一种基于多传感器融合的智能消防火情监测预警系统的制作方法

摘要: 本发明涉及智能消防监测,特别涉及一种基于多传感器融合的智能消防火情监测预警系统。背景技术:1、随着智慧城市、智慧建筑建设的快速推进,智能消防已成为公共安全、工业...
一种基于多传感器融合的智能消防火情监测预警系统的制作方法

本发明涉及智能消防监测,特别涉及一种基于多传感器融合的智能消防火情监测预警系统。

背景技术:

1、随着智慧城市、智慧建筑建设的快速推进,智能消防已成为公共安全、工业生产、建筑运维的核心关键环节。火灾事故具有突发性、蔓延快、破坏性强的特点,早期精准监测与及时预警是降低火灾损失、保障人员财产安全的核心手段。目前现有消防火情监测系统大多采用单一传感器监测模式,主流设备多依赖烟雾传感器或温度传感器进行火情判定,存在明显的技术短板。

2、传统单一传感监测技术存在以下缺陷:第一,监测维度单一,无法全面覆盖火灾发展全过程,火灾初期的阴燃阶段仅存在微量烟雾、微弱温度变化与可燃气体析出,单一传感器难以捕捉微弱火情特征,极易出现漏报问题;第二,环境抗干扰能力差,民用场景中的油烟、水汽、粉尘,工业场景中的高温、废气干扰等,极易导致单一传感器触发误报警,大幅降低预警系统的可靠性;第三,火情识别精度低,无法区分火情类型与火情发展阶段,难以实现分级预警,运维人员无法精准判断火情态势,应急处置针对性不足;第四,缺乏数据联动分析能力,无法结合时序数据预判火势发展趋势,仅能实现事后报警,无法满足早期预防、提前干预的消防需求。

3、现有部分技术尝试采用双传感器组合监测,但仅实现两类数据的简单阈值叠加,未构建系统化的数据融合模型,无法消除传感器数据冲突与环境干扰误差,依然存在误漏报率偏高、火情定位不准、态势分析能力缺失的问题,难以适配大型商业建筑、工业厂房、地下管廊、密闭仓储空间等复杂场景的高精度火情监测需求。

4、针对现有技术的诸多不足,本发明提出一种多维度传感采集、智能化数据融合、分级精准预警、云端联动管控的智能消防火情监测预警系统,解决传统技术监测精度低、抗干扰能力弱、预警滞后、可靠性差的技术难题。

技术实现思路

1、本发明的目的在于克服现有技术中单一传感监测维度有限、火情识别准确率低、误漏报率高、无法实现火情分级与态势预判、复杂环境适应性差的缺陷,提供一种基于多传感器融合的智能消防火情监测预警系统,通过多源异构传感器协同采集、多层级数据融合算法、自适应阈值决策机制与边缘云端联动架构,实现火灾早期微弱特征精准识别、火情分级预警、火源定位与火势态势预判,全面提升智能消防火情监测的实时性、精准性与稳定性。

2、一种基于多传感器融合的智能消防火情监测预警系统,包括多传感器同步采集模块、数据预处理模块、多源数据融合分析模块、火情决策预警模块及边缘云端联动传输模块;

3、所述多传感器同步采集模块用于部署于监测区域内,实时同步采集监测环境的温度数据、烟雾浓度数据、可燃气体浓度数据、红外火焰辐射数据及可见光图像数据;

4、所述数据预处理模块电性连接多传感器同步采集模块,用于接收各类原始传感数据,输出标准化时序传感数据;

5、所述多源数据融合分析模块电性连接数据预处理模块,内置改进型d-s证据理论融合模型与时序置信度累积模型,计算火情置信度参数,输出火情特征融合结果;

6、所述火情决策预警模块电性连接多源数据融合分析模块,用于根据融合分析结果结合自适应火情判定阈值,完成火情有无判定、火情等级分级、火源粗略定位及火势发展趋势预判,并根据判定结果输出对应等级的预警指令与联动控制指令;

