CN102737466A - 一种火灾火源位置及强度估计方法及*** - Google Patents
一种火灾火源位置及强度估计方法及*** Download PDFInfo
- Publication number
- CN102737466A CN102737466A CN2012101872107A CN201210187210A CN102737466A CN 102737466 A CN102737466 A CN 102737466A CN 2012101872107 A CN2012101872107 A CN 2012101872107A CN 201210187210 A CN201210187210 A CN 201210187210A CN 102737466 A CN102737466 A CN 102737466A
- Authority
- CN
- China
- Prior art keywords
- fire
- intensity
- subregion
- location
- information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012544 monitoring process Methods 0.000 claims abstract description 49
- 230000003068 static effect Effects 0.000 claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 34
- 230000036961 partial effect Effects 0.000 claims abstract description 31
- 238000003860 storage Methods 0.000 claims abstract description 14
- 230000005055 memory storage Effects 0.000 claims description 85
- 238000012806 monitoring device Methods 0.000 claims description 27
- 238000004422 calculation algorithm Methods 0.000 claims description 24
- 230000015572 biosynthetic process Effects 0.000 claims description 6
- 230000007613 environmental effect Effects 0.000 claims description 6
- 230000005855 radiation Effects 0.000 claims description 4
- 239000000779 smoke Substances 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 abstract description 5
- 238000012545 processing Methods 0.000 abstract description 4
- 230000006854 communication Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 239000007789 gas Substances 0.000 description 8
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 7
- 239000003546 flue gas Substances 0.000 description 7
- 238000009423 ventilation Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000007480 spreading Effects 0.000 description 5
- 238000003892 spreading Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000000463 material Substances 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000005764 inhibitory process Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 230000008447 perception Effects 0.000 description 3
- 230000004044 response Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 239000012530 fluid Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 230000000717 retained effect Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000012614 Monte-Carlo sampling Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 239000012634 fragment Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 210000003733 optic disk Anatomy 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Landscapes
- Alarm Systems (AREA)
- Fire Alarms (AREA)
Abstract
本发明提出一种火灾火源位置及强度估计方法,包括:将建筑结构所在区域划分为多个分区;记录每个分区的静态结构信息和动态结构信息,检测环境参数以获取火灾监测信息并发送至计算存储装置;计算存储装置共享本区的火灾监测信息、静态结构信息和动态结构信息,根据静态结构信息和动态结构信息模拟预测不同火源强度下的火灾模拟信息,对本区与邻区构成的成对分区间的火源位置和强度进行局部估计;多个分区的计算存储装置协同处理多个局部估计值以获得火源位置和强度的全局估计值。本发明还提出了一种火灾火源位置及强度估计装置。本发明采用分布式控制结构,提高了火源位置及强度估计***的计算效率、鲁棒性及可扩充性。
Description
技术领域
本发明涉及建筑安全保障领域,特别涉及一种火灾火源位置及强度估计方法及***。
背景技术
建筑火灾一直以来都是严重威胁人们生命、财产的重要灾害之一。现代建筑的复杂结构使得火灾具有隐蔽性、突发性等特点,为疏散和消防带来一定困难。因此尽早感知火源信息对火灾应急救援的开展有着重要的现实意义。传统的火灾监测***单纯依靠建筑物内的探测***,一旦探测的物理值超过阈值就触发火灾警报。这种仅能输出报警信号的火灾监测***存在众多的弊端,亟待改进。若利用相关的传感技术、火灾蔓延模型能够在火灾发生时及时准确的给出火源位置、火源的强度及发展的速率、并在火灾发展的过程中根据传感器数据,对火灾的状态(火源位置、强度等)进行及时的更新,将会大大提高逃生、灭火等应急响应的效率。现有技术中,采用基于火源估计信息的火灾态势评估与疏散支持方法。
