专利名称：早期火灾检测设备的制作方法
技术领域：
本发明涉及用于根据火情检测物理值和从该数据监测火灾的早期火灾检测设备。
已经提出了根据从检测由于火情引起的热量、烟、火焰、气体等等的火情检测器的输出和输出的微分值(单位时间内的变化)、积分值(或累积值)、差、连续时间段的时间变化量等等，来判定火灾的发生。
另外，题目为“火警设备”并由本申请人递交的JapanesePatent Laid—Open No.2—105299和2—128297等等，公布了这样的设备，即这些设备得到适当的设置，以使多个输入被加到具有被称为中枢网络的网络结构的信号处理装置，根据输入到该网络结构的各种火情信息进行算法操作，且关于火灾概率、危险程度等等的所希望的结果得到了确定。
火灾概率或与多种火情信息对应的用于判定火灾的值，一般是以这样的方式获得的，即准备输入信息的情况和火灾概率或用于对应于各个情况地判定火灾的值，且当施加了一个输入信息时，从网络结构的信号处理结果来判定火灾概率或用于与输入信息对应地判定火灾的一个值，该信号处理是根据在与输入信息重合的表中的情况来实现的。
近来，计算机房等被建成空气密封的结构，且其与外侧的通信受到了限制以保持环境的干净。因此，如果火灾发生，救护操作和灭火操作可能会受到限制，因而必须对在这种地方的火灾监测操作立即采取行动。
出于以上考虑，本发明的目的，是提供一种火情检测设备，它能够在并一般的火情检测设备能够检测火灾的时间更早的时间检测早期的火灾。
为了检测早期的火灾，本发明包括高度灵敏的烟检测器，用于检测烟浓度；用于检测气味的气味检测器；输入装置，用于使来自高灵敏度烟检测器和气味检测器的输出值受到信号处理并获得四种输入数据—这四种输入数据由烟浓度在给定时刻的值和随时间的改变量以及气味在给定时刻的值和随时间的改变量组成；信号处理网络，用于根据输入装置获得的四种类型的输入数据的值来计算火灾概率；以及，火灾判定装置，用于根据由信号处理网络计算的火灾概率来判定火情状态。
由于火灾是利用相应的检测器并通过信号处理网络(中枢网络)来检测的，且从这些检测器能够在火灾的早期获得响应，所以能够通过直接排除诸如烟草等等的非火灾因素，来检测早期的火灾。由于信号处理网络的精度能够通过学习得到改善，原来的定义表的不可接受的部分容易得到校正。
图1是框图，显示了根据本发明的一个实施例的早期火灾检测设备；图2显示了用在该实施例中的定义表；图3显示了用在该实施例中的信号处理网络的概念；图4和5是流程图，显示了该实施例的操作；图6是流程图，显示了在该实施例中的网络结构产生程序；图7是流程图，显示了该实施例中的网络结构计算程序；图8是表，显示了由该实施例的网络结构获得的火灾概率；且图9是表，显示了用于获得图8所示的结果的各个加权值；下面描述本发明的一个实施例。
图1是电路框图，其中本发明被应用到所谓的模拟型火警系统，该系统得到适当的设置，从而使根据由相应的火情检测器检测的火情的物理量的检测电平被提供到诸如火情接收器的接收装置、发送器等等，且接收装置根据收集到的检测电平进行火情判定。不用说，本发明还可适用于通/断型火警系统—其中火情判定由相应的火情检测器进行且只有判定的结果被提供给接收装置。
在图1中，RE表示一个火情接收器，且DE1—DEN表示N组火情检测器，这些火情检测器通过发送线L(诸如一对也被用作电源的信号线)而与火情接收器RE相连，且在图1中只详细描述了火情检测器之一的内部电路。
在火情接收器RE中，MPU1表示一个微处理器；ROM11表示用于存储与火情接收器RE的操作有关的程序的存储区；ROM12表示用于存储各种常数值的表的存储区，这些常数值诸如DE1—DEN的火灾判定标准电平；ROM13表示用于存储终端地址表的存储区，该表中存储有各个火情检测器的地址；RAM11表示用于工作的存储区；RAM12表示用于存储将要在后面描述的定义表的存储区，该定义表被应用到相应的火情检测器；RAM13表示用于存储信号线的加权值的存储区，该加权值被应用到相应的火情检测器，并将在后面描述；TRX1表示一个信号发送/接收单元，它由串行/并行转换器、并行/串行转换器等等组成；DP表示诸如CRT的显示单元；KY表示用于输入数据等等的键盘单元；且IF11、IF12和IF13表示接口。
