CN101241630A - 预测烟火传播的系统和方法 - Google Patents

预测烟火传播的系统和方法 Download PDF

Info

Publication number
CN101241630A
CN101241630A CNA2007103076021A CN200710307602A CN101241630A CN 101241630 A CN101241630 A CN 101241630A CN A2007103076021 A CNA2007103076021 A CN A2007103076021A CN 200710307602 A CN200710307602 A CN 200710307602A CN 101241630 A CN101241630 A CN 101241630A
Authority
CN
China
Prior art keywords
smog
time
detecting device
path
flow
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CNA2007103076021A
Other languages
English (en)
Other versions
CN101241630B (zh
Inventor
李青
托马斯·A·普洛切
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Honeywell International Inc
Original Assignee
Honeywell International Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Honeywell International Inc filed Critical Honeywell International Inc
Publication of CN101241630A publication Critical patent/CN101241630A/zh
Application granted granted Critical
Publication of CN101241630B publication Critical patent/CN101241630B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B7/00Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00
    • G08B7/06Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources
    • G08B7/066Signalling systems according to more than one of groups G08B3/00 - G08B6/00; Personal calling systems according to more than one of groups G08B3/00 - G08B6/00 using electric transmission, e.g. involving audible and visible signalling through the use of sound and light sources guiding along a path, e.g. evacuation path lighting strip
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00Fire alarms; Alarms responsive to explosion
    • G08B17/10Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means

