CN111915833A - 受限空间内火灾多元探测装置及探测方法 - Google Patents
受限空间内火灾多元探测装置及探测方法 Download PDFInfo
- Publication number
- CN111915833A CN111915833A CN202010680888.3A CN202010680888A CN111915833A CN 111915833 A CN111915833 A CN 111915833A CN 202010680888 A CN202010680888 A CN 202010680888A CN 111915833 A CN111915833 A CN 111915833A
- Authority
- CN
- China
- Prior art keywords
- probability
- data
- sensor
- smoke
- fire
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 143
- 239000000779 smoke Substances 0.000 claims abstract description 80
- 229910052751 metal Inorganic materials 0.000 claims abstract description 18
- 239000002184 metal Substances 0.000 claims abstract description 18
- 238000004148 unit process Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 26
- 238000013528 artificial neural network Methods 0.000 claims description 20
- 238000010606 normalization Methods 0.000 claims description 19
- 230000004927 fusion Effects 0.000 claims description 17
- 238000000034 method Methods 0.000 claims description 15
- 239000004973 liquid crystal related substance Substances 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000001931 thermography Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 3
- 230000005611 electricity Effects 0.000 claims description 2
- 238000009423 ventilation Methods 0.000 claims description 2
- 230000011664 signaling Effects 0.000 claims 1
- 238000005516 engineering process Methods 0.000 description 13
- 238000012549 training Methods 0.000 description 13
- 238000009434 installation Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- XHCLAFWTIXFWPH-UHFFFAOYSA-N [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] Chemical compound [O-2].[O-2].[O-2].[O-2].[O-2].[V+5].[V+5] XHCLAFWTIXFWPH-UHFFFAOYSA-N 0.000 description 2
- 238000009529 body temperature measurement Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 238000007500 overflow downdraw method Methods 0.000 description 2
- 239000002245 particle Substances 0.000 description 2
- WSMQKESQZFQMFW-UHFFFAOYSA-N 5-methyl-pyrazole-3-carboxylic acid Chemical compound CC1=CC(C(O)=O)=NN1 WSMQKESQZFQMFW-UHFFFAOYSA-N 0.000 description 1
- 230000003321 amplification Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000005868 electrolysis reaction Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000006698 induction Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 239000007769 metal material Substances 0.000 description 1
