CN113205669B - 一种融合式的消防物联网监测预警方法 - Google Patents
一种融合式的消防物联网监测预警方法 Download PDFInfo
- Publication number
- CN113205669B CN113205669B CN202110393906.4A CN202110393906A CN113205669B CN 113205669 B CN113205669 B CN 113205669B CN 202110393906 A CN202110393906 A CN 202110393906A CN 113205669 B CN113205669 B CN 113205669B
- Authority
- CN
- China
- Prior art keywords
- fire
- detector
- alarm
- delta
- signal
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000012544 monitoring process Methods 0.000 title claims abstract description 21
- 238000007476 Maximum Likelihood Methods 0.000 claims abstract description 27
- 238000012545 processing Methods 0.000 claims abstract description 22
- 238000005315 distribution function Methods 0.000 claims description 5
- 230000004927 fusion Effects 0.000 claims 2
- 238000004422 calculation algorithm Methods 0.000 description 11
- 230000002265 prevention Effects 0.000 description 11
- 238000013461 design Methods 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004364 calculation method Methods 0.000 description 7
- 238000013500 data storage Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000000779 smoke Substances 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012821 model calculation Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B29/00—Checking or monitoring of signalling or alarm systems; Prevention or correction of operating errors, e.g. preventing unauthorised operation
- G08B29/18—Prevention or correction of operating errors
- G08B29/185—Signal analysis techniques for reducing or preventing false alarms or for enhancing the reliability of the system
- G08B29/188—Data fusion; cooperative systems, e.g. voting among different detectors
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/06—Electric actuation of the alarm, e.g. using a thermally-operated switch
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/10—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means
