公路隧道火灾探测方法的研究

《公路隧道火灾探测方法的研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要隧道火灾在发生初期是最容易扑救和控制的，如果能够及早地探测到隧道火灾的发生，在火灾发生的初期就给出警报，及时进行救灾处理，就能够避免火灾的扩大，减少人员伤亡和财产损失。因此，“及时发现、准确报警"成为隧道火灾研究中的重要问题。火灾是一种失去人为控制的燃烧过程，产生火灾的基本要素是可燃物、助燃物和点火源。燃烧过程中的物理和化学现象是可以被探测到的，这些现象包括燃烧副产物、烟、辐射和热，针对这些现象，可采用光电感烟探测法、热(温度)检测法、火焰(光)探测法等。结合公路隧道火灾的特点，选择适合探测隧道火灾的双波长火焰探测器、光纤感温探测器和热敏合金金属线感温探测器，并对其原理、安装、应

2、用及系统构成进行了研究。在分析公路隧道火灾可探测特征的基础上，依据数据融合的基本原理，充分利用多个传感器资源，把多个传感器在空间和时间上的冗余或互补信息依据某种准则来进行融合，以获得被测对象的一致性描述。提出了一种基于数据融合技术的隧道火灾探测算法，以感烟、感温和感光传感器的模拟量为输入，利用人工神经网络和模糊逻辑技术对多传感器信号进行融合，设计出一种快速、准确和有效的隧道火灾自动探测融合系统，可缩短报警时间，降低误报率。克服了以往火灾探测算法单一使用固定阈值的弊端。隧道火灾自动探测融合系统的实现，主要是信息层、特征层及决策层的算法实现。在信息层中，对采集到的信号进行预处理；特征层中

3、采用神经网络特征融合器对预处理后的信息进行特征融合，将隧道火情分辨为明火和阴燃火；最后通过决策层的分析判断，并应用模糊逻辑推理，得出最终的判决结果。关键词：火灾探测，数据融合，公路隧道，神经网络，模糊逻辑AbStraCtlt，seasvtosave柚dcon们latImnelf砘iII也einitials扭ge．ncouldavoidtllespread锄dreducethclossofperSo眦l锄dprope咄ifwec孤detect也e觚l觚，咖mcal锄觚dd0some腓舔We勰early弱possible．s0it’sj珥'on觚ttodetect柚dalanIl龇tur

4、mclf酏iIl900d妇·Tllefi他isacombusti∞pIDce豁w他0utcontrol，雠basicelem眺of触勰combustible，oxid妇锄di髓iti∞∞urce．Thephysics锄dch锄is仃ypheIl锄啪inc伽灿stionproce路couldbedetected·Thcyillcludeout伊o、椭ofbunling，鼬，radiation狐dhe她s0me灿le碱c融so哪dex，钯npe蹦：uredetecti∞andflaH圮detecti∞couldbeu∞d．Combinedw池n地妇teIistics0fthetImnel

5、f-鹋，dual啪velen础n锄edetector’脚heatdetector卸dw时heat批ctorof删alloy撇∞lectedtodetectmetIl蛐elfire．AndmemeoⅨ砌1lation，applic撕0n锄dsySt锄s廿tl咖remStudied·B勰cd明a腿l徊ngtl圮cllamct舐s吐coftIl曲elfire锄d也emeo巧ofdata如sion，nlespace妇托dund锄cyandcolIIplemeIl刚i廊眦ationof蝴s0璐批觚ed∞cord啦S0黜mlesiIl0rdert0getac∞sist％cyexpl锄ation锄

6、ddesc咖ti弧ofme0bject．Adctect堍algorithm0ftIlrmelfire，砌chisb勰ed∞data血si伽妣hnolo跚isp唧osed．TheinputaIlalogsig唿ls躺即、，idedbysnloke，tempemtufe锄dIi咖s哪0fS．Us堍anificial∞啪lIl咖哦觚d矗lzzylogictechnolo跏s咄湖sorsi朗als玳缸ed·And锄auto也tec60n觚i∞syst锄isdesi鲷edfortmmelfi愆．Itc锄shOrtenmeti舭ofal绷觚d聆ducen圯豫teofmisinf0彻ation．1

7、1坞把跚ltshowstl扭t吐圮systemc伽【(1ue托dthedi鼢dva砌geof憾ingfⅨedⅡ鹏sholdiIl觚detectingalg耐t№．1．oachievctlIe卸to也tecd∞fi璐i伽syStemoft哪elfire，itshould啪snybcme孔llievemeIItsofalg耐thmforinf．0衄ationlay％characterlayeranddecisionlay％1kcollec蜘sig舱lsmpre