虚拟仪器技术在神经网络火灾识别模型中的应用研究

为降低火灾自动报警系统的误报、漏报率,基于BP神经网络算法,用LabVIEW虚拟仪器开发了一套智能火灾识别模型。在火灾探测区域内合理布置若干感温探测器,在火灾识别模型中,将探测到的温度场参数作为BP神经网络的输入,火灾发生与否作为输出,并对影响BP神经网络的各项参数和该模型的运行结果进行测试研究。仿真试验结果表明:选取42组训练样本,当网络训练到4 000次左右时,最大相对误差值达到目标值0.1,其中大部分相对误差值达到0.05以下,网络的实际输出值非常逼近样本的理想输出值;实际火灾试验表明:该火灾识别模型能够探测火灾的发生。     

基于动态变权模糊Petri网的地铁火灾风险评估

为了实现对地铁火灾风险的准确评估,引入模糊Petri网建立基于模糊产生式规则的地铁火灾风险评估模型。通过发掘火灾演变的内在机理,将其划分为火情发生、火情识别、火情控制、火灾形成4个阶段,并给出了不同阶段推动火灾发展进程的关键要素。利用模糊Petri网模型图形化展示火灾发展的连锁反应过程。针对传统赋权方法造成权重与要素自身状态相脱节的弊端,采用动态赋权理念构造动态变权模糊Petri网模型,真实反映不同要素对火灾发展的贡献程度。以成都市某地铁站为例,在专家打分法评估致因要素安全状态的基础上,利用矩阵算法进行推理,得出风险等级为可接受,表明该方法可以为地铁火灾风险管理提供决策支持。     

基于风暴识别算法的森林火灾识别

采用风暴识别算法对森林火灾进行了识别。首先根据参数阈值调整后的风暴识别算法,得到二维分量,结合不同云回波与火灾回波的差异,对火灾回波进行识别。根据算法对浙江省温州市三次森林火灾过程进行识别,结果显示:对于三次火灾过程都能够有效识别。对于火灾发生初期和熄灭时,由于回波强度较弱,回波结构松散,与小范围弱回波混合,导致漏识别。当回波中存在小范围地物杂波时,由于其尺度与小面积火灾接近,最终导致误识别。在森林火灾发生时,该算法可以帮助识别发生火灾的位置,为消防人员提供及时可靠的火灾地点及起火时间。     

一种改进的帧差法实现火焰目标分割

针对传统船舶火灾报警系统采用的传感器在远离火灾源时很难探测到初期火灾的特性,提出了利用摄像头模式识别的方法来探测火源的构想,将顶置鱼眼摄像头作为图像传感器,在一个较大的范围内探测初期火灾,提出了一种基于火焰闪点位置的交叉性与聚合性的帧差算法,实现火焰目标分割识别.该方法是在实时视频流中,对连续两帧图像进行帧差,根据闪点位置的交叉性排除运动物体的干扰,再根据闪点的聚合程度排除一部分游离的干扰闪点,最后得到疑似火焰区域.对疑似火焰区域二值化、抽取轮廓、再由种子点位置确定火焰外形.此法能够高效地从视频图像中分割出火焰,从而为火灾的初期预防报警提供高效识别手段.     

小样本条件下地铁运营事故致因推理模型

为克服传统事故致因推理模型不适用于小样本条件下的地铁运营事故致因推理的缺陷,将贝叶斯网络(BN)与Bootstrap抽样法、D-S证据理论相结合,建立地铁运营事故致因推理模型。首先,分析历年地铁运营事故样本,确定事故致因因素及网络节点;其次,基于BN的基本算法和理论,运用Bootstrap抽样法和K2算法进行BN结构学习;然后,使用D-S证据理论修正BN参数,建立适用于小样本条件下的地铁运营事故致因BN模型;最后,进行因果推理、诊断推理和敏感性分析。结果表明：所构建的地铁运营事故致因推理模型可有效进行事故推理预测,节点预测精度均值为0.858;通过因果推理得出最常见的地铁运营事故类型为运营中断,其次是火灾和列车冲突;结合诊断推理发现供电系统故障是导致运营中断的最主要事故致因。     

浅谈地铁消防技术

中国我国的地铁交通正处在高速发展的阶段,地铁具有在单一轨道连续运行、客流量大,且客流在一定时间内封闭于有限的区域中,单位面积人数多等特点,极易引发火灾,地铁火灾的研究非常重要。本文通过地铁火警报警系统、地铁火灾数值模拟、地铁消防通信技术这三个方面来阐述地铁消防技术。地铁火灾报警系统起到预防火灾的作用,地铁火灾数值模拟为确定排防烟方案和人员疏散路线提供依据,而实现地铁消防通信的畅通对提高处置地铁突发事件的应急处置能力、确保人民生命安全具有相当重大的意义。     

基于无人机的火灾检测系统设计与实现

针对传统森林火灾检测手段响应速度慢、效率低、误报率高等问题,设计了无人机搭载的由云台和相机组成的图像采集平台,通过火灾智能识别技术,实时识别监测火灾的发生,并达到了自动抵近侦察及实时态势感知的效果。在火灾智能识别算法方面,提出了improved-YOLOv3算法,通过在特征交互阶段增加yolo层,加强了网络对特征的融合度,从而增加了网络的检测能力。通过与性能相似的网络进行对比测试,验证了改进算法的有效性。测试结果表明,提出的算法检测准确率高、漏检率低、推理速度快,能够适用于实际火灾现场监测。     

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。     

地铁火灾人员疏散的研究

利用网络优化计算方法建立地铁火灾人员安全疏散的模型,结合南京地铁的具体情况进行了疏散模拟分析,并将模拟结果与南京地下铁道有限责任公司组织的站台实地火灾演练进行了比较、分析,从而验证了疏散模型的有效性。该模型的建立为地铁性能化防火设计提供了参考,也为地铁防火救灾工作提供科学依据。该模型与地铁火灾数值模拟相结合可以评估地铁火灾疏散设计的安全性。     

基于改进变权物元可拓模型的地铁车站火灾安全韧性评价

为进一步提升地铁车站火灾安全管理水平,基于韧性理论,提出了地铁车站火灾安全韧性概念。以随着火灾发展阶段依次涌现的韧性吸收能力、抵抗能力、恢复能力和适应能力表征为核心,从“人、机、环、管”4个方面识别影响因素,建立地铁车站火灾安全韧性评价指标体系;运用变权理论对评价指标进行赋权,将贴近度原则和物元可拓模型相结合确定地铁车站火灾安全韧性等级,构建基于改进变权物元可拓的地铁车站火灾安全韧性评价模型,解决了以往韧性评价过程中未考虑模糊性和随机性的问题;最后应用该模型对青岛某地铁车站进行实例分析,结果表明,该地铁车站火灾安全韧性等级为Ⅱ级“较高韧性”,但略有偏向Ⅲ级“一般韧性”的趋势,与实际情况基本相符,并通过对比改进模型与传统物元可拓模型的评价结果,验证了改进模型的有效性。所提出的模型可以为提升地铁运营管理水平提供一定的参考依据。     

基于深度学习算法的叉车危险操作行为检测

随着物流仓储行业快速发展及叉车数量的不断增多,针对叉车作业过程中存在的人员碰撞、挤压、坠落等潜在风险,迫切需要对危险行为进行及时检测和预警。为解决人员值守易漏报误报及传统方法检测精度低的问题,建立基于图像特征识别的叉车检测深度学习模型和算法。通过采集、处理现场视频图像素材,完成模型的训练及性能评价,建立相应的报警规则和报警阈值,搭建测试环境并进行仿真测试,开发相应的软件系统。结果表明:模型检测速率为130 ms/帧,人员靠近叉车准确率为85.6%,叉车举升人员准确率为83.7%,达到良好的实践效果。     

基于SSD网络的电梯内电动自行车检测研究*

为减少因电动自行车违规操作而造成的消防安全事故,杜绝电动自行车进电梯的违规行为,基于深度学习SSD目标检测网络,使用VGG16、EfficientNet、MobileNet 3种主干网络,研究SSD网络对电梯内电动自行车检测的可行性,分析比较3种网络的检测效果,并提出基于双摄的检测方法,进一步提高电梯场景下检测准确度,减少误检误报警。研究结果表明:SSD检测网络对电梯内电动自行车检测效果良好,其中SSD_MobileNet网络更适用于工业领域,双摄检测方法的检测准确率均大于90%。     

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%。     

面向设计的地铁车站防火安全韧性评价*

为提升地铁车站防火安全韧性,以设计方案为切入视角,基于防火安全韧性的吸收、抵抗、恢复和适应能力4个维度,构建基于ANP-熵权法面向设计的地铁防火安全韧性评价指标体系,运用逼近理想解法建立地铁车站防火安全韧性设计评价模型,通过3个已建地铁车站（青岛、沈阳、福州某地铁车站）的设计案例验证该模型的有效性和可行性。研究结果表明:3个应用案例中,沈阳某地铁车站设计防火安全韧性最高,福州某地铁车站设计防火安全韧性最低,需进一步提升防火安全能力。评价结果与各案例的实际运行阶段基本吻合,研究思路和结果对改善地铁车站的防火安全设计具有一定参考意义。     

基于FBN地铁深基坑施工渗漏风险评估模型及应用*

为了解决由于地铁深基坑施工风险因素不确定性和基坑工程事故资料缺失导致传统风险分析方法不再满足实际需要的问题。探讨模糊集理论(FST)和贝叶斯网络(BN)的结合,介绍1种专家置信度指标,建立地铁深基坑渗漏风险评估指标体系,得到基于模糊贝叶斯网络(FBN)地铁深基坑施工渗漏风险评估模型。研究结果表明:将该方法应用于广州地铁十三号线某车站深基坑施工渗漏风险评估中,结果符合施工实际,接缝密封质量差等风险因素需加以措施控制,该方法可为后续施工风险评估提供实时支持。     

轨顶排烟口对地铁地下车站火灾排烟效果影响研究

为了研究取消轨顶风口对地铁地下车站火灾防排烟的影响，采用CFD方法，针对全封闭站台门系统和全高站台门系统2种典型地铁车站，模拟车站公共区火灾和车站列车火灾发生时，有无轨顶风口对车站内排烟效果的影响。研究结果表明:针对车站公共区火灾，无论是全封闭站台门还是全高站台门系统，取消轨顶排烟口对公共区烟气温度、可见度、CO浓度等影响较低；但针对车站列车火灾，取消轨顶排烟口对公共区烟气温度、可见度、CO浓度均具有较大影响，排烟效果下降较多。     

多传感器耦合区域火灾报警技术研究

早期预警与低误报率一直是建筑火灾探测面临的挑战与难题。已有研究多针对特殊场所特定燃烧产物或多种传感器耦合,普适性不强,探测设备成本高,无法大规模应用。通过将火灾烟气蔓延规律与探测器信号时空分布融合,在不增加探测器数量和分布的情况下,提出了一种基于建筑结构微元的多传感器耦合区域火灾报警模型。对典型火灾场景的烟气蔓延情况进行了模拟分析,狭长结构中探测器信号强度变化具有一定的规律性。应用区域火灾报警模型后,报警时间较传统模式提前了14.7%,基本杜绝了单个探测器误报引发建筑物火灾报警的问题。结果表明:多传感器耦合探测模式显著缩短了火灾报警时间,降低了火灾探测误报率,实现了火灾的早期准确识别与预警。     

不同隧道坡度与车厢火灾位置情况下烟气蔓延特性研究*

为研究含坡度隧道不同火源位置情况下车厢火灾烟气蔓延特性,采用CFD数值模拟方法,建立全尺寸地铁隧道与列车数值模型,研究车厢不同火源位置情况下火灾烟气纵向温度分布规律,探讨倾斜隧道车厢火源位置对烟气蔓延的影响。研究结果表明:当火灾烟气蔓延处于纵向通风惯性力与热浮力竞争作用控制阶段时,火源位于车厢上游方向时火灾烟气向车厢方向蔓延距离小于火源位于车厢下游方向情况,且随坡度增大,火源位于车厢上游方向烟气逆流长度不断减小,位于下游方向烟气逆流长度不断增大;当纵向通风风速达到2 m/s时,火源位于车厢上下游方向2种情况下,列车车厢方向均无烟气蔓延（逆流长度为0）,此时火灾烟气蔓延将主要由纵向通风控制,隧道坡度无显著影响。