另外，在火情检测器DE1中，MPU2表示一个微处理器，ROM21表示用于存储与火情检测器DE1的操作有关的程序的存储区；ROM22表示用于存储自身地址的存储区；ROM23表示用于存储用于数据的存储区—该数据用于输出烧焦的气味的检测电平的标准；ROM24表示一个存储区，用于存储输出烟的检测电平的标准的数据；RAM21表示用于工作的一个存储区，TRX2表示一个信号发送/接收单元，它由串行/并行转换器、并行/串行转换器等等组成；NS表示一个气味检测器，用于检则火灾引起的、例如来自氧化锡薄膜元件的烧焦气味；SS表示一个烟检测器，用于借助采用强光发射源的散射光，以高灵敏度检测火灾引起的烟，该光发射源诸如氙灯；且IF21、IF22和IF23表示接口。
本发明的目的，是以有把握而迅速的方式，根据来自气味检测器NS和高灵敏度烟检测器SS的火情信息，来获得火灾概率；其中这些检测器利用图1中的电路框图所示的设置，来检测早期火情产生的物理量。即，本发明得到了适当的设置，从而输入作为来自气味检测器NS的火情信息的气味在给定时刻的值和随时间的变化量的值以及作为来自烟检测器SS的火情信息的烟在给定时刻的值和差值，以获得作为输出的火灾概率，且图2和3显示了本发明的操作。
图2显示了定义表，显示了与由六种组合组成的情况A-F相对应的火灾概率，这些组合是由四种火情信息的组合获得的，即气味在给定时刻的值和差值以及烟在给定时刻的值和差值，且这些火灾概率是通过实验、现场测试等等而获得的。这种表能够通过实验等方法，通过考虑火情检测器的特性和火情检测器的安装位置，而精确地制成。虽然最好制成比六个多得多的情况的表，但实际上不可能为所有的情况制成这样的表。但根据下面所要描述的本发明的操作，可以根据四种火情信息对所有的情况确定精确的火灾概率。
在图2中，四种火情信息被显示在最上的行中，且与在最上行中的火情信息对应的火灾概率T被用0至1显示在最下行。在最上行中的火情信息的相应值被转换成标准值0或1，且在该行中显示了标准化的一个例子。假定在给定时刻气味的值1对应于当气味检测器NS检测到一张复印纸被烘烤且在该检测器中烧焦气味饱和时气味检测器NS产生的输出，而气味在给定时刻的值0对应于在干净的空气中气味检测器NS的输出。假定气味的差值1对应于这样的情况，即当气味检测器NS在给定时刻检测到的气味电平由X代表且在该给定时刻之前的预定时刻的气味检测电平用Y表示时，在Y的变化与X的比值增大10％的情况；而气味的差值0对应于这样一种情况，即Y的改变与X的比值减小了10％。另外，假定烟在给定时刻的值1对应于饱和中的烟检测器SS的输出且该值对应于烟浓度在被转换成遮光率使1％/m的烟浓度，而在给定时刻时烟的值0被假定为对应于0％/m的烟浓度。假定烟的差值1对应于这样一种情况，即在给定时刻之前的预定时刻检测到的烟的检测电平Y与在该给定时刻检测的烟的检测电平X的比值，增大了10％，这与气味的情况类似；而烟的差值0对应于Y的改变与X的比值减小了10％。另外，为了描述定义表的情况，情况A对应于没有任何人的一般状态，情况B对应于有咖啡气味的情况，情况C对应于有烟草气味的情况，情况D对应于从火点以外检测到火灾的情况，且情况E对应于正在该位置检测到火灾的情况。
下面在假定图3所示的网络结构的情况下描述火灾判定算法，以解释本发明的操作。该网络结构的目的，是将气味在给定时刻的一个值和一个差值以及烟在一个给定时刻的值和一个差值加到输入层LI1、LI2、LI3和LI4上—这些值都被转换成0至1，并从输出层LO1获得也由0至1代表的精确的火灾概率。假定在与各个火情检测器DE对应的火情接收器RE中，存在有网络结构。
