CN109255921A - 一种基于分层模糊融合的多传感器火灾检测方法 - Google Patents
一种基于分层模糊融合的多传感器火灾检测方法 Download PDFInfo
- Publication number
- CN109255921A CN109255921A CN201811346220.4A CN201811346220A CN109255921A CN 109255921 A CN109255921 A CN 109255921A CN 201811346220 A CN201811346220 A CN 201811346220A CN 109255921 A CN109255921 A CN 109255921A
- Authority
- CN
- China
- Prior art keywords
- fuzzy
- fire
- indicate
- order
- multisensor
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B19/00—Alarms responsive to two or more different undesired or abnormal conditions, e.g. burglary and fire, abnormal temperature and abnormal rate of flow
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire Alarms (AREA)
Abstract
本发明涉及一种基于分层模糊融合的多传感器火灾检测方法。该方法在检测火灾时,处理火焰信号、温度变化率、温度、一氧化碳浓度、烟雾浓度五个火灾参量,构建一种由两级模糊推理模型组成的分层模糊数据融合模型,第一级以温度变化率和温度作为输入,第二级以第一级判断结果、一氧化碳浓度、烟雾浓度、火焰信号作为输入量,输出为出现火灾的概率,该值与设定阈值比较即可进行精确的火灾判别。通过多传感器火灾信息的模糊融合和两级模糊推理模型的分层机制,显著减少了系统模糊规则库的数量,提高了火灾检测的鲁棒性,快速性和准确性。
Description
技术领域
本发明涉及火灾检测领域,具体涉及一种基于分层模糊融合的多传感器火灾检测方法。
背景技术
随着社会经济的快速发展,建筑越来越密集,火灾环境日益复杂,加大了火灾救援难度,救援手段也十分有限,尤其是人口密集区域,如果火灾不能及时扑救,将造成难以估量的损失。借助火灾检测技术,对早期火灾进行预警,并及时采取有效的应对措施,将火灾扼制在初期使其造成较小危害,可以有效消除火灾带来的不利影响,避免火灾后期处理的弊端。
火灾发生时伴随着多个环境参量的改变,如温度、烟雾浓度、火焰有无等,通过对相应环境参量的检测,设定阈值进行比较,可以达到判断火灾是否发生的目的。现有火灾检测系统,大多采用单一传感器,针对单个火灾参量进行报警,由于环境信息量少,火灾误报漏报率较高。采用多传感器通过对火灾环境的多个参量提取,将系统获取的多个信息进行融合,产生更精确的多传感器判断,不仅克服了单一传感器获取数据的局限性,而且获取的火灾信息更加全面,目前少数多传感器火灾检测系统的出现,一定程度上提高了火灾检测的准确性,但由于对多传感器信息缺乏融合机制,在对火灾全局检测精度仍有不足,且普遍检测速度较慢,当传感器数量增多时,问题更加突出。
发明内容
有鉴于此,本发明的目的在于提供一种基于分层模糊融合的多传感器火灾检测方法,将常规模糊系统的模糊规则库进行简化,既保证火灾检测的鲁棒性和准确性,又显著地提高火灾的检测效率。
为实现上述目的,本发明采用如下技术方案:
一种基于分层模糊融合的多传感器火灾检测方法,包括以下步骤:
步骤S1:采集环境中火焰信号、温度、温度变化率、一氧化碳浓度和烟雾浓度数据,并进行归一化处理;;
步骤S2:构建分层模糊数据推理模型,包括第一级模糊数据推理模型和第二模糊数据推理模型;
步骤S3:模糊化温度和温度变化率数据,输入第一级模糊数据推理模型,并根据第一级模糊推理计算输出第一级判断结果;
步骤S4:对第一级判断结果进行去模糊化处理;
步骤S5:模糊化火焰信号、一氧化碳浓度、烟雾浓度数据和第一级判断结果,并输入至第二级模糊数据推理模型,并根据第二级模糊推理计算得到第二级判断结果;
步骤S6:采用去模糊化处理第二级判断结果,得到火灾发生的概率;
步骤S7:将得到的火灾的概率值与预设阈值比较,若小于阈值认为无火灾发生,反之则发生火灾。
进一步的,所述步骤S1数据采集具体为:火焰信号采用红外火焰检测模块检测,温度采用DS18B20数字温度传感器采集,烟雾检测采用MQ-2模块采集,一氧化碳检测采用MQ-7模块采集。
进一步的,温度、温度变化率、一氧化碳浓度、烟雾浓度、火焰信号、第一级判断结果、火灾概率模糊化后的状态数分别为3个、3个、3个、3个、2个、2个和3个;
进一步的,采用高斯型隶属度函数来模糊化温度、温度变化率、一氧化碳浓度、烟雾浓度、第一级判断结果和火灾概率对应的状态,隶属度函数的表达式为
式中,x为归一化后的火灾参量值,参数a决定函数曲线的宽度,参数c决定函数曲线的中心。
进一步的,采用三角形隶属度函数来模糊化火焰信号,函数表达式为
式中,e,h,g=0和e,h,g=1分别对应火焰信号的2个模糊化状态。
进一步的,所述第一级模糊推理具体为:P1i:若M1是A1i,且M2是A2i,则σ1是C1i;
其中P1i表示第一层模糊推理模型的第i条规则,Mj=1,2表示第一层模糊推理系统的第j个输入,Aji表示第一层模糊推理系统第j个输入对应的隶属度函数,σ1表示第一层模糊推理系统的输出,C1i表示σ1对应的隶属度函数。
进一步的,所述第二级模糊推理具体为:P2i:若N1是B1i,且N2是B2i,且N3是B3i,且N4是B4i,则σ2是C2i
其中P2i表示第二层模糊推理系统的第i条规则,Nk=1,2,3,4表示第二层模糊推理系统的第k个输入,Bki表示第二层模糊推理系统第k个输入对应的隶属度函数,σ2表示第二层模糊推理系统的输出,C2i表示σ2对应的隶属度函数。
进一步的,所述步骤S4具体为:
其中,O1为第一级模糊推理模型去模糊化输出结果,n1表示第一级模糊推理输出的个数,E1i表示模糊模糊推理各个输出值对应的输出状态隶属度函数峰值对应的输出状态值,第一级对应于第一级判断结果的隶属度函数,D2i表示模糊推理各条规则的输出值。
进一步的,所述步骤S6具体为:
其中,O2为第二级模糊推理模型的输出结果,n2表示第二级模糊推理输出的个数,E2i分别表示模糊推理各个输出值对应的输出状态隶属度函数峰值对应的输出状态值,第二级对应于火灾概率的隶属度函数,D2i表示模糊推理各条规则的输出值。
本发明与现有技术相比具有以下有益效果:
1、本发明基于多个传感器信息,参量包括火焰信号、温度变化率、温度、一氧化碳浓度、烟雾浓度,保证火灾判断的全面性,有效提高火灾判断准确率;
2、本发明采用两级模糊推理系统进行设计,规则库规则数量可减少至39条,有效降低系统计算复杂度,保证系统的实时性,提高火灾检测效率。
附图说明
图1是本发明系统结构图;
图2是本发明归一化温度值的隶属度函数曲线图;
图3是本发明归一化温度变化率的隶属度函数曲线图
图4是本发明第一级输出值的隶属度函数曲线图
图5是本发明归一化一氧化碳浓度值的隶属度函数曲线图
图6是本发明归一化烟雾浓度值的隶属度函数曲线图
图7是本发明火灾概率的隶属度函数曲线图
图8是本发明各火焰信号的隶属度函数曲线图;
图9是本发明实施例中多传感器火灾检测系统组成图。
具体实施方式
下面结合附图及实施例对本发明做进一步说明。
请参照图1,本发明提供一种基于分层模糊融合的多传感器火灾检测方法,包括以下步骤:
步骤S1:采集环境中火焰信号(F)、温度(T)、温度变化率(TC)、一氧化碳浓度(CC)和烟雾浓度数据(SC),并进行归一化处理;
步骤S2:构建分层模糊数据推理模型,包括第一级模糊数据推理模型和第二模糊数据推理模型;
步骤S3:模糊化温度和温度变化率数据,输入第一级模糊数据推理模型,并根据第一级模糊推理计算输出第一级判断结果(FJ);
步骤S4:对第一级判断结果进行去模糊化处理;
步骤S5:模糊化火焰信号、一氧化碳浓度、烟雾浓度数据和第一级判断结果,并输入至第二级模糊数据推理模型,并根据第二级模糊推理计算得到第二级判断结果;
步骤S6:采用去模糊化处理第二级判断结果,得到火灾发生的概率;
步骤S7:将得到的火灾的概率值与预设阈值比较,若小于阈值认为无火灾发生,反之则发生火灾。
本实施例,确定分层模糊数据融合系统各输入量和输出量模糊化后的状态个数如表1所示:
表1模糊化状态个数表
在本实施例中,采用高斯型隶属度函数来模糊化温度、温度变化率、一氧化碳浓度、烟雾浓度、第一级判断结果和火灾概率对应的状态,隶属度函数的表达式为
式中,x为归一化后的火灾参量值,参数a决定函数曲线的宽度,参数c决定函数曲线的中心。不同火灾参量输入状态对应的a和c值如表1所示,函数曲线如图2-图8所示。
表2a和c取值表
进一步的,采用三角形隶属度函数来模糊化火焰信号,函数表达式为
式中,e,h,g=0对应火焰信号的模糊化状态n,e,h,g=1对应火焰信号的模糊化y。
