[发明专利]一种基于烟感检测的火灾预警系统及方法

权利要求书

1.一种基于烟感检测的火灾预警方法，其特征在于，包括：

步骤一、获取烟雾传感器当前时刻的烟雾浓度数据；

步骤二、若所述烟雾浓度超出设定阈值，则获取当前烟雾传感器的位置及楼宇信息；

步骤三、远程控制，获取所述楼宇当前时刻的全部烟雾传感器和温湿度传感器测量数据；

步骤四、将所述测量数据进行同质融合后输入BP神经网络进行异质融合，得到烟雾浓度评价值和温湿度评价值，再通过计算得到预警信息融合值；

步骤五、基于所述预警信息融合值确定预警等级，并根据所述预警等级执行火灾预警策略。

2.如权利要求1所述的基于烟感检测的火灾预警方法，其特征在于，所述步骤四，具体包括如下步骤：

将所述烟雾浓度数据和所述温湿度数据进行阈值分割，删除干扰数据，再进行归一化处理；

基于自适应加权融合法计算传感器权重，获得所述测量数据的状态值；

基于BP神经网络算法建立预测模型，获得所述测量数据的评价值；

根据所述评价值计算预警信息融合值。

3.如权利要求2所述的基于烟感检测的火灾预警方法，其特征在于，所述自适应加权融合，具体包括如下步骤：

计算所述数据的方差和总均方误差，得到所述总均方误差关于传感器权重的函数方程；

解析所述函数方程得到状态模型为：

其中，表示传感器状态值，a_i表示传感器测量值，p_i表示传感器权重，i表示传感器，S²表示总均方差，n表示传感器数量。

4.如权利要求3所述的基于烟感检测的火灾预警方法，其特征在于，所述深层神经网络算法，包括：

建立三层BP神经网络；

确定输入层神经元向量x＝(x₁,x₂,x₃)^T，其中，x₁表示烟雾浓度状态值，x₂表示温度状态值，x₃表示湿度状态值；

所述输入层向量映射到隐层，隐层的神经元为m个；

得到输出层神经元向量o＝(o₁,o₂,o₃)^T，其中，o₁表示烟雾浓度评价值，o₂表示温度评价值，o₃表示湿度评价值。

5.如权利要求4所述的基于烟感检测的火灾预警方法，其特征在于，所述BP神经网络算法，还包括基于混合蛙跳算法对所述BP神经网络各隐层神经元个数和反向微调算法的学习率进行参数优化。

6.如权利要求5所述的基于烟感检测的火灾预警方法，其特征在于，所述隐层及所述输出层的激励函数均采用S型函数

7.如权利要求6所述的基于烟感检测的火灾预警方法，其特征在于，所述预警信息融合值的计算公式为：

其中，λ表示预警信息融合值，λ₀表示标准融合值，ξ表示校正系数，e表示自然对数的底数。

8.如权利要求7所述的基于烟感检测的火灾预警方法，其特征在于，所述预警等级包括：

当λ＞0.45λ₀时，预警等级为极度风险；

当0.35λ₀≤λ≤0.45λ₀时，预警等级为重度风险；

当0.15λ₀≤λ＜0.35λ₀时，预警等级为高度风险；

当0.05λ₀≤λ＜0.15λ₀时，预警等级为中度风险；

当λ＜0.05λ₀时，预警等级为低度风险。