Abstract

本申请涉及预测烟火传播的系统和方法。提供系统和方法用于确立烟雾流路径和多个周围环境情况检测器之间的烟雾流动时间。这样的信息可用于实时确立动态改变的疏散流路线。

Description

预测烟火传播的系统和方法
技术领域
本发明涉及区域监视和报警系统。特别,本发明涉及确立疏散路径用于从被监视区域向出口疏导的系统。
背景技术
在用于居住、商务和商业用途的多层建筑中,通常需要区域监视系统,如火灾检测/监视系统。这样的系统可提供有关在多层建筑的给定楼层或区域的发展中的报警情况(如发展中的火情)的信息。这种信息可耦接到可位于前厅区的火情报警控制面板或控制单元,从而使第一响应者容易获取这种信息。
除了能够用于检测和识别发展中的火情,还认识到这种系统有益于并有助于向灾情发生地近旁的人员提供有关疏散路线的信息等,以帮助他们逃离发生报警情况的邻近处。还发现这种系统可用于通过使用自适应疏散系统来提供灵活的疏散或逃生路线,所述自适应疏散系统可动态响应发展中的灾情。
自适应疏散系统提供了这样的可能性,使得可解决居住者在进行紧急逃离决策时的困难。利用建筑中烟火隐患位置的知识,这些系统可规划安全路径,并把这些路径告知居住者。基本的自适应疏散系统从关于当前激活的烟雾和热检测器的火情面板接收信息。靠近这些激活检测器的路径和出口被假定是不安全的,并被关闭以免用于疏散。利用其余的“安全”路径来制定疏散规划。在自适应疏散系统中,评估灾情,预测烟火的发展,然后识别出不能安全用于疏散的路径是重要的步骤。
预测烟火传播路径的处理和方法是有用的,然后这种预测可传送给疏散路径规划算法作为输入。烟雾传播的方法原理很复杂,受通常的火灾控制面板的处理能力和速度方面的严格限制。这样就限制了使用高度逼真的烟雾传播模型的使用。只要求可用火灾控制面板的低实时计算量的烟雾扩散预测的有效方法是有益的。
附图说明
图1是实施本发明的系统的整体图示;
图2是示出代表性节点或检测器的区域的楼层平面的部分;
图3对应于图2的区域,示出了各种烟雾路径;
图4是流程图,用于处理按脱机方式确立多个节点、边以及节点或检测器之间的烟雾传播时间;
图5是流程图,用于根据从图4的流程图确立的数据中获得的信息来预测节点或检测器激活时间序列和烟雾传播路径;
图6是图4的流程图的变化,考虑了实时传感器或检测器输出指示或烟雾浓度、温度等读数;
图7是流程图,是图5流程图的变化,其中对激活检测器或节点以及相邻检测器或节点实时动态确立烟雾传播时间;以及
图8示出了示例性的响应来自相应检测器或节点的实时信号或输出的烟雾传播时间处理。
具体实施方式
尽管本发明的实施例可采用许多不同形式,但在附图中示出并在这里详细说明本发明的特定实施例,应理解,本公开应被看作是本发明原理的示例,并且是本发明的最佳实施方式,而不是要把本发明限制在所说明的特定实施例。
在实施本发明的第一方法中,存储每个检测器的位置和每一对相邻检测器之间的典型烟雾传播时间。相邻检测器之间的典型烟雾传播时间通过脱机烟雾传播模型、或通过历史数据或实验来估计。几乎所有的处理可事先并且脱机(offline)执行。然后传播时间可存储在报警控制单元。当检测器由于火或者烟而被激活,从存储装置检索并使用烟雾传播路径和检测器激活时间序列。由于这种传播信息是预先确立、存储并检索的,这对于用来进行烟雾传播预测的报警控制电路和处理器只增加很小的计算负担。
在替换的实施例中,可存储预测烟雾在相邻检测器或隔间(compartment)之间传播时间所需要的方法原理和数据。然后可根据实时数据来预测烟雾传播路径。可执行仅涉及少量隔间的实时烟雾传播预测处理。较之那些通常在每个迭代中涉及所有隔间的已知楼宇火/烟模型,这种方法要求少的多的计算负载。
因此,在该第一方法中,几乎所有的烟雾传播路径预测都是预先计算的,并且在使用之前存储在火灾控制面板的数据库中。从存储装置中实时检索烟雾传播路径。路径处理对于火灾控制面板几乎不增加计算负担,不像已知的传播处理,需要利用计算能力来求解已知的建模方程。这样的处理几乎总是超出公知的火灾控制单元的能力。
在替换的方法中,在激活的隔间结构之中预测烟雾传播。在该实施例中,仅处理包含被激活检测器的各隔间以及它们相邻的隔间以确定传播时间,即在大多数情况下仅处理总隔间数的一小部分,尤其在火灾的初期阶段。因此,在一次全部求解用于整个网络或区域的联立方程组的时候,较之要求在每个迭代中涉及所有隔间的已知传播处理方法,这种方法需要少得多的计算能力。
