CN117499424A - 一种隧道水消防数据采集监测系统 - Google Patents
一种隧道水消防数据采集监测系统 Download PDFInfo
- Publication number
- CN117499424A CN117499424A CN202311068467.5A CN202311068467A CN117499424A CN 117499424 A CN117499424 A CN 117499424A CN 202311068467 A CN202311068467 A CN 202311068467A CN 117499424 A CN117499424 A CN 117499424A
- Authority
- CN
- China
- Prior art keywords
- fire
- data
- tunnel
- sensor
- monitoring
- 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
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 89
- 238000012544 monitoring process Methods 0.000 title claims abstract description 58
- 238000007405 data analysis Methods 0.000 claims abstract description 34
- 230000000007 visual effect Effects 0.000 claims abstract description 4
- 230000004913 activation Effects 0.000 claims description 15
- 208000037170 Delayed Emergence from Anesthesia Diseases 0.000 claims description 14
- 230000004927 fusion Effects 0.000 claims description 12
- 238000003062 neural network model Methods 0.000 claims description 12
- 238000000605 extraction Methods 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000002159 abnormal effect Effects 0.000 claims description 7
- 239000000779 smoke Substances 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 6
- 238000007781 pre-processing Methods 0.000 claims description 6
- 230000007246 mechanism Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 230000005855 radiation Effects 0.000 claims description 3
- 238000012360 testing method Methods 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000012935 Averaging Methods 0.000 claims 1
- 238000013480 data collection Methods 0.000 claims 1
- 230000006870 function Effects 0.000 abstract description 24
- 238000013528 artificial neural network Methods 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 4
- 238000005516 engineering process Methods 0.000 abstract description 3
- 206010000369 Accident Diseases 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000000034 method Methods 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013136 deep learning model Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
- H04L41/22—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks comprising specially adapted graphical user interfaces [GUI]
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
- H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
Landscapes
- Engineering & Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Human Computer Interaction (AREA)
- Fire Alarms (AREA)
Abstract
本发明涉及一种隧道水消防数据采集监测系统，由传感器、本地控制器、数据分析设备和监控管理模块组成，本地控制器用于收集隧道所有传感器运行数据，并将数据传输给数据分析设备；数据分析设备用于实时分析传感器运行数据，实现对隧道水消防设备状态进行实时监测和预测；数据分析设备将本地控制器上传的传感器运行数据按设定好的格式发送到监控管理模块，并保存到数据分析设备的数据库中；监控管理模块用于实施监控隧道内消防设施，并提供可视化界面展示。该系统基于深度学习技术对传感器运行数据进行神经网络建模与部署，同时具有火灾预警分类功能和消防设施状态分类功能，同时具备远程控制功能，提高了隧道水消防的安全管理水平。
Description
技术领域
本发明涉及隧道消防领域，特别是一种隧道水消防数据采集监测系统。
背景技术
隧道是公路交通的重要节点，由于隧道处于相对封闭狭小的环境，一旦发生火灾，无论火势大小，最终的损失和人员伤亡都会高于一般路段，而隧道水消防设施是避免隧道火灾事故发生的有力保障，对其进行有效监测和及时响应非常重要。
传统的隧道水消防监测方式存在人工巡查效率低、数据采集不及时、远程控制不便等问题。张迈祥等人公开的《隧道水消防系统远程监控应用浅析》论文中，利用水位探测器采集当前水位，并将水位信号传输到PLC设备上。消防监控系统将低位水池、高位水池的水位探测器采集的水位数据处理后，在监控中心的控制软件界面实时进行显示，同时监控水池中的水位是否超出了水池设定的高水位阈值或是否低于水池设定的低水位阈值，并在软件界面中弹出相应的文字报警信息和声音报警信息，水位探测器是整个水消防系统中主要的采集设备。然后消防水泵将低位水池的水油到高位水池，深水泵将深水井的水抽到低位水池，监控中心通过水消防控制软件可以实时监视并控制消防水泵及深水泵的运行。这种监控方法数据采集的类型较为单一，缺乏对水温数据、隧道内的温度及烟雾情况的监控，只能实现补水作业这一简单功能。
发明内容
针对现有的隧道水消防监测方式数据采集类型单一，监测功能单一的问题，本发明提出一种隧道水消防数据采集监测系统。
本发明的一种隧道水消防数据采集监测系统，由传感器、本地控制器、数据分析设备和监控管理模块组成，其中：
所述传感器布设在隧道内消防设施的关键位置，用于监测隧道消防设施和隧道环境参数，传感器包括：
消防水池布设水位传感器和水温传感器，采集消防水池的水位和水温数据；
消防管道布设水压传感器和流量传感器，采集消防水池的水压和流量数据；
水泵的电流表、电压表采集水泵的启停、用电和运行状态信息；
隧道内每隔一定距离布设烟雾传感器，采集隧道内的烟雾浓度信息；
隧道内每隔一定距离布设温度和湿度传感器，采集隧道内温度和湿度信息；
隧道内每隔一定距离布设红外火焰传感器，采集隧道内火焰红外辐射信息；
所述本地控制器用于收集隧道所有传感器运行数据，并将数据传输给数据分析设备；
所述数据分析设备用于实时分析传感器运行数据，实现对隧道水消防设备状态进行实时监测和预测；数据分析设备将本地控制器上传的传感器运行数据按设定好的格式发送到监控管理模块，并保存到数据分析设备的数据库中；
所述监控管理模块用于实施监控隧道内消防设施，并提供可视化界面展示。
更进一步的，所述监控管理模块读取数据分析设备数据库中的历史运行信息并生成报表。
更进一步的，所述监控管理模块与数据分析设备远程通信，当隧道消防设施发生异常报警时，操作人员通过监控管理模块对本地控制器发出指令，进行水泵远程启停。
更进一步的，数据分析设备监测和预测的功能，通过以下步骤实现：
S1，制作数据集，收集隧道内布置的传感器运行数据，同时标记运行数据采集时对应的火灾状态记录与消防设施运行状态。对采集到传感器运行数据进行预处理，预处理包括去除异常数值、填补缺失值；
S2，构建神经网络模型，包括：
多分支特征提取模块，用于提取不同类型传感器运行数据时间序列特征，每一个特征提取模块分支提取一种类型的传感器数据，包括1个卷积块和2个残差块；
特征融合模块，用于融合各个分支提取到的不同特征，特征融合模块包括1个特征拼接层和一个残差块；
火灾预警分类模块：对提取到的多传感器融合特征进行火灾分类，包括一个全连接层和激活函数，通过火灾预警分类模块输出无火灾风险的概率、火灾预警的概率、火灾发生的概率；
消防设施状态分类模块：对提取到的多传感器融合特征进行消防设施运行状况分类，包括一个全连接层和激活函数，消防设施状态分类模块输出消防设施正常运行的概率、消防设施故障预警的概率、消防设施故障的概率；
S3，根据数据集对预先构建的神经网络模型的权重进行训练优化，训练神经网络模型的损失函数为交叉熵损失函数；
S4，神经网络模型训练完成后，根据隧道实际环境测试和消防安全管理需求，设定触发火灾报警的阈值和设施故障报警的阈值。
S5，将训练好的模型部署到数据分析设备上，并实时监测传感器运行数据，将传感器运行数据输入到训练好的神经网络模型中进行预测，如果模型输出火灾预警的预测概率高于火灾报警阈值则触发火灾报警信号，如果模型输出火灾预警的预测概率高于设施故障报警的阈值则触发消防设施故障报警信号。
更进一步的，所述多分支特征提取模块的卷积块包括一个卷积层，一个归一化层和一个激活函数层；所述残差块包括多个卷积层和跳层连接，卷积层之间还包括归一化层和激活函数；所述卷积块和残差块中的卷积层卷积核大小为1*9。
更进一步的，所述特征融合模块的残差块具有通道注意力机制，所述通道注意力机制包括一个平均池化层，一个卷积层以及一个激活函数层。
本发明的有益效果在于：
一,基于深度学习技术对传感器运行数据进行神经网络建模与部署，本系统的神经网络结合多种传感器实时运行数据特征，同时具有火灾预警分类功能和消防设施状态分类功能，由于使用同一个神经网络完成火灾预警分类和消防设施状态分两个任务，两个任务使用相同的多分支特征提取模块和特征融合模块并共享这些模块的权重，两个任务均依靠传感器运行时间序列数据特征进行识别分类，使火灾预警分类和消防设施状态分类两个任务共享模型的特征提取能力，促使信息传递，有利于提高多任务联合性能。
二，该系统实现了远程控制功能，有效提高隧道水消防智能监测的准确率和响应速度，提高了隧道水消防的安全管理水平。
具体实施方式
实施例1：隧道水消防数据采集监测系统，由传感器、本地控制器、数据分析设备和监控管理模块组成，其中：
所述传感器布设在隧道内消防设施的关键位置，用于监测隧道消防设施和隧道环境参数，传感器包括：
消防水池布设水位传感器和水温传感器，采集消防水池的水位和水温数据；
消防管道布设水压传感器和流量传感器，采集消防水池的水压和流量数据；
水泵的电流表、电压表采集水泵的启停、用电和运行状态信息；
隧道内每隔一定距离布设烟雾传感器，采集隧道内的烟雾浓度信息；
隧道内每隔一定距离布设温度和湿度传感器，采集隧道内温度和湿度信息；
隧道内每隔一定距离布设红外火焰传感器，采集隧道内火焰红外辐射信息；
所述本地控制器用于收集隧道所有传感器运行数据，并将数据传输给数据分析设备；
所述数据分析设备用于实时分析传感器运行数据，实现对隧道水消防设备状态进行实时监测和预测；数据分析设备将本地控制器上传的传感器运行数据按设定好的格式发送到监控管理模块，并保存到数据分析设备的数据库中；
所述监控管理模块用于实施监控隧道内消防设施，并提供可视化界面展示。
本发明选用的本地控制器可选用工业物联网网关，至少具备以下功能：与隧道消防设施设置的各种不同类型传感器进行通信采集数据；对不同传感器采集到的原始数据进行转换和标注；通过互联网与远程的数据分析设备进行通信，将处理后的数据上传到数据分析设备。
本发明选用的数据分析设备可选用具备GPU计算卡的高性能云服务器，能够存储传感器采集到的运行数据，并基于深度学习算法对实时监控数据进行分析，对消防设施故障和火灾风险进行预测。
本发明选用的监控管理模块可选用带有监控大屏的主机设备，通过监控大屏读取并展示数据分析设备的监控数据图表和报警信息，工作人员可通过键盘鼠标或触摸屏等操作设备发送远程控制信号。
基于深度学习技术对隧道消防传感器历史运行数据、消防设施故障数据和火灾数据进行训练建模与部署的步骤如下：
S1，制作数据集，收集隧道内布置的各个传感器运行数据，同时标记运行数据采集时对应的火灾状态记录yi，包括正常运行yA、火灾预警yB、火灾发生yC三种；同时标记采集运行时对应的消防设施运行状态zi，包括正常运行zA，故障预警zB，设施故障zC三种。对采集到传感器数据进行预处理，预处理包括去除异常数值、填补缺失值。
S2，构建神经网络模型，包括：
神经网络的输入为各个传感器运行数据s1＝(x11,x12,x13...,x1n),s2,s3,……si，其中si是第i个传感器运行的时间序列数据，xin是第i个传感器某一时间点的运行数值。
多分支特征提取模块：用于提取不同类型传感器运行数据时间序列特征，每一个分支提取一种类型的传感器数据。每一个特征提取模块分支包括1个卷积块ConvBlock和2个残差块ResBlock；所述卷积块包括一个卷积层，一个归一化层和一个激活函数层；所述残差块包括多个卷积层和跳层连接，卷积层之间还包括归一化层和激活函数；所述卷积块和残差块中的卷积层卷积核大小为1*9。
特征融合模块：用于融合各个分支提取到的不同特征。特征融合模块包括1个特征拼接层ConcatLayer，用于将上述各个分支提取到的特征按通道拼接；还包括一个具有通道注意力机制的残差块ECA-ResBlock，所述通道注意力机制包括一个平均池化层avgPoolingLaye，一个卷积层，以及一个激活函数层，通道注意力机制能够将特征图映射为对应通道的权重。
火灾预警分类模块：对提取到的多传感器融合特征进行火灾分类。包括一个全连接层FCLayer和SoftMax激活函数，之后输出无火灾风险的概率pA、火灾预警的概率pB、火灾发生的概率pC。
消防设施状态分类模块：对提取到的多传感器融合特征进行设施运行状况分类。包括一个全连接层FCLayer和SoftMax激活函数，之后输出消防设施正常运行的概率qA、消防设施故障预警的概率qB、消防设施故障的概率qC。
S3，根据数据集对预先构建的神经网络模型的权重进行训练优化；训练模型的损失函数为交叉熵损失函数：其中pi为神经网络输出的火灾状态概率，yi为火灾状态的真实标签；qi为神经网络输出的消防设施运行状况分类概率，zi为消防设施运行状况的真实标签。
S4，模型训练完成后，根据隧道实际环境测试和消防安全管理需求，设定触发火灾报警的阈值pT和设施故障报警的阈值qT。
S5，将训练好的模型部署到数据分析设备上，并实时监测各个传感器运行数据，将传感器实时运行数据s1＝(x11,x12,x13...,x1n),s2,s3,……si输入到训练好的深度学习模型中进行预测，如模型输出火灾预警的预测概率pB+pC≥pT触发火灾报警信号，模型输出火灾预警的预测概率qB+qC≥qT触发消防设施故障报警信号。
当传感器采集到的运行数值超过预设阈值发生异常时，操作人员可以通过监控管理模块对水泵进行远程启停控制，水泵远程控制包括以下步骤：
传感器采集到的消防设施运行数值超过预设阈值，触发消防设施异常报警信号；
相关工作人员收到报警后立即通知相关人员采取应对措施；
操作人员通过监控管理模块向本地控制器发出远程控制信号；
本地控制器向指定水泵发送控制信号；
水泵控制系统接收到远程控制指令后启动水泵，并随之启动灭火系统或喷淋系统。
当火势得到有效控制或确认不存在异常后，监控管理模块可以解除报警状态，并停止水泵；
数据分析设备记录相关数据，包括报警触发时间、触发位置、传感器运行数值、水泵运行状态等，这些数据有助于后续的火灾事故分析和预防措施制定。
Claims (6)
1.一种隧道水消防数据采集监测系统，其特征在于由传感器、本地控制器、数据分析设备和监控管理模块组成，其中：
所述传感器布设在隧道内消防设施的关键位置，用于监测隧道消防设施和隧道环境参数，传感器包括：
消防水池布设水位传感器和水温传感器，采集消防水池的水位和水温数据；
消防管道布设水压传感器和流量传感器，采集消防水池的水压和流量数据；
水泵的电流表、电压表采集水泵的启停、用电和运行状态信息；
隧道内每隔一定距离布设烟雾传感器，采集隧道内的烟雾浓度信息；
隧道内每隔一定距离布设温度和湿度传感器，采集隧道内温度和湿度信息；
隧道内每隔一定距离布设红外火焰传感器，采集隧道内火焰红外辐射信息；
所述本地控制器用于收集隧道所有传感器运行数据，并将数据传输给数据分析设备；
所述数据分析设备用于实时分析传感器运行数据，实现对隧道水消防设备状态进行实时监测和预测；数据分析设备将本地控制器上传的传感器运行数据按设定好的格式发送到监控管理模块，并保存到数据分析设备的数据库中；
所述监控管理模块用于实施监控隧道内消防设施，并提供可视化界面展示。
2.如权利要求1所述的一种隧道水消防数据采集监测系统，其特征在于监控管理模块读取数据分析设备数据库中的历史运行信息并生成报表。
3.如权利要求1所述的一种隧道水消防数据采集监测系统，其特征在于监控管理模块与数据分析设备远程通信，当隧道消防设施发生异常报警时，操作人员通过监控管理模块对本地控制器发出指令，进行水泵远程启停。
4.如权利要求1所述的一种隧道水消防数据采集监测系统，其特征在于数据分析设备监测和预测的功能，通过以下步骤实现：
S1，制作数据集，收集隧道内布置的传感器运行数据，同时标记运行数据采集时对应的火灾状态记录与消防设施运行状态；
对采集到传感器运行数据进行预处理，预处理包括去除异常数值、填补缺失值；
S2，构建神经网络模型，包括：
多分支特征提取模块，用于提取不同类型传感器运行数据时间序列特征，每一个特征提取模块分支提取一种类型的传感器数据，包括1个卷积块和2个残差块；
特征融合模块，用于融合各个分支提取到的不同特征，特征融合模块包括1个特征拼接层和一个残差块；
火灾预警分类模块：对提取到的多传感器融合特征进行火灾分类，包括一个全连接层和激活函数，通过火灾预警分类模块输出无火灾风险的概率、火灾预警的概率、火灾发生的概率；
消防设施状态分类模块：对提取到的多传感器融合特征进行消防设施运行状况分类，包括一个全连接层和激活函数，消防设施状态分类模块输出消防设施正常运行的概率、消防设施故障预警的概率、消防设施故障的概率；
S3，根据数据集对预先构建的神经网络模型的权重进行训练优化，训练神经网络模型的损失函数为交叉熵损失函数；
S4，神经网络模型训练完成后，根据隧道实际环境测试和消防安全管理需求，设定触发火灾报警的阈值和设施故障报警的阈值；
S5，将训练好的模型部署到数据分析设备上，并实时监测传感器运行数据，将传感器运行数据输入到训练好的神经网络模型中进行预测，如果模型输出火灾预警的预测概率高于火灾报警阈值则触发火灾报警信号，如果模型输出火灾预警的预测概率高于设施故障报警的阈值则触发消防设施故障报警信号。
5.如权利要求4所述的一种隧道水消防数据采集监测系统，其特征在于多分支特征提取模块的卷积块包括一个卷积层，一个归一化层和一个激活函数层；所述残差块包括多个卷积层和跳层连接，卷积层之间还包括归一化层和激活函数；所述卷积块和残差块中的卷积层卷积核大小为1*9。
6.如权利要求4所述的一种隧道水消防数据采集监测系统，其特征在于特征融合模块的残差块具有通道注意力机制，所述通道注意力机制包括一个平均池化层，一个卷积层以及一个激活函数层。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311068467.5A CN117499424A (zh) | 2023-08-23 | 2023-08-23 | 一种隧道水消防数据采集监测系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311068467.5A CN117499424A (zh) | 2023-08-23 | 2023-08-23 | 一种隧道水消防数据采集监测系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117499424A true CN117499424A (zh) | 2024-02-02 |
Family
ID=89673251
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311068467.5A Pending CN117499424A (zh) | 2023-08-23 | 2023-08-23 | 一种隧道水消防数据采集监测系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117499424A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118172882A (zh) * | 2024-03-21 | 2024-06-11 | 中国矿业大学 | 一种基于深度学习的隧道火灾监测系统 |
| CN118384466A (zh) * | 2024-06-26 | 2024-07-26 | 成都云微交通科技有限公司 | 一种基于物联网的隧道智能消防系统 |
Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059897A (zh) * | 2006-04-21 | 2007-10-24 | 同济大学 | 一种新型隧道火灾预警系统及控制方法 |
| CN104954756A (zh) * | 2015-06-26 | 2015-09-30 | 国网安徽省电力公司蚌埠供电公司 | 地下电缆运行智能综合在线监测系统及方法 |
| CN108915771A (zh) * | 2018-07-06 | 2018-11-30 | 左凌云 | 云控矿山综合管理系统 |
| CN112116776A (zh) * | 2020-10-21 | 2020-12-22 | 国网陕西省电力公司电力科学研究院 | 一种变电站内电缆火灾预测监控系统及方法 |
| US20210079630A1 (en) * | 2017-02-15 | 2021-03-18 | Saya Life, Inc. | Water management, metering, leak detection, water analytics and remote shutoff system |
| CN212809401U (zh) * | 2020-04-30 | 2021-03-26 | 云南云鹰消防设施维护管理有限公司 | 一种消防物联网报警集成系统 |
| CN113887657A (zh) * | 2021-10-21 | 2022-01-04 | 西安金源电气股份有限公司 | 一种基于GSA-Elman神经网络的电缆隧道告警系统及方法 |
| CN113990018A (zh) * | 2021-09-15 | 2022-01-28 | 上海腾盛智能安全科技股份有限公司 | 一种安全风险预测系统 |
| CN114755949A (zh) * | 2022-03-21 | 2022-07-15 | 西北大学 | 一种基于人居环境的农村智慧遥感监控系统 |
| CN115830829A (zh) * | 2022-11-08 | 2023-03-21 | 华北科技学院 | 一种煤矿水害通用预报预警系统 |
| CN116090591A (zh) * | 2022-09-29 | 2023-05-09 | 南京交通运营管理集团有限公司 | 一种基于机器学习的隧道设备设施状态监测预警系统 |
| CN116139440A (zh) * | 2022-12-02 | 2023-05-23 | 浙江省交通运输科学研究院 | 一种公路隧道消防设施智能化健康监测系统 |
-
2023
- 2023-08-23 CN CN202311068467.5A patent/CN117499424A/zh active Pending
Patent Citations (12)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101059897A (zh) * | 2006-04-21 | 2007-10-24 | 同济大学 | 一种新型隧道火灾预警系统及控制方法 |
| CN104954756A (zh) * | 2015-06-26 | 2015-09-30 | 国网安徽省电力公司蚌埠供电公司 | 地下电缆运行智能综合在线监测系统及方法 |
| US20210079630A1 (en) * | 2017-02-15 | 2021-03-18 | Saya Life, Inc. | Water management, metering, leak detection, water analytics and remote shutoff system |
| CN108915771A (zh) * | 2018-07-06 | 2018-11-30 | 左凌云 | 云控矿山综合管理系统 |
| CN212809401U (zh) * | 2020-04-30 | 2021-03-26 | 云南云鹰消防设施维护管理有限公司 | 一种消防物联网报警集成系统 |
| CN112116776A (zh) * | 2020-10-21 | 2020-12-22 | 国网陕西省电力公司电力科学研究院 | 一种变电站内电缆火灾预测监控系统及方法 |
| CN113990018A (zh) * | 2021-09-15 | 2022-01-28 | 上海腾盛智能安全科技股份有限公司 | 一种安全风险预测系统 |
| CN113887657A (zh) * | 2021-10-21 | 2022-01-04 | 西安金源电气股份有限公司 | 一种基于GSA-Elman神经网络的电缆隧道告警系统及方法 |
| CN114755949A (zh) * | 2022-03-21 | 2022-07-15 | 西北大学 | 一种基于人居环境的农村智慧遥感监控系统 |
| CN116090591A (zh) * | 2022-09-29 | 2023-05-09 | 南京交通运营管理集团有限公司 | 一种基于机器学习的隧道设备设施状态监测预警系统 |
| CN115830829A (zh) * | 2022-11-08 | 2023-03-21 | 华北科技学院 | 一种煤矿水害通用预报预警系统 |
| CN116139440A (zh) * | 2022-12-02 | 2023-05-23 | 浙江省交通运输科学研究院 | 一种公路隧道消防设施智能化健康监测系统 |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118172882A (zh) * | 2024-03-21 | 2024-06-11 | 中国矿业大学 | 一种基于深度学习的隧道火灾监测系统 |
| CN118384466A (zh) * | 2024-06-26 | 2024-07-26 | 成都云微交通科技有限公司 | 一种基于物联网的隧道智能消防系统 |
| CN118384466B (zh) * | 2024-06-26 | 2024-09-17 | 成都云微交通科技有限公司 | 一种基于物联网的隧道智能消防系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114118677B (zh) | 基于物联网的尾矿库风险监测预警系统 | |
| CN117499424A (zh) | 一种隧道水消防数据采集监测系统 | |
| CN112766909A (zh) | 适用于舰船消防安全的智能管控系统及方法、计算机介质 | |
| CN108490889B (zh) | 基于te模型的智能工厂安全大数据数据源发生方法及装置 | |
| CN106017551A (zh) | 一种智能化输电线路综合监测分析预警方法 | |
| CN115393142A (zh) | 智慧园区管理方法及管理平台 | |
| CN107272634B (zh) | 一种基于三维vr和数据服务器的虚拟采煤演练控制系统 | |
| CN104850047A (zh) | 电力设备安全监控系统 | |
| CN103208049B (zh) | 异常告警快速事故分析方法及系统 | |
| CN102541041A (zh) | 基于物联网封闭煤场的综合监控及快速反应系统 | |
| CN117235443A (zh) | 一种基于边缘ai的电力作业安全监测方法及系统 | |
| CN116667533A (zh) | 一种智慧狗巡检系统 | |
| CN115562144A (zh) | 一种基于5g技术的重大危险源安全监测预警管理系统 | |
| CN118117487B (zh) | 一种输电线路无计划作业的多维立体监控系统 | |
| CN116754022B (zh) | 电缆隧道的在线检测应急预警方法及系统 | |
| CN111178693B (zh) | 一种基于二维码的消防设备管理系统 | |
| CN116961237A (zh) | 一种配电安全作业智能监管系统 | |
| CN117095512A (zh) | 一种滑坡多场数据融合调度监测系统及方法 | |
| KR20240074069A (ko) | Ai 분석을 통한 이상탐지로 사전 위험 예지알람을 제공하는 시스템 | |
| CN104865918A (zh) | 基于gis的电力监控系统 | |
| CN115562201A (zh) | 一种基于智能物联的生产监测应急预警方法 | |
| CN114925517B (zh) | 一种城市多灾种耦合分析的方法 | |
| CN116434459A (zh) | 一种基于多传感器微环境异常识别系统 | |
| CN114743332A (zh) | 一种智能消防的感知预警方法、装置、存储介质及终端 | |
| Mohanraj et al. | IoT Based System for Manhole Monitoring and Management |
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 |