CN102842199B - 火灾识别方法和系统 - Google Patents
火灾识别方法和系统 Download PDFInfo
- Publication number
- CN102842199B CN102842199B CN201210316451.7A CN201210316451A CN102842199B CN 102842199 B CN102842199 B CN 102842199B CN 201210316451 A CN201210316451 A CN 201210316451A CN 102842199 B CN102842199 B CN 102842199B
- Authority
- CN
- China
- Prior art keywords
- fire
- mathematical model
- detector
- smokescope
- value
- 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
Abstract
本发明公开了一种火灾识别方法,包括:建立用于识别是否发生火灾的火灾识别数学模型;通过若干个探测器采集探测区域内的烟雾浓度值;将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;如果所述火灾识别结果为发生火灾,则输出报警信号。此外,还公开了一种火灾识别系统。本发明区别于传统的阈值算法和趋势算法,通过建立的火灾识别数学模型,可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。
Description
技术领域
本发明涉及火灾识别技术领域。
背景技术
在火灾的燃烧过程中产生的气体、气溶胶、烟雾、火焰和大量热量,统称为火灾参量。通过对火灾参量的测定可用来识别和探测是否发生火灾。目前的火灾识别和探测技术由于光照条件、气流变化、场地环境和移动物体等因素的影响,存在一定的弊端,例如误报率高和可靠性低。无火灾环境下出现误报警的原因是复杂的,可能是硬件的损坏,也可能是环境条件的变化和虚假的干扰等。并且,由于火灾探测器(包括感温、感烟、感光等)一般通过简单的阈值判断和趋势算法对探测信号进行处理,随着传感器安装数量的增多,漏报概率将大大增加。在火灾过程中,可燃物的性质、火源功率、探测空间大小和探测环境都直接影响探测空间温度、烟雾浓度的大小和变化量。所以在火灾探测器采用简单阈值判断和趋势算法来识别火灾时,如阈值设置过低则导致误报率高,如阈值设置过高则导致灵敏度低,漏报的情况随之增加。因此,迫切需要提供一种火灾识别方法,解决目前所存在的误报率和漏报率过高以及可靠性和灵敏度过低的问题。
发明内容
基于此,本发明提供了一种火灾识别方法和一种火灾识别系统。
一种火灾识别方法,包括以下步骤:
建立用于识别是否发生火灾的火灾识别数学模型,其中,所述火灾识别数学模型的输入参数包括烟雾浓度,输出参数包括火灾识别结果;
通过若干个探测器采集探测区域内的烟雾浓度值;其中,在所述若干个探测器内分别建立所述火灾识别数学模型;
将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;其中,如果有一个探测器,其采集的烟雾浓度值大于或者等于烟雾浓度预设值,则将该探测器确定为主探测器;将各个探测器采集的烟雾浓度值发送至所述主探测器;将各个探测器采集的烟雾浓度值作为所述主探测器内的火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;
如果所述火灾识别结果为发生火灾,则输出报警信号。
与一般技术相比,本发明火灾识别方法建立用于识别是否发生火灾的火灾识别数学模型,以探测器收集的探测区域内的烟雾浓度信息作为火灾识别数学模型的输入信息,获取火灾识别结果。区别于传统的阈值算法和趋势算法,通过建立的火灾识别数学模型,可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。本发明使火灾识别更加智能化,抗干扰能力强,克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。
一种火灾识别系统,包括模型建立模块、采集模块、识别模块和报警模块;
所述模型建立模块,用于建立用于识别是否发生火灾的火灾识别数学模型,其中,所述火灾识别数学模型的输入参数包括烟雾浓度,输出参数包括火灾识别结果;
所述采集模块,用于通过若干个探测器采集探测区域内的烟雾浓度值;其中,在所述若干个探测器内分别建立所述火灾识别数学模型;