本处理方法的各节点基于检测器,而不是像所有现有方法那样基于房间或其他建筑隔间。来自检测器的实时数据可由方法来使用,用于预测相邻节点或检测器之间的烟雾传播。
本处理方法的结果可以可视显示,由第一响应者来使用,和/或本地存储在磁盘/数据库中。结果可输入给自适应疏散路径软件,使得可得到一个或多个从该区域的疏散路径或路线。这样的路线可按照听觉或视觉方式来识别,或者在相关的被监视子区域中同时按听觉和视觉的方式来识别。
图1示出了根据本发明的系统10,如火灾报警系统的周围环境监视系统。安装图1中示出的系统10来监视区域R。
区域R可包括多层建筑的内空间,具有多个楼层。作为替换,系统10可被安装在单个楼层区域,对此没有限制。
系统10包括报警控制单元12,用于经由有线介质如14或无线介质如16,与安装在整个区域R的多个检测器如22和24通信,如本领域技术人员可理解的那样。
多个检测器22和24(多个22经由介质14与控制单元12有线通信,并且多个24按无线方式通信)检测区域R中发展中的周围环境情况,并可包括烟雾、明火或热传感器,如本领域技术人员可理解的那样。这些检测器的安装位置的选择也是本领域技术人员可理解的,通常,一个隔间(房间、楼梯井、走廊等)内至少一个检测器。可以被看作是系统10的网络中的节点的检测器22、24的每一个与控制单元12通信,并可传送有关其近旁的一个或多个所检测的周围环境情况的状态信息。
控制单元12可部分经由一个或多个可编程处理器12a来实现,处理器12a可响应从各检测其22、24接收的信号或信息,执行预先存储在计算机可读介质上的各种控制程序或软件12b,并可评估发展中的报警情况,如本领域技术人员所公知的那样。另外,对此没有限制,控制单元12可在区域R的邻近,但也可远离区域R,并经由如因特网的计算机网络与检测器22、24通信。
系统10可包括可由处理器12a和控制软件12b访问的存储单元和数据库软件12c。控制软件12b还可以包括自适应疏散路线或路径确定软件,用于响应烟雾路径并传送时间信息,如下所述。这样的信息可在图形显示器14上被显示给第一响应者和/或逃生者。经由介质28连接到电路12的输出装置26可根据下述的方法向区域R的人提供听觉和/或视觉疏散路径信息。
图2示出区域R的楼层平面R1,仅作为示例而非限制,其中已经安装了系统10。例如,检测器22-i…-p在整个区域中分布,它们中的一些位于图2的子区域R1。
在本发明的一个方面,可预先确定每一对检测器之间的烟雾传播时间,例如图2的22-i和22-j之间(检测器22-i被指出已经进入报警状态)的烟雾传播时间。这种确定可利用公知的脱机烟雾传播模型或历史数据按脱机方式来完成。
图3示出了有向边形式的检测器或节点对之间的烟雾传播路径。例如,其中检测器或节点22-i已经进入报警,可利用检测器22-j来定义烟雾传播路径或边,即路径30a。类似地,与检测器22-j相关,可定义多个其他烟雾传播路径30b、30c、30d、30e、30f,并且如果需要,可确立节点22-i和22-k之间烟雾传播传送时间。
因此可以按脱机方式执行这样的处理,识别每一对节点或检测器之间的烟雾传播时间,并且在数据库12c中存储所有这样的数据,用于以后当发生诸如检测器22-i的检测器之一进入报警情况的时候,例如由控制单元12或任何其他与之连接的处理器或控制单元来使用和检索。由于烟雾传播时间的预先存储性质,在确定路径和烟雾从检测器22-i流至区域R1的其他部分所经过的时间的时候,只有很少或几乎没有对控制单元和电路12增加计算负担。
图4的流程图示出了方法100,可与区域R的各种烟雾路径相关联地,按脱机方式由例如处理器12a和可执行软件12b或任何其他处理器来实现,对此没有限制。
位于区域R中的每个检测器与某结点相关联,节点即表示其各种特征的数据结构(步骤102)。对于每个节点,存储多个信息,包括检测器标识号、类型、位置、状态和其他相关信息(步骤104)。确定所有的相邻节点对(最好见图3)(步骤106)
