本發(fā)明屬于涉及大數(shù)據(jù)分析與云計(jì)算的物聯(lián)網(wǎng)，涉及一種智慧建筑運(yùn)維安全管理方法及系統(tǒng)。

背景技術(shù)：

1、隨著城市化進(jìn)程的加快，建筑物的規(guī)模和復(fù)雜度不斷增加，傳統(tǒng)的運(yùn)維管理模式已經(jīng)難以滿足對(duì)建筑設(shè)施運(yùn)行和維護(hù)的高效要求，因此智慧建筑運(yùn)維安全管理方法及系統(tǒng)應(yīng)運(yùn)而生。

2、傳統(tǒng)的建筑運(yùn)維安全管理系統(tǒng)內(nèi)各子系統(tǒng)之間存在割裂、應(yīng)急處理被動(dòng)、人員運(yùn)營(yíng)成本高、信息系統(tǒng)孤島和安防系統(tǒng)不完善一系列問題，對(duì)所述警戒區(qū)域的監(jiān)控主要還是依靠人工對(duì)所述警戒區(qū)域設(shè)防的攝像頭傳回的視頻信息進(jìn)行實(shí)時(shí)監(jiān)控，這種方式效率低下且容易出現(xiàn)漏檢等情況，大大降低了建筑的安全性。在過去出現(xiàn)火災(zāi)突發(fā)情況下，依靠逃生人員自己尋找逃生路線，增加了逃生人員的風(fēng)險(xiǎn)。

技術(shù)實(shí)現(xiàn)思路

1、為解決現(xiàn)有技術(shù)中存在的上述問題，本發(fā)明提供了一種智慧建筑運(yùn)維安全管理方法及系統(tǒng)；

2、本發(fā)明的目的可以通過以下技術(shù)方案實(shí)現(xiàn)：

3、s1：通過前端探測(cè)器獲取信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)，并在建筑內(nèi)設(shè)置消防主機(jī)、火災(zāi)報(bào)警探測(cè)器，獲取所述消防主機(jī)、所述火災(zāi)報(bào)警探測(cè)器的運(yùn)行狀態(tài)數(shù)據(jù)；

4、s2：對(duì)所述信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)添加時(shí)間戳得到一維時(shí)序數(shù)據(jù)，對(duì)所述一維時(shí)序數(shù)據(jù)進(jìn)行ai分析得到時(shí)變信號(hào)實(shí)時(shí)變化特征和短時(shí)域頻域幅值波動(dòng)特征；對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行異常狀態(tài)分析，得到異常狀態(tài)判定結(jié)果；

5、s3：對(duì)所述異常判定結(jié)果進(jìn)行異常狀態(tài)識(shí)別得到火災(zāi)發(fā)生異常判定結(jié)果；

6、s4：通過對(duì)所述時(shí)變信號(hào)實(shí)時(shí)變化特征和所述短時(shí)域幅值波動(dòng)特征進(jìn)行特征融合得到入侵識(shí)別結(jié)果，對(duì)所述入侵識(shí)別結(jié)果進(jìn)行線性回歸分析得到入侵判定結(jié)果；

7、s5：根據(jù)所述入侵判定結(jié)果聯(lián)動(dòng)視頻監(jiān)控器進(jìn)行報(bào)警分析得到入侵報(bào)警信號(hào)，根據(jù)所述入侵報(bào)警信號(hào)觸發(fā)聯(lián)動(dòng)報(bào)警裝置并指示電子地圖中對(duì)應(yīng)位置的警報(bào)發(fā)生點(diǎn)信息，通過警戒探測(cè)區(qū)域位置信息和所述火災(zāi)發(fā)生異常判定結(jié)果進(jìn)行安全運(yùn)維分析得到運(yùn)維分析結(jié)果，根據(jù)所述運(yùn)維分析結(jié)果控制建筑內(nèi)的照明系統(tǒng)打開最佳路線指示燈。

8、作為本發(fā)明的一種優(yōu)選技術(shù)方案，所述前端探測(cè)器是通過智能探測(cè)線纜鋪設(shè)在所述警戒探測(cè)區(qū)域的內(nèi)嵌等距分布式物聯(lián)網(wǎng)探測(cè)器，所述分布式物聯(lián)網(wǎng)探測(cè)器通過收發(fā)微波信號(hào)組網(wǎng)，形成陣列式微波探測(cè)感應(yīng)場(chǎng)，所述陣列式微波探測(cè)感應(yīng)場(chǎng)接收預(yù)警區(qū)域內(nèi)的產(chǎn)生的信號(hào)得到信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)，對(duì)所述信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)添加時(shí)間戳得到一維時(shí)序數(shù)據(jù)，所述分布式物聯(lián)網(wǎng)探測(cè)器探測(cè)到的入侵信號(hào)強(qiáng)度表達(dá)式為：

