CN113192283B - 一种多传感器信息融合的无线火灾预警系统 - Google Patents
一种多传感器信息融合的无线火灾预警系统 Download PDFInfo
- Publication number
- CN113192283B CN113192283B CN202110460330.9A CN202110460330A CN113192283B CN 113192283 B CN113192283 B CN 113192283B CN 202110460330 A CN202110460330 A CN 202110460330A CN 113192283 B CN113192283 B CN 113192283B
- Authority
- CN
- China
- Prior art keywords
- fire
- early warning
- data
- smoke
- module
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- 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
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/08—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using communication transmission lines
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B25/00—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
- G08B25/01—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium
- G08B25/10—Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems characterised by the transmission medium using wireless transmission systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Fire Alarms (AREA)
- Alarm Systems (AREA)
Abstract
本发明提供了一种多传感器信息融合的无线火灾预警系统,该无线火灾预警系统包括上位机组件和下位机组件,上位机组件包括移动终端,下位机组件包括采集模块、显示模块、控制器、报警器模块和无线传输模块;采集模块包括温度监测传感器、烟雾监测传感器和CO监测传感器。本发明的有益效果是:操作更加简单易行,采用多监测传感器同时监测火灾特征数据,有效避免了单一监测传感器监测的不足,获取信息更加全面,减少误报情况发生,火灾预警准确率有效提升;充分利用监测传感器监测数据,并基于改进的D‑S证据理论进行三种原始火灾数据的信息融合,使得相对普通火灾报警器模块更加准确,火灾预警更加高效。无线传输使得火灾预警及监测更加方便快捷。
Description
技术领域
本发明涉及火灾预警技术领域,尤其涉及一种多传感器信息融合的无线火灾预警系统。
背景技术
随着我国经济建设的发展,各种火灾隐患逐年增加,一旦发生火灾,易造成群死群伤和惨重经济损失的严重后果。火灾报警器模块是指在发生火灾情况时,能够通知相关人员进行防控的。传统的火灾报警装置大多采用单一传感器监测火灾信息,例如温度报警、烟雾报警、火光报警,其获取火灾特征种类较少,受环境等因素影响较大,电路布线复杂,发生火灾时容易损坏。而且,火灾报警装置多数采用阈值报警模式,发生火灾后才激励响应,不具备预警功能,不能降低损失。
电子技术逐年发展,无线传输技术应用到火灾报警中。目前普遍采用的zigbee无线传输技术,其传输距离短,信号强度低,衍射能力弱,浪费组网资源,穿墙能力弱;蓝牙技术传输距离有限,数据传送速率为24Mb/s,不同设备间协议不兼容,需要本地数据记录,以确保数据不间断可用;nrf24l01无线传输模块使用时需要多个相同模块配合,可操作性差,传输距离短,速率仅为1Mbps,容易受周围无线信号影响。火灾报警系统逐步增加多个传感器监测数据,但是对于采集到的特征数据,处理方式单独,缺乏有效的融合算法,割裂了各个特征数据之间的内在联系,没有充分发挥多传感器监测的价值。