对每一对相邻检测器或节点,如果烟雾传播是单向的,可分配一个边。如果在节点之间的烟雾传播是双向的,可分配两个边(步骤108)。对这些节点的每个,确定或估计相关联检测器之间的烟雾传播时间(步骤110)。最后,在数据库12c中存储用于每个边的数据,包括起点节点和终点节点的标识以及沿着该边的估计烟雾传播时间。
处理100确立数据,所述数据定义节点、边和沿着区域R中所有可用边的烟雾传播时间。例如这种信息可在控制单元12存储到磁盘或计算机可读介质上的数据库12c中。控制单元12然后可直接访问这种信息,或利用与控制单元12通信的处理器来访问。
还应该理解,在磁盘或数据库12c中存储的这种信息的数据结构的细节在本发明中没有限制。
图5所示的处理200反映了系统10响应一个或多个检测器22-i的一个处理实施例,22-i已经进入报警状态,如图3的检测器或节点22-i所示。还应该理解,方法原理200可按周期性方式执行,而不必是响应任何给定的表现出报警状态的检测器或节点。
检查下一个检测器Si在时间Ti的状态(步骤202)。如果是激活的,则识别从Si起始的所有边(步骤204)。所有这些边应该已经预先存储在磁盘和/或数据库12c,如前面有关处理100的讨论。
对于从Si起始的每个边,识别终点节点Sj。然后从示例性磁盘数据库12c检索烟雾传播时间Tj(步骤206)。对于从Si起始到Sj结束的每个边,标记从节点或检测器Si至节点或检测器Sj的路径,作为从时间Ti至Ti+Tij的一个烟雾传播路径。检测器Sj被指定是激活的(步骤208)。预测时间界限与和数Ti+Tij做比较(步骤210)。如果预测时间界限较小,则传播停止在该边的终点节点(步骤212)。否则,用节点Sj替换Si,并且重新设置该时间(步骤214)。
在停止传播步骤212之后进行判定,看是否从Si起始的所有边都已经检查过(步骤216)。如果不是,则识别从Si起始的下一个边(步骤218)。否则,输出烟雾传播路径中的节点激活时间序列(步骤220)。
然后,输出的节点激活时间序列和烟雾传播路径可供自适应疏散系统(例如软件12b)使用以响应发展中的火情,并确立安全的疏散路线。这种信息也可以存储在数据库的一个或多个档案中或以可视的方式呈现(14)。
有益的是,如上所述,由于处理100已经按非实时的、脱机的方式执行,当在特定节点或检测器检测到报警情况时,不必由控制单元12执行这种处理。因此处理200可及时地确立烟雾传播路径和传感器激活时间序列,因传感器之间的烟雾传播时间已经预先确立和存储,例如存储在磁盘和数据库12c。
鉴于预先存储的传播路径和传感器激活时间序列,可以预期,为执行处理200对控制单元12要求的附加计算负担是很有限的或很少的。这与已知的预测烟火传播路径的处理很不同,那些已知方法要求很大的计算资源。
与上述的处理100、200不同,下面讨论替换的处理,可在少量激活节点或检测器之中预测烟雾传播,而不是同时对给定楼层或区域中的所有节点或检测器进行预测。这大大减少了计算的负担。
处理300的各种要素与上述的处理100中的那些要素是相同的,并用相同的标号来识别。处理300包括要素302。对于每个节点或检测器,存储传感器类型和位置,以及状态和所输出的用于指出温度、烟雾浓度等的指示。在执行方法300的要素108之后,使用预定的方程或方法,根据实时读数或来自相应检测器的输出,对每个边估计烟雾传播时间(步骤304)。然后,对每个边,存储起点节点标识、终点节点标识以及用于估计沿着该边的烟雾传播时间的方法(步骤306)。
本领域的技术人员可理解,可使用各种处理来用于估计沿着边的烟雾传播时间。本发明并不限于上述处理的细节。
处理400示出了实时检测器信息的使用,根据与激活的检测器或节点相关联的信息,确立烟雾传播路径和传播时间估计。处理400的各种要素与上述的有关处理200中的那些要素相同,并且使用相同的标号。最初,确定下一个检测器Si在时间Ti的状态,并获得它当前输出的指示或值。然后,对于从检测器或节点Si起始的每个边,识别终点节点Sj,使用预先选择的方程或处理结合实时传感器的输出,但只对激活的检测器确立或计算烟雾传播时间Tij(步骤404)。在图8中示出示例性的烟雾传播时间的处理。
因烟雾传播而从烟雾传播路径产生的传感器激活时间序列以及其他相关信息被传送至疏散路线规划处理器(步骤220)。