9、

10、其中，i0為所述分布式物聯(lián)網(wǎng)探測(cè)器輸入微波信號(hào)強(qiáng)度，j為所述分布式物聯(lián)網(wǎng)探測(cè)器干涉可見度，δψt為外部入侵事件引起的信號(hào)相位差，ψ0為微波信號(hào)初始的信號(hào)相位。

11、具體地，所述ai分析方法為：根據(jù)所述一維時(shí)序數(shù)據(jù)建立時(shí)變信號(hào)智能分析模型，其中，所述時(shí)變信號(hào)智能分析模型包括第一智能分析功能塊、第二智能分析功能塊和特征融合功能塊，所述第一智能分析功能塊對(duì)所述前端探測(cè)器傳入的一維時(shí)序數(shù)據(jù)進(jìn)行復(fù)制擴(kuò)展操作得到二維時(shí)序數(shù)據(jù)，所述第一智能分析模塊的輸入層提取所述二維時(shí)序數(shù)據(jù)中的一維時(shí)序數(shù)據(jù)得到原始一維時(shí)序數(shù)據(jù)，所述第一智能分析模塊處理層對(duì)所述原始一維時(shí)序數(shù)據(jù)進(jìn)行過濾處理得到降噪數(shù)據(jù)，將所述降噪數(shù)據(jù)遞交給降采樣層進(jìn)行降采樣操作并進(jìn)行線性回歸分析得到時(shí)變信號(hào)實(shí)時(shí)變化特征。

12、具體地，所述第二智能分析功能塊為：提取所述二維時(shí)序數(shù)據(jù)中的復(fù)制一維時(shí)序數(shù)據(jù)作為第二智能分析模塊處理層的輸入數(shù)據(jù)，通過頻域分析模型對(duì)所述第二智能分析模塊處理層的輸入數(shù)據(jù)進(jìn)行寬尺度宏觀趨勢(shì)學(xué)習(xí)得到短時(shí)域的頻域幅值波動(dòng)特征。

13、具體地，所述特征融合功能塊包括一個(gè)特征融合層和一個(gè)線性回歸分析層，用于將第一智能分析功能塊和第二智能分析功能塊提取到的所述時(shí)變信號(hào)實(shí)時(shí)變化特征和所述頻域幅值波動(dòng)特征通過所述特征融合層進(jìn)行加權(quán)融合得到融合數(shù)據(jù)，所述線性回歸分析層用于對(duì)所述融合數(shù)據(jù)進(jìn)行線性回歸得到入侵識(shí)別結(jié)果，通過預(yù)設(shè)的入侵判定區(qū)間對(duì)所述入侵識(shí)別結(jié)果進(jìn)行判定得到入侵判定結(jié)果。

14、具體地，所述第一智能分析功能塊處理層為：對(duì)原始一維時(shí)序數(shù)據(jù)進(jìn)行分解，得到k個(gè)中心頻率為ωk模態(tài)函數(shù)分量，將每個(gè)所述模態(tài)函數(shù)分量的多尺度排列熵與預(yù)設(shè)閾值比較，過濾高于預(yù)設(shè)閾值的所述模態(tài)函數(shù)分量，重組剩余所述模態(tài)函數(shù)分量得到降噪數(shù)據(jù)，模態(tài)函數(shù)表達(dá)式為：

15、

16、其中，ak(t)表示子模態(tài)uk(t)的可視幅值，ψk(t)表示信號(hào)相位；所述模態(tài)函數(shù)分量的多尺度排列熵為：其中m為嵌入維數(shù)，hp(m)為香農(nóng)熵值。

17、具體地，所述安全運(yùn)維分析方法為根據(jù)所述溫度探測(cè)器在所述電子地圖中的位置信息并以所述警戒探測(cè)區(qū)域位置信息為路徑約束建立圖模型，將運(yùn)行異常的溫度探測(cè)器和逃生出口在所述電子地圖中的位置信息分別設(shè)置為所述圖模型的起點(diǎn)數(shù)據(jù)和終點(diǎn)數(shù)據(jù)，根據(jù)所述起點(diǎn)數(shù)據(jù)和終點(diǎn)數(shù)據(jù)收集所述溫度探測(cè)器之間的距離數(shù)據(jù)，將所述距離數(shù)據(jù)初始化一個(gè)起點(diǎn)集合，根據(jù)所述起點(diǎn)集合進(jìn)行最短路徑搜索得到所述運(yùn)維分析結(jié)果。