- G08B17/117—Actuation by presence of smoke or gases, e.g. automatic alarm devices for analysing flowing fluid materials by the use of optical means by using a detection device for specific gases, e.g. combustion products, produced by the fire
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B17/00—Fire alarms; Alarms responsive to explosion
- G08B17/12—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions
- G08B17/125—Actuation by presence of radiation or particles, e.g. of infrared radiation or of ions by using a video camera to detect fire or smoke
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Business, Economics & Management (AREA)
- Emergency Management (AREA)
- Engineering & Computer Science (AREA)
- Computer Security & Cryptography (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Multimedia (AREA)
- Fire Alarms (AREA)
Abstract
本发明涉及火灾监测领域,具体是涉及一种融合式的消防物联网监测预警方法。包括如下步骤:S1,通过发出报警信号的探测器获取理论火源位置θ;S2,通过任意两个探测器发出报警信号时的时刻构成的实际时间差Δtl′获取理论火源位置θ的极大似然位置S3,计算步骤S2中的任意两个探测器针对该火源位置发出报警信号时的时刻构成的时间差T;S4,获取修正之后的时间差S5,计算Δtl′与构成的相对误差δk;S6,若δk≤δmin,则报警信号为真,即发生火灾,进行火灾处理,否则进行步骤S7;S7,若Δtl′≤Δt′lmax且k≤kmax,则报警信号为真,进行火灾处理,否则进行步骤S8;S8,通过警报***告知火灾处理单位。本发明通过多个探测器判断是否真的发生火灾,能够尽可能的降低火灾的误判。
Description
技术领域
本发明涉及火灾监测领域,具体是涉及一种融合式的消防物联网监测预警方法。
背景技术
建筑物内安装火灾探测器可以检测建筑物内是否发生火灾,以便相关工作人员根据探测器发出的报警信号及时进行消防灭火处理。
但是现有的探测器会误发报警信号,而且建筑物外部的人员也无法识别出探测器发出的报警信号的真伪,当报警信号为伪时,而相关人员依然采用了消防灭火的措施,会造成资源的浪费。
发明内容
为解决上述技术问题,本发明提供了一种融合式的消防物联网监测预警方法,能够识别出探测器发出报警信号的真伪,进而判断出是否真的发生火灾。
为实现上述目的,本发明采用了以下技术方案:
一种融合式的消防物联网监测预警方法,包括如下步骤:
S1,通过发出报警信号的探测器获取理论火源位置θ;其中,探测器用于采集火灾信号;
S6,若δk≤δmin,则报警信号为真,即发生火灾,进行火灾处理,否则进行步骤S7;其中,δmin为常数;
S7,若Δtl′≤Δt′lmax且k≤kmax,则报警信号为真,进行火灾处理,否则进行步骤S8,其中kmax和Δt′lmax均为常数;
S8,通过警报***告知火灾处理单位,用于确定是否发生火灾。
进一步,该消防物联网报警方法还包括划分火灾的严重程度,发生火灾概率的等级包括I级、II级、III级、IV级;
该消防物联网报警方法用于建筑物火灾报警,建筑物上安装有点型火灾探测器、视频火灾探测器、电气火灾探测器、燃气火灾探测器;
若两个点型火灾探测器检测到火灾信号;或,一个点型火灾探测器检测到火灾信号且一个视频火灾探测器也检测到火灾信号;或,两个视频火灾探测器检测到火灾信号;或两个燃气火灾探测器检测到火灾信号;则等级为I级,对应高度疑似真警;
若一个点型火灾探测器检测到火灾信号且一个电气火灾探测器也检测到火灾信号;或一个视频火灾探测器且一个电气火灾探测器也检测到火灾信号;则等级为II级,对应中度疑似真警;
若一个点型火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;或,一个视频火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;则等级为III级,对应高风险警情;