图8示出了示例性的烟雾传播时间确定处理500。应该理解,各种方法可用于确定节点之间的烟雾传播时间,而不脱离本发明的精神和范围。例如,在包含所关注节点或检测器的隔间内的热释放率或烟雾释放率的估计,可使用传感器驱动的火灾模型,根据检测器输出和隔间配置来确定(步骤502)。组成激活隔间结构,包括具有激活检测器或节点的那些隔间以及它们的相邻隔间和它们之间的路径(步骤504)。可使用已知的烟雾传播模型来预测在不同隔间之间烟雾、温度和/或浓度如何随时间变化(步骤506)。
然后,例如可更新指示温度或烟雾浓度的节点或检测器信号(步骤508)。确定任何其他节点或检测器是否指示了报警情况并且变成激活的。如果是这样,识别这些激活的节点或检测器,并且包含它们的隔间以及它们相邻的隔间被添加到激活隔间结构中(步骤512)。否则,可确定沿着所考虑边的烟雾传播时间的估计(步骤514)。
本领域技术人员可理解,传感器驱动火灾模型以及分区模型方程(zone model equations)可在各种构造中实现。下面只是说明和例示一些方程,并且本发明不限于此。
传感器驱动火灾模型(SDFM)的主要方程:
Q c = 0.172 H 1 5 / 2 ( r 0.18 H 1 ) 0.345 ( Δ T cj 3 / 2 T ∞ 1 / 2 )
Q = Q C ( 1 - χ r )
其中Qc是对流热释放率(kW);Q是总热释放率(kW);H1是关于火表面的上限高度(m);r是从火焰(plume)中心线的半径距离(m);ΔTcj是超上限喷气温度(excess ceiling jet temperature)(K);以及T是周围环境温度(K);χr是燃料的辐射系数。
更多的细节可参见文献:W.D.Davis and G.P.Forney,NISTIR 6705,A Sensor-Driven Fire Model,Version 1.1,National Institute of Standardsand Technology,Gaithersburg,MD,January 2001。
火焰增长和烟雾传播强化模型(CFAST)的主要方程:
表1.保守分区模型方程
Figure S2007103076021D00101
d E i dt + P d V i dt = h . i
ρ i = m i V i (密度)
Ei=cvmiTi    (内能量)
P=RρiTi     (理想气体定律)
V=VL+VU      (总容量)
其中mi是在层i的总质量(kg);下标i表示分区模型的一个分区(zone),例如在作为CFAST模型的两分区模型的较上的烟雾层分区(U),或较下的冷空气层分区(L);P是压力(Pa);cp是在恒定压力下的空气比热容(J/(kgK));cv是在恒定容积下空气比热容(J/(kgK));γ是恒定压力下空气比热容(cp)与恒定体积下空气比热容(cv)的比率;V是体积(m3);h是焓(enthalpy)(J/kg);E是内能(internal energy)(J/kg);ρ是空气密度(kg/m3);R是通用气体常数(J/(kgK))。
更多细节请参见文献:W.W.Jones,R.D.Peacock,G.P.Forney,P.A.Reneke,NIST Special Publication 1026,CFAST-Consolidated Model ofFire Growth and Smoke Transport(Version 6)Technical Reference Guide,Gaithersburg,MD,December 2005。
从上述可看出,在不脱离本发明的精神和范围的前提下,可实施大量的改变和修改。应该理解,本发明不限于这里示例说明的特定装置,也不应做这样的推断。本申请的权利要求书覆盖这些落入权利要求范围的修改。
对于在楼宇中检测到两个或以上检测器被激活的情况,通过处理200或400,每个检测器激活将启动烟雾传播路径和其他检测器的未来激活的时间序列的预测。源自不同检测器的多个预测可通过各种方法组合成一个预测。一个组合方法的例子是组合的烟雾传播路径由出现在上述的多个预测的至少一个中的所有路径构成,并且在组合之后检测器沿着该路径的激活时间的取值是相同检测器在源于不同检测器激活的多个预测中沿着各路径的各激活时间的最早的值。

