飞机货舱火灾多传感器探测方法研究

为解决目前飞机货舱火灾探测器误报率极高、响应速度慢的问题,开发一种基于烟雾颗粒浓度、温度、CO质量浓度和CO_2质量浓度的多传感器飞机货舱火警探测方法并制定多参数报警算法。选择合适型号探测器构成烟雾、温度、CO和CO_2多传感器探测装置;采用常见火灾材料及干扰源在模拟货舱内进行真假火源试验;根据从试验数据中提取的火灾发生的特征信息制定多参数报警算法。结果表明:真实火灾产生大量的CO和CO_2,其质量浓度变化非常大;假火灾只产生极少量的CO和CO_2,质量浓度基本与环境中持平;用基于多传感器火灾探测装置可以准确区分真假火源,大幅度降低误报警率;多参数报警算法较单参数算法响应更快。     

通风对飞机货舱烟雾探测影响研究

为探讨通风对飞机货舱火灾探测造成的影响,采用火灾动态仿真(FDS)模拟不同通风工况下飞机货舱内烟雾扩散情况。建立DC-10货舱三维数值模型,仿真计算并验证通风时顶棚温度、气体浓度、光透率(LT);通过计算5种通风工况下顶棚烟雾流场及光透率,研究通风工况及探测器阈值对不同位置探测时间的影响。结果表明:相比于无通风工况,货舱通风显著影响舱内烟雾扩散;通风口下游较上游位置容易探测到烟雾;通风延迟烟雾探测时间,且通风量越大响应时间越长,通风量大于11. 33 m~3/min时探测不到烟雾;探测器阈值影响探测时间,适当提高探测器阈值及减小通风量能缩短探测时间。     

飞机货舱锂离子电池火灾烟雾光散射特性

锂离子电池应用广泛，飞机货舱内不可避免地会运载锂离子电池或含有锂离子电池的货物，导致货舱内锂离子电池火灾时有发生。然而，研究者对飞机货舱感烟火灾探测器是否适用于锂离子电池火灾及响应性能的认识尚不清楚。航空标准SAE AS8036A是为测试和评估飞机货舱感烟火灾探测器性能而制定的，其中仅规定了几种标准测试火，并没有锂离子电池火灾相关内容。使用SAE AS8036A标准中规定的试验装置，研究了两种荷电状态的18650锂离子电池火灾烟雾光散射特性，并选取SAE AS8036A标准中规定的2种阴燃烟雾、2种明火烟雾及2种粉尘干扰气溶胶作为对比。结果表明，设计的探测器模型采用两种波长入射光(405 nm、850 nm)及两个散射角(45°、135°)光电二极管，能区分识别火灾烟雾与粉尘干扰气溶胶，并且判断是否为锂离子电池火灾。     

飞机货舱复合烟雾探测方法研究

为解决目前飞机货舱火警探测装置易受空气中灰尘和水蒸气颗粒干扰造成误报率极高的问题,提出一种复合多传感器的飞机货舱火灾探测方法。首先搭建包括温度传感器、CO传感器和双波长光电式烟雾传感器的复合式火灾探测装置,设计火灾探测系统软件;然后进行真假火源试验,采集火灾过程中烟雾、温度、气体的变化特征参数;最后采用人工神经网络算法对采集到的数据进行融合分析。结果表明:嵌入双波长光电式烟雾探测器的多传感器探测装置报警正确率比传统火灾烟雾探测器有大幅度提高,干扰源识别相对误差不超过5.7%。     

非色散红外CO2飞机火警探测技术研究

提出了基于非色散红外吸收原理(NDIR)实时监测环境中CO2气体浓度变化进行火警探测的方法。根据高空大气环境的特殊性,探讨了基于NDIR的CO2气体探测技术应用于飞机上所面临的低温低压难题。进行了基于NDIR的红外CO2飞机火警探测器的两种结构设计,提出了基于CO2气体浓度监测的红外CO2飞机火警探测器的主要参数要求,研究了基于CO2浓度变化速率与变化值的火灾报警算法。     

光学迷宫对飞机货舱感烟探测器响应性能的影响

针对飞机货舱火灾的探测延迟性问题,探讨了光学迷宫对点型光电感烟探测器响应性能的影响,实验研究了点型光电感烟探测器在有、无迷宫两种情况下烟雾探测的响应过程,对比分析了不同烟量时迷宫的作用,并提出探测器迷宫结构的改进设计思路。实验结果表明,在探测器响应过程中,有光学迷宫的探测器烟雾浓度波动幅度较小,迷宫对烟气有滞留作用,提高了探测器的稳定性;但迷宫会使探测腔室的烟雾浓度明显滞后且低于腔外,增大了探测器的迟滞时间,烟雾浓度较低时这种迟滞影响更为明显,严重影响货舱火警探测器的灵敏度。     

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%。     

面向视频火灾火焰识别的轻量化卷积神经网络模型

深度学习在基于视频的火灾火焰识别技术中得到了广泛应用。为解决当前常用的卷积神经网络模型由于层数和训练参数过多，导致存储和速度问题突出，很大程度上限制了其在一些硬件平台上使用的问题，基于轻量级卷积神经网络模型SqueezeNet,通过适当修改模型结构，构建了一种适用于火灾火焰识别的新网络模型。将获取的各类火灾火焰图像数据，采用数据增强的方法来增加数据量，制作火灾火焰图像数据集，形成学习样本，并使用运动探测算法提取图像的火焰区域进行模型训练和识别前预处理。试验结果表明：该模型所需存储空间仅为0.28 MB,为VGG16的1/200;火灾火焰识别预测准确率达98%,比SqueezeNet提高了近4个百分点，且具有良好的抗干扰能力，有效缓解了当前卷积神经网络中存在的存储和速度问题。     

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。     

大坝变形GA-LSTM组合预测模型研究

为监测大坝运行过程中的异常状态，防范化解大坝溃坝等重大风险，基于大坝变形大样本、非线性监测数据，引入长短期记忆(Long Short Term Memory, LSTM)神经网络模型对大坝变形趋势进行预测，以测试样本的均方根误差最小为适应度函数，采用遗传算法(Genetic Algorithm, GA)优化LSTM模型参数，建立大坝变形GA-LSTM组合预测模型。以福建水口水电站大坝为例进行验证分析，并与LSTM模型和门控循环神经网络(Gated Recurrent Unit, GRU)模型预测结果进行对比分析。分析结果表明，GA-LSTM模型的预测效果和性能更佳，且相较于LSTM模型和GRU模型各测点预测误差均有减小，平均绝对误差减小量最高达6.92%。     

激光烟雾图像和CO气体复合火灾探测器的设计

准确可靠并且尽早期地发现火灾是火灾探测最重要的环节。传统的单一量火灾探测器是对燃烧过程中产生的烟气或者火焰温度等单一的火灾参量作出响应,判断是否有火灾发生,容易引起误报。介绍了一种基于激光图像感烟和CO气体的复合式探测器的设计,在设置报警输出时,将烟雾探测结果和气体浓度探测结果进行逻辑"与",只有当两者都达到预先设置的阈值时,整个探测器才报警,从而提高了火灾探测的可靠性。     

基于IPSO-LSTM的新能源汽车锂电池健康状态监测

为监测新能源汽车锂电池的健康状态(SOH),防范电池故障引发安全事故风险,提出改进粒子群算法(IPSO)和长短期记忆(LSTM)神经网络相结合的模型,监测锂电池的SOH。首先,采用Spearman相关性分析法,提取锂电池SOH监测的健康因子;其次,采用线性惯性权重和非对称学习因子改进传统粒子群算法(PSO),利用IPSO算法对LSTM模型的隐含层神经元个数、神经元失活率、批处理值进行关键参数寻优,进一步优化LSTM模型,建立IPSO-LSTM锂电池SOH监测模型;最后,以新能源汽车主流采用的18650锂电池数据集验证IPSO-LSTM模型,并对比分析BP、LSTM和PSO-LSTM这3种模型。结果表明：IPSO-LSTM模型的平均绝对误差(MAE)在0.02以内、均方根误差(RMSE)在0.03以内,监测误差在15%以内,相较于BP、LSTM、PSO-LSTM模型,IPSO-LSTM模型的误差指标值均最小,模型具有更高的精度和稳定性。     

飞机货舱低气压环境对火灾探测参量影响研究

旨在为飞机货舱火灾探测系统设计和研制提供理论支撑,在飞机货舱环境模拟实验舱内开展了70kPa、80kPa、90kPa和100kPa下正庚烷火灾实验,分析了低气压环境对顶棚温度、烟气密度和气体浓度火灾探测参量的影响规律。低压下空气密度较小,卷吸系数减小,导致顶棚最高温升增加,顶棚温度衰减变快。同时,低压下烟气密度降低,并与压力呈指数关系,指数系数约为0.946,扩展了前人研究结果的应用范围。CO浓度最大值随压力降低而增加,且CO增长速率与压力呈负指数关系。CO2增长速率随着压力降低而略有减小。     

综合管廊内火灾自动报警探测器实验研究

为了能够有效提升综合管廊内火灾自动报警系统的准确性和可靠性,本文采用火灾实体试验的方法,通过对各类型火灾自动报警探测器响应时间的情况进行分析和比较,研究综合管廊电力舱内常用探测器的性能。研究结果表明:接触式缆式线型感温火灾探测器可以较早的探测到电缆温度异常变化的现象,可用于早期预警。点型感烟探测器对烟粒子浓度较为敏感,可用于综合管廊电力舱室的空间探测。分布式光纤型感温火灾探测器对明火温度的变化较为敏感,作为空间型的火灾探测器比较可靠。     

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...     

低压货舱多参数火灾探测集成模型的优化选择

针对低压飞机货舱环境下单模型的烟雾探测算法不灵敏的问题,给出了一种基于二次优化选择(Quadratic Optimization Choice, QOC)策略的集成分类模型。首先,对多种火灾特征参数包括CO体积分数、温度、湿度、红外和蓝光波长光散射功率信号、烟颗粒索特平均直径及对应增长率进行增益评估,筛选出关联度高的参数作为属性,通过特征工程和性能对候选分类器进行排序,然后采用QOC策略和软投票法集成机制确定次级分类器,最后指定多层感知器(Multilayer Perceptron, MLP)作为元分类器的模型集成方法,以提高烟雾探测模型在真实飞行环境的准确性和鲁棒性。模型性能将基于精确率、召回率和F₁、F₂、F₃指标进行比较。结果表明,集成模型应用于60 kPa低压环境烟雾探测结果优于K邻近算法(K Nearest Neighbor,KNN)和MLP,对榉木和航空汽油可燃物分别具有0.972 4和0.960 1的分类精确率,较原始算法KNN分别提高了0.087 2和0.062 6,较原始算法MLP分别提高了0.036 ...     

感烟火灾探测器的灵敏度评测

为了在设计火灾探测系统时，提供探测器的选型依据，该文通过火灾探测综合模拟试验平台(FE／DE)，利用四种国家标准火所用燃料生成典型火灾烟气，对光电型与离子型两种常规点式感烟火灾探测器的灵敏度性能进行了评测与比较。结果表明，对于木材热解生成烟气，与离子感烟探测器相比，光电型探测器的输出烟值增加更为急剧。然而对于棉绳阴燃火、聚氨脂塑料火及正庚烷火生成的烟气，离子型比光电型响应更为灵敏，特别是对于后两者明火生成的能够吸收光而减弱光散射的黑烟。最后指出，依据监控场所中可能存在的可燃物种类而选择相应类型的火灾探测器，将提高所设计火灾报警系统的可靠性。     

基于BP神经网络的红外可燃气体探测器温度补偿研究

针对红外可燃气体探测器输出电压随温度变化,而又缺乏理论补偿公式的情况,提出采用BP神经网络对基于NDIR的可燃气体探测器进行温度补偿的方法,解决了以往温度补偿通过硬件补偿带来的探测器体积大、重量增加的弱点;与已有的软件补偿方法相比,BP神经网络方法通过对数据进行训练、学习获得温度补偿模型,得到了较好的结果,使得红外可燃气体探测器具有较宽的使用温度范围。