进一步的,所述第一级模糊推理具体为:P1i:若M1是A1i,且M2是A2i,则σ1是C1i;
其中P1i表示第一层模糊推理模型的第i条规则,Mj=1,2表示第一层模糊推理系统的第j个输入,Aji表示第一层模糊推理系统第j个输入对应的隶属度函数,σ1表示第一层模糊推理系统的输出,C1i表示σ1对应的隶属度函数。
进一步的,所述第二级模糊推理具体为:P2i:若N1是B1i,且N2是B2i,且N3是B3i,且N4是B4i,则σ2是C2i
其中P2i表示第二层模糊推理系统的第i条规则,Nk=1,2,3,4表示第二层模糊推理系统的第k个输入,Bki表示第二层模糊推理系统第k个输入对应的隶属度函数,σ2表示第二层模糊推理系统的输出,C2i表示σ2对应的隶属度函数。
进一步的,所述步骤S4具体为:
其中,O1为第一级模糊推理模型去模糊化输出结果,n1表示第一级模糊推理输出的个数,E1i表示模糊模糊推理各个输出值对应的输出状态隶属度函数峰值对应的输出状态值,第一级对应于FJ的隶属度函数,D2i表示模糊推理各条规则的输出值。
进一步的,所述步骤S6具体为:
其中,O2为第二级模糊推理模型的输出结果,n2表示第二级模糊推理输出的个数,E2i分别表示模糊推理各个输出值对应的输出状态隶属度函数峰值对应的输出状态值,第二级对应于FP的隶属度函数,D2i表示模糊推理各条规则的输出值。
参照图9,本实施例实体系统由多传感器火灾检测系统组成构建,系统主要包括传感器单元、DSP数据处理单元、无线数传模块和计算机监控中心。传感器单元中,火焰信号采用红外火焰检测模块检测,温度采用DS18B20数字温度传感器,烟雾检测采用MQ-2模块,一氧化碳检测采用MQ-7模块。传感器数据通过DSP数据处理单元数据接口进行采集,分层模糊推理系统算法在DSP内进行实现,DSP数据处理单元根据采集数据进行相关处理后,再将相关数据和处理结果通过无线数传模块传输给计算机监控中心进行显示,当出现火灾判断时,可远程发出警报。
本实施例第一级推理模型采用的推理规则为:
(1)如果(TC是cs)且(T是rtl)则(FJ是pl);
(2)如果(TC是cs)且(T是rtm)则(FJ是pm);
(3)如果(TC是cs)且(T是rts)则(FJ是pm);
(4)如果(TC是cm)且(T是rtl)则(FJ是pl);
(5)如果(TC是cm)且(T是rtm)则(FJ是pl);
(6)如果(TC是cm)且(T是rts)则(FJ是pm);
(7)如果(TC是cl)则(FJ是pl);
本实施例第二级推理模型采用的推理规则为:
(1)如果(FJ是pl)且(CC是l)且(SC是l)且(F是y)则(FP是pa);
(2)如果(FJ是pl)且(CC是l)且(SC是l)且(F是n)则(FP是pl);
(3)如果(FJ是pl)且(CC是l)且(SC是m)且(F是y)则(FP是pa);
(4)如果(FJ是pl)且(CC是l)且(SC是m)且(F是n)则(FP是pl);
(5)如果(FJ是pl)且(CC是l)且(SC是s)且(F是y)则(FP是pa);
(6)如果(FJ是pl)且(CC是l)且(SC是s)且(F是n)则(FP是pl);
(7)如果(FJ是pl)且(CC是m)且(SC是l)且(F是y)则(FP是pa);
(8)如果(FJ是pl)且(CC是m)且(SC是l)且(F是n)则(FP是pl);
(9)如果(FJ是pl)且(CC是m)且(SC是m)且(F是y)则(FP是pa);
(10)如果(FJ是pl)且(CC是m)且(SC是m)且(F是n)则(FP是pl);
(11)如果(FJ是pl)且(CC是m)且(SC是s)且(F是y)则(FP是pl);
(12)如果(FJ是pl)且(CC是m)且(SC是s)且(F是n)则(FP是pm);
(13)如果(FJ是pl)且(CC是s)且(SC是l)且(F是y)则(FP是pl);
(14)如果(FJ是pl)且(CC是s)且(SC是l)且(F是n)则(FP是pm);
(15)如果(FJ是pl)且(CC是s)且(SC是m)且(F是y)则(FP是pl);
(16)如果(FJ是pl)且(CC是s)且(SC是m)且(F是n)则(FP是pm);
(17)如果(FJ是pl)且(CC是s)且(SC是s)且(F是y)则(FP是pl);
(18)如果(FJ是pl)且(CC是s)且(SC是s)且(F是n)则(FP是pm);
(19)如果(FJ是pm)且(CC是l)且(SC是l)则(FP是pl);
(20)如果(FJ是pm)且(CC是l)且(SC是m)则(FP是pl);
(21)如果(FJ是pm)且(CC是l)且(SC是s)且(F是y)则(FP是pl);
(22)如果(FJ是pm)且(CC是l)且(SC是s)且(F是n)则(FP是pm);
