基于红紫外光电传感器的多波段火焰探测方法研究

针对不同火灾发生场景对火焰探测的要求,建立具有火灾特征的火灾探测模型,对多波段红紫外传感器火焰探测机理、多特征数据融合算法和火灾决策判断方法进行研究。选择185～260 nm波段的紫外光电传感器和3.6、4.4、4.8μm波段的红外光电传感器进行火焰探测,采集火焰特征信号数据信息;采用多信号数据融合和特征参数相关性算法,建立多波段火灾特征的火灾探测数学模型,模拟火灾发生场景,训练有关特征参数的最佳配置。研究结果表明,对185～260 nm波段的紫外光和3.6、4.4、4.8μm波段的红外光进行多波段火焰探测,能够满足标准GB 15631-2008《特种火灾探测器》的要求,火焰的识别和决策判断能力提高,试验中无误报和漏报。     

受限空间火灾探测数据融合算法研究

为了实现对受限空间火灾发生情况多传感器自动探测信号处理，建立了基于CO 浓度、烟气颗粒浓度、红外视频图像等多传感器探测的火灾探测数据融合分析系统。在受限空间内搭建基于多传感器火灾探测的数据融合分析实验平台。根据火灾红外视频图像的燃烧区域面积及圆形度等特征参数介绍了红外图像识别算法。在三种火灾探测方式特征参数的基础上提出了固定门限功率谱检测算法，并完成数据融合。在分析比较火灾探测系统响应时间、报警准确率等系统性能评价方法的基础上，说明了采用多传感器探测信号进行数据融合并建立灾情判据的方法。实验结果表明：采用数据融合算法后探测系统误报率低于单一探测方式，报警时间略高于单一探测报警方式。该数据融合系统基本满足火灾自动探测报警系统的稳定可靠、低误报率等要求。     

基于PNN算法的多传感器火灾探测技术研究

从传统算法和人工神经网络算法两方面,总结火灾探测中的多特征信息融合算法。以火焰、烟雾、CO和CO_2四种火灾特征的组合为例,基于MATLAB,运用PNN对实验采集到的数据进行训练和仿真测试。测试结果表明,采用PNN将多传感器信息融合后对火灾探测的准确度远高于单一种类火灾探测器;当扩展系数取0.3时,PNN对测试数据进行模式识别的准确度可高达98.95%。训练后的PNN可以更好地用于火灾的探测。     

多传感器融合的火灾识别算法研究

针对传统火灾探测存在反应滞后,误报率高等问题,提出一种基于多传感器融合的火灾识别算法。采用运动和颜色检测提取可见光图像的疑似火灾区域,同时采用阈值分割提取红外图像的疑似火灾区域。将两者疑似火灾区域分别进行特征提取,再根据所获特征进行基于 SVM 的融合火灾识别,通过传感器检测实时的温度与烟雾浓度,从而实现可靠和快速的火灾识别。实验结果表明,该火灾识别算法在可接受的时间范围内准确率高且鲁棒性强。     

基于无线传感器网络的火灾探测方法研究

针对火灾发生时的智能探测系统和方法进行研究。使用无线传感网络技术实现火灾探测传感单元的组网,提高传感单元的检测距离和可靠性。研究基于D-S证据理论的多传感器信息融合的火灾探测判别方法,将多个传感器的检测数据进行综合考虑,得出火灾发生的概率,提高火灾探测准确率。研究结果表明,使用多传感器融合方法后,对温度、CO或是烟雾传感器的数据进行全面考虑,判别火灾发生的概率和结果准确率较好,即使存在烟雾干扰信号的情况,可以有效屏蔽干扰信号,准确判断火灾发生。     

盛赛尔公司新型四合一探测器

盛赛尔公司推出一种包含四种探测技术的多判据火灾探测器,能够对四种主要的燃烧产物进行监控。此种火灾探测器包含一个光电探测室,一个测量固定温度和升温速率的热敏电阻,一个一氧化碳传感器和一个监视环境光和火焰特征的红外传感器。当其中一个传感器探测到火灾存在,嵌入的智能算法会利用另一个传感器确认该火灾条件。随着现场条件的变化,内部算法会改变传感器阈值、传感器组合及取样速率进行补偿,兼顾火灾的迅速响应及最大的抗误报能力。     

基于多传感器融合技术的弹库火灾探测

提出了一种应用多传感器数据融合技术于舰载导弹弹库的火灾探测的方法.该方法采用多传感器探测火灾的多种参量,利用模糊推理技术、神经网络技术和事例推理技术的复合推理方法判别弹库火灾状态.     