在图3所示的网络结构中，当在左侧的四个输入层LI1、LI2、LI3和LI4被称为输入层LI时，在右侧的单个输出层LO1被称为输出层LO，且四个中间层LM1、LM2、LM3和LM4被称为中间层LM，相应的中间层LM1—LM4接收来自相应的输入层LI1、LI2、LI3和LI4的信号并将一个信号输出到输出层LO1。假定信号都从输入层流向输出层且不沿着相反的方向流动，且没有信号在相同的层中耦合，且没有从输入层至输出层的直接信号连接。因此，有16条从输入层至中间层的信号线和4条从中间层至输出层的信号线，如图3所示。
加权值，作为图3所示的这些信号线的耦合度，根据将要根据从相应的输入层输入的信号而从输出层被输出的值，而得到改变，且较大的加权值使信号能够更好地通过信号线。在输入层与中间层之间和中间层与输出层之间的信号线的加权值，在开始时根据输入与输出之间的关系而得到调节，并被存储在图1所示的存储区RAM13的各个火情检测器的区域中。借助如此存储的加权值，检测早期的火灾。
更具体地，四个值，即在图2的定义表中上面的行中的烟在给定时刻的值和差值和气味在给定时刻的值和差值，被分别加到图3的输入层LI—LI4，以作为如后面所述的网络产生程序的输入，根据该输入而从输出层LO1输出的值被与火灾概率T的值相比较—该火灾概率T值被作为图2的最下行中所示的指导信号或学习数据，且相应信号线的加权值得到改变以减小该误差。以这种方式，可以指导非常接近图2的定义表所示的整个功能的值；图2只由六种情况来代表。
在上述实施例中，假定输入层LIi与中间层LMj之间的加权值用ωij表示，且中间层LMj与输出层LOk之间的加权值用υjk(i＝1至I，j＝1至J，k＝1至K，且在此情况下i＝1至4，j＝1至4，且k＝1)且加权值ωij加权值ωij和υjk分别是正值、0或负值，且输入层LIi的输入值用INi表示，则至中间层LMj的输入的总数NET1(j)由以下公式1表示NET1(j)=Σj=1I(INi·wij)···(1)]]>当值NET1(j)用例如S形函数转换成0至1的值并用IMj表示时，获得了以下公式2。IMj=11+EXP[-NET1(j)γ1]···(2)]]>以同样方式，和至输出层LOk的输入的和NET2(k)用以下的公式3表示。NET2(k)=Σj-1J(IMj·vjk)···(3)]]>当NET2(k)的值以类似的方式用S形函数转换成0至1的值并用OTk表示时，获得了以下公式4。OTk=11+EXP[-NET2(k)·γ2]···(4)]]>如上所述，在图3所示的网络结构中，输入值IN1至IN4与输出值OT1之间的关系，用公式1至4并利用加权值表示，其中γ1和γ2是S形曲线的调节系数，且它们得到适当的选择；在本实施例中γ1＝1.0且γ2＝1.2。
当显示为存储在存储区RAM12中的定义表中的六种情况的结合情况IN1至IN4中的一个，在网络产生程序中被加到图3所示的输入层时，由上述公式1至4计算出并从输出层输出的实际输出OT1，被与图2的最下行所示的指导输出T相比较，且在该时刻在输出层中的误差EM之和(m＝1至M且在此情况下m＝6)，由以下公式5表示。Em=Σk=1k12(OTK-TK)2···(5)]]>其中，OTk是上述公式4确定的值。通过对图2中的所有六种情况A至F的误差之和EM进行求和所获得的值E，由以下公式6表示。E=Σm=1M(Em)···(6)]]>最后，各个信号线的加权值得到调节，以减小公式6中的值E。随后，存储在存储区RAM13中的各个火情检测器区中的加权值，被如此调节的新加权值所取代，并被用于监测早期的火灾。如上所述的信号线的加权值的调节，是对于火警设备中的所有火情检测器进行的。
