CN109375592A - 一种基于互联网的油烟净化监控系统及其工作方法 - Google Patents

Abstract

本发明涉及一种基于互联网的油烟净化监控系统及其工作方法，所述基于互联网的油烟净化监控系统包括：云服务器、监控终端和监控装置；其中所述监控装置包括：控制模块，与该控制模块相连的数据采集模块和通讯模块；所述数据采集模块设于油烟净化设备的油烟排放口处，用于采集油烟排放口处的油烟风速、烟雾浓度以及油烟温度，并通过通讯模块将油烟风速、烟雾浓度以及油烟温度发送至云服务器；以及所述云服务器适于存储油烟风速、烟雾浓度以及油烟温度，并将油烟风速、烟雾浓度以及油烟温度发送至监控终端；本发明基于互联网的油烟净化监控系统通过在油烟排放口处设置数据采集模块，实现对油烟排放数据的监控，确保油烟正常排放。

Description

一种基于互联网的油烟净化监控系统及其工作方法

技术领域

本发明属于监控技术领域，尤其涉及一种基于互联网的油烟净化监控系统及其工作方法。

背景技术

从2012年PM2.5纳入空气质量监测检测标准以来，空气质量进入了一个可视化的时代。

现在人们几乎“谈PM2.5色变”，但殊不知PM2.5一个重要排放源就在我们身边，即餐饮油烟。餐饮油烟废气和工业废气、机动车尾气被视为城市的三大“污染杀手”。

我国餐饮油烟治理方面仍有诸多问题。已安装油烟净化装置的部分饮食服务企业在日常的运行方面并不给力，有的不按要求定期清洗维护，有的擅自拆卸、停运设施，只有在检查的时候才会把设备打开装装样子，油烟净化设施形同虚设，在监管部门难以对餐馆的油烟设备进行监管，使得餐饮油烟的排放无法得到控制。

发明内容

本发明的目的在于提供一种基于互联网的油烟净化监控系统及其工作方法。

为了解决上述技术问题，本发明提供了一种基于互联网的油烟净化监控系统，包括：云服务器、监控终端和监控装置；其中所述监控装置包括：控制模块，与该控制模块相连的数据采集模块和通讯模块；所述数据采集模块设于油烟净化设备的油烟排放口处，用于采集油烟排放口处的油烟风速、烟雾浓度以及油烟温度，并通过通讯模块将油烟风速、烟雾浓度以及油烟温度发送至云服务器；以及所述云服务器适于存储油烟风速、烟雾浓度以及油烟温度，并将油烟风速、烟雾浓度以及油烟温度发送至监控终端。

进一步，所述数据采集模块包括：风速传感器、烟雾传感器和温度传感器。

进一步，所述监控终端包括智能设备；所述智能设备包括前端处理单元，用于对输入的语音信号进行预处理；语音信号输出电路；双核CPU，用于对输入输出的语音信号进行处理；ARM微处理器，用于操控智能设备按照用户指令进行工作；以及智能电源，与双核CPU相连，并向多个功能模块供电。

