专利名称：火灾识别方法和系统的制作方法
技术领域：
本发明涉及火灾识别技术领域。
背景技术：
在火灾的燃烧过程中产生的气体、气溶胶、烟雾、火焰和大量热量，统称为火灾參量。通过对火灾參量的測定可用来识别和探測是否发生火灾。目前的火灾识别和探测技术由于光照条件、气流变化、场地环境和移动物体等因素的影响，存在一定的弊端，例如误报率高和可靠性低。无火灾环境下出现误报警的原因是复杂的，可能是硬件的损坏，也可能是环境条件的变化和虚假的干扰等。并且，由于火灾探測器(包括感温、感烟、感光等)一般通过简单的阈值判断和趋势算法对探测信号进行处理，随着传感器安装数量的增多，漏报概率将大大増加。在火灾过程中，可燃物的性质、火源功率、探测空间大小和探测环境都直接 影响探测空间温度、烟雾浓度的大小和变化量。所以在火灾探测器采用简单阈值判断和趋势算法来识别火灾时，如阈值设置过低则导致误报率高，如阈值设置过高则导致灵敏度低，漏报的情况随之増加。因此，迫切需要提供ー种火灾识别方法，解决目前所存在的误报率和漏报率过高以及可靠性和灵敏度过低的问题。
发明内容
基于此，本发明提供了ー种火灾识别方法和ー种火灾识别系统。ー种火灾识别方法，包括以下步骤建立用于识别是否发生火灾的火灾识别数学模型，其中，所述火灾识别数学模型的输入參数包括烟雾浓度，输出參数包括火灾识别结果；通过若干个探测器采集探測区域内的烟雾浓度值；将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入參数值，井根据其输出參数值获取火灾识别结果；如果所述火灾识别结果为发生火灾，则输出报警信号。与一般技术相比，本发明火灾识别方法建立用于识别是否发生火灾的火灾识别数学模型，以探测器收集的探測区域内的烟雾浓度信息作为火灾识别数学模型的输入信息，获取火灾识别結果。区别于传统的阈值算法和趋势算法，通过建立的火灾识别数学模型，可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。本发明使火灾识别更加智能化，抗干扰能力强，克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。—种火灾识别系统，包括模型建立模块、米集模块、识别模块和报警模块；所述模型建立模块，用于建立用于识别是否发生火灾的火灾识别数学模型，其中，所述火灾识别数学模型的输入參数包括烟雾浓度，输出參数包括火灾识别結果；所述采集模块，用于通过若干个探测器采集探測区域内的烟雾浓度值；所述识别模块，用于将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入參数值，井根据其输出參数值获取火灾识别结果；
所述报警模块，用于当所述火灾识别结果为发生火灾时，输出报警信号。与一般技术相比，本发明火灾识别系统建立用于识别是否发生火灾的火灾识别数学模型，以探测器收集的探測区域内的烟雾浓度信息作为火灾识别数学模型的输入信息，获取火灾识别結果。区别于传统的阈值算法和趋势算法，通过建立的火灾识别数学模型，可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。本发明使火灾识别更加智能化，抗干扰能力强，克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。
图I是本发明火灾识别方法的流程示意图；图2是适用本发明的ー个火灾识别系统的示意图；图3是本发明火灾识别系统的结构示意图。
具体实施方式
·为更进一步阐述本发明所采取的技术手段及取得的效果，下面结合附图及较佳实施例，对本发明的技术方案，进行清楚和完整的描述。请參阅图1，为本发明火灾识别方法的流程示意图。本发明火灾识别方法包括以下步骤SlOl建立用于识别是否发生火灾的火灾识别数学模型，其中，所述火灾识别数学模型的输入參数包括烟雾浓度，输出參数包括火灾识别結果；作为其中一个实施例，所述火灾识别数学模型的输入參数还包括时间信息和空间信息。作为其中一个实施例，可采用支持向量机建立所述火灾识别数学模型。设线性可分的火灾训练样本集为e RdXR1, i = 1,2,…，n，其中，Xi为d = 5维(分别为烟雾浓度、时间、三维空间)的输入向量，Yi e {+1,-1}为对应输出(是否发生火灾)，η是样本数，ω为权值，b为阈值,满足Yi [ (ω Xxi) +b] ^ I, i = I, . . . , η此时火灾识别(实际为分类问题)的分类间隔等于2/| I ω I I，使该分类间隔最大实际等效为使I I ω I I最小，求最优分类面的问题等效为ー个二次规划问题，采用Lagrange乘子法求解可得到ω* =y CZJVv;あ' =--ω ろ
