CN108470418A - 一种预警准确的建筑物火灾预警系统 - Google Patents

一种预警准确的建筑物火灾预警系统 Download PDF

Info

Publication number
CN108470418A
CN108470418A CN201810284490.0A CN201810284490A CN108470418A CN 108470418 A CN108470418 A CN 108470418A CN 201810284490 A CN201810284490 A CN 201810284490A CN 108470418 A CN108470418 A CN 108470418A
Authority
CN
China
Prior art keywords
module
early warning
building
matrix
spectrum
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.)
Withdrawn
Application number
CN201810284490.0A
Other languages
English (en)
Inventor
邱炎新
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.)
Shenzhen United Automation Control Co Ltd
Original Assignee
Shenzhen United Automation Control Co Ltd
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 Shenzhen United Automation Control Co Ltd filed Critical Shenzhen United Automation Control Co Ltd
Priority to CN201810284490.0A priority Critical patent/CN108470418A/zh
Publication of CN108470418A publication Critical patent/CN108470418A/zh
Withdrawn legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00Fire alarms; Alarms responsive to explosion
    • G08B17/06Electric actuation of the alarm, e.g. using a thermally-operated switch

Landscapes

  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Fire Alarms (AREA)

Abstract

本发明提供了一种预警准确的建筑物火灾预警系统,包括测量模块、判断模块和预警模块,所述测量模块用于对建筑物的温度进行测量,所述判断模块用于根据建筑物的温度判断建筑物是否发生火灾,所述预警模块用于在判断模块判定建筑物发生火灾时发出预警信号,所述判断模块采用以下方式判断建筑物是否发生火灾:设定温度阈值,当建筑物的温度高于所述阈值,则判定建筑物会发生火灾,当建筑物的温度低于所述阈值,则判定建筑物不会发生火灾。本发明的有益效果为:提供了一种预警准确的建筑物火灾预警系统,通过对建筑物温度进行准确测量,并设定温度阈值判断火灾是否发生,对于提高建筑安全具有重要意义。

