CN116486555A - 一种火灾态势预测方法及火灾探测器 - Google Patents
一种火灾态势预测方法及火灾探测器 Download PDFInfo
- Publication number
- CN116486555A CN116486555A CN202210900932.6A CN202210900932A CN116486555A CN 116486555 A CN116486555 A CN 116486555A CN 202210900932 A CN202210900932 A CN 202210900932A CN 116486555 A CN116486555 A CN 116486555A
- Authority
- CN
- China
- Prior art keywords
- data
- gradient
- fire
- sequence
- data sequence
- 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
- 238000000034 method Methods 0.000 title claims abstract description 35
- 238000005070 sampling Methods 0.000 claims abstract description 56
- 238000001514 detection method Methods 0.000 claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 19
- 238000004458 analytical method Methods 0.000 claims description 13
- 238000012544 monitoring process Methods 0.000 description 4
- 239000002131 composite material Substances 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 125000004122 cyclic group Chemical group 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 238000004880 explosion Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Fire Alarms (AREA)
Abstract
本发明涉及一种火灾态势预测方法及火灾探测器,属于火灾探测技术领域。该方法为:对于每种危险特征参量,按照设定采样间隔实时采集数据,将最新采集的n个数据按照采样顺序构成数据序列;之后每经过m个采样间隔的数据采集,将最新采集的n个数据按照采样顺序构成新的数据序列,1≤m<n;对获得的至少两个数据序列进行最小二乘线性拟合,得到每个数据序列的梯度系数;对得到的梯度系数进行分析处理,得到危险特征参量的梯度值;根据各危险特征参量的梯度值判断是否发生火灾。火灾探测器包括处理器及与其连接的采集装置,该火灾探测器用于实现上述火灾态势预测方法。本发明计算得到的梯度值准确可靠,进而提高了火灾态势判定的准确性、可靠性。
Description
技术领域
本发明属于火灾探测技术领域,具体一种火灾态势预测方法及火灾探测器。
背景技术
火灾态势的分析主要表征为监控区域内温度和压力等危险特征参量的变化,即温度梯度、压力梯度的有效准确计算。而温度梯度和压力梯度的有效准确计算是防止火灾探测器出现火灾误报警、漏报警的关键问题之一。
公告号为CN205451369 U的中国实用新型专利公开了一种双通道差定温压复合型探测器,该探测器通过温度和压力的变化与时间间隔的比值来获得每个定时时间内的温度梯度与压力梯度,但是由于未与上一个定时时间内的数据进行连续比较替代,容易受到脉冲扰动的影响,可靠性相对较差。公告号为CN107738751B的中国发明专利公开了一种座舱压力变化速率显示方法,该方法按照显示周期对座舱压力梯度进行循环计算,但是由于每两个相邻计算周期内的采集数据都是相互独立且离散的,造成了压力梯度计算的结果仅依赖于当前计算周期内的数据,同样容易受到脉冲扰动的影响,使得计算结果不能准确分析出火灾态势。在相关文献中未发现合适的梯度计算方法,以及基于梯度计算的火灾态势分析方法,以满足火灾探测报警可靠准确的要求,并解决火灾探测器误报警、漏报警的问题。