进一步，所述智能电源包括：输入电压+VC～-VC，左电感组和右电感组都具有中间磁芯的变压器T1、变压器T2、变压器T3，开关元件S1、开关元件S2，二极管D1、二极管D2、二极管D3、二极管D4、二极管D5、二极管D6、二极管D7、二极管D8，补偿二极管Ds1、补偿二极管Ds2、补偿二极管Ds3，电容C1、电容C2，补偿电容Cs1、补偿电容Cs2，回馈电容CB；其中变压器T1为左侧设有中间磁芯的右电感组Lsc1；变压器T2为左侧设有中间磁芯的右电感组Lsc2；变压器T3为左侧设有中间磁芯的右电感组Lsc3和与右电感组Lsc3成映像的左上电感组、左下电感组；输入电压+VC端连接开关元件S1的集电极；其-VC端连接开关元件S2的集电极；输入电压+VC端还分别连接二极管D1的阴极、补偿电容Cs1的阴极、二极管D2的阳极、二极管D8、二极管D6的阴极；输入电压-VC端还分别连接回馈电阻R1、二极管D2的阳极、补偿电容Cs2、电容C1、电容C2、二极管D7的阳极；补偿二极管Ds1的阴极、补偿二极管Ds3的阴极均与二极管D1的阳极相连；补偿二极管Ds1的阳极与右电感组Lsc3的正端相连接；补偿二极管Ds3的阳极与右电感组Lsc1的正端相连接；二极管D6的阳极与右电感组Lsc2的正端相连接；开关元件S1的集电极的相对端与左上电感组的副端相连接；开关元件S2的集电极的相对端与左下电感组的正端相连接；左上电感组和左下电感组的连接点与回馈电容CB的一端相连；回馈电容CB的另一端与回馈电阻R1相连；开关元件S2的集电极的相对端还通过连接补偿二极管Ds2的阳极分别与右电感组Lsc3的副端和补偿电容Cs2相连接；二极管D5的阴极与右电感组Lsc1的副端相连接；以及二极管D2的阴极还通过连接二极管D3的阳极分别与右电感组Lsc2的副端和电容C2相连接。

进一步，所述前端处理单元包括：采样电路、信号放大电路、整形电路、滤波电路和A/D转换器；其中一麦克风依次经过采样电路、信号放大电路、整形电路、滤波电路和A/D转换器与双核CPU的输入端相接；所述双核CPU的输入端还分别接有用于将双核CPU和ARM微处理器进行双向通信的RS232串行通信接口、用于存储语音信息的存储器以及所述智能电源；所述语音信号输出电路包括：语音播放电路模块和功率放大电路模块；所述双核CPU的输出端依次通过语音播放电路模块和功率放大电路模块与一扬声器相接；以及所述ARM微处理器的输出端通过驱动模块与执行单元相连。

进一步，所述智能电源还包括电压校正模块和电流校正模块；电压校正模块和电流校正模块均采用八象限插值法进行校正；所述智能设备还包括一与双核CPU相连的无线控制模块；无线控制模块通过WIFI模块发送信息到远端的智能手机，接收智能手机反馈的操作信号并传送回无线控制模块，由双核CPU根据所述操作信号进行下一步处理；以及所述智能手机为第一优先级。

进一步，对电流数据校正的八象限插值法采用下述步骤：

步骤S1，从一定时间段内采集的数据中选择任意一个电流数据I，以其幅度为纵轴，时间为横轴，等角度划分八个象限，依次查找每个象限内距离电流数据I最近的若干个数据点，查找半径初始为第一阈值，如果某象限内可查找到的电流数据数小于3个，半径逐次增加到第二阈值，最大不超过第五阈值，形成一个数据集DS(st，qua，stx，dit)，其中，st是电流数据I，qua是象限编号，stx是相邻数据点编号，dit是stx距离st的距离；

计算DS中每个电流数据各个参数在自测量时间起过去的半分钟内、1分钟内、1分钟半内、2分钟内的变化差值Df(st，stx，elem，t，dt)，其中dt指上述时间间隔；

以象限作为分组单位，使用插值算法计算各个变化差值Df(st，stx，elem，t，dt)距离电流数据I的插值PI(st，qua，stx，elem，t，dt)；对于可信度Ar属于可疑(50＜Ar≤90)或错误(Ar≤50)的要素值，不参与插值计算；

本步骤采用的八象限插值算法公式为：

上式中，m是数据集DS中某一象限qua内电流数据的数量；dit是qua中某一电流数据I’与电流数据I之间的距离；Ag_dit是qua中所有电流数据到电流数据I的距离的算术平均值；Ag_dit’是以电流数据I’为基准(以电流数据I’为圆心，第一阈值为半径，搜索该范围内所有的电流数据，如果搜索到的电流数据数量小于3个，半径逐次增加到第二阈值，最大不超过第五阈值)，该范围内所有电流数据到电流数据I’的距离的算法平均值；