18、一種智慧建筑運(yùn)維安全管理系統(tǒng)，包括數(shù)據(jù)采集模塊、數(shù)據(jù)分析模塊、異常狀態(tài)識(shí)別模塊、入侵結(jié)果判定模塊、集成控制模塊；

19、所述數(shù)據(jù)采集模塊用于獲取信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)，獲取所述消防主機(jī)、所述火災(zāi)報(bào)警探測(cè)器的工作運(yùn)行狀態(tài)數(shù)據(jù)；

20、所述數(shù)據(jù)分析模塊用于所述信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)添加時(shí)間戳得到一維時(shí)序數(shù)據(jù)，對(duì)所述一維時(shí)序數(shù)據(jù)進(jìn)行ai分析得到時(shí)變信號(hào)實(shí)時(shí)變化特征和短時(shí)域的頻域幅值波動(dòng)特征；

21、所述異常狀態(tài)識(shí)別模塊用于對(duì)所述信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)添加時(shí)間戳得到一維時(shí)序數(shù)據(jù)，對(duì)所述一維時(shí)序數(shù)據(jù)進(jìn)行ai分析得到時(shí)變信號(hào)實(shí)時(shí)變化特征和短時(shí)域頻域幅值波動(dòng)特征；對(duì)所述運(yùn)行狀態(tài)數(shù)據(jù)進(jìn)行異常狀態(tài)分析，得到異常狀態(tài)判定結(jié)果；

22、所述入侵結(jié)果判定模塊通過對(duì)所述異常判定結(jié)果進(jìn)行異常狀態(tài)識(shí)別，得到火災(zāi)發(fā)生異常判定結(jié)果；

23、所述集成控制模塊用于根據(jù)所述入侵判定結(jié)果聯(lián)動(dòng)視頻監(jiān)控器進(jìn)行報(bào)警分析得到入侵報(bào)警信號(hào)，根據(jù)所述入侵報(bào)警信號(hào)觸發(fā)聯(lián)動(dòng)報(bào)警裝置并指示電子地圖中對(duì)應(yīng)位置的警報(bào)發(fā)生點(diǎn)信息，通過實(shí)時(shí)獲取的所述警報(bào)發(fā)生點(diǎn)信息和所述火災(zāi)發(fā)生異常判定結(jié)果進(jìn)行安全運(yùn)維分析得到運(yùn)維分析結(jié)果，根據(jù)所述運(yùn)維分析結(jié)果控制建筑內(nèi)的照明系統(tǒng)打開最佳路線指示燈。

24、本發(fā)明的有益效果為：

25、(1)通過將所述內(nèi)嵌等距分布式物聯(lián)網(wǎng)探測(cè)器的智能探測(cè)線纜鋪設(shè)到所述警戒探測(cè)區(qū)域，線纜內(nèi)嵌的分布式物聯(lián)網(wǎng)探測(cè)器收發(fā)微波信號(hào)組網(wǎng)形成陣列式微波探測(cè)感應(yīng)場(chǎng)，當(dāng)有人非法入侵時(shí)，導(dǎo)致微波信號(hào)變化，產(chǎn)生信號(hào)強(qiáng)度數(shù)據(jù)、波形圖像數(shù)據(jù)，通過所述的時(shí)變信號(hào)智能分析模型對(duì)傳輸過來的數(shù)據(jù)進(jìn)行聯(lián)合分析得到入侵判定結(jié)果，根據(jù)所述入侵判定結(jié)果進(jìn)行傳感定位并發(fā)送報(bào)警信號(hào)，并聯(lián)動(dòng)入侵地點(diǎn)攝像機(jī)實(shí)現(xiàn)圖像信息采集。實(shí)現(xiàn)警戒區(qū)域入侵報(bào)警的智能化、自動(dòng)化和精度化，降低人工參與度。

26、(2)通過對(duì)物聯(lián)網(wǎng)、大數(shù)據(jù)分析以及人工智能技術(shù)的創(chuàng)新性融合，實(shí)現(xiàn)對(duì)所述熱敏電阻式溫度探測(cè)器工作狀態(tài)的監(jiān)控，當(dāng)所述熱敏電阻式溫度探測(cè)器工作狀態(tài)出現(xiàn)異常時(shí)，根據(jù)所述熱敏電阻式溫度探測(cè)器在電子地圖中的位置顯示，采用最優(yōu)逃生路線算法計(jì)算出最佳出逃路線，并聯(lián)動(dòng)燈光系統(tǒng)打開出逃路線指示燈，實(shí)現(xiàn)緊急狀態(tài)下快速出逃。