CN101251942B - 地下空间火灾智能检测预警预报方法及装置 - Google Patents
地下空间火灾智能检测预警预报方法及装置 Download PDFInfo
- Publication number
- CN101251942B CN101251942B CN2008100268147A CN200810026814A CN101251942B CN 101251942 B CN101251942 B CN 101251942B CN 2008100268147 A CN2008100268147 A CN 2008100268147A CN 200810026814 A CN200810026814 A CN 200810026814A CN 101251942 B CN101251942 B CN 101251942B
- Authority
- CN
- China
- Prior art keywords
- fire
- underground space
- signal
- support vector
- management system
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Fire Alarms (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种地下空间火灾智能检测预警预报方法及装置,包括火灾信号探测器、模数转换器、数据管理器、监视器、CCD摄像机、信号传递装置、火灾报警控制器、数模转换器、报警设备和地下空间通风换热测量装置;所述火灾信号探测器将探测到信号经模数转换器传送到数据管理器,数据管理器将信息处理后经信号传递装置传送到火灾报警控制器,再经数模转换器传送到报警设备,数据管理器将信息处理后显示在监视器上;所述CCD摄像机与监视器相连;所述地下空间通风换热测量装置将信息传送到数据管理器。本发明采用多种火灾探测器对火灾进行探测,提高系统准确性,且将预测结果返回系统,利用支持向量机的自学能力,实现系统的高容错性和智能化。
Description
技术领域
本发明属于火灾预警预报领域,特别涉及一种地下空间火灾智能检测预警预报方法及装置。
背景技术
随着我国经济建设的发展,各种地下空间的使用越来越普遍。地下空间的特殊性使得其消防安全十分重要。由于各类地下空间的外围是土壤或者岩石,只有内部空间,与外界联系孔洞少、面积小。发生火灾时排烟能力差,能见度低,内部温度上升较快,高温高热全面燃烧,可能较早地出现轰燃。地下空间内燃料燃烧速度是敞开空间的三倍,温度可以高达1000℃,并且由于通风不足,燃烧不充分,CO、CO2及其它有毒气体浓度也迅速增加。地下空间火灾的另一个特点是火灾发生时,人员逃生的方向和烟气的扩散方向都是从下往上,人员的出入口可能就是喷烟口,通常烟气的扩散速度要比人群扩散速度大得多,造成人员疏散不便,扑救困难,极易造成人员伤亡事故。因此,使用优质先进的火灾监测预警预报装置,准确判断起火部位,以及准确预测火源是否会发展成火灾,并对火灾级别和发展程度进行预测,便于进行及时的扑救,确保地下空间建筑以及相关人员安全。
传统的火灾检测预警预报装置是对一种或者多种与火灾相关联的物理、化学现象进行连续或者间隔的检测,通常采用感温、感烟、感音、感光和气体型等传感方式,其工作原理是:通过这些感应元件探测到有关的温度、浓度或者光度等物理信号,将其经过中间传递、放大元件,将物理信号转化为电信号;再将电信号传送给区域或中心控制站,与设定的某一阈值或阈值区域相比较,判断是否有火灾发生,并给出相应指令,启动灭火装置。这种方法是基于火灾表现为时空上失控的燃烧现象,燃烧时会产生火焰、噪音、燃烧产物和大量的热。但是由于这种火灾检测预警预报装置在很大程度上依赖于传感器的灵敏度,且易受到偶尔出现的其它信号的干扰,误报、漏报率较高。
在目前的地下空间检测预警预报装置中,通常采用单一的感温型传感器、感烟型传感器或者CCD(计算机控制显示摄像机),这种装置对地下空间的针对性不强,检测手段单一,可靠性差。
发明内容
本发明针对现有火灾检测预警预报装置存在对地下空间的针对性不强、检测手段单一、可靠性差等问题,提供一种地下空间火灾智能检测预警预报方法及装置。
本发明可以通过以下技术方案予以实现:
一种地下空间火灾智能检测预警预报方法,包括以下步骤:
(1)应用火灾信号探测器实时采集现场温度、烟气浓度或气体成分信号,作为火灾发展程度的预测参数;