Description

一种预警准确的建筑物火灾预警系统
技术领域
本发明涉及火灾技术领域,具体涉及一种预警准确的建筑物火灾预警系统。
背景技术
我国作为一个火灾多发国家,建筑物火灾严重威胁人民的生命财产安全,对建筑物进行火灾预警线的尤为重要。而温度作为发生火灾的最直观因素,对建筑物温度进行测量对于火灾预警具有重要意义。
温度是最基本的物理量之一,用来表征目标的冷热程度。任何温度高于绝对零度的目标都以电磁辐射的形式向外界产生辐射,辐射能量的大小与绝对温度的四次方成正比。温度是热力学、物理、材料、冶金等学科中重要的技术参数。在工业生产中,如发电、冶金和塑料的生产与成型等行业,温度的准确测量和控制是生产效率、产品质量和生产安全的保证。在材料研制过程中,通过测量材料温度,获得材料的光谱辐射特性,为材料的改进提供技术支撑。在发动机点火试验中,温度是评价发动机工作性能的重要指标。随着航空和航天等尖端技术的不断发展和工业生产过程检测与控制水平的不断提高,对温度的测量手段和测量精度提出了更高、更迫切的要求。
发明内容
针对上述问题,本发明旨在提供一种预警准确的建筑物火灾预警系统。
本发明的目的采用以下技术方案来实现:
提供了一种预警准确的建筑物火灾预警系统,包括测量模块、判断模块和预警模块,所述测量模块用于对建筑物的温度进行测量,所述判断模块用于根据建筑物的温度判断建筑物是否发生火灾,所述预警模块用于在判断模块判定建筑物发生火灾时发出预警信号,所述判断模块采用以下方式判断建筑物是否发生火灾:设定温度阈值,当建筑物的温度高于所述阈值,则判定建筑物会发生火灾,当建筑物的温度低于所述阈值,则判定建筑物不会发生火灾。
本发明的有益效果为:提供了一种预警准确的建筑物火灾预警系统,通过对建筑物温度进行准确测量,并设定温度阈值判断火灾是否发生,对于提高建筑安全具有重要意义。
附图说明
利用附图对本发明作进一步说明,但附图中的实施例不构成对本发明的任何限制,对于本领域的普通技术人员,在不付出创造性劳动的前提下,还可以根据以下附图获得其它的附图。
图1是本发明的结构示意图;
附图标记:
测量模块1、判断模块2、预警模块3。
具体实施方式
结合以下实施例对本发明作进一步描述。
参见图1,本实施例的一种预警准确的建筑物火灾预警系统,包括测量模块1、判断模块2和预警模块3,所述测量模块1用于对建筑物的温度进行测量,所述判断模块2用于根据建筑物的温度判断建筑物是否发生火灾,所述预警模块3用于在判断模块2判定建筑物发生火灾时发出预警信号,所述判断模块2采用以下方式判断建筑物是否发生火灾:设定温度阈值,当建筑物的温度高于所述阈值,则判定建筑物会发生火灾,当建筑物的温度低于所述阈值,则判定建筑物不会发生火灾。
本实施例提供了一种预警准确的建筑物火灾预警系统,通过对建筑物温度进行准确测量,并设定温度阈值判断火灾是否发生,对于提高建筑安全具有重要意义。
优选的,所述预警模块3包括声音警报器和灯光警报器。
所述测量模块1包括光谱获取模块、光谱预处理模块、光谱特征提取模块、光谱识别模块和温度获取模块,所述光谱获取模块用于获取目标的光谱数据,所述光谱预处理模块用于对获取的光谱进行预处理,所述光谱特征提取模块用于对光谱特征进行提取,所述光谱识别模块根据光谱特征对目标光谱进行识别,所述温度获取模块用于根据目标光谱识别结果确定目标的温度;
本优选实施例多光谱测温通过测量目标在某一时刻多个光谱的辐射亮度求解目标真温,具有快速、非接触和测温上限高的优点,具体的,通过对目标光谱进行识别,实现了目标温度的准确获取,对提高建筑物火灾预警的准确性具有重要的经济和社会意义。
优选的,所述光谱预处理模块包括一次校正模块和二次校正模块,所述一次校正模块用于对光谱进行一次校正,具体为:设矩阵X由n个光谱样本组成,每个光谱样本有m个波长,采用以下方式进行一次校正:
式中,X1ij)表示第i个样本在波长λj处经过一次校正后的光谱辐射亮度,Xi1)表示第i个样本在波长λj处的光谱辐射亮度,min[X(λj)]表示所有样本在波长λj处的光谱辐射亮度的最小值;
所述二次校正模块用于对光谱进行二次校正,具体为:光谱经过所述一次校正模块进行处理后,采用以下方式进行二次校正:
式中,X2ij)表示第i个样本在波长λj处经过二次校正后的光谱辐射亮度,表示所有样本在波长λj处经过一次校正后的光谱辐射亮度平均值;
在光谱分析中经常出现光谱的偏移或漂移现象,影响后续光谱处理的准确性;本优选实施例通过光谱预处理模块对光谱进行预处理,有助于后续准确提取光谱特征,具体的,采用一次校正对光谱进行预处理,可有效去除光谱偏移量,采用二次校正对光谱进行预处理,可有效缩小光谱的变化范围。
优选的,所述光谱特征提取模块包括一次处理模块、二次处理模块和三次处理模块,所述一次处理模块用于构造样本光谱矩阵,所述二次处理模块用于对样本光谱矩阵进行线性变换,所述三次处理模块用于根据线性变换后的矩阵确定光谱特征;
所述一次处理模块用于构造样本光谱矩阵,具体为:经过二次校正后的样本光谱构成样本光谱矩阵Y:
式中,ri表示第i个光谱样本,i=1,2,…,n,sj表示所有样本在波长λj处的取值,j=1,2,…,m;
所述二次处理模块用于对样本光谱矩阵进行线性变换,具体为:采用m×m维转换矩阵A(a1 … am)对Y进行线性变换,形成新的m×n维矩阵Z:
Z=(z1 … zm)=YA=(s1 … sm)A=(s1 … sm)(a1 … am)
所述三次处理模块用于根据线性变换后的矩阵确定光谱特征,具体为:采用下式构造特征函数:
2|μE-C|=1
式中,E表示m维单位矩阵,C表示Y的协方差矩阵,μ表示协方差矩阵C的特征值;
求解特征函数的特征值μj(j=1,2,…,m),按照大小顺序排列,μ1>μ2>…>μj,求出特征值μj对应的特征向量wj,在变换后的矩阵Z中,μ1对应的主成分z1为矩阵Y的第一主成分,则前k个主成分对变换后的矩阵的贡献率之和为:
式中,ρk表示前k个主成分对变换后的矩阵的贡献率之和,μj表示第j个主成分对变换后的矩阵的贡献率;选取ρk>80%的前k个主成分z1、z2、…、zk,k个特征值对应的特征向量组成矩阵Q,采用下式求取样本光谱矩阵Y的特征矩阵:
Zk=YQT
式中,Zk表示样本光谱矩阵Y的特征矩阵,Zk=(z1、z2、…、zk);
目标光谱数量达到数百个甚至上千,变量过多,彼此间的相关性增加了光谱识别的难度,同时增加了问题的复杂度,降低了计算效率。本优选实施例通过对光谱样本数据进行特征提取,得到一组最能反映目标本质的低维样本特征,去除了冗余变量,提高了识别精度。
采用本发明预警准确的建筑物火灾预警系统进行建筑物火灾预警,选取5个建筑物进行模拟实验,分别为建筑物1、建筑物2、建筑物3、建筑物4、建筑物5,对预警效率和预警准确率进行统计,同现有火灾预警系统相比,产生的有益效果如下表所示:
预警效率提高 预警准确率提高
建筑物1 29% 27%
建筑物2 27% 26%
建筑物3 26% 26%
建筑物4 25% 24%
建筑物5 24% 22%
最后应当说明的是,以上实施例仅用以说明本发明的技术方案,而非对本发明保护范围的限制,尽管参照较佳实施例对本发明作了详细地说明,本领域的普通技术人员应当理解,可以对本发明的技术方案进行修改或者等同替换,而不脱离本发明技术方案的实质和范围。

Claims (9)

1.一种预警准确的建筑物火灾预警系统,其特征在于,包括测量模块、判断模块和预警模块,所述测量模块用于对建筑物的温度进行测量,所述判断模块用于根据建筑物的温度判断建筑物是否发生火灾,所述预警模块用于在判断模块判定建筑物发生火灾时发出预警信号,所述判断模块采用以下方式判断建筑物是否发生火灾:设定温度阈值,当建筑物的温度高于所述阈值,则判定建筑物会发生火灾,当建筑物的温度低于所述阈值,则判定建筑物不会发生火灾。
2.根据权利要求1所述的预警准确的建筑物火灾预警系统,其特征在于,所述预警模块包括声音警报器和灯光警报器。
3.根据权利要求2所述的预警准确的建筑物火灾预警系统,其特征在于,所述测量模块包括光谱获取模块、光谱预处理模块、光谱特征提取模块、光谱识别模块和温度获取模块,所述光谱获取模块用于获取目标的光谱数据,所述光谱预处理模块用于对获取的光谱进行预处理,所述光谱特征提取模块用于对光谱特征进行提取,所述光谱识别模块根据光谱特征对目标光谱进行识别,所述温度获取模块用于根据目标光谱识别结果确定目标的温度。
4.根据权利要求3所述的预警准确的建筑物火灾预警系统,其特征在于,所述光谱预处理模块包括一次校正模块和二次校正模块,所述一次校正模块用于对光谱进行一次校正,具体为:设矩阵X由n个光谱样本组成,每个光谱样本有m个波长,采用以下方式进行一次校正:
式中,X1ij)表示第i个样本在波长λj处经过一次校正后的光谱辐射亮度,Xi1)表示第i个样本在波长λj处的光谱辐射亮度,min[X(λj)]表示所有样本在波长λj处的光谱辐射亮度的最小值。
5.根据权利要求4所述的预警准确的建筑物火灾预警系统,其特征在于,所述二次校正模块用于对光谱进行二次校正,具体为:光谱经过所述一次校正模块进行处理后,采用以下方式进行二次校正:
式中,X2ij)表示第i个样本在波长λj处经过二次校正后的光谱辐射亮度,表示所有样本在波长λj处经过一次校正后的光谱辐射亮度平均值。
6.根据权利要求5所述的预警准确的建筑物火灾预警系统,其特征在于,所述光谱特征提取模块包括一次处理模块、二次处理模块和三次处理模块,所述一次处理模块用于构造样本光谱矩阵,所述二次处理模块用于对样本光谱矩阵进行线性变换,所述三次处理模块用于根据线性变换后的矩阵确定光谱特征。
7.根据权利要求6所述的预警准确的建筑物火灾预警系统,其特征在于,所述一次处理模块用于构造样本光谱矩阵,具体为:经过二次校正后的样本光谱构成样本光谱矩阵Y:
式中,ri表示第i个光谱样本,i=1,2,…,n,sj表示所有样本在波长λj处的取值,j=1,2,…,m。
8.根据权利要求7所述的预警准确的建筑物火灾预警系统,其特征在于,所述二次处理模块用于对样本光谱矩阵进行线性变换,具体为:采用m×m维转换矩阵A=(a1 … am)对Y进行线性变换,形成新的m×n维矩阵Z:
Z=(z1 … zm)=YA=(s1 … sm)A=(s1 … sm)(a1 … am)。
9.根据权利要求8所述的预警准确的建筑物火灾预警系统,其特征在于,所述三次处理模块用于根据线性变换后的矩阵确定光谱特征,具体为:采用下式构造特征函数:
2|μE-C|=1
式中,E表示m维单位矩阵,C表示Y的协方差矩阵,μ表示协方差矩阵C的特征值;
求解特征函数的特征值μj(j=1,2,…,m),按照大小顺序排列,μ1>μ2>…>μj,求出特征值μj对应的特征向量wj,在变换后的矩阵Z中,μ1对应的主成分z1为矩阵Y的第一主成分,则前k个主成分对变换后的矩阵的贡献率之和为:
式中,ρk表示前k个主成分对变换后的矩阵的贡献率之和,μj表示第j个主成分对变换后的矩阵的贡献率;选取ρk>80%的前k个主成分z1、zz、…、zk,k个特征值对应的特征向量组成矩阵Q,采用下式求取样本光谱矩阵Y的特征矩阵:
Zk=YQT
式中,Zk表示样本光谱矩阵Y的特征矩阵,Zk=(z1、z2、…、zk)。
CN201810284490.0A 2018-04-02 2018-04-02 一种预警准确的建筑物火灾预警系统 Withdrawn CN108470418A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810284490.0A CN108470418A (zh) 2018-04-02 2018-04-02 一种预警准确的建筑物火灾预警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810284490.0A CN108470418A (zh) 2018-04-02 2018-04-02 一种预警准确的建筑物火灾预警系统

Publications (1)

Publication Number Publication Date
CN108470418A true CN108470418A (zh) 2018-08-31

Family

ID=63262409

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810284490.0A Withdrawn CN108470418A (zh) 2018-04-02 2018-04-02 一种预警准确的建筑物火灾预警系统

Country Status (1)

Country Link
CN (1) CN108470418A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036493A (zh) * 2020-09-02 2020-12-04 南京林业大学 一种基于主成分分析和模糊c均值的森林火灾预警方法
CN118053257A (zh) * 2024-04-16 2024-05-17 爱瑞克(大连)安全技术集团有限公司 基于物联网的工业建筑火灾预警和灾情分析方法及系统

Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101701850A (zh) * 2009-09-30 2010-05-05 华中科技大学 一种火焰温度和黑度的检测方法
CN101968913A (zh) * 2010-08-13 2011-02-09 清华大学 一种森林火灾区域的火焰跟踪方法
CN101989373A (zh) * 2009-08-04 2011-03-23 中国科学院地理科学与资源研究所 基于可见光—热红外的多光谱多尺度森林火情监测方法
CN102034329A (zh) * 2010-12-29 2011-04-27 上海大学 一种基于多波段多特征的红外火灾探测方法
CN103900723A (zh) * 2014-04-25 2014-07-02 刘友祥 利用辐射谱的全部信息测火焰实际温度的方法及测量系统
CN103942806A (zh) * 2014-05-08 2014-07-23 西安电子科技大学 基于高光谱数据的多信息融合火灾着火点的检测方法
CN104677495A (zh) * 2015-03-02 2015-06-03 清华大学 一种基于光谱辐射强度测量火焰温度和发射率分布的方法
CN105354974A (zh) * 2015-11-30 2016-02-24 无锡拓能自动化科技有限公司 基于三波长红外火焰探测器的火焰探测方法
CN106297142A (zh) * 2016-08-17 2017-01-04 云南电网有限责任公司电力科学研究院 一种无人机山火勘探控制方法及系统