发明内容
为了解决上述问题,本发明提供了一种多传感器信息融合的无线火灾预警系统,能够提前监测到火灾发生,进行无线火灾预警,减少损失。该无线火灾预警系统包括上位机组件和下位机组件,所述上位机组件包括移动终端,下位机组件包括采集模块、显示模块、控制器、报警器模块和无线传输模块;所述采集模块包括温度监测传感器、烟雾监测传感器和CO监测传感器;
该无线火灾预警系统的具体实现步骤如下:
S1:初始化所述无线火灾预警系统各个模块,设置无线传输模块各个参数;
S2:所述采集模块获取温度、烟雾和CO数据,采用基于改进的D-S证据理论数据融合算法将读取到的温度、烟雾和CO数据进行信息融合,得到融合后的火灾预警概率值,并将得到融合后的火灾预警概率值上传至显示模块进行显示,并驱动无线传输模块发送信息到云服务器,移动终端可随时查看火灾预警概率值;
S3:当融合后的火灾预警概率值达到预设的报警阈值时,则控制器控制报警器模块报警,并驱动无线传输模块发送信息到云服务器。
进一步地,所述控制器采用STM32主控芯片,所述报警器模块包括LED灯和蜂鸣器,所述无线传输模块为ESP8266WiFi模块,所述温度监测传感器的型号为DS18B20。
进一步地,所述基于改进的D-S证据理论数据融合算法进行信息融合的过程如下:
S2-1:将采集模块获取的温度、烟雾和CO数据,并对采集的数据进行预处理,即采用归一化算法将实际获取的上述原始数据转化为火灾支持的可信度,然后基于线性回归分析法剔除异常值;
S2-2:采用距离加权平均算法对预处理后的数据进行局部融合处理;
S2-3:基于改进的D-S证据理论进行数据的全局融合,得到融合后的火灾预警概率值。
进一步地,所述步骤S2-1中,采用归一化算法将各监测传感器检测得到的火灾特征:温度、烟雾、CO数值转化为火灾支持的可信度,温度上下限分别设置为0和62,烟雾和CO上下限均取值为0和210,所述归一化算法如下所示:
其中,x代表环境中温度实际值,p代表烟雾或者CO实际浓度值,h1(A)表示温度监测传感器的实际温度值对火灾发生支持的可信度,h2/3(A)表示烟雾或CO监测传感器的实际烟雾浓度值或实际CO浓度值对火灾发生支持的可信度;为避免发生误差测量,在各监测传感器工作时,基于线性回归分析法,检测并修复采集到的温度、烟雾和CO异常值;基于线性回归分析法的线性回归方程为h=at+b,a和b的计算公式为:
根据该线性回归方程,剔除偏离线性回归方程曲线的异常值。
进一步地,所述步骤S2-2中,采用距离加权平均算法对预处理后的数据进行局部融合处理的具体过程如下:
(1)计算出预处理后的数据的方差Si;
其中,n为融合数据个数,n=10,ti代表监测时间。
进一步地,步骤S2-3中,基于改进的D-S证据理论进行数据的全局融合及决策的过程如下:
(2)该无线火灾预警系统的识别框架U为{A(有火)、B(阴燃)、C(无火)},证据m为{温度(m1)、烟雾(m2)、一氧化碳(m3)},即m1(A)+m2(B)+m3(C)=1;
改进的D-S证据理论合成规则如下:
其中,A为有火事件,m1*m2*m3为各个监测传感器同时对有火支持率的乘积,k为证据之间的冲突因子,k值越大,表示证据之间的冲突程度越严重;q为监测传感器火灾支持均值;
q=0.4*m1+0.3*m2+0.3*m3。
本发明提供的技术方案带来的有益效果是:本发明提出的“多传感器信息融合无线火灾预警系统”更加简单易行、采用多监测传感器同时监测火灾特征数据,有效避免了单一监测传感器监测的不足,获取信息更加全面,减少误报情况发生,火灾预警准确率有效提升。采用基于改进的D-S证据理论数据融合算法进行三种信息的融合,充分利用监测传感器监测数据,融合结果及决策相对普通火灾报警器模块更加准确,火灾预警更加高效。采用WiFi组网无线传输模式,手机APP获取火灾信息,传输距离远,有网即可访问云服务器数据,火灾预警及监测更加方便快捷。
附图说明
下面将结合附图及实施例对本发明作进一步说明,附图中:
图1是本发明实施例中一种多传感器信息融合的无线火灾预警系统的结构图。
图2是本发明实施例中一种多传感器信息融合的无线火灾预警系统的模块图。
图3是本发明实施例中一种多传感器信息融合的无线火灾预警系统的流程图。
图4是本发明实施例中基于改进的D-S证据理论数据融合算法的流程图。
具体实施方式
