CN108922104A - 一种工厂消防安全监控系统及其控制方法 - Google Patents

Abstract

本发明公开了一种工厂消防安全监控系统，包括：处理系统；监测单元，其连接所述处理系统的输入端；控制器，其输入端连接所述处理系统的输出端；报警系统，其连接所述控制器的输出端；消防单元，其连接所述控制器的输出端；通信单元，其与所述处理系统双向电连接；存储单元，其与所述处理系统双向电连接，用于工厂车间内部地图和信息；其中，通过所述监测单元检监测车间的实时消防情况，在火灾发生时启动所述消防单元和报警单元，并通过所述报警系统进行报警，实现车间消防安全监控。能够在发生火情时迅速判断处具体着火点，出现火情时，控制报警单元和消防单元工作，提高车间生产安全性。本发明还提供一种工厂消防安全监控系统的控制方法。

Description

一种工厂消防安全监控系统及其控制方法

技术领域

本发明涉及一种消防安全监控系统及其控制方法，属于消防领域。

背景技术

火灾，作为一种人为灾害，是指火源失去控制蔓延发展而给人们生命财产造成损失的一种灾害性燃烧现象，火灾还是一种终极型灾害，任何其他灾害最后都可能导致火灾。打火能燃烧掉人类经过辛勤劳动创造的物质财富，影响着社会经济的发展和人们的正常生活。特别是在城市、建筑工厂内等人口相对集中、人口密度较大的地方，一旦发生火灾，会造成不可估量的损失。现有的火灾发生的主要原因是发现不及时导致的救灾不及时，导致火灾蔓延，损失扩大。

“消防”即消除防患，预防和解决人民在生活、工作、学习过程中遇到的人与自然、偶然灾害的总称，当然狭义的意思是在人民认识初期，是扑灭火灾的意思。

消防工作是一项知识性、科学性、社会性很强的工作，涉及到各行各业、千家万户，与经济发展、社会稳定和人们群众案安居乐业密切相关，只有在社会普及消防法规和消防科技知识，提高全民消防意思，增强全民防范与扑救能力，才能有效地预防和减少火灾的危害。

企业消防安全问题一直以来都是企业不可小视的问题，特别是一些加工生产企业，常常要进行防火演习和平时的安全检查，以此防患未来，保证车间生产的安全性，因此，许多企业在生产车间设置了自动水灭火系统。自动水灭火系统在火灾发生初期，能够迅速控制火势，保证人员安全，给救援留出应援时间。

但是当火灾发生的时候，自动水灭火系统往往会因为一些因素导致水流量不能满足火势的需求，其中，压力就是其中的一个影响因素，水压一旦供不上，就会导致自动水灭火的距离有限，而且强度也会受到很大的限制，从而无法达到灭火的目的。但是我们从另一方面考虑问题，如果水压特别强大，在灭火的时候充分可以保证灭火的速度以及要求，但是这种过大的水压就会对消防供水排水管道造成非常大的压力，会对消防供水排水系统造成损坏，当然一旦造成损坏，会让自动水灭火失去作用，在车间内成为一种实质意义上的摆设。因此，控制水流量，保证灭火水系统的压力，成为灭火水系统的重中之重。

发明内容

本发明设计开发了一种工厂消防安全监控系统，通过监测系统对车间内消防安全进行实时监控，并在火情出现时进行预警，提高车间生产的安全性。

本发明还设计开发了一种工厂消防安全监控系统的控制方法，通过BP神经网络对消防安全监控系统进行控制，并在出现火情时启动报警系统和消防单元，提高提高消防安全监控系统的控制精度和工作效率。

本发明的另一发明目的是控制消防单元在工作时消防水泵的出水流量，在控制火势的同时保证管道内部压力，提高车间的消防安全。

本发明提供的技术方案为：

一种工厂消防安全监控系统，包括：

处理系统；

监测单元，其连接所述处理系统的输入端；

控制器，其输入端连接所述处理系统的输出端；

报警系统，其连接所述控制器的输出端；

消防单元，其连接所述控制器的输出端；

通信单元，其与所述处理系统双向电连接；

存储单元，其与所述处理系统双向电连接，用于工厂车间内部地图和信息；

其中，通过所述监测单元检监测车间的实时消防情况，在火灾发生时启动所述消防单元和报警单元，并通过所述报警系统进行报警，实现车间消防安全监控。

优选的是，还包括：摄像单元，其连接所述处理系统。

优选的是，所述监测单元包括：

温度传感器；

湿度传感器；

烟雾传感器；

可燃气体传感器；

其中，所述温度传感器、所述湿度传感器、所述烟雾传感器以及所述可燃气体传感器同时与所述处理系统的输入端连接。

优选的是，所述消防单元采用消防水泵，用于在火灾刚发生时的初级灭火。

一种工厂消防安全监控系统的控制方法，使用所述的用于工厂的消防安全监控系统，通过BP神经网络对所述消防安全监控系统进行控制，其特征在于，包括如下步骤：

步骤1、按照采样周期，对车间监控区域的温度T、相对湿度W_RH、烟雾浓度C₀、可燃气体浓度C_r进行获取；

步骤2、对所述步骤1中的参数进行归一化，并建立三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}，其中，x₁为监控区域温度系数，x₂为监控区域湿度系数，x₃为监控区域烟雾浓度系数，x₄为监控区域可燃气体浓度系数，；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,...,y_b}；b为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}，其中o₁为报警单元的工作状态，o₂为消防单元的工作状态；

其中，所述输出层神经元值k为输出层神经元序列号，k＝{1,2}，

当o₁为1时，报警单元启动，处于报警状态，当o₁为0时，报警单元不工作；当o₂为1时，消防单元启动，消防水泵启动，当o₂为0时，消防单元不工作，消防水泵不启动。

优选的是，所述步骤2中，将所监控区域的温度T、相对湿度W_RH、烟雾浓度C₀、可燃气体浓度C_r进行归一化处理，公式为：其中，为归一化处理的输入参数，x_j为测量参数T、W_RH、C₀、C_r，j＝1,2,3,4,5；x_jmax、x_jmin分别为相应测量参数中的最大测量值和最小测量值。

优选的是，所述中间层节点个数b满足：其中a为输入层节点个数，c为输出层节点个数。

优选的是，消防水泵工作时，消防水泵工作流量Q的经验公式满足：

其中，λ为修正系数，Q_v为消防单元储水机构中水的初始流速，π为圆周率，r为供水管道半径，A为供水管道横截面积，L为水流动的距离，e为自然对数底数，I_W为工作时消防水泵的稳态电流，I₀工作时消防水泵的初始电流，k₁管道内壁粗糙度系数，P₀为管道内部压力，P_i为消防水泵出口压力，P为出口压力设定值。

优选的是，所述修正系数λ为：

其中，α_i为消防水泵阀门开度，α_max为消防水泵阀门开度最大值，R为理想气体常数，A₁为加压泵的出口横截面积。

优选的是，所述中间层和所述输出层采用S型激励函数。

本发明所述的有益效果：本发明提供的车间消防安全监控系统，通过监测单元对车间的消防安全进行监控，并通过处理系统进行数据处理后传递给通讯单元，通讯单元通过网络将监控信息传递给客户端，实现火情的实时汇报。存储单元内部存储有工厂的地图和区域信息，能够在发生火情时迅速判断处具体着火点，出现火情时，控制报警单元和消防单元进行工作，提高车间生产的安全性。

通过BP神经网络对消防安全监控系统进行控制，在出现火情时启动报警系统和消防单元，提高提高消防安全监控系统的控制精度和工作效率。并通过调整消防水泵的出水流量保证供水管道内部压力，提高消防系统控制精度和车间的安全性。

附图说明

图1为本发明所述的工厂消防安全监控系统的控制策略图。

具体实施方式

下面结合附图对本发明做进一步的详细说明，以令本领域技术人员参照说明书文字能够据以实施。

如图1所示，本发明提供一种工厂消防安全监控系统，包括：处理系统，监测单元，其输出端与处理系统的输入端连接，监测到的信息传递给处理系统；存储单元，其内部储存有工厂车间的地图和位置信息，并与处理系统双向电连接，用于储存处理系统传递的信息。处理系统的输出端与控制器的输入端连接，并通过控制器控制报警系统和消防单元的开启。报警系统和消防单元同时与处理系统的输出端连接。摄像单元的输入端与处理系统的输入端连接，用于所监测区域图像的获取。通信单元与处理系统双向电连接，通信单元通过网络将实时监测信息发送给客户端，使管理者根据具体情况判断是否需要救火支援。

监测单元包括：温度传感器、湿度传感器、烟雾传感器以及可燃气体传感器，其中，温度传感器、湿度传感器、烟雾传感器以及可燃气体传感器同时与处理系统的输入端连接，用于测量工厂车间内的实时温度、湿度、烟雾浓度以及可燃气体浓度，实时监测火灾情况。消防单元包括储水机构、输水管道和消防水泵，用于在火灾突发时，对火情进行初步控制。

本发明还提供了一种工厂消防安全监控系统的控制方法通过BP神经网络对监控系统进行控制，并在发生火灾时启动报警系统和消防单元，具体包括如下步骤：

步骤1、建立BP神经网络模型。

本发明采用的BP网络体系结构由三层组成，第一层为输入层，共m个节点，对应了表示工厂消防安全监控系统工作状态的m个检测信号，这些信号参数由数据预处理模块给出；第二层为隐层，共l个节点，由网络的训练过程以自适应的方式确定；第三层为输出层，共n个节点，由系统实际需要输出的响应确定。

输入向量：x＝(x₁,x₂,...,x_m)^T；

中间层向量：y＝(y₁,y₂,...,y_l)^T；

输出向量：O＝(o₁,o₂,...,o_n)^T；

本发明中，输入层节点数m＝4，输出层节点数n＝2，隐藏层节点数l由下式估算得出：

根据采样周期，采用传感器对车间监控区域的温度T、相对湿度W_RH、烟雾浓度C₀、可燃气体浓度C_r进行获取；

输入信号的四个参数分别表示为：x₁为监控区域温度系数，x₂为监控区域湿度系数，x₃为监控区域烟雾浓度系数，x₄为监控区域可燃气体浓度系数；

由于传感器获取的数据属于不同的物理量，其量纲各不相同。因此，在数据输入人工神经网络之前，需要将数据规格化为0-1之间的数。

具体而言，通过温度传感器测量车间监控区域的温度T，进行归一化后得到监控区域温度系数x₁，

其中，T_max为最大监控区域温度，T_min为最小监控区域温度；

同样的，通过湿度传感器测量车间监控区域的相对湿度W_RH，将进行归一化后得到监控区域湿度系数x₂，

其中，W_RHmax为最大监控区域湿度，W_RHmin为最小监控区域湿度；

同样的，通过烟雾浓度传感器测量车间监控区域的烟雾浓度C₀，进行归一化后得到监控区域烟雾浓度系数x₃，

其中，C_0max为监控区域最大烟雾浓度，C_0min为监控区域最小烟雾浓度；

同样的，通过可燃物浓度传感器测量车间内监控区域的可燃气体浓度C_r，进行归一化后得到监控区域可燃气体浓度系数x₄，

其中，C_rmax为监控区域最大可燃气体浓度，C_rmin为监控区域最小可燃气体浓度。

输出信号的2个参数分别表示为：输出层向量o＝{o₁,o₂}；o₁为汽车变道系数、o₂为紧急停机信号，所述输出层神经元值为k为输出层神经元序列号，k＝{1,2}；其中，当o₁为1时，报警单元启动，处于报警状态，当o₁为0时，报警单元不工作；当o₂为1时，消防单元启动，消防水泵启动，当o₂为0时，消防单元不工作，消防水泵不启动。

步骤2、进行BP神经网络训练。

建立好BP神经网络节点模型后，即可进行BP神经网络的训练。根据产品的历史经验数据获取训练的样本，并给定输入节点i和隐含层节点j之间的连接权值w_ij，隐层节点j和输出层节点k之间的连接权值w_jk，隐层节点j的阈值θ_j，输出层节点k的阈值θ_k、w_ij、w_jk、θ_j、θ_k均为-1到1之间的随机数。

在训练过程中，不断修正w_ij和w_jk的值，直至系统误差小于等于期望误差时，完成神经网络的训练过程。

(1)训练方法

各子网采用单独训练的方法；训练时，首先要提供一组训练样本，其中的每一个样本由输入样本和理想输出对组成，当网络的所有实际输出与其理想输出一致时，表明训练结束；否则，通过修正权值，使网络的理想输出与实际输出一致；

(2)训练算法

BP网络采用误差反向传播(Backward Propagation)算法进行训练，其步骤可归纳如下：

第一步：选定一结构合理的网络，设置所有节点阈值和连接权值的初值。

第二步：对每个输入样本作如下计算：

(a)前向计算：对l层的j单元

式中，为第n次计算时l层的j单元信息加权和，为l层的j单元与前一层(即l-1层)的单元i之间的连接权值，为前一层(即l-1层，节点数为n_l-1)的单元i送来的工作信号；i＝0时，令 为l层的j单元的阈值。

若单元j的激活函数为sigmoid函数，则

且

若神经元j属于第一隐层(l＝1)，则有

若神经元j属于输出层(l＝L)，则有

且e_j(n)＝x_j(n)-o_j(n)；

(b)反向计算误差：

对于输出单元

对隐单元

(c)修正权值：

η为学习速率。

第三步：输入新的样本或新一周期样本，直到网络收敛，在训练时各周期中样本的输入顺序要重新随机排序。

BP算法采用梯度下降法求非线性函数极值，存在陷入局部极小以及收敛速度慢等问题。更为有效的一种算法是Levenberg-Marquardt优化算法，它使得网络学习时间更短，能有效地抑制网络陷于局部极小。其权值调整率选为

Δω＝(J^TJ+μI)^-1J^Te；

其中，J为误差对权值微分的雅可比(Jacobian)矩阵，I为输入向量，e为误差向量，变量μ是一个自适应调整的标量，用来确定学习是根据牛顿法还是梯度法来完成。

在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能；

当o₂＝1时，消防单元启动，消防水泵启动，通过控制消防单元在工作时消防水泵的出水流量，在控制火势的同时保证管道内部压力，消防水泵工作流量Q的经验公式满足：

其中，λ为修正系数，Q_v为消防单元储水机构中水的初始流速，单位为m/s，π为圆周率，r为供水管道半径，单位为mm，A为供水管道横截面积，单位为m²，L为水流动的距离，单位为mm，e为自然对数底数，I_W为工作时消防水泵的稳态电流，单位为A，I₀工作时消防水泵的初始电流，单位为A，k₁管道内壁粗糙度系数，P₀为管道内部压力，单位为MPa，P_i为消防水泵出口压力，单位为MPa，为出口压力设定值，单位为MPa。

修正系数λ的经验公式为：

其中，α_i为消防水泵阀门开度，α_max为消防水泵阀门开度最大值，R为理想气体常数，A₁为加压泵的出口横截面积，单位为m²。

在系统设计时，系统模型是一个仅经过初始化了的网络，权值需要根据在使用过程中获得的数据样本进行学习调整，为此设计了系统的自学习功能。在指定了学习样本及数量的情况下，系统可以进行自学习，以不断完善网络性能；

如表1所示，给定了一组训练样本以及训练过程中各节点的值。

表1训练过程各节点值

步骤3、采集监控系统运行参数输入神经网络得到监控系统的工作状态。

使用温度传感器、湿度传感器、烟雾浓度传感器以及可燃物浓度传感器测量初始车间监控区域的温度T₀、相对湿度W_RH0、烟雾浓度C₀₀、可燃气体浓度C_r0，进行归一化后得到BP神经网络的初始输入向量通过BP神经网络的运算得到初始输出向量

步骤4、监测消防单元和报警系统的工作状态

根据输出层神经元值o＝{o₁,o₂}，其中o₁为报警单元的工作状态，o₂为消防单元的工作状态；

其中，输出层向量k为输出层神经元序列号，k＝{1,2}；

当o₁为1时，报警单元启动，处于报警状态，当o₁为0时，报警单元不工作；当o₂为1时，消防单元启动，消防水泵启动，当o₂为0时，消防单元不工作，消防水泵不启动。

通过上述设置，并采用传感器对车间监控区域的温度T、相对湿度W_RH、烟雾浓度C₀、可燃气体浓度C_r进行获取，基于BPBP神经网络对消防安全监控系统进行控制，并在出现火情时启动报警系统和消防单元，提高提高消防安全监控系统的控制精度和工作效率。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的图例。

Claims (10)

1.一种工厂消防安全监控系统，其特征在于，包括：

处理系统；

监测单元，其连接所述处理系统的输入端；

控制器，其输入端连接所述处理系统的输出端；

报警系统，其连接所述控制器的输出端；

消防单元，其连接所述控制器的输出端；

通信单元，其与所述处理系统双向电连接；

存储单元，其与所述处理系统双向电连接，用于工厂车间内部地图和信息；

其中，通过所述监测单元检监测车间的实时消防情况，在火灾发生时启动所述消防单元和报警单元，并通过所述报警系统进行报警，实现车间消防安全监控。

2.根据权利要求1所述的工厂消防安全监控系统，其特征在于，还包括：摄像单元，其连接所述处理系统。

3.根据权利要求2所述的工厂消防安全监控系统，其特征在于，所述监测单元包括：

温度传感器；

湿度传感器；

烟雾传感器；

可燃气体传感器；

其中，所述温度传感器、所述湿度传感器、所述烟雾传感器以及所述可燃气体传感器同时与所述处理系统的输入端连接。

4.根据权利要求3所述的工厂消防安全监控系统，其特征在于，所述消防单元采用消防水泵，用于在火灾刚发生时的初级灭火。

5.一种工厂消防安全监控系统的控制方法，使用权利要求1-4任意一项所述的用于工厂的消防安全监控系统，通过BP神经网络对所述消防安全监控系统进行控制，其特征在于，包括如下步骤：

步骤1、按照采样周期，对车间监控区域的温度T、相对湿度W_RH、烟雾浓度C₀、可燃气体浓度C_r进行获取；

步骤2、对所述步骤1中的参数进行归一化，并建立三层BP神经网络的输入层向量x＝{x₁,x₂,x₃,x₄}，其中，x₁为监控区域温度系数，x₂为监控区域湿度系数，x₃为监控区域烟雾浓度系数，x₄为监控区域可燃气体浓度系数；

步骤3、所述输入层向量映射到中间层，所述中间层向量y＝{y₁,y₂,...,y_b}；b为中间层节点个数；

步骤4、得到输出层向量o＝{o₁,o₂}，其中o₁为报警单元的工作状态，o₂为消防单元的工作状态；

其中，所述输出层神经元值k为输出层神经元序列号，k＝{1,2}，

当o₁为1时，报警单元启动，处于报警状态，当o₁为0时，报警单元不工作；当o₂为1时，消防单元启动，消防水泵启动，当o₂为0时，消防单元不工作，消防水泵不启动。

6.根据权利要求5所述的工厂消防安全监控系统的控制方法，其特征在于，所述步骤2中，将所监控区域的温度T、相对湿度W_RH、烟雾浓度C₀、可燃气体浓度C_r进行归一化处理，公式为：其中，为归一化处理的输入参数，x_j为测量参数T、W_RH、C₀、C_r，j＝1,2,3,4,5；x_jmax、x_jmin分别为相应测量参数中的最大测量值和最小测量值。

7.根据权利要求6所述的工厂消防安全监控系统的控制方法，其特征在于，所述中间层节点个数b满足：其中a为输入层节点个数，c为输出层节点个数。

8.根据权利要求7所述的工厂消防安全监控系统的控制方法，其特征在于，消防水泵工作时，消防水泵工作流量Q的经验公式满足：

其中，λ为修正系数，Q_v为消防单元储水机构中水的初始流速，π为圆周率，r为供水管道半径，A为供水管道横截面积，L为水流动的距离，e为自然对数底数，I_W为工作时消防水泵的稳态电流，I₀工作时消防水泵的初始电流，k₁管道内壁粗糙度系数，P₀为管道内部压力，P_i为消防水泵出口压力，P为出口压力设定值。

9.根据权利要求8所述的工厂消防安全监控系统的控制方法，其特征在于，所述修正系数λ为：

其中，α_i为消防水泵阀门开度，α_max为消防水泵阀门开度最大值，R为理想气体常数，A₁为加压泵的出口横截面积。

10.根据权利要求9所述的工厂消防安全监控系统的控制方法，其特征在于，所述中间层和所述输出层采用S型激励函数。