基于无线传感器网络(WSN)的城市轨道交通隧道火灾定位研究

地铁隧道距离长、半密闭,火灾定位难度大。利用无线传感器网络(WSN)及Amorphous定位算法,结合开发的载有无线摄像头和相关传感器的可移动平台,实现了对地铁车站及隧道火灾的快速、准确定位,并可返回现场相关情况及参数。

基于图像处理的火灾定位研究

采用离子感烟火灾探测器对被监控环境进行火灾监测.运用图像处理技术,通过比较发生火灾前后环境图像灰度值的变化,计算火灾在环境中的坐标位置,实现火灾的定位.同时计算火灾的面积、火灾图形方向等相关的图形特征参数.为实施火灾的自动消防技术提供了有效的技术基础.

基于多质心算法的无线网络的森林火灾定位技术

针对森林防火定位技术研究的需求,提出了一种基于多质心算法的森林火灾定位方法,称为0.618RSSIMC算法。按照森林火灾定位对信息采集的要求,RSSI定位算法和质心算法定位精度不高,APIT算法需要未知节点初始位置的问题等,而0.618RSSIMC算法先通过接收信号强度指示(RSSI)算法对未知无线传感器节点进行初始定位,再利用APIT算法和质心算法对未知节点做进一步的精化定位,并融合0.618算法优选空间节点坐标。实验仿真结果表明:融合0.618优选法的多质心算法(0.618RSSIMC)是一种有效精确定位的算法。

基于平面圆盘传感器阵列的早期火灾源点定位研究

火灾源点定位对实现有针对性的灭火,人员疏散都有重要意义。火灾初期阴燃状态下,释放热量小,却产生大量的烟气,针对这一特点,根据早期烟气扩散模型,提出利用平面圆盘传感器阵列探测烟气延时,来实现阴燃火灾的源点定位,并引入了遗传算法对定位误差进行修正。圆盘定位方法的应用,减小了由于烟气自身扩散及其它环境因素带来的误差,大大提高了定位精度。试验结果表明,该方法对早期火灾源点定位效果良好,实效性强。

基于图像处理的大跨隧道火灾定位技术试验研究

在分析公路隧道目前常用火灾自动报警系统定位技术的基础上,提出了基于单摄像头视频图像处理的火灾探测及定位技术,并在全尺寸试验隧道内开展了验证。试验结果表明:1)图像型隧道火灾探测器能够快速准确地发现火灾并发出报警,报警时间在10 s以内;2)火灾图像处理技术可实现火源位置定位,当探测距离不超过100 m时,隧道内环境风速对火源定位精度影响不大,定位误差可控制在±1 m以内;3)当探测距离超过100 m时,隧道内环境风速对火灾定位精度存在一定影响,定位误差可能会大于1 m。

高大空间建筑火灾精确定位方法

根据高大空间建筑内火灾早期自动定位的需要,基于机器视觉技术提出一种精确的高大空间建筑火灾定位方法。由于在传统摄像机非线性显式标定方法中很难精确建立其复杂的数学模型,本文提出了一种改进粒子群优化(IPSO)算法与最小二乘支持向量机(LSSVM)相结合的摄像机隐式标定方法。在平面像素坐标与立体空间坐标之间建立映射;利用IPSO算法搜索LSSVM回归模型的最优参数,提高LSSVM的收敛速度和泛化能力,并通过三维重建实现火焰的空间定位。将此方法应用于高大空间建筑火灾定位,结果证明了该方法的有效性、快速性和准确性。

斜风场中基于加权距离差法的早期火灾源点定位研究

火灾早期阴燃状态下,释放热量少,却产生大量的烟气,而风场中烟气的传播除了受自身的各向同性扩散影响外,更主要是受外界风的影响。基于斜风场中的气体浓度衰减模型,利用空间分布传感器对火灾源点进行定位,并提出了一种加权距离差法来修正定位误差。该方法首先确定每个传感器对应的估计范围(集合),然后通过寻求所有集合的交集来估计出火源点位置。结果表明,该方法不仅能提高定位精度,而且克服了迭代算法难收敛问题,具有实现简单,运行稳定的优点。

基于平面传感阵列的大型仓储火灾报警系统研究

针对现有大型仓储火灾报警系统存在无法定位火灾源头的问题,提出基于平面传感阵列的大型仓储火灾报警系统。该系统由平面传感阵列数据采集前端、火灾报警控制器及远程监控中心三部分组成。平面传感阵列数据采集前端由红外感烟发射器和接收器组成一个或者多个平面传感阵列,实时采集被监控区域的火源信息。火灾报警控制器控制数据采集前端扫描采集火源信息,进行火源定位和声光报警。远程监控中心进行远程系统状态监测、参数设置及探测器调试。经实验验证,该系统火灾报警响应时间为1 s~2 s,故障报警响应时间为70 s~72 s,定位误差不大于2 m。

基于DCNN的火灾探测与定位系统

由于卷积神经网络在机器视觉中表现出色,因而其应用范围越来越广。为了提高火灾探测系统中的探测精度,减小火灾的负面影响,越来越多的基于机器视觉的火灾检测方法被提出。但由于现有的方法存在较高误报率,准确度较低等缺点。为了解决这些问题,提出了一个基于DCNN的火灾检测系统。这个系统使用较小的卷积核,并且不包含密集的、完全连接层,保证了计算量较小。实验结果表明,提出的解决方案可以达到与其他更复杂模型相当的精度。并且在火灾定位中表现较好。