步骤S2，同步骤S1，Df′是以电流数据I’为基准，对其搜索范围内各个电流数据的Df进行插值计算得出的结果，该插值公式为：

上式中，n是以电流数据I’为基准，其搜索范围内电流数据的数量；dit’是此范围内某一电流数据与电流数据I’之间的距离；Df′’是此范围内某一电流数据自身的Df与电流数据I’的Df的差值；Ag_dit’的含义同上所述；以及

步骤S3，校正电流数据即为W＝PI+Df’。

进一步，所述智能设备还包括：用电能耗统计装置；所述用电能耗统计装置包括：回归处理模块和能耗区间模块；其中所述回归处理模块将电量监控器数据库中读取出的负载能耗数据和生产数据转换为回归型模型的训练数据，并利用回归型模型中的回归函数f(x)对训练数据进行预处理；以及所述能耗区间模块用于根据置信区间估计方法对电量监控器数据库中的历史能耗数据进行分析，给定置信度1-α，获得能耗预测的正常区间。

进一步，所述预处理是将负载能耗数据和生产数据转换为回归型模型的训练数据，即按照采集的时间，将负载能耗数据{f(x₁)，f(x₂)，...，f(x_n)}和对应的生产数据{x₁，x₂，...，x_n}作为一组数据＜f(xi)，x_i＞，i＝1，2，...，n，用于训练回归函数f(x)＝w·x+b，w和b分别是拟合训练数据的超平面参数，训练过程即是通过求解方程的形式，用多组数据＜f(x_i)，x_i＞，i＝1，2，...，n计算超平面参数w和b的过程；

X1，X2，...Xn服从样本分布(μ，σ²)，和S²分别表示预测耗电量的样本均值和样本方差，则随机变量

对于给定的置信度1-α，其中P表示概率，则预测耗电量的均值μ的置信区间为

又一方面，本发明还提供了一种基于互联网的油烟净化监控系统的工作方法，包括：云服务器、监控终端和监控装置；其中所述监控装置包括：控制模块，与该控制模块相连的数据采集模块和通讯模块；所述数据采集模块设于油烟净化设备的油烟排放口处，用于采集油烟排放口处的油烟风速、烟雾浓度以及油烟温度，并通过通讯模块将油烟风速、烟雾浓度以及油烟温度发送至云服务器；以及所述云服务器适于存储油烟风速、烟雾浓度以及油烟温度，并将油烟风速、烟雾浓度以及油烟温度发送至监控终端。

本发明的有益效果为：本发明基于互联网的油烟净化监控系统通过在油烟排放口处设置数据采集模块，实现对油烟排放数据的监控，确保油烟正常排放。

附图说明

下面结合附图和实施例对本发明进一步说明。

图1是本发明基于互联网的油烟净化监控系统的原理框图；

图2是本发明基于互联网的油烟净化监控系统中智能设备的原理框图；

图3是本发明基于互联网的油烟净化监控系统中智能电源的电路示意图。

具体实施方式

现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图，仅以示意方式说明本发明的基本结构，因此其仅显示与本发明有关的构成。

实施例1

如图1所示，本实施例1提供了一种基于互联网的油烟净化监控系统，包括：云服务器、监控终端和监控装置；其中所述监控装置包括：控制模块，与该控制模块相连的数据采集模块和通讯模块；所述数据采集模块设于油烟净化设备的油烟排放口处，用于采集油烟排放口处的油烟风速、烟雾浓度以及油烟温度，并通过通讯模块将油烟风速、烟雾浓度以及油烟温度发送至云服务器；以及所述云服务器适于存储油烟风速、烟雾浓度以及油烟温度，并将油烟风速、烟雾浓度以及油烟温度发送至监控终端。

