CN114582083B - 一种隧道监控多传感器数据融合火灾预警方法 - Google Patents

一种隧道监控多传感器数据融合火灾预警方法 Download PDF

Info

Publication number
CN114582083B
CN114582083B CN202210041690.XA CN202210041690A CN114582083B CN 114582083 B CN114582083 B CN 114582083B CN 202210041690 A CN202210041690 A CN 202210041690A CN 114582083 B CN114582083 B CN 114582083B
Authority
CN
China
Prior art keywords
data
fire
stage
model
tunnel
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
Application number
CN202210041690.XA
Other languages
English (en)
Other versions
CN114582083A (zh
Inventor
冷朝霞
刘庆丰
常晓军
张晓珂
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xian University of Technology
Original Assignee
Xian University of Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xian University of Technology filed Critical Xian University of Technology
Priority to CN202210041690.XA priority Critical patent/CN114582083B/zh
Publication of CN114582083A publication Critical patent/CN114582083A/zh
Application granted granted Critical
Publication of CN114582083B publication Critical patent/CN114582083B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • 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
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
    • Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Emergency Management (AREA)
  • Artificial Intelligence (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Business, Economics & Management (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Analytical Chemistry (AREA)
  • Chemical & Material Sciences (AREA)
  • Fire Alarms (AREA)
  • Fire-Detection Mechanisms (AREA)

Abstract

本发明公开了一种隧道监控多传感器数据融合火灾预警方法，对隧道火灾发生前后三个阶段的三种历史数据进行归一化处理，建立九个神经网络数据关系模型，采集当下隧道内温度、一氧化碳浓度和二氧化碳浓度，归一化处理后，每两种数据作为一组输入，分别输入到每个阶段的三个模型中，得到每个模型的输出值，将输出值与每组输入数据对应的第三种数据进行对比，若第三种数据大于模型的输出，则设定火灾事件进程概率为1/3，否则为0，统计每个阶段的火灾事件进程概率总和，若火灾发生报警阶段或火灾预警阶段事件概率总和大于1/3，进行火灾报警，否则不报警，如果安全阶段事件概率总和大于1/3，进行火灾预警，否则不进行火灾预警。

