【技术实现步骤摘要】
本专利技术涉及设备监测的，尤其涉及一种可计时智能紫外线灯的监测方法与系统。
技术介绍
1、随着全球范围内传染病的爆发，人们对卫生和消毒的要求越来越高。紫外线消毒灯作为一种有效的消毒工具被广泛应用于医疗、食品加工、空气净化等领域。然而，由于使用寿命长、操作简便等特点，紫外线消毒灯存在工作异常的可能性，这可能导致消毒效果的下降，甚至对人体健康产生潜在风险。目前，针对紫外线消毒灯的工作异常检测方法研究尚存在一些问题。首先，传统的基于规则的检测方法通常需要依赖人工经验和固定的阈值设定，无法适应不同工作环境和紫外线消毒灯的变化。其次，传统方法对于复杂的工作异常模式难以准确识别，并且对于大规模部署的系统来说，人工巡检和分析的成本较高。此外，传统方法往往只能提供离线的检测结果，无法实现实时监测与反馈。针对该问题，本专利提出一种可计时智能紫外线灯的监测方法与系统，实现紫外线灯远程监测与管理，进一步提高工作效率和节约人力资源。
技术实现思路
1、有鉴于此，本专利技术提供一种可计时智能紫外线灯的监测方法与系统，目的在于：1)通过采集紫外线消毒灯的实时运行数据，包括辐射强度和光谱特征，全面了解紫外线灯的工作状态，并为后续的异常分类提供更多信息，预处理步骤去除噪声和数据归一化有助于提高数据质量和可靠性；2)利用深度自编码进行特征提取，能够从复杂的原始数据中学习到紫外线灯运行的关键特征，同时能够有效地减少数据维度，并提取出更具代表性的特征向量，支持向量机作为主要实施方法，具有较强的分类性能和泛化能力；3)通
2、为实现上述目的，本专利技术提供的一种可计时智能紫外线灯的监测方法，包括以下步骤：
3、s1：采集紫外线消毒灯的实时运行数据，所述数据包括辐射强度和光谱特征，对采集的数据进行预处理得到预处理后的运行数据，所述预处理包括去除噪声和数据归一化；
4、s2：对预处理后的运行数据进行特征提取得到紫外线消毒灯运行特征向量，其中深度自编码为所述特征提取的主要方法；
5、s3：构建紫外线灯异常分类模型，所述模型以提取得到的紫外线消毒灯运行特征向量为输入，以紫外线灯工作状态为输出，其中支持向量机为所述模型的主要实施方法；
6、s4：对构建的紫外线灯异常分类模型进行优化求解得到最优模型参数，根据求解得到的最优参数实例化模型得到紫外线灯异常分类实例；
7、s5：根据得到的紫外线灯异常分类实例进行紫外线灯工作状态判定，若判定为异常则触发相应的告警机制，否则记录紫外线灯自启用至当前时刻的运行时长进行超时使用处理。
8、作为本专利技术的进一步改进方法：
9、可选地，所述s1步骤中采集紫外线消毒灯的实时运行数据，包括：
10、采集紫外线灯运行辐射强度和光谱特征数据，其中辐射强度采集通过紫外线光电传感器将紫外线辐射转换为电信号，通过对传感器输出电压或电流的测量，获取辐射强度的数值；光谱特征通过多个光电传感器组成的阵列，同时获取不同波长范围内的紫外线辐射强度，每个传感器负责测量预置波长下的辐射，并通过数组输出提供多通道的辐射强度数据。
11、所述对采集的数据进行预处理得到预处理后的运行数据，包括：
12、对采集的数据进行预处理得到预处理后的运行数据，其中自适应阈值去噪为所述数据预处理的主要实施方法，具体流程为：
13、a1：将采集的运行数据进行随机分块；
14、a2：使用滑动窗口，计算每个小块内的局部方差，并根据局部方差计算局部噪声标准差σi，计算公式为：
15、σi＝k×median(|xj-median(xj)|)
16、其中，σi表示第i个小块的局部噪声标准差，k表示一个可调参数，取值范围为(0,1)，xj表示第j个小块的数据；
17、a3：对于第i个小块中的每个数据xij计算其局部阈值tij，计算公式为：
18、tij＝μi+k×σi
19、其中，tij表示第i个小块中第j个数据值的局部阈值，μi表示第i个小块的均值，k表示一个可调参数，取值范围为(0,1)，σi表示第i个小块的局部噪声标准差；
20、a4：对于第i个小块中的每个数据值xij比较其与局部阈值tij的差异，如果|xij-tij|大于预置阈值h，则将该数据值视为噪声，并进行去除，否则保留该数据值。
21、所述数据归一化，包括：
22、b1：计算所有去噪后数据的均值μ；
23、b2：计算所有去噪后数据的标准差σ；
24、b3：对于每个样本xi，使用以下公式进行归一化处理：
25、
26、其中，xnormalized表示归一化后的值，xi表示原始数据值，μ表示均值，σ表示标准差。