具体的，所述控制器例如但不限于采用PLC控制器；所述通讯模块采用以太网接口模块、WiFi模块等。

所述数据采集模块包括：风速传感器、烟雾传感器和温度传感器。

具体的，通过风速传感器监测油烟风速；通过烟雾传感器监测烟雾浓度；通过温度传感器监测油烟温度。

具体的，本实施例的基于互联网的油烟净化监控系统通过在油烟排放口处设置数据采集模块，实现对油烟排放数据的监控，确保油烟正常排放。

进一步，为了确保本基于互联网的油烟净化监控系统的有效监控，所述监控终端采用智能设备进行监控，该智能设备可靠性高，使用寿命长。

具体的，如图2所示，所述智能设备包括用于对输入的语音信号进行预处理的前端处理单元、语音信号输出电路、用于对输入输出的语音信号进行处理的双核CPU和用于操控智能设备按照用户指令进行工作的ARM微处理器，以及连接双核CPU并向多个功能模块供电的智能电源。

如图3所示，所述智能电源包括输入电压+VC～-VC，左电感组和右电感组都具有中间磁芯的变压器T1、变压器T2、变压器T3，开关元件S1、开关元件S2，二极管D1、二极管D2、二极管D3、二极管D4、二极管D5、二极管D6、二极管D7、二极管D8，补偿二极管Ds1、补偿二极管Ds2、补偿二极管Ds3，电容C1、电容C2，补偿电容Cs1、补偿电容Cs2，回馈电容CB；其中变压器T1为左侧设有中间磁芯的右电感组Lsc1，变压器T2为左侧设有中间磁芯的右电感组Lsc2，变压器T3为左侧设有中间磁芯的右电感组Lsc3和与右电感组Lsc3成映像的左上电感组、左下电感组；电压+VC端连接开关元件S1的集电极，电压-VC端连接开关元件S2的集电极；电压+VC端连接二极管D1的阴极、补偿电容Cs1的阴极、二极管D2的阳极、二极管D8、二极管D6的阴极；电压-VC端连接回馈电阻R₁、二极管D2的阳极、补偿电容Cs2、电容C1、电容C2、二极管D7的阳极；补偿二极管Ds1的阴极、补偿二极管Ds3的阴极均与二极管D1的阳极相连；补偿二极管Ds1的的阳极与右电感组Lsc3的正端相连接，补偿二极管Ds3的的阳极与右电感组Lsc1的正端相连接；二极管D6的的阳极与右电感组Lsc2的正端相连接；开关元件S1的集电极的相对端与左上电感组的副端相连接，开关元件S2的集电极的相对端与左下电感组的正端相连接，左上电感组和左下电感组的连接点与回馈电容CB相连，回馈电容CB另一端与回馈电阻R₁相连；开关元件S2的集电极的相对端还通过连接补偿二极管Ds2的阳极，然后与右电感组Lsc3的副端、补偿电容Cs2相连接；二极管D5的阴极与右电感组Lsc1的副端相连接；二极管D2的阴极还通过连接二极管D3的阳极，然后与右电感组Lsc2的副端、电容C2相连接。

两个开关元件S1、S2在接通时，因为电流过负效应，不再产生开关损失；同时多个电感组及相应电器元件的具体协作，使得没有产生多余的功率电容，损耗低，功率密度高，提高了智能设备及其电源的工作寿命和可靠性。

所述前端处理单元包括采样电路、信号放大电路、整形电路、滤波电路和A/D转换器，麦克风依次经过采样电路、信号放大电路、整形电路、滤波电路和A/D转换器与双核CPU的输入端相接，所述双核CPU的输入端还接有用于将双核CPU和ARM微处理器进行双向通信的RS232串行通信接口、用于存储语音信息的64G存储器以及用于为各单元模块供电的智能电源，所述语音信号输出电路包括语音播放电路模块和功率放大电路模块，双核CPU的输出端依次通过语音播放电路模块和功率放大电路模块与扬声器相接，所述ARM微处理器的输出通过驱动模块与执行单元相接，所述智能电源可以在不使用时自动调整为休眠模式。