(23)如果(FJ是pm)且(CC是m)且(SC是l)且(F是y)则(FP是pl);
(24)如果(FJ是pm)且(CC是m)且(SC是l)且(F是n)则(FP是pm);
(25)如果(FJ是pm)且(CC是m)且(SC是m)且(F是y)则(FP是pl);
(26)如果(FJ是pm)且(CC是m)且(SC是m)且(F是n)则(FP是pm);
(27)如果(FJ是pm)且(CC是m)且(SC是s)且(F是y)则(FP是pl);
(28)如果(FJ是pm)且(CC是m)且(SC是s)且(F是n)则(FP是pm);
(29)如果(FJ是pm)且(CC是s)且(SC是l)且(F是y)则(FP是pl);
(31)如果(FJ是pm)且(CC是s)且(SC是l)且(F是n)则(FP是pm);
(31)如果(FJ是pm)且(CC是s)且(SC是m)则(FP是pm);
(32)如果(FJ是pm)且(CC是s)且(SC是s)则(FP是pm);
实施例1:
本发明在420cm*840cm*320cm的室内环境下进行火灾检测测试,定点点燃面积约为500cm2的火堆,燃烧物为普通A4打印纸,由于火堆较小,温度变化率为0,并规定当火灾概率FP<0.45时,无火灾发生,测试数据如表3所示,测试效果良好,结果准确。
表3系统实际测试数据
实际火灾情况 | 火焰 | 温度 | 温度变化率 | 一氧化碳浓度 | 烟雾浓度 | 火灾概率 | 判断结果 |
火堆未点燃阶段 | 0 | 0.26 | 0 | 0.2 | 0.06 | 0.286 | 无火灾 |
火堆稳定燃烧阶段 | 1 | 0.28 | 0 | 0.28 | 0.06 | 0.454 | 发生火灾 |
火堆燃烧最旺阶段 | 1 | 0.3 | 0 | 0.48 | 0.06 | 0.603 | 发生火灾 |
火堆燃烧减弱阶段 | 1 | 0.3 | 0 | 0.56 | 0.07 | 0.664 | 发生火灾 |
火堆完全熄灭 | 0 | 0.3 | 0 | 0.4 | 0.06 | 0.286 | 无火灾 |
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (9)
1.一种基于分层模糊融合的多传感器火灾检测方法,其特征在于,包括以下步骤:
步骤S1:采集环境中火焰信号、温度、温度变化率、一氧化碳浓度和烟雾浓度数据,并进行归一化处理;
步骤S2:构建分层模糊数据推理模型,包括第一级模糊数据推理模型和第二模糊数据推理模型;
步骤S3:模糊化温度和温度变化率数据,输入第一级模糊数据推理模型,并根据第一级模糊推理计算输出第一级判断结果;
步骤S4:对第一级判断结果进行去模糊化处理;
步骤S5:模糊化火焰信号、一氧化碳浓度、烟雾浓度数据和第一级判断结果,并输入至第二级模糊数据推理模型,并根据第二级模糊推理计算得到第二级判断结果;
步骤S6:采用去模糊化处理第二级判断结果,得到火灾发生的概率;
步骤S7:将得到的火灾的概率值与预设阈值比较,若小于阈值认为无火灾发生,反之则发生火灾。
2.根据权利要求1所述基于分层模糊融合的多传感器火灾检测方法,其特征在于:所述步骤S1数据采集具体为:火焰信号采用红外火焰检测模块检测,温度采用DS18B20数字温度传感器采集,烟雾检测采用MQ-2模块采集,一氧化碳检测采用MQ-7模块采集。
3.根据权利要求1所述的基于分层模糊融合的多传感器火灾检测方法,其特征在于:温度、温度变化率、一氧化碳浓度、烟雾浓度、火焰信号、第一级判断结果,火灾概率模糊化后的状态数分别为3个、3个、3个、3个、2个、2个和3个。
4.根据权利要求1所述的基于分层模糊融合的多传感器火灾检测方法,其特征在于:采用高斯型隶属度函数来模糊化温度、温度变化率、一氧化碳浓度、烟雾浓度、第一级判断结果和火灾概率对应的状态,隶属度函数的表达式为
式中,x为归一化后的火灾参量值,参数a决定函数曲线的宽度,参数c决定函数曲线的中心。
5.根据权利要求1所述的基于分层模糊融合的多传感器火灾检测方法,其特征在于:采用三角形隶属度函数来模糊化火焰信号,函数表达式为
式中,e,h,g=0和e,h,g=1分别对应火焰信号的2个模糊化状态。
6.根据权利要求1所述的基于分层模糊融合的多传感器火灾检测方法,其特征在于:所述第一级模糊推理具体为:P1i:若M1是A1i,且M2是A2i,则σ1是C1i;
其中P1i表示第一层模糊推理模型的第i条规则,Mj=1,2表示第一层模糊推理系统的第j个输入,Aji表示第一层模糊推理系统第j个输入对应的隶属度函数,σ1表示第一层模糊推理系统的输出,C1i表示σ1对应的隶属度函数。
7.根据权利要求1所述的基于分层模糊融合的多传感器火灾检测方法,其特征在于:所述第二级模糊推理具体为:P2i:若N1是B1i,且N2是B2i,且N3是B3i,且N4是B4i,则σ2是C2i
其中P2i表示第二层模糊推理系统的第i条规则,Nk=1,2,3,4表示第二层模糊推理系统的第k个输入,Bki表示第二层模糊推理系统第k个输入对应的隶属度函数,σ2表示第二层模糊推理系统的输出,C2i表示σ2对应的隶属度函数。
8.根据权利要求1所述的基于分层模糊融合的多传感器火灾检测方法,其特征在于:所述步骤S4具体为:
其中,O1为第一级模糊推理模型去模糊化输出结果,n1表示第一级模糊推理输出的个数,E1i表示模糊模糊推理各个输出值对应的输出状态隶属度函数峰值对应的输出状态值,第一级对应于第一级判断结果的隶属度函数,D2i表示模糊推理各条规则的输出值。
9.根据权利要求1所述的基于分层模糊融合的多传感器火灾检测方法,其特征在于:所述步骤S6具体为:
其中,O2为第二级模糊推理模型的输出结果,n2表示第二级模糊推理输出的个数,E2i分别表示模糊推理各个输出值对应的输出状态隶属度函数峰值对应的输出状态值,第二级对应于火灾概率的隶属度函数,D2i表示模糊推理各条规则的输出值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811346220.4A CN109255921A (zh) | 2018-11-13 | 2018-11-13 | 一种基于分层模糊融合的多传感器火灾检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811346220.4A CN109255921A (zh) | 2018-11-13 | 2018-11-13 | 一种基于分层模糊融合的多传感器火灾检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109255921A true CN109255921A (zh) | 2019-01-22 |
Family
ID=65043597
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811346220.4A Pending CN109255921A (zh) | 2018-11-13 | 2018-11-13 | 一种基于分层模糊融合的多传感器火灾检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255921A (zh) |
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111105583A (zh) * | 2019-12-27 | 2020-05-05 | 湖南长高思瑞自动化有限公司 | 基于多传感器的火灾监测方法及装置 |
CN111627181A (zh) * | 2020-06-28 | 2020-09-04 | 四川旷谷信息工程有限公司 | 融合多源参数及其梯度信息的综合管廊火灾预警方法 |
CN111862557A (zh) * | 2019-04-24 | 2020-10-30 | 广州煜煊信息科技有限公司 | 一种基于物联网监测方式的家庭事故处理方法 |
CN111862558A (zh) * | 2020-01-07 | 2020-10-30 | 武汉烽火富华电气有限责任公司 | 一种火灾探测信号的智能处理方法 |
CN111915833A (zh) * | 2020-07-15 | 2020-11-10 | 山东省科学院自动化研究所 | 受限空间内火灾多元探测装置及探测方法 |
CN112286190A (zh) * | 2020-10-26 | 2021-01-29 | 中国人民解放军国防科技大学 | 安防巡视预警方法与系统 |
CN113313903A (zh) * | 2021-04-06 | 2021-08-27 | 中国船舶重工集团公司第七0三研究所 | 一种多参数数据融合火灾判定方法 |
CN114743335A (zh) * | 2021-11-29 | 2022-07-12 | 国家电网有限公司 | 基于模糊神经网络的电缆沟道火灾预警方法 |
CN115376266A (zh) * | 2022-08-19 | 2022-11-22 | 广州市万保职业安全事务有限公司 | 一种基于aiot的火灾安全风险预警方法与系统 |
CN117669744A (zh) * | 2023-12-14 | 2024-03-08 | 武汉大学 | 一种混合位信息模糊系统及方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19603828A1 (de) * | 1996-02-02 | 1997-08-07 | Sel Alcatel Ag | Vorrichtung zum Erzeugen eines Alarmes und zur Überwachung eines Gebietes |
CN101118419A (zh) * | 2007-09-18 | 2008-02-06 | 郑州大学 | 基于统一模型的分层模糊系统 |
KR101534777B1 (ko) * | 2015-01-29 | 2015-07-09 | 지투파워 (주) | 다중영역의 온도열화 감지 기능을 구비한 배전반(고압배전반, 저압배전반, 분전반, 모터제어반) |
CN105185022A (zh) * | 2015-10-21 | 2015-12-23 | 国家电网公司 | 基于多传感器信息融合的变电站火灾探测系统及探测信息融合方法 |
CN105827195A (zh) * | 2016-03-18 | 2016-08-03 | 许继集团有限公司 | 一种光伏组件清洗方法 |
-
2018
- 2018-11-13 CN CN201811346220.4A patent/CN109255921A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE19603828A1 (de) * | 1996-02-02 | 1997-08-07 | Sel Alcatel Ag | Vorrichtung zum Erzeugen eines Alarmes und zur Überwachung eines Gebietes |
CN101118419A (zh) * | 2007-09-18 | 2008-02-06 | 郑州大学 | 基于统一模型的分层模糊系统 |
KR101534777B1 (ko) * | 2015-01-29 | 2015-07-09 | 지투파워 (주) | 다중영역의 온도열화 감지 기능을 구비한 배전반(고압배전반, 저압배전반, 분전반, 모터제어반) |
CN105185022A (zh) * | 2015-10-21 | 2015-12-23 | 国家电网公司 | 基于多传感器信息融合的变电站火灾探测系统及探测信息融合方法 |
CN105827195A (zh) * | 2016-03-18 | 2016-08-03 | 许继集团有限公司 | 一种光伏组件清洗方法 |
Non-Patent Citations (2)
Title |
---|
周志刚: "智能家居防火系统的算法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》 * |
蒋林 等: "一种分层模糊控制的灭火机器人火源寻踪", 《机械设计与制造》 * |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111862557A (zh) * | 2019-04-24 | 2020-10-30 | 广州煜煊信息科技有限公司 | 一种基于物联网监测方式的家庭事故处理方法 |
CN111105583A (zh) * | 2019-12-27 | 2020-05-05 | 湖南长高思瑞自动化有限公司 | 基于多传感器的火灾监测方法及装置 |
CN111862558A (zh) * | 2020-01-07 | 2020-10-30 | 武汉烽火富华电气有限责任公司 | 一种火灾探测信号的智能处理方法 |
CN111627181A (zh) * | 2020-06-28 | 2020-09-04 | 四川旷谷信息工程有限公司 | 融合多源参数及其梯度信息的综合管廊火灾预警方法 |
CN111627181B (zh) * | 2020-06-28 | 2021-11-23 | 四川旷谷信息工程有限公司 | 融合多源参数及其梯度信息的综合管廊火灾预警方法 |
CN111915833A (zh) * | 2020-07-15 | 2020-11-10 | 山东省科学院自动化研究所 | 受限空间内火灾多元探测装置及探测方法 |
CN112286190A (zh) * | 2020-10-26 | 2021-01-29 | 中国人民解放军国防科技大学 | 安防巡视预警方法与系统 |
CN113313903A (zh) * | 2021-04-06 | 2021-08-27 | 中国船舶重工集团公司第七0三研究所 | 一种多参数数据融合火灾判定方法 |
CN114743335A (zh) * | 2021-11-29 | 2022-07-12 | 国家电网有限公司 | 基于模糊神经网络的电缆沟道火灾预警方法 |
CN115376266A (zh) * | 2022-08-19 | 2022-11-22 | 广州市万保职业安全事务有限公司 | 一种基于aiot的火灾安全风险预警方法与系统 |
CN117669744A (zh) * | 2023-12-14 | 2024-03-08 | 武汉大学 | 一种混合位信息模糊系统及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255921A (zh) | 一种基于分层模糊融合的多传感器火灾检测方法 | |
Lam et al. | Occupancy detection through an extensive environmental sensor network in an open-plan office building | |
CN111640136B (zh) | 一种复杂环境中的深度目标跟踪方法 | |
CN106682635A (zh) | 一种基于随机森林特征选择的烟雾检测方法 | |
CN108596009A (zh) | 一种用于农机自动驾驶的障碍物检测方法和系统 | |
CN103533571A (zh) | 基于投票策略的容错事件检测方法 | |
CN104732559A (zh) | 一种基于rgb-d数据的多目标检测与跟踪方法 | |
CN109492708A (zh) | 一种基于ls-knn的管道漏磁内检测缺失数据插补方法 | |
CN106875613A (zh) | 一种火警态势分析方法 | |
CN102270305B (zh) | 一种基于msbn的多智能体协同目标识别方法 | |
CN106991418A (zh) | 飞虫检测方法、装置及终端 | |
CN111986436A (zh) | 一种基于紫外、深度神经网络的综合火焰检测方法 | |
CN111912937A (zh) | 一种室内突发污染物智能实时溯源方法及系统 | |
Nakıp et al. | Multi-sensor fire detector based on trend predictive neural network | |
Chang et al. | A study of drift effect in a popular metal oxide sensor and gas recognition using public gas datasets | |
CN104200599B (zh) | 公交车多传感器火灾检测方法 | |
CN104080108B (zh) | 一种针对无线传感网络数据的可变阈值异常点检测方法 | |
CN115456075A (zh) | 一种目标行为异常预警的处理系统及方法 | |
CN111354019B (zh) | 一种基于神经网络的视觉跟踪失效检测系统及其训练方法 | |
Kothari et al. | An efficient scheme for water leakage detection using support vector machines (SVM)-Zig | |
Zhang et al. | The intelligent engine start-stop trigger system based on the actual road running status | |
Li et al. | Intelligent fire monitoring system based on the information fusion algorithm | |
KR20230063742A (ko) | 계층적 cnn을 이용한 스마트 팩토리에서의 제품 불량 탐지 방법 및 이를 기록한 기록매체 | |
Li et al. | Smoking behavior recognition based on a two-level attention fine-grained model and EfficientDet network | |
CN107327334A (zh) | 一种汽车尾气排放故障诊断系统 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190122 |