若一个电气火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;或,两个电气火灾探测器检测到火灾信号,则等级为IV级,对应中风险警情。
S21,通过发送报警信号的探测器所在的位置获知理论火源位置θ;
S22,通过探测器所在的建筑物,获取与该建筑物相对应的建筑结构微元;
S23,假定建筑结构微元中任意两个位置的探测器接收到理论火源位置θ处的火源信息而发送报警信号,该两个位置的探测器发送报警信号的时间间隔记为Δt;建筑结构微元中的探测器的位置与建筑物中的探测器的位置相对应;
S24,通过θ和Δt,获取建筑物中理论火源位置θ处对应的火灾概率密度函数关于Δt的边缘概率密度函数;
S25,建立边缘概率密度函数的贝叶斯估计;
S26,通过贝叶斯估计建立火灾概率似然函数;
进一步优选的,步骤S26中的火灾概率似然函数y:
式中,Δt′为Δt′l对应的参量,将Δt划分为n份,Δti为n份中的第i份对应的时刻,Δti-1为n份中的第i-1份对应的时刻,p(θ)为理论火源位置θ发生火灾的先验概率,f(Δt|θ)为火灾概率密度函数f(Δt,θ)关于Δt的边缘概率密度函数,为Δt取时的误差分布函数;
将理论火源位置θ投影到建筑物于其所在水平面所构成的矩形,该矩形任意一个宽边记为L,以宽边L为起点沿矩形长度方向等间距划分网格,θj为第j个网格的中心与宽边L之间的距离,f(θj)为f(Δt,θ)关于Δt的边缘积分,f(Δt|θj)为当f(Δt|θ)中的θ取θj时的函数。
式中,σ为常数。
进一步,报警信号的数量记为N,N和kmax满足如下关系式:
kmax=N-1。
进一步,δmin的值为0.1。
进一步优选的,步骤S21的具体过程如下:
标记探测器,探测器的标记与探测器在建筑物内的位置相对应,通过发送报警信号的探测器的标记获取理论火源位置θ。
进一步,Δt′lmax的取值范围[60s,600s]。
本发明的有益效果如下:
(1)本发明依据火灾发生时火灾烟气在建筑物内的传播路径,获取安装在建筑物内的各个位置处的探测器检测到火灾信号(火灾烟气蔓延到该探测器处)的时间构成的时间差。通过多个探测器判断是否真的发生火灾,能够尽可能的降低火灾的误判。
(2)本发明采用理论时间差和对理论时间差修正之后时间差的作为获取相对误差的参数,能够提高依据相对误差获取到的报警信号真伪的准确度。
(3)本发明采用极大似然位置,不仅可以获知是否真的发生火灾,而且还可以推测火源的位置,方便消防人员后续救援。
(4)本发明中,相对误差中的理论报警时间差部分是基于极大似然位置得到的,从统计学角度反映了理论上某两个探测器产生报警信号时间差的最大可能性。
附图说明
图1为本发明的流程图;
图2为本发明的从硬件、算法、预报警机制三个层面实现火灾报警的过程图。
具体实施方式
以下结合实施例和说明书附图,对本发明中的技术方案进行清楚、完整地描述。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
一种融合式的消防物联网监测预警方法,如图1所示,包括如下步骤:
S1,获取极大似然位置对应的发出报警信号时间构成的理论时间差,极大似然位置为理论火源位置θ的极大似然位置,通过发出报警信号实际时间差Δtl′获取;理论火源位置θ通过报警信号获取;其中,Δtl′为极大似然迭代第l次时采集的报警信号的实际时间差。具体步骤如下:
S11,通过发送报警信号的探测器获知理论火源位置θ,即标记探测器,探测器的标记与探测器在建筑物内的位置相对应,通过发送报警信号的探测器的标记获取理论火源位置θ,例如:标记为A1的探测器位于建筑物的位置A处,当标记为A1的探测器发出报警信号,即可以获知火源位置在建筑物内位置A处。
S12,通过探测器所在的建筑物,获取与该建筑物相对应的建筑结构微元;建筑微元是一种模型,参考《建筑设计防火规范》(GB 50016-2014),建立与发出报警信号结构相同的建筑结构微元。
S13,假定建筑结构微元中探测器发送报警信号时间构成的时间差Δt,探测器在建筑结构微元中的位置与探测器在建筑物中的位置相对应;例如建筑物内位置S处的探测器发出报警信号,则假定的探测器在建筑结构微元的位置也是S。
S14,通过θ和Δt,获取建筑物中理论火源位置θ处对应的火灾概率密度函数关于Δt的边缘概率密度函数;
S15,建立边缘概率密度函数的贝叶斯估计;
S16,通过贝叶斯估计建立火灾概率似然函数y:
式中,Δt′为Δt′l对应的参量,将Δt划分为n份,Δti为n份中的第i份对应的时刻,Δti-1为n份中的第i-1份对应的时刻,p(θ)为理论火源位置θ发生火灾的先验概率,f(Δt|θ)为火灾概率密度函数f(Δt,θ)关于Δt的边缘概率密度函数,为Δt取时的误差分布函数;