- 238000003199 nucleic acid amplification method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005057 refrigeration Methods 0.000 description 1
- 230000003595 spectral effect Effects 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- -1 temperature Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 229910001935 vanadium oxide Inorganic materials 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- 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
- 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
- G08B17/117—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means by using a detection device for specific gases, e.g. combustion products, produced by the fire
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
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)
- Fire-Detection Mechanisms (AREA)
Abstract
本申请公开了受限空间内火灾多元探测装置,安装在受限空间内,进气管道的一端延伸到金属壳的外部,所述进气管道的另一端直通风机的进风口,风机的出风口与第一通气管道一端连接,第一通气管道的另外一端与CO气体探测腔体的进气口连接,CO气体探测腔体的出气口通过第二通气管道与烟雾探测腔体的进气口连接,烟雾探测腔体的出气口与出气管道的一端连接,出气管道的另外一端延伸到金属壳体的外部;烟雾探测腔体内设有烟雾传感器,所述CO气体探测腔体内设有CO气体传感器,受限空间内壁安装有温度传感器和红紫外传感器;所述传感器,均与主控电路板的主控制单元连接,由主控制单元对采集的数据进行处理,得到受限空间内火灾隐患的判断结果。
Description
技术领域
本申请涉及火灾探测技术领域,特别是涉及受限空间内火灾多元探测装置及探测方法。
背景技术
本部分的陈述仅仅是提到了与本申请相关的背景技术,并不必然构成现有技术。
数据机房、图书资料馆、文物馆、档案馆和一些精密仪器室等多种基础设施的共同点是空间大小有限,对温湿度等环境因素要求比较高,电线电缆等配电设施密集,而空间内图书文物档案资料或者精密仪器仪表等物品社会价值和实用价值比较高,这类受限空间一旦发生火灾将产生不可估量的损失,因此受限空间的火灾探测成为基础建设的一个重要环节。
在实现本申请的过程中,发明人发现现有技术中存在以下技术问题:
目前常用的受限空间火灾探测方式主要是单体火灾探测,包括感烟、感温、气体或者火焰探测方式等,探测方式简单单一,探测角度不全面,响应时间不及时;单体火灾探测失效或者外来因素干扰引起误报或漏报率高,不能及时有效的辨别受限空间火灾的真实危险情况;单体火灾探测的数据处理采用简单的数学算法来处理采集的特征数据,单一的数据信息无法应用现代信息融合技术和算法对火灾的特征数据进行组合优化,无法实现数据的全目标高层次多方位解析。
发明内容
为了解决现有技术的不足,本申请提供了受限空间内火灾多元探测装置及探测方法;能够实现对火灾的烟雾、CO气体、温度、火焰等多元探测,把多种火灾信号多角度多方位采集出来,利用信息融合技术和算法,寻找特征信息之间的规律,对数据信息进行分析解析、优化组合,运用人工神经网络和模糊推理方法,采取反复的样本训练将探测数据的误差降到最低,从而精确地判断火灾所处的阶段和类型,及时有效的采取灭火抑制措施。
第一方面,本申请提供了受限空间内火灾多元探测装置;
受限空间内火灾多元探测装置,安装在受限空间内,包括:
金属壳体,所述金属壳体内安装进气管道、出气管道、风机、烟雾探测腔体、CO气体探测腔体和主控制电路板;
所述进气管道的一端延伸到金属壳的外部,所述进气管道的另一端直通风机的进风口,风机的出风口与第一通气管道一端连接,第一通气管道的另外一端与CO气体探测腔体的进气口连接,CO气体探测腔体的出气口通过第二通气管道与烟雾探测腔体的进气口连接,烟雾探测腔体的出气口与出气管道的一端连接,出气管道的另外一端延伸到金属壳体的外部;
所述烟雾探测腔体内设有烟雾传感器,所述CO气体探测腔体内设有CO气体传感器,所述受限空间内壁安装有温度传感器和红紫外传感器;
所述烟雾传感器、CO气体传感器、温度传感器和红紫外传感器,均与主控电路板的主控制单元连接,由主控制单元对采集的数据进行处理,得到受限空间内火灾隐患的判断结果。
第二方面,本申请提供了基于信息融合的受限空间内火灾多元探测方法;
基于信息融合的受限空间内火灾多元探测方法,包括:
获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,对获取的数据均进行限幅和归一化处理;
将归一化处理后的数据,输入到预先训练好的BP神经网络中,输出明火第一概率和阴燃第一概率;
将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;
结合明火第一概率和明火第二概率,输出明火的最终概率值;结合阴燃第一概率和明火第二概率,输出阴燃的最终概率值;
当明火的最终概率值或阴燃的最终概率值大于设定阈值时,发出报警信号。
第三方面,本申请提供了基于信息融合的受限空间内火灾多元探测系统;
基于信息融合的受限空间内火灾多元探测系统,包括:
获取模块,其被配置为:获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,对获取的数据均进行限幅和归一化处理;
第一处理模块,其被配置为:将归一化处理后的数据,输入到预先训练好的BP神经网络中,输出明火第一概率和阴燃第一概率;
第二处理模块,其被配置为:将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;
输出模块,其被配置为:结合明火第一概率和明火第二概率,输出明火的最终概率值;结合阴燃第一概率和明火第二概率,输出阴燃的最终概率值;
当明火的最终概率值或阴燃的最终概率值大于设定阈值时,发出报警信号。
与现有技术相比,本申请的有益效果是:
本申请克服了烟雾传感器探测火灾的单一化,增加了CO探测、温度检测和火焰探测,多元传感器检测方法提高了抗外界干扰能力,减小了受限空间探测盲区,全面有效准确的把火灾信号传递出来,响应时间迅速,误报漏报率大大降低,更具有实用价值。
本申请提供了一种火灾多元探测装置和方法,把吸气式感烟探测、CO探测、温度检测、火焰探测等多元信息融合,采用模糊推理技术和人工神经网络方法提取火灾特征值,最小化误差,做出正确判断火灾信号的决策,提高了火灾探测的可靠性和准确性。
本申请采用卡片式热像温度传感器,温度检测支持点、线、框测温,采用红外热像测温可以不受受限空间光照不足、粉尘颗粒物干扰的环境影响,检测覆盖空间比例远远超过传统的测温传感器。
本申请增加了红紫外复合火焰探测,对一定波长范围的火焰红外光和紫外光进行探测,抗干扰能力强,能有效区分出受限空间明火和阴燃火,提高了火灾的辨别率,降低了误报漏报率。
附图说明
构成本申请的一部分的说明书附图用来提供对本申请的进一步理解,本申请的示意性实施例及其说明用于解释本申请,并不构成对本申请的不当限定。
图1为本申请受限空间火灾多元探测装置结构安装示意图;
图2为本申请受限空间火灾多元探测装置局部气流走向图;
图3为本申请受限空间火灾多元探测装置电路实施方式示意图;
图4为本申请受限空间火灾多元探测装置实现信息融合采取的方法示意图。
其中,1、进气管道;2、出气管道;3、出风口;4、烟雾探测腔体;5、风机、6、开关电源;7、液晶显示屏;8、备用蓄电池;9、外接端子;10、主控制电路板;11、金属壳体;12、CO气体探测腔体;13、第一通气管道;14第二通气管道。
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本申请提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本申请的示例性实施方式。如在这里所使用的,除非上下文另外明确指出,否则单数形式也意图包括复数形式,此外,还应当理解的是,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
另外,为了便于清楚描述本申请实施例的技术方案,在本申请实施例中,采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分。本领域技术人员可以理解“第一”、“第二”字样并不对数量和执行次序进行限定,并且“第一”、“第二”等字样也并不限定一定不同。
在不冲突的情况下,本申请中的实施例及实施例中的特征可以相互组合。
正如背景技术所介绍的,现有常用的受限空间火灾探测方式主要是单体火灾探测数据的采集,采用感烟、感温、气体或者火焰探测方式,探测方式简单单一,探测角度不全面,响应时间不及时;单体火灾探测传感器失效或者外来因素干扰引起误报或漏报率高,不能及时有效的辨别火灾的真实危险情况;单体火灾探测的数据处理采用简单的数学算法,无法应用信息融合技术和算法对火灾的特征数据进行组合优化,无法实现数据的全目标高层次多方位解析。
实施例一
本实施例提供了受限空间内火灾多元探测装置;
如图1所示,受限空间内火灾多元探测装置,安装在受限空间内,包括:
金属壳体11,所述金属壳体内安装进气管道1、出气管道2、风机5、烟雾探测腔体、CO气体探测腔体12和主控制电路板10;
所述进气管道的一端延伸到金属壳的外部,所述进气管道的另一端直通风机的进风口,风机的出风口3与第一通气管道13一端连接,第一通气管道的另外一端与CO气体探测腔体的进气口连接,CO气体探测腔体的出气口通过第二通气管道14与烟雾探测腔体的进气口连接,烟雾探测腔体4的出气口与出气管道的一端连接,出气管道的另外一端延伸到金属壳体的外部;
所述烟雾探测腔体内设有烟雾传感器,所述CO气体探测腔体内设有CO气体传感器,所述受限空间内壁安装有温度传感器和红紫外传感器;
所述烟雾传感器、CO气体传感器、温度传感器和红紫外传感器,均与主控电路板的主控制单元连接,由主控制单元对采集的数据进行处理,得到受限空间内火灾隐患的判断结果。
进一步地,进气管道内径是风机高度的2-3倍,进风口在风机的上表面,进风口和风机出风口呈90度角。
示例性的,所述受限空间,是指:数据机房、图书资料馆、文物馆、档案馆和一些精密仪器室。
进一步地,所述烟雾探测腔体和CO气体探测腔体,均为密封式腔体。
如图2所示,根据腔体内外负压差原理,探测气体由进气通道进入,通过出风口,排入通气管道,先后通过CO气体探测腔体和烟雾探测腔体,再由出气通道排出壳体,完成一次气体探测循环。
进一步地,所述金属壳体内部还安装有开关电源6和备用蓄电池8。
进一步地,所述金属壳体表面还安装有液晶显示屏7。
进一步地,所述主控制电路板设有外接端子9,所述外接端子安装在金属壳体表面。
进一步地,如图3所示,所述开关电源还与风机连接,所述开关电源还通过第一DC/DC模块与主控制单元连接,所述开关电源还通过第二DC/DC模块与温度传感器连接,所述开关电源还通过第二DC/DC模块与红紫外传感器连接,所述风速传感器还与烟雾传感器连接。
进一步地,所述主控制单元,还与主备电检测电路、存储器、液晶显示屏、声光报警装置、按键、时钟电路、通信模块连接。
进一步地,所述主备电检测电路,用于当主电交流220VAC断开时,开关电源自动无缝切换备用蓄电池供电;开关电源有两个小端子输出,当主电断开或者备用电池欠压时,端子输出高电平信号,两个小端子连接主控制单元的主备电检测电路,实现主电断开或者备电欠压故障的检测。
示例性的,所述通信模块,包括:无线局域网、蓝牙、全球导航卫星系统GNSS、调频FM、近距离无线通信技术NFC,红外技术IR等无线通信解决方案。
进一步地,所述烟雾传感器,为吸气式烟雾传感器。
进一步地,所述CO气体传感器,为吸气式CO气体传感器。
进一步地,温度传感器,为卡片式热成像温度传感器。
示例性的,卡片式热成像温度传感器采用非制冷氧化钒(Vox)传感器,热成像定焦镜头,利用红外热成像技术,将物体发出的不可见红外能量转变成电信号,经过放大滤波AD转换输出数字量的温度值。
进一步地,所述红紫外传感器,为红紫外火焰探测的紫外光电传感器和红外光电传感器。
示例性的,紫外光电传感器波长范围160-260nm,这个波段正是火焰中紫外线的波长范围,紫外光电传感器稳定性好,光特性的线性范围和频谱特性线性范围宽,对太阳光和室内照明光源不敏感;红外光电传感器采用钽酸锂热释电红外传感器,温度变化率1-2%,稳定性非常好,工作波长范围2~5μm,用于对明火中红外线的探测。紫外光电传感器和热释电红外光电传感器互相配合,有效排除其他光源的干扰,精确完成对火焰的探测,最后转换成火焰强度输出到总线。
进一步地,所述卡片式热成像温度传感器和红紫外传感器,均安装在受限空间内壁。
根据空间大小和容量选择安装位置,安装方式可采用磁吸安装、壁挂装等方式,灵活简便,通过485总线和主控制单元相连传输数采集数据信息。
进一步地,所述风速传感器,安装在烟雾探测腔体内。
进一步地,所述烟雾探测腔体内,还安装有红外发光管和光电传感器,这两者共同构成了烟雾传感器,红外发光管和光电传感器均与主控制单元连接;工作时,红外发光管向烟雾探测腔体内发射红外光,红外光遇到烟雾粒子后,经过反射,把光强度信号发送给光电传感器,光电传感器将光强度信号转换为电信号,电信号经过放大滤波处理后转换出烟雾浓度数据。
吸气式感烟探测、吸气式CO气体探测、卡片式热像温度检测、红紫外火焰探测同属于数据采集和感知部分;吸气式感烟探测和吸气式CO探测共用进气通道、风机、出气通道;吸气式感烟探测还包括烟雾探测腔、风速传感器、光电传感器、红外发光管;烟雾探测腔和CO气体探测腔体都位于一个密封壳体内,密封壳体对外设有进气口和出气口;风速传感器检测管道的气体流动速度,红外发光管发出一定波长的红外光,这种波长的红外光遇到烟雾粒子后,经过反射,把光信号强度有效的传送给光电传感器,光电传感器把光强度信号转变为电信号,再经过放大滤波AD转换后输出可解析的烟雾浓度信息;风速传感器、光电传感器和红外发光管同在烟雾探测板上,烟雾探测板安装在烟雾探测腔内。
CO气体探测包括CO气体探测腔、电化学CO传感器、CO气体传感器,CO传感器以定电位电解为基本原理,将化学能转化为电能,当CO探测腔中含有CO气体时,CO传感器输出端有电流输出,气体浓度发生变化时,气体传感器的输出电流也随之成正比变化,通过CO气体传感器中的I-V转换电路将电流信号转换变成电压信号,然后经过放大滤波AD转换,根据设定阈值和对应的比例算法得到CO浓度的大小,传送到控制电路。
烟雾探测腔体和CO探测腔体位于探测大腔体内,大腔体采用隔断进行隔离,各个腔体通过进气通道相互连通,根据内外压力差,利用风机把检测气体吸入大腔体,经过进气通道,海绵过滤,进入各腔体,然后通过出气通道,完成气体的腔体内循环。大腔体壳体采用金属材料,腔体密封,可以减少干扰光线的进入,同时提高探测板的电磁抗干扰能力,提高传感器采集数据的准确性。
本申请的发明装置电路实施方式如图3所示,开关电源由主电交流220V输入,输出直流24V,24V给风机供电,通过第一DC/DC模块(24V/5V)给主控制单元供电;并通过第二DC/DC模块(24V/12V)给温度传感器和红紫外传感器供电。
开关电源内部带有备用蓄电池充电电路,连接备用蓄电池,当主电交流220VAC断开时,开关电源自动无缝切换备用蓄电池供电;开关电源有两个小端子输出,当主电断开或者备用电池欠压时,端子输出高电平信号,两个小端子连接主控制单元的主备电检测电路,实现主电断开或者备电欠压故障的检测。
当有故障或者火灾报警信号时,主控制单元发信息给声光报警装置和液晶显示屏,液晶显示故障信息或者火灾信息,对应的故障灯或者报警灯点亮,蜂鸣器发出对应频率的声音报警。
烟雾传感器位于烟雾探测腔体内,风速传感器与烟雾传感器相连,通过检测风速来判断是否风机出现故障;CO气体传感器位于CO气体探测腔体内;温度传感器和红紫外传感器位于受限空间内壁,根据受限空间的大小和容量来选择合适的位置;温度传感器和红紫外传感器采集的特征数据通过485总线传送给主控制单元,温度传感器和红紫外传感器都有拨码开关用来设置地址,主控制单元根据不同的地址来区分特征数据的来源。
实施例二
本实施例提供了基于信息融合的受限空间内火灾多元探测方法;
基于信息融合的受限空间内火灾多元探测方法,包括:
S101:获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,对获取的数据均进行限幅和归一化处理;
S102:将归一化处理后的数据,输入到预先训练好的BP神经网络中,输出明火第一概率和阴燃第一概率;
S103:将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;
S104:结合明火第一概率和明火第二概率,输出明火的最终概率值;结合阴燃第一概率和明火第二概率,输出阴燃的最终概率值;
当明火的最终概率值或阴燃的最终概率值大于设定阈值时,发出报警信号。
进一步地,所述获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,是通过实施例一的受限空间内火灾多元探测装置获取的。
进一步地,所述发出报警信号,是指:
主控制单元通过声光报警装置发出报警信号,主控制单元通过液晶显示屏显示当前火情等级和火情发生时间。
进一步地,所述预先训练好的BP神经网络,训练步骤包括:
构建训练集,所述训练集为已知明火或阴燃结果的烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据;
将训练集输入BP神经网络中,对BP神经网络进行训练,得到训练好的BP神经网络。
进一步地,所述预先训练好的模糊推理系统,训练步骤包括:
构建训练集,所述训练集为已知明火或阴燃结果的烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据;
将训练集输入模糊推理系统中,对模糊推理系统进行训练,得到训练好的模糊推理系统。
进一步地,所述将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;具体工作原理包括:
将归一化处理后的数据,输入到预先训练好的模糊推理系统中,
预先训练好的模糊推理系统对归一化处理后的烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据进行模糊化处理,然后根据建立的模糊规则进行模糊推理,输出一个模糊量,模糊量去模糊化后得到一个清晰量值作为模糊推理系统输出。
火灾多元探测装置的主控制单元接收到烟雾浓度、CO气体浓度、温度和火焰强度四种数据信息后,采取限幅和归一化方法对采集数据进行处理,归一化方法就是为了防止出现小数值被大数值淹没的情况,对超过限幅值的物理量参数进行限幅处理,归一化后统一将其值设置为1。
经过处理后具有代表性的特征数据信息通过总线方式上传到上位机,上位机软件运用模糊推理技术和BP神经网络技术;
一方面运用MATLAB软件建立模糊推理系统,对烟雾浓度、CO气体浓度、温度和火焰强度进行模糊化,然后根据建立的模糊规则进行模糊推理,输出一个模糊量,模糊量去模糊化后得到一个清晰量值作为模糊推理系统输出;
另一个方面运用MATLAB软件建立BP神经网络融合器,以烟雾浓度、CO气体浓度、温度和火焰强度四种数据信息为输入,把通过实验采集到的数据预处理后作为训练样本输入到BP神经网络中进行训练,训练函数采用Levenberg-Marquard(简称L-M)算法,直到网络输出误差减少到最小。
BP神经网络和模糊推理后经过拟合分析归纳运算得出明火和阴燃的概率,最后决策判断得出火情结论。
当有火情通过通信模块传到主控制单元时,主控制单元控制声光报警模块进行声光报警,同时液晶屏显示出火情的等级和火情发生的时间,火情分为低级中级和高级预警,每级火灾预警都对应一个开关量输出;历史预警信息和故障信息都可以进行查询,也可以上传到上位机,对数据进行更细化的分析,为受限空间长期的火情趋势大数据分析提供有价值的参考。
本申请的发明装置信息融合方法实施方式如图4,信息融合技术分为三个层,信息层、特征层和决策层,温度传感器、CO气体传感器、烟雾传感器和红紫外传感器通过485总线将采集的烟雾浓度、CO气体浓度、温度和火焰强度传给主控制单元,主控制单元将各组数据进行限幅和归一方法处理,超过限幅值的物理量统一设置为1,小于限幅值在一个小范围波动的物理量统一设置为0,这样数据信息保持在0~1区间内。
经过处理后的信息数据通过485总线传给上位机,上位机利用模糊逻辑理论技术和BP神经网络技术并行处理。
模糊推理先根据经验对火灾的辨识建立模糊规则,各参量都在不断地变化,烟雾浓度、CO气体浓度、温度和火焰强度作为输入变量,同时加入火灾信号持续时间作为模糊参量,用来增加系统的鲁棒性,输出量为阴燃和明火概率;
BP神经网路技术采用L-M算法,输入量仍然为处理后的烟雾浓度、CO气体浓度、温度和火焰强度,输出为阴燃概率和明火概率,输入节点数为3,输出层节点数为1,隐含层层数设为1,隐含层节点包含多个权值,通过大量试验采集大量数据对火灾训练样本进行训练,对权值进行不断的修正,最终确定误差最小的权值。
决策层把神经网路和模糊推理得出的结论进行融合比较分析,作出是否为火警、火警级别等级的决策判断。
以上是受限空间电气火灾多元探测装置及方法的具体实施方式。
本领域技术人员应该明白,上述本申请的各模块或各步骤可以用通用的计算机装置来实现,可选地,它们可以用计算装置可执行的程序代码来实现,从而,可以将它们存储在存储装置中由计算装置来执行,或者将它们分别制作成各个集成电路模块,或者将它们中的多个模块或步骤制作成单个集成电路模块来实现。本申请不限制于任何特定的硬件和软件的结合。
上述提出的多元探测包括烟雾传感器、CO气体传感器、温度传感器和红紫外传感器四种探测模块,也可以任意两个或三个进行自由组合进行火灾检测,不同的空间和环境可以选择对应的组合。数据信息融合方法和模糊推理BP神经网络的特征数据处理方法对任意组合都适用,所作的任何改进和组合变换,均应在本申请的保护范围之内。
实施例三
本申请实施例提供了基于信息融合的受限空间内火灾多元探测系统;
基于信息融合的受限空间内火灾多元探测系统,包括:
获取模块,其被配置为:获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,对获取的数据均进行限幅和归一化处理;
第一处理模块,其被配置为:将归一化处理后的数据,输入到预先训练好的BP神经网络中,输出明火第一概率和阴燃第一概率;
第二处理模块,其被配置为:将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;
输出模块,其被配置为:结合明火第一概率和明火第二概率,输出明火的最终概率值;结合阴燃第一概率和明火第二概率,输出阴燃的最终概率值;
当明火的最终概率值或阴燃的最终概率值大于设定阈值时,发出报警信号。
进一步地,所述获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,是通过实施例一的受限空间内火灾多元探测装置获取的。
以上所述仅为本申请的优选实施例而已,并不用于限制本申请,对于本领域的技术人员来说,本申请可以有各种更改和变化。凡在本申请的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.受限空间内火灾多元探测装置,其特征是,安装在受限空间内,包括:
金属壳体,所述金属壳体内安装进气管道、出气管道、风机、烟雾探测腔体、CO气体探测腔体和主控制电路板;
所述进气管道的一端延伸到金属壳的外部,所述进气管道的另一端直通风机的进风口,风机的出风口与第一通气管道一端连接,第一通气管道的另外一端与CO气体探测腔体的进气口连接,CO气体探测腔体的出气口通过第二通气管道与烟雾探测腔体的进气口连接,烟雾探测腔体的出气口与出气管道的一端连接,出气管道的另外一端延伸到金属壳体的外部;
所述烟雾探测腔体内设有烟雾传感器,所述CO气体探测腔体内设有CO气体传感器,所述受限空间内壁安装有温度传感器和红紫外传感器;
所述烟雾传感器、CO气体传感器、温度传感器和红紫外传感器,均与主控电路板的主控制单元连接,由主控制单元对采集的数据进行处理,得到受限空间内火灾隐患的判断结果。
2.如权利要求1所述的装置,其特征是,进气管道内径是风机高度的2-3倍,进风口在风机的上表面,进风口和风机出风口呈90度角。
3.如权利要求1所述的装置,其特征是,所述烟雾探测腔体和CO气体探测腔体,均为密封式腔体;根据腔体内外负压差原理,探测气体由进气通道进入,通过出风口,排入第一通气管道,先通过CO气体探测腔体,再通过烟雾探测腔体,再由出气通道排出壳体,完成一次气体探测循环。
4.如权利要求1所述的装置,其特征是,所述开关电源还与风机连接,所述开关电源还通过第一DC/DC模块与主控制单元连接,所述开关电源还通过第二DC/DC模块与温度传感器连接,所述开关电源还通过第二DC/DC模块与红紫外传感器连接,所述风速传感器还与烟雾传感器连接。
5.如权利要求1所述的装置,其特征是,所述主控制单元,还与主备电检测电路、存储器、液晶显示屏、声光报警装置、按键、时钟电路、通信模块连接;所述主备电检测电路,用于当主电交流220VAC断开时,开关电源自动无缝切换备用蓄电池供电;开关电源有两个小端子输出,当主电断开或者备用电池欠压时,端子输出高电平信号,两个小端子连接主控制单元的主备电检测电路,实现主电断开或者备电欠压故障的检测。
6.如权利要求1所述的装置,其特征是,所述烟雾传感器,为吸气式烟雾传感器;所述CO气体传感器,为吸气式CO气体传感器;温度传感器,为卡片式热成像温度传感器;所述红紫外传感器,为红紫外火焰探测的紫外光电传感器和红外光电传感器。
7.基于信息融合的受限空间内火灾多元探测方法,其特征是,包括:
获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,对获取的数据均进行限幅和归一化处理;
将归一化处理后的数据,输入到预先训练好的BP神经网络中,输出明火第一概率和阴燃第一概率;
将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;
结合明火第一概率和明火第二概率,输出明火的最终概率值;结合阴燃第一概率和明火第二概率,输出阴燃的最终概率值;
当明火的最终概率值或阴燃的最终概率值大于设定阈值时,发出报警信号。
8.如权利要求7所述的方法,其特征是,所述发出报警信号,是指:
主控制单元通过声光报警装置发出报警信号,主控制单元通过液晶显示屏显示当前火情等级和火情发生时间。
9.如权利要求7所述的方法,其特征是,所述将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;具体工作原理包括:
将归一化处理后的数据,输入到预先训练好的模糊推理系统中,
预先训练好的模糊推理系统对归一化处理后的烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据进行模糊化处理,然后根据建立的模糊规则进行模糊推理,输出一个模糊量,模糊量去模糊化后得到一个清晰量值作为模糊推理系统输出。
10.基于信息融合的受限空间内火灾多元探测系统,其特征是,包括:
获取模块,其被配置为:获取受限空间内烟雾浓度数据、CO浓度数据、温度数据和火焰强度数据,对获取的数据均进行限幅和归一化处理;
第一处理模块,其被配置为:将归一化处理后的数据,输入到预先训练好的BP神经网络中,输出明火第一概率和阴燃第一概率;
第二处理模块,其被配置为:将归一化处理后的数据,输入到预先训练好的模糊推理系统中,输出明火第二概率和阴燃第二概率;
输出模块,其被配置为:结合明火第一概率和明火第二概率,输出明火的最终概率值;结合阴燃第一概率和明火第二概率,输出阴燃的最终概率值;
当明火的最终概率值或阴燃的最终概率值大于设定阈值时,发出报警信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010680888.3A CN111915833A (zh) | 2020-07-15 | 2020-07-15 | 受限空间内火灾多元探测装置及探测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010680888.3A CN111915833A (zh) | 2020-07-15 | 2020-07-15 | 受限空间内火灾多元探测装置及探测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111915833A true CN111915833A (zh) | 2020-11-10 |
Family
ID=73281031
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010680888.3A Pending CN111915833A (zh) | 2020-07-15 | 2020-07-15 | 受限空间内火灾多元探测装置及探测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111915833A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113066265A (zh) * | 2021-03-29 | 2021-07-02 | 广州海格通信集团股份有限公司 | 遇险救生系统的通信方法、装置、计算机设备和存储介质 |
CN113313902A (zh) * | 2021-04-06 | 2021-08-27 | 中国船舶重工集团公司第七0三研究所 | 一种五参数数据融合型火灾探测器结构 |
CN113313901A (zh) * | 2021-04-06 | 2021-08-27 | 中国船舶重工集团公司第七0三研究所 | 一种五参数数据融合型火灾探测器 |
CN113516824A (zh) * | 2021-04-14 | 2021-10-19 | 汉威科技集团股份有限公司 | 一种复合型火灾探测器及其探测方法 |
CN114485792A (zh) * | 2022-01-21 | 2022-05-13 | 国网山东省电力公司济南供电公司 | 电缆沟内的电缆中间接头火情监测装置及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008001391A1 (de) * | 2008-04-25 | 2009-10-29 | Robert Bosch Gmbh | Brandmeldervorrichtung sowie Verfahren zur Branddetektion |
CN104766433A (zh) * | 2015-04-23 | 2015-07-08 | 河南理工大学 | 基于数据融合的电气火灾报警系统 |
CN109243130A (zh) * | 2018-09-07 | 2019-01-18 | 公安部四川消防研究所 | 多物理融合火灾监控系统及其预测火灾发生概率的方法 |
CN109255921A (zh) * | 2018-11-13 | 2019-01-22 | 福州大学 | 一种基于分层模糊融合的多传感器火灾检测方法 |
CN110613912A (zh) * | 2018-06-19 | 2019-12-27 | 山东省科学院自动化研究所 | 一种小空间火灾极早期检测与无损灭火装置及方法 |
CN111127811A (zh) * | 2019-12-25 | 2020-05-08 | 上海船舶电子设备研究所(中国船舶重工集团公司第七二六研究所) | 火灾早期探测报警系统和方法 |
-
2020
- 2020-07-15 CN CN202010680888.3A patent/CN111915833A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102008001391A1 (de) * | 2008-04-25 | 2009-10-29 | Robert Bosch Gmbh | Brandmeldervorrichtung sowie Verfahren zur Branddetektion |
CN104766433A (zh) * | 2015-04-23 | 2015-07-08 | 河南理工大学 | 基于数据融合的电气火灾报警系统 |
CN110613912A (zh) * | 2018-06-19 | 2019-12-27 | 山东省科学院自动化研究所 | 一种小空间火灾极早期检测与无损灭火装置及方法 |
CN109243130A (zh) * | 2018-09-07 | 2019-01-18 | 公安部四川消防研究所 | 多物理融合火灾监控系统及其预测火灾发生概率的方法 |
CN109255921A (zh) * | 2018-11-13 | 2019-01-22 | 福州大学 | 一种基于分层模糊融合的多传感器火灾检测方法 |
CN111127811A (zh) * | 2019-12-25 | 2020-05-08 | 上海船舶电子设备研究所(中国船舶重工集团公司第七二六研究所) | 火灾早期探测报警系统和方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113066265A (zh) * | 2021-03-29 | 2021-07-02 | 广州海格通信集团股份有限公司 | 遇险救生系统的通信方法、装置、计算机设备和存储介质 |
CN113066265B (zh) * | 2021-03-29 | 2023-11-03 | 广州海格通信集团股份有限公司 | 遇险救生系统的通信方法、装置、计算机设备和存储介质 |
CN113313902A (zh) * | 2021-04-06 | 2021-08-27 | 中国船舶重工集团公司第七0三研究所 | 一种五参数数据融合型火灾探测器结构 |
CN113313901A (zh) * | 2021-04-06 | 2021-08-27 | 中国船舶重工集团公司第七0三研究所 | 一种五参数数据融合型火灾探测器 |
CN113516824A (zh) * | 2021-04-14 | 2021-10-19 | 汉威科技集团股份有限公司 | 一种复合型火灾探测器及其探测方法 |
CN114485792A (zh) * | 2022-01-21 | 2022-05-13 | 国网山东省电力公司济南供电公司 | 电缆沟内的电缆中间接头火情监测装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111915833A (zh) | 受限空间内火灾多元探测装置及探测方法 | |
CN107564231B (zh) | 基于物联网的建筑物火灾预警及火灾态势评估系统及方法 | |
EP3662459B1 (en) | System and method for triggering an alarm during a sensor jamming attack | |
CN109752300A (zh) | 一种涂料生产安全智能巡检机器人、系统及方法 | |
US12104926B2 (en) | Sensor fusion for fire detection and air quality monitoring | |
US12033492B2 (en) | Intelligent emergency response for multi-tenant dwelling units | |
JP6547427B2 (ja) | 火災検知装置、火災検知システム、火災検知方法、及び火災検知プログラム | |
CN107533786A (zh) | 系统 | |
CN107301757A (zh) | 一种厨房燃气报警检测装置及其报警检测方法 | |
CN101796554A (zh) | 通信系统和警报器 | |
CN101978401A (zh) | 警报器 | |
CN101341521A (zh) | 便携监视器 | |
CN209821986U (zh) | 火灾监控系统 | |
Baek et al. | Intelligent multi-sensor detection system for monitoring indoor building fires | |
CN112885021B (zh) | 一种基于复合算法的多传感器火灾预测方法及系统 | |
CN109166266A (zh) | 智能消防报警系统及方法 | |
KR20220076374A (ko) | 화재 안전 모니터링 시스템 | |
Sharma et al. | Development of an early detection system for fire using Wireless Sensor Networks and Arduino | |
Oturak et al. | A cost-effective IoT based smart home application | |
Kamelia et al. | Fire disaster early detection system in residential areas | |
KR20220093697A (ko) | IoT 무선네트워크 기반 화재 감시 대응시스템 | |
Kavitha et al. | IoT based Forest Fire Detection and Protection System | |
EP3376174B1 (en) | Environmental sensor | |
KR101887350B1 (ko) | 물탱크 내부 및 외부의 상태 실시간 감지, 경보, 및 경보방송 시스템 | |
Vijayalakshmi et al. | Different soft computing algorithms used in fire sensor node of wireless sensor network integrated with IoT |
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: 20201110 |