CN114904195A - 基于大空间仓库火灾预警模型的火灾预警灭火系统 - Google Patents
基于大空间仓库火灾预警模型的火灾预警灭火系统 Download PDFInfo
- Publication number
- CN114904195A CN114904195A CN202210521654.3A CN202210521654A CN114904195A CN 114904195 A CN114904195 A CN 114904195A CN 202210521654 A CN202210521654 A CN 202210521654A CN 114904195 A CN114904195 A CN 114904195A
- Authority
- CN
- China
- Prior art keywords
- fire
- early warning
- warehouse
- data
- vector
- 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.)
- Granted
Links
Images
Classifications
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C37/00—Control of fire-fighting equipment
- A62C37/04—Control of fire-fighting equipment with electrically-controlled release
-
- A—HUMAN NECESSITIES
- A62—LIFE-SAVING; FIRE-FIGHTING
- A62C—FIRE-FIGHTING
- A62C3/00—Fire prevention, containment or extinguishing specially adapted for particular objects or places
- A62C3/04—Fire prevention, containment or extinguishing specially adapted for particular objects or places for dust or loosely-baled or loosely-piled materials, e.g. in silos, in chimneys
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A40/00—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production
- Y02A40/10—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture
- Y02A40/28—Adaptation technologies in agriculture, forestry, livestock or agroalimentary production in agriculture specially adapted for farming
Landscapes
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Fire Alarms (AREA)
Abstract
本发明涉及一种大空间仓库火灾预警灭火系统,包括:至少一个温度传感器,采集仓库内的温度数据;至少一个湿度传感器,采集仓库内的湿度数据;控制模块,与温度传感器、湿度传感器电性连接,并将温度数据、湿度数据通过通讯模块上传至服务器;所述服务器通过大空间仓库火灾预警模型判断仓库内的火灾危险指数,当火灾危险指数超过设定阈值时,向控制模块发送喷水启动信号。本发明根据大空间仓库当前区域监测参数并结合大空间仓库火灾预警模型,给出大空间仓库当前区域的危险度指数,并根据设定的阈值进行预警,启动喷头喷水。本系统可以在火灾发生初期甚至火灾尚未发生时就进行预警,最大程度降低火灾可能造成的损失。
Description
技术领域
本发明涉及一种基于大空间仓库火灾预警模型的火灾预警灭火系统。
背景技术
火灾是可燃物在一定的条件下发生燃烧并导致生命财产受到损害的灾害性事件。火灾发生所需要的条件如下:(1)存在可燃物;(2)有空气的流通或存在助燃物;(3)有可能使可燃物质燃烧的着火点。
大空间仓库的占地面积一般比较大,一旦发生火灾造成的危害也大并且难以控制火势,不易扑灭。由于仓库内部物品数量大,价值高,火灾荷载及起火原因较复杂,一旦发生火灾,造成的危害及损失也特别巨大,危险情况下的灭火救援工作也相当困难。
火灾初期或阴燃阶段是火灾防治的最佳时期,一旦火灾扩大,则火势变得不能够控制,并且对灭火救援等造成极大的困难并造成巨大的损失,如果能够在这个阶段尽早的发现火灾对减少火灾损失起到非常大的作用。
液滴滴在固体表面时会取代部分固-气界面,并产生新的液-固界面,这一过程称之为润湿过程。喷头喷水动作后,亲水性和吸湿性较强的物质会快速吸收洒落在表面的水滴,物质中自由水的比例升高;同时由于水的表面张力,其表面会形成一层薄薄的附着层,两者的共同作用使得物质的导热率明显降低,所需的热解时间更长,从而能有效预防火灾或防止火灾蔓延。对于疏水物质,喷洒在其表面的水滴也会由于表面张力而在其表面形成散落的球形液滴。液滴受热蒸发,其周围的空气被水蒸气取代,置换氧气的同时也阻隔了热辐射。从宏观角度看,水的湿润作用间接地预防火灾或减缓火灾蔓延的速度。
发明内容
本发明的目的是提供一种大空间仓库火灾预警灭火系统,以实现在火灾发生初期甚至火灾尚未发生时就进行预警,最大程度降低火灾可能造成的损失。
为了解决上述技术问题,本发明提供了一种大空间仓库火灾预警灭火系统,包括:
至少一个温度传感器,采集仓库内的温度数据;
至少一个湿度传感器,采集仓库内的湿度数据;
控制模块,与温度传感器、湿度传感器电性连接,并将温度数据、湿度数据通过通讯模块上传至服务器;
所述服务器通过大空间仓库火灾预警模型判断仓库内的火灾危险指数,当火灾危险指数超过设定阈值时,向控制模块发送喷水启动信号。
进一步,构建所述大空间仓库火灾预警模型包括:
获取历史数据中火灾关联数据并获得其对应系数,通过软间隔SVM计算得到最优分类超平面的法向量w*;
通过法向量w*构建当前状态与有和无火灾类别历史数据的均方误差算式,以获得相应均方误差;以及
通过上述均方误差构建大空间仓库火灾预警模型。
进一步,获取历史数据中火灾关联数据并获得其对应系数,通过软间隔SVM计算得到最优分类超平面的法向量w*的方法包括:
获取历史数据中火灾关联数据并获得其对应系数,即
设定数据向量,即x=(x(1),x(2),x(3));
其中,x(1)为库存物品易燃等级,x(2)为温度,x(3)为湿度;
建立与上述数据向量对应的权值系数向量w=(w(1),w(2),w(3));其中,w(1)为库存物品易燃等级系数;w(2)为温度系数;w(3)为湿度系数;以及
通过软间隔SVM计算得到最优分类超平面的法向量w*,即
使用软间隔SVM,以得到最优分类超平面的法向量w*:
s.t yi(w·xi+b)≥1-ξi
ξi≥0 i=1,2,....N
式中C为惩罚系数,ξi为松弛变量,b为偏置;以及xi为第i个训练数据向量,yi为xi的类标记;yi为-1时表示有火灾类别,yi为+1时表示无火灾类别,N为训练数据数目;
其中α*为拉格朗日乘子向量中对偶问题的解。
进一步,通过法向量w*构建当前状态与有和无火灾类别历史数据的均方误差算式,以获得相应均方误差,即
设当前状态与有火灾类别历史数据的均方误差Mn,
设计算当前状态与无火灾类别历史数据的均方误差MP,
上式中,Nn为类别y=+1(无火灾类别)的样本数,NP为类别y=-1(有火灾类别)的样本数;xc为当前状态数据向量。
进一步,通过上述均方误差构建大空间仓库火灾预警模型的方法包括:
式中,γ为当前状态下大空间仓库当前区域火灾危险度,γ的值在0-1之间,越大则表示火灾危险度越大。
本发明的有益效果是,本发明的大空间仓库火灾预警灭火系统根据相关大空间仓库火灾历史数据,建立大空间仓库火灾预警模型;根据大空间仓库当前区域监测参数并结合大空间仓库火灾预警模型,给出大空间仓库当前区域的危险度指数,并根据设定的阈值进行预警,启动喷头喷水。本系统可以在火灾发生初期甚至火灾尚未发生时就进行预警,最大程度降低火灾可能造成的损失。
附图说明
下面结合附图和实施例对本发明进一步说明。
图1是本发明的大空间仓库火灾预警灭火系统的原理框图。
具体实施方式
现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
如图1所示,本实施例提供了一种大空间仓库火灾预警灭火系统,包括:
至少一个温度传感器,采集仓库内的温度数据;
至少一个湿度传感器,采集仓库内的湿度数据;
控制模块,与温度传感器、湿度传感器电性连接,并将温度数据、湿度数据通过通讯模块上传至服务器;
所述服务器通过大空间仓库火灾预警模型判断仓库内的火灾危险指数,当火灾危险指数超过设定阈值时,向控制模块发送喷水启动信号。
在本实施例中,控制模块可以但不限于采用嵌入式控制系统,通讯模块可以但不限于采用无线或者有线通讯方式实现。
在本实施例中,构建所述大空间仓库火灾预警模型包括:
获取历史数据中火灾关联数据并获得其对应系数,通过软间隔SVM计算得到最优分类超平面的法向量w*;通过法向量w*构建当前状态与有和无火灾类别历史数据的均方误差算式,以获得相应均方误差;以及通过上述均方误差构建大空间仓库火灾预警模型。
在本实施例中,获取历史数据中火灾关联数据并获得其对应系数,通过软间隔SVM计算得到最优分类超平面的法向量w*的方法包括:
获取历史数据中火灾关联数据并获得其对应系数,即
设定数据向量,即x=(x(1),x(2),x(3));
其中,x(1)为库存物品易燃等级,x(2)为温度,x(3)为湿度;
建立与上述数据向量对应的权值系数向量w=(w(1),w(2),w(3));其中,w(1)为库存物品易燃等级系数;w(2)为温度系数;w(3)为湿度系数;以及
通过软间隔SVM计算得到最优分类超平面的法向量w*,即
使用软间隔SVM,以得到最优分类超平面的法向量w*:
s.t yi(w·xi+b)≥1-ξi
ξi≥0 i=1,2,....N
式中C为惩罚系数,ξi为松弛变量,b为偏置;以及xi为第i个训练数据向量,yi为xi的类标记;yi为-1时表示有火灾类别,yi为+1时表示无火灾类别,N为训练数据数目;
使用KKT条件,求对偶问题的最优解,得到最优分类超平面的法向量w*,
其中α*为拉格朗日乘子向量中对偶问题的解。
在本实施例中,通过法向量w*构建当前状态与有和无火灾类别历史数据的均方误差算式,以获得相应均方误差,即
设当前状态与有火灾类别历史数据的均方误差Mn,
设计算当前状态与无火灾类别历史数据的均方误差MP,
上式中,Nn为类别y=+1(无火灾类别)的样本数,NP为类别y=-1(有火灾类别)的样本数;xc为当前状态数据向量。
在本实施例中,通过上述均方误差构建大空间仓库火灾预警模型的方法包括:
式中,γ为当前状态下大空间仓库当前区域火灾危险度,γ的值在0-1之间,越大则表示火灾危险度越大。
以下通过具体数据对本大空间仓库火灾预警灭火系统的实施过程进行说明。
构建历史数据集,其中易燃等级采用以下方法确定:根据将火焰移动至材料样品下方并停留10s后,火焰再持续少的时间决定,分为1-8共8个等级,
例如:某数据向量为(5,26,0.32)其中5对应易燃等级,26对应温度,0.32对应湿度。
利用软间隔SVM,可以训练数据并得到最优分类超平面的法向量w*,如(0.417,-0.121,2.33)。
具体计算过程如下:
……;
假设当前状态数据向量xc=(7,33,0.1),火灾样本数2000个(Np),无火灾样本个数7000个(Nn);
计算当前状态与有火灾和无火灾样本数据的均方误差,具体计算过程如下:
Nn=7000,w*=(0.417,-0.121,2.33),xc=(7,33,0.1),x1=(2,16,0.8);
||w*(xc-xi)||=||(0.417,-0.121,2.33)·(5,17,-0.7)||=1.6
同理可计算||w*(xc-xi)||,……,||w*(xc-x7000)||,代入得到均方误差Mn=1.84,同理可得均方误差MP=3.69,则代入得出0.8,大于设定阈值0.5,立刻灭火,向控制模块发送喷水启动信号。
以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。
Claims (5)
1.一种大空间仓库火灾预警灭火系统,其特征在于,包括:
至少一个温度传感器,采集仓库内的温度数据;
至少一个湿度传感器,采集仓库内的湿度数据;
控制模块,与温度传感器、湿度传感器电性连接,并将温度数据、湿度数据通过通讯模块上传至服务器;
所述服务器通过大空间仓库火灾预警模型判断仓库内的火灾危险指数,当火灾危险指数超过设定阈值时,向控制模块发送喷水启动信号。
2.根据权利要求1所述的大空间仓库火灾预警灭火系统,其特征在于,
构建所述大空间仓库火灾预警模型包括:
获取历史数据中火灾关联数据并获得其对应系数,通过软间隔SVM计算得到最优分类超平面的法向量w*;
通过法向量w*构建当前状态与有和无火灾类别历史数据的均方误差算式,以获得相应均方误差;以及
通过上述均方误差构建大空间仓库火灾预警模型。
3.根据权利要求2所述的大空间仓库火灾预警灭火系统,其特征在于,
获取历史数据中火灾关联数据并获得其对应系数,通过软间隔SVM计算得到最优分类超平面的法向量w*的方法包括:
获取历史数据中火灾关联数据并获得其对应系数,即
设定数据向量,即x=(x(1),x(2),x(3));
其中,x(1)为库存物品易燃等级,x(2)为温度,x(3)为湿度;
建立与上述数据向量对应的权值系数向量w=(w(1),w(2),w(3));其中,w(1)为库存物品易燃等级系数;w(2)为温度系数;w(3)为湿度系数;以及
通过软间隔SVM计算得到最优分类超平面的法向量w*,即
使用软间隔SVM,以得到最优分类超平面的法向量w*:
s.t yi(w·xi+b)≥1-ξi
ξi≥0 i=1,2,....N
式中C为惩罚系数,ξi为松弛变量,b为偏置;以及xi为第i个训练数据向量,yi为xi的类标记;yi为-1时表示有火灾类别,yi为+1时表示无火灾类别,N为训练数据数目;
其中α*为拉格朗日乘子向量中对偶问题的解。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210521654.3A CN114904195B (zh) | 2022-05-13 | 2022-05-13 | 基于大空间仓库火灾预警模型的火灾预警灭火系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210521654.3A CN114904195B (zh) | 2022-05-13 | 2022-05-13 | 基于大空间仓库火灾预警模型的火灾预警灭火系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114904195A true CN114904195A (zh) | 2022-08-16 |
CN114904195B CN114904195B (zh) | 2023-06-16 |
Family
ID=82765946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210521654.3A Active CN114904195B (zh) | 2022-05-13 | 2022-05-13 | 基于大空间仓库火灾预警模型的火灾预警灭火系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114904195B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5260687A (en) * | 1991-01-18 | 1993-11-09 | Hochiki Kabushiki Kaisha | Combined method of determining fires |
US20060007008A1 (en) * | 2004-05-27 | 2006-01-12 | Lawrence Kates | Method and apparatus for detecting severity of water leaks |
CN102056182A (zh) * | 2010-12-13 | 2011-05-11 | 哈尔滨工业大学 | 一种基于ls-svm的移动话务量预测方法 |
WO2019019709A1 (zh) * | 2017-07-24 | 2019-01-31 | 厦门快商通科技股份有限公司 | 一种自来水管漏水检测方法 |
CN111444629A (zh) * | 2020-04-15 | 2020-07-24 | 中国二冶集团有限公司 | 一种基于支持向量机的钢筋锈蚀参数预测方法 |
CN111980736A (zh) * | 2020-08-31 | 2020-11-24 | 常州机电职业技术学院 | 一种矿山锚杆支护巷道的危险度预测与冒顶预警方法 |
CN112001600A (zh) * | 2020-07-31 | 2020-11-27 | 华中科技大学 | 一种基于svm和ds理论的渗漏水风险监测方法 |
CN113516819A (zh) * | 2021-05-25 | 2021-10-19 | 北京创源信诚管理体系认证有限公司 | 烟草仓库智能化电气火灾预警系统及方法 |
CN113723701A (zh) * | 2021-09-07 | 2021-11-30 | 常州机电职业技术学院 | 森林火灾监测预测方法及系统、电子设备及存储介质 |
-
2022
- 2022-05-13 CN CN202210521654.3A patent/CN114904195B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5260687A (en) * | 1991-01-18 | 1993-11-09 | Hochiki Kabushiki Kaisha | Combined method of determining fires |
US20060007008A1 (en) * | 2004-05-27 | 2006-01-12 | Lawrence Kates | Method and apparatus for detecting severity of water leaks |
CN102056182A (zh) * | 2010-12-13 | 2011-05-11 | 哈尔滨工业大学 | 一种基于ls-svm的移动话务量预测方法 |
WO2019019709A1 (zh) * | 2017-07-24 | 2019-01-31 | 厦门快商通科技股份有限公司 | 一种自来水管漏水检测方法 |
CN111444629A (zh) * | 2020-04-15 | 2020-07-24 | 中国二冶集团有限公司 | 一种基于支持向量机的钢筋锈蚀参数预测方法 |
CN112001600A (zh) * | 2020-07-31 | 2020-11-27 | 华中科技大学 | 一种基于svm和ds理论的渗漏水风险监测方法 |
CN111980736A (zh) * | 2020-08-31 | 2020-11-24 | 常州机电职业技术学院 | 一种矿山锚杆支护巷道的危险度预测与冒顶预警方法 |
CN113516819A (zh) * | 2021-05-25 | 2021-10-19 | 北京创源信诚管理体系认证有限公司 | 烟草仓库智能化电气火灾预警系统及方法 |
CN113723701A (zh) * | 2021-09-07 | 2021-11-30 | 常州机电职业技术学院 | 森林火灾监测预测方法及系统、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114904195B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110634262A (zh) | 一种磷酸铁锂储能电站电池预制舱火灾预警方法 | |
WO2020024786A1 (zh) | 用于锂离子电池的灭火方法、灭火系统、电子设备及存储介质 | |
CN110071754B (zh) | Uav测控链路中断故障应急处理方法 | |
JP6755139B2 (ja) | 航空機内の複数の閉鎖空間のための火災抑制システムを有する航空機、および火災抑制システムの制御方法 | |
JP6666212B2 (ja) | 火災抑制システム、および航空機の火災抑制システムにおける火災抑制剤の放出の制御方法 | |
CN114904195A (zh) | 基于大空间仓库火灾预警模型的火灾预警灭火系统 | |
US5918680A (en) | Water spray cooling system for extinguishment and post fire suppression of compartment fires | |
KR102131967B1 (ko) | 소화용 마이크로캡슐을 활용한 소화제품 기반의 화재 관제 시스템 | |
US20190168047A1 (en) | Method of and system for suppressing fire using anenvironmentally-clean free-radical chemical-reaction interrupting water mist so as to reduce water damage and smoke production and the risk of fire re-ignition | |
CN105999590A (zh) | 一种实时监测主动灭火方法及装置 | |
CN110448847A (zh) | 一种消防灭火平台的控制系统与控制方法 | |
CN211293712U (zh) | 一种基于云平台数据对显示产品运行环境监控的装置 | |
CN109045541B (zh) | 克服火场烟羽流的无人机灭火装置控制方法、系统及存储介质 | |
CN114849101A (zh) | 用于大型仓储空间的火灾预警方法 | |
CN115670394A (zh) | 一种消防服智能监测预警方法、系统及存储介质 | |
Nyrkov et al. | Modeling the operating range of the fire safety system response parameters on board | |
CN111375160A (zh) | 一种基于泡沫灭火的船舶消防系统 | |
US20200086284A1 (en) | Gas nanobubbles for fire suppression | |
JP2018534702A (ja) | 電気回路の不具合の結果生じる火災前状態を検知する方法 | |
JP2021171256A (ja) | ロボット部署位置計算装置及びプログラム | |
Liu | Use of Liquid Nitrogen as Wildfire Suppressant | |
CN214129984U (zh) | 一种具有消防功能的小麦原种精选机 | |
Zhao et al. | Experimental study on vertical RPU fire suppression performance using water spray | |
CN220025945U (zh) | 一种锂电池立体库房消防装置 | |
CN105771141A (zh) | 温度反馈式水雾灭火系统及装置 |
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 |