Patent Citations (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN101989373A (zh) * 2009-08-04 2011-03-23 中国科学院地理科学与资源研究所 基于可见光—热红外的多光谱多尺度森林火情监测方法
CN101701850A (zh) * 2009-09-30 2010-05-05 华中科技大学 一种火焰温度和黑度的检测方法
CN101968913A (zh) * 2010-08-13 2011-02-09 清华大学 一种森林火灾区域的火焰跟踪方法
CN102034329A (zh) * 2010-12-29 2011-04-27 上海大学 一种基于多波段多特征的红外火灾探测方法
CN103900723A (zh) * 2014-04-25 2014-07-02 刘友祥 利用辐射谱的全部信息测火焰实际温度的方法及测量系统
CN103942806A (zh) * 2014-05-08 2014-07-23 西安电子科技大学 基于高光谱数据的多信息融合火灾着火点的检测方法
CN104677495A (zh) * 2015-03-02 2015-06-03 清华大学 一种基于光谱辐射强度测量火焰温度和发射率分布的方法
CN105354974A (zh) * 2015-11-30 2016-02-24 无锡拓能自动化科技有限公司 基于三波长红外火焰探测器的火焰探测方法
CN106297142A (zh) * 2016-08-17 2017-01-04 云南电网有限责任公司电力科学研究院 一种无人机山火勘探控制方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
余意: "《主成分方法在红外高光谱资料同化中的应用》", November 2011, 国防科学技术大学 *
尼珍,胡昌勤,冯芳: "《近红外光谱分析中光谱预处理方法的作用及其发展》", 《药物分析杂志》 *
张银,周孟然: "《近红外光谱分析技术的数据处理方法》", 《红外技术》 *
王欣: "《近红外分析中光谱预处理方法的研究与应用进展》", 《科技资讯》 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112036493A (zh) * 2020-09-02 2020-12-04 南京林业大学 一种基于主成分分析和模糊c均值的森林火灾预警方法
CN118053257A (zh) * 2024-04-16 2024-05-17 爱瑞克(大连)安全技术集团有限公司 基于物联网的工业建筑火灾预警和灾情分析方法及系统

Similar Documents

Publication Publication Date Title
CN110634080B (zh) 异常用电检测方法、装置、设备及计算机可读存储介质
CN103542937B (zh) 一种数码印花色差的检验方法
CN109858522A (zh) 一种基于数据挖掘的管理线损异常识别方法
CN108334838A (zh) 基于灯光遥感数据国家宏观经济指标估测方法
CN104838253A (zh) 使用镜面反射角数据的喷涂表面的纹理分析
CN110084212B (zh) 一种基于改进正弦余弦算法的光谱特征峰识别定位方法
CN105005711B (zh) 获取统计线损的方法及装置
CN108776831A (zh) 一种基于动态卷积神经网络的复杂工业过程数据建模方法
CN108470418A (zh) 一种预警准确的建筑物火灾预警系统
CN106094786A (zh) 基于集成型独立元回归模型的工业过程软测量方法
CN102183500A (zh) 基于荧光特征参量欧氏距离的白酒鉴别方法
CN109858386A (zh) 一种基于荧光显微图像的微藻细胞识别方法
CN112231621A (zh) 基于BP-adaboost降低元素检出限的方法
CN103017668A (zh) 基于高光谱遥感反射率的海冰厚度计算方法
CN111027841A (zh) 一种基于梯度提升决策树的低压台区线损计算方法
CN112241832B (zh) 一种产品质量分级评价标准设计方法及系统
CN110503148A (zh) 一种具有尺度不变性的点云对象识别方法
CN109719138A (zh) 一种基于数据挖掘的变形抗力唯象模型计算方法
CN104634780A (zh) 一种叶片加料均匀性测量和评价方法
CN108318348A (zh) 一种皮革制品耐折性能智能化测试系统
CN110852615A (zh) 一种典型环境下智能电能表可靠性综合评价模型
CN105205589B (zh) 火力发电机组不同负荷下锅炉效率的评价方法
CN113973403A (zh) 基于结构离散测点拓扑的温致应变场重分布智能感知方法
CN104679878B (zh) 基于NPsim矩阵的近邻颜色搜索方法及装置
CN110044488A (zh) 一种基于多目标极小值的多光谱真温反演方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WW01 Invention patent application withdrawn after publication
WW01 Invention patent application withdrawn after publication

Application publication date: 20180831