基于非匀速模型的早期火灾源点定位及强度估计

针对传统匀速模型早期火灾源点定位方法的不足，提出了一种非匀速早期火灾顶棚射流传播距离与时间关系的扩散模型。根据传感器探测信号的延时差，逆向利用该非匀速模型，并结合微粒群算法进行求解，同时实现了对早期火灾源点的准确定位和强度的定量估计。通过应用烟气传感节点所组成的无线传感网络验证了该算法。

基于改进SURF算法的双目视觉火灾定位方法

提出了一种基于改进SURF算法的双目视觉火灾定位方法。在使用SURF算法提高特征提取速度的基础上,引用了RANSAC算法提高了匹配的正确率。实验证明,该算法减少了运行时间和特征点的误匹配率,具有较好的实时性与鲁棒性,对于大空间火灾定位具有一定的实用价值。

航空图像为火灾定位

皖北某大烟厂,一项利用全新的航空图像定位技术的火灾防范科研成果,正在进行应用实验。 近千平方米的宽敞车间有10多米高,尽管设备安装已经完毕,厂方还是有种种担心:一般消防报警设备,在3米高的宾馆客房内。

1种结合图像处理及深度校正模型的室内早期火灾定位方法

为解决传统火灾探测器难以对室内早期火灾进行有效探测与定位的问题,在传统双目立体视觉对火灾定位的基础上提出1种增加图像处理及深度校正模型的火灾定位方法。利用该方法在黑暗、明亮2种亮度条件下的校园办公室、走廊和宿舍3种真实室内环境下进行验证。结果表明:在106组有效实验中,共有104组实验结果符合《特种火灾探测器》(GB15631—2008)中对图像型火灾探测器定位精度的要求,其定位精度合格率为98.1%,定位平均时间为12.19 s。该结果可以满足室内早期火灾定位的使用需求。

基于红外与可见光图像火灾定位研究

火灾定位是火灾探测到火灾自动扑救的重要环节,在红外与可见光图像火灾定位中,常规的可见光摄像机标定板无法直接用于红外摄像机标定。针对红外与可见光摄像机联合标定问题,利用不同材料的受热差异,该文设计了可同时标定红外摄像机与可见光摄像机的标定板,并利用Matlab中的摄像机模块对红外摄像机和可见光摄像机进行了标定。标定结果重投影误差为0.92像素,达到亚像素级别,为红外摄像机与可见光摄像机的标定提供了简单有效的标定方法。最后,采集不同位置的火灾视频,并进行了火灾定位实验,得出实验结果相对误差在7%以内,并对误差原因进行了分析。

基于RSSI测距的无线火灾定位报警系统研究

结合城市消防体系的发展需求,利用ZigBee无线传感器网络技术设计了一个分布式火灾报警与定位系统。当火灾发生时,传感器通过终端节点把火灾情况及其位置信息发送给协调器,并由协调器向系统控制中心报警。测试结果表明,该火灾报警系统采用ZigBee无线通信,避免了繁琐的工程布线,能够实现公共场所火灾信息的报警和定位。

试论基于多传感器信息融合的无线火灾定位报警系统

城市化的发展大大提升了人口密集程度,加大了城市的火灾隐患,相关单位需要在内部安装无线火灾定位报警系统,保障建筑安全。基于此,本文从无线火灾定位报警系统的重要性入手,阐述了基于多传感器信息融合的无线火灾定位报警系统设计要点,以期为相关单位及人员应用无线火灾定位报警系统提供参考。

基于复合热烟火图像处理的大跨度煤场火灾定位技术试验研究

文章基于对现阶段于大跨度煤场内运用的火灾自动报警系统进行探讨,将以单摄像头视频图像为基础的火灾定位以及探测技术提出,同时通过全尺寸的大跨度煤厂,实施了具体的验证过程。

红谷隧道分布智能图像火灾报警系统设计分析

红谷隧道作为国内内河最大的沉管隧道,具有空间封闭、结构复杂、人群集中等特点,一旦发生火灾,施救相对困难,往往会造成重大伤亡损失。采用分布式多频图像火灾探测报警系统进行火灾探测,可以在第一时间准确获取火灾的报警信息、位置信息并进行实时监控。基于对分布式智能图像火灾报警器原理、主要功能和特点的分析,结合红谷隧道消防控制自身的特点,我们将介绍该图像火灾报警系统的组成、外部接口、联动控制以及优化措施。

基于CCD的大空间建筑中智能消防炮定位技术

以立体视觉原理为基础,采用垂直交汇CCD视觉测量方法对火灾进行定位,并对定位数据进行概率滤波,使定位数据的精确性更好地适用于高大空间建筑消防安全的需要。通过实验仿真并与传统的消防炮定位方式进行比较,表明该方法具备较好的精确性与可靠性,在火灾定位上有着良好的应用前景。

火电厂脱硫塔防火危险点控制措施研究

火电厂脱硫塔是火电厂环境保护的重要设施,为了形成科学的脱硫塔火灾控制措施,基于脱硫塔结构对火电厂脱硫塔防火危险点进行分析,并提出了脱硫塔火源定位模型及控制措施。实验结果表明,火源定位模型在两个数据集上分别有84.4%和83.3%的整体识别精度,Kappa值分别为0.758和0.75,证实了其在不同场景下的强大识别能力,可以满足实际应用需求。