将理论火源位置θ投影到建筑物于其所在水平面所构成的矩形,矩形的长为理论火源位置θ所在区域的长度,矩形的宽为理论火源位置θ所在区域的宽度,该矩形任意一个宽边记为L,以宽边L为起点沿矩形长度方向等间距划分网格,θj为第j个网格的中心与宽边L之间的距离,f(θj)为f(Δt,θ)关于Δt的边缘积分,f(Δt|θj)为当f(Δt|θ)中的θ取θj时的函数。
n为Δt等分的份数,Δti为Δt等分n份中的第i份末对应的时刻,Δti-1为Δt等分n份中的第i-1份末对应的时刻,例如两个探测器发出报警信号对应的理论时间差Δt为10秒,等分为5份,n的值为5,Δti的为第4秒末对应的时刻,Δti-1为第6秒末对应的时刻,p(θ)为理论火源位置θ发生火灾的先验概率,f(Δt|θ)为火灾概率密度函数f(Δt,θ)关于Δt的边缘概率密度函数,为时间差Δt取时的误差分布函数,θj为将θ等分之后的第j份所在的位置,f(θj)为f(Δt,θ)关于Δt的边缘积分,f(Δt|θj)为当f(Δt|θ)中的θ取θj时的函数,Δt′为Δtl′对应的参量,Δtl′为具体值,所有的Δtl′代表的具体值都可以用Δt′来统一表示。
S4,若δk≤δmin,则报警信号为真,即发生火灾,进行火灾处理,否则进行步骤S5;其中,δmin为常数,δmin的值为0.1。
S5,若Δtl′≤Δt′lmax且k≤kmax,则报警信号为真,进行火灾处理,否则进行步骤S6,其中kmax和Δt′lmax均为常数;报警信号的数量记为N,N和kmax满足如下关系式:
kmax=N-1
S6,通过警报***告知火灾处理单位,用于确定是否发生火灾。
本发明的物联网消防报警方法还可以用于划分建筑物发生严重程度的等级包括I级、II级、III级、IV级,I级、II级、III级、IV级对应火灾严重程度依次减小;
该消防物联网报警方法用于建筑物火灾报警,建筑物上安装有点型火灾探测器、视频火灾探测器、电气火灾探测器、燃气火灾探测器;
若两个点型火灾探测器检测到火灾信号;或,一个点型火灾探测器检测到火灾信号且一个视频火灾探测器也检测到火灾信号;或,两个视频火灾探测器检测到火灾信号;或两个燃气火灾探测器检测到火灾信号;则等级为I级;
若一个点型火灾探测器检测到火灾信号且一个电气火灾探测器也检测到火灾信号;或一个视频火灾探测器且一个电气火灾探测器也检测到火灾信号;则等级为II级;
若一个点型火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;或,一个视频火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;则等级为III级;
若一个电气火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;或,两个电气火灾探测器检测到火灾信号,则等级为IV级。
点型火灾探测器为海湾的JTY-GD-G3/G3T;燃气火灾探测器为海湾的JB-KR-GSTN004、视频火灾探测器为法安通的TT-H-FANT6091、电气火灾探测器为海湾的GST-DH9000。
下面具体说明本发明的原理:
针对传统火灾报警***(探测器)误报率较高的弊端,本文发明采用多点位探测器联动的方法获知建筑物内是否真的发生火灾(即通过多个探测器发出报警信号的时间差获知是否真的发生火灾),通过对硬件层面、算法层面与实际工作层面的合理设计,从而真正实现火灾早期预警同时降低误报率。基于该思路,本发明将包括硬件设计(各个探测器)、原理与算法(本发明的报警方法)、预报警机制三大部分,其特征如图2所示,具体包括以下内容:
硬件设计部分主要在硬件层面完成对火灾信号的探测、火灾参量的传输、处理与储存,并根据火灾参量处理结果指导后续火灾防控工作,而这一系列过程通过大数据平台完成的。根据这一思路,将硬件设计部分分为消防物联网大数据平台、火灾探测器、数据传输设备、数据处理设备、数据存储设备,考虑到火灾信号类型以及后续火灾防控工作的需要,将火灾探测器分为点型火灾探测器、燃气火灾探测器、视频火灾探测器、电气火灾探测器四种类型,其安装符合《火灾自动报警***设计规范》(GB 50116-2013),与火灾监测预警***的其他设备一同构成基于消防物联网的火灾监测预警的硬件***,如图2所示。
原理与算法部分主要从原理和算法层面提出不同场景火灾信号的处理方法以及判断火情的方法。为实现上述目的,首先提出建筑结构微元的概念,分别描述不同建筑结构下火灾信号的传递模式,并根据每种建筑结构的火灾信号传递特点构建火灾预报警模型。
当火灾探测器监测到实际的火灾信号,得到实际的火灾报警时间差Δt′,并据此对火灾概率密度函数进行贝叶斯估计:
式中:
f(Δt′|Δt)——反映报警时间差理论值与观测值之间的误差分布规律,近似服从正态分布:
Ui=(Δti-1,Δti],i=1,2,...,n
将每个区间概率密度函数线性处理:
当空间参数离散化处理,将建筑结构微元分为m个子空间,当火灾发生但未确定位置时,认为火源出现在各子空间的先验概率相等,即:
据此,建立每个时间区间概率密度关于报警时间差观测值Δt′的贝叶斯估计:
式中:
p(θ|Ui)——表示在时间区间Ui内,火源出现在θ的概率,表达为:
在考虑时间等分、空间等分的情况下,得到火灾概率关于火源位置的极大似然点:
实际情况,探测到火灾信号的传感器也许不止两个,每增加一个报警信号,都将通过迭代更新一系列参数,假设共由k+1个报警信号,则更新的参数包括:
Δt′=(Δt1′,Δt2′,...,Δtk′)
f(Δt|Δt′)=f(Δt|Δt1′,Δt2′,...,Δtk′)
fΔt(Ui|Δt′)=fΔt(Ui|Δt1′,Δt2′,...,Δtk′)
p(θ|Δt′)=p(θ|Δt1′,Δt2′,...,Δtk′)
随着报警信号数量的增加,火灾概率理论值更趋近真实值,火源理论位置也更接近实际情况。然而,报警信号数量的增加也意味着火情离灾变的时间节点更近,不利于火灾的早期防控。实际的防火工作需要有效结合其他辅助手段。
接下来,通过预警判别模型判断报警信号真伪,并为后续工作提供依据。预警判别模型包括火源位置确定、理论报警时间差计算、真假警判断三部分。在预警判别模型中,将火灾概率计算模型得到的火灾概率极大似然位置确定为疑似火源位置:
结合不同结构微元的火灾场模型,计算在该位置产生火源情况下的理论报警时间差:
式中:
p——结构微元类型,编号1、2、3、4、5;
Δtp——基于五种常见结构微元的报警时间差计算经验公式。
根据报警时间差估计值与观测值之间误差的大小来进行报警信号真伪的判断,并构造判断公式如下:
当δk≤0.1时,判断报警信号为真,同时启动预报警机制;
当δk>0.1时,判断报警信号为暂伪,需要接入下一个报警信号,并再次火灾预报警模型计算,根据计算结果作进一步判断。
考虑到实际火灾防控工作的紧迫性,应根据尽可能少的火灾预报警信号,在火灾预报警模型的基础上,结合科学的火灾预报警机制,对火情作出尽可能精准的判断。这就要求除了分析报警时间误差δk外,还应考虑单次报警时间差Δt′l的上限以及火灾预报警模型的最大迭代次数kmax,而它们受到火灾场景及探测器工作方式的影响。因此需要建立一套火灾预报警机制,以实现火灾原理与算法的科学性与火灾实际防控工作紧迫性的结合。
预报警机制部分主要结合硬件部分、原理与算法部分提供的火灾预报警方法以及火灾防控工作的实际需求来制定本发明所涉及的预报警流程与分级预报警响应规则:预报警流程从硬件层面、算法层面以及预报警机制层面分析探测器报警信号接入→火灾预报警模型计算→预报警信息处置的实现过程。其中,预报警信息处置包括单探测器智能语音核警、多探测器联动核警与分级响应两大类处置方式。分级预报警响应规则部分,结合火灾探测器的实际种类及布置制定多探测器联动预报警规则,按点型火灾探测器、燃气火灾探测器、视频火灾探测器、电气火灾探测器四种实际使用的火灾探测器两两组合的形式建立16种联动报警规则。并根据探测器的联动类型划分预报警等级,分别为高度疑似真警、中度疑似真警、高风险警情、中风险警情,每种探测器联动规则一一对应于上述四种预报警等级(I级、II级、III级、IV级)。最后,结合火灾概率计算模型、不同结构微元下的场模型,同时考虑火灾实际防控工作的紧迫性,合理设置每种结构微元以及每种报警联动规则下的预报警参数组,具体包括单次报警时间差上限Δt′lmax以及火灾预报警模型的最大迭代次数kmax,共计列出80种情况下的预报警参数组阈值。由此形成了在考虑单次报警时间差上限Δt′lmax以及最大迭代次数kmax情况下的火灾预报警规则,当启动预报警机制即δk≤0.1时,Δt′l或k超过上限时,不再进行火灾预报警模型计算,采用智能语音核警的形式核查警情的真伪,具体包含以下情况:
根据预报警信息核实的结果进行警情处置,包括警情分级处置和解除报警两种处置模式。由此完成预报警机制部分设计。
实施例
本发明的方法包含硬件部分、原理与算法部分、预报警机制部分,基于该设计,从硬件、算法、预报警机制三个层面实现火灾预报警同时降低误报。下面进行具体的阐述:
在消防物联网大数据平台的基础上建立火灾预报警***。该平台可接入各类火灾探测器接收的火灾信号,通过数据传输设备将监测的火灾参量实时上传至大数据平台,利用平台内置的数据处理设备完成火灾信号处理,处理结果一方面通过数据传输设备反馈至相关部门,同时利用数据存储设备存储必要数据,为火灾预报警算法的改进和日常防火工作提供数据支持。
