模糊神经网络在火灾探测系统中的应用

为使火灾探测具有较低的误报率、较高的可靠性和较强的环境适应能力,提出了一种基于人工智能的数据融合技术的火灾探测算法,以环境温度、烟雾浓度、CO含量为检测对象,利用人工神经网络和模糊推理技术对多传感器信号进行融合,最终输出火灾危险性大小的信号。神经网络采用径向基函数网络(RBF),运用最近邻聚类学习算法,实现隶属度函数参数的自动提取,并结合模糊逻辑具有较强综合判断能力和识别能力的特点,在MATLAB下完成了火灾探测系统的设计与仿真,明显提高了火灾探测系统的性能。     

美国推进先进火灾探测技术项目

一个低成本的先进探测系统正处于论证阶段,在规范和标准中增加住宅建筑应用该系统的条款的提案也将提出。相关组织者和研究者希望,等到2014年时,该系统的应用可以显著减少住宅火灾死亡人数。这项包括传感器和传感器建模、数据融合、人机交互和推广策略研究的系统研究,将使火灾早期预警探测技术得到发展,显著减少疏散时间和降低故障报警(误报警)。识别初起意外火灾信号和多种干扰信号(均远低于目前报警触发信号水平)的能力,需要多项技术的配合,如可感应化学品、温度和微粒测量技     

基于YOLOv5s的城镇森林交界域火灾探测模型

为精准监控城镇森林交界域火灾及定位其空间分布,提出基于改进YOLOv5s网络的城镇森林交界域火灾目标探测模型。首先收集城镇森林交界域火灾图像,利用图像注释工具标注出目标探测数据集;然后将坐标注意力(CA)机制引入YOLOv5s的主干网络,增强模型的方向及位置信息感知,以精准定位出城镇森林交界域火灾起火点;最后以准确度、召回率、平均准确度为评价指标,在自建数据集上进行训练、测试。模拟结果表明：改进的YOLOv5s模型整体性能提升,在城镇森林交界域火灾目标探测中,建筑物火灾平均精确度增加了0.8%,森林火灾则增加了1.3%。     

一种基于LVQ神经网络与图像处理的火焰识别算法

针对传统火灾探测技术存在的不稳定、误判率高等缺点,通过分析室内火灾图像与常见干扰光源图像的特点,提出一种基于人工神经网络的火焰图像检测技术。对火焰图像的基本特性进行分析,利用火焰图像序列的面积重叠率和中心相对移动率以及颜色等信息,结合实现学习向量量化(LVQ)神经网络融合技术,对视频序列图像中火焰的自动检测。仿真试验结果表明,基于LVQ神经网络的信息融合算法的网络收敛速度较快,有较高的火灾火焰识别准确率。     

基于光声原理的早期火灾探测系统的研究

基于光声原理的火灾探测是一种新型非接触式、直接测量火灾参数的早期火灾探测技术。本文基于光声原理设计了早期火灾探测系统,利用两个光声腔对早期火灾产生的烟颗粒和一氧化碳进行了复合测量．实现了对早期火灾有效地探测；并设计和试制了基于光声原理的早期火灾探测系统和相应报警算法。在实验燃烧室对其进行了测试,并根据实验结果得出了其实现早期火灾探测的关键参数。实验证明，基于光声原理的早期火灾探测系统能通过对烟颗粒和CO复合测量，达到实现火灾早期探测报警的目的。     

基于信息融合与GM的石油罐区安全监控预测模型

近年来,石油罐区安全事故发生频率呈不断上升趋势。为有效增强罐区安全监控预警系统监测数据的可靠性,并实现对事故的早期预警,基于多传感器信息融合技术和灰色模型(GM)理论,建立出石油罐区安全监控预测模型。首先,研究了基于递推最小二乘法改进的最优加权融合算法,并将其作为一级(特征级)融合模型,其次,介绍分析了灰色预测理论及GM(1,1)模型的实现过程,最后建立出基于GA-BP神经网络算法的二级(决策级)数据融合模型,并得到石油罐区安全监控预测模型。     

感烟火灾探测器的改进研究

火灾是一种在时空上失去控制的燃烧所引发的灾害,对人类的生命财产和社会安全构成了极大的威胁,由此引发的重大安全事故比比皆是,所以火灾探测系统越来越受到人们的重视。通过一个模拟实验,找出了现有感烟探测系统在预防火灾中存在的不足,并将火灾探测技术与智能系统相结合,设计出了新型的探测系统,并对该系统进行了可行性和可靠性论证。新型感烟火灾探测系统减少了由于环境问题引起的误报,同时避免了由于独立式感烟火灾探测器而引起的漏报,并在实际应用中得到检验。     

气体传感器及其在火灾探测中的应用

主要介绍半导体，红外吸收和电化学气体传感器以及发展中的智能气体传感器的工作原理、结构形成及性能特点，阐述了这几种气体传感器在火灾探测中的应用状况，并提出多传感器火灾探测属性融合结构采用特征层数据融合结构模型，给出实用有效的指数窗口算法和相应的硬件设计。     

考虑颜色特征最优组合的CART决策树火灾图像识别方法*

针对火灾图像识别过程中颜色特征数量多、特征间相关性复杂、难以在多维特征融合过程中有效融合图像颜色特征等问题,提出1种考虑颜色特征最优组合的CART决策树火灾图像识别方法。首先,在Lab、RGB、HSV 3种色彩模式下基于图像颜色特征提取火灾图像特征序列;其次,分别在3种色彩模式下基于精细决策树与特征随机排列组合方法提取颜色特征中最优组合特征;最后,将提取的火灾图像最优组合特征序列作为CART决策树输入进行模型训练,并通过测试样本以及其他机器学习方法进行模型泛化能力的分析。研究结果表明:本文方法寻找出识别火灾图像的最优颜色特征组合为“Kb1+Var1+Kg+Kb2+Var2+Kh+Ks+Kv”;CART决策树方法对于火灾图像识别的测试准确度可达84.5%,其分类效果明显优于其他决策树类与集成树类方法;9折为最佳交叉验证折数,其测试准确度可达86.47%,与5折交叉验证相比明显提升14.77%。研究结果可为火灾图像识别提供方法基础。     

火灾早期过程特征提取与火灾源识别方法

针对传统火灾探测方法的准确性与及时性、误报率与漏报率相互制约的技术问题,利用傅里叶变换红外光谱分析技术,测量火灾初期的特征气体CO和CO2体积分数.以CO与CO2的体积分数比值为观察变量,运用移动平滑滤波器提取基于观察变量的大小、变化速度以及加速度的火灾过程特征向量.视虚假火灾源为具有有限扰动的固定目标,真实火灾源为具有相应位置、速度以及加速度的运动目标.采用数据融合技术,经过目标观察、特征提取以及身份识别,对火灾源的类型进行识别.研究表明,利用火灾过程特征信息与数据融合技术可以对真假火灾源进行有效识别,提高了火灾预警的准确性与及时性.     

基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题，在现有技术成果基础上对多种火灾探测方式进行研讨，并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术，以红外热成像探测为辅助手段，采用神经网络实现数据融合，对模拟实验舱火灾烟雾进行联合探测，在单一火灾探测方式基础上提高了探测准确率。     

基于数字锁相技术的飞机货舱火灾烟雾光学参数方法研究*

为解决飞机货舱火灾光学探测易受环境杂光和空气中灰尘、水汽干扰,误报率高的问题,提出1种基于数字锁相的双波长火灾烟雾探测方法。利用数字锁相技术调制双波长光源,选择性地提取微弱光散射信号,并设计前、后双向散射光探测光路。采用常见火灾材料及干扰源进行真假火源实验,依据米氏散射理论及不同粒径气溶胶颗粒对不同波长光的散射效应差异,以不对称比（AR）和双波长光强比（DWIR）作为火灾检测参数对不同粒径颗粒进行区分,根据2种火灾检测参数建立数据样本,利用BP神经网络进行分析,并加入复合式传感器实验作为对比。研究结果表明:基于数字锁相技术的火灾烟雾光学探测方法能够在一定程度上区分火灾烟雾和干扰源,误报率小于3.5%。     

基于火探管式的锂离子电池灭火技术研究

为研究锂离子电池灭火方案,基于火探管灭火技术同时利用新型清洁灭火剂Novec 1230,组装成火探管灭火系统。在灭火测试平台上以功率为200 W的电热管作为外热源引发单电池或电池模组热失控,通过改变火探管的布置位置,记录相应的灭火行为以及灭火效率,并对实验结果进行了分析。研究结果表明,当火探管灭火系统直接布置在电池正上方时,在起火后的5.6s内控制火情;随着灭火剂用量增加可以显著降低体系温度,防止电池复燃以及连锁热失控现象发生;火探管有效覆盖区域外的失控电池作为热源将继续加热临近电池,引发连锁热失控,造成灭火系统失效;根据电池热失控后的燃烧行为以及传热行为,提出相应的火探管灭火系统复合方案。     

多源数据支持下城市火灾风险评估及规划响应

为探析城市火灾风险的空间格局特征,提出科学的火灾防控体系,以合肥市为研究对象,基于火灾风险兴趣点(POI)数据、NPP/VIIRS夜间灯光影像数据、消防站与道路信息等多源数据,运用SAVEE模型和迭代方程评估城市火灾风险,并引入区位-配置(L-A)模型,从不同目标情境优化消防站点布局。研究表明:火灾高风险区主要集中于合肥市二环以内的建成区,尤其是老城区、合肥西站片区、政务区、科学城和东部新中心等区域;现有48座消防站对研究区内的POI覆盖效果较好,覆盖率为86.76%,而对NPP/VIIRS覆盖效果一般,覆盖率仅为55.94%,覆盖率在合肥市东北部、西北部和南部部分地区仍有不足;基于最大化覆盖模型,规划新增44座消防站,明显提升5 min响应时间的覆盖率,可进一步夯实城市消防安全。     

灰色Elman神经网络在火灾事故预测中的应用研究

针对我国火灾事故现状,结合灰色理论和神经网络的特点,提出灰色Elman神经网络火灾事故预测模型。依据我国1998—2007年火灾事故统计数据,分别选用GM(1,1)模型和灰色Elman神经网络模型对1998—2005年数据(火灾起数)进行拟合,对2006年、2007年数据进行(火灾起数)预测。结果表明:灰色Elman神经网络火灾事故预测模型符合火灾事故的特点;有效地解决了传统灰色预测模型在火灾事故预测中误差大稳定性差的缺陷,提高了预测精度;可对火灾事故进行预测与分析,为消防安全管理提供依据,以最大限度地减少火灾事故的发生。     

钢筋混凝土梁在火侵袭下的反应分析

结构物在大火侵袭下，结构内部温度和结构挠度、内力将随时间发生不断变化，这种变化极为复杂。本文在试验研究的基础上，采用非线性有限元法，着重研究钢筋混凝土梁在火侵袭作用下其温度和挠度的反应，提出了一种理论分析方法，编制了计算机程序，对钢筋混凝土梁的温度、挠度和内力的反应进行了计算，并得到试验结果的验证。     

基于Matlab的火灾探测报警系统可靠度Monte Carlo仿真

介绍了火灾探测报警系统的结构,指出了火灾探测报警系统失效原因,针对火灾探测报警系统的特点,确定了蒙特卡洛可靠度分析法.给出了系统的概率模型,确定了在Matlab下应用Monte Carlo方法对火灾探测报警系统的可靠度进行仿真的具体步骤,得到火灾探测报警系统可靠度仿真曲线.将仿真结果与试验结果相比较,基本一致,验证了该仿真方法能正确描述火灾探测报警系统的可靠度随使用寿命的变化规律,为进一步应用该方法来分析火灾探测报警系统的的各可靠性指标提供了理论基础.     

火灾探测的原理和方法(上)

简述了火灾现象的物理特征、火灾探测的基本原理,并对火灾探测算法的建立及发展作了介绍。对产生火灾误报警的原因进行了分析,指出要改善火灾探测的准确性,缺少的不是思路和技术,而是火灾科学基础研究方面的积累。     

基于虚拟现实技术的喷射火事故三维动态仿真及应用

基于Shell模型的原理和计算方法,把喷射火焰视为近似倒立圆台形,构建了不同风向影响下的喷射火三维模型,运用虚拟现实技术和三维可视化技术对喷射火事故进行模拟与仿真。以Delphi和OpenGL/GLScene为开发工具,实现了喷射火三维模型的程序化与三维场景绘制,同时引入粒子特效系统,实现了喷射火焰燃烧的实时动态仿真,完成了喷射火三维动态可视化软件系统的开发。最后,利用该系统进行实例分析。应用表明:虚拟现实技术与事故后果模拟相结合,使整个系统实现实时性和形象性的统一,虚拟现实技术在化工行业具有广泛应用前景,也为事故后果预测评估提供科学依据。