CN117079406A - 火灾的报警方法、系统、装置、电子设备及存储介质 - Google Patents

火灾的报警方法、系统、装置、电子设备及存储介质 Download PDF

Info

Publication number
CN117079406A
CN117079406A CN202310931257.8A CN202310931257A CN117079406A CN 117079406 A CN117079406 A CN 117079406A CN 202310931257 A CN202310931257 A CN 202310931257A CN 117079406 A CN117079406 A CN 117079406A
Authority
CN
China
Prior art keywords
target object
fire
detection
detection information
smoke concentration
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
Application number
CN202310931257.8A
Other languages
English (en)
Inventor
邵凯兰
徐少红
李勇
刘国菲
孙健
薛宏佺
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
CRRC Nanjing Puzhen Co Ltd
Original Assignee
CRRC Nanjing Puzhen Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by CRRC Nanjing Puzhen Co Ltd filed Critical CRRC Nanjing Puzhen Co Ltd
Priority to CN202310931257.8A priority Critical patent/CN117079406A/zh
Publication of CN117079406A publication Critical patent/CN117079406A/zh
Pending legal-status Critical Current

Links

Classifications

    • 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
    • G08B17/103—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means using a light emitting and receiving device
    • G08B17/107—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means using a light emitting and receiving device for detecting light-scattering due to smoke
    • 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
    • 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
    • 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
    • G08B29/183—Single detectors using dual technologies
    • 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
    • G08B29/186—Fuzzy logic; neural networks
    • 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
    • Y02B—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO BUILDINGS, e.g. HOUSING, HOUSE APPLIANCES OR RELATED END-USER APPLICATIONS
    • Y02B20/00—Energy efficient lighting technologies, e.g. halogen lamps or gas discharge lamps
    • Y02B20/40—Control techniques providing energy savings, e.g. smart controller or presence detection

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Engineering & Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Security & Cryptography (AREA)
  • Artificial Intelligence (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Fuzzy Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Fire Alarms (AREA)

Abstract

本申请实施例提供一种火灾的报警方法、系统、装置、电子设备及存储介质，应用于包括至少两种探测组件的探测器；包括：利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息；通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息；在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。

Description

火灾的报警方法、系统、装置、电子设备及存储介质
技术领域
本发明涉及火灾报警领域，具体的说，涉及了一种火灾的报警方法、系统、装置、电子设备及存储介质。
背景技术
相关技术中，单光源感烟探测器受灰尘、水雾等因素影响较大，直接导致火灾报警系统误报多、可靠性低。双光源探测器对比单光源探测器可以有效降低火警误报，但由于有些大颗粒烟雾粒子有可能被探测器判定为灰尘，存在漏报火警的风险。而针对该问题，目前尚无有效解决方案。
发明内容
有鉴于此，本申请实施例提供了一种火灾的报警方法、系统、装置、电子设备及存储介质。
本申请实施例的技术方案是这样实现的：
本申请实施例提供了一种火灾的报警方法，应用于包括至少两种探测组件的探测器；包括：
利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息；
通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；
在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息；
在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
在一些实施方案中，所述第一探测信息包括所述目标对象发生火灾时对应的第一烟雾浓度参数；所述预设算法包括神经网络算法；所述通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果，包括：
判断所述第一烟雾浓度参数的值是否大于第一阈值；
在所述第一烟雾浓度参数的值达到所述第一阈值的情况下，通过神经网络算法对所述第一烟雾浓度参数的值进行火灾风险判断，得到所述第一判断结果。
在一些实施方案中，所述神经网络算法包括初始神经网络模型；所述方法还包括：
获取所述目标对象对应的样本参数以及所述样本参数对应的火灾风险评估结果；
基于所述样本参数和所述火灾风险评估结果对所述初始神经网络模型进行训练，得到第一神经网络模型；所述第一神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断；
确定所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内的第一变化参数；
基于所述第一变化参数对所述第一神经网络模型进行更新，得到第二神经网络模型；所述第二神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断。
在一些实施方案中，在所述第一判断结果表征所述目标对象存在火灾风险之后，所述方法还包括：
基于所述第一烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数；
判断所述烟雾浓度变化参数的值是否大于第二阈值；
在所述烟雾浓度变化参数的值大于所述第二阈值的情况下，确定所述目标对象存在火灾风险。
在一些实施方案中，在所述第一判断结果表征所述目标对象存在火灾风险之后，所述方法还包括：
基于所述第一烟雾浓度参数确定在第一预设时间内所述目标对象对应的烟浓度减光率；
判断所述烟浓度减光率的值是否大于第三阈值；
在所述烟浓度减光率的值大于所述第三阈值的情况下，确定所述目标对象存在火灾风险。
在一些实施方案中，在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
间隔第二预设时间后，重新获取所述第一探测信息；
通过预设算法对重新获取后的所述第一探测信息进行火灾风险判断，得到第二判断结果；
在所述第二判断结果表征所述目标对象存在火灾风险的情况下，重新获取所述目标对象对应的第二探测信息；
在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
在一些实施方案中，在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
利用所述至少两种探测组件中的第三探测组件对所述目标对象进行烟雾探测，得到所述目标对象对应的第三探测信息；
基于所述第三探测信息判断所述目标对象是否存在火灾风险，得到第三判断结果；
在所述第三判断结果表征所述目标对象存在火灾风险的情况下，确定对所述目标对象进行火灾报警。
在一些实施方案中，所述第三探测信息包括所述目标对象发生火灾前第四预设时间内的第二烟雾浓度参数；在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
判断所述第二烟雾浓度参数的值是否大于第四阈值；
在所述第二烟雾浓度参数的值大于所述第四阈值的情况下，确定所述目标对象存在火灾风险。
在一些实施方案中，在所述利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测之前，所述方法还包括：
所述利用所述至少两种探测组件中的第四探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第四探测信息；
在所述第四探测信息满足预设条件的情况下，确定对所述目标对象进行火灾报警。
本申请实施例提供了一种火灾的报警系统，包括：
第一探测组件，用于对目标对象进行烟雾探测；
第二探测组件，用于对所述目标对象对应的物质浓度进行探测；
报警组件，用于通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；在所述第一判断结果表征所述目标对象存在火灾风险的情况下，判断所述第二探测信息是否满足预设的火警条件；在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
本申请实施例提供了火灾的报警装置，应用于包括至少两种探测组件的探测器；包括：
第一探测模块，用于利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息；
第一判断模块，用于通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；
第二探测模块，用于在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息；
报警模块，用于在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
本申请实施例提供了一种火灾的报警设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述火灾的报警方法中的步骤。
本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述火灾的报警方法中的步骤。
本申请实施例提供一种火灾的报警方法、系统、装置、电子设备及存储介质，应用于包括至少两种探测组件的探测器；包括：利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息；通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息；在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。采用本申请实施例的技术方案，能够利用至少两种探测组件分级对目标对象进行探测，在第一探测信息对应的判断结果表征目标对象存在火灾风险的情况下，对第二探测信息进行火警条件的判断，采用多级判断分级诊断输出方式，实现降低误报火警的目的，能够降低误报信息带来的干扰。
附图说明
图1为本申请实施例火灾的报警方法实现流程示意图；
图2为本申请实施例火灾的报警系统的结构示意图；
图3为本申请实施例火灾的报警系统一实施例中结构示意图；
图4为本申请实施例火灾的报警方法工作过程示意图；
图5为本申请实施例火灾的报警装置的结构示意图；
图6为本申请实施例火灾的报警设备的结构示意图。
具体实施方式
下面结合附图及实施例对本申请再作进一步详细的描述。
除非另有定义，本文所使用的所有的技术和科学术语与属于本申请的技术领域的技术人员通常理解的含义相同。本文中在本申请的说明书中所使用的术语只是为了描述具体的实施例的目的，不是旨在于限制本申请。
相关技术中，常用感烟感温复合式探测器进行火灾探测，探测器的烟雾探测采用1个探测烟腔，烟腔内探测光包括两种方案：方案1是采用单光源探测器(单光源探测器发射红外光，通过散射接收烟雾粒子浓度判断)，单光源探测器探测车辆客室及电气柜内烟雾浓度，单光源探测器采用红外光作为发射和接收光，红外光探测烟腔内烟雾浓度值是否达到报警阈值，如果达到报火警阈值则输出报火警信号给火灾主机，火灾主机向外输出火警信号。
单光源探测器烟感器件通过单红外光源的前向或后向散射来检测探测器迷宫内的烟雾粒子，达到粒子浓度报警阈值输出报警状态。
方案2是采用双光源探测器(双光源探测器发射红外光及蓝光两种不同波长光，通过接收散射烟雾粒子浓度及粒子直径大小判断)探测车辆客室及电气柜内烟雾浓度，达到报警阈值探测器触发报火警并将火警信号发送火灾主机，火灾主机向外输出火警信号。
双光源探测器感烟器件是发射红外光及蓝光两种不同波长光，两种不同波长的光源对探测器迷宫内的颗粒进行探测。由于灰尘粒子、水雾粒子、烟雾粒子的大小不同，对不同波长光源的散射状态不同，形成了不同的受光曲线。从而实现了区分灰尘粒子、水雾粒子、烟雾粒子的条件。再通过火警系统软件的运算进行粒子浓度变化趋势判断，实现报火警判断，并输出。
每个探测器烟腔外表面采用温度传感器采集客室及电气柜内温度值，若温度值达到预设报火警值，则探测器输出温度报火警给火灾主机，火灾主机向外输出火警信号。
这两种相关技术都是火灾探测器探测到烟雾浓度值达到火灾报警阈值就触发报警信号给火警主机，火警主机发出上报火灾信号，方案1和方案2都存在误报火警问题，根据使用效果误报率比较高。
单光源探测器的工作原理：探测器具有迷宫结构，外界光线无法进入迷宫，但是粒子颗粒能够进入迷宫。迷宫内红外发射管的红外光束被粒子颗粒散射，散射光的强弱与烟的浓度成正比。光敏管接收到的红外光束的强弱会发生变化，转化为点信号，最后转化成报警信号。单光源感烟探测器受灰尘、水雾等因素影响较大，直接导致火灾报警系统误报多、可靠性低。
双光源探测器是由两种不同波长的光源(红外光和蓝光)对探测器迷宫内的颗粒进行探测。由于灰尘粒子、水雾粒子、烟雾粒子的大小不同，对不同波长光源的散射状态不同，形成了不同的受光曲线。从而实现了区分灰尘粒子、水雾粒子、烟雾粒子的条件。再通过火警系统软件的运算进行粒子浓度变化趋势判断，来实现是否是烟雾报警。双光源探测器对比单光源探测器可以有效降低火警误报，但由于有些大颗粒烟雾粒子有可能被探测器判定为灰尘，存在漏报火警的风险。
本申请实施例提供一种火灾的报警方法，应用于包括至少两种探测组件的探测器；图1为本申请实施例火灾的报警方法实现流程示意图，如图1所示，所述方法包括：
步骤101：利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息。
示例性地，所述第一探测组件可以为烟雾探测组件，具体地，可以为光电感烟双光源探测器；所述利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息可以为，利用光电感烟双光源探测器中红外光源和蓝光源对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息。
示例性地，所述目标对象可以包括车辆内的烟室中第一探测器。所述第一探测信息可以包括以下至少之一：所述目标对象发生火灾时对应的第一探测器周围的第一烟雾浓度参数、所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内的第一变化参数、所述第一烟雾浓度参数在两个连续的时间段内的烟雾浓度变化参数和在第一预设时间内所述目标对象对应的烟浓度减光率。
在一应用示例中，在所述利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测之前，所述方法还包括：
所述利用所述至少两种探测组件中的第四探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第四探测信息；
在所述第四探测信息满足预设条件的情况下，确定对所述目标对象进行火灾报警。
示例性地，所述第四探测组件可以为温度探测组件，所述第四探测组件可以设置在所述第一探测器附近，用于对第一探测器周围的温度进行探测。所述第四探测信息可以为所述第一探测器周围的温度参数。
示例性地，所述预设条件可以为所述温度参数的值大于温度阈值；所述在所述第四探测信息满足预设条件的情况下，确定对所述目标对象进行火灾报警可以为，在所述温度参数的值大于温度阈值的情况下，确定对所述目标对象进行火灾报警。其中，所述温度阈值可以为70摄氏度。
步骤102：通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果。
示例性地，所述预设算法包括神经网络自学习算法，神经网络自学习算法能够根据输入参数和输出参数对初始神经网络模型进行训练，得到第一神经网络模型；第一神经网络模型能够对第一探测信息进行火灾风险判断，得到第一判断结果。
示例性地，神经网络自学习算法还能够根据第一探测信息，对第一神经网络模型进行更新，得到第二神经网络模型；第二神经网络模型能够对第一探测信息进行火灾风险判断，得到第一判断结果。
在一应用示例中，所述第一探测信息包括所述目标对象发生火灾时对应的第一烟雾浓度参数；所述预设算法包括神经网络算法；所述通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果，包括：
判断所述第一烟雾浓度参数的值是否大于第一阈值；
在所述第一烟雾浓度参数的值达到所述第一阈值的情况下，通过神经网络算法对所述第一烟雾浓度参数的值进行火灾风险判断，得到所述第一判断结果。
示例性地，所述第一阈值可以根据实际情况确定，在此不做限定。作为一种示例，所述第一阈值可以是烟雾浓度的报警阈值5.9％obs/m。
本申请实施例中，在通过预设算法对所述第一探测信息进行火灾风险判断之前，先判断第一烟雾浓度参数的值是否大于第一阈值，通过烟雾浓度的报警阈值叠加神经网络自学习算法的两级判断，分级诊断输出方式，实现降低误报火警的目的。
在一应用示例中，所述神经网络算法包括初始神经网络模型；所述方法还包括：
获取所述目标对象对应的样本参数以及所述样本参数对应的火灾风险评估结果；
基于所述样本参数和所述火灾风险评估结果对所述初始神经网络模型进行训练，得到第一神经网络模型；所述第一神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断；
确定所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内的第一变化参数；
基于所述第一变化参数对所述第一神经网络模型进行更新，得到第二神经网络模型；所述第二神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断。
示例性地，在对神经网络自学习算法进行训练的过程中，输入的所述目标对象对应的样本参数可以包括报警烟雾浓度、探测器周围环境烟雾浓度、一氧化碳(CO)浓度、温度；输出的所述样本参数对应的火灾风险评估结果可以为明火、无火。基于所述样本参数和所述火灾风险评估结果对所述初始神经网络模型进行训练，得到第一神经网络模型，通过第一神经网络模型能够准确地确定是否存在火灾风险，进而有效地降低误报率。
示例性地，所述第一变化参数可以为所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内烟雾浓度值变化速率。例如，确定所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内的第一变化参数可以为，在固定时间内探测器周期性的读取周围环境烟雾浓度值，基于所述周期性读取的周围环境烟雾浓度值确定每个周期中烟雾浓度值变化速率。
示例性地，基于所述第一变化参数对所述第一神经网络模型进行更新，得到第二神经网络模型可以为，在每个连续的时间段内的第一变化参数相同的情况下，对所述第一神经网络模型中样本参数的数值进行提高，得到第二神经网络模型，能够在环境烟雾浓度数值提高的情况下更准确地确定是否存在火灾风险，进而更有效地降低误报率。例如，确定环境烟雾浓度范围值，在烟雾浓度值变化速率在短时间内无明显变化的情况下，认为是环境烟雾浓度底值升高，神经网络自学习算法在环境烟雾浓度范围值内将环境烟雾底值提高，真正的报警值＝环境烟雾底值+报警变化幅度值，其中，报警变化幅度值为相对固定的数值。
根据硬件探测烟雾浓度达到报警值后再叠加根据软件对比以往环境烟雾底值计算出真实的报警烟雾浓度值，可以有效降低误报率。
步骤103：在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息。
示例性地，所述第二探测组件可以为CO探测组件。所述第二探测信息可以为第一探测器周围的CO浓度参数。
在一应用示例中，在所述第一判断结果表征所述目标对象存在火灾风险之后，所述方法还包括：
基于所述第一烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数；
判断所述烟雾浓度变化参数的值是否大于第二阈值；
在所述烟雾浓度变化参数的值大于所述第二阈值的情况下，确定所述目标对象存在火灾风险。
示例性地，所述两个连续的时间段可以为达到报警值前1分钟内前30秒和后30秒。所述烟雾浓度变化参数可以为平均烟浓度差。所述基于所述第一烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数可以为，基于第一烟雾浓度参数确定报警值前1分钟内前30秒和后30秒的平均烟浓度差。
示例性地，所述第二阈值可以根据实际情况确定，在此不做限定。作为一种示例，所述第二阈值可以是前30秒和后30秒的平均烟浓度差的差值的绝对值的阈值，即所述烟雾浓度变化参数存在明显变化的阈值。所述判断所述烟雾浓度变化参数的值是否大于第二阈值可以为，对比达到报警值前1分钟内前30秒和后30秒的平均烟浓度差的差值的绝对值是否大于第二阈值，即对比达到报警值前1分钟内前30秒和后30秒的平均烟浓度差比较变化是否明显。前30秒与后30秒烟浓度变化明显表示有火灾，达到报火警的一个必要条件，变化不明显表示没有达到报火警条件。
示例性地，所述第二阈值可以根据实际情况确定，在此不做限定。作为一种示例，所述第二阈值可以0。所述判断所述烟雾浓度变化参数的值是否大于第二阈值可以为，对比达到报警值前1分钟内后30秒和前30秒的平均烟浓度差的差值是否大于0。发生火灾时烟浓度是持续升高的，后30秒烟浓度比前30秒烟浓度高，说明达到报火警条件，反之，后30秒烟浓度反而比前30秒烟浓度低，很可能是误报，没有达到报警条件，可能是瞬间干扰，需要重新判断。
在一应用示例中，在所述第一判断结果表征所述目标对象存在火灾风险之后，所述方法还包括：
基于所述第一烟雾浓度参数确定在第一预设时间内所述目标对象对应的烟浓度减光率；
判断所述烟浓度减光率的值是否大于第三阈值；
在所述烟浓度减光率的值大于所述第三阈值的情况下，确定所述目标对象存在火灾风险。
示例性地，所述第一预设时间可以根据实际情况确定，在此不做限定。作为一种示例，所述第一预设时间可以是3s。所述第三阈值可以根据实际情况确定，在此不做限定。作为一种示例，所述第三阈值可以是烟浓度减光率达到10％。所述判断所述烟浓度减光率的值是否大于第三阈值可以为，对比3秒内烟浓度减光率是否从5％上升到10％。
步骤104：在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
示例性地，所述预设的火警条件可以是检测空气中存在CO。因为CO可以作为检测燃火的一项重要燃烧物质，如果检测到CO就直接判定为存在火灾风险，输出火警信号。
在一应用示例中，在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
间隔第二预设时间后，重新获取所述第一探测信息；
通过预设算法对重新获取后的所述第一探测信息进行火灾风险判断，得到第二判断结果；
在所述第二判断结果表征所述目标对象存在火灾风险的情况下，重新获取所述目标对象对应的第二探测信息；
在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
示例性地，所述第二预设时间可以根据实际情况确定，在此不做限定。作为一种示例，所述第二预设时间可以为3s。具体地，延迟3秒钟重新获取所述第一探测信息；通过预设算法对重新获取后的所述第一探测信息进行火灾风险判断，得到第二判断结果；在所述第二判断结果表征所述目标对象存在火灾风险的情况下，重新获取所述目标对象对应的第二探测信息；在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警，可防止瞬间干扰导致达到报警条件，误报火警。其中，瞬间干扰可以包括短时间强电流、电压干扰，电磁辐射干扰，瞬间误码、瞬时灰尘水雾等因素造成的干扰。
在一应用示例中，在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
利用所述至少两种探测组件中的第三探测组件对所述目标对象进行烟雾探测，得到所述目标对象对应的第三探测信息；
基于所述第三探测信息判断所述目标对象是否存在火灾风险，得到第三判断结果；
在所述第三判断结果表征所述目标对象存在火灾风险的情况下，确定对所述目标对象进行火灾报警。
示例性地，所述第三探测组件可以为烟雾探测组件。所述目标对象可以包括车辆内的烟室中第一探测器周围的第二探测器。所述第三探测信息可以包括以下至少之一：所述目标对象发生火灾前第四预设时间内的第二探测器周围的第二烟雾浓度参数、在两个连续的时间段内的烟雾浓度变化参数和在第五预设时间内所述目标对象对应的烟浓度减光率。
在其他实施例中，所述方法还包括：基于所述第二烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数；判断所述烟雾浓度变化参数的值是否大于第五阈值；在所述烟雾浓度变化参数的值大于所述第五阈值的情况下，确定所述目标对象存在火灾风险。其中，所述第五阈值可以与所述第二阈值相同。
在其他实施例中，所述方法还包括：基于所述第二烟雾浓度参数确定在第五预设时间内所述目标对象对应的烟浓度减光率；判断所述烟浓度减光率的值是否大于第六阈值；在所述烟浓度减光率的值大于所述第六阈值的情况下，确定所述目标对象存在火灾风险。所述第六阈值可以与所述第三阈值相同。所述第五预设时间可以与所述第一预设时间相同。
在一应用示例中，所述第三探测信息包括所述目标对象发生火灾前第四预设时间内的第二烟雾浓度参数；在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
判断所述第二烟雾浓度参数的值是否大于第四阈值；
在所述第二烟雾浓度参数的值大于所述第四阈值的情况下，确定所述目标对象存在火灾风险。
示例性地，所述第四预设时间可以根据实际情况确定，在此不做限定。作为一种示例，所述第四预设时间可以为3分钟；所述第四阈值可以根据实际情况确定，在此不做限定。作为一种示例，所述第四阈值可以为0.25％。所述判断所述第二烟雾浓度参数的值是否大于第四阈值可以为，判断3分钟所述第二烟雾浓度参数的值是否从0.1％到0.25％。
在其他实施例中，至少两种探测组件还包括第五探测组件，所述方法还包括：对所述目标对象对应的颗粒大小进行探测，得到第五探测信息。所述第五探测组件可以是PM2.5颗粒物大小检测组件。所述第五探测信息可以是PM2.5颗粒物大小参数。
本申请实施例提供了一种火灾的报警系统，图2为本申请实施例火灾的报警系统的结构示意图，如图2所示，所述系统200包括：
第一探测组件201，用于对目标对象进行烟雾探测；
第二探测组件202，用于对所述目标对象对应的物质浓度进行探测；
报警组件203，用于通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；在所述第一判断结果表征所述目标对象存在火灾风险的情况下，判断所述第二探测信息是否满足预设的火警条件；在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
示例性地，所述报警组件203可以是第一探测器；所述第一探测组件201可以是烟雾探测组件；所述第一探测组件201与所述第一探测器连接，将探测得到的第一探测信息发送至报警组件203；所述第二探测组件202可以是CO探测组件；所述第二探测组件202与所述第一探测器连接，将探测得到的第二探测信息发送至报警组件203。
所述第一探测信息包括所述目标对象发生火灾时对应的第一烟雾浓度参数；所述预设算法包括神经网络算法；所述报警组件203，还用于判断所述第一烟雾浓度参数的值是否大于第一阈值；在所述第一烟雾浓度参数的值达到所述第一阈值的情况下，通过神经网络算法对所述第一烟雾浓度参数的值进行火灾风险判断，得到所述第一判断结果。
所述神经网络算法包括初始神经网络模型；所述报警组件203，还用于获取所述目标对象对应的样本参数以及所述样本参数对应的火灾风险评估结果；基于所述样本参数和所述火灾风险评估结果对所述初始神经网络模型进行训练，得到第一神经网络模型；所述第一神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断；确定所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内的第一变化参数；基于所述第一变化参数对所述第一神经网络模型进行更新，得到第二神经网络模型；所述第二神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断。
所述报警组件203，还用于在所述第一判断结果表征所述目标对象存在火灾风险之后，基于所述第一烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数；判断所述烟雾浓度变化参数的值是否大于第二阈值；在所述烟雾浓度变化参数的值大于所述第二阈值的情况下，确定所述目标对象存在火灾风险。
所述报警组件203，还用于在所述第一判断结果表征所述目标对象存在火灾风险之后，基于所述第一烟雾浓度参数确定在第一预设时间内所述目标对象对应的烟浓度减光率；判断所述烟浓度减光率的值是否大于第三阈值；在所述烟浓度减光率的值大于所述第三阈值的情况下，确定所述目标对象存在火灾风险。
所述系统200还包括第三探测组件和第二探测器，所述第三探测组件和所述第二探测器连接，所述第三探测组件用于对所述目标对象进行烟雾探测，将探测得到的第三探测信息发送至所述第二探测器。
所述第二探测器，用于接收所述目标对象对应的第三探测信息；基于所述第三探测信息判断所述目标对象是否存在火灾风险，得到第三判断结果；在所述第三判断结果表征所述目标对象存在火灾风险的情况下，确定对所述目标对象进行火灾报警。
所述第二探测器，还用于基于所述第二烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数；判断所述烟雾浓度变化参数的值是否大于第五阈值；在所述烟雾浓度变化参数的值大于所述第五阈值的情况下，确定所述目标对象存在火灾风险。
所述第二探测器，还用于基于所述第二烟雾浓度参数确定在第五预设时间内所述目标对象对应的烟浓度减光率；判断所述烟浓度减光率的值是否大于第六阈值；在所述烟浓度减光率的值大于所述第六阈值的情况下，确定所述目标对象存在火灾风险。所述第六阈值可以与所述第三阈值相同。所述第五预设时间可以与所述第一预设时间相同。
所述第二探测器，还用于在所述确定对所述目标对象进行火灾报警之后，判断所述第二烟雾浓度参数的值是否大于第四阈值；在所述第二烟雾浓度参数的值大于所述第四阈值的情况下，确定所述目标对象存在火灾风险。
所述系统200还包括第四探测组件204，第四探测组件204可以是温度探测组件；所述第四探测组件204与所述第一探测器连接，将探测得到的第四探测信息发送至所述第一探测器。
所述报警组件203，还用于在所述利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测之前，所述利用所述至少两种探测组件中的第四探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第四探测信息；在所述第四探测信息满足预设条件的情况下，确定对所述目标对象进行火灾报警。
所述系统200还包括第五探测组件205，所述第五探测组件205可以是PM2.5探测组件；所述第五探测组件205与所述第一探测器连接，将探测得到的第五探测信息发送至所述第一探测器。所述第五探测组件205，用于对所述目标对象对应的颗粒大小进行探测，得到第五探测信息。
所述系统200还包括控制组件，所述控制组件可以是火警主机；所述控制组件与所述第一探测器和第二探测器连接。
所述控制组件，用于在所述确定对所述目标对象进行火灾报警之后，间隔第二预设时间后，重新获取所述第一探测信息；通过预设算法对重新获取后的所述第一探测信息进行火灾风险判断，得到第二判断结果；在所述第二判断结果表征所述目标对象存在火灾风险的情况下，重新获取所述目标对象对应的第二探测信息；在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
所述控制组件，还用于在所述确定对所述目标对象进行火灾报警之后，利用所述至少两种探测组件中的第三探测组件对所述目标对象进行烟雾探测，得到所述目标对象对应的第三探测信息；基于所述第三探测信息判断所述目标对象是否存在火灾风险，得到第三判断结果；在所述第三判断结果表征所述目标对象存在火灾风险的情况下，确定对所述目标对象进行火灾报警。
所述第三探测信息包括所述目标对象发生火灾前第四预设时间内的第二烟雾浓度参数；所述控制组件，还用于在所述确定对所述目标对象进行火灾报警之后，判断所述第二烟雾浓度参数的值是否大于第四阈值；在所述第二烟雾浓度参数的值大于所述第四阈值的情况下，确定所述目标对象存在火灾风险。
具体地，图3为本申请实施例火灾的报警系统一实施例中结构示意图，如图3所示，本申请的探测器硬件结构集成烟雾浓度探测、CO浓度探测、PM2.5浓度探测及温度探测一体，烟雾浓度探测、CO浓度探测、PM2.5浓度探测及温度探测值均可以实时传递给探测器，探测器可以对主机输出烟雾浓度探测、CO浓度探测、PM2.5浓度探测及温度探测值。本发明最重要的是探测器对前端各传感器采集到的值可以通过内部算法综合判断输出是否有火灾发生。
下面结合一应用示例对本申请实施例的火灾的报警方法进行举例说明。
图4为本申请实施例火灾的报警方法工作过程示意图，如图4所示。火灾的报警方法步骤包括：
第一步、温度探测部分采集探测器周围实时温度参数并可以输出显示具体值，如果温度值超过预设报警阈值70度，则输出预报火警信号。为了防止误报警，此时探测器针对烟雾浓度参数进行进一步判断。
第二步、烟雾探测部分采用光电感烟双光源探测器，通过探测烟室内红外光源和蓝光源探测到烟室内烟雾浓度达到报警阈值(5.9％obs/m)，则认为烟雾浓度达到报警阈值；探测器对烟雾报警浓度的采集判断还采用了神经网络算法，神经网络算法通过输入输出对比再次判断决定是否输出预报火警信号；探测器再进一步对周围烟雾浓度变化对比，分为两种对比方式：(1)探测器对烟室内达到报警值前1分钟内前30秒和后30秒的平均烟浓度差比较，明显变化则认为输出预报火警信号。(2)探测器对烟室内3秒内烟浓度减光率是否从5％上升到10％判断，如满足上述条件则认为输出预报火警信号。若烟雾浓度同时满足以上三个条件，则输出预报火警信号。为了防止误报警，此时探测器针对CO浓度参数进行进一步判断。
第三步、CO检测部分用来探测探测器周围空气中是否有CO，并对CO浓度值输出给探测器，由于CO是燃烧产生的产物，正常空气中不会有CO，所以只要检测到有CO，则输出预报警信号。
第四步、也可以使用多个参数进行组合判断，输出预报警信号：(1)烟雾探测、温度探测、CO探测部分均满足对应存在火灾的条件则探测器输出预报火警信号给火警主机；(2)烟雾探测、CO探测部分均满足对应存在火灾的条件则探测器输出预报火警信号给火警主机；(3)温度探测、CO探测部分均满足对应存在火灾的条件则探测器输出预报火警信号给火警主机；(4)烟雾探测、温度探测部分均满足对应存在火灾的条件，则探测器延时5秒再继续检测下一周期时间内烟雾参数和温度参数，再次均满足对应存在火灾的条件，则探测器才输出预报火警信号给火警主机；(5)仅仅烟雾探测部分满足对应存在火灾的条件，则探测器继续观察烟雾浓度变化情况，检测4个周期内烟雾报警浓度值持续升高并满足对应存在火灾的条件，则对探测器输出预报火警信号。
第五步、火警主机收到报火警信号后延迟3秒钟再检测是否探测器继续报火警信号，可防止瞬间干扰导致的误报火警。与此同时，火警主机再与周围探测器烟雾浓度值的变化率对比(变化率参考第二步中(1)(2)部分描述)，在结合其它探测器报警前3分钟烟雾浓度，若有探测器报警前3分钟烟浓度从0.1％到0.25％，则火警主机输出火警信号。否则不输出，对探测器复位。
第六步、探测器对PM2.5颗粒物大小检测的值可以输出PM2.5数值并换算成空气质量情况输出显示。数值可以在列车控制和管理系统(Train Control and ManagementSystem，TCMS)人机交互界面上显示。
同时本申请还可以输出PM2.5数值并换算成空气质量情况及输出实时温度值、CO浓度值在人机界面上显示，方便获取信息，并实现了对单独的温度探测器、PM2.5探测器的融合，减少了设备数量并节约了安装空间。
为了实现本申请实施例的方法，本申请实施例提供了火灾的报警装置，应用于包括至少两种探测组件的探测器；图5为本申请实施例火灾的报警装置的结构示意图，如图5所示，所述装置500包括：
第一探测模块501，用于利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息；
第一判断模块502，用于通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；
第二探测模块503，用于在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息；
报警模块504，用于在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
在一些实施方案中，所述第一探测信息包括所述目标对象发生火灾时对应的第一烟雾浓度参数；所述预设算法包括神经网络算法；所述第一判断模块502，还用于判断所述第一烟雾浓度参数的值是否大于第一阈值；在所述第一烟雾浓度参数的值达到所述第一阈值的情况下，通过神经网络算法对所述第一烟雾浓度参数的值进行火灾风险判断，得到所述第一判断结果。
在一些实施方案中，所述神经网络算法包括初始神经网络模型；所述第一判断模块502，还用于获取所述目标对象对应的样本参数以及所述样本参数对应的火灾风险评估结果；基于所述样本参数和所述火灾风险评估结果对所述初始神经网络模型进行训练，得到第一神经网络模型；所述第一神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断；确定所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内的第一变化参数；基于所述第一变化参数对所述第一神经网络模型进行更新，得到第二神经网络模型；所述第二神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断。
在一些实施方案中，所述装置500还包括：
第一确定模块，用于在所述第一判断结果表征所述目标对象存在火灾风险之后，基于所述第一烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数；
第二判断模块，用于判断所述烟雾浓度变化参数的值是否大于第二阈值；
第二确定模块，用于在所述烟雾浓度变化参数的值大于所述第二阈值的情况下，确定所述目标对象存在火灾风险。
在一些实施方案中，所述装置500还包括：
第三确定模块，用于在所述第一判断结果表征所述目标对象存在火灾风险之后，基于所述第一烟雾浓度参数确定在第一预设时间内所述目标对象对应的烟浓度减光率；
第三判断模块，用于判断所述烟浓度减光率的值是否大于第三阈值；
第四确定模块，用于在所述烟浓度减光率的值大于所述第三阈值的情况下，确定所述目标对象存在火灾风险。
在一些实施方案中，所述第一探测模块501，还用于在所述确定对所述目标对象进行火灾报警之后，间隔第二预设时间后，重新获取所述第一探测信息；
所述第一判断模块502，还用于通过预设算法对重新获取后的所述第一探测信息进行火灾风险判断，得到第二判断结果；
所述第二探测模块503，还用于在所述第二判断结果表征所述目标对象存在火灾风险的情况下，重新获取所述目标对象对应的第二探测信息；
所述报警模块504，还用于在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
在一些实施方案中，所述装置500还包括：
第三探测模块，用于在所述确定对所述目标对象进行火灾报警之后，利用所述至少两种探测组件中的第三探测组件对所述目标对象进行烟雾探测，得到所述目标对象对应的第三探测信息；
第四判断模块，用于基于所述第三探测信息判断所述目标对象是否存在火灾风险，得到第三判断结果；
第五确定模块，用于在所述第三判断结果表征所述目标对象存在火灾风险的情况下，确定对所述目标对象进行火灾报警。
在一些实施方案中，所述第三探测信息包括所述目标对象发生火灾前第四预设时间内的第二烟雾浓度参数；所述装置500还包括：
第五判断模块，用于在所述确定对所述目标对象进行火灾报警之后，判断所述第二烟雾浓度参数的值是否大于第四阈值；
第六确定模块，用于在所述第二烟雾浓度参数的值大于所述第四阈值的情况下，确定所述目标对象存在火灾风险。
在一些实施方案中，所述装置500还包括：
第四探测模块，用于在所述利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测之前，所述利用所述至少两种探测组件中的第四探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第四探测信息；
第七确定模块，用于在所述第四探测信息满足预设条件的情况下，确定对所述目标对象进行火灾报警。
以上装置实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明装置实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
需要说明的是，本发明实施例中，如果以软件功能模块的形式实现上述的火灾的报警方法，并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术实施例本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台火灾的报警设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：U盘、移动硬盘、只读存储器(Read Only Memory，ROM)、磁碟或者光盘等各种可以存储程序代码的介质。这样，本发明实施例不限制于任何特定的硬件和软件结合。
对应地，本申请实施例提供了一种火灾的报警设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，所述处理器执行所述程序时实现所述火灾的报警方法中的步骤。
本申请实施例提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现所述火灾的报警方法中的步骤。
这里需要指出的是：以上存储介质和设备实施例的描述，与上述方法实施例的描述是类似的，具有同方法实施例相似的有益效果。对于本发明存储介质和设备实施例中未披露的技术细节，请参照本发明方法实施例的描述而理解。
需要说明的是，图6为本申请实施例火灾的报警设备的结构示意图，如图6所示，该火灾的报警设备600的硬件实体包括：处理器601和存储器603，可选地，所述火灾的报警设备600还可以包括通信接口602。
可以理解，存储器603可以是易失性存储器或非易失性存储器，也可包括易失性和非易失性存储器两者。其中，非易失性存储器可以是只读存储器(ROM，Read Only Memory)、可编程只读存储器(PROM，Programmable Read-Only Memory)、可擦除可编程只读存储器(EPROM，Erasable Programmable Read-Only Memory)、电可擦除可编程只读存储器(EEPROM，Electrically Erasable Programmable Read-Only Memory)、磁性随机存取存储器(FRAM，ferromagnetic random access memory)、快闪存储器(Flash Memory)、磁表面存储器、光盘、或只读光盘(CD-ROM，Compact Disc Read-Only Memory)；磁表面存储器可以是磁盘存储器或磁带存储器。易失性存储器可以是随机存取存储器(RAM，Random AccessMemory)，其用作外部高速缓存。通过示例性但不是限制性说明，许多形式的RAM可用，例如静态随机存取存储器(SRAM，Static Random Access Memory)、同步静态随机存取存储器(SSRAM，Synchronous Static Random Access Memory)、动态随机存取存储器(DRAM，Dynamic Random Access Memory)、同步动态随机存取存储器(SDRAM，SynchronousDynamic Random Access Memory)、双倍数据速率同步动态随机存取存储器(DDRSDRAM，Double Data Rate Synchronous Dynamic Random Access Memory)、增强型同步动态随机存取存储器(ESDRAM，Enhanced Synchronous Dynamic Random Access Memory)、同步连接动态随机存取存储器(SLDRAM，SyncLink Dynamic Random Access Memory)、直接内存总线随机存取存储器(DRRAM，Direct Rambus Random Access Memory)。本发明实施例描述的存储器603旨在包括但不限于这些和任意其它适合类型的存储器。
上述本发明实施例揭示的方法可以应用于处理器601中，或者由处理器601实现。处理器601可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器601中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器601可以是通用处理器、数字信号处理器(DSP，Digital Signal Processor)，或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。处理器601可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者任何常规的处理器等。结合本发明实施例所公开的方法的步骤，可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于存储介质中，该存储介质位于存储器603，处理器601读取存储器603中的信息，结合其硬件完成前述方法的步骤。
在示例性实施例中，火灾的报警设备可以被一个或多个应用专用集成电路(ASIC，Application Specific Integrated Circuit)、DSP、可编程逻辑器件(PLD，ProgrammableLogic Device)、复杂可编程逻辑器件(CPLD，Complex Programmable Logic Device)、现场可编程门阵列(FPGA，Field-Programmable Gate Array)、通用处理器、控制器、微控制器(MCU，Micro Controller Unit)、微处理器(Microprocessor)、或其他电子元件实现，用于执行前述方法。
在本发明所提供的几个实施例中，应该理解到，所揭露的方法和装置，可以通过其他的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，如：多个单元或组件可以结合，或可以集成到另一个观测量，或一些特征可以忽略，或不执行。另外，所显示或讨论的各组成部分相互之间的通信连接可以是通过一些接口，设备或单元的间接耦合或通信连接，可以是电性的、机械的或其他形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的，作为单元显示的部件可以是、或也可以不是物理单元，即可以位于一个地方，也可以分布到多个网络单元上；可以根据实际的需要选择其中的部分或全部单元来实现本实施例的目的。
本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述的程序可以存储于计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质包括：移动存储设备、只读存储器(ROM，Read-Only Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者，本发明实施例上述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明实施例的技术实施例本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台火灾的报警设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括：移动存储设备、ROM、磁碟或者光盘等各种可以存储程序代码的介质。
本发明是实例中记载的火灾的报警方法、装置和计算机存储介质只以本发明所述实施例为例，但不仅限于此，只要涉及到该火灾的报警方法、装置和计算机存储介质均在本发明的保护范围。
应理解，说明书通篇中提到的“一个实施例”或“一实施例”意味着与实施例有关的特定特征、结构或特性包括在本发明的至少一个实施例中。因此，在整个说明书各处出现的“在一个实施例中”或“在一实施例中”未必一定指相同的实施例。此外，这些特定的特征、结构或特性可以任意适合的方式结合在一个或多个实施例中。应理解，在本发明的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本发明实施例的实施过程构成任何限定。上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。
需要说明的是，在本文中，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上所述，仅为本发明的实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以所述权利要求的保护范围为准。

Claims (13)

1.一种火灾的报警方法，其特征在于，应用于包括至少两种探测组件的探测器；包括：
利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息；
通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；
在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息；
在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
2.根据权利要求1所述的方法，其特征在于，所述第一探测信息包括所述目标对象发生火灾时对应的第一烟雾浓度参数；所述预设算法包括神经网络算法；所述通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果，包括：
判断所述第一烟雾浓度参数的值是否大于第一阈值；
在所述第一烟雾浓度参数的值达到所述第一阈值的情况下，通过神经网络算法对所述第一烟雾浓度参数的值进行火灾风险判断，得到所述第一判断结果。
3.根据权利要求2所述的方法，其特征在于，所述神经网络算法包括初始神经网络模型；所述方法还包括：
获取所述目标对象对应的样本参数以及所述样本参数对应的火灾风险评估结果；
基于所述样本参数和所述火灾风险评估结果对所述初始神经网络模型进行训练，得到第一神经网络模型；所述第一神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断；
确定所述第一烟雾浓度参数在至少两个连续的时间段中每个连续的时间段内的第一变化参数；
基于所述第一变化参数对所述第一神经网络模型进行更新，得到第二神经网络模型；所述第二神经网络模型用于对所述第一烟雾浓度参数的值进行火灾风险判断。
4.根据权利要求2所述的方法，其特征在于，在所述第一判断结果表征所述目标对象存在火灾风险之后，所述方法还包括：
基于所述第一烟雾浓度参数确定在两个连续的时间段内的烟雾浓度变化参数；
判断所述烟雾浓度变化参数的值是否大于第二阈值；
在所述烟雾浓度变化参数的值大于所述第二阈值的情况下，确定所述目标对象存在火灾风险。
5.根据权利要求2所述的方法，其特征在于，在所述第一判断结果表征所述目标对象存在火灾风险之后，所述方法还包括：
基于所述第一烟雾浓度参数确定在第一预设时间内所述目标对象对应的烟浓度减光率；
判断所述烟浓度减光率的值是否大于第三阈值；
在所述烟浓度减光率的值大于所述第三阈值的情况下，确定所述目标对象存在火灾风险。
6.根据权利要求1所述的方法，其特征在于，在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
间隔第二预设时间后，重新获取所述第一探测信息；
通过预设算法对重新获取后的所述第一探测信息进行火灾风险判断，得到第二判断结果；
在所述第二判断结果表征所述目标对象存在火灾风险的情况下，重新获取所述目标对象对应的第二探测信息；
在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
7.根据权利要求1所述的方法，其特征在于，在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
利用所述至少两种探测组件中的第三探测组件对所述目标对象进行烟雾探测，得到所述目标对象对应的第三探测信息；
基于所述第三探测信息判断所述目标对象是否存在火灾风险，得到第三判断结果；
在所述第三判断结果表征所述目标对象存在火灾风险的情况下，确定对所述目标对象进行火灾报警。
8.根据权利要求7所述的方法，其特征在于，所述第三探测信息包括所述目标对象发生火灾前第四预设时间内的第二烟雾浓度参数；在所述确定对所述目标对象进行火灾报警之后，所述方法还包括：
判断所述第二烟雾浓度参数的值是否大于第四阈值；
在所述第二烟雾浓度参数的值大于所述第四阈值的情况下，确定所述目标对象存在火灾风险。
9.根据权利要求1所述的方法，其特征在于，在所述利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测之前，所述方法还包括：
所述利用所述至少两种探测组件中的第四探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第四探测信息；
在所述第四探测信息满足预设条件的情况下，确定对所述目标对象进行火灾报警。
10.一种火灾的报警系统，其特征在于，包括：
第一探测组件，用于对目标对象进行烟雾探测；
第二探测组件，用于对所述目标对象对应的物质浓度进行探测；
报警组件，用于通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；在所述第一判断结果表征所述目标对象存在火灾风险的情况下，判断所述第二探测信息是否满足预设的火警条件；在所述第二探测信息满足所述预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
11.一种火灾的报警装置，其特征在于，应用于包括至少两种探测组件的探测器；包括：
第一探测模块，用于利用所述至少两种探测组件中的第一探测组件对目标对象进行烟雾探测，得到所述目标对象对应的第一探测信息；
第一判断模块，用于通过预设算法对所述第一探测信息进行火灾风险判断，得到第一判断结果；
第二探测模块，用于在所述第一判断结果表征所述目标对象存在火灾风险的情况下，利用所述至少两种探测组件中的第二探测组件对所述目标对象对应的物质浓度进行探测，得到所述目标对象对应的第二探测信息；
报警模块，用于在所述第二探测信息满足预设的火警条件的情况下，确定对所述目标对象进行火灾报警。
12.一种火灾的报警设备，包括存储器和处理器，所述存储器存储有可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现权利要求1至9任一项所述方法中的步骤。
13.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至9任一项所述方法中的步骤。
CN202310931257.8A 2023-07-26 2023-07-26 火灾的报警方法、系统、装置、电子设备及存储介质 Pending CN117079406A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310931257.8A CN117079406A (zh) 2023-07-26 2023-07-26 火灾的报警方法、系统、装置、电子设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310931257.8A CN117079406A (zh) 2023-07-26 2023-07-26 火灾的报警方法、系统、装置、电子设备及存储介质

Publications (1)

Publication Number Publication Date
CN117079406A true CN117079406A (zh) 2023-11-17

Family

ID=88716122

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310931257.8A Pending CN117079406A (zh) 2023-07-26 2023-07-26 火灾的报警方法、系统、装置、电子设备及存储介质

Country Status (1)

Country Link
CN (1) CN117079406A (zh)

Similar Documents

Publication Publication Date Title
US11024141B2 (en) Smoke device and smoke detection circuit
US7969296B1 (en) Method and system for fire detection
US10614692B2 (en) Smoke detector for event classification and methods of making and using same
US6967582B2 (en) Detector with ambient photon sensor and other sensors
US7286704B2 (en) Imaging fire detector
US6166647A (en) Fire detector
US7760102B2 (en) Fire or smoke detector with high false alarm rejection performance
EP0877347B1 (en) Fire alarm systems
JPH09288784A (ja) 煙粒子識別機能付き火災報知システム
CN103026393A (zh) 光学危险报警器中的散射光信号的分析以及灰尘/蒸汽警告或火灾报警的输出
Chen et al. Multi-sourced sensing and support vector machine classification for effective detection of fire hazard in early stage
CN110428574B (zh) 一种烟雾探测器及其烟雾探测方法
JP4718844B2 (ja) 火災警報器
US7154400B2 (en) Fire detection method
GB2372317A (en) Infrared flame detection sensor
Baek et al. A wavelet-based real-time fire detection algorithm with multi-modeling framework
CN117079406A (zh) 火灾的报警方法、系统、装置、电子设备及存储介质
US20090066525A1 (en) Smoke meter and locator
US20100219949A1 (en) Single MCU-based motion detection, local alarm and supervisory arrangement for alarm system
JPH07200961A (ja) 火災の早期検出用火災警報装置
CN111882800B (zh) 一种基于多维度数据联动的消防预警方法及系统
EP2271967A2 (en) Process and system of energy signal detection
US20200342747A1 (en) Alarm system
US20050110633A1 (en) Method, apparatus and system for fire detection
JP3815643B2 (ja) 炎検出装置

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