Claims (20)

1.一种方法,包括:
确立区域中的多个周围环境情况检测位置;
确立所选择的位置对之间的烟雾流路径;
确立至少一个位置专用信息和相关的烟雾流路径的数据库;
检测在相应位置的发展中周围环境情况,并且实时检索所述位置专用信息和与之相关联的烟雾路径;
实时确立至少一个基于时间的烟雾流值,用于始自所述相应位置的至少一个烟雾路径;
确立至少一个烟雾传播路径,该烟雾传播路径是根据多个烟雾流路径的预测以及源自两个或多个激活的检测器的时间而组合成的;
输出至少一个烟雾路径信息和相应的基于时间的烟雾流值。
2.如权利要求1所述的方法,其中实时确立基于时间的烟雾流包括对起始自所述相应位置的多个烟雾路径确立基于时间的烟雾流值。
3.如权利要求1所述的方法,其中实时确立至少一个基于时间的烟雾流值包括下述至少一项:检索所述相应位置和另外所选择位置之间的相应的预先存储的流值,或执行预定的方法来计算所述相应位置和另外所选择位置之间的基于时间的流值。
4.如权利要求3所述的方法,其中所述的检索包括检索多个预先存储的起始自所述相应位置和另外位置的基于时间的流值。
5.如权利要求3所述的方法,其中所述的执行包括计算选择的多个起始自所述相应位置并延伸经过多个另外位置的基于时间的流值。
6.如权利要求1所述的方法,其中所述的输出包括下述至少一项:在计算机可读介质存储所述烟雾路径信息和基于时间的烟雾流值,可视显示所述烟雾路径信息和基于时间的烟雾流值,或使用所述烟雾路径信息和基于时间的烟雾流值来确立至少一个区域疏散路线。
7.如权利要求6所述的方法,其中所述至少一个区域疏散路线至少部分通过听觉表示或视觉表示之一来呈现。
8.如权利要求1所述的方法,包括预先确立并在计算机可读介质中存储位置内基于时间的烟雾流信息。
9.如权利要求1所述的方法,包括响应输出的烟雾路径信息和流值而生产区域疏散路线的时间序列。
10.如权利要求9所述的方法,包括按听觉或视觉方式的至少一个来提供相应区域中的疏散路线信息。
11.一种系统,包括:
多个周围环境检测器;以及
耦合至所述检测器的控制元件,所述元件响应来自至少一个所述检测器的情况指示,检索至少一个预先存储的烟雾流图式并确立沿着该图式的至少一部分的至少一个烟雾流时间间隔。
12.如权利要求11所述的系统,包括图形显示装置,所述控制元件可在该图形显示装置上呈现来自所选择的检测器邻近喷射出的烟雾弥散。
13.如权利要求11所述的系统,包括数据库,该数据库包含所述烟雾流图式的表示。
14.如权利要求13所述的系统,包括控制软件,由所述元件执行,用于至少部分地评估所述情况指示,并且响应来自至少一个检测器的选择情况而检索起始自该检测器的烟雾流图式。
15.如权利要求14所述的系统,其中所述控制软件与所述烟雾流图式相关联地通过下述之一确立所选择检测器之间的烟雾流时间间隔:检索预先存储的流时间间隔,或计算所选择检测器之间的对应流时间间隔。
16.如权利要求15所述的系统,包括耦合至所述控制元件的计算机可读存储单元,以及存储在该单元中的用于检测器对之间的烟雾流的多个时间间隔。
17.如权利要求16所述的系统,其中所述单元包括下述一个:磁计算机可读介质,或光计算机可读介质。
18.如权利要求15所述的系统,其中所述控制软件响应所述烟雾流图式和相关联的流时间间隔而生成至少一个疏散路线。
19.如权利要求18所述的系统,其中所述疏散路线是下述之一:显示在图形显示装置上,或通过视觉和听觉输出来识别。
20.如权利要求18所述的系统,其中所述检测器从包含下述的类中选择:烟雾检测器,热检测器,火焰检测器以及气体检测器。
CN2007103076021A 2006-12-29 2007-12-29 预测烟火传播的系统和方法 Active CN101241630B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US11/618,339 US8253574B2 (en) 2006-12-29 2006-12-29 Systems and methods to predict fire and smoke propagation
US11/618,339 2006-12-29