Description

一种隧道监控多传感器数据融合火灾预警方法
技术领域
本发明属于信息融合技术领域，涉及一种隧道监控多传感器数据融合火灾预警方法。
背景技术
交通运输是现在社会经济发展的重要保障，而隧道在交通中扮演着不可忽视的角色。但隧道是一个半封闭的行车通道，能见度有限，而且内部存在着汽车排出的大量废气，其中包含了许多有害气体，严重污染了隧道内的空气质量，也严重影响隧道内的能见度，因此在隧道内发生事故的概率明显高于城市道路的其他路段，且由于隧道环境的特殊性，极易出现二次事故现象，因此对隧道情况进行及时的监测和处理具有重要意义。
隧道火灾监控***一般对隧道内的温度、CO浓度、烟雾浓度进行监控，近几年来监控***中采用的是多传感器数据融合技术，将现场采集的各类数据信息进行融合，最终产生一个对被测目标的综合评估。
目前，基于多传感器数据融合技术的隧道火灾监控***的研究主要是火灾监测报警，采用一些非线性***的数据融合方法及智能算法，对温度、气体浓度及烟雾浓度等监测数据进行数据融合处理，根据数据处理结果对是否已经发生火灾进行报警处理，因此这一类研究只是有助于提高对隧道内已发生火灾的救援速度，但不能提前预警，无法指导对可能存在的火灾危险采取有效措施进行解除。
发明内容
本发明的目的是提供一种隧道监控多传感器数据融合火灾预警方法，解决了现有隧道火灾监控***不能对存在的隧道火灾隐患进行及时预警，有效解除隐患避免火灾发生的问题。
本发明所采用的技术方案是，一种隧道监控多传感器数据融合火灾预警方法，包括以下步骤：
步骤1，获取隧道火灾发生前后三个阶段的三种历史数据，三个阶段为安全阶段、火灾预警阶段和火灾发生报警阶段，三种历史数据为隧道内温度、一氧化碳浓度和二氧化碳浓度；
步骤2，分别对三个阶段的三种历史数据进行归一化处理，利用每个阶段归一化处理后的三种历史数据建立三个神经网络数据关系模型，每个模型表示本阶段内任意两种数据与第三种数据的关系；
步骤3，采集当下隧道内温度、一氧化碳浓度和二氧化碳浓度，对采集的数据进行归一化处理，然后每两种数据作为一组输入，分别输入到每个阶段的三个神经网络数据关系模型中，得到每个模型的输出值；
步骤4，将每个模型的输出值与每组输入数据对应的第三种数据进行对比，如果第三种数据大于模型的输出，则该组数据不满足该神经网络数据关系模型，设定火灾事件进程概率为1/3，否则设定火灾事件进程概率为0；
步骤5，统计每阶段三个神经网络数据关系模型测试的火灾事件进程概率总和，如果火灾发生报警阶段或火灾预警阶段事件概率总和大于1/3，进行火灾报警，否则不进行火灾报警，如果安全阶段事件概率总和大于1/3，进行火灾预警，否则不进行火灾预警。
步骤2中，对三个阶段的三种历史数据进行归一化处理的方法为
Figure BDA0003470434750000031
式中，x表示三个阶段中任意一种历史数据，xmin表示x对应阶段对应历史数据种类中的最小值，xmax表示x对应阶段对应历史数据种类中的最大值。
采集到的当下隧道内的温度、一氧化碳浓度和二氧化碳浓度也按照式(1)进行归一化处理，此时x表示采集到的任意一种数据，xmin和xmax不变。
每个神经网络数据关系模型包括一个输入层、一个输出层和一个隐含层，输入层用于接收两个数据输入，输出层用于输出为第三个数据。
神经网络数据关系模型中，模型第一层的两个输入数据是温度和一氧化碳浓度时，模型第三层输出的第三个数据为二氧化碳浓度，当模型第一层的两个输入数据是一氧化碳浓度和二氧化碳浓度时，模型第三层输出的第三个数据为温度，模型第一层的两个输入数据是温度和二氧化碳浓度，模型第三层输出的第三个数据为一氧化碳浓度。
采用温度传感器采集当下隧道内温度，采用一氧化碳传感器采集当下隧道内一氧化碳浓度，采用二氧化碳传感器采集当下隧道内二氧化碳浓度。
本发明的有益效果是，利用三层神经网络建立隧道多传感器数据在火灾进程不同阶段的关系模型，通过建立的三层神经网络数据关系模型对采集到的多传感器数据进行关系判断，根据判断结果进行不同阶段火灾事件进程概率统计，安全阶段的事件概率统计，使隧道监控***具备了隧道火灾预警功能，提升了隧道监控***对隧道火灾报警的准确性。
附图说明
图1是本发明实施例中隧道火灾发生前后三个阶段内的温度变化曲线图；
图2是本发明实施例中隧道火灾发生前后三个阶段内的一氧化碳浓度变化曲线图；
图3是本发明实施例中隧道火灾发生前后三个阶段内的二氧化碳浓度变化曲线图；
图4是本发明实施例中安全阶段内各数据归一化处理后获得的三种数据变化曲线图；
图5是本发明实施例中火灾预警阶段内各数据归一化处理后获得的三种数据变化曲线图；
图6是本发明实施例中火灾发生报警阶段内各数据归一化处理后获得的三种数据变化曲线图；
图7是本发明中神经网络数据关系模型的结构图。
具体实施方式
下面结合附图和具体实施方式对本发明进行详细说明。
本发明一种隧道监控多传感器数据融合火灾预警方法，包括以下步骤：
步骤1，获取隧道火灾发生前后三个阶段的三种历史数据，三个阶段为安全阶段、火灾预警阶段和火灾发生报警阶段，三种历史数据为隧道内温度、一氧化碳浓度和二氧化碳浓度，这三种历史数据如图1-3所示；
步骤2，分别在图1-3中每个阶段选取相同时间点对应的三种历史数据，对选取的三个阶段的三种历史数据进行归一化处理，数据归一化处理的方法为：
Figure BDA0003470434750000051
式中，x表示三个阶段中任意一种历史数据，xmin表示x对应阶段对应历史数据种类中的最小值，xmax表示x对应阶段对应历史数据种类中的最大值。
图4是分别在图1-3的安全阶段内按照相同时间点选取的10个数据进行归一化处理后，获得的安全阶段内三种数据的变化曲线图，图5是分别在图1-3的火灾预警阶段内按照相同时间点选取的10个数据进行归一化处理后，获得的火灾预警阶段内三种数据的变化曲线图，图6是分别在图1-3的火灾发生报警阶段内按照相同时间点选取的10个数据进行归一化处理后，获得的火灾发生报警阶段内三种数据的变化曲线图；
利用每个阶段归一化处理后的三种历史数据建立三个神经网络数据关系模型，每个神经网络数据关系模型包括一个输入层、一个输出层和一个隐含层(即每个神经网络数据关系模型均为一个三层神经网络数据关系模型)，输入层用于接收两个数据输入，输出层用于输出为第三个数据，每个模型表示本阶段内任意两种数据与第三种数据的关系，参见图7。
神经网络数据关系模型中，模型第一层的两个输入数据是温度和一氧化碳浓度时，模型第三层输出的第三个数据为二氧化碳浓度，当模型第一层的两个输入数据是一氧化碳浓度和二氧化碳浓度时，模型第三层输出的第三个数据为温度，模型第一层的两个输入数据是温度和二氧化碳浓度，模型第三层输出的第三个数据为一氧化碳浓度。
即分别利用图4、图5和图6中的数据作为每个阶段三个神经网络的训练数据，可分别建立安全阶段内的三个神经网络数据关系模型、火灾预警阶段内的三个神经网络数据关系模型和火灾发生报警阶段内的三个神经网络数据关系模型，即总共可建立九个神经网络数据关系模型。
步骤3，采用温度传感器采集当下隧道内温度，采用一氧化碳传感器采集当下隧道内一氧化碳浓度，采用二氧化碳传感器采集当下隧道内二氧化碳浓度，按照式(1)对采集的数据进行归一化处理，此时式(1)中的x表示采集到的任意一种数据，xmin和xmax不变，然后每两种数据作为一组输入，分别输入到每个阶段的三个神经网络数据关系模型中，得到每个模型的输出值，最后得到九个模型的输出值；
步骤4，将每个模型的输出值与每组输入数据对应的第三种数据进行对比，如果所述第三种数据大于模型的输出，则该组数据不满足该神经网络数据关系模型，设定火灾事件进程概率为1/3，否则设定火灾事件进程概率为0；
步骤5，统计每个阶段三个神经网络数据关系模型测试的火灾事件进程概率总和，如果火灾发生报警阶段或火灾预警阶段事件概率总和大于1/3，进行火灾报警，否则不进行火灾报警，如果安全阶段事件概率总和大于1/3，进行火灾预警，否则不进行火灾预警。