7、所述边缘云端联动传输模块分别电性连接火情决策预警模块与云端服务器,用于实现边缘端本地数据缓存、实时数据上传、预警信息远程推送及云端指令下行控制。

8、进一步地,所述多传感器同步采集模块包括分布式传感单元与图像采集单元;所述分布式传感单元包括高精度温度传感器、光电式烟雾传感器、电化学可燃气体传感器、红外火焰传感器;所述图像采集单元为带红外夜视功能的高清可见光摄像头,用于采集监测区域的实时画面。

9、进一步地,所述数据预处理模块的数据处理步骤包括:

10、s1、异常值剔除:采用3σ准则对原始传感数据进行滤波处理,剔除采集过程中因电磁干扰、传感器瞬时故障产生的突变异常数据,设定原始数据序列为,计算数据序列均值与标准差

11、

12、

13、当采集数据满足时,判定该数据为异常值并予以剔除;

14、s2、时序对齐:以系统统一时钟为基准,对不同采样频率的传感器数据进行时序插值补全,将所有传感数据统一至100ms的采样时序周期,实现多源数据时间维度精准匹配;

15、s3、自适应归一化:采用极值归一化算法将不同量纲、不同量级的传感数据统一映射至[0,1]区间,归一化公式为:,其中、分别为单类传感数据的历史最大、最小阈值,为归一化后的标准数据。

16、进一步地,所述多源数据融合分析模块采用双层融合架构,包括底层数据级融合与高层特征级决策融合;所述底层数据级融合采用距离加权平均算法对预处理后的单类传感时序数据进行局部融合;所述高层特征级决策融合采用改进d-s证据理论算法,完成多维度火情特征的全局融合决策。

17、进一步地,所述改进d-s证据理论算法的具体实现步骤为:

18、s1、构建证据体:将温度、烟雾、可燃气体、红外火焰四类传感数据分别定义为独立证据体,根据各类传感器的火情敏感特性分配初始基本概率赋值,其中为火情识别命题,包括无火情、阴燃火情、明火火情三种状态;

19、s2、冲突系数修正:计算各证据体之间的冲突系数

20、

21、当时,采用经典d-s合成规则进行证据融合;当时,引入证据可信度权重修正冲突证据,避免高冲突证据导致的决策偏差;

22、s3、全局概率融合:通过修正后的证据合成公式计算全局火情基本概率赋值,合成公式为:

23、

24、最终输出无火情、阴燃火情、明火火情的对应置信度数值。

25、进一步地,所述火情决策预警模块设置三级火情预警机制,实现分级预警:一级预警为隐患预警;二级预警为火情预警;三级预警为紧急火情预警。

26、进一步地,所述边缘云端联动传输模块采用边缘计算架构,边缘端负责实时数据预处理、火情快速决策与本地预警联动,云端负责海量火情数据存储、历史态势分析、预警模型迭代优化及远程设备管控。

27、本发明的有益效果为:

28、1、多维度全时段监测:本发明集成五类传感采集单元,同步捕捉火灾阴燃、初期明火、火势蔓延全阶段的热、烟、气、光、图像特征,解决传统单一传感器无法识别早期隐火、阴燃火情的问题,实现火灾早发现、早预警、早干预。

29、2、智能化数据融合:采用改进d-s证据理论与时序置信度累积融合算法,解决多传感器数据冲突、环境干扰、数据波动问题,有效降低火情监测误漏报率。

30、3、分级精准预警:构建三级火情预警机制,可精准区分火情严重程度,实现差异化预警与联动控制,帮助运维人员精准判断火情态势,提升应急处置效率。

31、4、边缘云端联动,兼顾实时性与智能化:边缘端本地快速响应,满足火情快速处置需求;云端大数据分析实现模型迭代优化、火情态势溯源、区域火情统计,实现消防监测智能化、长效化管控。