Publications (2)

Publication Number Publication Date
CN101241630A true CN101241630A (zh) 2008-08-13
CN101241630B CN101241630B (zh) 2012-01-25

Family

ID=39583093

Family Applications (1)

Application Number Title Priority Date Filing Date
CN2007103076021A Active CN101241630B (zh) 2006-12-29 2007-12-29 预测烟火传播的系统和方法

Country Status (2)

Country Link
US (1) US8253574B2 (zh)
CN (1) CN101241630B (zh)

Families Citing this family (22)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8082132B2 (en) * 2007-04-09 2011-12-20 Honeywell International Inc. Method for modeling smoke propagation
US20090009353A1 (en) * 2007-05-24 2009-01-08 Optimal Innovations Inc. Utility outlets having dynamically changing emergency evacuation routing
CN101868798B (zh) * 2007-09-20 2013-08-14 联合工艺公司 基于模型的流出支持系统
US8346474B2 (en) * 2008-08-28 2013-01-01 Honeywell International Inc. Method of route retrieval
DE102008042391A1 (de) * 2008-09-26 2010-04-01 Robert Bosch Gmbh Brandsicherungsvorrichtung, Verfahren zur Brandsicherung sowie Computerprogramm
US8260590B2 (en) * 2009-04-29 2012-09-04 Honeywell International Inc. Method and system for modeling three-dimensional smoke propagation animation
EP2251846B1 (de) * 2009-05-13 2017-04-05 Minimax GmbH & Co KG Flammenmelder
DE102009057583A1 (de) * 2009-09-04 2011-03-10 Siemens Aktiengesellschaft Vorrichtung und Verfahren zur Erzeugung einer zielgerichteten realitätsnahen Bewegung von Teilchen entlang kürzester Wege bezüglich beliebiger Abstandsgewichtungen für Personen- und Objektstromsimulationen
US20110218777A1 (en) * 2010-03-03 2011-09-08 Honeywell International Inc. System and method for generating a building information model
US8484231B2 (en) * 2010-10-28 2013-07-09 Honeywell International Inc. System and method for data mapping and information sharing
US20130080120A1 (en) * 2011-09-23 2013-03-28 Honeywell International Inc. Method for Optimal and Efficient Guard Tour Configuration Utilizing Building Information Model and Adjacency Information
CN103874527A (zh) 2011-10-19 2014-06-18 霍尼韦尔国际公司 信息和撤离消息的基于模型的生成
CN103400468B (zh) * 2013-08-21 2016-08-31 上海逻迅信息科技有限公司 联动烟雾报警系统及联动报警控制方法
US9892463B1 (en) 2014-04-25 2018-02-13 State Farm Mutual Automobile Insurance Company System and methods for community-based cause of loss determination
US20210142648A1 (en) 2014-10-07 2021-05-13 State Farm Mutual Automobile Insurance Company Systems and methods for automatically mitigating risk of damage from broken circuits
US9530304B2 (en) * 2014-10-30 2016-12-27 International Business Machines Corporation Distributed sensor network
JP6896366B2 (ja) * 2016-03-01 2021-06-30 三菱重工業株式会社 プラント監視システムおよび監視方法
TWI604408B (zh) * 2016-10-28 2017-11-01 Analysis of Carbonization Depth of Wood Structure by Using Three-Dimensional Realistic Fire Simulation
CN106997461B (zh) 2017-03-28 2019-09-17 浙江大华技术股份有限公司 一种烟火检测方法及装置
US11602655B2 (en) * 2018-12-06 2023-03-14 Carrier Corporation Networked hazard detectors which monitor for readiness and availability
DE102019213481B4 (de) 2019-09-05 2023-02-09 Robert Bosch Gmbh Kartierungseinrichtung zur Erstellung einer Raumklimakarte
EP4156136A1 (en) 2021-09-24 2023-03-29 Carrier Corporation Customizing algorithms based on device mounting orientation

Family Cites Families (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5648914A (en) * 1992-06-30 1997-07-15 The United States Of America As Represented By The Secretary Of The Navy Method of defending against chemical and biological munitions
US7271704B2 (en) * 1996-01-23 2007-09-18 Mija Industries, Inc. Transmission of data to emergency response personnel
AU4517901A (en) * 1999-12-06 2001-06-18 Science Applications International Corporation Rapid threat response for minimizing human casualties within a facility
EP1122700B1 (de) * 2000-02-03 2008-11-19 Siemens Aktiengesellschaft Verfahren und Einrichtung zur Konfiguration eines Detektionssystems für Tunnelbrände
US7082298B2 (en) * 2000-10-11 2006-07-25 Microsoft Corporation Using a mobile device to compose an electronic message that includes audio content
US7505604B2 (en) * 2002-05-20 2009-03-17 Simmonds Precision Prodcuts, Inc. Method for detection and recognition of fog presence within an aircraft compartment using video images
US7286050B2 (en) * 2003-12-05 2007-10-23 Honeywell International, Inc. Fire location detection and estimation of fire spread through image processing based analysis of detector activation
CN100405375C (zh) * 2005-07-22 2008-07-23 公安部沈阳消防研究所 吸气式感烟火灾探测系统采样管网设计验证及优化方法
US7688199B2 (en) * 2006-11-02 2010-03-30 The Boeing Company Smoke and fire detection in aircraft cargo compartments

Also Published As

Publication number Publication date
US8253574B2 (en) 2012-08-28
US20080157984A1 (en) 2008-07-03
CN101241630B (zh) 2012-01-25

Similar Documents

Publication Publication Date Title
CN101241630B (zh) 预测烟火传播的系统和方法
Wu et al. An intelligent tunnel firefighting system and small-scale demonstration
CN102165500A (zh) 消防装置、用于消防的方法以及计算机程序
US8082132B2 (en) Method for modeling smoke propagation
KR102124067B1 (ko) 사물인터넷 센서를 이용한 연기확산과 피난로 예측 시스템 및 그 방법
CN101162545A (zh) 高层建筑火灾光温复合智能监测预报装置
Wang et al. Safe route determination for first responders in the presence of moving obstacles
Cao et al. An integrated emergency response model for toxic gas release accidents based on cellular automata
Zhao GisFFE—an integrated software system for the dynamic simulation of fires following an earthquake based on GIS
EP1689344B1 (en) Fire location detection and estimation of fire spread through image processing based analysis of detector activation
Mirahadi et al. EvacuSafe: building evacuation strategy selection using route risk index
Gomaa et al. A framework for intelligent fire detection and evacuation system
Lee et al. Environment adaptive emergency evacuation route guide through digital signage systems
KR102339691B1 (ko) 산업단지를 위한 지능형 통합 재난 관제 플랫폼 서버
KR102213204B1 (ko) 인공 신경망을 이용하여, gis 기반의 소방 시설을 관리하고 화재를 예방하는 방법 및 장치
KR102269771B1 (ko) 현장 통합 지원 시스템 및 그 방법
CN201117044Y (zh) 基于光温复合智能监测的高层建筑火灾预报装置
KR20090081537A (ko) 불과 연기 전파를 예측하기 위한 시스템 및 방법
JP2017188148A (ja) 避難先情報取得システム及び避難先情報取得方法
JP2009175965A (ja) 火災及び煤煙の伝搬を予測するシステム及び方法
Agarwal et al. Intelligent Emergency Evacuation System for Industrial Environments using IoT-enabled WSNs
Hodges et al. The Role of Artificial Intelligence in Firefighting
US20220207986A1 (en) Monitoring system
Kheirdast et al. Comparing the performance of Genetic Algorithm and Particle Swarm Optimization Algorithm in allocating and scheduling fire stations for dispatching forces to a fire/accident (A Case study: the Region 19, Tehran, Iran)
Farahani Developing fire detection system for chemical laboratories

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
C14 Grant of patent or utility model
GR01 Patent grant