发明内容
本发明的目的是提供一种火灾态势预测方法及火灾探测器,以解决现有的火灾态势分析方法对火灾态势的分析不够准确、可靠,造成火灾探测器误报警、漏报警的问题。
本发明为解决上述技术问题而提供的火灾态势预测方法的技术方案为:
1)采集用于预测火灾态势的危险特征参量数据:对于每种危险特征参量,按照设定采样间隔实时采集数据,将当前时刻已采集数据中最新采集的n个数据按照采集时间顺序排列构成数据序列,以当前时刻为起点每经过m个采样间隔的数据采集,将已采集数据中最新采集的n个数据按照采集时间顺序排列构成一个新的数据序列;其中,1≤m<n;
2)危险特征参量数据的梯度值计算:至少获得两个数据序列,对每个数据序列进行最小二乘线性拟合,得到每个数据序列对应的梯度系数;
3)对各个数据序列对应的梯度系数进行综合分析处理,将综合分析处理结果作为该危险特征参量的梯度值;根据各危险特征参量的梯度值判断是否发生火灾危险。
本发明的有益效果是:本发明的方法在计算被监控的监控区域内的危险特征参量的梯度时,利用具有时间交叉的多个采样时长采集的数据进行计算,计算的结果能够消除受脉冲扰动所带来的影响,所以计算得到的梯度值更加准确可靠。利用该准确的梯度值来判定火灾报警状态,提高了火灾态势判定的准确性、可靠性,预防了监控区域可能发生的火灾和爆炸危险,提高了监控区域的防护能力,为舰船等特殊场合的防火防爆系统底层探测设备的有效探测提供了有力保障。
进一步地,所述危险特征参量包括温度和/或压力。
进一步地,每个数据序列对应的梯度系数的计算公式为:其中,Δt为设定采样间隔,n为数据序列中采样数据的个数,i为数据序列中采样数据的序号,hi为数据序列中第i个采样数据值。
进一步地,当危险特征量为温度参量时,温度的梯度值≥温度梯度阈值时,探测器判定为发生火灾;当危险特征量包括温度参量和压力参量时,当前温度值T满足:T1≤T≤火灾报警阈值,且压力的梯度值≥压力梯度阈值时,探测器判定为发生火灾,T1为设定温度值。
进一步地,对各个数据序列的梯度系数进行综合分析处理的过程是:对各个数据序列的梯度系数求均值,将均值作为危险特征参量的梯度值;或者,对各个数据序列的梯度系数进行比较,取中位数作为危险特征参量的梯度值。
本发明为解决上述技术问题而提供的火灾探测器的技术方案为:
所述火灾探测器包括采集装置和控制器,采集装置与控制器连接,所述采集装置用于采集预测火灾态势的危险特征参量数据:对于每种危险特征参量,按照设定采样间隔进行实时数据采集,并将采集的数据发送给处理器;
控制器用于将当前时刻已采集数据中最新采集的n个数据按照采集时间顺序排列构成数据序列并存储,以当前时刻为起点每经过m个采样间隔的数据采集,将已采集数据中最新采集的n个数据按照采集时间顺序排列构成一个新的数据序列;其中,1≤m<n;
所述控制器至少获得两个数据序列,对每个数据序列进行最小二乘线性拟合,得到每个数据序列对应的梯度系数;对各个数据序列对应的梯度系数进行综合分析处理,将综合分析处理结果作为该危险特征参量的梯度值;根据各危险特征参量的梯度值判断是否发生火灾危险。
本发明的火灾探测器在计算被监控的监控区域内的危险特征参量的梯度时,利用具有时间交叉的多个采样时长采集的数据进行计算,计算的结果能够消除受脉冲扰动所带来的影响,所以计算得到的梯度值更加准确可靠。利用该准确的梯度值来判定火灾报警状态,提高了火灾态势的准确、可靠判定,预防了监控区域可能发生的火灾和爆炸危险,提高了监控区域的防护能力,为舰船等特殊场合的防火防爆系统底层探测设备的有效探测提供了有力保障。
进一步地,所述危险特征参量包括温度和/或压力;当危险特征参量为温度时,采集装置为温度探测单元;当危险特征参量为压力时,采集装置为压力探测单元;危险特征参量包括温度和压力时,采集装置包括温度探测单元和压力探测单元。
进一步地,每个数据序列对应的梯度系数的计算公式为:其中,Δt为设定采样间隔,n为数据序列中采样数据的个数,i为数据序列中采样数据的序号,hi为数据序列中第i个采样数据值。
进一步地,对于每种危险特征参量,所述采集装置中设置至少两个该种危险特征参量的探测单元。
进一步地,所述控制器对各个数据序列的梯度系数进行综合分析处理的过程是:对各个数据序列的梯度系数求均值,将均值作为危险特征参量的梯度值;或者,对各个数据序列的梯度系数进行比较,取中位数作为危险特征参量的梯度值。
附图说明
