基于过程特征信息的火灾早期探测方法研究

摘要

随着人类文明的进步和科学技术的迅速发展，火灾给人类的生命财产和社会安全带来日益严重的威胁。因此研究火灾发生的机理和规律，准确可靠的实现火灾早期探测和预报具有极为重要的意义。 由于火灾是一个复杂的非平稳动态过程，具有动态过程性和非平稳性。传统探测方法往往仅根据某个时刻的瞬态值来判别火灾，容易产生误报。本文提出了基于过程特征信息的火灾早期探测方法，以火灾发生初期燃烧产物中的CO和CO2为表征气体，研究其在火灾早期过程的浓度变化规律，提取的过程特征信息，实现火灾的早期探测。 利用基于傅立叶变换红外光谱技术的早期火灾探测实验系统，进行了大量的有限空间火灾模拟实验。连续动态的采集火灾过程中的CO、CO2的光谱数据，通过光谱定量分析得到CO、CO2的浓度，并对浓度数据进行处理，剔除数据中的随机成分，提取出表征气体的浓度、变化速度和加速度，将其作为火灾分析的过程特征信息。重点通过理论和实验分析，得到CO浓度变化速度、加速度和CO2浓度变化速度在阴燃火灾、明火火灾和非火灾这三种情况的不同变化规律。 在理论和实验研究的基础上，建立一个三输入、三输出的RBF神经网络。网络的输入为CO的浓度变化速度、加速度以及CO2的浓度变化速度；网络的输出为无火、阴燃火或明火。经过对网络的训练和检验，证明基于过程特征信息与RBF网络的算法的火灾判别方法在阴燃初期就能够准确判断火灾，并能识别明火。为火灾的防患和预警提供了有效的时间。