Claims (5)

1.一种隧道监控多传感器数据融合火灾预警方法，其特征在于，包括以下步骤：
步骤1，获取隧道火灾发生前后三个阶段的三种历史数据，三个阶段为安全阶段、火灾预警阶段和火灾发生报警阶段，三种历史数据为隧道内温度、一氧化碳浓度和二氧化碳浓度；
步骤2，分别对三个阶段的三种历史数据进行归一化处理，利用每个阶段归一化处理后的三种历史数据建立三个神经网络数据关系模型，每个模型表示本阶段内任意两种数据与第三种数据的关系；
步骤3，采集当下隧道内温度、一氧化碳浓度和二氧化碳浓度，对采集的数据进行归一化处理，然后每两种数据作为一组输入，分别输入到每个阶段的三个神经网络数据关系模型中，得到每个模型的输出值；
步骤4，将每个模型的输出值与每组输入数据对应的第三种数据进行对比，如果所述第三种数据大于模型的输出，则该组数据不满足所述神经网络数据关系模型，设定火灾事件进程概率为1/3，否则设定火灾事件进程概率为0；
步骤5，统计每阶段三个神经网络数据关系模型测试的火灾事件进程概率总和，如果火灾发生报警阶段或火灾预警阶段事件概率总和大于1/3，进行火灾报警，否则不进行火灾报警，如果安全阶段事件概率总和大于1/3，进行火灾预警，否则不进行火灾预警。
2.根据权利要求1所述的一种隧道监控多传感器数据融合火灾预警方法，其特征在于，所述步骤2中，对三个阶段的三种历史数据进行归一化处理的方法为
Figure FDA0003470434740000021
式中，x表示三个阶段中任意一种历史数据，xmin表示x对应阶段对应历史数据种类中的最小值，xmax表示x对应阶段对应历史数据种类中的最大值。
3.根据权利要求1所述的一种隧道监控多传感器数据融合火灾预警方法，其特征在于，每个所述神经网络数据关系模型包括一个输入层、一个输出层和一个隐含层，输入层用于接收两个数据输入，输出层用于输出为第三个数据。
4.根据权利要求3所述的一种隧道监控多传感器数据融合火灾预警方法，其特征在于，所述神经网络数据关系模型中，模型第一层的两个输入数据是温度和一氧化碳浓度时，模型输出的第三个数据为二氧化碳浓度，当模型第一层的两个输入数据是一氧化碳浓度和二氧化碳浓度时，模型输出的第三个数据为温度，模型第一层的两个输入数据是温度和二氧化碳浓度，模型输出的第三个数据为一氧化碳浓度。
5.根据权利要求1所述的一种隧道监控多传感器数据融合火灾预警方法，采用温度传感器采集当下隧道内温度，采用一氧化碳传感器采集当下隧道内一氧化碳浓度，采用二氧化碳传感器采集当下隧道内二氧化碳浓度。
CN202210041690.XA 2022-01-14 2022-01-14 一种隧道监控多传感器数据融合火灾预警方法 Active CN114582083B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210041690.XA CN114582083B (zh) 2022-01-14 2022-01-14 一种隧道监控多传感器数据融合火灾预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210041690.XA CN114582083B (zh) 2022-01-14 2022-01-14 一种隧道监控多传感器数据融合火灾预警方法

