EP0654770A1 - Anordnung zur Früherkennung von Bränden - Google Patents

Anordnung zur Früherkennung von Bränden Download PDF

Info

Publication number
EP0654770A1
EP0654770A1 EP94113869A EP94113869A EP0654770A1 EP 0654770 A1 EP0654770 A1 EP 0654770A1 EP 94113869 A EP94113869 A EP 94113869A EP 94113869 A EP94113869 A EP 94113869A EP 0654770 A1 EP0654770 A1 EP 0654770A1
Authority
EP
European Patent Office
Prior art keywords
signal
arrangement according
stage
signals
neural network
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
Application number
EP94113869A
Other languages
English (en)
French (fr)
Other versions
EP0654770B1 (de
Inventor
Jürg Dr. Werner
Max Schlegel
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.)
Siemens AG
Original Assignee
Cerberus AG
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 Cerberus AG filed Critical Cerberus AG
Publication of EP0654770A1 publication Critical patent/EP0654770A1/de
Application granted granted Critical
Publication of EP0654770B1 publication Critical patent/EP0654770B1/de
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Images

Classifications

    • 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
    • G08B29/16—Security signalling or alarm systems, e.g. redundant systems
    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B17/00—Fire alarms; Alarms responsive to explosion

Definitions

  • the present invention relates to an arrangement for the early detection of fires, with a plurality of detectors connected to a control center, some of which are equipped with at least two sensors for monitoring different fire parameters, and with means for processing the signals from the sensors.
  • the response behavior of the detectors can be better balanced and the error alarm rate per detection point can be significantly reduced.
  • the redundancy associated with multiple monitoring increases reliability and leads to a balance between the weak and strong points that occur with single detectors.
  • the invention now aims to further reduce the error alarm rate per detection point and, at the same time, to obtain the earliest possible detection capability.
  • the means mentioned for processing the signals from the sensors are arranged decentrally in the detectors and have a microcontroller for processing the sensor signals and for signal processing for the purpose of obtaining hazard signals, and in that the hazard signals are obtained in a neuronal manner Network.
  • the signal processing is thus shifted from the control center into the detectors and is decentralized, as a result of which the limitation of the communication bandwidth of the usual connections between the control center and detectors has no influence.
  • the observation length of the signals is not subject to any restrictions and the possibility of overloading the control center is practically excluded.
  • the high redundancy of the system also has the The advantage that the detectors can trigger an alarm themselves if the main processor fails at the control center.
  • the use of the neural network has the advantage that the reliability of the detector function is generally improved in that there is a wide range of possibilities for linking the different signal signatures, that is to say the detection patterns, and can also be optimally used in the neural network.
  • Fig. 1 shows an overview of the signal processing in the detector, which can be divided into five stages S1 to S5.
  • the first stage S1 consists of the sensor hardware and essentially contains a thermal sensor 1 formed by an NTC sensor, an optical sensor 2 formed by a light pulse transmitter and a light pulse receiver, a bias network 3 for the thermal sensor 1 and an ASIC 4.
  • About the sensor -Hardware also includes an A / D converter 5 of a microcontroller MCU.
  • the MCU has a ROM mask which contains the operating system and the sensor software of the detector and thus controls all processes at the functional level, that is to say the sensor control, the signal processing, and the addressing and communication with the control center.
  • the ASIC 5 contains all amplifiers and filters for the signal of the light pulse receiver, a one-chip temperature sensor, the control electronics for the light pulse transmitter, a quartz oscillator and the start / power management as well as the line monitoring for the MCU. There is a bidirectional, serial data bus and various control lines between the MCU and the ASIC 4.
  • the signals are processed in the second stage S2 following the A / D converter 5, with various compensations being used to try to obtain the most accurate possible representation of the real measurement variables.
  • signal signatures or criteria are extracted, which are then condensed in the fourth stage S4 in a neural network NN to form a scalar hazard signal and are assigned to a hazard level.
  • the decision about the definitive danger level is finally made in a verification stage 6 and forwarded together with the functional state or status to the communication interface of the MCU.
  • the first three stages S1 to S3 are passed through separately from the signal from the thermal sensor 1 and from the signal from the optical sensor 2, which is symbolized in the figure by two signal paths, a "thermal” and an “optical” path, which are then combined in the fourth stage S4, that is to say in the neural network.
  • the signal flow of the two paths through the stages S1 to S3 is shown in FIGS. 2a and 2b, and the neural network NN is shown in detail in FIG. 3.
  • the thermal and then the optical signal path will now be described in more detail below:
  • the NTC temperature sensor 1 is operated in a pulsed manner via the biasing network 3 and the NTC voltage is fed to the A / D converter 5.
  • the NTC temperature data are subsequently analyzed in a stage 7, interruptions and short circuits being recognized.
  • step 7 the influence of small driver voltage changes on the measured value is also compensated to increase the measuring accuracy. Any interference peaks are removed in the following “anti-EMI” algorithm 8. This limits the signal change from one measurement to the next to certain values stored in the data memory of the MCU. Normal fire signals pass this algorithm unchanged.
  • the output signal of the A / D converter is then converted into a temperature value in an linearization stage 9 using an interpolation table in accordance with the characteristics of the NTC sensor. Then in a block 10 the heat dissipation through connecting wires and plastic wall and in a block 11 the Heat capacity of the NTC sensor 1 compensated.
  • the output signals of blocks 10 and 11 then pass through a digital filter bank 12 and are finally linked in a stage 13 with parameters. At the output of stage 13 and thus at the end of the thermal path there are then several signature signals or criteria S1 to Sm which are dependent on the NTC signal and thus on the temperature.
  • a pulse generator 14 which generates a current pulse of almost 100 ⁇ s every 3s, drives an infrared light-emitting diode 15 which forms the light pulse transmitter and sends a light pulse into the optical scattering space.
  • the light scattered by any smoke is collected by a lens and directed to a receiver photodiode 15 '.
  • the resulting photocurrent is integrated by an integrator 16 in synchronism with the transmission pulse.
  • the subsequent, still differential voltage amplifier 17 offers several selectable gain settings.
  • the coarse detector adjustment is then carried out.
  • a so-called AMB filter 18 eliminates DC components and low-frequency interference from the signal. High-frequency interference has already been eliminated by integrator 17.
  • a single unipolar signal appears at the output of the AMB filter 18 and is further amplified by a voltage amplifier 19.
  • the output signal of the amplifier 19 is converted into digital data in the A / D converter 5, with which the software signal processing begins (FIG. 1, stage S2).
  • the effective signal swing is now determined by forming the difference in a stage 20 between a light and a dark measurement. This arrives in a block 21 and, thanks to the availability of the ASIC temperature, can be corrected there in such a way that the temperature drops of the optoelectronic components are largely compensated for.
  • the software-based fine adjustment which is also carried out in block 21, serves as the last and practically continuous adjustment of the signals to a desired size.
  • tracking eliminates those signal components which are caused by very slow environmental influences (for example dustiness) and which would produce a false smoke signal over time and thus change the sensitivity.
  • the result of the previous processing steps is a quantity that represents the effective, filtered, adjusted, temperature-compensated and updated smoke value and forms the immediate reference for determining the hazard level.
  • the last link (block 23) in the optical signal processing are algorithms controlled by various parameter sets, which assess the temporal behavior of the variable representing the smoke value.
  • the signature signals Sm + 1 to Sn are then available.
  • the signature signals S1 to Sn of the thermal and the optical path form the input level L0 of a layered, neural network NN, which is shown in FIG. 3. It can be seen from the representation of the neural network NN in FIG. 1 that these input variables are dependent either on the temperature signal (T) or on the optical signal (O) or both.
  • the network also has other levels L1 to L5 with so-called neurons or nodes.
  • the input variables weighted with parameters are subjected to an addition and a maximum and / or minimum linkage. The addition takes place in the neurons labeled A and the maximum and / or minimum linkage in the neurons labeled M.
  • the network can be integrated into a learning environment. Due to the learning effect of the network, certain connections will prove to be preferred and strengthen, and others will, at the same time, atrophy. Alternatively, the network can also be used without a learning phase be constructed. In both cases, the weights of the network are frozen during operation for security reasons.
  • the hazard signal is assigned to one of several, for example at least three, security levels, and this signal assigned to one of the security levels is the output signal GS of the neural network NN.
  • the shift of signal processing from the control center to the detectors and the use of a neural network for signal processing for detectors with multiple sensors is particularly advantageous, these multiple sensors should not be understood as restrictive.
  • detectors with only one sensor can also be designed in the manner described.
  • the neural network NN represents a very special type related to a fuzzy logic and could therefore also be replaced by a fuzzy logic.

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Computer Security & Cryptography (AREA)
  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Fire-Detection Mechanisms (AREA)
  • Fire Alarms (AREA)
  • Alarm Systems (AREA)
  • Vending Machines For Individual Products (AREA)
  • Looms (AREA)
  • Control Of Combustion (AREA)

Abstract

Die Anordnung enthält mehrere mit einer Zentrale verbundene Melder, von denen einige mit mindestens zwei Sensoren (1, 2,) zur Überwachung von verschiedenen Brandkenngrössen ausgerüstet ist. Vorzugsweise ist der eine Sensor (1) ein thermischer und der andere (2) ein optischer Sensor. Ausserdem enthält die Anordnung Mittel zur Verarbeitung der Signale der Sensoren. Diese Mittel sind dezentral in den Meldern angeordnet und sie enthalten einen Microcontroller (MCU) zur Aufbereitung der Sensorsignale und zur Signalverarbeitung zum Zweck der Gewinnung von Gefahrensignalen. Die Gewinnung der Gefahrensignale erfolgt in einem neuronalen Netzwerk (NN). <IMAGE>

Description

  • Die vorliegende Erfindung betrifft eine Anordnung zur Früherkennung von Bränden, mit einer Mehrzahl von mit einer Zentrale verbundenen Meldern, von denen einige mit mindestens zwei Sensoren zur Überwachung von verschiedenen Brandkenngrössen ausgerüstet sind, und mit Mitteln zur Verarbeitung der Signale der Sensoren.
  • Da bei Meldern mit Mehrfachsensoren die einzelnen Sensoren verschiedene Parameter überwachen, kann das Antwortverhalten der Melder besser ausgeglichen und dadurch die Fehleralarmrate pro Detektionspunkt deutlich reduziert werden. Ausserdem steigt durch die mit der Mehrfachüberwachung verbundene Redundanz die Zuverlässigkeit und führt zu einem Ausgleich zwischen den bei Einfachdetektoren auftretenden schwachen und starken Punkten.
  • Durch die Erfindung soll nun die Fehleralarmrate pro Detektionspunkt weiter reduziert und gleichzeitig eine möglichst frühzeitige Detektionsfähigkeit erhalten werden.
  • Diese Aufgabe wird erfindungsgemäss dadurch gelöst, dass die genannten Mittel zur Verarbeitung der Signale der Sensoren dezentral in den Meldern angeordnet sind und einen Microcontroller zur Aufbereitung der Sensorsignale und zur Signalverarbeitung zum Zweck der Gewinnung von Gefahrensignalen aufweisen, und dass die Gewinnung der Gefahrensignale in einem neuronalen Netzwerk erfolgt.
  • Bei der erfindungsgemässen Anordnung ist also die Signalverarbeitung von der Zentrale in die Melder verlagert und dezentralisiert, wodurch die Beschränkung der Kommunikationsbandbreite der üblichen Verbindungen zwischen Zentrale und Meldern ohne Einfluss ist. Ausserdem ist die Beobachtungslange der Signale keinen Einschränkungen unterworfen und die Möglichkeit einer Überlastung der Zentrale ist praktisch ausgeschlossen. Die hohe Redundanz des Systems hat ausserdem den Vorteil, dass bei Ausfall oder Störung des Hauptprozessors in der Zentrale die Melder selbst Alarm auslösen können.
  • Die Verwendung des neuronalen Netzwerks hat den Vorteil, dass die Zuverlässigkeit der Melderfunktion ganz allgemein verbessert wird, indem eine breite Palette von Möglichkeiten der Verknüpfung der verschiedenen Signalsignaturen, das sind die Erkennungsmuster, besteht und in dem neuronalen Netzwerk auch optimal genutzt werden kann.
  • Im folgenden wird die Erfindung anhand eines Ausführungsbeispiels und der Zeichnungen näher erläutert; dabei zeigt:
    • Fig. 1
    ein Übersichtsdiagramm der Signalverarbeitung im Melder,
    Fig. 2a, b
    ein Schema der beiden Signalpfade der Signalverarbeitung; und
    Fig. 3
    ein Diagramm des neuronalen Netzwerks der Signalverarbeitung.
  • Fig. 1 zeigt eine Übersicht der Signalverarbeitung im Melder, die in fünf Stufen S1 bis S5 aufgeteilt werden kann. Die erste Stufe S1 besteht aus der Sensor-Hardware und enthält im wesentlichen einen durch einen NTC-Sensor gebildeten Thermosensor 1, einen durch einen Lichtpulssender und einen Lichtpulsempfänger gebildeten optischen Sensor 2, ein Vorspannungsnetzwerk 3 für den Thermosensor 1 und einen ASIC 4. Zur Sensor-Hardware gehört ausserdem noch ein A/D-Wandler 5 eines Microcontrollers MCU.
  • Die MCU weist in bekannter Weise eine ROM-Maske auf, die das Betriebssystem und die Sensorsoftware des Melders enthält und damit sämtliche Abläufe auf der Funktionsebene, also die Sensorsteuerung, die Signalverarbeitung sowie die Adressierung und die Kommunikation mit der Zentrale kontrolliert. Der ASIC 5 beinhaltet alle Verstärker und Filter für das Signal des Lichtimpulsempfängers, einen Einchip-Temperatursensor, die Ansteuerelektronik für den Lichtpulssender, einen Quarzoszillator und das Aufstart-/Power-Management sowie die Linienüberwachung für die MCU. Zwischen der MCU und dem ASIC 4 bestehen ein bidirektionaler, serieller Datenbus und diverse Kontrollleitungen.
  • In der an den A/D-Wandler 5 anschliessenden zweiten Stufe S2 werden die Signale aufbereitet, wobei durch verschiedene Kompensationen versucht wird, ein möglichst genaues Abbild der reellen Messgrössen zu erhalten. In der dritten Stufe S3 werden Signalsignaturen oder Kriterien extrahiert, die dann in der vierten Stufe S4 in einem neuronalen Netzwerk NN zu einem skalaren Gefahrensignal kondensiert und einer Gefahrenstufe zugeordnet werden. In der fünften Stufe S5 wird schliesslich in einer Verifizierungsstufe 6 der Entscheid über die definitive Gefahrenstufe gefällt und zusammen mit dem Funktionszustand oder Status an das Kommunikationsinterface der MCU weitergeleitet.
  • Gemäss Fig. 1 werden die ersten drei Stufen S1 bis S3 vom Signal des thermischen Sensors 1 und vom Signal des optischen Sensors 2 getrennt durchlaufen, was in der Figur durch zwei Signalpfade, einen "thermischen" und einen "optischen" Pfad, symbolisiert ist, die dann in der vierten Stufe S4, also im neuronalen Netzwerk zusammengeführt sind. Der Signalfluss der beiden Pfade durch die Stufen S1 bis S3 ist in den Fig. 2a und 2b, und das neuronale Netzwerk NN ist in Fig. 3 im Detail dargestellt.
  • Nachfolgend soll nun zuerst der thermische und dann der optische Signalpfad näher beschrieben werden: Der NTC-Temperatursensor 1 wird über das Vorspannungsnetzwerk 3 gepulst betrieben und die NTC-Spannung wird dem A/D-Wandler 5 zugeleitet. Die NTC-Temperaturdaten werden nachfolgend in einer Stufe 7 analysiert, wobei Unterbrechungen und Kurzschluss erkannt werden. In der Stufe 7 wird ausserdem zur Erhöhung der Messgenauigkeit der Einfluss von kleinen Treiberspannungsänderungen auf den Messwert kompensiert. Allfällige Störspitzen werden im nachfolgenden "anti-EMI"-Algorithmus 8 entfernt. Dieser begrenzt die Signaländerung von einer Messung zur nächsten auf bestimmte, im Datenspeicher der MCU gespeicherte Werte. Normale Brandsignale passieren diesen Algorithmus unverändert.
  • Anschliessend wird in einer Linearisierungsstufe 9 das Ausgangssignal des A/D-Wandlers mittels einer Interpolationstabelle gemäss der Charakteristik des NTC-Sensors in einen Temperaturwert umgerechnet. Dann wird in einem Block 10 die Wärmeableitung durch Anschlussdrähte und Kunststoffwandung und in einem Block 11 die Wärmekapazität des NTC-Sensors 1 kompensiert. Die Ausgangssignale der Blöcke 10 und 11 durchlaufen dann eine digitale Filterbank 12 und werden schliesslich in einer Stufe 13 mit Parametern verknüpft. Am Ausgang der Stufe 13 und damit am Ende des thermischen Pfads stehen dann mehrere, vom NTC-Signal und damit von der Temperatur abhängige Signatursignale oder Kriterien S1 bis Sm zur Verfügung.
  • Im optischen Signalpfad treibt ein Pulsgenerator 14, der alle 3s einen knapp 100µs langen Strompuls erzeugt, eine den Lichtimpulssender bildende Infrarot-Leuchtdiode 15, die einen Lichtpuls in den optischen Streuraum sendet. Das von allfällig vorhandenem Rauch gestreute Licht wird von einer Linse gesammelt und auf eine Empfänger-Photodiode 15' geleitet. Der resultierende Photostrom wird synchron zum Sendepuls von einem Integrator 16 integriert. Der nachfolgende, immer noch differentielle Spannungsverstärker 17 bietet mehrere wählbare Verstärkungseinstellungen an. Damit wird der Melder-Grobabgleich vorgenommen. Ein sogenanntes AMB-Filter 18 eliminiert Gleichstromanteile und niederfrequente Störungen aus dem Signal. Hochfrequente Störungen wurden bereits vom Integrator 17 beseitigt. Am Ausgang des AMB-Filters 18 erscheint ein einziges unipolares Signal, das von einem Spannungsverstärker 19 weiter verstärkt wird.
  • Das Ausgangssignal des Verstärkers 19 wird im A/D-Wandler 5 in digitale Daten umgewandelt, womit die softwaremässige Signalverarbeitung beginnt (Fig. 1, Stufe S2). Durch Differenzbildung in einer Stufe 20 zwischen einer Hell- und einer Dunkelmessung wird jetzt der effektive Signalhub bestimmt. Dieser gelangt in einen Block 21 und kann dort dank der Verfügbarkeit der ASIC-Temperatur so korrigiert werden, dass eine weitgehende Kompensation der Temperaturabgänge der optoelektronischen Bauteile erfolgt. Als letzte und praktisch stufenlose Anpassung der Signale an eine Sollgrösse dient der softwaremässige Feinabgleich, der ebenfalls im Block 21 erfolgt. Im nächsten Block 22 beseitigt eine Nachführung diejenigen Signalanteile, die durch sehr langsame Umwelteinflüsse (beispielsweise Verstaubung) verursacht sind, und die mit der Zeit ein Scheinrauchsignal erzeugen und damit die Empfindlichkeit verändern würden.
  • Das Resultat aus den bisherigen Verarbeitungsschritten ist eine Grösse , die den effektiven, gefilterten, abgeglichenen, temperaturkompensierten und nachgeführten Rauchwert darstellt und die unmittelbare Referenz für die Ermittlung der Gefahrenstufe bildet. Als letztes Glied (Block 23) in der optischen Signalverarbeitung wirken von verschiedenen Parametersätzen gesteuerte Algorithmen, die das zeitliche Verhalten der den Rauchwert darstellenden Grösse beurteilen. Am Ende des optischen Signalverarbeitungspfades stehen dann die Signatursignale Sm+1 bis Sn zur Verfügung.
  • Die Signatursignale S1 bis Sn des thermischen und des optischen Pfades bilden die Eingangsebene L0 eines geschichteten, neuronalen Netzwerks NN, das in Fig. 3 dargestellt ist. Aus der Darstellung des neuronalen Netzwerks NN in Fig. 1 ist ersichtlich, dass diese Eingangsgrössen entweder vom Temperatursignal (T) abhängig sind, oder vom optischen Signal (O) oder von beiden. Das Netzwerk weist neben der Eingangsebene L0 noch weitere Ebenen L1 bis L5 mit sogenannten Neuronen oder Knoten auf. In diesen werden die mit Parametern gewichteten Eingangsgrössen einer Addition und einer Maximum- und/oder Minimumverknüpfung unterworfen. Die Addition erfolgt in den mit A und die Maximum- und/oder Minimumverknüpfung in den mit M bezeichneten Neuronen.
  • Dabei ist die Maximumverknüpfung die nichtlineare Netzwerfunktion:

    yi = max (w1* x1, w2* x2,..., wn* xn), [xi=Eingangswert, yi=Ausgangswert]
    Figure imgb0001

    die nach dem Prinzip "alles gehört dem Stärksten" arbeitet.
  • Die Addition ist das das Skalarprodukt:

    yi = Σ wi* xi, [xi= Eingangswert, yi=Ausgangswert].
    Figure imgb0002

    Zwischen den Neuronen sind grundsätzlich alle Verbindungen möglich. In einer Lernphase während der Entwicklung des Melders kann das Netzwerk in eine Lernumgebung eingebunden werden. Dabei werden sich durch den Lerneffekt des Netzwerks bestimmte Verbindungen als bevorzugt erweisen und sich verstärken und andere werden gleichsam verkümmern. Alternativ kann das Netzwerk auch ohne Lernphase konstruiert werden. In beiden Fällen werden aus Sicherheitsgründen im Betrieb die Gewichte des Netzwerks eingefroren.
  • Zwischen der Eingangs- und der Ausgangsebene L0 bzw. L5 des neuronalen Netzwerks NN erfolgt eine Konzentration der jeweiligen Eingangsgrössen auf eine einzige Ausgangsgrösse, die ein skalares Gefahrensignal darstellt. Das Gefahrensignal wird in einer Quantisierungsstufe 24 einer von mehreren, beispielsweise von mindestens drei, Gefahrenstufen zugeordnet, und dieses einer der Gefahrenstufen zugeordnete Signal ist das Ausgangssignal GS des neuronalen Netzwerks NN.
  • Schliesslich erfolgt in der dem neuronalen Netzwerk nachgeordneten Verfifizierungsstufe 6 die Verifizierung der definitiven Gefahrenstufe. Das entsprechende Ausgangssignal GSdef wird zusammen mit dem Funktionszustand (Fig. 1, "Status") über das Kommunikationsinterface der MCU der Zentrale mitgeteilt.
  • Abschliessend sollen noch einige besonders vorteilhafte Eigenschaften und Zusatzfunktionen des beschriebenen Rauchmelders erwähnt werden:
    • Die Messung der aktuellen ASIC-Temperatur mit Hilfe eines Einchip-Temperatursensors wurde bereits erwähnt. Diese Messung, die periodisch erfolgt, liefert einen Temperaturwert, mit dem die Temperaturgänge der optoelektronischen Bauteile softwaremässig kompensiert werde, so dass auch bei extremen Temperaturen zuverlässige Rauchdichtemessungen vorgenommen werden können.
    • Die Funktionsweise der Signalnachführung wurde ebenfalls bereits erwähnt. Das Rauchdichtesignal wird von sehr niederfrequenten Anteilen befreit, um Einflüsse der Umwelt auszufiltern, die signifikant langsamer sind als Brandphänomene (beispielsweise Verstaubung). Damit wird eine sehr gute Langzeitkonstanz der Rauchempfindlichkeit erreicht.
    • Regelmässig wird automatisch ein Selbsttest auf gewisse Fehler durchgeführt, der den Melder einer detaillierten Diagnose unterzieht.
  • Wenn auch die Verlagerung der Signalverarbeitung von der Zentrale in die Melder und die Verwendung eines neuronalen Netzwerks bei der Signalverarbeitung für Melder mit Mehrfachsensoren besonders vorteilhaft ist, so sollen diese Mehrfachsensoren nicht als einschränkend verstanden werden. Selbstverständlich können auch Melder mit nur einem Sensor in der beschriebenen Art ausgebildet sein. Ausserdem sei noch erwähnt, dass das neuronale Netzwerk NN einen ganz speziellen, einer Fuzzy-Logic verwandten Typus darstellt und daher auch durch eine Fuzzy-Logic ersetzt werden könnte.
  • Ein ganz wesentliches Merkmal der vorliegenden Anordnung ist durch die digitale Filterbank 12 und den Block 23 (Fig. 1) gebildet, wobei insbesondere die digitale Filterbank rekursive Filter enthalten kann. Wenn man anstelle dieser Filterbank und/oder des Blocks 23 je ein neuronales Netzwerk verwenden und diesem Zeitmuster der Sensorsignale sequentiell zuführen würde, dann hätte man gegenüber der vorgeschlagenen Lösung zwei wesentliche Nachteile:
    • Diese neuronalen Netzwerke wären eine Art von Transversalfilter und hätten ein wesentlich geringeres Gedächtnis als rekursive Filter;
    • am Ausgang jedes dieser neuronalen Netzwerke wäre nur je eine Signalsignatur pro Brandphänomen (Rauch, Temperatur) erhältlich, wogegen die vorgeschlagene Lösung S1 bis Sm Signalsignaturen für das Brandphänomen Temperatur und Sm+1 bis Sn Signalsignaturen für das Brandphänomen Rauch zur Verfügung stellt. Diese Mehrzahl von Signalsignaturen ist aber für die sichere Funktion des neuronalen Netzwerks NN (Fig. 3) sehr wichtig, weil man dieses dann so ausbilden kann, dass seine Funktionen voll verständlich und überblickbar sind. Und letzteres ist in einem Sicherheitssystem unbedingt erforderlich.

Claims (17)

  1. Anordnung zur Früherkennung von Bränden, mit einer Mehrzahl von mit einer Zentrale verbundenen Meldern, von denen einige mit mindestens zwei Sensoren zur Überwachung von verschiedenen Brandkenngrössen ausgerüstet sind, und mit Mitteln zur Verarbeitung der Signale der Sensoren, dadurch gekennzeichnet, dass die genannten Mittel zur Verarbeitung der Signale der Sensoren (1, 2) dezentral in den Meldern angeordnet sind und einen Microcontroller (MCU) zur Aufbereitung der Sensorsignale und zur Signalverarbeitung zum Zweck der Gewinnung von Gefahrensignalen aufweisen, und dass die Gewinnung der Gefahrensignale in einem neuronalen Netzwerk (NN) erfolgt.
  2. Anordnung nach Anspruch 1, dadurch gekennzeichnet, dass die Signalverarbeitung für jeden der beiden Sensoren (1, 2) einen getrennten Pfad aufweist, und dass die beiden Pfade am Eingang des neuronalen Netzwerks (NN) zusammengeführt sind.
  3. Anordnung nach Anspruch 1 oder 2, dadurch gekennzeichnet, dass das neuronale Netzwerk (NN) mehrere Ebenen (L1 bis L5) mit Knoten (A, M) aufweist, in denen die mit Parametern gewichteten Eingangsgrössen einer Addition und Maximum-und/oder Minimumverknüpfung unterworfen werden.
  4. Anordnung nach Anspruch 3, dadurch gekennzeichnet, dass der Microcontroller (MCU) eine Maske mit dem Betriebssystem und der Sensorsoftware des Melders und einen Datenspeicher aufweist, und dass dem Microcontroller ein ASIC (4) zugeordnet ist, der Verstärker und Filter für das Signal des Empfängers des optischen Sensors (2), einen Temperaturfühler, die Ansteuerelektronik für den Sender des optischen Sensors und einen Quarzoszillator enthält.
  5. Anordnung nach Anspruch 3, dadurch gekennzeichnet, dass der thermische Pfad eine erste Stufe (S1) mit einem Vorspannungsnetzwerk (3) für den Betrieb des thermischen Sensors (1) und mit einem A/D-Wandler (5), eine zweite Stufe (S2) zur Aufbereitung der Signale und für eventuelle Kompensationen und eine dritte Stufe (S3) zur Gewinnung von Signalsignaturen enthält, welche Eingangsgrössen für das neuronale Netzwerk (NN) bilden.
  6. Anordnung nach Anspruch 5, dadurch gekennzeichnet, dass die zweite Stufe (S2) einen Block (7) zur Analyse der Ausgangssignale des A/D-Wandlers (5) auf mögliche Fehler und/oder zur Kompensation des Einflusses von Änderungen der Treiberspannung auf den Messwert und/oder einen Block (8) zur Entfernung von Störspitzen, einen Block (9) zur Umrechnung des Messwerts in einen Temperaturwert und/oder einen Block (10 bzw. 11) zur Kompensation der Wärmeableitung und/oder der Wärmekapazität aufweist.
  7. Anordnung nach Anspruch 6, dadurch gekennzeichnet, dass im Block (8) zur Entfernung von Störspitzen eine Begrenzung der Signaländerung von einer Messung zur anderen auf bestimmte Werte erfolgt.
  8. Anordnung nach Anspruch 5, dadurch gekennzeichnet, dass die dritte Stufe (S3) Mittel zur Verknüpfung der Ausgangssignale der genannten Elemente enthält, so dass am Ende des thermischen Pfades verschiedene aus den Temperatursignalen abgeleitete Signatursignale zur Verfügung stehen.
  9. Anordnung nach Anspruch 3, dadurch gekennzeichnet, dass der optische Pfad eine erste Stufe (S1) mit einem Pulsgenerator (14) zum Treiben des Senders (15) und mit einem Integrator (16) für das Signal des Empfängers (15') des optischen Sensors (2), sowie mit einem A/D-Wandler (5), eine zweite Stufe (S2) zur Durchführung von eventuellen Kompensationen, und eine dritte Stufe (S3) zur Gewinnung von Signalsignaturen enthält, welche Eingangsgrössen für das neuronale Netzwerk (NN) bilden.
  10. Anordnung nach Anspruch 9, dadurch gekennzeichnet, dass dem Integrator (16) ein Spannungsverstärker (17) für den Grobabgleich und diesem ein Filter (18) zur selektiven Detektion des empfangenen Lichtpulses unter Unterdrückung von Störsignalen nachgeschaltet ist.
  11. Anordnung nach Anspruch 10, dadurch gekennzeichnet, dass durch das Filter (18) vor, nach und während eines Lichtpulses eine Verrechnung der Signalimpulswerte erfolgt.
  12. Anordnung nach Anspruch 9 oder 10, dadurch gekennzeichnet, dass die zweite Stufe (S2) einen Block (20) zur Bestimmung des Signalhubs, einen Block (21) zur Kompensation der Temperaturabgänge der opto-elektronischen Bauteile und /oder zum Feinabgleich, und/oder einen Block (22) zur Kompensation des Hintergrundsignals und zur Beseitigung von sich aus langsamen Umwelteinflüssen zusammensetzenden Signalanteilen aufweist, so dass das Ausgangssignal der zweiten Stufe einen abgeglichenen, temperaturkompensierten und nachgeführten Rauchwert darstellt.
  13. Anordnung nach Anspruch 9, dadurch gekennzeichnet, dass die dritte Stufe (S3) einen Block (23) zur Beurteilung des zeitlichen Verhaltens des von der zweiten Stufe (S2) gelieferten Rauchwerts mittels einer Filterung enthält, und dass das so gefilterte Rauchwertsignal ein Signatursignal des optischen Pfades bildet.
  14. Anordnung nach den Ansprüchen 5 und 9, dadurch gekennzeichnet, dass in den Knoten (A, M) des neuronalen Netzwerks (NN) eine Konzentration der Eingangsgrössen erfolgt, und dass an der Ausgangsebene (L5) des Netzwerks ein skalares Gefahrensignal erhältlich und in einer Quantisierungsstufe (24) einer von mehreren Gefahrenstufen zugeordnet ist.
  15. Anordnung nach Anspruch 14, dadurch gekennzeichnet, dass dem neuronalen Netzwerk (NN) eine Verifizierungsstufe (6) zur Verifizierung der definitiven Gefahrenstufe nachgeordnet ist.
  16. Anordnung nach Anspruch 1, dadurch gekennzeichnet, dass dem neuronalen Netzwerk (NN) eine digitale Filterbank (12) vorgeschaltet ist, welcher die Signale mindestens einer Art der Sensoren (1) zugeführt sind, und welche an ihrem Ausgang für das neuronale Netzwerk mehrere Signalsignaturen oder Kriterien (S1 bis Sm) für das betreffende Brandphänomen zur Verfügung stellt.
  17. Anordnung nach Anspruch 16, dadurch gekennzeichnet, dass die digitale Filterbank (12) rekursive Filter enthält.
EP94113869A 1993-11-22 1994-09-05 Anordnung zur Früherkennung von Bränden Expired - Lifetime EP0654770B1 (de)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
CH347993 1993-11-22
CH03479/93A CH686913A5 (de) 1993-11-22 1993-11-22 Anordnung zur Frueherkennung von Braenden.
CH3479/93 1993-11-22

Publications (2)

Publication Number Publication Date
EP0654770A1 true EP0654770A1 (de) 1995-05-24
EP0654770B1 EP0654770B1 (de) 2000-02-02

Family

ID=4256867

Family Applications (1)

Application Number Title Priority Date Filing Date
EP94113869A Expired - Lifetime EP0654770B1 (de) 1993-11-22 1994-09-05 Anordnung zur Früherkennung von Bränden

Country Status (10)

Country Link
US (1) US5751209A (de)
EP (1) EP0654770B1 (de)
JP (1) JPH07192189A (de)
CN (1) CN1052087C (de)
AT (1) ATE189549T1 (de)
CH (1) CH686913A5 (de)
DE (1) DE59409119D1 (de)
DK (1) DK0654770T3 (de)
ES (1) ES2144474T3 (de)
PT (1) PT654770E (de)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0729123A1 (de) * 1995-02-21 1996-08-28 Pittway Corporation Gerät mit einem Feuerdetektor und einem auf andere Bedingungen ansprechenden Detektor
EP0759602A1 (de) 1995-08-23 1997-02-26 Cerberus Ag Brandmelder
WO2000014693A1 (de) * 1998-09-09 2000-03-16 Siemens Building Technologies Ag Brandmelder und brandmeldeanlage
EP1768074A1 (de) 2005-09-21 2007-03-28 Siemens Schweiz AG Frühzeitige Detektion von Bränden
US7286704B2 (en) 2000-03-09 2007-10-23 Robert Bosch Gmbh Imaging fire detector
CN104933841A (zh) * 2015-04-30 2015-09-23 重庆三峡学院 一种基于自组织神经网络的火灾预测方法
EP3531386A4 (de) * 2016-10-24 2020-09-30 Hochiki Corporation Feuerüberwachungssystem
EP2091029B2 (de) † 2008-02-15 2020-11-18 Siemens Schweiz AG Gefahrenerkennung mit Einbezug einer in einem Mikrocontroller integrierten Temperaturmesseinrichtung

Families Citing this family (21)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE19902319B4 (de) * 1999-01-21 2011-06-30 Novar GmbH, Albstadt-Ebingen Zweigniederlassung Neuss, 41469 Streulichtbrandmelder
DE19932906A1 (de) * 1999-07-12 2001-01-18 Siemens Ag Verfahren und Anordnung zum Erfassen einer Wärmequelle in einem überwachten Gebiet
US6493687B1 (en) * 1999-12-18 2002-12-10 Detection Systems, Inc. Apparatus and method for detecting glass break
US6184792B1 (en) 2000-04-19 2001-02-06 George Privalov Early fire detection method and apparatus
US7034701B1 (en) * 2000-06-16 2006-04-25 The United States Of America As Represented By The Secretary Of The Navy Identification of fire signatures for shipboard multi-criteria fire detection systems
PT102617B (pt) 2001-05-30 2004-01-30 Inst Superior Tecnico Sistema lidar controlado por computador para localizacao de fumo, aplicavel, em particular, a deteccao precoce de incendios florestais
FR2831981B1 (fr) * 2001-11-08 2005-07-08 Cit Alcatel Procede et dispositif d'analyse d'alarmes provenant d'un reseau de communication
WO2005045775A1 (en) * 2003-11-07 2005-05-19 Axonx, L.L.C. Smoke detection method and apparatus
US7680297B2 (en) * 2004-05-18 2010-03-16 Axonx Fike Corporation Fire detection method and apparatus
US7202794B2 (en) * 2004-07-20 2007-04-10 General Monitors, Inc. Flame detection system
US8248226B2 (en) 2004-11-16 2012-08-21 Black & Decker Inc. System and method for monitoring security at a premises
US7769204B2 (en) * 2006-02-13 2010-08-03 George Privalov Smoke detection method and apparatus
WO2008088325A1 (en) * 2007-01-16 2008-07-24 Utc Fire & Security Corporation System and method for video based fire detection
US8378808B1 (en) 2007-04-06 2013-02-19 Torrain Gwaltney Dual intercom-interfaced smoke/fire detection system and associated method
US7786880B2 (en) * 2007-06-01 2010-08-31 Honeywell International Inc. Smoke detector
US7986228B2 (en) 2007-09-05 2011-07-26 Stanley Convergent Security Solutions, Inc. System and method for monitoring security at a premises using line card
CN104008625A (zh) * 2014-05-21 2014-08-27 关宏 一种图像智能火灾疏散系统
EP3704679A1 (de) * 2017-10-30 2020-09-09 Carrier Corporation Kompensator in einer detektorvorrichtung
EP3796985A4 (de) * 2018-05-21 2022-03-16 Tyco Fire Products LP Systeme und verfahren zur lokalisierung und aktivierung eines elektronischen feuerlöschers in echtzeit
US11361654B2 (en) * 2020-08-19 2022-06-14 Honeywell International Inc. Operating a fire system network
CN114333251B (zh) * 2021-12-29 2023-06-20 成都中科慧源科技有限公司 一种智能报警器、方法、系统、设备和存储介质

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0338218A1 (de) * 1988-03-30 1989-10-25 Cerberus Ag Verfahren zur Brandfrüherkennung
EP0403659A1 (de) * 1988-12-02 1990-12-27 Nohmi Bosai Kabushiki Kaisha Feueralarmsystem

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3099825A (en) * 1960-09-30 1963-07-30 Harriman Cy Control units for fire protective signaling systems
US3703721A (en) * 1971-06-01 1972-11-21 Audio Alert Corp Fire alarm system
US4027302A (en) * 1976-06-03 1977-05-31 W. E. Healey & Associates, Inc. Double detection circuit for conserving energy in fire detection systems and the like
US4319229A (en) * 1980-06-09 1982-03-09 Firecom, Inc. Alarm system having plural diverse detection means
JPS58127292A (ja) * 1982-01-26 1983-07-29 ニツタン株式会社 火災感知システム
US4633230A (en) * 1984-05-04 1986-12-30 Tam Wee M Cooking, fire, and burglar alarm system
JPH0778484B2 (ja) * 1986-05-16 1995-08-23 株式会社日立製作所 空燃比センサの温度制御装置
IT225152Z2 (it) * 1990-11-05 1996-10-22 G P B Beghelli S R L Ora Begne Perfezionamento nelle lampade di emergenza, specialmente di tipo por- tatile, provviste di un sensore di un gas e/o di fumo nocivo da combu-stione.

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0338218A1 (de) * 1988-03-30 1989-10-25 Cerberus Ag Verfahren zur Brandfrüherkennung
EP0403659A1 (de) * 1988-12-02 1990-12-27 Nohmi Bosai Kabushiki Kaisha Feueralarmsystem

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
SHINJI NAKANISHI: "INTELLIGENT FIRE WARNING SYSTEM APPLYING FUZZY THEORY", PROCEEDINGS OF IECON 91. 1991INTERNATIONAL CONFERENCE ON INDUSTRIAL ELECTRONICS, CONTROL AND INSTRUMENTATION, vol. 2, 1 November 1991 (1991-11-01), KOBE,JAPAN, pages 1561 - 1566, XP000313493 *

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP0729123A1 (de) * 1995-02-21 1996-08-28 Pittway Corporation Gerät mit einem Feuerdetektor und einem auf andere Bedingungen ansprechenden Detektor
US5659292A (en) * 1995-02-21 1997-08-19 Pittway Corporation Apparatus including a fire sensor and a non-fire sensor
EP0759602A1 (de) 1995-08-23 1997-02-26 Cerberus Ag Brandmelder
WO2000014693A1 (de) * 1998-09-09 2000-03-16 Siemens Building Technologies Ag Brandmelder und brandmeldeanlage
US7286704B2 (en) 2000-03-09 2007-10-23 Robert Bosch Gmbh Imaging fire detector
EP1768074A1 (de) 2005-09-21 2007-03-28 Siemens Schweiz AG Frühzeitige Detektion von Bränden
EP2091029B2 (de) † 2008-02-15 2020-11-18 Siemens Schweiz AG Gefahrenerkennung mit Einbezug einer in einem Mikrocontroller integrierten Temperaturmesseinrichtung
CN104933841A (zh) * 2015-04-30 2015-09-23 重庆三峡学院 一种基于自组织神经网络的火灾预测方法
EP3531386A4 (de) * 2016-10-24 2020-09-30 Hochiki Corporation Feuerüberwachungssystem

Also Published As

Publication number Publication date
CN1122486A (zh) 1996-05-15
CN1052087C (zh) 2000-05-03
DK0654770T3 (da) 2000-07-17
ES2144474T3 (es) 2000-06-16
ATE189549T1 (de) 2000-02-15
DE59409119D1 (de) 2000-03-09
JPH07192189A (ja) 1995-07-28
US5751209A (en) 1998-05-12
CH686913A5 (de) 1996-07-31
PT654770E (pt) 2000-07-31
EP0654770B1 (de) 2000-02-02

Similar Documents

Publication Publication Date Title
EP0654770B1 (de) Anordnung zur Früherkennung von Bränden
DE60014709T2 (de) Zweidraht-sender mit selbstprüfung und niedriger leistung
DE69737336T2 (de) Auf Gültigkeit prüfende Sensoren
DE10297009B4 (de) Sensorfusion unter Verwendung von selbstvaluierenden Prozesssensoren
EP1860410B1 (de) Verfahren zur Verarbeitung des Ausgangssignals eines Messumformers sowie Kraftmessvorrichtung
DE4436658B4 (de) Vorrichtung und Verfahren zur Störungsuntersuchung
DE3614140C2 (de)
DE3418622C2 (de)
DE69818275T2 (de) Qualitätsmessung der schweissung
EP0173833B1 (de) Schaltung und Verfahren zur Messung und Digitalisierung eines Widerstandes
DE102009061036B4 (de) Vorrichtung und Verfahren zur Residuengenerierung zur Erkennung von fehlerhaften Transienten, Drift oder Oszillationen im Systemverhalten eines Systems eines Flugzeugs, und Flugzeug
EP1697803B1 (de) Prozessmessgerät mit erweiterter hardwarefehlererkennung
EP1736748B1 (de) Verfahren zur Verarbeitung des Ausgangssignals eines Messumformers sowie eine Kraftmessvorrichtung zur Durchführung des Verfahrens.
DE10140134A1 (de) Multi-Sensor Detector
EP0788624B1 (de) Verfahren zur analyse eines messwertes sowie messwertanalysator zur durchführung des verfahrens
WO2006037804A1 (de) Streulicht-rauchmelder
DE19952327B4 (de) Brandsensor und Verfahren zur Detektion eines Feuers
DE102008057474B4 (de) Meßumformer
EP0231786A2 (de) Verfahren zur Elimination von Störungen eines Messsignals
DE3506956A1 (de) Rauchdetektor
DE19625896A1 (de) Verfahren zur Erzeugung einer Warnmeldung in einer Analysevorrichtung bei Fehlfunktion einer selbsttätigen Kalibrierung
EP0707247B1 (de) Analysegerät, insbesondere für Abwasser
EP0660282B1 (de) Brandmeldesystem zur Früherkennung von Bränden
EP0877996A2 (de) Vorrichtung zum erzeugen eines alarms und zur überwachung eines gebietes
DE10037489A1 (de) Fehlererfassungsvorrichtung für ein Kommunikationssystem

Legal Events

Date Code Title Description
PUAI Public reference made under article 153(3) epc to a published international application that has entered the european phase

Free format text: ORIGINAL CODE: 0009012

AK Designated contracting states

Kind code of ref document: A1

Designated state(s): AT BE CH DE DK ES FR GB IE IT LI LU NL PT SE

17P Request for examination filed

Effective date: 19951115

17Q First examination report despatched

Effective date: 19980421

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

RAP1 Party data changed (applicant data changed or rights of an application transferred)

Owner name: SIEMENS BUILDING TECHNOLOGIES AG

GRAG Despatch of communication of intention to grant

Free format text: ORIGINAL CODE: EPIDOS AGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAH Despatch of communication of intention to grant a patent

Free format text: ORIGINAL CODE: EPIDOS IGRA

GRAA (expected) grant

Free format text: ORIGINAL CODE: 0009210

AK Designated contracting states

Kind code of ref document: B1

Designated state(s): AT BE CH DE DK ES FR GB IE IT LI LU NL PT SE

REF Corresponds to:

Ref document number: 189549

Country of ref document: AT

Date of ref document: 20000215

Kind code of ref document: T

REG Reference to a national code

Ref country code: CH

Ref legal event code: EP

GBT Gb: translation of ep patent filed (gb section 77(6)(a)/1977)

Effective date: 20000202

REF Corresponds to:

Ref document number: 59409119

Country of ref document: DE

Date of ref document: 20000309

ITF It: translation for a ep patent filed

Owner name: JACOBACCI & PERANI S.P.A.

REG Reference to a national code

Ref country code: IE

Ref legal event code: FG4D

Free format text: GERMAN

REG Reference to a national code

Ref country code: ES

Ref legal event code: FG2A

Ref document number: 2144474

Country of ref document: ES

Kind code of ref document: T3

REG Reference to a national code

Ref country code: DK

Ref legal event code: T3

REG Reference to a national code

Ref country code: PT

Ref legal event code: SC4A

Free format text: AVAILABILITY OF NATIONAL TRANSLATION

Effective date: 20000428

PLBE No opposition filed within time limit

Free format text: ORIGINAL CODE: 0009261

STAA Information on the status of an ep patent application or granted ep patent

Free format text: STATUS: NO OPPOSITION FILED WITHIN TIME LIMIT

26N No opposition filed
REG Reference to a national code

Ref country code: GB

Ref legal event code: IF02

REG Reference to a national code

Ref country code: CH

Ref legal event code: PFA

Owner name: SIEMENS BUILDING TECHNOLOGIES AG C-IPR

Free format text: SIEMENS BUILDING TECHNOLOGIES AG#ALTE LANDSTRASSE 411#8708 MAENNEDORF (CH) -TRANSFER TO- SIEMENS BUILDING TECHNOLOGIES AG C-IPR#GUBELSTRASSE 22#6300 ZUG (CH)

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: DK

Payment date: 20070910

Year of fee payment: 14

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: LU

Payment date: 20070911

Year of fee payment: 14

REG Reference to a national code

Ref country code: PT

Ref legal event code: PC4A

Owner name: SIEMENS SCHWEIZ AG, US

Effective date: 20080829

REG Reference to a national code

Ref country code: PT

Ref legal event code: PC4A

Owner name: SIEMENS AKTIENGESELLSCHAFT, DE

Effective date: 20080829

REG Reference to a national code

Ref country code: FR

Ref legal event code: TP

Ref country code: FR

Ref legal event code: CD

REG Reference to a national code

Ref country code: CH

Ref legal event code: PUE

Owner name: SIEMENS AKTIENGESELLSCHAFT

Free format text: SIEMENS BUILDING TECHNOLOGIES AG C-IPR#GUBELSTRASSE 22#6300 ZUG (CH) -TRANSFER TO- SIEMENS AKTIENGESELLSCHAFT#WITTELSBACHERPLATZ 2#80333 MUENCHEN (DE)

Ref country code: CH

Ref legal event code: NV

Representative=s name: SIEMENS SCHWEIZ AG

REG Reference to a national code

Ref country code: DK

Ref legal event code: EBP

REG Reference to a national code

Ref country code: GB

Ref legal event code: 732E

Free format text: REGISTERED BETWEEN 20090514 AND 20090520

BECA Be: change of holder's address

Owner name: SIEMENS A.G.WITTELSBACHERPLATZ 2, DE-80333 MUENCHE

Effective date: 20100423

BECH Be: change of holder

Owner name: SIEMENS A.G.

Effective date: 20100423

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DK

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20090331

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: LU

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20080905

REG Reference to a national code

Ref country code: NL

Ref legal event code: SD

Effective date: 20110318

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: IE

Payment date: 20110923

Year of fee payment: 18

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: AT

Payment date: 20110810

Year of fee payment: 18

Ref country code: PT

Payment date: 20110825

Year of fee payment: 18

Ref country code: SE

Payment date: 20110908

Year of fee payment: 18

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: IT

Payment date: 20110927

Year of fee payment: 18

Ref country code: NL

Payment date: 20110913

Year of fee payment: 18

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: ES

Payment date: 20111013

Year of fee payment: 18

Ref country code: BE

Payment date: 20111013

Year of fee payment: 18

REG Reference to a national code

Ref country code: PT

Ref legal event code: MM4A

Free format text: LAPSE DUE TO NON-PAYMENT OF FEES

Effective date: 20130305

BERE Be: lapsed

Owner name: SIEMENS A.G.

Effective date: 20120930

REG Reference to a national code

Ref country code: NL

Ref legal event code: V1

Effective date: 20130401

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: SE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20120906

REG Reference to a national code

Ref country code: SE

Ref legal event code: EUG

REG Reference to a national code

Ref country code: AT

Ref legal event code: MM01

Ref document number: 189549

Country of ref document: AT

Kind code of ref document: T

Effective date: 20120905

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: PT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20130305

REG Reference to a national code

Ref country code: IE

Ref legal event code: MM4A

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: AT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20120905

Ref country code: BE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20120930

Ref country code: IE

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20120905

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: NL

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20130401

Ref country code: IT

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20120905

REG Reference to a national code

Ref country code: ES

Ref legal event code: FD2A

Effective date: 20131018

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: ES

Free format text: LAPSE BECAUSE OF NON-PAYMENT OF DUE FEES

Effective date: 20120906

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: FR

Payment date: 20130924

Year of fee payment: 20

Ref country code: GB

Payment date: 20130911

Year of fee payment: 20

PGFP Annual fee paid to national office [announced via postgrant information from national office to epo]

Ref country code: CH

Payment date: 20131210

Year of fee payment: 20

Ref country code: DE

Payment date: 20131120

Year of fee payment: 20

REG Reference to a national code

Ref country code: DE

Ref legal event code: R071

Ref document number: 59409119

Country of ref document: DE

REG Reference to a national code

Ref country code: CH

Ref legal event code: PL

REG Reference to a national code

Ref country code: GB

Ref legal event code: PE20

Expiry date: 20140904

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: DE

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20140906

PG25 Lapsed in a contracting state [announced via postgrant information from national office to epo]

Ref country code: GB

Free format text: LAPSE BECAUSE OF EXPIRATION OF PROTECTION

Effective date: 20140904