CN110288789B - 一种建筑物电气消防报警装置及其控制方法 - Google Patents

Abstract

本发明公开了一种建筑物电气消防报警装置，包括：信息采集模块，其用于采集目标建筑物的基础电气信息及当前消防设施设备的信息；应急模块，其包括备用电源、继电器、信号编码器、逃生指示灯；警报模块，其用于发出警报；控制器，其连接所述采集模块、所述应急模块和所述警报模块，用于处理分析所述采集模块采集的信息，并作出判断和指示，将控制应急模块和警报模块的工作状态。本发明提供了一种建筑物电气消防报警装置，能够实时监测目标建筑物的电气消防情况，并作出合适的预警。

Description

一种建筑物电气消防报警装置及其控制方法

技术领域

本发明涉及建筑物消防安全领域，尤其涉及一种建筑物电气消防报警装置及其控制方法。

背景技术

随着居民生活水平不断提高、工业标准化建设不断加快，城市化进程不断推进，人们的消防安全意识和管理水平也在与时俱进。

对已有建筑物中的各类消防系统和设备，目前还未成形完善的常态化监测体系，建筑物的消防安全管理大多处于一种被动状态，即常常在发生火灾后或建筑出现较大火灾隐患后才开始对建筑消防安全状态进行评估和改善。建筑消防安全管理缺乏常态化、制度化、规范化的工作机制，仍存在诸多问题亟待解决，比如人员对建筑物内消防设施设备的状态了解不全面，无法识别建筑物整体安全情况和存在的火灾隐患；单位消防管理人员、巡查检查人员以及维保检测人员对消防法律法规和技术标准不了解，对消防自动设施和设备使用操作不熟悉，维护保养不到位；日常消防安全管理工作单纯依靠巡查检查发现火灾隐患和设备异常，无法有效控制火灾风险，保证建筑的消防安全状态。

发明内容

本发明为解决目前的技术不足之处，提供了一种建筑物电气消防报警装置，能够实时监测目标建筑物的电气消防情况，并作出合适的预警。

本发明还提供了一种建筑物电气消防报警装置的控制方法，能够根据监测到的建筑物电气消防状态，实时评估并作出警报。

本发明提供的技术方案为：一种建筑物电气消防报警装置，包括：

信息采集模块，其用于采集目标建筑物的基础电气信息及当前消防设施设备的信息；

应急模块，其包括备用电源、继电器、信号编码器、逃生指示灯；

警报模块，其用于发出警报；

控制器，其连接所述采集模块、所述应急模块和所述警报模块，用于处理分析所述采集模块采集的信息，并作出判断和指示，将控制应急模块和警报模块的工作状态。

优选的是，还包括：

消防装置，其与所述控制器连接，用于消防保护；

所述消防装置包括：

多个喷头，其设置在目标建筑物的电气设备旁；

介质管道，其与所述喷头连接，所述介质管道内充斥消防介质；

控制阀门，其设置在所述介质管道处，连接所述喷头，所述控制阀门与所述控制器连接。

优选的是，所述警报装置还包括：

蜂鸣器，其与所述控制器连接，发出警报预警信息；

警报灯，其与所述控制器连接，闪烁发出警报信息。

优选的是，

所述采集模块还包括：

红外感应温度测试仪，其用于监测电缆温度；

烟雾浓度传感器，其用于监测目标建筑物内电气设备附近的烟雾浓度；

温度传感器，其用于监测目标建筑物内的温度；

湿度传感器，其用于监测目标建筑物内的湿度；

泄漏电流测试仪，其用于监测目标建筑物的电气设备的泄漏电流。

一种建筑物电气消防报警装置的控制方法，还包括：

步骤一、按照采样周期，采集目标建筑物配电单元的环境温度T、环境湿度RH、电缆温度T′、环境烟雾浓度C、泄漏电流I，并确定安全评估指数ξ；

步骤二、依次将上述参数进行规格化，确定三层BP神经网络的输入层神经元向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}，其中，x₁为环境温度系数、x₂为环境湿度系数、x₃为电缆温度系数、x₄为环境烟雾浓度系数，x₅为泄漏电流系数，x₆为安全评估指数系数；

步骤三、所述输入层向量映射到隐层，所述隐层向量y＝{y₁,y₂,…,y_m}，m为隐层节点个数；

步骤四、得到输出层神经元向量o＝{o₁,o₂,o₃,o₄}；其中，o₁为设定的第1风险等级，o₂为设定的第2风险等级，o₃为设定的第3风险等级，o₄为设定的第4风险等级，所述输出层神经元值为

k为输出层神经元序列号，k＝{1,2,3,4}，i为设定的第i个风险等级，i＝{1,2,3,4}，当o_k为1时，此时，目标建筑物电气消防处于o_k对应的风险等级；

步骤5、所述第1风险等级为安全状态，对目标建筑物电气消防无需做出保护措施，所述第2风险等级为警告状态，对目标建筑物电气消防需要做出监视预警，所述第3风险等级为危险状态，对目标建筑物电气消防需要保护措施，所述第4风险等级为高度危险等级，对目标建筑物和目标建筑物电气消防需要做出紧急保护措施。

优选的是，

所述安全评估指数ξ计算方法为：

其中，κ为校正因子，T为环境温度、RH为环境湿度、T′为电缆温度、C为环境烟雾浓度、I为泄漏电流、I₀为比较泄漏电流、C₀为比较环境烟雾浓度，T₀′为比较电缆温度、T₀为比较环境温度、RH₀为比较环境湿度，e为自然对数的底数。

优选的是，

所述隐层节点个数m满足：

其中n为输入层节点个数，p为输出层节点个数。

优选的是，

将环境温度T、环境湿度RH、电缆温度T′、环境烟雾浓度C、泄漏电流I、安全评估指数ξ进行规格化的公式为：

其中，x_j为输入层向量中的参数，X_j分别为测量参数T、RH、T′、C、I、ξ，j＝1,2,3,4,5,6；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值。

优选的是，

当输出层神经元向量o＝o₄时，控制器控制阀门的开度K为：

其中，λ为修正系数，K_max为控制阀门的最大开度。

优选的是，

所述隐层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。

本发明所述的有益效果：本发明提供了一种建筑物电气消防报警装置，能够实时监测目标建筑物的电气消防情况，并作出合适的预警。本发明还提供了一种建筑物电气消防报警装置的控制方法，能够给予BP神经网络系统根据监测到的建筑物电气消防状态，实时评估并作出警报，保证建筑物的安全。

具体实施方式

下面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。

本发明的一种建筑物电气消防报警装置，包括：信息采集模块用于采集目标建筑物的基础电气信息及当前消防设施设备的信息；应急模块包括备用电源、继电器、信号编码器、逃生指示灯，当出现警报时，应急模块工作帮助建筑物内人流疏通。警报模块用于发出警报；控制器连接所述采集模块、所述应急模块和所述警报模块，用于处理分析所述采集模块采集的信息，并作出判断和指示，将控制应急模块和警报模块的工作状态。

本发明的建筑物电气消防报警装置还包括：消防装置与所述控制器连接，用于消防保护；所述消防装置包括：多个喷头设置在目标建筑物的电气设备旁；介质管道与所述喷头连接，所述介质管道内充斥消防介质；控制阀门设置在所述介质管道处，连接所述喷头，所述控制阀门与所述控制器连接，控制器可以控制控制阀门的开关及开度大小，在发生火灾时及时喷淋。

所述警报装置还包括：蜂鸣器与所述控制器连接，发出警报预警信息；警报灯与所述控制器连接，闪烁发出警报信息。

所述采集模块还包括：红外感应温度测试仪用于监测电缆温度；烟雾浓度传感器用于监测目标建筑物内电气设备附近的烟雾浓度；温度传感器用于监测目标建筑物内的温度；湿度传感器用于监测目标建筑物内的湿度；泄漏电流测试仪用于监测目标建筑物的电气设备的泄漏电流。

本发明通过建立BP神经网络模型对建筑物电气消防报警装控制，包括以下步骤：

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n个节点，对应了表示设备工作状态的n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m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p个节点，由系统实际需要输出的响应确定。

该网络的数学模型为：

输入向量：x＝(x₁,x₂,...,x_n)^T

中间层向量：y＝(y₁,y₂,...,y_m)^T

输出向量：o＝(o₁,o₂,...,o_p)^T

本发明中，输入层节点数为n＝6，输出层节点数为p＝4，隐藏层节点数m由下式估算得出：

输入层6个参数分别表示为：x₁为环境温度系数、x₂为环境湿度系数、x₃为电缆温度系数、x₄为环境烟雾浓度系数，x₅为泄漏电流系数，x₆为安全评估指数系数；

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，对于使用温度传感器测量的环境温度T，进行规格化后，得到环境温度系数x₁：

其中，T_min和T_max分别为温度传感器测量的最小环境温度和最大环境温度。

同样的，使用湿度传感器测量的环境湿度RH通过下式进行规格化，得到环境湿度系数x₂：

其中，RH_min和RH_max分别为湿度传感器测量的最小湿度和最大湿度。

使用泄漏电流测试仪测量得到泄漏电流I，进行规格化后，得到泄漏电流系数x₃：

其中，I_max和I_min分别为泄漏电流测试仪测量的最大泄漏电流和最小泄漏电流。

使用烟雾浓度传感器测量得到环境烟雾浓度C，进行规格化后，得到环境烟雾浓度系数x₄：

其中，C_max和C_min分别为烟雾浓度传感器测量的最大环境烟雾浓度和最小环境烟雾浓度。

使用泄漏电流测试仪测量得到泄漏电流I，进行规格化后，得到泄漏电流系数x₅：

其中，I_max和I_min分别为泄漏电流测试仪测量的最大泄漏电流和最小泄漏电流。

根据计算得到的安全评估指数系数ξ，进行规格化后，得到风险评估指数系数x₆：

其中，ξ_min和ξ_max分别为通过计算能够得到的最小安全评估指数系数和最大安全评估指数系数。

所述安全评估指数ξ计算方法为：

其中，κ为校正因子，T为环境温度、RH为环境湿度、T′为电缆温度、C为环境烟雾浓度、I为泄漏电流、I₀为比较泄漏电流、C₀为比较环境烟雾浓度，T₀′为比较电缆温度、T₀为比较环境温度、RH₀为比较环境湿度，e为自然对数的底数。

输出层4个参数分别表示为：o₁为设定的第1风险等级，o₂为设定的第2风险等级，o₃为设定的第3风险等级，o₄为设定的第4风险等级，所述输出层神经元值为

k为输出层神经元序列号，k＝{1,2,3,4}，i为设定的第i个风险等级，i＝{1,2,3,4}，当o_k为1时，此时，待监测建筑遗产处于o_k对应的风险等级。

步骤2、进行BP神经网络的训练。

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，隐层节点j和输出层节点k之间的连接权值。

(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；各子网训练时的输出样本如表1所示。

表1网络训练用的输出样本

步骤3、所述第1风险等级为安全状态，对目标建筑物电气消防无需做出保护措施，所述第2风险等级为警告状态，对目标建筑物电气消防需要做出监视预警，所述第3风险等级为危险状态，对目标建筑物电气消防需要保护措施，控制器控制应急模块工作；所述第4风险等级为高度危险等级，对目标建筑物和目标建筑物电气消防需要做出紧急保护措施。

当输出层神经元向量o＝o₄时，第4风险等级为高度危险等级。控制器控制阀门的开度K为：

其中，λ为修正系数，K_max为控制阀门的最大开度。

所述隐层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。

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实施例。

Claims (5)

1.一种建筑物电气消防报警装置的控制方法，其特征在于，包括：

步骤一、按照采样周期，采集目标建筑物配电单元的环境温度T、环境湿度RH、电缆温度T′、环境烟雾浓度C、泄漏电流I，并确定安全评估指数ξ；

步骤二、依次将上述参数进行规格化，确定三层BP神经网络的输入层神经元向量x＝{x₁,x₂,x₃,x₄,x₅,x₆}，其中，x₁为环境温度系数、x₂为环境湿度系数、x₃为电缆温度系数、x₄为环境烟雾浓度系数，x₅为泄漏电流系数，x₆为安全评估指数系数；

步骤三、所述输入层神经元向量映射到隐层，隐层向量y＝{y₁,y₂,…,y_m}，m为隐层节点个数；

步骤四、得到输出层神经元向量o＝{o₁,o₂,o₃,o₄}；其中，o₁为设定的第1风险等级，o₂为设定的第2风险等级，o₃为设定的第3风险等级，o₄为设定的第4风险等级，所述输出层神经元向量的值为

k为输出层神经元序列号，k＝{1,2,3,4}，i为设定的第i个风险等级，i＝{1,2,3,4}，当o_k为1时，此时，目标建筑物电气消防处于o_k对应的风险等级；

步骤五、所述第1风险等级为安全状态，对目标建筑物电气消防无需做出保护措施，所述第2风险等级为警告状态，对目标建筑物电气消防需要做出监视预警，所述第3风险等级为危险状态，对目标建筑物电气消防需要保护措施，所述第4风险等级为高度危险等级，对目标建筑物和目标建筑物电气消防需要做出紧急保护措施；

所述安全评估指数ξ计算方法为：

其中，κ为校正因子，T为环境温度、RH为环境湿度、T′为电缆温度、C为环境烟雾浓度、I为泄漏电流、I₀为比较泄漏电流、C₀为比较环境烟雾浓度，T′₀为比较电缆温度、T₀为比较环境温度、RH₀为比较环境湿度，e为自然对数的底数。

2.根据权利要求1所述的建筑物电气消防报警装置的控制方法，其特征在于，

所述隐层节点个数m满足：

其中n为输入层节点个数，p为输出层节点个数。

3.根据权利要求2所述的建筑物电气消防报警装置的控制方法，其特征在于，将环境温度T、环境湿度RH、电缆温度T′、环境烟雾浓度C、泄漏电流I、安全评估指数ξ进行规格化的公式为：

其中，x_j为输入层神经元向量中的参数，X_j分别为测量参数T、RH、T′、C、I、ξ，j＝1,2,3,4,5,6；X_jmax和X_jmin分别为相应测量参数中的最大值和最小值。

4.根据权利要求3所述的建筑物电气消防报警装置的控制方法，其特征在于，当所述输出层神经元向量的值为o₄时，控制器控制阀门的开度K为：

其中，λ为修正系数，K_max为控制阀门的最大开度。

5.根据权利要求4所述的建筑物电气消防报警装置的控制方法，其特征在于，

所述隐层及所述输出层的激励函数均采用S型函数f_j(x)＝1/(1+e^-x)。