i=iy\上式中，<为求解出的Lagrange乘子，基于以上最优分类面的參数，可以建立如下最优分类函数(即火灾识别数学模型)
η/(X) = Sgn ^aiV,{xxx^ + b*
_ i=l _考虑到上面的约束条件限制过大，导致错分的可能性増大，可以在上述式子中引入ー个松弛变量Ii > O来解决这个问题。显然Ii的大小决定了火灾识别的灵敏度。同时考虑到火灾现场的复杂性，本发明实例引入了核函数把非线性问题转换为线性问题，并选用高斯径向基核函数，最终采用的火灾识别模型可为
权利要求
1.ー种火灾识别方法，其特征在于，包括以下步骤 建立用于识别是否发生火灾的火灾识别数学模型，其中，所述火灾识别数学模型的输入參数包括烟雾浓度，输出參数包括火灾识别结果； 通过若干个探测器采集探測区域内的烟雾浓度值； 将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入參数值，井根据其输出參数值获取火灾识别结果； 如果所述火灾识别结果为发生火灾，则输出报警信号。
2.根据权利要求I所述的火灾识别方法，其特征在于，所述火灾识别数学模型的输入參数还包括时间信息和空间信息。
3.根据权利要求I所述的火灾识别方法，其特征在于，所述建立用于识别是否发生火灾的火灾识别数学模型的步骤，包括以下步骤 采用支持向量机建立所述火灾识别数学模型。
4.根据权利要求I所述的火灾识别方法，其特征在于，在所述建立用于识别是否发生火灾的火灾识别数学模型的步骤之后，包括以下步骤 选取模拟火灾实验数据或者典型火灾数据库数据作为训练样本，对所述火灾识别数学模型进行训练。
5.根据权利要求I所述的火灾识别方法，其特征在于，在所述根据其输出參数值获取火灾识别结果的步骤之后，包括以下步骤 如果所述火灾识别结果为发生火灾，则将与该火灾识别结果对应的所述烟雾浓度值作为训练样本，对所述火灾识别数学模型进行训练。
6.根据权利要求I所述的火灾识别方法，其特征在于，所述通过若干个探测器采集探测区域内的烟雾浓度值的步骤，包括以下步骤 将探测区域划分为若干个子区域； 在各个子区域内分别通过烟雾探測器对烟雾浓度值进行采集。
7.根据权利要求I所述的火灾识别方法，其特征在于，所述建立用于识别是否发生火灾的火灾识别数学模型的步骤，包括以下步骤 在所述若干个探测器内分别建立所述火灾识别数学模型； 所述将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入參数值，井根据其输出參数值获取火灾识别结果的步骤，包括以下步骤 如果有ー个探测器，其采集的烟雾浓度值大于或者等于烟雾浓度预设值，则将该探測器确定为主探測器； 将各个探测器采集的烟雾浓度值发送至所述主探測器； 将各个探测器采集的烟雾浓度值作为所述主探測器内的火灾识别数学模型的输入參数值，并根据其输出參数值获取火灾识别結果。
8.根据权利要求7所述的火灾识别方法，其特征在于，在所述根据其输出參数值获取火灾识别结果的步骤之后，包括以下步骤 如果所述火灾识别结果为发生火灾，则将与该火灾识别结果对应的所述烟雾浓度值作为训练样本，对所述主探測器内的火灾识别数学模型进行训练； 将各个探測器内的火灾识别数学模型更新为与所述主探測器内的火灾识别数学模型相一致。
9.ー种火灾识别系统，其特征在于，包括模型建立模块、采集模块、识别模块和报警模块； 所述模型建立模块，用于建立用于识别是否发生火灾的火灾识别数学模型，其中，所述火灾识别数学模型的输入參数包括烟雾浓度，输出參数包括火灾识别結果； 所述采集模块，用于通过若干个探测器采集探測区域内的烟雾浓度值； 所述识别模块，用于将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入參数值，井根据其输出參数值获取火灾识别结果； 所述报警模块，用于当所述火灾识别结果为发生火灾时，输出报警信号。
10.根据权利要求9所述的火灾识别系统，其特征在于，所述模型建立模块用于采用支持向量机建立所述火灾识别数学模型。
全文摘要
本发明公开了一种火灾识别方法，包括建立用于识别是否发生火灾的火灾识别数学模型；通过若干个探测器采集探测区域内的烟雾浓度值；将采集的所述烟雾浓度值作为所述火灾识别数学模型的输入参数值，并根据其输出参数值获取火灾识别结果；如果所述火灾识别结果为发生火灾，则输出报警信号。此外，还公开了一种火灾识别系统。本发明区别于传统的阈值算法和趋势算法，通过建立的火灾识别数学模型，可根据探测区域内的烟雾场分布及其发展趋势来识别火灾。克服了误报率、漏报率过高和可靠性、灵敏度过低的问题。
文档编号G08B17/00GK102842199SQ20121031645
公开日2012年12月26日 申请日期2012年8月30日 优先权日2012年8月30日
发明者尹焕平 申请人:广州中国科学院工业技术研究院