该智能设备实现人机交互时，启动系统，用户通过麦克风输入语音信号指令，语音信号经前端处理后送入双核CPU，双核CPU对所接收的语音信号进行分析处理后通过RS232串行通信接口将信息送给ARM微处理器，ARM微处理器按照所接收的指令信息通过驱动模块控制执行单元执行相应的操作命令，同时微处理器通过RS232串行通信接口将相应的语音输出信号传给双核CPU，由双核CPU通过语音播放电路模块和功率放大电路模块控制扬声器输出语音信号。

该智能设备的多个功能模块不断启动时，其智能电源在转换时其电流、电压不稳，不易判定是处于正常状态还是异常状态，故需要设置相应的校正模块以便于判断和进一步地使用。所述智能电源还包括电压校正模块和电流校正模块，电压校正模块和电流校正模块均采用八象限插值法进行校正。以电流为例，采用八象限插值法进行校正。

对电流数据校正的八象限插值法采用下述步骤：从一定时间段内的采集的数据中选择任意一个电流数据(不妨定义为电流数据I)，以其幅度为纵轴，时间为横轴，等角度划分八个象限，依次查找每个象限内距离电流数据I最近的若干个数据点，查找半径初始为第一阈值，如果某象限内可查找到的电流数据数小于3个，半径逐次增加到第二阈值，最大不超过第五阈值，形成一个数据集DS(st，qua，stx，dit)，其中，qua是象限编号，stx是相邻数据点编号，dit是stx距离st(即电流数据I)的距离；计算DS中每个电流数据各个参数在自测量时间起过去的半分钟内、1分钟内、1分钟半内、2分钟内的变化差值Df(st，stx，elem，t，dt)，其中，dt指上述时间间隔。

以象限作为分组单位，使用插值算法计算各个变化差值Df(st，stx，elem，t，dt)距离电流数据I的插值PI(st，qua，stx，elem，t，dt)；对于可信度Ar属于可疑(50＜Ar≤90)或错误(Ar≤50)的要素值，不参与插值计算；本步骤采用的插值算法公式为：

上式中，m是数据集DS中某一象限qua内电流数据的数量；dit是qua中某一电流数据(不妨定义为I’)与电流数据I之间的距离；Ag_dit是qua中所有电流数据到电流数据I的距离的算术平均值；Ag_dit’是以电流数据I’为基准(以电流数据I’为圆心，第一阈值为半径，搜索该范围内所有的电流数据，如果搜索到的电流数据数量小于3个，半径逐次增加到第二阈值，最大不超过第五阈值)，该范围内所有电流数据到电流数据I’的距离的算法平均值。

同法，Df’是以电流数据I’为基准，对其搜索范围内各个电流数据的Df进行插值计算得出的结果，该插值公式为：

上式中，n是以电流数据I’为基准，其搜索范围内电流数据的数量；dit’是此范围内某一电流数据与电流数据I’之间的距离；Df”是此范围内某一电流数据自身的Df与电流数据I’的Df的差值；Ag_dit’的含义同上所述。

校正电流数据即为W＝PI+Df’。

还可采用上述的方法获得校正的电压数据。采用独特的八象限插值法获得了精确、稳定的电流和电压数据，根据上述精确的数据判定该智能设备及其电源是否处于正常使用状态还是异常状态，便于后续处理。

为了提高智能设备的操作便捷性，除了人工开关，还可以设置一无线控制模块与双核CPU相互连接，无线控制模块通过WIFI模块发送信息到远端的智能手机，接收智能手机反馈的操作信号并传送回无线控制模块，由双核CPU根据所述操作信号进行下一步处理。可选择地，智能手机为第一优先级，即无线远端的人为操作为优选操作。