所述识别模块,用于将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;其中,如果有一个探测器,其采集的烟雾浓度值大于或者等于烟雾浓度预设值,则将该探测器确定为主探测器;将各个探测器采集的烟雾浓度值发送至所述主探测器;将各个探测器采集的烟雾浓度值作为所述主探测器内的火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;
所述报警模块,用于当所述火灾识别结果为发生火灾时,输出报警信号。
与一般技术相比,本发明火灾识别系统建立用于识别是否发生火灾的火灾识别数学模型,以探测器收集的探测区域内的烟雾浓度信息作为火灾识别数学模型的输入信息,获取火灾识别结果。区别于传统的阈值算法和趋势算法,通过建立的火灾识别数学模型,可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。本发明使火灾识别更加智能化,抗干扰能力强,克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。
附图说明
图1是本发明火灾识别方法的流程示意图;
图2是适用本发明的一个火灾识别系统的示意图;
图3是本发明火灾识别系统的结构示意图。
具体实施方式
为更进一步阐述本发明所采取的技术手段及取得的效果,下面结合附图及较佳实施例,对本发明的技术方案,进行清楚和完整的描述。
请参阅图1,为本发明火灾识别方法的流程示意图。本发明火灾识别方法包括以下步骤:
S101建立用于识别是否发生火灾的火灾识别数学模型,其中,所述火灾识别数学模型的输入参数包括烟雾浓度,输出参数包括火灾识别结果;
作为其中一个实施例,所述火灾识别数学模型的输入参数还包括时间信息和空间信息。
作为其中一个实施例,可采用支持向量机建立所述火灾识别数学模型。设线性可分的火灾训练样本集为{xi,yi}∈Rd×R1,i=1,2,…,n,其中,xi为d=5维(分别为烟雾浓度、时间、三维空间)的输入向量,yi∈{+1,-1}为对应输出(是否发生火灾),n是样本数,ω为权值,b为阈值,满足:
yi[(ω×xi)+b]≥1,i=1,...,n
此时火灾识别(实际为分类问题)的分类间隔等于2/||ω||,使该分类间隔最大实际等效为使||ω||最小,求最优分类面的问题等效为一个二次规划问题,采用Lagrange乘子法求解可得到:
上式中,为求解出的Lagrange乘子,基于以上最优分类面的参数,可以建立如下最优分类函数(即火灾识别数学模型):
考虑到上面的约束条件限制过大,导致错分的可能性增大,可以在上述式子中引入一个松弛变量ξi>0来解决这个问题。显然ξi的大小决定了火灾识别的灵敏度。同时考虑到火灾现场的复杂性,本发明实例引入了核函数把非线性问题转换为线性问题,并选用高斯径向基核函数,最终采用的火灾识别模型可为:
作为其中一个实施例,建立用于识别是否发生火灾的火灾识别数学模型之后,可选取模拟火灾实验数据或者典型火灾数据库数据作为训练样本,对所述火灾识别数学模型进行训练。
S102通过若干个探测器采集探测区域内的烟雾浓度值;其中,在所述若干个探测器内分别建立所述火灾识别数学模型;
作为其中一个实施例,可将探测区域划分为若干个子区域;在各个子区域内分别通过烟雾探测器对烟雾浓度值进行采集。
优选地,烟雾探测器采集探测区域内的烟雾浓度,将其数字化、滤波处理并剔除野值,同时负责传输或采集探测区域内其他探测器信息;通过已建立的火灾多参数数学模型和时间、空间、烟雾浓度信息来判别是否发生火灾;具有机器学习能力,探测区域内确认发生火灾时,烟雾探测器采集的烟雾浓度值作为训练数据调整、优化火灾多参数数学模型。
以安装在商用建筑物天花板上的火灾烟雾探测器为例,进行如下说明:
烟雾探测器包括:烟雾传感器,检测探测区域内发生火灾时的烟雾浓度;指示灯,指示探测器工作正常、故障、报警状态;通信模块,嵌入无线传输模块ZigBee模块,实现探测区域内各探测器无线通信,负责数据传输;24V电源模块,为系统正常工作供电;9V电源模块,备用电源模块,为系统断电情况下提供电力,提高系统可靠性;中央控制单元,负责烟雾浓度数据的数字化、滤波处理,负责传输逻辑处理,处理接收其它探测器信息或者传送本探测器信息和更新的火灾判别模型信息,负责火灾识别,并在火灾确认后采用探测区域内采集到的烟雾浓度、时间、空间信息训练火灾判别模型。
S103将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;其中,如果有一个探测器,其采集的烟雾浓度值大于或者等于烟雾浓度预设值,则将该探测器确定为主探测器;将各个探测器采集的烟雾浓度值发送至所述主探测器;将各个探测器采集的烟雾浓度值作为所述主探测器内的火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;