基于贝叶斯算法的火灾报警系统研究

针对传统的建筑火灾报警系统探测信号单一、功能简单等问题,提出了以单片机作为下位机、LabVIEW作为上位机,采用多种传感器信息融合的贝叶斯算法的火灾报警系统。该系统将贝叶斯融合算法应用于火灾报警探测中,将收集到的火灾数据进行预处理,同时利用MATLAB软件对贝叶斯网络算法的数据融合进行仿真分析。仿真结果表明,该系统能够实时监测建筑内火灾事故相关的环境因素,3个特征量的融合提高了对火灾特征信号响应的均衡度和准确度,进而极大地提高了系统可靠性,为建筑火灾报警系统的设计与应用提供参考。     

多方面监测火灾特征以区分火灾探测

许多研究人员都把多传感器探测当作区分火灾源与噪扰源的主要手段来研究.多传感器探测器能从多个角度监测有焰火、无焰火和噪扰源所产生的各种特征.本文将介绍一个利用带多元气体传感器的原型高级火灾探测器完成的大/小规模试验计划.初步分析表明,研发出合理的多元气体传感器定位导向就能够探测具有特定阈值火焰规模(即放热速率)的火灾.区分有焰火源、无焰火源和噪扰源可利用阈值浓度或CO2上升速率(针对有焰火源的识别)和CO或CO2上升速率(针对无焰火源的识别)来实现.此外,研究人员还对原型探测器和商品感烟探测器的探测时间作了比较,并注意到探测时间的缩短.     

新型火灾探测传感器

<正>欧洲某公司推出三款新型火灾探测传感器ALN-EN、ATJ-EN、ACC-EN。其中,ATJEN传感器融合了变温热原元件与热元件上升率技术,二者皆可通过控制面板进行控制。该三款传感器均与欧洲增强系统协议(ESP)完全兼容,ESP为欧洲智能火灾探测业界通用的可寻址通信解决方案。降噪功能与多项软件的加入提高了传感器可靠性。此新型传感器与上一代产品完全     

基于MK-XGBoost的多传感器融合火灾识别技术

针对单一传感器预测中的漏报、误报的缺点,本文提出了一种基于MK-XGBoost的多传感器数据融合火灾识别技术.该技术通过采集受限空间的温度、烟雾质量浓度、CO体积分数,基于Mann-Kendall检验方法生成趋势因子,该因子与上升趋势呈正相关,后续将火灾数据与趋势因子作为特征,采用XG-Boost算法判断火灾是否发生....     

基于KNN算法的飞机货舱复合火灾探测系统设计

针对飞机货舱烟雾探测器探测参数单一、误报漏报率高、无可视化交互等问题,设计了一款使用树莓派开发的复合火灾探测系统。以树莓派为嵌入式控制中心,连接CO传感器、TVOC传感器、PM10传感器进行数据采集;采用KNN算法进行多传感器数据融合,输出结果为有火与无火,准确率达到98%,并将处理后的数据存入SQLite数据库;树莓派搭建Web服务器并接入机载服务器局域网,设备通过访问HTML网页,实现可视化界面的交互。经试验测试：在高为2 m的货舱该系统可在46 s内发出告警指示,功能指标满足货舱火警探测的设计要求,并且漏报率为0,误报率低于1%,可为机载火警探测系统设计提供良好方案。     

Performance improvement of fire detectors by means of gas sensors and neural networks

