通过训练获得，输出层包括明火概率，阴燃概率以及无火概率三个节点；并通过使用特征传感器数值以及获得的相对应的火情概率，训练出该BP神经网络不同层之间的连接权值。

6.根据权利要求1所述的一种火灾探测传感器数据异常检测方法，其特征在于，所述机器分类学习算法采用支持向量机二分类算法。

7.根据权利要求1所述的一种火灾探测传感器数据异常检测系统，其特征在于，包括数据采集单元、BP神经网络单元、机器分类学习单元和决策融合单元；所述数据采集单元与BP神经网络单元、机器分类学习单元分别连接；所述决策融合单元与BP神经网络单元、机器分类学习单元分别连接。