作为其中一个实施例,根据其输出参数值获取火灾识别结果之后,如果所述火灾识别结果为发生火灾,则将与该火灾识别结果对应的所述烟雾浓度值作为训练样本,对所述火灾识别数学模型进行训练。
作为其中一个实施例,可在所述若干个探测器内分别建立所述火灾识别数学模型;
如果有一个探测器,其采集的烟雾浓度值大于或者等于烟雾浓度预设值,则将该探测器确定为主探测器;
将各个探测器采集的烟雾浓度值发送至所述主探测器;
将各个探测器采集的烟雾浓度值作为所述主探测器内的火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果。
作为其中一个实施例,在根据其输出参数值获取火灾识别结果之后,如果所述火灾识别结果为发生火灾,则将与该火灾识别结果对应的所述烟雾浓度值作为训练样本,对所述主探测器内的火灾识别数学模型进行训练;
将各个探测器内的火灾识别数学模型更新为与所述主探测器内的火灾识别数学模型相一致。
S104如果所述火灾识别结果为发生火灾,则输出报警信号。
可通过探测器发出报警信号,完成火灾的识别。
发生火灾时,探测区域内烟雾探测器采集烟雾浓度、数字化,滤波处理并剔除野值;优选地,最先检测到的探测器将收集探测区域内其他探测器的烟雾浓度值集中处理,建立探测区域内火灾时的多参数数学模型,并通过这个多参数模型来判别火灾。
在本发明火灾识别方法中,基于实际应用中火灾探测区域内同时装有多个烟雾探测器的特点,同时收集探测区域内所有烟雾探测器信息,通过机器学习建立的火灾模型来识别火灾,取缔原有的阈值和趋势算法,使火灾探测器在火灾识别方面更加智能化,抗干扰能力强。
与一般技术相比,本发明火灾识别方法建立用于识别是否发生火灾的火灾识别数学模型,以探测器收集的探测区域内的烟雾浓度信息作为火灾识别数学模型的输入信息,获取火灾识别结果。区别于传统的阈值算法和趋势算法,通过建立的火灾识别数学模型,可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。本发明使火灾识别更加智能化,抗干扰能力强,克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。
图2是适用本发明的一个火灾识别系统的示意图。
基于实际应用中建筑物内分多个火灾探测区域,即探测区域1到探测区域n,探测区域内也同时装有多个烟雾探测器的特点,探测区域内最先检测到的探测器负责处理、识别、传输本探测区域内的火灾信息,并训练火灾判别模型;火灾监控主机则负责采集、显示各探测区域的火灾报警信息,与传统火灾报警控制器通讯,并更新各烟雾探测器火灾判别模型。
火灾监控主机包括:通信模块,嵌入无线传输模块ZigBee模块(Zigbee是基于IEEE802.15.4标准的低功耗个域网协议),实现与探测区域内各探测器无线通信,负责数据传输;协议转换模块,将探测区域内报警信息通过协议转换到传统火灾报警控制器的智能二总线协议,实现火灾报警、联动功能;显示模块,通过彩色LCD(Liquid Crystal Display,液晶显示器)显示探测区域内烟雾浓度、发展趋势、火灾报警信息;中央控制单元,负责探测区域内探测器报警信息的采集、处理、转换,并控制协议转换模块和显示模块。
火灾监控主机采集各探测区域内的时间、空间、烟雾浓度信息,并实时显示。通过协议转换,方便兼容到传统的火灾报警系统中,以实现火灾报警、联动等功能。
烟雾探测器按一定的采样频率(如1Hz)检测探测区域内的烟雾浓度,并数字化和滤波处理,当检测到烟雾浓度时,如果是最先检测到,则给出优先权,并取得探测区域内的网络控制权;取得网络控制权后,开始发送传输命令,收集探测区域内的其他烟雾探测器的信息,并根据探测区域内所有烟雾探测器采集的信息识别火灾是否发生;若火灾发生,则报警,待人工干预确认发生火灾并复位后,利用采集到的区域内火灾数据训练火灾识别模型。
如果本探测器不是最先检测到烟雾的(即是其他烟雾探测器取得探测区域内的网络控制权),则本探测器负责传输采集到的信息,待人工干预确认发生火灾并复位后,利用火灾监控主机传送来的火灾识别模型进行模型更新。
如果判别火灾没有发生时,取得探测区域内的网络控制权的烟雾探测器要保持采集到的烟雾浓度探测信息,并与下一轮采集的信息同时作为输入参量进行火灾识别。若一定的时间内采集的数据差异大,且不符合火灾识别模型,则作为野值剔除。
此外,还公开了一种火灾识别系统。
请参阅图3,为本发明火灾识别系统的结构示意图。本发明火灾识别系统,包括模型建立模块301、采集模块302、识别模块303和报警模块304;