Nowadays, fire detection systems are used world wide in order to protect life and goods. However, at the present time, detectors show poor features with regard to detection speed and reliability. They respond to only a few fire parameters like smoke particles and they do not take into account other important fire parameters such as gaseous products. In this paper, we present a new multi-sensor detector consisting of a commercial optical fire detector, a temperature sensor and selected semiconductor metal oxide gas sensors. The use of a multi-sensor detector requires a more sophisticated algorithm than the simple threshold rule. The new algorithms are typically based on pattern recognition systems, consisting of a pre-processing unit, a feature extraction unit and a classification unit. The choice of suitable methods for the feature extraction and the classification is difficult. Most often, the classifier depends on the type of the extracted features. In this paper two methods for the feature extraction with their suitable classifiers are presented and compared. However the classification is based on neural networks.The first algorithm consists of (i) a pre-processing unit; and (ii) a FFT-based feature extraction unit to resolve characteristic fire signatures. For that purpose a moving window has been introduced and a composed signal has been generated from the different pre-processed sensor responses. The algorithm also consists of (iii) a classification unit with a Learning Vector Quantization (LVQ) neural network to classify the extracted features to fire, not fire, or disturbing event.The second algorithm consists of a pre-processing unit and feature extraction method based on the scaling of the quadratic mean value. For this kind of feature extraction a back-propagation neural network as a classifier has been chosen.An important improvement towards the use of commercial detectors has been achieved using both of the above-described algorithms. The neural networks with suitable feature extraction methods were able to detect test fires more quickly than the commercial optical fire detector without generating false alarms by disturbing events.     

数据融合算法在苏通大桥群桩基础 安全性评价中的应用

 位于潮汐河段的苏通大桥采用大直径、超长钻孔灌注群桩基础,而且需要考虑钢护筒的共同作用。为此采用广角度监测技术,跟踪观测钢护筒、桩身钢筋和混凝土的应力响应。但不同类型和处于不同部位的传感器,由于工作原理、精度、安装埋设方式以及影响因素的不同,而导致实测数据的类型和特性存在较大差异。故需采用多传感器信息融合技术,以过滤异常测值、提取特征信息、形成融合决策。但原型观测数据包含有强烈的、来源于潮汐等环境因素产生的噪声,从而严重干扰对数据的分析和预测。而且这类噪声使观测数据产生异常过程和异常群,很难利用冗余信息和数据的时空对比进行检出。故需在采用数据融合理论检出并剔除粗差的基础上,进一步采用小波阈值消噪法分层剥离单个传感器的环境噪声,并根据不同类型传感器观测结果的可信度和重要性,利用基于权最优分配原则的数据融合算法,对消噪后的多个传感器实测数据进行融合。研究结果表明,小波分层消噪技术能够有效分离不同的环境噪声,数据融合技术能够较好地将各传感器的观测数据协调地组合起来,形成对群桩基础应力响应和环境实况更可靠地判断。     

基于人工智能技术和ZigBee火灾探测系统的设计

针对目前火灾探测系统存在智能程度低、误报率高、施工成本高等问题,采用人工智能算法的数据融合技术、ZigBee技术、低功耗技术,设计了智能复合火灾探测系统,并给出完整的硬件结构和软件流程.     

GA优化BP神经网络在多参量火灾探测中的应用

针对BP 神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP 神经网络的初始权重和阈值进行优化,提出了一种基于GA 优化BP 神经网络的多参量数据融合方法以实现火灾探测,提高火灾探测准确率和模型泛化性能,并利用该模型对标准明火和阴燃火中的温度、烟雾浓度和CO 浓度进行数据融合实现火灾探测。研究显示,相较单纯BP 神经网络,经GA 优化的BP 神经网络火灾探测算法能够更快速精确地实现火灾探测,探测精度有显著改善,火灾识别准确率提高至98.84%。     

An experimental study of a detector-operated water discharge system to enhance life safety

This paper presents the results of nine from a series of 51 instrumented full-scale fire tests designed to demonstrate the feasibility of using a detector-operated water discharge system to enhance the life safety of occupants of limited mobility in the room of fire origin.Tests were conducted in a room 4·0 m long × 3·6 m wide × 2·4 m high using both smouldering and flaming fires. The length of time available for escape from the room was obtained by comparing the time of detection with the earliest onset of a hazardous condition as determined by a life threat model.The system incorporated a multi-sensor, two-stage fire detection algorithm using signals from an optical smoke sensor and a heat sensor. Three sensitivity settings of the detection algorithm were assessed. It was found that at the highest sensitivity, the frequency of false alarms was likely to be unacceptable, whilst at the lowest sensitivity, the detection algorithm might fail to detect a fire before conditions within the room became a threat to life.The results show that by using the intermediate sensitivity for the detection algorithm, the system was able to respond to smouldering fires before the onset of hazardous conditions and before domestic sprinklers would operate. With fast flaming fire scenarios, the performance of the system was found to be comparable to that which would be expected from domestic sprinklers.