为了对本发明的技术特征、目的和效果有更加清楚的理解,现对照附图详细说明本发明的具体实施方式。
本发明的实施例提供了一种多传感器信息融合的无线火灾预警系统,能够提前监测到火灾发生,提供火灾发生的概率,进行无线火灾预警,明显降低火灾误报漏报事件发生次数,显著减少火灾产生的损失。
请参考图1,图1是本发明实施例中一种多传感器信息融合的无线火灾预警系统的结构图,图2是本发明实施例中一种多传感器信息融合的无线火灾预警系统的模块图,图3是本发明实施例中一种多传感器信息融合的无线火灾预警系统的流程图,图4是本发明实施例中基于改进的D-S证据理论数据融合算法的流程图,该无线火灾预警系统包括上位机组件和下位机组件;所述上位机为手机APP,基于安卓操作系统开发,手机连接WiFi信号或者开启移动数据,登录APP,即可获取云服务器的火灾信息,下位机组件包括采集模块、显示模块、控制器、报警器模块和无线传输模块;所述采集模块包括温度监测传感器、烟雾监测传感器和CO监测传感器,所述温度监测传感器的型号为DS18B20,所述控制器为STM32主控芯片,所述显示模块为OLED显示屏,所述报警器模块为LED灯和蜂鸣器,所述无线传输模块为ESP8266WiFi模块,当在手机APP上发现有火概率过高时,可控制LED灯闪烁和蜂鸣器发出声音报警;如图2所示,所述无线传输模块上传数据至云服务器存储,手机APP登录所述无线火灾预警系统调用数据;所述手机APP基于安卓平台开发,从上往下依次显示温度、烟雾、一氧化碳、有火概率、阴燃概率、无火概率和LED灯报警控制按钮。
如图3所示,该无线火灾预警系统首先进行各个模块的初始化,设置WiFi模块各个参数,首先读取DS18B20温度数据,然后返回主程序读取烟雾和CO数据,然后将读取到的三种火灾原始数据进行信息融合,将融合后的数据上传至OLED显示屏进行显示,判断融合后的概率值是否达到报警程度,驱动无线传输模块发送信息到云服务器,手机接受信息即可。
基于改进的D-S证据理论数据融合算法进行信息融合的流程如图4所示,包括以下步骤:
S1:将采集模块获取的温度、烟雾和CO数据,进行数据预处理,采用归一化算法将实际数值转化为可信度,然后基于线性回归法剔除异常值;
S2:采用距离加权平均算法对各个监测传感器获取的数据预处理后所得到的数据进行局部融合处理;
S3:基于D-S证据理论进行数据的全局融合及决策,该决策指决定火灾发生概率。
所述步骤S1中,采用归一化算法将各监测传感器监测得到的实际温度、烟雾、CO数值转化为火灾支持的可信度,所述归一化算法如下所示,温度上下限分别设置为0和62,符合标准火灾起始燃烧温度,烟雾和CO上下限均设置为0和210,经实验校正,相较于其他融合算法更加贴合实际。
其中,归一化算式中X代表环境中实际温度值,p代表烟雾或者CO实际浓度值,h1(A)表示温度监测传感器的实际温度值对火灾发生支持的可信度,h2/3(A)表示烟雾或CO监测传感器的实际烟雾浓度值或实际CO浓度值对火灾发生支持的可信度,为避免发生误差测量,基于线性回归分析法,监测并修复各个监测传感器采集到的温度、烟雾和CO异常值;基于线性回归分析法的线性回归方程为h=at+b,计算公式如下:
其中,hi代表三种火灾支持的可信度,ti代表监测时间,取间隔相同为0.01秒,n为监测次数,取值为10。首先计算出hi的平均值ti的平均值在计算a和b值,即可得到线性回归方程;根据线性回归方程剔除偏离线性回归方程曲线的异常值,使后期融合数据基础更加准确、真实。
所述步骤S2中,采用距离加权平均算法进行数据的局部融合,当数据偏离均值严重时,所占的权重比降低,融合结果更加准确,有效避免误差对后续全局融合的影响。首先计算出各监测传感器测量的火灾特征的方差Si,即为特征值偏离均值的距离程度,方差越大,距离越大,权重越小。设Qi为每个特征值的权,为局部融合后的数值,n为融合数据个数,n=10,计算公式如下:
所述步骤S3中,基于改进的D-S证据理论进行数据的全局融合及决策的过程如下:
识别框架U由n个独立完备命题组成,本系统中,识别框架U为{A(有火)、B(阴燃)、C(无火)},证据m为{温度(m1)、烟雾(m2)、一氧化碳(m3)},即m1(A)+m2(B)+m3(C)=1。改进的D-S证据理论合成规则如下:
A为有火事件,m1*m2*m3为各个监测传感器同时对有火支持率的乘积,k为证据之间的冲突因子,k值越大,表示证据之间的冲突程度越严重。原始合成规则无法解决证据冲突严重情况,容易产生融合结果不切实际,且基本概率分配函数的微小变化会引起融合结果数值的急剧变化,在实际测试中容易产生误报情况。为了解决证据之间冲突严重情况,对融合规则公式进行了改进,充分考虑有关目标的所有信息,合理高效的处理及利用冲突,降低冲突严重时对规则主体的干扰,得到较好的决策结果。