所述模型建立模块301,用于建立用于识别是否发生火灾的火灾识别数学模型,其中,所述火灾识别数学模型的输入参数包括烟雾浓度,输出参数包括火灾识别结果;
作为其中一个实施例,所述模型建立模块301可采用支持向量机建立所述火灾识别数学模型。
所述火灾识别数学模型的输入参数还包括时间信息和空间信息。
所述采集模块302,用于通过若干个探测器采集探测区域内的烟雾浓度值;其中,在所述若干个探测器内分别建立所述火灾识别数学模型;
作为其中一个实施例,可将探测区域划分为若干个子区域;在各个子区域内分别通过烟雾探测器对烟雾浓度值进行采集。
优选地,烟雾探测器采集探测区域内的烟雾浓度,将其数字化、滤波处理并剔除野值,同时负责传输或采集探测区域内其他探测器信息;通过已建立的火灾多参数数学模型和时间、空间、烟雾浓度信息来判别是否发生火灾;具有机器学习能力,探测区域内确认发生火灾时,烟雾探测器采集的烟雾浓度值作为训练数据调整、优化火灾多参数数学模型。
所述识别模块303,用于将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;其中,如果有一个探测器,其采集的烟雾浓度值大于或者等于烟雾浓度预设值,则将该探测器确定为主探测器;将各个探测器采集的烟雾浓度值发送至所述主探测器;将各个探测器采集的烟雾浓度值作为所述主探测器内的火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;
作为其中一个实施例,根据其输出参数值获取火灾识别结果之后,如果所述火灾识别结果为发生火灾,则将与该火灾识别结果对应的所述烟雾浓度值作为训练样本,对所述火灾识别数学模型进行训练。
所述报警模块304,用于当所述火灾识别结果为发生火灾时,输出报警信号。
可通过探测器发出报警信号,完成火灾的识别。
与一般技术相比,本发明火灾识别系统建立用于识别是否发生火灾的火灾识别数学模型,以探测器收集的探测区域内的烟雾浓度信息作为火灾识别数学模型的输入信息,获取火灾识别结果。区别于传统的阈值算法和趋势算法,通过建立的火灾识别数学模型,可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。本发明使火灾识别更加智能化,抗干扰能力强,克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (9)
1.一种火灾识别方法,其特征在于,包括以下步骤:
建立用于识别是否发生火灾的火灾识别数学模型,其中,所述火灾识别数学模型的输入参数包括烟雾浓度,输出参数包括火灾识别结果;
通过若干个探测器采集探测区域内的烟雾浓度值;其中,在所述若干个探测器内分别建立所述火灾识别数学模型;
将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;其中,如果有一个探测器,其采集的烟雾浓度值大于或者等于烟雾浓度预设值,则将该探测器确定为主探测器;将各个探测器采集的烟雾浓度值发送至所述主探测器;将各个探测器采集的烟雾浓度值作为所述主探测器内的火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;
如果所述火灾识别结果为发生火灾,则输出报警信号。
2.根据权利要求1所述的火灾识别方法,其特征在于,所述火灾识别数学模型的输入参数还包括时间信息和空间信息。
3.根据权利要求1所述的火灾识别方法,其特征在于,所述建立用于识别是否发生火灾的火灾识别数学模型的步骤,包括以下步骤:
采用支持向量机建立所述火灾识别数学模型。
4.根据权利要求1所述的火灾识别方法,其特征在于,在所述建立用于识别是否发生火灾的火灾识别数学模型的步骤之后,包括以下步骤:
选取模拟火灾实验数据或者典型火灾数据库数据作为训练样本,对所述火灾识别数学模型进行训练。
5.根据权利要求1所述的火灾识别方法,其特征在于,在所述根据其输出参数值获取火灾识别结果的步骤之后,包括以下步骤:
如果所述火灾识别结果为发生火灾,则将与该火灾识别结果对应的所述烟雾浓度值作为训练样本,对所述火灾识别数学模型进行训练。
6.根据权利要求1所述的火灾识别方法,其特征在于,所述通过若干个探测器采集探测区域内的烟雾浓度值的步骤,包括以下步骤:
将探测区域划分为若干个子区域;
在各个子区域内分别通过烟雾探测器对烟雾浓度值进行采集。
7.根据权利要求1所述的火灾识别方法,其特征在于,在所述根据其输出参数值获取火灾识别结果的步骤之后,包括以下步骤:
如果所述火灾识别结果为发生火灾,则将与该火灾识别结果对应的所述烟雾浓度值作为训练样本,对所述主探测器内的火灾识别数学模型进行训练;
将各个探测器内的火灾识别数学模型更新为与所述主探测器内的火灾识别数学模型相一致。
8.一种火灾识别系统,其特征在于,包括模型建立模块、采集模块、识别模块和报警模块;
所述模型建立模块,用于建立用于识别是否发生火灾的火灾识别数学模型,其中,所述火灾识别数学模型的输入参数包括烟雾浓度,输出参数包括火灾识别结果;
所述采集模块,用于通过若干个探测器采集探测区域内的烟雾浓度值;其中,在所述若干个探测器内分别建立所述火灾识别数学模型;
所述识别模块,用于将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;其中,如果有一个探测器,其采集的烟雾浓度值大于或者等于烟雾浓度预设值,则将该探测器确定为主探测器;将各个探测器采集的烟雾浓度值发送至所述主探测器;将各个探测器采集的烟雾浓度值作为所述主探测器内的火灾识别数学模型的输入参数值,并根据其输出参数值获取火灾识别结果;
所述报警模块,用于当所述火灾识别结果为发生火灾时,输出报警信号。
9.根据权利要求8所述的火灾识别系统,其特征在于,所述模型建立模块用于采用支持向量机建立所述火灾识别数学模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210316451.7A CN102842199B (zh) | 2012-08-30 | 2012-08-30 | 火灾识别方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210316451.7A CN102842199B (zh) | 2012-08-30 | 2012-08-30 | 火灾识别方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102842199A CN102842199A (zh) | 2012-12-26 |
CN102842199B true CN102842199B (zh) | 2014-10-08 |
Family
ID=47369505
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210316451.7A Expired - Fee Related CN102842199B (zh) | 2012-08-30 | 2012-08-30 | 火灾识别方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102842199B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107085904B (zh) * | 2017-03-31 | 2019-07-30 | 上海事凡物联网科技有限公司 | 基于单分类svm的森林火险等级判定方法及系统 |
CN108922105A (zh) * | 2018-06-26 | 2018-11-30 | 深圳市中电数通智慧安全科技股份有限公司 | 一种烟雾传感器及其管理方法和装置 |
CN111814689A (zh) * | 2020-07-09 | 2020-10-23 | 浙江大华技术股份有限公司 | 火灾识别网络模型的训练方法、火灾识别方法及相关设备 |
CN115206051A (zh) * | 2021-04-12 | 2022-10-18 | 天地融科技股份有限公司 | 一种基于时空物联的烟雾检测方法及系统 |
CN114904189A (zh) * | 2022-04-06 | 2022-08-16 | 江汉大学 | 一种基于视觉的巡检灭火车及其控制方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251942A (zh) * | 2008-03-14 | 2008-08-27 | 华南理工大学 | 地下空间火灾智能检测预警预报方法及装置 |
CN102013008A (zh) * | 2010-09-16 | 2011-04-13 | 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 |
CN102013148A (zh) * | 2010-10-28 | 2011-04-13 | 中国科学技术大学 | 多信息融合火灾探测方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100865751B1 (ko) * | 2008-03-18 | 2008-10-31 | 주식회사 시뮬레이션테크 | 목조건물 화재감시시스템 |
DE102008042391A1 (de) * | 2008-09-26 | 2010-04-01 | Robert Bosch Gmbh | Brandsicherungsvorrichtung, Verfahren zur Brandsicherung sowie Computerprogramm |
-
2012
- 2012-08-30 CN CN201210316451.7A patent/CN102842199B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101251942A (zh) * | 2008-03-14 | 2008-08-27 | 华南理工大学 | 地下空间火灾智能检测预警预报方法及装置 |
CN102013008A (zh) * | 2010-09-16 | 2011-04-13 | 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 |
CN102013148A (zh) * | 2010-10-28 | 2011-04-13 | 中国科学技术大学 | 多信息融合火灾探测方法 |
Non-Patent Citations (2)
Title |
---|
单晓亮.基于支持向量机的多传感器火灾报警系统设计.《电站系统工程》.2011,第27卷(第1期),第62-63页. |
基于支持向量机的多传感器火灾报警系统设计;单晓亮;《电站系统工程》;20110131;第27卷(第1期);第62-63页 * |
Also Published As
Publication number | Publication date |
---|---|
CN102842199A (zh) | 2012-12-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102842198B (zh) | 火灾识别方法和系统 | |
CN102842199B (zh) | 火灾识别方法和系统 | |
AU2018309176B2 (en) | System and method for triggering an alarm during a sensor jamming attack | |
CN102708647B (zh) | 图像和多波段红外紫外复合型火灾探测方法 | |
CN109872491B (zh) | 火灾监控方法、装置、电子设备及系统 | |
CN102842200B (zh) | 火灾识别方法和系统 | |
WO2019033999A1 (zh) | 基于空调器的火灾报警方法与系统 | |
CN202918322U (zh) | 一种基于无线传感网络的智能家居监控系统 | |
CN203812072U (zh) | 智能家居控制系统 | |
CN113160513A (zh) | 基于多传感器的火焰探测装置 | |
CN105657030A (zh) | 灾后数据收集及传输方法 | |
CN103903398A (zh) | 一种基于手机的气体检测远程告警、监控及控制方法 | |
CN104574729B (zh) | 一种报警方法、装置及系统 | |
CN113359637A (zh) | 一种基于站房运行环境和设备运行状态的数据质量保障系统及方法 | |
CN104200589A (zh) | 一种入侵探测方法、装置及安防监控系统 | |
CN108731731A (zh) | 一种防雷型安监系统及防雷型安监方法 | |
CN204155398U (zh) | 智能家居消防及有害气体检测预报警系统 | |
CN202662124U (zh) | 图像和多波段红外紫外复合型火灾探测系统 | |
CN116863629A (zh) | 一种基于多传感器的报警装置、报警方法及电子设备 | |
WO2022110624A1 (zh) | 具有泄露、断线检测燃气表报警器的检测系统及方法 | |
CN105869337B (zh) | 一种基于微环境的火灾预警系统 | |
CN105243795B (zh) | 一种自适应无线中继气体检测报警系统及布设方法 | |
CN110853313A (zh) | 一种智能预警系统 | |
CN113470320A (zh) | 地质层振动预警无线远程智能监测系统及预警方法 | |
CN112735093A (zh) | 一种地震易发带数据收集机器人 |
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: 20141008 Termination date: 20210830 |
|
CF01 | Termination of patent right due to non-payment of annual fee |