一种电缆沟火灾预警及危险性判断系统及方法与流程

1.本发明涉及消防技术领域，具体涉及一种电缆沟火灾预警及危险性判断系统及方法。


背景技术：

2.电缆沟是用以敷设电力或电讯电缆设施的地下管道，也是被敷设电缆设施的围护结构。随着城市电缆沟建设长度及建设数量的不断增多，其火灾事故的发生几率也相应增加。由于电缆沟多为封闭结构，电缆沟火灾发生时难以察觉、不易控制、恢复时间长，电缆沟火灾一旦发生，将不可避免地造成设备损坏和人员伤亡的严重后果。传统火灾预警方法一般是在电缆沟中加装温度检测器或烟雾传感器等单一火灾探测器，利用单一火灾特征参量的阈值来进行火灾预警，传统单一火灾探测器极易受到外界干扰的而导致火灾误报，同时无法对着火后的电缆沟进行危险性判断，这会对消防救援人员的生命安全造成威胁。
3.例如，中国专利cn 110726680a公开了一种电缆井火灾预警方法，包括如下步骤：s1：电缆井内空气采样；s2：电缆井内空气过滤；s3：气体探测仪探测气体的成份及浓度；s4：当气体浓度大于阈值时，启动风机；s5：当气体浓度大于阈值时，将报警信号通过通信协议送至监控平台。该专利采用了基于特殊气体性质判断电缆着火燃烧的预警技术，在一定程度上避免了单一火灾探测器的缺点。但是，该专利未对电缆井火灾后的危险性进行分析，未能对整个电缆火灾的发展态势做出合理的判断。


技术实现要素：

4.为解决上述技术问题，本发明提供一种电缆沟火灾预警及危险性判断系统及方法。
5.本发明采用的技术方案是：
6.一种电缆沟火灾预警及危险性判断系统，包括：电缆沟火灾监控平台以及与所述电缆沟火灾监控平台通信连接的检测装置；所述检测装置包括：检测模组、无线通信模块和微处理器；所述检测模组包括烟雾传感器、二氧化碳浓度传感器、一氧化碳浓度传感器、氯化氢浓度传感器、溴化氢浓度传感器、氰化氢浓度传感器、二氧化氮浓度传感器及温度传感器；所述微处理器，用于控制所述无线通信模块将所述检测模组检测到的信息发送至所述电缆沟火灾监控平台，还利用电缆沟火灾预警模型对所述检测模组检测到的信息进行分析，判断火灾是否发生；当火灾发生时控制气溶胶灭火器打开进行灭火，同时对所述检测模组检测到的信息进行分析，判断电缆沟火灾危险等级，并将所述危险等级通过所述无线通信模块发送至所述电缆沟火灾监控平台；所述电缆沟火灾监控平台用于根据所述微处理器确定的电缆沟危险等级进行救援预警。
7.进一步地，所述电缆沟被划分为若干区段，每一区段均配置有所述检测模组及所述气溶胶灭火器，微处理器判断某一区段火灾发生时，控制该区段及相邻区段的气溶胶灭火器打开。
8.进一步地，所述电缆沟火灾预警模型包括基于三层网络拓扑结构的电缆沟火灾预警算法，具体步骤如下：
9.s1：建立电缆沟火灾预警算法三层网络的拓扑结构，将输入层、隐含层和输出层的节点个数分别记为：n，q，m；
10.其中，“n＝8”表征输入的8种监测指标；“m＝3”表征三种电缆火灾结果：无火、阴燃、明火；a为定值，其取值为(0，1)；
11.s2：给出隐含层、输出层神经元节点的输出方程，并将权值初始化，初始的连接权系数为一组随机的较小非零数值；
12.隐含层神经元节点的输出方程为：
[0013][0014]
输出层的神经元节点的输出方程为：
[0015][0016]
式中：xi表示神经元1～n的输入值；v
ki
表示输入层与隐含层之间的连接权系数；w
jk
表示隐含层与输出层之间的连接权系数；
[0017]
s3：定义输入向量xk＝[x
k1
,x
k2
,...,x
k8
](k＝1,2,...,n)，k为该网络的训练样本的个数；
[0018]
s4：输入学习样本；学习样本从已发生的事故案例中获得，或者通过检测模组测量获取；
[0019]
s5：正向传播过程：计算出网络的输出结果，并将其与期望结果进行比较，如果存在误差就执行下一步s6，否则返回s7；
[0020]
所述误差的计算公式为：
[0021][0022]
式中，表示第p个样本神经元j的期望输出值；表示第p个样本神经元j的实际输出值；e
p
表示第p个学习样本的误差；e表示全局误差；
[0023]
s6：反向传播过程：
[0024]
①
根据式(3)计算每一个学习样本的误差e
p
；
[0025]
②
修正连接权系数w
jk
和v
ki
；
[0026]
③
返回s3；
[0027]
s7：结束。
[0028]
进一步地，隐含层与输出层之间的连接权系数w
jk
的修正公式为：
[0029][0030]
输入层与隐含层之间的连接权系数v
ki
的修正公式为：
[0031][0032]
式中：η为学习速率(0《η《1)；sj＝wjx，sk＝wkx，分别为第j，k个神经元的净输入值。
[0033]
所述电缆沟火灾预警模型还包括基于检测信号风险程度的电缆沟火灾预警算法，具体步骤如下：
[0034]
s1：通过检测模组采集温度、烟雾浓度、二氧化碳浓度、一氧化碳浓度、氯化氢浓度、溴化氢浓度、氰化氢浓度、二氧化氮浓度信号，记为xk(k＝1,...,n)；
[0035]
s2：定义累加函数ak；
[0036][0037]
式中，xk(t+1)为xk(t)下一时间步的信号值，当明火未发生时，ak为xk(1)；
[0038]
s3：获得局部决策结果uk；
[0039]
uk＝f[a
k-γk]
ꢀꢀꢀꢀꢀꢀꢀꢀ
(7)
[0040]
式中：f(
·
)为阶跃函数；γk表示时间t内检测模组测得的8种信号的平均值；uk＝1时，则表示采集信号发生急剧变化，火灾发生。
[0041]
一种使用上述电缆沟火灾预警及危险性判断系统进行电缆沟火灾危险等级判断的方法，包括以下步骤：
[0042]
s1获取二氧化碳浓度传感器、一氧化碳浓度传感器、氯化氢浓度传感器、溴化氢浓度传感器、氰化氢浓度传感器、二氧化氮浓度传感器的信号数据；
[0043]
s2实时计算所述电缆沟危险性n：
[0044][0045]
s3判断所述电缆沟危险性n，当n≥1时，此时具有生命危险，消防人员不可直接进入抢修；当n《1时，此时危险性不足以致死，但n值越低，消防人员在抢修时就越安全。
[0046]
本发明的有益效果：
[0047]
(1)本发明在识别电缆火灾时采取了多种相关监测指标，这极大地提高火灾识别的准确度，减少了误报率；
[0048]
(2)基于深度学习算法，能够不断优化已获取参数的精度，从而能够为类似电缆火灾识别的参数设置时提供参考；
[0049]
(3)本发明能够实时判断电缆沟内的危险性，从而保障消防人员在进行灭火救援时的人身安全；
[0050]
(4)当识别电缆火点位置后，能够通过微处理器打开电缆沟顶部按照一定间距的气溶胶灭火剂，从而有针对性地、及时地灭火，提高了灭火效率。
附图说明
[0051]
图1是本发明的一种电缆沟火灾预警及危险性判断系统的结构示意图。
[0052]
图2是本发明的电缆沟的结构示意图。
[0053]
图3是本发明的一种电缆沟火灾预警及危险性判断系统的工作流程图。
[0054]
图4是本发明的三层网络拓扑结构图。
[0055]
图5是本发明的基于三层网络拓扑结构的电缆沟火灾预警算法的流程图。
具体实施方式
[0056]
下面结合具体实例对本发明作进一步说明，以便于对本发明的理解，但并不因此而限制本发明。
[0057]
参阅图1～图3，本实施例提供一种电缆沟火灾预警及危险性判断系统，包括：电缆沟火灾监控平台1以及与所述电缆沟火灾监控平台通信连接的检测装置2；
[0058]
所述检测装置2包括：检测模组21、无线通信模块22和微处理器23；
[0059]
所述检测模组21包括烟雾传感器、二氧化碳浓度传感器、一氧化碳浓度传感器、氯化氢浓度传感器、溴化氢浓度传感器、氰化氢浓度传感器、二氧化氮浓度传感器及温度传感器；
[0060]
所述微处理器23，用于控制所述无线通信模块22将所述检测模组21检测到的信息发送至所述电缆沟火灾监控平台1，还利用电缆沟火灾预警模型对所述检测模组21检测到的信息进行分析，判断火灾是否发生；当火灾发生时控制气溶胶灭火器24打开进行灭火，同时对所述检测模组21检测到的信息进行分析，判断电缆沟火灾危险等级，并将所述危险等级通过所述无线通信模块发送至所述电缆沟火灾监控平台1；
[0061]
所述电缆沟火灾监控平台1用于根据所述微处理器23确定的电缆沟危险等级进行救援预警。
[0062]
优选电缆沟被划分为若干区段，每一区段均配置有所述检测模组及所述气溶胶灭火器。
[0063]
如图2所示，在本实施例中，将纵向连续三个电缆支架12划分为一个区段，共划分为三个区段；气溶胶灭火剂13设置在电缆沟区段中部顶盖的下方；电缆沟10两侧均布置若干层电缆11，电缆11由电缆支架12支撑，检测模组21设置在电缆支架12的末端。
[0064]
参阅图3，本发明的电缆沟火灾预警及危险性判断系统的工作流程为：
[0065]
步骤1，首先检测模组21实时采集电缆沟内的8种信号；
[0066]
步骤2，微处理器23通过电缆火灾预警算法实时判断电缆火灾的发生情况，若火灾没有发生，返回步骤1，继续采集电缆沟内的电缆指标信号，并实时判断火灾发生情况；若判断出电缆火灾发生后，则进行下一步；
[0067]
步骤3，微处理器23打开着火区域及相邻区域的气溶胶灭火剂13，对其进行灭火，同时根据监测的6种气体成分(co,co2,hcl,hbr,hcn,no2)实时判断电缆沟内的危险性，判断公式如下：
[0068][0069]
式中，ci表示6种毒性气体测得的浓度；lc
lo
为最低致死浓度，ppm。其中，lc
lo
值可通过查阅documentation for immediately dangerous to life or health concentrations(idlhs)获得。
[0070]
当n≥1时，表示此时具有生命危险，消防人员不可直接进入抢修，返回上一步骤3；
[0071]
当n《1时，表示此时危险性不足以致死，消防人员可以进行抢修。但n值越低，消防人员在抢修时就越安全。
[0072]
因此，消防人员在抢修时应当分析当前电缆沟火灾事故的危险性(n)，以保障自身安全。
[0073]
电缆沟火灾预警模型可以包括两种算法；
[0074]
参阅图4及图5，一种是基于三层网络拓扑结构的电缆沟火灾预警算法，具体步骤如下：
[0075]
s1：建立电缆沟火灾预警算法三层网络的拓扑结构，将输入层、隐含层和输出层的节点个数分别记为：n，q，m；
[0076]
其中，“n＝8”表征输入的8种监测指标；“m＝3”表征三种电缆火灾结果：无火、阴燃、明火；a为定值，其取值为(0，1)；
[0077]
s2：给出隐含层、输出层神经元节点的输出方程，并将权值初始化，初始的连接权系数为一组随机的较小非零数值；
[0078]
隐含层神经元节点的输出方程为：
[0079][0080]
输出层的神经元节点的输出方程为：
[0081][0082]
式中：xi表示神经元1～n的输入值；v
ki
表示输入层与隐含层之间的连接权系数；w
jk
表示隐含层与输出层之间的连接权系数；
[0083]
s3：定义输入向量xk＝[x
k1
,x
k2
,...,x
k8
](k＝1,2,...,n)，k为该网络的训练样本的个数；
[0084]
s4：输入学习样本；学习样本从已发生的事故案例中获得，或者通过检测模组测量获取；
[0085]
s5：正向传播过程：计算出网络的输出结果，并将其与期望结果进行比较，如果存在误差就执行下一步s6，否则返回s7；
[0086]
所述误差的计算公式为：
[0087][0088]
式中，表示第p个样本神经元j的期望输出值；表示第p个样本神经元j的实际输出值；e
p
表示第p个学习样本的误差；e表示全局误差；
[0089]
s6：反向传播过程：
[0090]
①
根据式(3)计算每一个学习样本的误差e
p
；
[0091]
②
修正连接权系数w
jk
和v
ki
；
[0092]
隐含层与输出层之间的连接权系数w
jk
的修正公式为：
[0093][0094]
输入层与隐含层之间的连接权系数v
ki
的修正公式为：
[0095][0096]
式中：η为学习速率(0《η《1)；sj＝wjx，sk＝wkx，分别为第j，k个神经元的净输入值。
[0097]
③
返回s3；
[0098]
s7：结束。
[0099]
另一种是基于检测信号风险程度的电缆沟火灾预警算法，具体步骤如下：
[0100]
s1：通过检测模组采集温度、烟雾浓度、二氧化碳浓度、一氧化碳浓度、氯化氢浓度、溴化氢浓度、氰化氢浓度、二氧化氮浓度信号，记为xk(k＝1,...,n)；
[0101]
s2：定义累加函数ak；
[0102][0103]
式中，xk(t+1)为xk(t)下一时间步的信号值，当明火未发生时，ak为xk(1)；
[0104]
s3：获得局部决策结果uk；
[0105]
uk＝f[a
k-γk]
ꢀꢀꢀꢀꢀꢀꢀꢀ
(8)
[0106]
式中：f(
·
)为阶跃函数；γk表示时间t内检测模组测得的8种信号的平均值；uk＝1时，则表示采集信号发生急剧变化，火灾发生。
[0107]
需要说明的是，当电缆燃烧产生明火时，其温度和烟雾浓度显著增大，同时co，co2，so2等气体浓度增大，而上述指标在无火或者阴燃时的变化较为稳定，因此可通过检测信号的急剧变化来决策火灾是否发生。
[0108]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也在本发明的保护范围内。