当已经完成了相对于图3所示意显示的网络结构而对图2中的定义表的指导时，即已经完成了对加权值的调节时，输入值被将在后面描述的网络计算程序加到网络结构，以实际监测早期的火灾，可利用上述公式1至4从输出层获得的值是通过计算而确定的，且通过将计算的值与基准值进行比较而判定早期的火灾。
现在描述本发明的该实施例的操作。
首先，在图4中，对从第一火情检测器开始对N个火情检测器中的每一个依次执行该网络结构产生程序。为了描述第n个火情检测器(n＝1至N)中的网络结构产生程序的操作，首先，在图2中描述的定义表的上面的行中的气味在给定时刻的值和差值与烟在给定时刻的值和差值以及在最下行中的火灾概率，被从一个学习数据输入键单元KY输入，以作为指导输入或学习输入(步骤404)。该定义表是为各个火情检测器准备的，因为各个火情检测器被安装在不同的环境中并具有不同的特性。然而，当采用相同的环境条件和特性条件时，当然可以采用相同的定义表，且当火情状态的情况和非火情因素的情况在该定义表中得到充分的准备时，该表可以为所有的火情检测器所共同采用。
当第n个火情检测器的定义表的内容被从键单元KY存储到定义表的存储区RAM12中的第n个火情检测器的区中时(步骤403为“是”)，该处理进行到执行图6所示的网络结构产生程序600。
在网络结构产生程序600，首先，将总共20条信号线的加权值ωij和υjk设定为一定的值(步骤601)，其中这20条信号线包括在输入层与中间层之间的16条信号线和在中间层与输出层之间的4条信号线，且加权值ωij和υjk被存储在存储区RAM13的第n个火情检测器的区域中并结合图3进行了描述。随后，根据上述公式1至6，并根据设定成一定值并由E0表示的加权值，对于图2的定义表的所有M种组合(M＝6)，确定实际输出OT1与指导输出T之间的误差的平方之和(公式6的E)(步骤602)。
随后，当输入被应用到相同的定义表上时(步骤603为“否”)，中间层与输出层之间的各个信号线的加权值首先得到调节，以减小和E0。由于只有中间层与输出层之间的加权值得到了调节，所以直到上述公式1和2的值没有被改变。首先，第一信号线的加权值υ11被改变成加权值υ11＋S(步骤604)，且进行与公式3至6所示的相同的计算，且由公式6确定的最后误差的和E被设定为Es(步骤605)。随后，将和Es与在加权值改变之前的和E0相比较(步骤606)。
如果Es≤E0(步骤606为“否”)，则值Es被设定为新的值E0(步骤609)，且改变的加权值υ11＋S被存储在工作区的适当存储单元中。
如果Es＞E0(步骤606为“是”)，则由于加权值沿着误差的方向得到了改变，该加权值相对于作为基准的原来加权值υ11沿着相反的方向改变，且利用加权值υ11—S·β而以类似的方式根据公式3至6计算值E0(步骤607和608)，计算出的值Es被设定为新的值E0(步骤609)，且改变的加权值υ11—S·β被存储在工作区中的适当存储单元中。β是正比于|Es—E0|的系数。
当加权值υ11已经改变并在步骤604—609得到调节时，其余信号线的加权值υ21—υ41以相同的方式依次得到改变和调节。当中间层与输出层之间的所有信号线的加权值υjk都以上述方式得到调节时(步骤603为“是”)，则随后在步骤610至616根据所有的公式1至6对输入层与中间层之间的信号线的加权值ωij进行调节，以便以相同的方式减小误差。
当所有信号线的加权值ωij和υjk都已经得到调节时(步骤610为“是”)，将已经以如上方式得到减小的值E0与预定的允许值C进行比较。如果值E0仍然大于允许值C(步骤617为“否”)，则处理返回到步骤603，以进一步减小误差，且上述处理从在步骤604至609执行的中间层与输出层之间的加权值υjk的调节开始得到重复。当值E0通过这种重复调节而成为等于或小于允许值C的值时(步骤617为“是”)，处理进行到图4所示的步骤406，以将20条信号线得到相应地改变和调节的加权值ωij和υjk分别存储到存储区RAM13中的第n个火情检测器的区域的相应地址。
在上述操作中值S、α、β、C等等，被存储在各种常数值表的存储区ROM12中。
注意，由于值Es的最后误差不能成为零，因而信号线的加权值的调节被适当地终止。即，该调节可以在值Es为等于或小于如步骤617所示的允许值C时停止，或者在加权值被调节为预定的次数时停止。
图8显示了火灾概率的一个例子，它是以这样的方式获得的，即图3的网络结构是通过重复在步骤603至616的调节而获得的，且火情信息被输入到如此产生的网络结构中。相应的情况A—F与图2的定义表的情况A—F相同，且火灾概率OT1被显示在图8的最下行。如上所述，如果没有火情信息中的情况组合，则最佳的火灾概率能够通过定义作为六个情况的火情信息而获得。注意，图9显示了当获得图8所示的结果时相应的加权值。
虽然本发明显示了其中网络结构具有四个四个输入端和一个输出端的情况，但也可以增大或减小对应于检测早期的火灾的与气味检测器和高灵敏度烟检测器有关的输入端的数目，并通过对所获得的信息进行分类来增大输出端的数目。例如，可以采用通过在预定的时间段中对相应的检测器检测到的检测电平进行积分而获得的值，并可以采用来自每一个都具有不同特性的相同类型的检测器的输出，来作为输入；且由于烟草引起的非火灾概率且危险的程度等等，可以被用作输出。另外，所要监测的区域的面积以及该区域的顶部的高度、通风的有或无、人等的有或没有等等，都可以被用作间接的数据，虽然它们不是直接根据早期的火灾的物理值。
当网络结构的相应信号的加权值已经相对于所有的N个火情检测器得到调节时(步骤407为“是”)，且判定不需要再学习时(步骤408为“否”)，则从第一火情检测器依次进行火情监测操作，如图5的流程所示。
为了描述对第n个火情检测器DEn的早期火情监测操作，当火情检测器DEn接收到来自火情接收器RE的、从信号发送/接收单元TRX2通过接口IF23提供的数据送回指令时(步骤411)，第n个火情检测器DEn使气味检测器NS和烟检测器SS，根据存储在存储区ROM21中的程序，分别通过接口IF21和IF22提取由分离的电压等等检测的检测电平，将置入存储区ROM22的第n个火情检测器DEn的地址加在气味在给定时刻的值和差值和烟在给定时刻的值和差值上—这些值被作为根据分别存储在存储区ROM23和ROM24中的数据而得到标准化的火情信息，并将该数据从信号发送/接收单元通过IF22送回到火情接收器RE。
在接收到从第n个火情检测器DEn送回的火情信息时(步骤41为“是”)，火情接收器RE将火情信息存储在工作存储区RAM11中(步骤413)。随后，执行图7所示的网络结构计算程序700。
NET1(j)，按照在网络结构计算程序700中的上述公式1，而得到计算(步骤703)，并根据上述公式2而被转换成值IMj(步骤704)。当来自所有的IM1至IM4的所有值被确定时(步骤705为“是”)，NET2(k)根据上述公式3利用值IMj而得到计算(步骤708)，并根据公式4而被转换成值OTk(步骤709)。值OTk，即值OT1，代表火灾概率。
随后，值OT1得到显示，以作为火灾概率(步骤416)，并被与从存储区ROM12读出的火灾概率的基准值A进行比较(步骤417)。如果OT1≥A，则显示火情(步骤418)。虽然在流程图中没有显示，一个初步警告被设定为比上述基准值A小的值，并以与基准值A相同的方式判定初步警告。另外，初步警告的判定是分两步进行的，且一个第一初步警告被发向远离火灾的位置，且一个第二初步警告被发向接近火灾的位置。由于可能的情况是早期的火灾比上述的通常的火灾的检测更为困难，所以当有可能发生早期的火灾时，更可靠的方法是由人(诸如保卫人员)来核查火情。
第n个火情检测器的早期火灾监测操作，由上述步骤完成，且以相同的方式对下一个火情检测器进行相同的早期火灾监测操作。
注意，虽然数据是人工地输入到定义表的存储区RAM12中的，且加权值由网络结构产生程序按照该数据存储在存储区RAM13中，但也可以在工厂的制造步骤中利用网络结构产生程序来确定加权值，且该加权值被存储在诸如EEPROM等等的ROM中，且该ROM的内容在使用时被读出。
另外，本发明还可被应用于通/断型火警系统—其中由相应的火情检测器来判定火情，且只有判定的结果被提供到诸如火情接收器的接收装置、发送器等等，而不是采用上述实施例中的模拟型火警系统。在此情况下，图1的火情接收器RE侧的存储区ROM11和ROM12被转移到相应的火情检测器DEn一侧。虽然存储区RAM13和RAM12可以被转移，但比转移它们更为有利的，是为各个火情检测器提供ROM—其中在工厂制造阶段中存储了加权值。
如上所述，根据本发明，由于火灾是利用气味检测器和烟检测器(从它们能够在火灾的早期获得响应)由信号处理网络(中枢网络)检测的，因而能够通过直接排除非火情因素—诸如烟草的烟、蒸汽等等和咖啡的气味等等(这些在其他情况下可能会被烟检测器和气味检测器所检测)—能够有把握地检测早期的火灾。由于该信号处理网络的精度能够通过学习而得到改善，原来的定义表由于意外的非火情因素而引起的不可接受的部分容易得到校正。
权利要求
1.一种早期火灾检测设备，包括高灵敏度烟检测器，用于检测烟浓度；气味检测器，用于检测气味；输入装置，用于使所述高灵敏度烟检测器和所述气味检测器的输出值受到信号处理并获得由烟浓度的在给定时刻的值和随时间的改变量与气味的在给定时刻的值和随时间的改变量组成的四种输入数据；信号处理网络，用于根据从所述输入装置获得的四种输入数据的值来计算火灾概率；以及火灾判定装置，用于根据由所述信号处理网络计算的火灾概率来判定火情状态。
2.根据权利要求1的早期火灾检测设备，进一步包括一个存储器，用于存储一个表，在该表中有能够为多种预置情况获得的火灾概率—这些预置情况由四种输入数据的值的组合组成，所述信号处理网络具有对各个输入数据的加权值从而当输入了存储在所述存储器中的表中的各个情况的输入数据时能够获得定义在表中的火灾概率，且利用加权值从输入数据计算该火灾概率。
3.根据权利要求2的早期火灾检测设备，其中所述信号处理网络包括输入层，来自所述输入装置的四种输入数据被输入到其中；中间层，用于通过对输入到所述输入层的四种类型的输入数据分别进行加权和相加而获得四种类型的中间数据；以及输出层，用于通过对所述中间层的四种类型的中间数据进行加权和相加而获得火灾概率。
4.根据权利要求3的早期火灾检测设备，其中所述信号处理网络具有在输入层与中间层之间的各条信号线的加权值和在中间层与输出层之间的各条信号线的加权值，以减小当存储在所述存储器中的表的各个情况的输入数据被输入到这些输入层时能够从该输出层获得的火灾概率的值与为该表中的情况定义的火灾概率之间的误差。
5.根据权利要求1的早期火灾检测设备，其中所述高灵敏度烟检测器是光散射式烟检测器。
6.根据权利要求1的早期火灾检测设备，其中所述气味检测器检测氧化锡薄膜元件产生的烧焦气味。
全文摘要
一种早期火灾检测设备，它根据从信号处理网络输出r火灾概率来判定火情状态；其中火灾概率是以这样的方式准备的，即能够在火灾的早期从其获得响应的高灵敏度烟检测器SS与气味检测器NS的输出，受到信号处理并输入由烟和气味在给定时刻的值和随时间的改变量，且该信号处理网络根据定义所要获得的火灾概率的表(RAM12)来输出上述火灾概率。
文档编号G08B17/10GK1115448SQ9510432
公开日1996年1月24日 申请日期1995年3月30日 优先权日1994年3月30日
发明者冈山义昭 申请人:能美防灾株式会社