双波长气溶胶粒径传感方法及其火灾烟雾探测器

提出了双波长光散射气溶胶粒径传感方法,设计实现了采用该方法的双波长火灾烟雾探测器。使用短波长和长波长的双波长光源,通过计算其光功率比值,利用其与中值粒径的关系函数获得气溶胶粒径,并根据不同粒径下的气溶胶浓度分别给出大小不同粒径的火灾烟雾或干扰气溶胶提示。因而,不仅可以有效区分大小不同粒径的火灾烟雾气溶胶,以正确探测火灾,而且能够识别微米级的大粒径干扰粒子,降低火灾误报率,可以应用于飞机等航空器空中密闭的特殊环境。     

基于神经网络的火灾探测系统

本文提出了一种基于神经网络的火灾探测方法,其对火灾的各种状态进行了识别,提高了早期发现火灾的能力,实验结果表明,该方法在火灾自动探测中是一种十分有效的方法。     

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。     

基于遗传算法的前馈神经网络火灾探测

分析了前馈神经网络火灾探测的基本原理;针对ＢＰ算法的缺陷,提出用遗传算法（ＧＡ）和ＢＰ相结合的一种方法,即：ＢＰ－ＧＡ算法;并把ＢＰ－ＧＡ算法用于火灾探测的模拟,结果表明：前馈神经网络是处理火灾信号的良好方法,ＢＰ－ＧＡ算法提高了网络的收剑性。     

基于人工神经网络的火灾图象探测方法

提出了一种新型的火灾探测方法,基于ＢＰ神经网络的火灾图象探测方法。该方法利用了早期火灾火焰的形体变化特性,用图象处理的方法提取特征信息,最后利用人工神经网络来进行火灾判,别。     

基于运动块追踪的视频烟雾探测方法

烟雾探测是预见火灾隐患的重要手段,具有快速响应和非接触等优点,但现有方法在减少计算量和减少误报上尚需改进。提出了一种基于运动块追踪的视频烟雾探测方法。采用混合高斯模型对背景进行建模,提取可疑运动区域并划分运动块,根据运动块灰度变化及与周围8邻域运动块的灰度梯度,筛选需要全程跟踪的目标运动块。在随后追踪过程中,分析各个运动块的运动方向、灰度衰减变化及半透明性特征,综合各特征值对烟雾进行判断。在测试烟雾视频中,60帧内便可以探测到烟雾块,而在干扰视频中只出现了1次误报。试验结果表明该方法减少了计算量,提高了烟雾检测的准确性,降低了误报率。     

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%。     

基于不对称比的火灾烟雾探测器散射角优化

为提升基于不对称比的火灾烟雾探测器的性能,优化散射角,通过对火灾烟雾粒径信息的收集,建立光散射物理模型,再采用离散偶极子近似(DDA)方法,计算一定粒径分布火灾烟雾的散射光强角分布,探讨颗粒形貌和尺寸参数对于散射特征的影响。计算结果表明：散射光强随观察角的增加在整体上呈现先下降后上升的趋势,散射光强最小值对应的角度随尺寸参数变化;基于不对称比的烟雾探测器散射角的优化设计关键在于后向散射角的选取,当尺寸参数较小时,后向散射角应选择110°,当尺寸参数较大时,后向散射角应选择135°。     

基于物理模型分析与深度神经网络融合的爆炸流场实时模拟方法

爆炸流场预测研究是爆炸安全性分析重要的组成部分,当前基于物理模型的CFD模拟已成为复杂空间环境下爆炸场景定量分析的首选工具,然而其计算效率较低,无法支持实时应急响应。借助基于机器学习(Machine Learning, ML)算法的代理模型可以有效缩短定量分析周期,但可供算法学习的数据量少是该项技术在化工事故后果分析中应用所面临的主要问题。因此,将物理模型分析与深度神经网络相融合,通过数据集构建、数据降维、数据回归和数据生成4个步骤,最终构建高效的卷积变分自编码器(Variational Autoencoder with Deep Convolutional Layers, VAEDC)与多层前馈神经网络(Multi-layer Forward Neural Network, MFNN)混合模型,用于实时预测区域爆炸压力场。基于特定区域,根据定义的算法输入与输出,利用CFD技术对各种爆炸过程进行模拟以获得大量的数据;基于CFD模拟数据,利用VAEDC将区域压力场的高维特征降维为隐空间变量,利用MFNN拟合爆炸相关参数、流场观测时刻与隐变量的映射关系,并以储罐区为例进行建模分析。结果表明...     

基于BP神经网络的矿井火灾安全评价方法

在对国内煤矿调研的基础上,建立了包括内因火灾、外因火灾、管理和救灾3个子系统的评价指标体系;通过模糊层次法,求解了各指标权重;结 合目前比较成熟的BP神经网络方法,研究了一种新的矿井火灾安全评价方法,并编制了界面友好的软件,在矿井实际应用中取得较为满意的评价结果.     

基于卷积神经网络的冲击地压预警方法研究*

为探究深度学习在冲击地压预警方面的应用前景,以新疆某冲击地压矿井为研究背景,将深度学习和专家评判运用到微震数据分析中,基于卷积神经网络构建冲击地压预警模型。充分利用一维卷积神经网络对时序数据有较强特征提取能力的优势,以微震数据及其特征参数作为输入,以专家评判值作为标签,借助Python-Keras框架实现冲击地压预警模型的构建和训练。研究结果表明:模型预警效果并不随着训练迭代次数的增加而逐渐最优,存在最优迭代次数,对于所建模型当迭代次数为30时测试集的冲击危险预测结果与专家评判结果基本吻合,同时说明模型可以较好地学习专家评判经验实现冲击地压预警。研究表明所建模型对研究时段内发生的5次大能量矿震事件均进行预警,其准确度较高,具有现场实际应用价值。     

基于人工神经网络的烟气及温度实时预测模型*

为监测建筑火灾事故区域的危险程度,实现更加安全、高效的火灾应急救援,以通廊式建筑为研究对象,基于转置卷积神经网络及数值模拟方法开发1种可实时预测走廊位置处烟气扩散和温度分布的神经网络模型。首先,依托Python建立包含全连接、转置卷积、反池化等在内的19层神经网络模型的整体架构;其次,建立包含99个火灾场景,共7 920组图像数据的火场信息数据库用于模型训练;最后,使用测试集对模型进行可靠性验证。研究结果表明:烟气（温度）预测模型在不同火灾场景下的预测精度达到95%,训练完成后模型的预测时间一般为1~2 s。研究结果可为应急策略的快速制定提供数据参考。     

基于改进GMM算法的林火烟雾识别研究

针对森林火灾烟雾场景光照突变时传统混合高斯模型(GMM)无法适应的问题,提出基于改进GMM的林火烟雾识别算法。通过六足机器人平台上的CCD摄像机读取当前帧图像,与混合高斯模型建立的前一个背景图像作差分得到变化区域,计算二值化后的变化区域中像素值为1的像素点占总像素点的比例,与设定的阈值相比较从而判别森林火灾场景中的光照是否发生突变。若场景内光照发生突变,采用一个较大的更新速率α,保持模型的稳定性;若场景内光照未发生突变,根据不同的情况自适应调整更新速率α的值,保证模型快速收敛。实验表明,改进的GMM算法可检测到场景中相对完整的动态烟雾区域,满足林火烟雾的检测要求,以期为图像处理在森林火灾巡检机器人上的应用和进一步研究提供参考。     

建筑物最佳机械排烟量的研究

基于工程性能的防排烟设计,最佳机械排烟量的确定是个关键性的问题。在分析火灾中烟流性状的基础上,给出了火灾安全疏散判别依据,从烟控系统性能化设计的角度提出了最佳机械排烟量的基本思想,并利用实例进行了验证。计算结果表明:综合了安全性和经济性的最佳排烟量定义是正确的,该建筑物的最佳机械排烟量为72m3/(h.m2)。研究成果对建筑物防排烟系统的性能化设计具有重要参考价值。     

建筑网络火灾烟气流动稳定性及其控制分析

将建筑作为一个网络整体考虑,研究分析了火灾烟气流动机理,讨论了火灾烟气的热膨胀效应、烟囱效应及室外风力对建筑网络空气和烟气流动的影响.从质量守恒定律讨论了多层建筑中和面的位置及其影响因素,指出控制多层建筑中和面的方法和途径.通过建筑网络回路能量守恒方程,讨论了烟囱效应对建筑网络风流的影响,建筑网络火灾烟气流动的稳定性及合理的烟气控制措施.     

基于PSO优化BP神经网络的钻井动态风险评估方法

传统钻井动态风险评估严重依赖于专家主观判断、结果大多是定性或半定量,无法满足深井复杂地层钻井安全需求。针对该问题,研究建立了基于PSO优化BP神经网络的钻井动态风险评估方法。通过对录井资料的监测分析,实时判断井下风险发生的类型并定量计算风险发生概率,可以在风险发生的早期给出预警信息,及时指导风险调控措施的开展。海上BD气田的实例分析表明,基于构建的动态风险评估模型得到的风险预测结果与实际风险发生情况相符合,说明建立的模型是合理可行的。该模型对于钻井作业过程中动态风险评估具有一定的参考价值。     

基于综合评价法的矿山微震监测台网布设评

为建立合理有效的矿山微震监测台网布设合理性综合评价模型,选择定位精度、定位稳定性、有效监测范围、施工条件和经济因素五类综合性评价指标,分别采用了十分制量化方法,计算各项指标的评价值;再采用特尔菲法,由多位专家对五项指标进行赋值,根据赋值结果计算各项指标在综合评价模型中所占权重;最后由各评价指标的得分和权重计算台网综合评价值,并对综合评价值的取值区间进行梯度分级,最终建立矿山微震监测台网布设合理性评价模型。通过某磷矿微震监测台网布置合理性验证,表明该模型能够对微震台网进行全面有效评价,评价结果可以为台网评价及优化提供理论依据。