Publications (2)

Publication Number Publication Date
CN114582083A CN114582083A (zh) 2022-06-03
CN114582083B true CN114582083B (zh) 2023-06-30

Family

ID=81771198

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210041690.XA Active CN114582083B (zh) 2022-01-14 2022-01-14 一种隧道监控多传感器数据融合火灾预警方法

Country Status (1)

Country Link
CN (1) CN114582083B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115248873B (zh) * 2022-09-22 2022-12-06 国网山西省电力公司太原供电公司 一种基于数据融合的电缆隧道安全监测方法及***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136893A (zh) * 2013-01-24 2013-06-05 浙江工业大学 基于多传感器数据融合技术的隧道火灾预警控制方法及其***
CN111627181A (zh) * 2020-06-28 2020-09-04 四川旷谷信息工程有限公司 融合多源参数及其梯度信息的综合管廊火灾预警方法
CN112002095A (zh) * 2020-07-14 2020-11-27 中国人民解放军63653部队 一种矿山洞内的火灾预警方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108538038A (zh) * 2018-05-31 2018-09-14 京东方科技集团股份有限公司 火灾告警方法和装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103136893A (zh) * 2013-01-24 2013-06-05 浙江工业大学 基于多传感器数据融合技术的隧道火灾预警控制方法及其***
CN111627181A (zh) * 2020-06-28 2020-09-04 四川旷谷信息工程有限公司 融合多源参数及其梯度信息的综合管廊火灾预警方法
CN112002095A (zh) * 2020-07-14 2020-11-27 中国人民解放军63653部队 一种矿山洞内的火灾预警方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
基于信息融合技术的隧道火灾监控***;吴会琴;;电气时代(第02期);全文 *

Also Published As

Publication number Publication date
CN114582083A (zh) 2022-06-03

Similar Documents

Publication Publication Date Title
CN111721209A (zh) 一种基于大数据的道路隧道工程安全实时监测管理***
CN111914687B (zh) 一种基于车联网主动识别事故的方法
CN102622885B (zh) 检测交通事件的方法和装置
CN114582083B (zh) 一种隧道监控多传感器数据融合火灾预警方法
CN114863675B (zh) 基于路警数据融合的重点车辆位置推测与异常报警方法
CN116105802B (zh) 一种基于物联网的地下设施安全监测预警方法
CN117630319B (zh) 一种基于大数据的水质监测预警方法及***
CN110619457A (zh) 一种基于安全态势评估的监测传感器布设方法及***
CN113761728A (zh) 基于车联网平台的机场电动特种车辆故障预警方法
CN110942221A (zh) 一种基于物联网的变电站故障快速修复方法
CN115358647A (zh) 基于大数据的氢能产业链风险监测***及监测方法
CN115631625A (zh) 一种基于大数据平台的智慧矿山管控***
CN115358586A (zh) 一种监测盾构工程关键风险点辅助决策方法及***
CN104200599A (zh) 公交车多传感器火灾检测方法
CN108536980B (zh) 一种考虑可靠性因素的气体探测器离散选址优化方法
CN117764507A (zh) 基于多平台的工业安全管理***
CN116993166A (zh) 一种园区安全风险监测方法
CN104598970A (zh) 一种爬架组的工作状态检测方法
CN110060370B (zh) 车辆急加速急减速次数等效统计方法
CN107146415A (zh) 一种交通事件检测与定位方法
CN116026418A (zh) 一种用于石油化工的碳排放核查在线监测***
CN115564626A (zh) 煤矿瓦斯煤尘***事故调查决策支持***、方法及应用
CN113888866B (zh) 一种具有多级预警功能的道路车辆管理***
CN111780809B (zh) 轨道车辆零部件温度和振动监测预警方法及其***
CN114897084A (zh) 一种基于图卷积神经网络的塔式起重机结构安全监测方法

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