q=0.4*m1+0.3*m2+0.3*m3
q为传感器火灾支持均值,当火灾发生时,首先感受到温度的变化,因此在求q值时侧重于温度所占的比值。对于A(有火)目标事件,当实际得到的各个目标间冲突概率偏小时,得到的k值也是偏小,此时融合后数据大小由前半项∑m1∩m2∩m3=Am1*m2*m3决定,k较大时,由后半项k*q决定,解决了证据间冲突问题,且对于冲突的分配方法为平均水平,不侧重未知项,很好的避免了由于存在未知项造成的概率值偏低情况发生,对于火灾发生概率的预测准确率相较于未改进的DS证据理论大大提升。信息融合前后数值如图4所示。
本发明模拟火灾发生全过程所记录的温度、烟雾、CO的原始数据以及融合后的数值如下表所示。可以由环境中的火灾特征计算得到有火、无火、阴燃火的概率值,依据概率值进行预报警处理。
表1
手机APP访问云服务器,远距离进行数据的获取,手机APP界面上可在第一行分别显示温度、烟雾、CO的原始数值,第二行显示有火、无火、阴燃的概率,第三行为反向控制LED灯报警按钮。
本发明的技术关键点在于:
1、采用多个监测传感器监测环境中的火灾特征,所述火灾特征即各监测传感器所获取的原始数据,对于后期信息的处理以及融合提供了数据基础;采用WiFi技术,可以远程随时监控环境火灾信息,方便快捷;将多传感器技术、WiFi技术、信息融合技术相结合,实现火灾信号的远程提前预警功能。
2、基于改进的D-S证据理论数据融合的算法,由各监测传感器监测环境中的温度、烟雾和一氧化碳数值;根据火灾环境最原始的数据,采用归一化算法将实际数值转化为可信度,然后基于线性回归法剔除异常值,采用距离加权平均算法对预处理后的数据进行局部融合处理,最后基于改进的D-S证据理论进行数据的全局融合及决策,得到火灾发生的支持率,本算法关键创新点在于数据融合贯穿整个火灾预警过程,对于不同阶段的数据处理,更加贴合实际情况,融合的数据真实性、准确性得到保证,采用改进的DS证据理论,报警效益更高;通过WiFi模块传输数据到云服务器,手机APP随时访问服务器数据,监测火灾环境信息。
本发明的有益效果是:本发明提出的“多传感器信息融合无线火灾预警系统”比更加简单易行、采用多传感器同时监测火灾特征数据,有效避免了单一监测传感器监测的不足,获取信息更加全面,减少误报情况发生,火灾预警准确率有效提升。采用基于改进的D-S证据理论数据融合算法进行三种信息的融合,充分利用各监测传感器监测数据,融合结果及决策相对普通火灾报警器模块更加准确,火灾预警更加高效。采用WiFi组网无线传输模式,手机APP获取火灾信息,传输距离远,有网即可访问云服务器数据,火灾预警及监测更加方便快捷。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (4)
1.一种多传感器信息融合的无线火灾预警系统,其特征在于:该无线火灾预警系统包括上位机组件和下位机组件,所述上位机组件包括移动终端,下位机组件包括采集模块、显示模块、控制器、报警器模块和无线传输模块;所述采集模块包括温度监测传感器、烟雾监测传感器和CO监测传感器;
该无线火灾预警系统的具体实现步骤如下:
S1:初始化所述无线火灾预警系统各个模块,设置无线传输模块各个参数;
S2:所述采集模块获取温度、烟雾和CO数据,采用基于改进的D-S证据理论数据融合算法将读取到的温度、烟雾和CO数据进行信息融合,得到融合后的火灾预警概率值,并将得到融合后的火灾预警概率值上传至显示模块进行显示,并驱动无线传输模块发送信息到云服务器,移动终端可随时查看火灾预警概率值;
所述基于改进的D-S证据理论数据融合算法进行信息融合的过程如下:
S2-1:将采集模块获取的温度、烟雾和CO数据,并对采集的数据进行预处理,即采用归一化算法将实际获取的上述原始数据转化为火灾支持的可信度,然后基于线性回归分析法剔除异常值;
S2-2:采用距离加权平均算法对预处理后的数据进行局部融合处理;采用距离加权平均算法对预处理后的数据进行局部融合处理的具体过程如下:
(1)计算出预处理后的数据的方差Si;
其中,n为融合数据个数,n=10,ti代表监测时间;
S2-3:基于改进的D-S证据理论进行数据的全局融合,得到融合后的火灾预警概率值;