当火灾发生或邻近发生时,布置在前端的火灾探测器感应到火灾信号,具体包括点型火灾探测器、燃气火灾探测器、视频火灾探测器、电气火灾探测器四种基本类型的火灾探测器。当接收到探测器报警信号后立即进入处置阶段。由于火灾探测器在安装的时候均有位置标记,因此可立刻查询报警探测器所在的建筑结构微元,具体包括腔室、横向狭长结构、竖向狭长结构、腔室-腔室、腔室-横向狭长结构、腔室-竖向狭长结构共计六种基本的结构微元类型。在确定结构微元后,即可启动火灾预报警模型,通过构建火灾场模型计算出火灾探测器报警时间以及报警时间差的理论值,按火灾中羽流的传递方式,共包含了五种基本的场模型,具体指腔室火灾场模型、横向狭长结构火灾场模型、竖向狭长结构火灾场模型、腔室-腔室火灾场模型、腔室-竖向狭长结构火灾场模型、腔室-横向狭长结构火灾场模型。为了确保报警时间差以及火源位置的准确性,采用火灾概率计算模型对报警时间和位置进行修正,通过火灾概率分布函数建立火灾概率与报警时间差、空间位置的关系,在有多个报警信号产生后,根据报警时间差的观测值对火灾概率密度进行贝叶斯估计,考虑到数据处理设备实际的工作效率,采用离散化的数据处理方式,将报警时间差、空间进行离散化处理,并构建火灾发生概率关于空间位置的似然函数,进行极大似然估计,并返回极大似然点。考虑到火灾实际防控工作的紧迫性,火灾概率计算模型仅完成有限次迭代,认为最后返回的极大似然点即为火源位置的估计值,利用预警判断模型,确定火源位置,结合火灾场模型计算出基于火源估计位置的报警时间估计值,并与报警时间观测值比较,以判断报警信号的真伪。
当δk≤0.1时,判断报警信号为真,同时启动预报警机制;当δk>0.1时,判断报警信号为暂伪,需要接入下一个报警信号,并再次火灾预报警模型计算,根据计算结果作进一步判断。
预报警机制启动后,根据多个报警探测器类型确定的探测器联动报警规则,确定预报警等级,包括高度疑似真警、中度疑似真警、高风险警情、中风险警情四类预报警等级,将实际报警时间差Δtl′与模型迭代次数k组成的参数组与同情景下的预报警参数组阈值进行对比,并按如下规则确定报警信号真伪:
根据预报警信息核实的结果采取警情分级处置或解除报警的警情处置措施。
Claims (10)
1.一种融合式的消防物联网监测预警方法,其特征在于,包括如下步骤:
S1,通过发出报警信号的探测器获取理论火源位置θ;其中,探测器用于采集火灾信号;
S6,若δk≤δmin,则报警信号为真,即发生火灾,进行火灾处理,否则进行步骤S7;其中,δmin为常数;
S7,若Δtl′≤Δt′lmax且k≤kmax,则报警信号为真,进行火灾处理,否则进行步骤S8,其中kmax和Δt′lmax均为常数;
S8,通过警报***告知火灾处理单位,用于确定是否发生火灾。
2.如权利要求1所述的融合式的消防物联网监测预警方法,其特征在于,该消防物联网报警方法还包括划分火灾的严重程度,发生火灾概率的等级包括I级、II级、III级、IV级;
该消防物联网报警方法用于建筑物火灾报警,建筑物上安装有点型火灾探测器、视频火灾探测器、电气火灾探测器、燃气火灾探测器;
若两个点型火灾探测器检测到火灾信号;或,一个点型火灾探测器检测到火灾信号且一个视频火灾探测器也检测到火灾信号;或,两个视频火灾探测器检测到火灾信号;或两个燃气火灾探测器检测到火灾信号;则等级为I级,对应高度疑似真警;
若一个点型火灾探测器检测到火灾信号且一个电气火灾探测器也检测到火灾信号;或一个视频火灾探测器且一个电气火灾探测器也检测到火灾信号;则等级为II级,对应中度疑似真警;
若一个点型火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;或,一个视频火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;则等级为III级,对应高风险警情;
若一个电气火灾探测器检测到火灾信号且一个燃气火灾探测器也检测到火灾信号;或,两个电气火灾探测器检测到火灾信号,则等级为IV级,对应中风险警情。
S21,通过发送报警信号的探测器所在的位置获知理论火源位置θ;
S22,通过探测器所在的建筑物,获取与该建筑物相对应的建筑结构微元;
S23,假定建筑结构微元中任意两个位置的探测器接收到理论火源位置θ处的火源信息而发送报警信号,该两个位置的探测器发送报警信号的时间间隔记为Δt;建筑结构微元中的探测器的位置与建筑物中的探测器的位置相对应;
S24,通过θ和Δt,获取建筑物中理论火源位置θ处对应的火灾概率密度函数关于Δt的边缘概率密度函数;
S25,建立边缘概率密度函数的贝叶斯估计;
S26,通过贝叶斯估计建立火灾概率似然函数;
4.如权利要求3所述的融合式的消防物联网监测预警方法,其特征在于,步骤S26中的火灾概率似然函数y:
式中,Δt′为Δt′l对应的参量,将Δt划分为n份,Δti为n份中的第i份对应的时刻,Δti-1为n份中的第i-1份对应的时刻,p(θ)为理论火源位置θ发生火灾的先验概率,f(Δt|θ)为火灾概率密度函数f(Δt,θ)关于Δt的边缘概率密度函数,为Δt取时的误差分布函数;
将理论火源位置θ投影到建筑物于其所在水平面所构成的矩形,该矩形任意一个宽边记为L,以宽边L为起点沿矩形长度方向等间距划分网格,θj为第j个网格的中心与宽边L之间的距离,f(θj)为f(Δt,θ)关于Δt的边缘积分,f(Δt|θj)为当f(Δt|θ)中的θ取θj时的函数。
7.如权利要求1所述的融合式的消防物联网监测预警方法,其特征在于,报警信号的数量记为N,N和kmax满足如下关系式:
kmax=N-1。
8.如权利要求1所述的融合式的消防物联网监测预警方法,其特征在于:δmin的值为0.1。
9.如权利要求3所述的融合式的消防物联网监测预警方法,其特征在于,步骤S21的具体过程如下:
标记探测器,探测器的标记与探测器在建筑物内的位置相对应,通过发送报警信号的探测器的标记获取理论火源位置θ。
10.如权利要求1所述的融合式的消防物联网监测预警方法,其特征在于:Δt′lmax的取值范围[60s,600s]。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110393906.4A CN113205669B (zh) | 2021-04-13 | 2021-04-13 | 一种融合式的消防物联网监测预警方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110393906.4A CN113205669B (zh) | 2021-04-13 | 2021-04-13 | 一种融合式的消防物联网监测预警方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113205669A CN113205669A (zh) | 2021-08-03 |
CN113205669B true CN113205669B (zh) | 2022-07-19 |
Family
ID=77026714
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110393906.4A Active CN113205669B (zh) | 2021-04-13 | 2021-04-13 | 一种融合式的消防物联网监测预警方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113205669B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113741258B (zh) * | 2021-08-25 | 2023-01-13 | 浙江省交通投资集团有限公司智慧交通研究分公司 | 基于物联网的轨道交通车站火灾监控***及其优化方法 |
CN114333225A (zh) * | 2021-12-08 | 2022-04-12 | 江苏昂内斯电力科技股份有限公司 | 一种家庭电气、燃气、火灾报警联动控制***及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013257847A (ja) * | 2012-06-14 | 2013-12-26 | New Cosmos Electric Corp | 警報音の発信方法 |
CN105741474A (zh) * | 2016-04-11 | 2016-07-06 | 泉州师范学院 | 一种基于多传感器的火灾预警方法 |
CN105956664A (zh) * | 2016-04-27 | 2016-09-21 | 浙江大学 | 一种河流点源突发污染事故溯源方法 |
CN110097727A (zh) * | 2019-04-30 | 2019-08-06 | 暨南大学 | 基于模糊贝叶斯网络的森林火灾预警方法及*** |
CN112258362A (zh) * | 2020-09-27 | 2021-01-22 | 汉威科技集团股份有限公司 | 危险源识别方法、***及可读存储介质 |
CN112347208A (zh) * | 2020-10-20 | 2021-02-09 | 燕山大学 | 一种基于分布式传感网络的多目标检测与跟踪方法 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107798811B (zh) * | 2017-10-26 | 2019-07-16 | 上海腾盛智能安全科技股份有限公司 | 一种隧道火灾监测器、监测***及监测方法 |
-
2021
- 2021-04-13 CN CN202110393906.4A patent/CN113205669B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2013257847A (ja) * | 2012-06-14 | 2013-12-26 | New Cosmos Electric Corp | 警報音の発信方法 |
CN105741474A (zh) * | 2016-04-11 | 2016-07-06 | 泉州师范学院 | 一种基于多传感器的火灾预警方法 |
CN105956664A (zh) * | 2016-04-27 | 2016-09-21 | 浙江大学 | 一种河流点源突发污染事故溯源方法 |
CN110097727A (zh) * | 2019-04-30 | 2019-08-06 | 暨南大学 | 基于模糊贝叶斯网络的森林火灾预警方法及*** |
CN112258362A (zh) * | 2020-09-27 | 2021-01-22 | 汉威科技集团股份有限公司 | 危险源识别方法、***及可读存储介质 |
CN112347208A (zh) * | 2020-10-20 | 2021-02-09 | 燕山大学 | 一种基于分布式传感网络的多目标检测与跟踪方法 |
Non-Patent Citations (1)
Title |
---|
基于贝叶斯估计的多探测器火警判定方法研究;刘罡等;《中国安全生产科学技术》;20210131;第17卷(第1期);第12-18页 * |
Also Published As
Publication number | Publication date |
---|---|
CN113205669A (zh) | 2021-08-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113205669B (zh) | 一种融合式的消防物联网监测预警方法 | |
CN113990018B (zh) | 一种安全风险预测*** | |
US20150009031A1 (en) | Multilayer perimeter instrusion detection system for multi-processor sensing | |
KR102322427B1 (ko) | 빅데이터 기반의 건축물 화재 예방 대응 시스템 | |
KR102220328B1 (ko) | 건축물 화재의 피해 예측 시스템 및 방법 | |
CN113129569B (zh) | 一种融合式的消防物联网监测预警信号识别方法 | |
US10271016B2 (en) | Integrated monitoring CCTV, abnormality detection apparatus, and method for operating the apparatus | |
CN114435172B (zh) | 一种自动管理的新能源汽车智能充电桩及智能充电方法 | |
CN108650139A (zh) | 一种电力通信网络监测*** | |
CN111986436B (zh) | 一种基于紫外、深度神经网络的综合火焰检测方法 | |
CN107331090A (zh) | 一种室内火警疏散方法 | |
CN111369761A (zh) | 一种预警范围确定方法、装置、设备及*** | |
CN103033648B (zh) | 一种风传感器输出数据有效性检测方法 | |
CN113393665A (zh) | 一种在不确定时变路网下的危险品运输路径规划方法 | |
Sekkas et al. | A multi-level data fusion approach for early fire detection | |
CN117495113B (zh) | 建筑消防安全评估方法、设备和介质 | |
CN107063168B (zh) | 建筑形变监测及倒塌预警*** | |
CN106096104A (zh) | 一种考虑多因素的炼油装置气体检测报警仪选址布置方法 | |
CN113222221A (zh) | 公共安全风险预警***和方法 | |
Ateeq et al. | Wireless Sensor Networks using image processing for fire detection | |
CN116204784B (zh) | 一种基于das的地铁隧道外部危害作业入侵识别方法 | |
JP2001144669A (ja) | 音源位置検出システム | |
CN112672299B (zh) | 一种基于多源异构信息融合的传感器数据可信度评估方法 | |
GB2608639A (en) | Threat assessment system | |
KR102042160B1 (ko) | 레이저 거리 측정기 및 이를 이용한 재난 경보 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |