一种智能建筑火灾探测系统的制作方法
【技术领域】
[0001]本发明属于火灾探测技术领域，具体涉及一种智能建筑火灾探测系统。
【背景技术】
[0002]在我国，火灾在诸多灾难之中己经成为破坏力度和影响效应最强并且发生频率较高的灾害。在造成生命财产的损失的同时，更糟糕的是给人们带来或多或少的精神损失，产生了对社会稳定性不利的因素。随着经济的日益发展，高层大空间的建筑像雨后春笋般的呈现在人们的眼前，建筑物的复杂程度加大了火灾隐患，从各项报告统计数据中可以看出每年在火灾中的经济损失和人员伤亡呈现出逐年的增加趋势。目前人们防火的主动措施和重要手段主要靠建筑物内部的复杂火灾报警装置及其附属装置。
[0003]到目前为止，单一的现场数据采集工作是工程项目中最普遍使用的，利用探测器对采集到的数据进行分析与判别。比如在一些空气含有颗粒状物比较多的地下室可以尽量使用温度探测器；在一些比较容易产生火光辐射的场地可以尽量使用烟雾探测器。将现场的探测数据与事先设置的阂值进行比较并判断，随着建筑物的复杂程度的增加，探测器的安装也越趋复杂，原先简单的阂值和算法使得误报率大大增加。虽然科技人员通过各项技术的研发制造出很多新型探测器，但是没有任何单一探测器能够有效的探测到各种火情。出现误报的原因有很多，可能是环境，可能是电磁干扰，也可能是电气设备出现故障等。
[0004]误报可能给人们带来一定的精神恐慌，也可能使得人们在思想上和精神上受到麻痹。如果出现漏报，将会延长抢救时间，可能会直接威胁到生命财产安全。不需要人参与的火灾报警始终不能实现的原因很大程度上是由于漏报与误报。它俩很明显是一对矛盾的现象，如何杜绝漏报和避免误报，减少灾难。为了实现上面所述的目标，科研人员正在致力于探究更加可靠与灵敏的火灾探测系统，并且这个任务随着时间的迁移也会不断地变化。
【发明内容】
[0005]本发明的目的是提供一种智能建筑火灾探测系统，解决了现有技术会出现误报、漏报火灾险情的问题。
[0006]本发明所采用的技术方案是，一种智能建筑火灾探测系统，包括像素层、特征层和决策层，具体操作步骤如下:
[0007]步骤1、像素层中探测器将采集到的信息反馈给处理器，处理器对接受的信息进行预处理；
[0008]步骤2、特征层将步骤I处理的特征并行利用信息神经网络技术和线性变换理论进行一定的融合，实现非火灾源、阴燃火、明火以及火灾概率的识别；
[0009]步骤3、决策层通过对特征信息得到的不同火灾情况的概率分析，再利用适当的融合技术和模糊逻辑推理技术得到最终的决策结果，并将结果发送给报警器，完成报警。
[0010]其中，探测器包括声音探测器、图像探测器、烟雾探测器、气体探测器、火焰探测器及图像探测器。
[0011]本发明的有益效果是，利用多个探测器对火灾信息进行探测，结合火灾发生时的一般机理以及对火灾探测过程中探测参量规律和特性的分析，将原本没有关联的探测器探测到的现场数据进行有机的融合，从而达到对火灾一致性解释和描述的目的，最终对火灾进行准确的报警，也从根本上杜绝了误报和漏报情况的发生。
【附图说明】
[0012]图1是一种智能建筑火灾探测系统模型图。
【具体实施方式】
[0013]下面结合附图和【具体实施方式】对本发明进行详细说明。
[0014]一种智能建筑火灾探测系统，包括像素层、特征层和决策层，具体步骤如下:
[0015]像素层中的声音探测器利用物质燃烧时会产生大量的热，引起周围空气的膨胀，产生的压力声波的声音辨别火灾；温度探测器通过其内部的热敏元件探测环境温度，并将所得到的温度信号变换为电信号；图像探测器、烟雾探测器、气体探测器、火焰探测器及图探测器将采集到的信息反馈给处理器，处理器对接受的信息进行预处理，得到新的数据，这些新的数据更精确，为准确报警提供了保证；随后，特征层将像素层经过处理的特征并行利用信息神经网络技术和线性变换理论进行一定的融合，实现非火灾源、阴燃火、明火以及火灾概率的识别；决策层通过对特征信息得到的不同火灾情况的概率分析，再利用适当的融合技术和模糊逻辑推理技术得到最终的决策结果，并将结果发送给报警器，完成报警。
【主权项】
1.一种智能建筑火灾探测系统，包括像素层、特征层和决策层，具体操作步骤如下: 步骤1、像素层中探测器将采集到的信息反馈给处理器，处理器对接受的信息进行预处理； 步骤2、特征层将步骤I处理的特征并行利用信息神经网络技术和线性变换理论进行一定的融合，实现非火灾源、阴燃火、明火以及火灾概率的识别； 步骤3、决策层通过对特征信息得到的不同火灾情况的概率分析，再利用适当的融合技术和模糊逻辑推理技术得到最终的决策结果，并将结果发送给报警器，完成报警。2.根据权利要求1所述的智能建筑火灾探测系统，其特征在于，所述探测器包括声音探测器、图像探测器、烟雾探测器、气体探测器、火焰探测器及图像探测器。
【专利摘要】本发明公开了一种智能建筑火灾探测系统，包括像素层、特征层和决策层，像素层对探测器探测到的初始数据的采集和预处理，特征层将像素层处理过的特征并行利用信息神经网络技术和线性变换理论进行融合，从而实现非火灾源、阴燃火、明火以及火灾概率的识别，决策层通过对特征信息得到的不同火灾情况的概率分析，再利用适当的融合技术和模糊逻辑推理技术得到最终的决策结果。本发明利用多个探测器对火灾信息进行探测，达到对火灾一致性解释和描述的目的，从根本上杜绝了误报和漏报情况的发生。
【IPC分类】G08B17/00
【公开号】CN105632069
【申请号】CN201410598691
【发明人】李秀荣
【申请人】西安优信机电工程有限公司
【公开日】2016年6月1日
【申请日】2014年10月30日