但是,利用探测信息对火源位置、特别是强度进行估计,并对其状态进行实时更新上还没有成熟的解决方案。以下是几种现有的火灾检测、火源估计技术:
(1)一种传感器驱动的火源反算方法,利用顶棚不同位置的温度测量值,通过反解顶棚射流温度与火源位置强度的解析关系式对火源位置和强度进行估计。然而,由于该解析关系在对流和输运较强的多房间火灾中有较大误差,该方法主要应用于单房间火灾。在多房间火灾情形下需要基于已知的火源位置对火源强度进行估计。
(2)用优化方法对多房间火灾火源进行估计,通过使探测器的测量值同火灾蔓延模型的模拟值达到最佳匹配得到最优的火源位置和强度的估计值。然而,优化方法仅能提供一个最优解,不能提供实际中人们关心的某个区域的情况。此外,优化方法通常无法直接考虑探测器测量误差和火灾模型误差,需要采用扰动方法模拟多次,效率不高。
(3)一种基于贝叶斯理论和蒙特卡洛抽样的火源反演方法,该方法考虑探测误差和模拟误差对火源位置及强度同时进行估计,并给出相应的概率分布。然而,该火源估计方法基于集中式结构,所有传感器信息都将传输到中央控制器上进行处理。同时,方法中应用的火灾模型同样基于整个建筑结构。这种集中式结构应用在大型建筑中时不可避免的增加了传输、处理的信息量,增大了火灾模型的尺寸,因而提高了算法复杂度,降低了计算效率。同时,集中式结构的抗灾能力较差,一旦中央控制器出现故障***将无法正常工作。此外,该方法未能考虑通风状态的动态变化对火灾模型模拟结果的影响,增加了模拟结果的不确定性。
(4)通过利用ZIgbee阵列对火灾进行监测,实现在单个区域内的火灾火源位置估计,但该方法不能在整个建筑范围对火灾进行定位,同时由于该方法未使用相应的火灾模型,不能够对火灾强度、火灾发展态势等进行估计,而仅仅能够通过传感器信息给出温度场、烟雾场的描述。
(5)通过结合探测器的测量值和灾害蔓延模型生成的模拟值,并使用扩展卡尔曼滤波方法对某一区域内诸如火灾、烟气、化学物质等灾害的实时蔓延进行估计。该方法可以在集中式或分布式***中实现,能够输出火灾、烟气当前或未来分布状态的估计,在某些情况下还可以对包括火源位置及强度在内的火源状态进行估计。然而,由于状态空间的高维性、火灾模型的高度非线性以及建筑结构的动态特性和不确定性,在建筑火灾烟气状态估计问题中应用扩展卡尔曼滤波方法存在着一些困难。
因此,一种基于局部推断和全局概率综合的新的分布式火源位置、强度估计方法将被提出,该方法在配置及计算上具有较低的复杂度,同时能够以一种可靠的方法处理动态的建筑结构信息。
发明内容
本发明的目的旨在至少解决上述技术缺陷之一。
为此,本发明的第一个目的在于提出一种火灾火源位置及强度估计方法,提高火源位置及强度估计***的计算效率、鲁棒性及可扩充性,并使火灾模型能够反映实际通风状态。本发明的第二个目的在于提出一种火灾火源位置及强度估计***。
为达到上述目的,本发明第一方面的实施例提出了一种火灾火源位置及强度估计方法,包括以下步骤:将建筑结构所在区域划分为多个分区,其中,每个所述分区内设置有多个监测装置和计算存储装置,所述多个分区的所述计算存储装置组成分布式网络;在每个所述分区中,利用所述计算存储装置记录所属分区的静态结构信息和动态结构信息,以及利用所述多个监测装置检测所属的分区内的多个环境参数以获取火灾监测信息,并将所述火灾监测信息发送至所述计算存储装置;每个所述计算存储装置与对应的邻区的所述计算存储装置进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,并根据所述静态结构信息和所述动态结构信息模拟预测不同火源强度下的火灾模拟信息,以及根据所述火灾模拟信息和所述火灾监测信息对本区与所述邻区构成的成对分区间的火源位置和强度进行局部估计,以生成局部估计值;所述多个分区的所述计算存储装置协同处理多个所述局部估计值以获得所述建筑结构所在区域的火源位置和强度的全局估计值。
根据本发明实施例的火灾火源位置及强度估计方法,通过采用分布式控制结构,充分利用现代的传感、通信、计算、决策等技术,为建筑内火源位置及强度的估计提供了切实可行的解决方案,提高了火源位置及强度估计***的计算效率、鲁棒性及可扩充性。本发明得到的火源位置及强度信息可用于建立火灾模型,可以对未来一段时间内火灾的蔓延趋势进行模拟预测,为消防及疏散提供前瞻性的指导与帮助。本发明不仅对建筑火灾火源位置、强度估计具有重要作用,还可被用于估计室外空间静止或移动的火源位置及强度。
在本发明的一个实施例中,所述火灾监测信息包括温度、烟雾浓度、气体浓度、火光强度和火焰辐射强度中的一种或多种。
在本发明的一个实施例中,所述静态结构信息包括:所述分区的布局和尺寸;所述动态结构信息包括:所述分区内的门和/窗的开关状态和开口面积。
在本发明的一个实施例中,所述每个分区对火灾发生在本所述分区的可能性及强度进行局部估计,包括:所述计算存储装置将所述火灾模拟信息和所述火灾监测信息进行对比,计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
在本发明的一个实施例中,采用非线性估计算法计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
在本发明的一个实施例中,所述获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并根据所述火源位置概率变量和强度概率变量构成的线性方程组进行迭代求解得到所述全局估计值。
在本发明的一个实施例中,所述获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并对所述火源位置概率变量和强度概率变量构成的线性方程组采用基于网络生成树的算法进行求解得到所述全局估计值。
本发明的第二方面的实施例提出了一种火灾火源位置及强度估计***,包括:多组估计设备,其中,每组估计设备分别设置在建筑结构所在区域的一个分区内,其中,每组估计设备包括:多个监测装置,其中,所述多个监测装置分别设置在所述分区内的多个位置处,每个监测装置分别检测所属的分区内的多个环境参数以获取火灾监测信息;计算存储装置,所述计算存储装置分别与所述多个监测装置相连,记录所属分区的静态结构信息和动态结构信息,并与对应的邻区的所述计算存储装置进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,根据所述静态结构信息和所述动态结构信息模拟预测不同火源强度下的火灾模拟信息,以及根据所述火灾模拟信息和所述火灾监测信息对本区与所述邻区构成的成对分区间的火源位置和强度进行局部估计,以生成局部估计值。其中,所述多个分区的所述计算存储装置组成分布式网络,每个所述计算存储装置与对应的邻区的所述计算存储装置进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,以及所述多个分区的所述计算存储装置协同处理多个所述局部估计值以获得所述建筑结构所在区域的火源位置和强度的全局估计值。
根据本发明实施例的火灾火源位置及强度估计***,通过采用分布式控制结构,充分利用现代的传感、通信、计算、决策等技术,为建筑内火源位置及强度的估计提供了切实可行的解决方案,提高了火源位置及强度估计***的计算效率、鲁棒性及可扩充性。本发明得到的火源位置及强度信息可用于建立火灾模型,可以对未来一段时间内火灾的蔓延趋势进行模拟预测,为消防及疏散提供前瞻性的指导与帮助。本发明不仅对建筑火灾火源位置、强度估计具有重要作用,还可被用于估计室外空间静止或移动的火源位置及强度。
在本发明的一个实施例中,所述多个监测装置包括:温度传感器、感烟传感器、气体传感器、图像式火灾探测器。
在本发明的一个实施例中,所述静态结构信息包括:所述分区的布局和尺寸;所述动态结构信息包括:所述分区内的门和/或窗的开关状态和开口面积。
在本发明的一个实施例中,所述计算存储装置对火灾发生在本所述分区的可能性及强度进行局部估计,包括:所述计算存储装置将所述火灾模拟信息和所述火灾监测信息进行对比,计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
在本发明的一个实施例中,所述计算存储装置采用非线性估计算法计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
在本发明的一个实施例中,所述计算存储装置获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并根据所述火源位置概率变量和强度概率变量构成的线性方程组进行迭代求解得到所述全局估计值。
在本发明的一个实施例中,所述计算存储装置获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并对所述火源位置概率变量和强度概率变量构成的线性方程组采用基于网络生成树的算法进行求解得到所述全局估计值。
本发明附加的方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
本发明上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解,其中:
图1为本发明实施例的火灾火源位置及强度估计方法的流程图;
图2为本发明一个实施例的火灾火源位置及强度估计的全局估计值求解过程示意图;
图3为本发明实施例的火灾火源位置及强度估计***的示意图;以及
图4为本发明一个实施例的火灾火源位置及强度估计***在建筑结构中的布局示意图。
具体实施方式
下面详细描述本发明的实施例,所述实施例的示例在附图中示出,其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的,仅用于解释本发明,而不能解释为对本发明的限制。
下文的公开提供了许多不同的实施例或例子用来实现本发明的不同结构。为了简化本发明的公开,下文中对特定例子的部件和设置进行描述。当然,它们仅仅为示例,并且目的不在于限制本发明。此外,本发明可以在不同例子中重复参考数字和/或字母。这种重复是为了简化和清楚的目的,其本身不指示所讨论各种实施例和/或设置之间的关系。此外,本发明提供了的各种特定的工艺和材料的例子,但是本领域普通技术人员可以意识到其他工艺的可应用于性和/或其他材料的使用。另外,以下描述的第一特征在第二特征之“上”的结构可以包括第一和第二特征形成为直接接触的实施例,也可以包括另外的特征形成在第一和第二特征之间的实施例,这样第一和第二特征可能不是直接接触。
在本发明的描述中,需要说明的是,除非另有规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是机械连接或电连接,也可以是两个元件内部的连通,可以是直接相连,也可以通过中间媒介间接相连,对于本领域的普通技术人员而言,可以根据具体情况理解上述术语的具体含义。
参照下面的描述和附图,将清楚本发明的实施例的这些和其他方面。在这些描述和附图中,具体公开了本发明的实施例中的一些特定实施方式,来表示实施本发明的实施例的原理的一些方式,但是应当理解,本发明的实施例的范围不受此限制。相反,本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
如图1所示,根据本发明第一方面的实施例的火灾火源位置及强度估计方法,包括以下步骤:
S101:将建筑结构所在区域划分为多个分区,其中,每个分区内设置有多个监测装置和计算存储装置,多个分区的计算存储装置组成分布式网络。
建筑分区可以根据房间、走廊等建筑结构进行划分。每个分区内,多个监测装置和计算存储装置互相连接,不同分区间的各个计算存储装置之间可以相互通信,组成分布式的传感与计算网络。
已有的火源位置、强度估计方法大多依赖于一台中央控制器,所有测量信息都要传输到其上进行处理,这种控制方法效率低、抗干扰能力差;而本发明提出了一种分布式控制结构,不再使用一个中央控制器进行计算和传输,而是把建筑划分为若干个分区,每个分区配有一个计算存储装置同本区的传感器等监测装置相连接负责数据的收集与处理。这些计算存储装置在硬件和软件上具有相同结构,仅能根据其在布局,本分区的建筑形状及通风条件、连接的监测装置与邻区计算存储装置的数量上的配置进行区分。这种分布式结构将一个复杂问题拆分为若干基于本地和邻居信息的子问题进行处理,因而效率较高。当建筑尺寸扩大时,通过增加计算存储装置与通信链路即可完成新***的配置,因此能够在不明显提高算法复杂度的情况下将***扩展到任何一个尺寸。同时这种分布式控制结构稳定性较高,当若干个计算存储装置失效时,不会妨碍整个***的工作。
S102:在每个分区中,利用计算存储装置记录所属分区的静态结构信息和动态结构信息,以及利用多个监测装置检测所属的分区内的多个环境参数以获取火灾监测信息,并将火灾监测信息发送至计算存储装置。
具体地,建筑结构的某些参数,如本分区的结构布局、尺寸等可以作为静态结构信息预先配置于各计算存储装置中。同时,为了使结构信息更接近真实情况,描述建筑结构连通性的动态结构信息将通过门禁等***实时检测、获取,如利用各种门窗控制及状态检测设备获得门窗的开关状态、开口面积等信息。利用建筑物内多个监测装置对周围环境以某种抽样速率进行监测获取火灾监测信息,以及时感知火情的发生或实时传输当前测量值。监测装置可以包括温度传感器、感烟探测器、气体传感器、图像式火灾探测器等。火灾监测信息包括但并不仅限于:温度、烟雾浓度、气体浓度、火光强度和火焰辐射强度。
S103:每个计算存储装置与对应的邻区的计算存储装置进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,并根据静态结构信息和动态结构信息模拟预测不同火源强度下的火灾模拟信息,以及根据火灾模拟信息和火灾监测信息对本区与邻区构成的成对分区间的火源位置和强度进行局部估计,以生成局部估计值。
具体地,每个分区对火灾发生在本所述分区的可能性及强度进行局部估计,包括:
(1)利用建筑结构信息进行多火情实时模拟预测。采用相应的火灾蔓延模型对本区及邻区的建筑结构进行模拟,以实时输出并存储火在本区时不同火源强度下各传感器的温度、气体浓度等模拟信息。相应的火灾蔓延模型可以为经验公式、火灾区域模型、火灾计算流体动力学模型以及其他相关的简化模型等。该过程中,本区和邻区交互的信息可以为各分区的结构信息及实时火灾监测信息。
(2)通过对比火灾监测信息与火灾模拟信息,利用贝叶斯(Bayes)方法或其他非线性估计算法推断出本区与邻区火源位置及强度的相对概率比值。该步骤仅计算所有由本区及邻区构成的成对空间中本区同任一邻区的相对概率比值,而不考虑火源位置及强度的具体概率值。计算本区与对应的邻区的火源位置及强度的相对概率比值采取的算法,包括但并不仅限于贝叶斯方法。
现有的火源位置、强度估计方法中,火灾模型大多基于事先配置好的建筑结构信息进行模拟预测,忽略了一些动态干扰造成的影响,如门、窗等通风设施的状态;而本发明充分利用了安防***中的门禁设施,对建筑结构的连通性进行动态监测,并将动态结构信息与事先配置在计算存储装置中的结构布局、尺寸等静态结构信息相结合,使得火灾模型能够反映实际的通风状态。并且,现有的火源位置、强度估计方法因较高的计算量需要预先对多种火灾场景进行模拟,然而由于结构连通性的动态变化,预先计算使用的火灾模型不能真实反映当前建筑结构的通风状态;而本发明基于分布式结构将火灾模型尺度缩减为本区及邻区的范围,极大降低了模拟的复杂度,同时假定火源在本区,减少了需要模拟的火灾场景数。这些处理使得应用火灾模型进行实时模拟成为可能,方便了动态结构信息的引入。
S104:多个分区的计算存储装置协同处理多个局部估计值以获得建筑结构所在区域的火源位置和强度的全局估计值。
在没有中央控制器的情况下,通过全部计算存储装置的协同处理确定火源位置及强度的全局估计值。基于每个分区存储的本区同邻区的相对概率比值,每一分区的计算存储装置都可以通过分布式网络进行运算,推断出火源位置和强度的全局估计值。其中,多个计算存储装置协同处理多个局部估计值以获得建筑结构所在区域的火源位置和强度的全局估计值,可采用多种算法。
在本发明的一个实施例中,计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并根据所述火源位置概率变量和强度概率变量构成的线性方程组进行迭代求解得到所述全局估计值。其中,概率变量的两两比值由火灾监测信息和火灾蔓延模型所确定,并且所有概率变量之和为一。
在本发明的另一个实施例中,采用基于网络生成树的算法对全局估计值进行求解,此时由位置概率变量和强度概率变量构成的线性方程组将根据具体的生成树进行简化,仅当两个相邻分区在生成树中有邻接关系时,该成对分区间的相对概率比例关系才保留在方程组中,其他成对分区间的相对概率比例关系都将被舍弃。
需要注意的是,上述两种全局估计值求解算法只是为了便于对本发明实施例进行说明,而不应理解为对本发明的限制。
火灾火源位置及强度估计的全局估计值求解过程如图2所示。首先基于建筑结构的静态信息和动态信息,利用某种高效的火灾蔓延模型对火在本区时的多种火灾场景进行模拟,之后结合单个或多个实时火灾监测信息,在本区和邻区构成的多个成对分区内对火源位置及强度进行局部估计。当所有分区完成局部估计后,全体计算存储装置通过协同处理确定火源位置、强度的全局估计值。
根据本发明实施例的火灾火源位置及强度估计方法,通过采用分布式控制结构,充分利用现代的传感、通信、计算、决策等技术,为建筑内火源位置及强度的估计提供了切实可行的解决方案,提高了火源位置及强度估计***的计算效率、鲁棒性及可扩充性,可以对火源位置和强度进行实时估计,为疏散人员和消防人员提供动态变化的火灾信息,用于逃生、灭火等应急响应或制定有效的疏散方案。本发明得到的火源位置及强度信息可用于建立火灾模型,可以对未来一段时间内火灾的蔓延趋势进行模拟预测,为消防及疏散提供前瞻性的指导与帮助。本发明不仅对建筑火灾火源位置、强度估计具有重要作用,还可被用于估计室外空间中静止或移动的火源位置及强度。利用事先布置的火灾传感器及风速测量仪等相关设备获取烟气温度、烟气浓度、风速、风向等信息,并应用相应的火灾模型实时生成多组预测值,最后在类似的估计算法支持下获得动态的火源位置、强度信息,为相应场所的消防、疏散提供帮助。
如图3所示,根据本发明第二方面的实施例的火灾火源位置及强度估计***,包括:多组估计设备300,其中,建筑结构所在区域划分为多个分区,每组估计设备300分别设置在划分的一个分区内,其中,每组估计设备300包括:多个监测装置301,其中,多个监测装置301分别设置在所述分区内的多个位置处,每个监测装置301分别检测所属的分区内的多个环境参数以获取火灾监测信息;计算存储装置302,计算存储装置302分别与多个监测装置301相连,记录所属分区的静态结构信息和动态结构信息,计算存储装置302与对应的邻区的计算存储装置302进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,并根据静态结构信息和动态结构信息模拟预测不同火源强度下的火灾模拟信息,以及根据火灾模拟信息和火灾监测信息对本区与邻区构成的成对分区间的火源位置和强度进行局部估计,以生成局部估计值。其中,多个分区的计算存储装置302组成分布式网络,每个计算存储装置302与对应的邻区的计算存储装置302进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,多个分区的计算存储装置302协同处理多个局部估计值以获得建筑结构所在区域的火源位置和强度的全局估计值。
具体地,建筑结构的某些参数,如本分区的结构布局、尺寸等可以作为静态结构信息预先配置于各计算存储装置302中。同时,为了使结构信息更接近真实情况,描述建筑结构连通性的动态结构信息将通过门禁等***实时获取,如利用各种门窗控制及状态检测设备获得门窗的开关状态、开口面积等信息。利用建筑物内多个监测装置301对周围环境进行监测以获取火灾监测信息,以及时感知火情的发生或实时传输当前测量值。监测装置301可以包括温度传感器、感烟探测器、气体传感器、图像式火灾探测器等。火灾监测信息包括但并不仅限于:温度、烟雾浓度、气体浓度、火光强度和火焰辐射强度。
每个分区的计算存储装置302对火灾发生在本所述分区的可能性及强度进行局部估计,包括:
(1)利用建筑结构信息进行多火情实时模拟预测。采用相应的火灾蔓延模型对本区及邻区的建筑结构进行模拟,以实时输出并存储火在本区时不同火源强度下各传感器的温度、气体浓度等模拟信息。相应的火灾蔓延模型可以为经验公式、火灾区域模型、火灾计算流体动力学模型以及其他相关的简化模型等。该过程中,本区和邻区交互的信息可以为各分区的结构信息及实时火灾监测信息。
(2)通过对比火灾监测信息与火灾模拟信息,利用贝叶斯(Bayes)方法或其他非线性估计算法推断出本区与邻区火源位置及强度的相对概率比值。该步骤仅计算所有由本区及邻区构成的成对空间中本区同任一邻区的相对概率比值,而不考虑火源位置及强度的具体概率值。计算本区与对应的邻区的火源位置及强度的相对概率比值采取的算法,包括但并不仅限于贝叶斯方法。
多个计算存储装置302协同处理多个局部估计值以获得建筑结构所在区域的火源位置和强度的全局估计值,可采用多种算法。在本发明的一个实施例中,计算存储装置302根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并根据所述火源位置概率变量和强度概率变量构成的线性方程组进行迭代求解得到所述全局估计值。其中,概率变量的两两比值由火灾监测信息和火灾蔓延模型所确定,并且所有概率变量之和为一。
在本发明的另一个实施例中,采用基于网络生成树的算法对全局估计值进行求解,此时由位置概率变量和强度概率变量构成的线性方程组将根据具体的生成树进行简化,仅当两个相邻分区在生成树中有邻接关系时,该成对分区间的相对概率比例关系才保留在方程组中,其他成对分区间的相对概率比例关系都将被舍弃。
本发明实施例的火灾火源位置及强度估计***,能够实时计算全局估计值,并输出结果。其中,输出的火灾火源位置估计值,可以精确到房间,也可以是楼层或某个区域,输出的火灾火源强度估计值,可以是一个数值,也可以是一个区间或在一个区间上的概率分布。
需要注意的是,上述两种全局估计值求解算法只是为了便于对本发明实施例进行说明,而不应理解为对本发明的限制。
根据本发明实施例的火灾火源位置及强度估计***,通过采用分布式控制结构,充分利用现代的传感、通信、计算、决策等技术,为建筑内火源位置及强度的估计提供了切实可行的解决方案,提高了火源位置及强度估计***的计算效率、鲁棒性及可扩充性,可以对火源位置和强度进行实时估计,为疏散人员和消防人员提供动态变化的火灾信息,用于逃生、灭火等应急响应或制定有效的疏散方案。本发明得到的火源位置及强度信息可用于建立火灾模型,可以对未来一段时间内火灾的蔓延趋势进行模拟预测,为消防及疏散提供前瞻性的指导与帮助。本发明不仅对建筑火灾火源位置、强度估计具有重要作用,还可被用于估计室外空间中静止或移动的火源位置及强度。利用事先布置的火灾传感器及风速测量仪等相关设备获取烟气温度、烟气浓度、风速、风向等信息,并应用相应的火灾模型实时生成多组预测值,最后在类似的估计算法支持下获得动态的火源位置、强度信息,为相应场所的消防、疏散提供帮助。
在本发明的一个实施例中,火灾火源位置及强度估计***布局如图4所示,其中,401为感温探测器,402为门禁控制器,403为计算存储装置。
火灾发生时,附近的感温探测器401将检测到温度变化,当这一变化超过设定阈值时则发出报警信号,并将该信号通过无线或有线的方式传输到与其相连的计算存储装置403中。该计算存储装置403接到报警信号后通过各计算存储装置间的通信链路将火情警报进行广播,而各计算存储装置403都在接到火情信息后启动该火源位置及强度估计***。在此过程中感温探测器401可以对不同位置的温度进行监测,并以一定的抽样速率将数据发送到相关计算存储装置403中。
某建筑分区内的火源位置及强度估计***启动后,计算存储装置403调用门禁控制器对本区结构的连通性进行检测,将得到的诸如门窗开合等信息反馈到计算存储装置403中。嵌入其中的火灾蔓延模型利用预先配置的静态结构信息和监测到的动态连通信息对火在本区时的多种火灾场景进行模拟。不同火灾场景具有不同的强度假定值。本实施实例中,在启动火灾蔓延模型之前,本区计算存储装置403同邻区进行交互,以获得邻区的温度监测信息、结构的静态及动态信息。火灾蔓延模型将基于本区和所有邻区的结构进行建模,模拟火在本区时,几种可能火源强度下本区和所有邻区的温度值,得到的模拟结果将存储在本区的存储设备中。
获得局部范围内的火灾监测信息和模拟信息后,计算存储装置403对二者进行对比并利用某种非线性估计方法计算出本区同邻区构成的成对分区间火源位置和强度的相对概率比值。之后,根据成对分区间的相对概率比值,通过全体计算存储装置的协同处理,火源位置及强度的全局估计值可以被确定。本实施实例中,每个分区都将首先利用贝叶斯方法在由本区和邻区构成的若干成对空间中进行火源位置、强度的局部估计。针对不同的邻区,本区都将基于本地存储的模拟信息及实际火灾中本区和该邻区的火灾监测信息计算出该成对分区间火源位置及强度的相对概率比值。之后,利用某种基于网络生成树的算法对火源位置和强度进行全局估计。在该方法中,任一分区都可通过某种特殊的通信过程(无论有多少相邻分区向其发送信息,仅接收一个邻区的信息)基于计算存储装置所构成的网络生成以其为起点覆盖所有分区的生成树,并以此建立一组关于各分区火源位置、强度概率的线性方程。其中,仅在生成树中有邻接关系的成对分区间的相对概率比值需要在方程组中进行表征,其余成对分区间的相对概率比例关系都将被忽略。由于所有概率变量之和应当为1,该方程组可以被求解,从而得到火源位置、强度的全局估计。
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为,表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分,并且本发明的优选实施方式的范围包括另外的实现,其中可以不按所示出或讨论的顺序,包括根据所涉及的功能按基本同时的方式或按相反的顺序,来执行功能,这应被本发明的实施例所属技术领域的技术人员所理解。
在流程图中表示或在此以其他方式描述的逻辑和/或步骤,例如,可以被认为是用于实现逻辑功能的可执行指令的定序列表,可以具体实现在任何计算机可读介质中,以供指令执行***、装置或设备(如基于计算机的***、包括处理器的***或其他可以从指令执行***、装置或设备取指令并执行指令的***)使用,或结合这些指令执行***、装置或设备而使用。就本说明书而言,"计算机可读介质"可以是任何可以包含、存储、通信、传播或传输程序以供指令执行***、装置或设备或结合这些指令执行***、装置或设备而使用的装置。计算机可读介质的更具体的示例(非穷尽性列表)包括以下:具有一个或多个布线的电连接部(电子装置),便携式计算机盘盒(磁装置),随机存取存储器(RAM),只读存储器(ROM),可擦除可编辑只读存储器(EPROM或闪速存储器),光纤装置,以及便携式光盘只读存储器(CDROM)。另外,计算机可读介质甚至可以是可在其上打印所述程序的纸或其他合适的介质,因为可以例如通过对纸或其他介质进行光学扫描,接着进行编辑、解译或必要时以其他合适方式进行处理来以电子方式获得所述程序,然后将其存储在计算机存储器中。
应当理解,本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中,多个步骤或方法可以用存储在存储器中且由合适的指令执行***执行的软件或固件来实现。例如,如果用硬件来实现,和在另一实施方式中一样,可用本领域公知的下列技术中的任一项或他们的组合来实现:具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路,具有合适的组合逻辑门电路的专用集成电路,可编程门阵列(PGA),现场可编程门阵列(FPGA)等。
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,该程序在执行时,包括方法实施例的步骤之一或其组合。
此外,在本发明各个实施例中的各功能单元可以集成在一个处理模块中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现,也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个计算机可读取存储介质中。
上述提到的存储介质可以是只读存储器,磁盘或光盘等。
在本说明书的描述中,参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同限定。
Claims (14)
1.一种火灾火源位置及强度估计方法,其特征在于,包括如下步骤:
将建筑结构所在区域划分为多个分区,其中,每个所述分区内设置有多个监测装置和计算存储装置,所述多个分区的所述计算存储装置组成分布式网络;
在每个所述分区中,利用所述计算存储装置记录所属分区的静态结构信息和动态结构信息,以及利用所述多个监测装置检测所属的分区内的多个环境参数以获取火灾监测信息,并将所述火灾监测信息发送至所述计算存储装置;
每个所述计算存储装置与对应的邻区的所述计算存储装置进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,并根据所述静态结构信息和所述动态结构信息模拟预测不同火源强度下的火灾模拟信息,以及根据所述火灾模拟信息和所述火灾监测信息对本区与所述邻区构成的成对分区间的火源位置和强度进行局部估计,以生成局部估计值;
所述多个分区的所述计算存储装置协同处理多个所述局部估计值以获得所述建筑结构所在区域的火源位置和强度的全局估计值。
2.如权利要求1所述的火灾火源位置及强度估计方法,其特征在于,所述火灾监测信息包括温度、烟雾浓度、气体浓度、火光强度和火焰辐射强度中的一种或多种。
3.如权利要求1所述的火灾火源位置及强度估计方法,其特征在于,
所述静态结构信息包括:所述分区的布局和尺寸;
所述动态结构信息包括:所述分区内的门和/或窗的开关状态和开口面积。
4.如权利要求1所述的火灾火源位置及强度估计方法,其特征在于,所述每个分区对火灾发生在本所述分区的可能性及强度进行局部估计,包括:
所述计算存储装置将所述火灾模拟信息和所述火灾监测信息进行对比,计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
5.如权利要求4所述的火灾火源位置及强度估计方法,其特征在于,采用非线性估计算法计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
6.如权利要求4或5所述的火灾火源位置及强度估计方法,其特征在于,所述获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:
所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并根据所述火源位置概率变量和强度概率变量构成的线性方程组进行迭代求解得到所述全局估计值。
7.如权利要求4或5所述的火灾火源位置及强度估计方法,其特征在于,所述获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:
所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并对所述火源位置概率变量和强度概率变量构成的线性方程组采用基于网络生成树的算法进行求解得到所述全局估计值。
8.一种火灾火源位置及强度估计***,包括:
多组估计设备,其中,每组估计设备分别设置在建筑结构所在区域的一个分区内,其中,每组估计设备包括:
多个监测装置,其中,所述多个监测装置分别设置在所述分区内的多个位置
处,每个监测装置分别检测所属的分区内的多个环境参数以获取火灾监测信息;
计算存储装置,所述计算存储装置分别与所述多个监测装置相连,记录所属分区的静态结构信息和动态结构信息,并与对应的邻区的所述计算存储装置进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,根据所述静态结构信息和所述动态结构信息模拟预测不同火源强度下的火灾模拟信息,以及根据所述火灾模拟信息和所述火灾监测信息对本区与所述邻区构成的成对分区间的火源位置和强度进行局部估计,以生成局部估计值;
其中,所述多个分区的所述计算存储装置组成分布式网络,每个所述计算存储装置与对应的邻区的所述计算存储装置进行通信以共享本区的火灾监测信息、静态结构信息和动态结构信息,以及所述多个分区的所述计算存储装置协同处理多个所述局部估计值以获得所述建筑结构所在区域的火源位置和强度的全局估计值。
9.如权利要求8所述的火灾火源位置及强度估计***,其特征在于,所述多个监测装置包括:
温度传感器、感烟传感器、气体传感器、图像式火灾探测器。
10.如权利要求8所述的火灾火源位置及强度估计***,其特征在于,
所述静态结构信息包括:所述分区的布局和尺寸;
所述动态结构信息包括:所述分区内的门和/或窗的开关状态和开口面积。
11.如权利要求8所述的火灾火源位置及强度估计***,其特征在于,所述计算存储装置对火灾发生在本所述分区的可能性及强度进行局部估计,包括:
所述计算存储装置将所述火灾模拟信息和所述火灾监测信息进行对比,计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
12.如权利要求11所述的火灾火源位置及强度估计***,其特征在于,所述计算存储装置采用非线性估计算法计算所述本区与对应的邻区的火源位置及强度的相对概率比值。
13.如权利要求11或12所述的火灾火源位置及强度估计***,其特征在于,所述计算存储装置获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:
所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并根据所述火源位置概率变量和强度概率变量构成的线性方程组进行迭代求解得到所述全局估计值。
14.如权利要求11或12所述的火灾火源位置及强度估计***,其特征在于,所述计算存储装置获得所述建筑结构所在区域的火源位置和强度的全局估计值,包括如下步骤:
所述计算存储装置根据每个分区的本区与对应的邻区的火源位置及强度的相对概率比值获取所述每个分区的火源位置概率变量和强度概率变量,并对所述火源位置概率变量和强度概率变量构成的线性方程组采用基于网络生成树的算法进行求解得到所述全局估计值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210187210.7A CN102737466B (zh) | 2012-06-07 | 2012-06-07 | 一种火灾火源位置及强度估计方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210187210.7A CN102737466B (zh) | 2012-06-07 | 2012-06-07 | 一种火灾火源位置及强度估计方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102737466A true CN102737466A (zh) | 2012-10-17 |
CN102737466B CN102737466B (zh) | 2014-04-09 |
Family
ID=46992879
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210187210.7A Expired - Fee Related CN102737466B (zh) | 2012-06-07 | 2012-06-07 | 一种火灾火源位置及强度估计方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102737466B (zh) |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103809541A (zh) * | 2012-11-13 | 2014-05-21 | 清华大学 | 用于建筑和建筑群的控制***和方法 |
CN105374151A (zh) * | 2014-12-15 | 2016-03-02 | 余姚市立鑫电子有限公司 | 火灾报警***及火灾报警方法 |
CN105916216A (zh) * | 2016-06-23 | 2016-08-31 | 福建农林大学 | 一种自适应无线传感器网络安防报警方法 |
CN107747973A (zh) * | 2017-10-27 | 2018-03-02 | 安徽育安实验室装备有限公司 | 一种实验室安全智能防护方法 |
CN107818653A (zh) * | 2017-10-27 | 2018-03-20 | 安徽育安实验室装备有限公司 | 一种实验室内安全智能化防护*** |
CN108151802A (zh) * | 2017-12-20 | 2018-06-12 | 贵阳宏益房地产开发有限公司 | 一种火灾信息展示***及方法 |
CN109653629A (zh) * | 2017-12-31 | 2019-04-19 | 湖南汇博电子科技股份有限公司 | 消防安全门的控制方法、***及可读存储介质 |
CN110895864A (zh) * | 2018-09-13 | 2020-03-20 | 开利公司 | 用于火灾设备的与约束一致的放置的火灾探测***工具 |
RU2718434C1 (ru) * | 2019-06-11 | 2020-04-02 | Александр Иванович Завадский | Способ обнаружения пожара в отсеке авиадвигателя по скорости изменения температуры |
CN111754717A (zh) * | 2019-03-29 | 2020-10-09 | 空中客车运营有限公司 | 烟雾和火源探测***及方法和防火*** |
CN111797572A (zh) * | 2020-07-06 | 2020-10-20 | 中国矿业大学(北京) | 一种城市事故灾害演化模拟及风险预测预警方法 |
CN112258773A (zh) * | 2020-10-21 | 2021-01-22 | 河北利安安全技术服务有限公司 | 一种基于物联网的火灾报警检测及评估装置 |
CN113379998A (zh) * | 2021-06-09 | 2021-09-10 | 南京品傲光电科技有限公司 | 一种石化罐区自动化火灾报警*** |
CN114444917A (zh) * | 2022-01-21 | 2022-05-06 | 清华大学 | 灭火飞机投放效果评估方法及*** |
WO2023020057A1 (zh) * | 2021-08-16 | 2023-02-23 | 中山大学 | 一种基于模型简化的火灾蔓延模拟加速方法及*** |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08235473A (ja) * | 1995-02-28 | 1996-09-13 | Nohmi Bosai Ltd | 火災報知設備 |
CN1380631A (zh) * | 2001-04-06 | 2002-11-20 | 朱正东 | 智能消防***及其控制方法 |
GB2405514A (en) * | 2003-08-27 | 2005-03-02 | Tts Electronics | Distributed Monitoring and Control System |
JP2007156651A (ja) * | 2005-12-01 | 2007-06-21 | Shomei:Kk | 誘導表示システム及び誘導表示装置 |
CN101458865A (zh) * | 2008-05-09 | 2009-06-17 | 丁国锋 | 一种火灾探测***及方法 |
CN101745193A (zh) * | 2010-01-06 | 2010-06-23 | 沈阳金威智能消防设备有限公司 | 一种消防炮及其快速定位火源的方法 |
CN102058939A (zh) * | 2010-08-18 | 2011-05-18 | 清华大学 | 建筑火灾态势评估与人员疏散指示方法和*** |
CN201903659U (zh) * | 2010-11-25 | 2011-07-20 | 西安新竹防灾救生设备有限公司 | 一种火源定位探测装置 |
CN202838579U (zh) * | 2012-06-07 | 2013-03-27 | 清华大学 | 一种火灾火源位置及强度估计*** |
-
2012
- 2012-06-07 CN CN201210187210.7A patent/CN102737466B/zh not_active Expired - Fee Related
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH08235473A (ja) * | 1995-02-28 | 1996-09-13 | Nohmi Bosai Ltd | 火災報知設備 |
CN1380631A (zh) * | 2001-04-06 | 2002-11-20 | 朱正东 | 智能消防***及其控制方法 |
GB2405514A (en) * | 2003-08-27 | 2005-03-02 | Tts Electronics | Distributed Monitoring and Control System |
JP2007156651A (ja) * | 2005-12-01 | 2007-06-21 | Shomei:Kk | 誘導表示システム及び誘導表示装置 |
CN101458865A (zh) * | 2008-05-09 | 2009-06-17 | 丁国锋 | 一种火灾探测***及方法 |
CN101745193A (zh) * | 2010-01-06 | 2010-06-23 | 沈阳金威智能消防设备有限公司 | 一种消防炮及其快速定位火源的方法 |
CN102058939A (zh) * | 2010-08-18 | 2011-05-18 | 清华大学 | 建筑火灾态势评估与人员疏散指示方法和*** |
CN201903659U (zh) * | 2010-11-25 | 2011-07-20 | 西安新竹防灾救生设备有限公司 | 一种火源定位探测装置 |
CN202838579U (zh) * | 2012-06-07 | 2013-03-27 | 清华大学 | 一种火灾火源位置及强度估计*** |
Cited By (19)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103809541A (zh) * | 2012-11-13 | 2014-05-21 | 清华大学 | 用于建筑和建筑群的控制***和方法 |
CN105374151A (zh) * | 2014-12-15 | 2016-03-02 | 余姚市立鑫电子有限公司 | 火灾报警***及火灾报警方法 |
CN105916216A (zh) * | 2016-06-23 | 2016-08-31 | 福建农林大学 | 一种自适应无线传感器网络安防报警方法 |
CN105916216B (zh) * | 2016-06-23 | 2019-05-03 | 福建农林大学 | 一种自适应无线传感器网络安防报警方法 |
CN107747973A (zh) * | 2017-10-27 | 2018-03-02 | 安徽育安实验室装备有限公司 | 一种实验室安全智能防护方法 |
CN107818653A (zh) * | 2017-10-27 | 2018-03-20 | 安徽育安实验室装备有限公司 | 一种实验室内安全智能化防护*** |
CN108151802A (zh) * | 2017-12-20 | 2018-06-12 | 贵阳宏益房地产开发有限公司 | 一种火灾信息展示***及方法 |
