一种基于长短期记忆模型的火焰探测方法及装置与流程

技术特征：
1.一种基于长短期记忆模型的火焰探测装置，其特征在于，包括三通道红外传感器，紫外传感器、放大电路、a/d采样芯片、控制器；所述三通道红外传感器信号通过所述放大电路、a/d采样芯片实现信号放大和模数转换后，通过所述控制器实现数字滤波、三通道红外传感器信号特征提取、归一化处理、建立长短期记忆模型输出结果；所述紫外传感器通过所述控制器实现紫外传感器信号特征提取、归一化处理、建立长短期记忆模型输出结果。2.一种基于长短期记忆模型的火焰探测方法，其特征在于，使用所述基于长短期记忆模型的火焰探测装置，按照以下步骤进行：步骤一：收集火焰样本和各种类型干扰源样本，组成火焰样本集和干扰源样本集；步骤二：三通道红外传感器信号特征提取和紫外传感器信号特征提取，并将所述三通道红外传感器信号和紫外传感器信号均进行归一化处理，所述三通道红外传感器信号特征提取步骤为先进行傅里叶变换，后进行主元分析，所述紫外传感器信号特征提取为计算紫外脉冲总数、平均密度、最大值；步骤三：建立长短期记忆模型并输出，利用循环神经网络记忆之前的输入信息，对本次输出结果产生影响，对火焰样本信号中微弱部分结合历史信息做出判断，使用遗忘门、输出门、输入门公式相结合实现长短期记忆模型的遗忘、记忆功能，所述长短期记忆模型结构主要包括以下公式：：遗忘门公式为f
t
＝f
sigmod
(w
xf
x
t
w
hf
h
t
‑1 b
f
)，公式中，f
t
为遗忘门输出，w
xf
为遗忘门输入连接矩阵，w
hf
为遗忘门状态连接矩阵，b
f
为遗忘门阈值，所述遗忘门是由于激活函数f
sigmod
输出0～1从而实现旧状态的遗忘；输出门公式为o
t
＝f
sigmod
(w
xo
x
t
w
ho
h
t
‑1 b
o
)，h
t
＝o
t
*f
tanh
(c
t
)，公式中，o
t
为输出门输出，w
xo
为输出门输入连接矩阵，w
ho
为输出门状态连接矩阵，b
f
为输出门阈值，所述输出门负责过滤、输出；输入门公式为c
t
＝f
t
*c
t
‑1 i
t
*f
tanh
(w
xc
x
t
w
hc
h
t
‑1 b
c
)，i
t
＝f
sigmod
(w
xi
x
t
w
hi
h
t
‑1 b
i
)，公式中，x
t
为当前模型输入，h
t
、h
t
‑1为当前和上一次模型状态，c
t
为模型状态矩阵，f
t
为遗忘门输出，c
t
‑1为模型上一时刻状态矩阵，i
t
为输入门局部参数，w
xc
、w
hc
、w
xi
、w
hi
为输入门局部连接矩阵，b
c
、b
i
为输入门局部阈值，所述输入门决定让多少新输入加入新状态；f
sigmod
和f
tanh
为两种激活函数：和其中z为激活函数的输入，sigmod和tanh两种激活函数使循环神经网络具有非线性拟合能力；步骤四：测试结果。3.根据权利要求2所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，所述步骤一还包括，火焰样本种类包括氢火、汽油、正庚烷、甲醇、煤油、蜡烛、打火机、纸张；干扰源样本种类包括白炽灯、日光灯、荧光灯、卤素灯、钨丝灯、金卤灯、钠蒸汽灯、汞蒸汽灯、led灯、摄影大灯、电弧焊、阳光直射反射；分别将不同种类火焰样本和干扰源样本跟火焰表不同距离、不同相对角度进行组合，录制若干组数据。4.根据权利要求2所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，所述步骤二中傅里叶变换为，设采样频率为f
s
，傅里叶变换时间窗为t
window
,则离散傅里数据长度为n1＝f
s
*t
window
,所述三通道红外传感器和紫外传感器的通道离散信号记为ir
bj
和uv
j
，角标b∈{1、2、3}表示红外第几通道，时序角标j∈{1、2、...、n1}，根据公式
公式中g为累加中用的字母无实际意义，j代表复数，e为指数，h为频域内的第h个点；由于频域最小分辨率为f
s
/n1,设|f(0)|为傅里叶变换后第一个点，则|f(0)|对应直流分量，|f(1)|对应频域f
s
/n1幅值，对所述三通道红外传感器信号分别处理，去除直流分量和对称数据，三通道红外传感器特征总数量为n2个，n2＝3*n1/2,记为5.根据权利要求4所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，设傅里叶变换后的特征样本集为n为傅里叶变换后特征样本数量，n2为特征数量，步骤二中所述主元分析流程为，(1)中心化处理，即x
i
＝x
i
‑
e(x)，i＝1、2、...、n，公式中，x
i
为1
×
n2的特征样本点，e(x)为特征样本集x的均值1
×
n2；(2)计算协方差矩阵，即上角标t为矩阵转置符号；(3)根据(2)计算出的协方差矩阵计算协方差矩阵的特征值和特征向量(4)对特征值从大到小的排序对应特征向量为选择对应特征向量组成变换矩阵。6.根据权利要求5所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，所述步骤二中主元分析，取w个主元，则此时贡献率为g为累加中用的字母无实际意义，对应变换矩阵为[p'1，p'2,...,p'
w
],提取特征为x'＝x[p'1,p'2,...,p'
w
]，当贡献率取99％时，对红外频域幅值特征作进一步的特征提取，归一化后作为长短期记忆模型红外传感器特征部分的训练样本集。7.根据权利要求2所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，所述紫外传感器信号特征提取流程为，紫外传感器信号特征提取共计三个特征作为模型输入的紫外传感器信号特征部分，所述紫外脉冲总数公式为所述平均密度公式为所述最大值公式为上述式子中除以一个常数β，β＝256，保证紫外传感器信号特征feature
uv
∈[0，1]，达到归一化效果，公式中count_nonzero为1至n1个紫外脉冲信号中非零的数量。8.根据权利要求7所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，所述紫外传感器信号特征提取，设算法模型输入的时间窗留有更改接口，根据实际情况选择，重视报警灵敏度可设时间窗较短，重视火焰探测器抗干扰能力则可设时间窗较长，所述时间窗的设置长度为报警的延时时长。9.根据权利要求2所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，所述步骤三，按照如下流程进行：
(1)采用公式实现长短期记忆模型隐层神经元数目，并对α网格寻优选择最佳hide_len，其中，input_len为模型输入数量，output_len为模型输出数量，hide_len为隐层神经元数目；所述网格寻优为，所述α选择1
‑
10，训练好模型后看交叉测试精度，选择精度最高时对应的α；(2)输出结果，长短期记忆模型输出层，输出为火与干扰源二分类，设t时刻模型输出y
t
＝[y
t1
，y
t2
]，采用softmax变换输出]，采用softmax变换输出公式中，y
t1
为火焰输出，y
t2
为干扰源输出，所述softmax激活函数为所述长短期记忆模型预测火焰与干扰源的概率。10.根据权利要求2所述的一种基于长短期记忆模型的火焰探测方法，其特征在于，所述三通道红外传感器信号滤光片波长优选为，人工热源干扰检测通道选择3.8um、背景干扰检测通道选择5.0um；火焰检测通道分为氢火焰检测通道和非氢火焰检测通道，所述氢火焰检测通道选择2.95um，所述非氢火焰检测通道选择4.4um。

技术总结
本发明公开了一种基于长短期记忆模型的火焰探测方法及装置，方法包括收集样本、特征提取、归一化、设计长短期记忆模型、测试。装置包括三通道红外传感器，紫外传感器、放大电路、A/D采样芯片、控制器，所述控制器实现数字滤波、特征提取、归一化处理、长短期记忆模型输出结果。本发明解决了传统的火焰探测器算法大都采用阈值法结合与或关系的融合策略，但简单的线性分类和融合策略并未完全发挥出红紫外传感器结合的优势等问题。相比与传统的BP神经网络只和当前输入有关，本发明的循环神经网络(RNN)能够记忆之前的输入信息，对本次输出结果产生影响，对火焰信号中微弱部分，结合历史信息仍能够做出最佳的判断，可以缓解梯度消失问题。问题。问题。


技术研发人员：章军 杨伟伟 郭晶 周水淼 曹志兵
受保护的技术使用者：无锡格林通安全装备有限公司
技术研发日：2021.09.08
技术公布日：2021/12/2