27、可选地，所述s2步骤中对预处理后的运行数据进行特征提取得到紫外线消毒灯运行特征向量，包括：
28、利用深度自编码提取运行数据的特征向量，所述特征提取流程为：
29、s21：构建深度自编码器，所述自编码器由编码器和解码器两部分组成，深度自编码器中的编码器负责将输入数据映射到低维的特征空间，而解码器则将低维特征重新恢复为原始数据空间；
30、s22：使用采集的紫外线灯运行数据对深度自编码器进行训练，最小化重构误差，计算公式为：
31、h＝f(w(l)h(l-1)+b(l))
32、
33、
34、其中，h(l-1)表示第l-1层的编码器输出，表示第l+1层的解码器输出，||·||2表示欧氏距离，w(l)表示第l层的权重矩阵，b(l)表示第l层的偏置向量，w'(l)表示第l层的权重矩阵，b'(l)表示第l层的偏置向量；
35、s23：通过反向传播算法更新网络参数，优化网络的权重和偏置，并使用训练好的编码器提取数据的特征向量。
36、可选地，所述s3步骤中构建紫外线灯异常分类模型，包括：
37、s31：确定优化目标函数，其中硬间隔最大化为所述目标函数构建的依据；
38、s32：将目标函数转化为约束最优化问题，转化后的无约束优化目标函数计算公式为：
39、
40、s33：根据求解得到的最优参数，计算决策边界来进行分类，计算公式为：
41、
42、其中：
43、αi表示调节因子，用于表示每个训练样本的权重；
44、yi表示训练样本的类别标签，取值为+1或-1，表示紫外线灯运行是否正常；
45、xi和xj表示训练样本的特征向量；
46、k(xi,xj)表示核函数，用于计算两个样本之间的相似性。
本文档来自技高网...【技术保护点】
1.一种可计时智能紫外线灯的监测方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述S1步骤中采集紫外线消毒灯的实时运行数据，包括：
3.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述S1步骤中对采集的数据进行预处理得到预处理后的运行数据，包括：
4.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述S1步骤中数据归一化，包括：
5.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述S2步骤中对预处理后的运行数据进行特征提取得到紫外线消毒灯运行特征向量，包括：
6.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述S3步骤中构建紫外线灯异常分类模型，包括：
7.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述S4步骤中对构建的紫外线灯异常分类模型进行优化求解得到最优模型参数，包括：
8.如权利要求7所述的一种可计时智能紫外线灯的监测方法，其特征在于，
9.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述S5步骤中记录紫外线灯自启用至当前时刻的运行时长进行超时使用处理，包括：
10.一种可计时智能紫外线灯的监测系统，其特征在于，所述系统包括：
...【技术特征摘要】
1.一种可计时智能紫外线灯的监测方法，其特征在于，所述方法包括：
2.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述s1步骤中采集紫外线消毒灯的实时运行数据，包括：
3.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述s1步骤中对采集的数据进行预处理得到预处理后的运行数据，包括：
4.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述s1步骤中数据归一化，包括：
5.如权利要求1所述的一种可计时智能紫外线灯的监测方法，其特征在于，所述s2步骤中对预处理后的运行数据进行特征提取得到紫外线消毒灯运行特征向量，包括：
6....
【专利技术属性】
技术研发人员：李婷，邱双燕，袁毅亦，吴剑波，
申请(专利权)人：深圳市龙华区妇幼保健院深圳市龙华区妇幼保健计划生育服务中心，深圳市龙华区健康教育所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。