S3:当融合后的火灾预警概率值达到预设的报警阈值时,则控制器控制报警器模块报警,并驱动无线传输模块发送信息到云服务器。
2.如权利要求1所述的一种多传感器信息融合的无线火灾预警系统,其特征在于:所述控制器采用STM32主控芯片,所述报警器模块包括LED灯和蜂鸣器,所述无线传输模块为ESP8266WiFi模块,所述温度监测传感器的型号为DS18B20。
3.如权利要求1所述的一种多传感器信息融合的无线火灾预警系统,其特征在于:所述步骤S2-1中,采用归一化算法将各监测传感器检测得到的火灾特征:温度、烟雾、CO数值转化为火灾支持的可信度,温度上下限分别设置为0和62,烟雾和CO上下限均取值为0和210,所述归一化算法如下所示:
其中,x代表环境中温度实际值,p代表烟雾或者CO实际浓度值,h1(A)表示温度监测传感器的实际温度值对火灾发生支持的可信度,h2/3(A)表示烟雾或CO监测传感器的实际烟雾浓度值或实际CO浓度值对火灾发生支持的可信度;为避免发生误差测量,在各监测传感器工作时,基于线性回归分析法,检测并修复采集到的温度、烟雾和CO异常值;基于线性回归分析法的线性回归方程为h=at+b,a和b的计算公式为:
根据该线性回归方程,剔除偏离线性回归方程曲线的异常值。
4.如权利要求1所述的一种多传感器信息融合的无线火灾预警系统,其特征在于:
步骤S2-3中,基于改进的D-S证据理论进行数据的全局融合及决策的过程如下:
(1)该无线火灾预警系统的识别框架U为{A(有火)、B(阴燃)、C(无火)},证据m为{温度(m1)、烟雾(m2)、一氧化碳(m3)},即m1(A)+m2(B)+m3(C)=1;
改进的D-S证据理论合成规则如下:
其中,A为有火事件,m1*m2*m3为各个监测传感器同时对有火支持率的乘积,k为证据之间的冲突因子,k值越大,表示证据之间的冲突程度越严重;q为监测传感器火灾支持均值;
q=0.4*m1+0.3*m2+0.3*m3。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460330.9A CN113192283B (zh) | 2021-04-27 | 2021-04-27 | 一种多传感器信息融合的无线火灾预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110460330.9A CN113192283B (zh) | 2021-04-27 | 2021-04-27 | 一种多传感器信息融合的无线火灾预警系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113192283A CN113192283A (zh) | 2021-07-30 |
CN113192283B true CN113192283B (zh) | 2022-04-15 |
Family
ID=76979470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110460330.9A Active CN113192283B (zh) | 2021-04-27 | 2021-04-27 | 一种多传感器信息融合的无线火灾预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113192283B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114088867B (zh) * | 2021-11-17 | 2024-02-23 | 杭州仰仪科技有限公司 | 一种敞口加热炉燃烧状态自动检测装置及方法 |
CN114387755A (zh) * | 2021-12-13 | 2022-04-22 | 煤炭科学技术研究院有限公司 | 矿用烟雾检测方法、装置、处理器及系统 |
CN114894861B (zh) * | 2022-04-22 | 2023-03-24 | 中国地质大学(武汉) | 基于加权融合ds证据理论的接地网腐蚀检测方法及装置 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737468A (zh) * | 2012-07-11 | 2012-10-17 | 重庆大学 | 基于无线多传感器信息融合的火灾检测系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103810809B (zh) * | 2014-02-27 | 2015-11-18 | 太原理工大学 | 基于ds证据理论判断火灾的方法 |
CN105741474B (zh) * | 2016-04-11 | 2018-09-25 | 泉州师范学院 | 一种基于多传感器的火灾预警方法 |
EP3492946B1 (en) * | 2017-12-01 | 2021-05-12 | Origin Wireless, Inc. | Method, apparatus, and system for object tracking and navigation |
CN111768105A (zh) * | 2020-06-29 | 2020-10-13 | 中南林业科技大学 | 基于空间Logistic的森林火灾风险评估方法 |
-
2021
- 2021-04-27 CN CN202110460330.9A patent/CN113192283B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102737468A (zh) * | 2012-07-11 | 2012-10-17 | 重庆大学 | 基于无线多传感器信息融合的火灾检测系统及方法 |
Non-Patent Citations (1)
Title |
---|
"信息融合技术在火灾探测中的应用";王越 等;《重庆理工大学学报(自然科学)》;20110131;正文全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113192283A (zh) | 2021-07-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113192283B (zh) | 一种多传感器信息融合的无线火灾预警系统 | |
CN104933841B (zh) | 一种基于自组织神经网络的火灾预测方法 | |
CN111917877A (zh) | 物联网设备的数据处理方法及装置、电子设备、存储介质 | |
CN112002095A (zh) | 一种矿山洞内的火灾预警方法 | |
JP6960525B2 (ja) | 植物健康状態の監視方法及び装置 | |
CN113920673B (zh) | 一种室内火情智能监测方法及系统 | |
CN105136101A (zh) | 一种桥梁状态参数实时监测及报警系统 | |
CN113936413B (zh) | 一种早期火灾监测预警方法和装置 | |
CN113516820B (zh) | 一种火灾预警方法和预警系统 | |
CN111339074A (zh) | 阈值生成方法、装置、设备和存储介质 | |
CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
CN112765257A (zh) | 一种基于时序序列预测温度的环境采集系统设计的方法 | |
CN108230624A (zh) | 基于cc2530的山体滑坡监测系统 | |
CN114492629A (zh) | 异常检测方法、装置、电子设备及存储介质 | |
CN106908101A (zh) | 一种土木工程健康监测系统及方法 | |
CN202075832U (zh) | 房屋安全监控预警系统 | |
CN115862296A (zh) | 铁路施工工地的火灾风险预警方法、系统、设备及介质 | |
CN206656749U (zh) | 火电厂传感器故障诊断系统 | |
CN112216387B (zh) | 基于云数据平台的复工复产管理方法及系统 | |
CN115115117A (zh) | 基于区块链的智慧处理分析系统 | |
CN112386249B (zh) | 跌倒检测方法及装置、设备、存储介质 | |
CN112530127A (zh) | 一种智能感烟设备烟雾报警的动态判定方法 | |
JP2021110721A (ja) | 状態解析プログラム、装置、及びシステム | |
CN111739261A (zh) | 一种控烟监管系统及方法 | |
CN117854213B (zh) | 一种基于气象数据的森林防火监测预警系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |