CN201117044Y - 基于光温复合智能监测的高层建筑火灾预报装置 - Google Patents
基于光温复合智能监测的高层建筑火灾预报装置 Download PDFInfo
- Publication number
- CN201117044Y CN201117044Y CNU2007200598237U CN200720059823U CN201117044Y CN 201117044 Y CN201117044 Y CN 201117044Y CN U2007200598237 U CNU2007200598237 U CN U2007200598237U CN 200720059823 U CN200720059823 U CN 200720059823U CN 201117044 Y CN201117044 Y CN 201117044Y
- Authority
- CN
- China
- Prior art keywords
- fire
- detector
- light
- temperature
- rise building
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Fire Alarms (AREA)
- Alarm Systems (AREA)
Abstract
本实用新型公开了一种基于光温复合智能监测的高层建筑火灾预报装置,包括火灾信号探测器、信号传递装置、中央处理器、数据管理器、火灾报警控制器和报警设备;数据管理器一端通过模数转换器之一与火灾信号探测器连接,另一端通过信号传递装置与中央处理器连接,中央处理器还与火灾报警控制器连接,火灾报警控制器通过数模转换器之二与报警设备连接;所述火灾信号探测器包括火灾温度探测器和火灾光度探测器,火灾温度探测器和火灾光度探测器分别与模数转换器之一连接。本实用新型采用光温复合火灾探测技术,兼具感温探测器测量准确和感光探测器反应快速的特点,能在较大程度上解决灾情的漏报、误报,还能提高探测器的响应灵敏度。
Description
技术领域
本实用新型涉及一种火灾监测预警预报装置,具体是指一种具有光温复合探测和自学习功能的高层建筑火灾智能监测预警预报装置。
背景技术
火灾的发生不但给人类的生命带来危害,而且也将给社会财产带来损失。近年来,伴随着经济社会发展水平的提高、社会财富密度增加、火灾类型不断丰富,由火灾造成的损失持续增长。在当前国民经济高度发展的环境下,对如何提高火灾探测器的灵敏度和可靠性,提高火灾预报的及时性和准确性提出越来越高的要求。高层建筑的火灾有:火势蔓延快、人员疏散困难、扑救难度大、火险隐患多的特点,因此极具危害性。为确保人民生命财产的安全,火灾自动报警系统设计就成为高层建筑设计中最重要的内容之一。使用优质先进的火灾监测预警预报装置,准确判断起火部位,以及准确预测火源是否会发展成火灾,并对火灾级别和发展程度进行预测,便于进行及时的扑救,对确保高层建筑运营安全尤其重要。
火灾是包括流动、传热传质和化学反应及其相互作用的燃烧过程,燃烧会产生气体、气溶胶、烟雾、火焰和大量热量,统称为火灾参量,通过对这些参量的测定,并基于这些物理特征设计识别火灾的算法,就诞生了火灾探测器。最早出现的感温探测器,其工作原理是当火灾发生时,探测器中的热敏元件将发生物理变化,随后将物理变化转换成的电信号传输给火灾报警控制器。由于空间高度或空气流动等原因,使得火灾高温气体无法到达顶棚,感温火灾探测器将无法正常工作;当工作的环境温度过高时,感温火灾探测器很容易产生误报。随着火灾探测技术的发展,后来出现了感光探测器,靠探测火焰造成的电磁辐射来工作的。因为电磁辐射的传播速度极快,感光探测器对快速发生火灾(像易燃、可燃液体火灾)能够及时响应,是对这类火灾早期报警的理想探测器,在实际中,一般采用CCD摄像机,但CCD摄像机无法辨别移动高温物体与火灾的差别,从而可能产生漏报警。
在目前的高层建筑火灾监测预警预报装置中,通常采用单一的感烟型传感器、感温光缆或CCD(计算机控制显示摄像机),其缺点是:对高层建筑结构和火灾特点针对性不强,监测手段单一,可靠性差,如感烟型传感器无法探测酒精燃烧产生的火焰,感温传感器则不易发现阴燃火,CCD摄像机无法辨别移动高温物体与火灾的差别,从而可能产生漏报警;同时,现有的感光、感烟、感温型探测技术,只能探测火焰或者是火灾发生在某些探测区域内,而无法确定火灾发生的确切部位,另外由于环境的干扰,还常常出现漏检、误报的情况。复合火灾探测技术同时兼具两种或两种以上探测器的性能,可解决漏报、误报,还能提高探测器的响应灵敏度。
实用新型内容
本实用新型的目的是克服现有高层建筑火灾监测预警预报装置存在的缺陷与不足,提供一种基于光温复合探测技术、人工智能和模糊控制技术,具有自学习功能的、准确、高效的高层建筑火灾智能监测预警预报装置。
本实用新型的目的通过如下技术方案实现:
基于光温复合智能监测的高层建筑火灾预报装置,包括火灾信号探测器、信号传递装置、中央处理器、数据管理器、火灾报警控制器和报警设备;所述数据管理器包括相互信号连接的数据存贮器和数据库,数据存贮器一端通过模数转换器之一与火灾信号探测器连接,另一端通过信号传递装置与中央处理器连接,中央处理器还与火灾报警控制器连接,所述火灾报警控制器通过数模转换器之二与报警设备连接;所述火灾信号探测器包括火灾温度探测器和火灾光度探测器,火灾温度探测器和火灾光度探测器分别与模数转换器之一连接。
为进一步实现本实用新型目的,所述温度探测器采用易熔金属型定温火灾探测器。所述光度探测器采用红外感光火灾探测器,由红外发光二极管组成的矩阵平面发射源和设有红外滤波片的CCD摄像头接收端组成。所述数据存贮器还与高层建筑防排烟控制系统连接,监测各个设备运行状态。所述火灾报警控制器还与手动报警按钮连接。所述报警设备包括警报器、火警电话、火灾事故广播、火灾事故照明、联动控制装置,灭火系统控制装置和图形显示装置和备用电源。
所述中央处理器为计算机管理系统,该系统与高层建筑系统通风换热测量装置连接,基于高层建筑火灾的非线性动力学机理开发,根据现场探测温度、光度等信号对火灾的复杂性和不确定性进行定量计算。
本实用新型与现有建筑火灾的预警技术相比,具有如下优点和效果:
(1)采用光温复合火灾探测技术,同时兼具感温探测器测量准确和感光探测器反应快速的特点,能在较大程度上解决灾情的漏报、误报,还能提高探测器的响应灵敏度;
(2)运用模糊神经网络技术预测高层建筑火灾发生的火警级别,将预测结果返回系统,利用神经网络的自学习能力,不断修正样本集和判别规则,实现系统的高容错性和智能化;
(3)引入非线性动力学对高层建筑火灾机理进行基础理论,建立不同结构特点中的高层建筑火灾模型,根据现场探测温度、气体流速、烟气浓度、压力等信号对火灾的复杂性和不确定性进行定量计算,分析当前火情以及火灾发展趋势,为救援和灭火工作提供强有力的理论基础,大大增强预警系统的可靠性和科学性。
附图说明
图1是本实用新型的结构示意图;
图2是图1所示数据存储器对火灾灾情判断的原理框图;
图3本实用新型判断火灾是否发生和定位的原理框图;
图4本实用新型预测灾情发展情况的非线性处理过程示意框图。
具体实施方式
下面结合实例和附图对本实用新型作进一步的描述。
如图1所示,本实用新型基于光温复合智能监测的高层建筑火灾预报装置,包括火灾温度探测器1、火灾光度探测器2、模数转换器之一3、数据管理器4、监视器5、信号传递装置6、中央处理器7、火灾报警控制器8、数模转换器之二9、报警设备10。火灾信号探测器包括火灾温度探测器1和火灾光度探测器2,两探测器分别与模数转换器之一3连接。数据管理器4包括相互信号连接的数据存贮器和数据库,数据存贮器一端通过模数转换器之一3与火灾信号探测器连接,另一端通过信号传递装置6与中央处理器7连接,中央处理器7还与火灾报警控制器8连接,所述火灾报警控制器8通过数模转换器之二9与报警设备10连接。
火灾温度探测器1是感温探测器,可以采用定温式火灾探测器(如H8050和JTW-DZ-262/062型定温探测器,以及JTW-SD-130双金属片定温探测器)或差温式火灾探测器(如JTW-MC-1302金属膜盒差温探测器),火灾光度探测器2是感光探测器,可采用紫外感光火灾探测器(如JTG-ZM-GST9614点型紫外火焰探测器)或红外感光火灾探测器(如HWH-2型红外感光火灾探测器)。
模数转换器之一3(可采用AD9200ARS 10位20MSPS模数转换器或ADS52778通道10位65MSPS模数转换器)将火灾温度探测器1和火灾光度探测器2测量的火灾模拟信号转换为数字信号,模数转换器之一3还与数据管理器4相连,数据管理器包括数据存储器4-1和数据库4-2,将火灾探测信号的信息保存到数据存储器上,数据存储器可采用内置非易失性存储器(如FM18L08型高速数据存储器),数据库4-2中存储各类型高层建筑空间火灾参照模式集,供火灾判断时进行模式比较。
数据管理器4还分别与监视器5和高层建筑防排烟控制系统12连接,监视器可采用彩色监视器(如JVC TM系列和SONY SSC系列彩色监视器)或黑白监视器(如UJ23-LEE-136BM、SP712或HS-BM093型黑白监视器)观察电梯及重要出入通道的火灾和人员疏散情况;高层建筑防排烟控制系统的控制过程是:消防中心控制室接到火灾报警信号后,直接产生信号控制排烟阀门开启、排烟风机启动,空调、送风机、防火门等关闭,并接收各个设备的返回信号和防火阀动作信号,监测各个设备运行状态。
数据存储器4-1还通过信号传递装置6与中央处理器7连接,信号传递装置采用通用现场(如Lon Bus等),中央处理器7根据数据存储器传递来的现场探测温度、光度等信号建立高层建筑火灾的非线性动力学模型,并采用模糊申请网络算法对火灾的复杂性和不确定性进行定量计算。
中央处理器7还与火灾报警控制器8(可采用JBC-QB-HD99、JB-QGZ-2002或JB-TB-9800型火灾报警控制器)连接,将中央处理器得到的火灾特征物理量传递到火灾报警控制器8,火灾报警控制器8通过数模转换器二9(可采用AD5601、AD5621或AD654型模数转换器)与报警设备10连接,火灾报警控制器8设有手动报警按钮11(如YX8804、XHD-02或FA-105型手动报警按钮),报警设备10包括高层建筑建筑中已经装备的警报器10-1、火警电话10-2、火灾事故广播10-3、火灾事故照明10-4、联动控制装置10-5(包括消火栓、自动喷淋灭火、防火门、防火卷帘、排烟风机、空调设施、防火阀、排烟阀、电梯、诱导灯、警铃等),通过中央处理器发出的指令进行一系列连续的动作,自动采用措施启动灭火设施;灭火系统控制装置10-6,显示消防水泵的工作与故障状态,控制消防水泵的启、停;图形显示装置10-7,包括电梯和主要通道的监视器;备用电源10-7(可采用EPSONEPS系列应急电源系统或MJ系列消防应急照明电源),在火灾下为疏散、照明和其他重要的一级供电负荷提供集中供电的应急电源装置。
本实用新型采用模糊神经网络,利用探测器、调研、实验、理论计算得到的火灾信号组成训练样本集,用模糊神经网络技术进行训练,形成具有高容错性、复杂模式分类和辩识的火灾智能预警装置。如图2所示,本实用新型设计的火灾探测神经网络,其构成包括三个输入神经元、五个隐藏神经元和三个输出神经元。左边的三项IN1、IN2、IN3为输入层,在实际应用中火灾探测器发出的光度、温度及通风系统发出的换气量三个信号被转化归一到[0,1],再传递给输入层;右边三项OT1,OT2,OT3为输出层,分别表示火灾概率,火险概率、阴燃火概率,输出值范围也是[0,1];输入和输出层之间的IM1~IM5为隐藏层,输入信号通过隐藏层后再送到输出层。在IN(I)与IM(J)与OT(K)之间各有15条连接弧,其权值分别为Wij,Vjk。从输入层到中间层的总和定义为NET1(j):
NET1(j)的值即隐含层的输出用Sigmoid函数转换到[0,1];
同样,NET2(k)也被转换到[0,1]:
r1和r2的作用是修正Sigmoid函数曲线倾斜度的系数,通常分别取为1.0和1.2。在该火灾探测系统中,使用一个12种模式的学习定义表,如下表所示。
表1
这样,第m个输入模式的平方误差Em和12种模式的平方误差总和E可表示为:
和
调节权值Wij,Vjk使E达到最小,即完成了神经网络学习过程。确定权值后,神经网络输入层开始接收探测器的电位值,按照上述方法对输出值进行计算,将计算出的数值分别与火灾概率、火险概率即阴燃火概率进行比较,最后作出是否发生火灾的判断。如图3所示,火灾信号(如烟、温等)探测数值经数模转换器3转换,进入数据存储器4-1的模糊神经网络计算模块4-1-1,进行火情大小的模糊识别,识别结果输出是否会发生火灾的判断信号B(0或者1)。
高层建筑中气候、热流量、自然光等环境因素的变化会干扰监测仪器的判别结果,其中由于神经网络计算误差导致的判别输出信号A和B之间差异,本实用新型采用神经网络对人工监视判别结果的学习得到改进,实现自学习和自适应功能。
高层建筑火灾一方面是一个受多种因素影响的,复杂的非线性特征,火灾中热解、另一方面,尽管受到众多热灾害因素的影响,体现出复杂性,但是,在相似的环境和条件下,火灾的发生和发展过程却又能体现出相似的规律。高层建筑建筑通常可分为中庭、房间、楼梯间、电梯井这几类空间,各类空间中建筑材料、构造、空间特征、换热换气系统都按照其标准要求设计,从而同类空间具有相似的燃烧环境。基于对高层建筑建筑特点和燃烧过程的认识,本实用新型采用非线性模型和模式识别相结合的方法,对高层建筑中火灾的发展进行预测。依据高层建筑不同类型空间建筑特点,建立挥发分热解与燃烧模型、可燃物轰燃模型、火焰传播模型、火灾蔓延模型、烟气羽流的混沌模型以及烟气蔓延的耦合映象格子模型,从而构造出考虑各种相关因素的火灾预测模型。分别针对不同类型空间,对基础研究、实验室实验、现场调研以及数值模拟,积累起相关特点,构成火灾发展模式集,存储于火灾的基础数据,进行归类,存储于火灾数据库4-2中。
如图4所示,火灾信号探测器获得的模拟信号通过模数转换器3传输给数据存储器4-1集中,再通过信号传递装置6传输到中央处理器7,同时高层建筑系统通风换热测量装置11测得的通风换热参数,也通过数据接口传输给中央处理器6。当中央处理器6根据算法预测到火灾发生时,通过对监测信号的寻址,获得火灾发生的具体位置,并将定位信号传输给火灾发展预测模块,通过该定位信号,表征当前火灾发展程度的探测信号:温度、压力、烟气浓度、气体成份以及通风条件,在数据库4-2中查询该类型高层建筑空间火灾参照模式集,进行模式比较,分析当前火灾是属于阴燃、火灾初期或者是属于大火范畴。然后将这些探测信号传入相应的非线性预测计算模型,通过挥发分热解与燃烧模型、可燃物轰燃模型、火焰传播模型、火灾蔓延模型、烟气羽流的混沌模型以及烟气蔓延的耦合映象格子模型,对火灾的发展进行实时预测。模式比较和火灾发展的预测结果,以及数据库4-2事先存储的相应处理决策都显示在监视器5上。同时,当前火灾特征信号以及火灾的发展程度反馈给数据库4-2,补充参照模式集。
由于火灾现象具有多变性,某些物理量受到环境其他因素的影响,瞬时值表现出一定的随机性,从而使实际探测到的信号难以和给出模式完全吻合,因此,本实用新型中模式比较采用了模糊识别的方法,通过待监测对象与已知模式的贴近度大小进行判断。
综上所述,本实用新型设计使用先进的火灾探测算法和火灾模式识别方法来判断火灾信息,是具有“较高智能”的智能化火灾探测报警系统。
工作时,信号探测器将现场探测和调查得到的温度、光度、通风量等数据经模数转换器3把信号输入数据存储器4-1,再将物理量信号变化过程经信号传递装置6传递到高层建筑火灾中央处理器7,经中央处理器7分析得到的火灾特征量传送给火灾报警控制器8,物理量信号变化过程与本系统建立的高层建筑火灾参照模式进行对比,对比之后得到对高层建筑火灾灾情的预测情况,做出火灾是否发生的判断,再根据这种判断决定是否给出火灾报警信号,判断有火警信号之后,将火警信号经数模转换器9传递给报警设备10,消防机构收到火警后开展扑救工作。通过手动火灾报警按钮11人为地对火灾报警控制器7做出反应使警报有效地实施,对装置每一次所做出的火灾灾情判断和火警准确率经模数转换器反馈回高层建筑火灾数据存储器4,人工神经网络技术将反馈的数据进行自学习,不断修正样本集和判别规则,进而完善森林火灾参照模式;最后反馈回来的数据存放在火灾数据库4-2中,作为以后高层建筑火灾判别的基础数据。本设计运用火灾非线性机理、模糊理论和人工神经网络技术相结合建立起的高层建筑火灾数据库,具有自学习的能力和知识发现的过程,获得可靠的容错性高的训练样本集和判别规则,能不断自我补充和完善,有助于高层建筑火灾的机理研究和提高火警智能化的程度,大大提高高层建筑火灾火警的准确性、及时性和可靠性。
Claims (6)
1、一种基于光温复合智能监测的高层建筑火灾预报装置,其特征在于该预报装置包括火灾信号探测器、信号传递装置、中央处理器、数据管理器、火灾报警控制器和报警设备;所述数据管理器包括相互信号连接的数据存贮器和数据库,数据存贮器一端通过模数转换器之一与火灾信号探测器连接,另一端通过信号传递装置与中央处理器连接,中央处理器还与火灾报警控制器连接,所述火灾报警控制器通过数模转换器之二与报警设备连接;所述火灾信号探测器包括火灾温度探测器和火灾光度探测器,火灾温度探测器和火灾光度探测器分别与模数转换器之一连接。
2、根据权利要求1所述的基于光温复合智能监测的高层建筑火灾预报装置,其特征在于:所述温度探测器采用易熔金属型定温火灾探测器。
3、根据权利要求1所述的基于光温复合智能监测的高层建筑火灾预报装置,其特征在于:所述光度探测器采用红外感光火灾探测器,由红外发光二极管组成的矩阵平面发射源和设有红外滤波片的CCD摄像头接收端组成。
4、根据权利要求1~3任一项所述的基于光温复合智能监测的高层建筑火灾预报装置,其特征在于:所述数据存贮器还与高层建筑防排烟控制系统连接。
5、根据权利要求1所述的基于光温复合智能监测的高层建筑火灾预报装置,其特征在于:所述火灾报警控制器还与手动报警按钮连接。
6、根据权利要求1所述的基于光温复合智能监测的高层建筑火灾预报装置,其特征在于:所述报警设备包括警报器、火警电话、火灾事故广播、火灾事故照明、联动控制装置,灭火系统控制装置和图形显示装置和备用电源。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNU2007200598237U CN201117044Y (zh) | 2007-11-20 | 2007-11-20 | 基于光温复合智能监测的高层建筑火灾预报装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CNU2007200598237U CN201117044Y (zh) | 2007-11-20 | 2007-11-20 | 基于光温复合智能监测的高层建筑火灾预报装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN201117044Y true CN201117044Y (zh) | 2008-09-17 |
Family
ID=39991620
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CNU2007200598237U Expired - Fee Related CN201117044Y (zh) | 2007-11-20 | 2007-11-20 | 基于光温复合智能监测的高层建筑火灾预报装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN201117044Y (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI582630B (zh) * | 2016-01-22 | 2017-05-11 | A Method of Simulating Building Smoke Flow with Combustible Building Module | |
CN108389352A (zh) * | 2018-03-14 | 2018-08-10 | 青岛市光电工程技术研究院(中国科学院光电研究院青岛光电工程技术研究中心) | 火源探测方法及装置 |
CN111242278A (zh) * | 2019-12-29 | 2020-06-05 | 杭州拓深科技有限公司 | 一种基于智能算法的复合烟感低误报方法 |
CN111613037A (zh) * | 2020-04-30 | 2020-09-01 | 杭州拓深科技有限公司 | 一种基于智能算法的降低复合烟感误报的方法 |
-
2007
- 2007-11-20 CN CNU2007200598237U patent/CN201117044Y/zh not_active Expired - Fee Related
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
TWI582630B (zh) * | 2016-01-22 | 2017-05-11 | A Method of Simulating Building Smoke Flow with Combustible Building Module | |
CN108389352A (zh) * | 2018-03-14 | 2018-08-10 | 青岛市光电工程技术研究院(中国科学院光电研究院青岛光电工程技术研究中心) | 火源探测方法及装置 |
CN111242278A (zh) * | 2019-12-29 | 2020-06-05 | 杭州拓深科技有限公司 | 一种基于智能算法的复合烟感低误报方法 |
CN111613037A (zh) * | 2020-04-30 | 2020-09-01 | 杭州拓深科技有限公司 | 一种基于智能算法的降低复合烟感误报的方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101162545A (zh) | 高层建筑火灾光温复合智能监测预报装置 | |
CN1963878A (zh) | 高层建筑火灾智能监测预警预报装置 | |
CN101251942B (zh) | 地下空间火灾智能检测预警预报方法及装置 | |
Wang et al. | Fire risk assessment for building operation and maintenance based on BIM technology | |
Wu et al. | An intelligent tunnel firefighting system and small-scale demonstration | |
CN110158648A (zh) | 一种城市地下综合管廊运维监控管理系统 | |
Bastani et al. | Contaminant source identification within a building: toward design of immune buildings | |
CN111311869B (zh) | 一种基于区域报警模型的消防安全监控方法、系统、云平台 | |
CN104269010B (zh) | 监控区域的火灾风险告警方法和系统 | |
US11580843B2 (en) | Intelligent emergency response for multi-tenant dwelling units | |
CN112270122B (zh) | 一种建筑火灾火源参数反演评估方法 | |
CN207895646U (zh) | 智能建筑火灾自动报警系统 | |
Vijayalakshmi et al. | Internet of Things technology for fire monitoring system | |
CN201117044Y (zh) | 基于光温复合智能监测的高层建筑火灾预报装置 | |
JP7376162B2 (ja) | 人工知能連動知能型災難安全管理方法およびこのような方法を遂行するシステム | |
Shiau et al. | Development of building fire control and management system in BIM environment | |
KR20220071880A (ko) | 지하공동구 맞춤형 디지털트윈 재난 관리 시스템 | |
Ryder et al. | Hierarchical temporal memory continuous learning algorithms for fire state determination | |
CN200979734Y (zh) | 高层建筑火灾智能监测预警预报装置 | |
Upadhyay et al. | An architecture for an integrated fire emergency response system for the built environment | |
CN112885021B (zh) | 一种基于复合算法的多传感器火灾预测方法及系统 | |
CN117668570A (zh) | 防火电缆的敷设选择装置、方法及设备 | |
Zhang et al. | Analysis and research on fire safety of university dormitory based on Bayesian network | |
Xue | The road tunnel fire detection of multi-parameters based on BP neural network | |
CN2653613Y (zh) | 森林火灾智能监测报警装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
C17 | Cessation of patent right | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20080917 Termination date: 20111120 |