(2)数据管理器对火灾探测器的物理量信号值采用支持向量机进行判断,应用可变窗算法将火灾信号的变化趋势引入判断规则中,将该信号及其变化趋势与建立的地下空间火灾支持向量进行对比,并结合地下空间建筑系统通风换热测量装置获取的地下空间建筑系统通风换热参数,一旦检测到灾情,进行火灾定位后,数据管理器进行模式比较,预测火警发生,给出火灾预警信号,同时将该预警信号传输给火灾报警控制器,火灾报警控制器对报警设备进行控制;
(3)数据管理器的数据处理器将做出的灾情判别反馈回数据管理器的数据库,支持向量机对反馈数据进行自学习,使装置具有自学习功能,提高地下空间建筑火灾预测预报火警的准确性和及时性;
(4)同时,数据管理器按照不同地下空间建筑的各自特点,建立火灾发展的规则模式集,采用支持向量机技术与混沌、突变的非线性火灾模型模拟相结合的方法实现对不同地下空间建筑火灾发生、发展程度的预测。
一种地下空间火灾智能检测预警预报装置,包括火灾信号探测器、模数转换器、数据管理器、监视器、CCD摄像机、信号传递装置、火灾报警控制器、数模转换器、报警设备和地下空间通风换热测量装置;所述火灾信号探测器将探测到信号经模数转换器传送到数据管理器,数据管理器将信息处理后经信号传递装置传送到火灾报警控制器,再经数模转换器传送到报警设备,数据管理器将信息处理后显示在监视器上;所述CCD摄像机与监视器相连;所述地下空间通风换热测量装置将信息传送到数据管理器。
所述数据管理器包括数据处理器和数据库,两者之间进行数据传输交换。
所述数据处理器包括可变窗算法处理模块、火灾发展预测模块和两个支持向量机模块;所述支持向量机模块具有自学习能力,能将现场的火灾记录与判别规则进行比较,并对数据进行反馈学习,不断完善判别规则的火灾数据库;所述可变窗算法处理模块利用可变窗算法对火灾探测信号进行预处理,为支持向量机提供输入数据;所述火灾发展预测模块根据支持向量机模块所确定的支持向量,将经由可变窗算法处理模块处理后的数据进行火灾发展的预测。
所述火灾信号探测器是离子感烟传感器、气体传感器和温度传感器中的至少一种。
所述火灾报警控制器上设有手动报警按钮,用于手工触发火灾报警控制器。
所述报警设备包括消防联动、消防广播、火警电话、应急照明和报警记录,其通过模数转换器与火灾报警控制器连接。
与现有技术相比较,本发明具有以下优点:
(1)本发明采用多种火灾探测器对火灾进行探测,多种探测手段的相互补充,提高预警系统的准确性。
(2)本发明利用支持向量机技术预测地下空间火灾发生的火警级别,将预测结果返回系统,利用支持向量机的自学习能力,不断修正样本集和支持向量机的支持向量,实现系统的高容错性和智能化。
(3)本发明引入非线性动力学对地下空间火灾机理进行基础理论研究,建立不同结构特点下的地下空间火灾模型,根据现场探测温度、气体流速、烟气浓度、压力等信号对火灾的复杂性和不确定进行定量计算,分析当前火情以及火灾发展趋势,为救援和灭火工作提供强有力的理论基础,大大增强预警系统的可靠性和科学性。
附图说明
图1是本发明地下空间火灾智能检测预警预报装置的结构示意图;
图2是本发明的数据处理器对火灾灾情判断的原理示意图;
图3是本发明的地下空间火灾智能检测预警预报装置预测灾情发展情况的非线性处理过程示意图。
具体实施方式
本发明的地下空间火灾智能检测预警预报方法如下:
(1)应用火灾信号探测器(离子感烟、气体传感器或温度传感器等)实时采集现场温度、烟气浓度或气体成分信号,作为火灾发展程度的预测参数;
(2)数据管理器对火灾探测器的物理量信号值采用支持向量机进行判断,而且应用可变窗算法将火灾信号的变化趋势引入判断规则中,将该信号及其变化趋势与本发明所建立的地下空间火灾支持向量进行对比,并结合地下空间建筑系统通风换热测量装置获取的地下空间建筑系统通风换热参数,一旦检测到灾情,进行火灾定位后,数据管理器进行模式比较,预测火警发生,给出火灾预警信号,同时将该预警信号传输给火灾报警控制器,火灾报警控制器对报警设备进行控制;
(3)数据管理器的数据处理器将做出的灾情判别反馈回数据管理器的数据库,支持向量机对反馈数据进行自学习,使装置具有自学习功能,提高地下空间建筑火灾预测预报火警的准确性和及时性;
(4)同时,数据管理器按照不同地下空间建筑的各自特点,建立火灾发展的规则模式集,采用支持向量机技术与混沌、突变的非线性火灾模型模拟相结合的方法实现对不同地下空间建筑火灾发生、发展程度的预测。
如图1所示,本发明的地下空间火灾智能检测预警预报装置,包括火灾信号探测器1、模数转换器2、数据管理器3、监视器4、CCD摄像机5、信号传递装置6、火灾报警控制器7、数模转换器8、报警设备9和地下空间通风换热测量装置11;所述火灾信号探测器1将探测到信号经模数转换器2传送到数据管理器3,数据管理器3将信息处理后经信号传递装置6传送到火灾报警控制器7,再经数模转换器8传送到报警设备9,数据管理器3将信息处理后显示在监视器4上;所述CCD摄像机5与监视器4相连;所述地下空间通风换热测量装置11将信息传送到数据管理器3;火灾报警控制器上设有手动报警按钮,用于手工触发火灾报警控制器,对报警设备做出有效控制动作。本发明的报警设备9包括消防联动9-1、消防广播9-2、火警电话9-3、应急照明9-4和报警记录9-5。
本发明的数据管理器3包括数据处理器3-1和数据库3-2,两者之间进行数据传输交换。数据处理器3-1包括可变窗算法处理模块、火灾发展预测模块和两个支持向量机模块;所述支持向量机是建立在统计学理论的VC维和结构风险最小原理的基础上,在非线性、高维度问题以及泛化能力方面表现突出,能较好的解决火灾灾情这类依据非线性和高维数的特征参数进行判别的实际问题,并具有自学习和自适应功能。本发明采用支持向量机方法,以火灾探测器的传感量及其变化趋势作为特征参数,并将其作为支持向量机的输入指标向量,以所述数据管理器中的数据库中的实验、调研、模型计算结果组织成学习样本集,根据学习样本自动训练和调整两组支持向量机的支持向量,实现支持向量机的自学习和自适应功能。本发明的数据管理器3对不同建筑结构地下空间火灾发展情况的预测采用的火灾模型包括挥发分热解与燃烧模型、可燃物轰燃模型、火焰传播模型、火灾蔓延模型、烟气羽流的混沌模型以及烟气蔓延的耦合映象格子模型。
本发明的数据管理器3的数据库3-2具有对支持向量机知识库和规则自动更新的功能,每次数据管理器3做出的火灾灾情判断和火警级别预测,都会反馈回所述数据管理器的数据库,支持向量机对反馈的数据进行自学习,不断修正样本集和支持向量,完善地下空间火灾的参照模式。数据管理器对火灾探测器趋势的引入,需要采用可变窗算法进行处理,以消除外界信号干扰并同时快速检测信号变化趋势,从而正确而又快速的反映信号变化趋势。可变窗算法其窗长的预警门限可通过现场实验进行调试确定。
本发明的火灾信号探测器1可以采用市面上已有的产品,如北京海利自动化系统工程有限公司的HST8110智能光电感烟探测器、HST8120智能感温控制器、HST8130智能感烟感温复合控制器、HST8140智能感烟感CO复合控制器。
如图2所示,火灾信号(如烟、温等)探测数值经数模转换器2转换后,进入数据处理器3-1的第一级支持向量机模块3-1-1,进行火灾发生有无的识别,识别结果输出显示是否会发生火灾的判断信号A(0或者1)。若识别结果输出显示为0,则表示没有火灾发生;若识别结果输出显示为1,则表示有火灾发生。另一方面,将经数模转换器2转换之后的火灾信号引入可变窗算法处理模块3-1-2,对火灾信号利用可变窗算法进行处理,得到火灾信号的变化趋势值,再将火灾信号的变化趋势值引入另一支持向量机模块3-1-3,识别结果输出显示火灾类型判断信号B(0或1)。若识别结果输出显示为0,则表示火灾类型为干扰火,若识别结果输出显示为1,则表示为有火灾发生。
判断信号A和B首先进入“与”门。如果两种信号都显示有火灾发生(即A&B=1),则数据处理器3-1将该信号传输给信号传递装置6,火灾报警控制器7对报警设备9进行控制,同时,此信号联通支持向量计算模块3-1-1和3-1-3对火情的预测结果反馈回数据库3-2保存,补充支持向量机技术的学习样本集;否则判断信号A和B进入“或”门,如果两种判别信号分别显示为无火和干扰火(即A+B=0),则数据处理器3-1的计算返回到初始程序。
如果判断信号经由“与”门和“或”门之后,A+B=1,且A&B=0,则需再将火灾类型判别信号B送入“非”门,之后再将信号A和经过“非”门处理的信号B送入“与”门。若A&(~B)=1,则表示支持向量机3-1-1判断为有火,而支持向量机3-1-2判断为干扰火,判定其类型为干扰火,则只需要将此信号连同支持向量机3-1-1、3-1-3对火灾的预测情况反馈回数据库3-2保存,以补充支持向量机的学习样本集,而不需要传输信号给信号传递装置7,进行火灾报警控制器动作;否则,若A&(~B)=0,则表示判别信号A为0表示无火,B为1表示有火,判别结果存在明显差异,数据处理器3-1发出“判别报警”,利用CCD摄像机5的摄像功能,使可视化图象显示在监视器4屏幕上,采用人工监视识别。人工判别将通过数据处理器3-1的接口输入,并反馈给数据库3-2。补充向量机计算模块3-1-2、3-1-3的自学习样本集;对于判别结果为“发生火灾”的情况,数据处理器3-1发送信号给信号传递装置6,通过火灾报警控制器7实现报警控制。
地下空间建筑中气候、热流量、自然光等环境因素的变化对检测仪器判别结果的干扰可以经由支持向量机3-1-2的自学习自适应功能进行再次确认支持向量而消除;输出信号A和B之间的差异,本发明采用两个支持向量机对人工监视判别结果的学习得到改进,实现自学习和自适应功能。
地下空间火灾一方面是一个受多种因素影响的,复杂的非线性特征,火灾中热解、另一方面,尽管受到众多热灾害因素的影响,体现出复杂性,但是,在相似的环境和条件下,火灾的发生和发展过程却又能体现出相似的规律,同类空间具有相似的燃烧环境。基于对地下空间建筑特点和燃烧过程的认识,本发明采用非线性模型和模式识别相结合的方法,对地下空间建筑中火灾的发展进行预测。依据地下空间不同类型建筑特点,建立挥发分热解与燃烧模型、可燃物轰燃模型、火焰传播模型、火灾蔓延模型、烟气羽流的混沌模型以及烟气蔓延的耦合映象格子模型,从而构造出考虑各种相关因素的火灾预测模型。分别针对不同类型空间,对基础研究、实验室实验、现场调研以及数值模拟,积累起相关特点,构成火灾发展模式集,存储于火灾的基础数据,进行归类,提取其火灾数据库3-2中。
如图3所示,火灾信号探测器1获得的模拟信号通过模数转换器2传输给数据处理器3-1的火灾发展预测模块3-1-4。当数据处理器3-1探测到火灾发生时,通过对监测信号的寻址,获得火灾发生的具体位置,并将定位信号传输给火灾发展预测模块3-1-4。火灾发展预测模块3-1-4通过该定位信号,表征当前火灾发展程度的探测信号:温度、压力、烟气浓度、气体成份,在数据库3-2中查询该类型地下空间建筑空间火灾参照模式集,进行模式比较,分析当前火灾是属于阴燃、明火或者是仅为干扰火的范畴。然后将这些探测信号传入相应的非线性预测计算模型,通过挥发分热解与燃烧模型、可燃物轰燃模型、火焰传播模型、火灾蔓延模型、烟气羽流的混沌模型以及烟气蔓延的耦合映象格子模型,对火灾的发展进行实时预测。模式比较和火灾发展的预测结果,以及数据库3-2事先存储的相应处理决策都显示在监视器4上。同时,当前火灾特征信号以及火灾的发展程度反馈给数据库3-2,补充参照模式集。
由于火灾现象具有多变性,某些物理量受到环境其他因素的影响,瞬时值表现出一定的随机性,从而使实际探测到的信号难以和给出模式完全吻合,因此,本发明的模式比较采用了模糊识别的方法,通过待监测对象与已知模式的贴近度大小进行判断。
本发明的地下空间火灾智能检测预警预报装置的工作过程如下:
(1)火灾信号探测器1现场探测和调查得到的温度、压力、烟气、气体成份等数据经模数转换器2输入数据处理器3-1;
(2)数据处理器3-1中支持向量机模块3-1-1对火灾探测信号进行处理,输出火灾判断信号A(布尔值);
(3)数据处理器3-1中可变窗算法处理模块3-1-2则对探测信号进行处理,输出探测信号的变化趋势值。将其引入另一支持向量机模块3-1-3判断火灾发生类型,并给出火灾类型判断信号B(布尔值);
(4)通过对两个判断信号A、B的综合分析,做出火灾是否发生以及火灾类型的综合判断;
(5)判断有火警之后,数据处理器3-1将火警信号和火警级别显示在监视器4上,并将火警信号经信号传递装置6,传输给火灾报警控制器7实现对报警设备9的控制,消防部门收到报警后开展扑救工作。火灾的预警也可以通过手动报警按钮10人为地对火灾报警控制器6做出动作,使警报有效地实施;
(6)判断有火警之后,数据处理器3-1中火灾发展预测模块3-1-4通过当前监测信号与数据库3-2中火灾参照模式集进行模式比较,分析当前火灾范畴;然后通过非线性模型计算预测火灾的发展,将模式比较结果、火灾发展的预测结果,以及数据库3-2存储的相应处理决策都显示在监视器4上,供操作人员参考;
(7)数据处理器3-1将每次做出的灾情判断和火灾类型反馈回数据库3-2保存,并利用支持向量机技术将反馈的数据进行自学习,不断修正样本集和支持向量机的支持向量;
(8)同时,火灾物理信号、模式比较和非线性预测计算获得的当前火灾模式及其发展趋势也反馈回数据库3-2,补充参照模式集,作为以后火灾发展预测的基础数据。
Claims (5)
1.一种地下空间火灾智能检测预警预报方法,其特征在于:包括以下步骤:
(1)应用火灾信号探测器实时采集现场温度、烟气浓度或气体成分信号,作为火灾发展程度的预测参数;
(2)数据管理器的数据处理器对火灾探测器的物理量信号值采用支持向量机进行判断,应用可变窗算法将火灾信号的变化趋势引入判断规则中,将该信号及其变化趋势与数据库中已建立的地下空间火灾支持向量进行模式比较预测火警发生,一旦检测到灾情,结合地下空间建筑系统通风换热测量装置获取的地下空间建筑系统通风换热参数,进行火灾定位,给出火灾预警信号,并将该预警信号传输给火灾报警控制器,火灾报警控制器对报警设备进行控制;
(3)数据管理器的数据处理器将做出的灾情判别反馈回数据管理器的数据库,支持向量机对反馈数据进行自学习,使装置具有自学习功能,提高地下空间建筑火灾预测预报火警的准确性和及时性;
(4)同时,数据管理器按照不同地下空间建筑的各自特点,建立火灾发展的规则模式集,采用支持向量机技术与混沌、突变的非线性火灾模型模拟相结合的方法实现对不同地下空间建筑火灾发生、发展程度的预测。
2.一种地下空间火灾智能检测预警预报装置,其特征在于:包括火灾信号探测器、模数转换器、数据管理器、监视器、CCD摄像机、信号传递装置、火灾报警控制器、数模转换器、报警设备和地下空间通风换热测量装置;所述火灾信号探测器将探测到信号经模数转换器传送到数据管理器,数据管理器将信息处理后经信号传递装置传送到火灾报警控制器,再经数模转换器传送到报警设备,数据管理器将信息处理后显示在监视器上;所述CCD摄像机与监视器相连;所述地下空间通风换热测量装置将信息传送到数据管理器;
所述数据管理器包括数据处理器和数据库,两者之间进行数据传输交换;
所述数据处理器包括可变窗算法处理模块、火灾发展预测模块和两个支持向量机模块;所述支持向量机模块具有自学习能力,能将现场的火灾记录与判别规则进行比较,并对数据进行反馈学习,不断完善判别规则的火灾数据库;所述可变窗算法处理模块利用可变窗算法对火灾探测信号进行预处理,为支持向量机提供输入数据;所述火灾发展预测模块根据支持向量机模块所确定的支持向量,将经由可变窗算法处理模块处理后的数据进行火灾发展的预测。
3.根据权利要求2所述的地下空间火灾智能检测预警预报装置,其特征在于:所述火灾信号探测器是离子感烟传感器、气体传感器和温度传感器中的至少一种。
4.根据权利要求2或3所述的地下空间火灾智能检测预警预报装置,其特征在于:所述火灾报警控制器上设有手动报警按钮,用于手工触发火灾报警控制器。
5.根据权利要求4所述的地下空间火灾智能检测预警预报装置,其特征在于:所述报警设备包括消防联动、消防广播、火警电话、应急照明和报警记录,其通过模数转换器与火灾报警控制器连接。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100268147A CN101251942B (zh) | 2008-03-14 | 2008-03-14 | 地下空间火灾智能检测预警预报方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2008100268147A CN101251942B (zh) | 2008-03-14 | 2008-03-14 | 地下空间火灾智能检测预警预报方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101251942A CN101251942A (zh) | 2008-08-27 |
CN101251942B true CN101251942B (zh) | 2010-04-21 |
Family
ID=39955319
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN2008100268147A Expired - Fee Related CN101251942B (zh) | 2008-03-14 | 2008-03-14 | 地下空间火灾智能检测预警预报方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101251942B (zh) |
Families Citing this family (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101719299B (zh) * | 2009-11-10 | 2012-03-28 | 天津市浦海新技术有限公司 | 一种火灾、可燃气体报警系统及方法 |
CN101794432A (zh) * | 2010-02-05 | 2010-08-04 | 民政部国家减灾中心 | 灾情信息采集与支持方法及系统 |
CN101923767B (zh) * | 2010-07-30 | 2012-09-19 | 蚌埠依爱消防电子有限责任公司 | 一种感烟型火灾探测器自动校准装置 |
CN102013008B (zh) * | 2010-09-16 | 2012-10-31 | 北京智安邦科技有限公司 | 一种基于支持向量机的烟雾检测方法及装置 |
CN102208093B (zh) * | 2010-12-31 | 2012-11-14 | 航天恒星科技有限公司 | 一种灾情信息采集上报系统 |
CN102842198B (zh) * | 2012-08-30 | 2014-08-27 | 广州中国科学院工业技术研究院 | 火灾识别方法和系统 |
CN102842199B (zh) * | 2012-08-30 | 2014-10-08 | 广州中国科学院工业技术研究院 | 火灾识别方法和系统 |
CN102842200B (zh) * | 2012-08-30 | 2014-09-10 | 广州中国科学院工业技术研究院 | 火灾识别方法和系统 |
US9443207B2 (en) * | 2012-10-22 | 2016-09-13 | The Boeing Company | Water area management system |
CN103324164A (zh) * | 2013-05-27 | 2013-09-25 | 苏州奇可思信息科技有限公司 | 一种防火安全系统 |
CN105023403B (zh) * | 2015-08-21 | 2017-08-25 | 成都格理特电子技术有限公司 | 一种基于工业安全应急指挥集成系统的联动控制方法 |
CN105069576A (zh) * | 2015-08-21 | 2015-11-18 | 成都格理特电子技术有限公司 | 一种联动的工业安全应急指挥集成系统 |
CN105758450B (zh) * | 2015-12-23 | 2017-11-24 | 西安石油大学 | 基于多传感器应急机器人的消防预警感知系统构建方法 |
CN105744220A (zh) * | 2016-01-12 | 2016-07-06 | 戴乐强 | 多功能防爆探测摄像一体机 |
CN106355811B (zh) * | 2016-07-22 | 2019-05-14 | 河南城建学院 | 一种电气火灾监测系统 |
CN106530568A (zh) * | 2016-10-14 | 2017-03-22 | 黑龙江科技大学 | 一种林火遥感监测信息智能服务平台 |
CN109785572B (zh) * | 2019-03-11 | 2021-06-22 | 上海荷福人工智能科技(集团)有限公司 | 一种基于神经网络的消防预警方法及系统 |
CN110070690B (zh) * | 2019-05-13 | 2021-11-23 | 上海荷福人工智能科技(集团)有限公司 | 一种基于深度学习的智能消防分级预警方法及系统 |
CN110220554A (zh) * | 2019-06-05 | 2019-09-10 | 北京百度网讯科技有限公司 | 用于输出信息的方法和装置 |
CN110363950B (zh) * | 2019-08-06 | 2021-01-15 | 北京数雨如歌智能科技有限公司 | 一种智能消防分级管控系统 |
CN111460983B (zh) * | 2020-03-30 | 2023-01-24 | 重庆特斯联智慧科技股份有限公司 | 一种基于目标跟踪的智能消防方法和系统 |
CN114333222B (zh) * | 2021-12-22 | 2023-10-20 | 华荣科技股份有限公司 | 一种智能消防安全装置的控制方法及系统 |
CN114530025B (zh) * | 2021-12-31 | 2024-03-08 | 武汉烽理光电技术有限公司 | 一种基于阵列光栅的隧道火灾报警方法、装置及电子设备 |
CN115457720B (zh) * | 2022-07-21 | 2024-07-16 | 清华大学 | 基于探测信号相关性的实时多探测器火灾探测方法及装置 |
CN115862253A (zh) * | 2022-12-01 | 2023-03-28 | 江苏一洋工程技术有限公司 | 一种高精度感烟感温火灾自动报警联动控制系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529291A (zh) * | 2003-10-16 | 2004-09-15 | 华南理工大学 | 森林火灾智能监测报警装置 |
CN2737402Y (zh) * | 2004-11-04 | 2005-11-02 | 汪映标 | 铁路机车火灾探测监控装置 |
CN1963878A (zh) * | 2006-11-27 | 2007-05-16 | 华南理工大学 | 高层建筑火灾智能监测预警预报装置 |
-
2008
- 2008-03-14 CN CN2008100268147A patent/CN101251942B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN1529291A (zh) * | 2003-10-16 | 2004-09-15 | 华南理工大学 | 森林火灾智能监测报警装置 |
CN2737402Y (zh) * | 2004-11-04 | 2005-11-02 | 汪映标 | 铁路机车火灾探测监控装置 |
CN1963878A (zh) * | 2006-11-27 | 2007-05-16 | 华南理工大学 | 高层建筑火灾智能监测预警预报装置 |
Non-Patent Citations (1)
Title |
---|
张凌,马晓茜.火灾智能报警系统的特点与方法.工程设计CAD与智能建筑.2000,37-39. * |
Also Published As
Publication number | Publication date |
---|---|
CN101251942A (zh) | 2008-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101251942B (zh) | 地下空间火灾智能检测预警预报方法及装置 | |
Wu et al. | An intelligent tunnel firefighting system and small-scale demonstration | |
CN1963878A (zh) | 高层建筑火灾智能监测预警预报装置 | |
CN104933841B (zh) | 一种基于自组织神经网络的火灾预测方法 | |
CN112766909A (zh) | 适用于舰船消防安全的智能管控系统及方法、计算机介质 | |
CN102682560B (zh) | 一种船舶舱室火灾连锁报警等级评估装置 | |
CN112002095A (zh) | 一种矿山洞内的火灾预警方法 | |
CN101162545A (zh) | 高层建筑火灾光温复合智能监测预报装置 | |
CN102708645B (zh) | 一种船舶舱室火灾连锁报警优先级评估方法 | |
CN207895646U (zh) | 智能建筑火灾自动报警系统 | |
CN102737466A (zh) | 一种火灾火源位置及强度估计方法及系统 | |
CN105023384A (zh) | 基于数据挖掘和数据分析的消防安全预警报警系统及方法 | |
CN2785052Y (zh) | 一种地铁火灾智能监测预警预报装置 | |
CN204926382U (zh) | 基于ZigBee技术的煤场自燃监测系统 | |
CN110147762A (zh) | 一种嵌入式消防误报消除系统 | |
CN112885021B (zh) | 一种基于复合算法的多传感器火灾预测方法及系统 | |
CN110348603B (zh) | 一种煤自燃危险程度多源信息融合预警方法 | |
CN117523499B (zh) | 基于北斗定位与感知的森林防火监测方法及系统 | |
CN106703887B (zh) | 矿井热动力灾害救援过程中继发性瓦斯爆炸判定方法 | |
Thakkar et al. | Environmental fire hazard detection and prediction using random forest algorithm | |
CN201117044Y (zh) | 基于光温复合智能监测的高层建筑火灾预报装置 | |
CN200979734Y (zh) | 高层建筑火灾智能监测预警预报装置 | |
CN2653613Y (zh) | 森林火灾智能监测报警装置 | |
CN116378771A (zh) | 一种煤矿智能防灭火预警方法及系统 | |
CN115115117A (zh) | 基于区块链的智慧处理分析系统 |
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 | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20100421 Termination date: 20170314 |
|
CF01 | Termination of patent right due to non-payment of annual fee |