CN114723938B - 交通事故中火烧车快速确定发动机舱起火部位的方法 - Google Patents
交通事故中火烧车快速确定发动机舱起火部位的方法 Download PDFInfo
- Publication number
- CN114723938B CN114723938B CN202210371702.5A CN202210371702A CN114723938B CN 114723938 B CN114723938 B CN 114723938B CN 202210371702 A CN202210371702 A CN 202210371702A CN 114723938 B CN114723938 B CN 114723938B
- Authority
- CN
- China
- Prior art keywords
- area
- fire
- engine compartment
- engine
- burning
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Life Sciences & Earth Sciences (AREA)
- Molecular Biology (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
Abstract
本发明属于火灾调查技术领域,具体涉及交通事故中火烧车快速确定发动机舱起火部位的方法;首先对正常状态下的发动机舱进行参数化建模,然后将发动机舱各零部件置于点火设备中,并使其在实验状态下遭遇火灾事故,利用数据采集设备对发动机舱各零部件在火灾之后的漆色变化度等信息进行数据采集并形成第一数据组,同时将第一数据组与参数模型一起存储形成原始数据库,对实际遭遇火灾之后的发动机舱各零部件进行新的数据采集并定义为第二数据组,运用神经网络算法将第二数据组与原始数据库中的第一数据组进行筛选比对并得出疑似起火区域,再根据漆色变化度从疑似起火区域中找出起火区域,实现了对导致发动机舱发生火灾起火位置进行快速确定的目的。
Description
技术领域
本发明属于火灾调查技术领域,具体涉及交通事故中火烧车快速确定发动机舱起火部位的方法。
背景技术
汽车发生火灾事故后,为了调查火灾事故成因,一般需要先确定起火部位,再根据起火部位的零部件损坏情况及相关零部件工作原理后对起火原因进行分析;目前对于起火部位的确定主要依靠调查人员的经验。当起火部位位于发动机舱内时,其向乘员舱、行李舱的蔓延过程判断较为直观,但是由于发动机舱内的零部件数量非常多,且有机油、冷却液、汽油、电气线束、排气管等易于起火的部位,因此确定起火部位时需要对发动机舱进行大量的现场勘查及分析工作,没有一个可以快速判断起火部位的方法。
西华大学下属的西华交通司法鉴定中心相关鉴定人员在对大量火灾事故进行调查后,总结出两点规律,一是可以根据发动机舱内金属零件燃烧后的锈蚀程度和锈蚀颜色推断出火灾过程中金属零件表面的烘烤温度,但是烘烤温度不同、放置时长不同,金属零件表面的锈蚀情况也存在明显区别,因此该方法需要依靠鉴定人员的大量案件经验积累;二是发动机舱内的起火区域一般燃烧时间最长,燃烧过程最充分,其燃烧温度也最高,由于发动机舱内存在金属零件和非金属零件,非金属零件熔点较低,起火区域内的非金属零件一般会烧损灭失,而金属零件由于其熔点各不相同,因此起火区域内的部分熔点较低的金属零件融化,而熔点稍高的金属零件部分烧损,熔点最高的金属零件仅表面受损。
上述两点规律均为西华交通司法鉴定中心相关鉴定人员,即本申请的多位发明人根据长期经验所得,暂出现相关同类型的方法文献,本团队人员利用上述两点规律,结合现有技术中的图像识别技术,已构建一套快速确定发动机舱起火部位的方法;为了保护该方法,特进行相关的专利申请。
发明内容
本发明的目的是提供一种交通事故中火烧车快速确定发动机舱起火部位的方法。
为实现上述发明目的,本发明所采用的技术方案是:交通事故中火烧车快速确定发动机舱起火部位的方法:
S1、对正常状态的发动机各零部件进行参数化建模;根据未烧损的正常发动机舱的结构建立发动机舱在正常状态下的参数化三维模型,并且在参数化三维模型中赋予各发动机舱内零部件模型的材料属性以及各材料的熔点;所述参数化模型的建模方式为三维软件建模或使用手持式激光扫描仪通过扫描方式直接建模;
S2、对发动机的各金属零部件进行不同温度下的烘烤实验,将烘烤之后的金属零部件置于环境下进行自然锈蚀,通过图像采集设备获得各金属零部件不同时间段在自然条件下的原始图像组1;
所述原始图像组1中,发动机舱内各金属零件经过烘烤实验之后的表面颜色从不同角度拍摄多张;拍摄后使用神经网络算法对多张图像进行分析处理,得到发动机舱内各金属零件经历不同锈蚀时间后的颜色与金属零件表面的火焰烘烤温度之间的对应关系;
S3、调查人员勘察火灾之后的发动机状态并找出烧损或灭失的零部件,在S1建立的模型中找出与实际零部件相对应的位置,在模型中将零部件所在位置标记为烧损零部件区域,烧损零部件区域至少为一个,将烧损的熔点最高的零部件所在位置定义为第一疑似高温区,第一疑似高温区可以为一个或同时存在多个;
S4、调查人员对发动机内各残留的金属零部件的表面进行多角度拍照并形成若干实时图像组2,利用神经网络算法对各金属零部件的原始图像组1和实时图像组2进行图像识别和比对,得到实时图像组2中各个锈蚀的金属零件中对应的烘烤温度,在S1建立的参数化模型中将最高烘烤温度所对应的金属零件所在区域标记并定义为第二疑似高温区;
S5、将所述第一疑似高温区与第二疑似高温区进行对比,并将同时存在第一疑似高温区和第二疑似高温区的区域标记为起火区域;
S6、将标记后的三维模型同时输出俯视图、正视图、左视图、右视图、仰视图、至少3个不同方向的轴测视图,各视图中包括以下标记:烧损零部件区域、第一疑似高温区、第二疑似高温区、起火区域;
优选的,所述步骤S4中,各所述实时图像组中的图像记录的是同一发动机舱内金属零件的不同方位、不同角度的多个图像。
优选的,所述的步骤S2中,原始图像组1需要采集的零件包括前保险杠、前大灯、发动机罩、前翼子板、发动机缸体、发动机缸盖、发动机气门室、发电机、启动电机、散热器、发动机舱纵梁、龙门架、悬架塔顶、蓄电池、保险盒、真空助力器、ABS泵。
优选的,所述的S3步骤中,单独勘验发动机舱内电气线束,如电气线束绝缘层烧损、芯部金属丝断裂,且断裂处具有熔珠,则将该电气线束所在区域标记为第三疑似高温区;所述步骤S5中,对疑似起火区域中的电气线束融珠进行金相分析步骤为:将融珠切片、打磨后,通过金相显微镜观察金相磨面,当熔痕金相磨面分布较少气孔,且熔痕内晶粒粗大,且远离熔痕的导线晶粒尺寸较小,且熔痕部位与基部有较明显分界,则判断该电气线束融痕为短路所致;将判断为短路的电气线束所在区域标记为起火区域;
若该电气线束融痕不是短路所致,而该电气线束所在区域同时存在第一疑似高温区和第三疑似高温区,或同时存在第二疑似高温区和第三疑似高温区,将该区域标记为疑似起火区域,并在S6步骤中输出疑似起火区域;
优选的,所述步骤S3中,调查人员提前指定一个或多个表面外观完好的零部件,在S1建立的模型中接将该部分零件所在区域标记为排除区域;所述的S4步骤中,不对排除区域内的零部件拍照。
本发明具有以下有益效果:
本发明首先对正常状态下的发动机舱进行参数化建模,然后将发动机舱各零部件置于点火设备中,并使其在实验状态下遭遇火灾事故,利用数据采集设备对发动机舱各零部件在实验状态下遭遇火灾之后的表面锈蚀颜色变化度等信息进行数据采集并形成原始数据组,接下来对实际遭遇火灾之后的发动机舱各零部件进行新的数据采集并定义为实时数据组,运用神经网络算法将原始数据组与实时数据组进行筛选比对,地得出第一疑似起火区域,接下来再根据火灾之后的发动机舱各烧损的零部件的熔点温度找出第二疑似起火区域,当第一疑似起火区域和第二疑似起火区域重合,即可快速找出起火区域,通过所述的方法和流程使得本发明最终实现了对导致发动机舱发生火灾起火位置进行快速确定的目的。
附图说明
图1为实现本发明过程示意图;
图2为本发明工作步骤示意图;
图3为某发动机舱发生燃烧事故的火烧车;
图4为图3中火烧车的发动机盖内侧面烧损情况;
图5为图3中火烧车的发动机舱内零件烧损情况及发动机舱内金属零件烧损情况。
具体实施方式
下面结合本发明的优选实施例对本发明做进一步地详细、准确说明,但本发明的实施方式不限于此。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
在本发明的描述中,需要说明的是,术语“第一”、“第二”“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
术语“上”、“下”、“左”、“右”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,或者是该发明产品使用时惯常摆放的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
此外,“垂直”等术语并不表示要求部件之间绝对垂直,而是可以稍微倾斜。如“垂直”仅仅是指其方向相对而言更加垂直,并不是表示该结构一定要完全垂直,而是可以稍微倾斜。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“相连”、“连接”等应做广义理解。例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
实施例
如图1~5所示,交通事故中火烧车快速确定发动机舱起火部位的方法,所述的方法包括顺次进行的以下步骤:
S1、对正常状态的发动机各零部件进行参数化建模;根据未烧损的正常发动机舱的结构建立发动机舱在正常状态下的参数化三维模型,并且在参数化三维模型中赋予各发动机舱内零部件模型的材料属性以及各材料的熔点;材料属性包括材料名称、材料类型、密度等常规物理、化学、力学参数;
所述参数化模型的建模方式为三维软件建模或使用手持式激光扫描仪通过扫描方式直接建模;参数化模型建立可使用相关的工业辅助设计软件(如SOLIDWORKS、CATIA)或直接使用三维激光扫描技术建模或使用倾斜摄影建模等方式实现;所述的图像采集设备可使用具有摄影摄像功能的监控设备、摄影摄像机或其他可实现图像采集功能的设备;
S2、对发动机的各金属零部件进行不同温度下的烘烤实验,将烘烤之后的金属零部件置于环境下进行自然锈蚀,通过图像采集设备获得各金属零部件不同时间段在自然条件下的原始图像组1;
所述原始图像组1中,发动机舱内各金属零件经过烘烤实验之后的表面颜色从不同角度拍摄多张;拍摄后使用神经网络算法对多张图像进行分析处理,得到发动机舱内各金属零件经历不同锈蚀时间后的颜色与金属零件表面的火焰烘烤温度之间的对应关系;
所述的神经网络算法可使用CNN卷积神经网络算法或其他可实现对图像或视频祯图像进行识别和计算的神经网络算法;
可以明确的是,原始图像组1中的颜色包括发动机舱在原始状态下的颜色以及各零部件在遭遇火灾事故之后的颜色。
所述的原始图像组1中,需要采集的零件包括但不限于以下零件:前保险杠、前大灯、发动机罩、前翼子板、发动机缸体、发动机缸盖、发动机气门室、发电机、启动电机、散热器、发动机舱纵梁、龙门架、悬架塔顶、蓄电池、保险盒、真空助力器、ABS泵。例如,在多个火烧案例中,烧损或灭失的零部件主要为:皮带、导电线路以及其他能够在高温环境下燃烧的零部件。而熔点最高的零部件为齿轮、曲轴、气缸、缸体、缸盖、纵梁等采用耐500℃以上高温的金属材料制造的零部件。
所述的原始图像组1中的图像选择不同时间段和不同角度的目的在于:实际使用过程中,事后对发动机舱起火位置进行调查的起始时间点是不同的,及在各个发动机舱发生起火事故之后,对火灾事故的调查时间可能是刚发生火灾事故之后,亦可能是在火灾事故发生的很长时间之后,而发动机舱以及机舱内各零部件在发生火灾事故后的锈蚀度与距离发生火灾的时间呈数学关系变化,而发动机舱以及机舱内各零部件在不同时间点的锈蚀度是完全不同的,故而需要为后期的调查结果提供更为完整的数据支撑。实际的调查过程中,对遭遇实际火灾事故之后的发动机舱以及各零部件进行图像采集时,并不能保证所采集的图像与原始数据库中存储的原始图像组中的图片完全相同,同时,同一个零部件同一个角度的图像并不能完全显示该零部件遭遇火灾事故之后的颜色变化度、锈蚀度等信息,故而需要多角度多方位的图像达到展示同一零部件在遭遇火灾事故之后的状态的目的。
另外的,对于同一零部件采集不同时间段的图像还可以使得本发明达到发动机舱的起火时间段进行确定的目的,具体确定的方法为:首先对原始图像组中采集的各零部件的各图像进行编辑,各个图像所包含的信息包括图像采集时间、采集图像所采用的设备的类型以及该图像的采集角度等信息,接下来,利用神经网络算法将原始图像组和实时图像组进行筛选比对,并根据比对的结果从原始图像组中确定与实时图像组最相似的颜色或锈蚀度的图像,然后对该图像的采集时间进行读取,该图像的采集时间所对应的金属零件在烘烤后的放置时间T即为发动机机舱起火的时间。
S3、调查人员勘察火灾之后的发动机状态并找出烧损或灭失的零部件,在S1建立的模型中找出与实际零部件相对应的位置,在模型中将零部件所在位置标记为烧损零部件区域,烧损零部件区域至少为一个,将烧损的熔点最高的零部件所在位置定义为第一疑似高温区,第一疑似高温区可以为一个或同时存在多个;
S4、调查人员对发动机内各残留的金属零部件的表面进行多角度拍照并形成若干实时图像组2,利用神经网络算法对各金属零部件的原始图像组1和实时图像组2进行图像识别和比对,得到实时图像组2中各个锈蚀的金属零件中对应的烘烤温度,在S1建立的参数化模型中将最高烘烤温度所对应的金属零件所在区域标记并定义为第二疑似高温区;
S5、将所述第一疑似高温区与第二疑似高温区进行对比,并将同时存在第一疑似高温区和第二疑似高温区的区域标记为起火区域;
S6、将标记后的三维模型同时输出俯视图、正视图、左视图、右视图、仰视图、至少3个不同方向的轴测视图,各视图中包括以下标记:烧损零部件区域、第一疑似高温区、第二疑似高温区、起火区域;
S7、根据发动机各零部件表面漆色的变化程度从疑似起火区域确定起火区域。
需要特别明确和说明的是,假如在某一区域仅存在第一疑似高温区或者仅存在第二疑似高温区,则该区域不是起火区域。原因为:首先,如果仅存在第一疑似高温区,不存在第二疑似高温区,则该区域可能仅为大面积过火区域,过火后放置时间过长,使得金属零部件表面锈蚀程度严重,并非事故车辆的实际起火区。如果该区域仅存在第二疑似高温区,不存在第一疑似高温区,则该疑似高温区需要进一步调查之后才能确定是否是起火区域。
本发明可以根据发动机各零部件遭遇火灾事故之后各零部件的锈蚀度变化进行辅助确定,其判断的标准为,不同零部件在火灾事故的燃烧过程中所承受的燃烧猛烈度是不同的,燃烧之后产生的氧化效果也是不同的,同时,燃烧产生的氧化物的之间的缝隙也是不同的,氧化物之间的孔隙越大,则自然条件下的锈蚀度越厉害,因此根据锈蚀度即可辅助判断起火区域。
所述步骤S4中,各所述实时图像组中的图像记录的是同一发动机舱内金属零件的不同方位、不同角度的多个图像。一般来说,实时图像组的数量与发动机舱以及机舱内残留的零部件数量相同,即对发动机舱内残留的零部件均进行至少一次判断过程;
当然,S3中勘查过程也可以提前指定某些表面外观完好的零部件,直接将该部分零件所在区域标记为排除区域,更好的实时方式是,所述步骤S3中,调查人员提前指定一个或多个表面外观完好的零部件,在S1建立的模型中接将该部分零件所在区域标记为排除区域;所述的S4步骤中,不对排除区域内的零部件拍照。
可以进一步清晰和明确阐述的是,在本发明中,采用锈蚀变化度判断起火区域的目的在于:根据对多起发动机起火事故的调查结果表明,开始燃烧区域的燃烧时间更长、烘烤温度更高,锈蚀的变化更深。故而可根据漆色变化更深以及金属熔点最高的零部件所在区域共同确定起火区域。
为了方便更清晰和明确的说明并理解本发明,提供本发明的一个应用案例,如图3所示的某发动机舱发生燃烧事故的火烧车,打开发动机舱盖,查看发动机盖内侧面烧损情况,如图4所示的,可以看出右侧存在明显局部锈蚀,该锈蚀为火烧后发动机盖失去涂层,出现的锈蚀,该锈蚀区域为高温区域,进一步检查,如图5所示的,可以看出蓄电池、保险盒、冷却水管等非金属零件烧损灭失,空调管、散热器、电气线束等铝制材料或铜质材料烧损灭失;而翼子板、发动机等钢制材料或铸铁材料未融化,右侧翼子板内侧表面明显见锈蚀区域,且区域内的电气线束、空调管等零件烧损灭失,左侧翼子板内侧表面未见明显锈蚀区域;
对发动机舱内拍照,通过原始图像组、实时图像组的对比快速得到图5左侧圆圈区域为锈蚀区域(发动机舱右侧),且可以根据生锈区域的锈蚀颜色对比判断出该区域的烘烤温度;通过两个照片组的对比可以得到发动机舱右侧翼子板内侧为第一疑似高温区,调查人员再将烧损零部件输入参数化模型,得出熔点最高的烧损零件为发动机舱右侧中部的ABS泵连接管(铝合金管),则该区域为第二疑似高温区,对比可以知道第一疑似高温区与第二疑似高温区位置重合,则该车辆发动机舱的起火部位为发动机舱右边翼子板内侧的中部区域(图5中圆圈区域)。
由于发动机舱内还存在电气线束短路引起的火灾,为了对这一比较特殊的起火情况进行识别,更好的实施方式是:所述的S3步骤中,单独勘验发动机舱内电气线束,如电气线束绝缘层烧损、芯部金属丝断裂,且断裂处具有熔珠,则将该电气线束所在区域标记为第三疑似高温区;所述步骤S5中,对疑似起火区域中的电气线束融珠进行金相分析步骤为:将融珠切片、打磨后,通过金相显微镜观察金相磨面,当熔痕金相磨面分布较少气孔,且熔痕内晶粒粗大,且远离熔痕的导线晶粒尺寸较小,且熔痕部位与基部有较明显分界,则判断该电气线束融痕为短路所致;将判断为短路的电气线束所在区域标记为起火区域;
若该电气线束融痕不是短路所致,而该电气线束所在区域同时存在第一疑似高温区和第三疑似高温区,或同时存在第二疑似高温区和第三疑似高温区,将该区域标记为疑似起火区域,并在S6步骤中输出疑似起火区域,这是因为起火区域可能不止一处,还需要勘察人员根据经验进行进一步判断。
以上所述仅为本发明的优选实施例而已,并不用于限制本发明,对于本领域的技术人员来说,本发明可以有各种更改和变化。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.交通事故中火烧车快速确定发动机舱起火部位的方法,其特征在于:
S1、对正常状态的发动机舱内各零部件进行参数化建模;根据未烧损的正常发动机舱的结构建立发动机舱在正常状态下的参数化三维模型,并且在参数化三维模型中赋予各发动机舱内零部件模型的材料熔点;所述参数化三维模型的建模方式为三维软件建模或使用手持式激光扫描仪通过扫描方式直接建模;
S2、对发动机的各金属零部件进行不同温度下的烘烤实验,将烘烤之后的金属零部件置于环境下进行自然锈蚀,通过图像采集设备获得各金属零部件不同时间段在自然条件下的原始图像组1;所述的烘烤实验是使用不同温度的火焰对金属零件表面持续过火;
所述原始图像组1中,发动机舱内各金属零件经过烘烤实验之后的表面颜色从不同角度拍摄多张;拍摄后使用神经网络算法对多张图像进行分析处理,得到发动机舱内各金属零件经历不同锈蚀时间后的颜色与金属零件表面的火焰烘烤温度之间的对应关系;
S3、调查人员勘察火灾之后的发动机状态并找出烧损或灭失的零部件,在S1建立的模型中找出与实际零部件相对应的位置,在模型中将零部件所在位置标记为烧损零部件区域,烧损零部件区域至少为一个,将所有烧损零部件区域中烧损的熔点最高的零部件所在的烧损零部件区域定义为第一疑似高温区,第一疑似高温区可以为一个或同时存在多个;
S4、调查人员对发动机舱内各残留的金属零部件的表面进行多角度拍照并形成若干实时图像组2,利用神经网络算法对各金属零部件实时图像组2进行图像识别,得到实时图像组2中各个锈蚀的金属零件中对应的烘烤温度,在S1建立的参数化模型中将具有最高烘烤温度所对应的金属零件所在区域标记并定义为第二疑似高温区;
S5、将所述第一疑似高温区与第二疑似高温区进行对比,并将同时存在第一疑似高温区和第二疑似高温区的区域标记为起火区域;
S6、将标记后的三维模型同时输出俯视图、正视图、左视图、右视图、仰视图、至少3个不同方向的轴测视图,各视图中包括以下标记:烧损零部件区域、第一疑似高温区、第二疑似高温区、起火区域。
2.根据权利要求1所述的交通事故中火烧车快速确定发动机舱起火部位的方法,其特征在于:所述S4中,各实时图像组中2的图像记录的是同一发动机舱内金属零件的不同方位、不同角度的多个图像。
3.根据权利要求1所述的交通事故中火烧车快速确定发动机舱起火部位的方法,其特征在于:所述S2中,原始图像组1需要采集的零件包括前保险杠、前大灯、发动机罩、前翼子板、发动机缸体、发动机缸盖、发动机气门室、发电机、启动电机、散热器、发动机舱纵梁、龙门架、悬架塔顶、蓄电池、保险盒、真空助力器、ABS泵。
4.根据权利要求1所述的交通事故中火烧车快速确定发动机舱起火部位的方法,其特征在于:所述S3中,调查人员提前指定一个或多个表面外观完好的零部件,在S1建立的模型中接将该部分零件所在区域标记为排除区域; 所述S4中,不对排除区域内的零部件拍照。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371702.5A CN114723938B (zh) | 2022-04-11 | 2022-04-11 | 交通事故中火烧车快速确定发动机舱起火部位的方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210371702.5A CN114723938B (zh) | 2022-04-11 | 2022-04-11 | 交通事故中火烧车快速确定发动机舱起火部位的方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114723938A CN114723938A (zh) | 2022-07-08 |
CN114723938B true CN114723938B (zh) | 2023-02-07 |
Family
ID=82241085
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210371702.5A Active CN114723938B (zh) | 2022-04-11 | 2022-04-11 | 交通事故中火烧车快速确定发动机舱起火部位的方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114723938B (zh) |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643495A (zh) * | 2021-07-29 | 2021-11-12 | 宜宾市消防救援支队 | 一种用于火灾原因调查的智能辅助分析系统及方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104698888B (zh) * | 2015-02-13 | 2017-10-24 | 中国标准化研究院 | 车辆火灾事故信息处理方法及系统 |
CN110796008A (zh) * | 2019-09-27 | 2020-02-14 | 天津大学 | 一种基于视频图像的早期火灾检测方法 |
CN111008998A (zh) * | 2019-12-25 | 2020-04-14 | 沈阳天眼智云信息科技有限公司 | 基于双目视觉的自动消防水炮的火焰检测方法 |
CN111540983B (zh) * | 2020-05-12 | 2020-12-08 | 西华大学 | 电动汽车中电池组用分布式温度均衡装置及温度均衡方法 |
-
2022
- 2022-04-11 CN CN202210371702.5A patent/CN114723938B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113643495A (zh) * | 2021-07-29 | 2021-11-12 | 宜宾市消防救援支队 | 一种用于火灾原因调查的智能辅助分析系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114723938A (zh) | 2022-07-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114358663B (zh) | 基于人工智能的电动汽车火灾事故后综合判断方法 | |
Tetsui et al. | Endurance and composition and microstructure effects on endurance of TiAl used in turbochargers | |
Floweday et al. | Thermo-mechanical fatigue damage and failure of modern high performance diesel pistons | |
CN114723938B (zh) | 交通事故中火烧车快速确定发动机舱起火部位的方法 | |
Zhang et al. | Study on vehicle fire safety: Statistic, investigation methods and experimental analysis | |
Binder et al. | Potentials and challenges of multi-material processing by laser-based powder bed fusion | |
CN112004010B (zh) | 成品车底盘检测系统 | |
CN114417503B (zh) | 用于车辆的碳足迹估计方法和碳足迹估计系统 | |
CN115752586A (zh) | 新能源汽车火灾原因分析判断方法 | |
Riaz et al. | An inspection approach for casting defects detection using image segmentation | |
CN109300127A (zh) | 缺陷检测方法、装置、计算机设备及存储介质 | |
CN111563957B (zh) | 一种煤田火灾及矸石山火灾三维温度场数字化成像方法 | |
CN106525726A (zh) | 一种基于被动红外成像的汽车尾气可视化实时监测装置 | |
Gingrich | High-output diesel engine heat transfer | |
DE102006048869B4 (de) | Projektionsanordnung und Verfahren zur Darstellung eines Designs auf einer Oberfläche eines Kraftfahrzeuges | |
Decker et al. | Detecting agglomeration patterns on solid propellant surface via a new curvature-based multiscale method | |
CN112651465B (zh) | 基于高分辨遥感影像的装备目标解译方法 | |
DE102018116593A1 (de) | Motor mit verlängertem langstrecken-agr-betrieb | |
Adil | Characterisation of a New Nanostructured Aluminium Alloy and Piston Design for Internal Combustion Engines | |
CN116021983B (zh) | 一种基于汽车热量管理的进风控制方法、系统、设备及介质 | |
Furch et al. | Design of container workplace for performing maintenance of land combat vehicles in field conditions | |
Ghulam et al. | Preliminary Study of a Image Analysis Setup Approach of Thermal Tracing Jet Engine Parts Using Thermal Paints | |
CN219043875U (zh) | 一种便携式多功能车辆起火原因鉴定勘查工具箱 | |
CN107185131A (zh) | 一种车载自动灭火装置及使用方法 | |
CN117805123B (zh) | 一种燃气轮机叶片表面损伤的智能检测方法 |
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 |