该智能设备还包括用电能耗统计装置，以统计该智能设备不同时段的用电能耗统计，从而便于明确，进而调节和保证该智能设备的工作时长。

用电能耗统计装置包括回归处理模块和能耗区间模块；以电量监控器为例，其中，回归处理模块将电量监控器数据库中读取出的负载能耗数据和生产数据转换为回归型模型的训练数据的预处理，利用的为回归型模型中的回归函数f(x)；能耗区间模块用于根据置信区间估计方法对电量监控器数据库中的历史能耗数据进行分析，给定置信度1-α，获得能耗预测的正常区间。

所述预处理是将负载能耗数据和生产数据转换为回归型模型的训练数据，即按照采集的时间，将负载能耗数据{f(x₁)，f(x₂)，...，f(x_n)}和对应的生产数据{x₁，x₂，...，x_n}作为一组数据＜f(x_i)，x_i＞，i＝1，2，...，n，用于训练回归函数f(x)＝w·x+b，w和b分别是拟合训练数据的超平面参数，训练过程即是通过求解方程的形式，用多组数据＜f(x_i)，x_i＞，i＝1，2，...，n计算超平面参数w和b的过程；

X1，X2，...Xn服从样本分布(μ，σ²)，和S²分别表示预测耗电量的样本均值和样本方差，则随机变量对于给定的置信度1-α，其中P表示概率，则预测耗电量的均值μ的置信区间为

总之，本实施例的智能设备可实现人机交互，电源选择特定电路设计的智能电源，没有开关损失，损耗低，功率密度高，提高了智能设备及其电源的工作寿命和可靠性；采用独特的八象限插值法获得了精确、稳定的电流和电压数据，便于后续处理。

实施例2

在本实施例1的基础上，本实施例2提供了一种基于互联网的油烟净化监控系统，包括：云服务器、监控终端和监控装置；其中所述监控装置包括：控制模块，与该控制模块相连的数据采集模块和通讯模块；所述数据采集模块设于油烟净化设备的油烟排放口处，用于采集油烟排放口处的油烟风速、烟雾浓度以及油烟温度，并通过通讯模块将油烟风速、烟雾浓度以及油烟温度发送至云服务器；以及所述云服务器适于存储油烟风速、烟雾浓度以及油烟温度，并将油烟风速、烟雾浓度以及油烟温度发送至监控终端。

具体的，本实施例所述的基于互联网的油烟净化监控系统的工作原理、工作方法以及工作过程与实施例1中的基于互联网的油烟净化监控系统相同，此处不再赘述。

以上内容是结合具体的优选实施方式对本发明所作的进一步详细说明，不能认定本发明的具体实施只局限于这些说明。对于本发明所属技术领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干简单推演或替换，都应当视为属于本发明的保护范围。

Claims (10)

1.一种基于互联网的油烟净化监控系统，其特征在于，包括：

云服务器、监控终端和监控装置；其中

所述监控装置包括：控制模块，与该控制模块相连的数据采集模块和通讯模块；

所述数据采集模块设于油烟净化设备的油烟排放口处，用于采集油烟排放口处的油烟风速、烟雾浓度以及油烟温度，并通过通讯模块将油烟风速、烟雾浓度以及油烟温度发送至云服务器；以及

所述云服务器适于存储油烟风速、烟雾浓度以及油烟温度，并将油烟风速、烟雾浓度以及油烟温度发送至监控终端。

2.根据权利要求1所述的基于互联网的油烟净化监控系统，其特征在于，

所述数据采集模块包括：风速传感器、烟雾传感器和温度传感器。

3.根据权利要求2所述的基于互联网的油烟净化监控系统，其特征在于，

所述监控终端包括智能设备；

所述智能设备包括：

前端处理单元，用于对输入的语音信号进行预处理；

语音信号输出电路；

双核CPU，用于对输入输出的语音信号进行处理；

ARM微处理器，用于操控智能设备按照用户指令进行工作；以及

智能电源，与双核CPU相连，并向多个功能模块供电。

4.根据权利要求3所述的基于互联网的油烟净化监控系统，其特征在于，

所述智能电源包括：

输入电压+VC～-VC，左电感组和右电感组都具有中间磁芯的变压器T1、变压器T2、变压器T3，开关元件S1、开关元件S2，二极管D1、二极管D2、二极管D3、二极管D4、二极管D5、二极管D6、二极管D7、二极管D8，补偿二极管Ds1、补偿二极管Ds2、补偿二极管Ds3，电容C1、电容C2，补偿电容Cs1、补偿电容Cs2，回馈电容CB；其中

变压器T1为左侧设有中间磁芯的右电感组Lsc1；

变压器T2为左侧设有中间磁芯的右电感组Lsc2；

变压器T3为左侧设有中间磁芯的右电感组Lsc3和与右电感组Lsc3成映像的左上电感组、左下电感组；

输入电压+VC端连接开关元件S1的集电极；其-VC端连接开关元件S2的集电极；

输入电压+VC端还分别连接二极管D1的阴极、补偿电容Cs1的阴极、二极管D2的阳极、二极管D8、二极管D6的阴极；

输入电压-VC端还分别连接回馈电阻R1、二极管D2的阳极、补偿电容Cs2、电容C1、电容C2、二极管D7的阳极；

补偿二极管Ds1的阴极、补偿二极管Ds3的阴极均与二极管D1的阳极相连；

补偿二极管Ds1的阳极与右电感组Lsc3的正端相连接；

补偿二极管Ds3的阳极与右电感组Lsc1的正端相连接；

二极管D6的阳极与右电感组Lsc2的正端相连接；

开关元件S1的集电极的相对端与左上电感组的副端相连接；

开关元件S2的集电极的相对端与左下电感组的正端相连接；

左上电感组和左下电感组的连接点与回馈电容CB的一端相连；

回馈电容CB的另一端与回馈电阻R1相连；

开关元件S2的集电极的相对端还通过连接补偿二极管Ds2的阳极分别与右电感组Lsc3的副端和补偿电容Cs2相连接；

二极管D5的阴极与右电感组Lsc1的副端相连接；以及

二极管D2的阴极还通过连接二极管D3的阳极分别与右电感组Lsc2的副端和电容C2相连接。

5.根据权利要求3所述的基于互联网的油烟净化监控系统，其特征在于，

所述前端处理单元包括：

采样电路、信号放大电路、整形电路、滤波电路和A/D转换器；其中

一麦克风依次经过采样电路、信号放大电路、整形电路、滤波电路和A/D转换器与双核CPU的输入端相接；

所述双核CPU的输入端还分别接有用于将双核CPU和ARM微处理器进行双向通信的RS232串行通信接口、用于存储语音信息的存储器以及所述智能电源；

所述语音信号输出电路包括：语音播放电路模块和功率放大电路模块；

所述双核CPU的输出端依次通过语音播放电路模块和功率放大电路模块与一扬声器相接；以及

所述ARM微处理器的输出端通过驱动模块与执行单元相连。

6.根据权利要求3～5任一项所述的基于互联网的油烟净化监控系统，其特征在于，

所述智能电源还包括电压校正模块和电流校正模块；其中

电压校正模块和电流校正模块均采用八象限插值法进行校正；

所述智能设备还包括一与双核CPU相连的无线控制模块；

无线控制模块通过WIFI模块发送信息到远端的智能手机，接收智能手机反馈的操作信号并传送回无线控制模块，由双核CPU根据所述操作信号进行下一步处理；以及

所述智能手机为第一优先级。

7.根据权利要求6所述的基于互联网的油烟净化监控系统，其特征在于，

对电流数据校正的八象限插值法采用下述步骤：

步骤S1，从一定时间段内采集的数据中选择任意一个电流数据I，以其幅度为纵轴，时间为横轴，等角度划分八个象限，依次查找每个象限内距离电流数据I最近的若干个数据点，查找半径初始为第一阈值，如果某象限内可查找到的电流数据数小于3个，半径逐次增加到第二阈值，最大不超过第五阈值，形成一个数据集DS(st，qua，stx，dit)，其中，st是电流数据I，qua是象限编号，stx是相邻数据点编号，dit是stx距离st的距离；

计算DS中每个电流数据各个参数在自测量时间起过去的半分钟内、1分钟内、1分钟半内、2分钟内的变化差值Df(st，stx，elem，t，dt)，其中dt指上述时间间隔；

以象限作为分组单位，使用插值算法计算各个变化差值Df(st，stx，elem，t，dt)距离电流数据I的插值PI(st，qua，stx，elem，t，dt)；

对于可信度Ar属于可疑(50＜Ar≤90)或错误(Ar≤50)的要素值，不参与插值计算；

本步骤采用的八象限插值算法公式为：

上式中，m是数据集DS中某一象限qua内电流数据的数量；dit是qua中某一电流数据I’与电流数据I之间的距离；Ag_dit是qua中所有电流数据到电流数据I的距离的算术平均值；Ag_dit’是以电流数据I’为基准(以电流数据I’为圆心，第一阈值为半径，搜索该范围内所有的电流数据，如果搜索到的电流数据数量小于3个，半径逐次增加到第二阈值，最大不超过第五阈值)，该范围内所有电流数据到电流数据I’的距离的算法平均值；

步骤S2，同步骤S1，Df′是以电流数据I’为基准，对其搜索范围内各个电流数据的Df进行插值计算得出的结果，该插值公式为：

上式中，n是以电流数据I’为基准，其搜索范围内电流数据的数量；dit’是此范围内某一电流数据与电流数据I’之间的距离；Df′′是此范围内某一电流数据自身的Df与电流数据I’的Df的差值；Ag_dit’的含义同上所述；以及

步骤S3，校正电流数据即为W＝PI+Df’。

8.根据权利要求6所述的基于互联网的油烟净化监控系统，其特征在于，

所述智能设备还包括：用电能耗统计装置；

所述用电能耗统计装置包括：回归处理模块和能耗区间模块；其中

所述回归处理模块将电量监控器数据库中读取出的负载能耗数据和生产数据转换为回归型模型的训练数据，并利用回归型模型中的回归函数f(x)对训练数据进行预处理；以及

所述能耗区间模块用于根据置信区间估计方法对电量监控器数据库中的历史能耗数据进行分析，给定置信度1-α，获得能耗预测的正常区间。

9.根据权利要求8所述的基于互联网的油烟净化监控系统，其特征在于，

所述预处理是将负载能耗数据和生产数据转换为回归型模型的训练数据，即按照采集的时间，将负载能耗数据{f(x₁)，f(x₂)，...，f(x_n)}和对应的生产数据{x₁，x₂，...，x_n}作为一组数据＜f(x_i)，x_i＞，i＝1，2，...，n，用于训练回归函数f(x)＝w·x+b，w和b分别是拟合训练数据的超平面参数，训练过程即是通过求解方程的形式，用多组数据＜f(x_i)，x_i＞，i＝1，2，...，n计算超平面参数w和b的过程；

X1，X2，...Xn服从样本分布(μ，σ²)，和S²分别表示预测耗电量的样本均值和样本方差，则随机变量

对于给定的置信度1-α，其中P表示概率，则预测耗电量的均值μ的置信区间为

10.一种基于互联网的油烟净化监控系统的工作方法，其特征在于，包括：

云服务器、监控终端和监控装置；其中

所述监控装置包括：控制模块，与该控制模块相连的数据采集模块和通讯模块；

所述数据采集模块设于油烟净化设备的油烟排放口处，用于采集油烟排放口处的油烟风速、烟雾浓度以及油烟温度，并通过通讯模块将油烟风速、烟雾浓度以及油烟温度发送至云服务器；以及

所述云服务器适于存储油烟风速、烟雾浓度以及油烟温度，并将油烟风速、烟雾浓度以及油烟温度发送至监控终端。