图1为本发明实施例一种火灾态势预测方法中数据采样处理的流程图;
图2为本发明实施例一种火灾态势预测方法中数据分析处理的流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步地说明。
本发明的火灾态势预测方法的技术构思在于:利用最小二乘拟合来获得火灾危险特征参量的梯度值时,获得了具有时间交叉的多个时间段采集的数据序列,也即各个时间段对应的数据序列中数据有交叉。由于利用了连续多个时间段的采集数据来计算梯度值,所以避免了脉冲扰动带来的影响,提高了计算的准确性,进而提高火灾态势判定的准确性和可靠性。
火灾态势预测方法实施例
如图1-2所示,本实施例的火灾态势预测方法包括以下步骤:
1)数据采集处理
对于每种危险特征参量,按照设定采样间隔实时采集数据。在探测器刚刚上电,处于初始状态时,其数据缓冲区中并未存储采集数据,所以,需要按照设定时间间隔进行数据采样,采样一定时长后获得到一组采样数据。在当前时刻,会将其中最新采集的n个数据按照采集时间顺序排列,得到一个数据序列,也即得到初始数据序列。其中最新采集的n个数据是指最接近当前时刻的n各数据,若当前时刻为T,则为T-nΔt、T-(n-1)Δt、T-(n-2)Δt、…、T-Δt时刻采集的数据。
获得初始数据序列后,由于在实时采集数据,所以,以当前时刻为起点每隔一个采样间隔会产生一个新的数据,本发明在当前时刻之后经过m个采样间隔的数据采集后,再次获得一个新的数据序列,新的数据序列是在当前时刻之前采集的数据与当前时刻之后经过m个采样间隔采集的数据,也即已采集数据中将最新采集的n个数据按照采集时间顺序排列构成一个新的数据序列。这里的最新采集的n个数据,也是以获得新的数据序列时刻为基准,距离该时刻的最近的n个时刻的数据。
为了使得每个数据序列中的数据有交叉,则1≤m<n。
作为一个优选实施方式,m取1,那么,得到初始数据序列后的每一个采样间隔,都会采集一个新的数据,从已采集的数据中将最新采集的n个数据按照采集时间顺序获得新的数据序列。
或者说用新的数据更新初始数据序列,更新初始数据序列的方式是:数据序列中前一个时刻的数据均用后一个时刻的数据替代,数据序列中最后一个数据用最新采集到的数据替代。也即依然保持数据序列长度不变,只是去掉第一个采样时刻采集到的数据,而增加最新的采样数据。
假设时间间隔为Δt,数据序列的长度为n,Δt和n的值均可自由设置;采样每个Δt时刻的数据,完成一组数据的采样,其中采样时间分别为Δt、2Δt、…、nΔt,得到初始数据序列AΔt[0]、A2Δt[1]、…、AnΔt[n-1];
在第n+1个Δt时刻采集到一个新的数据A(n+1)Δt[n],此时更新初始数据序列,得到新的数据序列:A2Δt[1]、A3Δt[2]、…、AnΔt[n-1]、A(n+1)Δt[n];
按照上述更新方式循环采样每个Δt时间间隔处的数据序列。
2)数据分析处理
获得至少两个数据序列,对各个数据序列分别进行最小二乘线性拟合,得到每个数据序列对应的梯度系数,具体步骤如下:
步骤1:将采样时刻ti的数据序列中的值提取到hi中,其中i∈(1,n),且i为正整数;ti即第i个Δt时间间隔对应的时刻。
步骤2:进行最小二乘线性拟合,得到每个采样通道的采样数据与采样时间之间的拟合模型:
h=kt+b (1)
其中,h为采样数据,t为采样时间,k为梯度系数,b为偏移系数。
步骤3:通过拟合模型计算当前时间段的梯度值,根据最小二乘法的原理可以得到:
将代入上式(2)可得
将ti=iΔt,i∈(1,n),且i为正整数代入上式(3)可得
其中n、Δt的数值可自行设定,且n的值越大,Δt的越小,梯度系数值就越接近真实值。
步骤4:对各个数据序列的梯度系数进行综合分析处理,得到每个危险特征参量的梯度值。
综合分析处理过程一般包括以下两种方式:方式一,对至少两个数据序列的梯度系数进行比较,取中位数作为危险特征参量的梯度值。取中位数作为危险特征参量的梯度值是指:当梯度系数为奇数时,存在一个中间值,将该中间值作为危险特征参量的梯度值;当梯度系数为偶数时,存在两个中间值,将两个中间值求平均作为危险特征参量的梯度值。
方式二,对至少两个数据序列的梯度系数求均值,将均值作为危险特征参量的梯度值。
考虑到数据计算量与准确度,数据序列的个数的取值范围一般为2~5,作为优选的实施方式,数据序列的个数为3。
3)火灾态势预测分析
与火灾态势分析相关的危险特征参量至少包括场所的温度数据,作为其他实施方式也可以采集压力数据。
当火灾危险特征参量仅为单一的温度数据时,将温度的梯度值记为▽T,当▽T≥温度梯度阈值时,探测器判定为发生火灾,进行火灾报警。所述温度梯度阈值一般为100℃/min,当然针对不同的场所,该设定阈值也可根据实际情况进行调整。
当危险特征参量包括温度和压力两种参量时,进行温度数据及压力梯度的融合判定,其具体判定过程为:在温度预警阈值和火灾阈值之间选择1个温度值,作为融合判断温度点,该融合温度点记为T1,压力梯度记为▽P,当测定的温度值T1≤T≤火灾阈值且▽P≥压力梯度阈值时,探测器判定为发生火灾,进行火灾报警。
其中温度预警阈值一般设定为30℃,火灾阈值一般设定为65℃。当然作为其他实施方式温度预警阈值也可设定为35℃、40℃等,火灾阈值也可设定为60℃、70℃等,根据应用场所的实际情况可自行设定。但是需要保证温度预警阈值小于火灾阈值,压力梯度阈值一般设为12kPa/min,当然作为其他实施方式温度预警阈值也可设定为13kPa/min、14kPa/min等,根据应用场所的实际情况可自行设定。
本实施例的火灾态势预测方法实现了危险特征参量的梯度值的有效准确计算,解决了由于环境数据波动造成的探测器误报警、漏报警难题,具有可靠高效等特点。而且,可以根据被监控区域的实际危险等级,自行设定采样数据序列的大小以及采样间隔的大小,将火灾报警与危险等级进行匹配;在硬件成本不变的情况下,可以方便地将该预测方法移植到已装配的同类型火灾探测器中,提高探测器报警的可靠性和准确性,实现火灾探测有效的报警。
火灾探测器实施例
本实施例的火灾探测器包括采集装置以及控制器,采集装置与控制器连接。采集装置用于将采集到的数据发送给控制器。控制器接收到采集装置采集的数据后,对数据进行处理,计算危险特征参量的梯度值,然后根据危险特征参量数据及其梯度值对火灾态势进行判定。
其中,采集装置可根据所需要采集的危险特征参量数据进行设置,如若仅采集温度数据,则采集装置设置为温度探测单元,若还需要采集压力数据,则采集装置包括温度探测单元和压力探测单元。
控制器接收到采集装置采集的数据后,将当前时刻已采集数据中最新采集的n个数据按照采集时间顺序排列构成数据序列并存储在数据序列缓冲区中,以当前时刻为起点每经过m个采样间隔的数据采集,将已采集数据中最新采集的n个数据按照采集时间顺序排列构成一个新的数据序列;其中,1≤m<n。
所述控制器至少获得两个数据序列,对每个数据序列进行最小二乘线性拟合,得到每个数据序列对应的梯度系数;对各个数据序列对应的梯度系数进行综合分析处理,将综合分析处理结果作为该危险特征参量的梯度值;根据各危险特征参量的梯度值判断是否发生火灾危险。
其中,具体的计算数据序列梯度系数的方式、根据各数据序列梯度系数计算危险特征参量的梯度值的方式,以及火灾态势的具体判定方式参见火灾态势预测方法实施例步骤2)、3),这里不再详细说明。
作为另外一种实施方式,火灾探测器可以设置为双通道火灾探测器,双通道火灾探测器是指每种危险特征参量的采集设备均是双通道的,如设置双通道的温度敏感探头、双通道的压力变送器,即设置两个独立的压力探测单元、两个独立的温度探测单元,双通道的温度敏感探头和双通道的压力变送器均与处理器连接。设置两个独立的压力探测单元、两个独立的温度探测单元,实现冗余,提高温度、压力采集的可靠性。
对于双通道火灾探测器,对于每个通道,均能够按照上述火灾态势预测方法实施例中的步骤1)、2)获得每种危险特征参量的梯度值。为了进一步提高梯度值计算的准确性,可以将同一种危险特征参量的两个通道的梯度值求平均。
作为一种优选的实施方式,本发明的火灾探测器为双通道差定温压复合型探测器,所述双通道差定温压复合型探测器包括两个独立的压力探测单元、两个独立的温度探测单元和处理器,两个独立的压力探测单元、两个独立的温度探测单元分别与处理器连接。每个压力探测单元、温度探测单元均是按照上述火灾态势预测方法实施例中的步骤1)、2)来计算各自的梯度值,然后两个通道的压力梯度值求平均,得到最终的压力梯度值,两个通道的温度梯度值求平均,得到最终的温度梯度值,然后根据计算得到的温度数据、温度梯度值及压力梯度值按照上述火灾态势预测方法实施例中的步骤3)判定火灾态势。
其中,在火灾探测器刚上电,处于初始状态时,控制器通过定时器定时采样时间(设定采样时长),每个通道的探测单元分别进行数据采样。其中采样时间的设置非常关键,如设置的不合理会导致火灾报警实时性变差,具体设置时有以下考虑:
压力敏感元件的响应速度很快,一般在ms级别,理论上只要不超过压力的响应频率,采样频率越快越好,因此只需要温度的采样时间。由于温度敏感元件具有热惯性,从感知温度到有明显的温度变化需要一定的时间,因此需要设定一个合适的采样时间,如果单纯的扩大采样时间间隔,就会降低温度的采样频率,增加火灾判定的时间,从而造成火灾报警实时性变差。本发明是经过严格的测试试验之后,依据测试结果和工程经验,设置采样时间为200ms并通过循环采样来保证报警的实时性,然后通过数据连续替代和循环更新的方式来提高准确率。
Claims (10)
1.一种火灾态势预测方法,其特征在于,该方法包括以下步骤:
1)采集用于预测火灾态势的危险特征参量数据:对于每种危险特征参量,按照设定采样间隔实时采集数据,将当前时刻已采集数据中最新采集的n个数据按照采集时间顺序排列构成数据序列,以当前时刻为起点每经过m个采样间隔的数据采集,将已采集数据中最新采集的n个数据按照采集时间顺序排列构成一个新的数据序列;其中,1≤m<n;
2)危险特征参量数据的梯度值计算:至少获得两个数据序列,对每个数据序列进行最小二乘线性拟合,得到每个数据序列对应的梯度系数;
3)对各个数据序列对应的梯度系数进行综合分析处理,将综合分析处理结果作为该危险特征参量的梯度值;根据各危险特征参量的梯度值判断是否发生火灾危险。
2.根据权利要求1所述的火灾态势预测方法,其特征在于,所述危险特征参量包括温度和/或压力。
3.根据权利要求1所述的火灾态势预测方法,其特征在于,每个数据序列对应的梯度系数的计算公式为:其中,Δt为设定采样间隔,n为数据序列中采样数据的个数,i为数据序列中采样数据的序号,hi为数据序列中第i个采样数据值。
4.根据权利要求2所述的火灾态势预测方法,其特征在于,当危险特征量为温度参量时,温度的梯度值≥温度梯度阈值时,探测器判定为发生火灾;当危险特征量包括温度参量和压力参量时,当前温度值T满足:T1≤T≤火灾报警阈值,且压力的梯度值≥压力梯度阈值时,探测器判定为发生火灾,T1为设定温度值。
5.根据权利要求1~4任意一项所述的火灾态势预测方法,其特征在于,对各个数据序列的梯度系数进行综合分析处理的过程是:对各个数据序列的梯度系数求均值,将均值作为危险特征参量的梯度值;或者,对各个数据序列的梯度系数进行比较,取中位数作为危险特征参量的梯度值。
6.一种火灾探测器,所述火灾探测器包括采集装置和控制器,采集装置与控制器连接,其特征在于,所述采集装置用于采集预测火灾态势的危险特征参量数据:对于每种危险特征参量,按照设定采样间隔进行实时数据采集,并将采集的数据发送给处理器;
控制器用于将当前时刻已采集数据中最新采集的n个数据按照采集时间顺序排列构成数据序列并存储,以当前时刻为起点每经过m个采样间隔的数据采集,将已采集数据中最新采集的n个数据按照采集时间顺序排列构成一个新的数据序列;其中,1≤m<n;
所述控制器至少获得两个数据序列,对每个数据序列进行最小二乘线性拟合,得到每个数据序列对应的梯度系数;对各个数据序列对应的梯度系数进行综合分析处理,将综合分析处理结果作为该危险特征参量的梯度值;根据各危险特征参量的梯度值判断是否发生火灾危险。
7.根据权利要求6所述的火灾探测器,其特征在于,所述危险特征参量包括温度和/或压力;当危险特征参量为温度时,采集装置为温度探测单元;当危险特征参量为压力时,采集装置为压力探测单元;危险特征参量包括温度和压力时,采集装置包括温度探测单元和压力探测单元。
8.根据权利要求6所述的火灾探测器,其特征在于,每个数据序列对应的梯度系数的计算公式为:其中,Δt为设定采样间隔,n为数据序列中采样数据的个数,i为数据序列中采样数据的序号,hi为数据序列中第i个采样数据值。
9.根据权利要求6所述的火灾探测器,其特征在于,对于每种危险特征参量,所述采集装置中设置至少两个该种危险特征参量的探测单元。
10.根据权利要求6~9任意一项所述的火灾探测器,其特征在于,所述控制器对各个数据序列的梯度系数进行综合分析处理的过程是:对各个数据序列的梯度系数求均值,将均值作为危险特征参量的梯度值;或者,对各个数据序列的梯度系数进行比较,取中位数作为危险特征参量的梯度值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900932.6A CN116486555A (zh) | 2022-07-28 | 2022-07-28 | 一种火灾态势预测方法及火灾探测器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210900932.6A CN116486555A (zh) | 2022-07-28 | 2022-07-28 | 一种火灾态势预测方法及火灾探测器 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116486555A true CN116486555A (zh) | 2023-07-25 |
Family
ID=87220083
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210900932.6A Pending CN116486555A (zh) | 2022-07-28 | 2022-07-28 | 一种火灾态势预测方法及火灾探测器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116486555A (zh) |
-
2022
- 2022-07-28 CN CN202210900932.6A patent/CN116486555A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101719299B (zh) | 一种火灾、可燃气体报警系统及方法 | |
KR101431237B1 (ko) | 구조물의 이상거동 검출 및 안전성 평가 시스템과 그 방법 | |
CN112348237B (zh) | 一种动态钻井数据异常趋势检测方法 | |
CN114912852B (zh) | 一种用于冷藏仓储箱的异常监测预警系统 | |
CN102789676B (zh) | 一种基于报警证据融合的工业报警器设计方法 | |
KR101382627B1 (ko) | 돈사 등에 적용할 수 있는 가축 축사 모니터링 시스템 및 방법 | |
Van Herwijnen et al. | Forecasting snow avalanches using avalanche activity data obtained through seismic monitoring | |
CN112418517B (zh) | 一种用于冻害短临预警的预测方法 | |
CN111776006B (zh) | 一种列车轴温的预报警方法及装置 | |
CN108760983A (zh) | 分级复合指标体系的采煤工作面自然发火预警方法 | |
CN115864223B (zh) | 一种基于无人机巡视技术的电网全专业差异化运维方法 | |
EP3289370B1 (en) | Methods and systems for alerting a user to the presence of a fault in an electromechanical system in a railway infrastructure | |
WO2013010404A1 (zh) | 设备性能预测处理方法及装置 | |
CN115326266A (zh) | 一种基于牛顿力监控的多源异构滑坡预警模型 | |
CN115992736A (zh) | 一种矿井采空区火灾预警控制系统 | |
CN110166972A (zh) | 一种带有区块链模块的智能传感系统 | |
RU2011126886A (ru) | Способ прогнозирования сейсмического события | |
CN116486555A (zh) | 一种火灾态势预测方法及火灾探测器 | |
CN116520236B (zh) | 一种智能电表的异常检测方法和系统 | |
CN108508860A (zh) | 一种基于耦合关系的流程工业生产系统数据监测方法 | |
CN103485825B (zh) | 一种通过时间差进行煤矿井下温度预警的方法 | |
CN116402190A (zh) | 一种铁路沿线滑坡地质灾害识别方法及系统 | |
CN114299693B (zh) | 一种基于gnss的边坡监测预警方法 | |
CN106094688B (zh) | 一种湿度传感器控制系统 | |
CN115563802A (zh) | 一种基于自适应时间窗和多判据的滑坡临滑时间预报方法 |
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 |