CN109653629A (zh) * | 2017-12-31 | 2019-04-19 | 湖南汇博电子科技股份有限公司 | 消防安全门的控制方法、***及可读存储介质 |
CN110895864A (zh) * | 2018-09-13 | 2020-03-20 | 开利公司 | 用于火灾设备的与约束一致的放置的火灾探测***工具 |
CN110895864B (zh) * | 2018-09-13 | 2024-02-09 | 开利公司 | 用于火灾设备的与约束一致的放置的火灾探测***工具 |
CN111754717A (zh) * | 2019-03-29 | 2020-10-09 | 空中客车运营有限公司 | 烟雾和火源探测***及方法和防火*** |
RU2718434C1 (ru) * | 2019-06-11 | 2020-04-02 | Александр Иванович Завадский | Способ обнаружения пожара в отсеке авиадвигателя по скорости изменения температуры |
CN111797572A (zh) * | 2020-07-06 | 2020-10-20 | 中国矿业大学(北京) | 一种城市事故灾害演化模拟及风险预测预警方法 |
CN111797572B (zh) * | 2020-07-06 | 2021-03-05 | 中国矿业大学(北京) | 一种城市事故灾害演化模拟及风险预测预警方法 |
CN112258773A (zh) * | 2020-10-21 | 2021-01-22 | 河北利安安全技术服务有限公司 | 一种基于物联网的火灾报警检测及评估装置 |
CN113379998A (zh) * | 2021-06-09 | 2021-09-10 | 南京品傲光电科技有限公司 | 一种石化罐区自动化火灾报警*** |
WO2023020057A1 (zh) * | 2021-08-16 | 2023-02-23 | 中山大学 | 一种基于模型简化的火灾蔓延模拟加速方法及*** |
CN114444917A (zh) * | 2022-01-21 | 2022-05-06 | 清华大学 | 灭火飞机投放效果评估方法及*** |
CN114444917B (zh) * | 2022-01-21 | 2022-09-13 | 清华大学 | 灭火飞机投放效果评估方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN102737466B (zh) | 2014-04-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102737466B (zh) | 一种火灾火源位置及强度估计方法及*** | |
Wu et al. | An intelligent tunnel firefighting system and small-scale demonstration | |
Surya | Risk analysis model that uses machine learning to predict the likelihood of a fire occurring at a given property | |
CN106485871B (zh) | 通过应用统计推断模型来提供误报警的早期预测和预报的***和方法 | |
CN101251942B (zh) | 地下空间火灾智能检测预警预报方法及装置 | |
CN109872491B (zh) | 火灾监控方法、装置、电子设备及*** | |
US20120047083A1 (en) | Fire Situation Awareness And Evacuation Support | |
CN202838579U (zh) | 一种火灾火源位置及强度估计*** | |
US11756399B2 (en) | Predictive building emergency guidance and advisement system | |
KR102124067B1 (ko) | 사물인터넷 센서를 이용한 연기확산과 피난로 예측 시스템 및 그 방법 | |
Han et al. | Investigation on an integrated evacuation route planning method based on real-time data acquisition for high-rise building fire | |
KR102319083B1 (ko) | 인공지능 기반의 화재예방 제공 장치 및 방법 | |
Alves et al. | Damage prediction for wind turbines using wireless sensor and actuator networks | |
CN201832302U (zh) | 建筑火灾态势评估与人员疏散指示*** | |
CN111523277A (zh) | 火灾预测方法、存储装置、处理器 | |
GB2609531A (en) | A method and system for predicting fire-breakout from an occupant space fire | |
US10353016B2 (en) | System and method for fault management in lighting systems | |
CN101162545A (zh) | 高层建筑火灾光温复合智能监测预报装置 | |
CN103325205B (zh) | 基于径向基神经网络的室内火灾预测方法及*** | |
KR20160116987A (ko) | 화재 시뮬레이션 장치 및 그 동작방법 | |
Wang et al. | Online fault-tolerant dynamic event region detection in sensor networks via trust model | |
Sun et al. | A multi-neural network fusion algorithm for fire warning in tunnels | |
Shaharuddin et al. | The role of IoT sensor in smart building context for indoor fire hazard scenario: A systematic review of interdisciplinary articles | |
CN201445722U (zh) | 一种大型公共建筑的火灾自动报警灭火*** | |
Yusuf et al. | An autoregressive exogenous neural network to model fire behavior via a naïve bayes filter |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140409 Termination date: 20170607 |
|
CF01 | Termination of patent right due to non-payment of annual fee |