一种基于物联网的多点火灾预警系统技术方案

本发明专利技术公开了一种基于物联网的多点火灾预警系统，所述系统由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境多点火灾预警子系统构成；所述加油站油罐区环境多点火灾预警子系统由多个参数检测单元和多个HRFNN模糊递归神经网络火灾预警分类器组成；本发明专利技术有效解决了现有加油站油罐区环境监控系统没有根据加油站油罐区环境参数变化的非线性、大滞后和加油站油罐区环境参数变化复杂等特点，对加油站油罐区环境参数精确进行检测和火灾进行预警，从而提高预测加油站火灾参数和火灾准确度问题。

A multi-point fire early warning system based on Internet of things

【技术实现步骤摘要】
一种基于物联网的多点火灾预警系统
本专利技术涉及油气环境自动化监测和预警装备的
，具体涉及一种基于物联网的多点火灾预警系统。
技术介绍
加油站油罐区环境主要存储着油品存储容器或者管道如果发生泄漏，就会产生易燃液体蒸汽，当蒸汽压较高时，就会产生燃烧爆炸的危险，而可燃液体具有流淌性，在常温下遇到火源就会起火燃烧，如果存储容器发生泄漏就会在流淌的过程中不断蒸发可燃蒸汽，一旦接触火源，哪怕是最微小的火花，都会引起燃烧。加油站油罐区环境场地都具有极大的爆炸危险性，如果消防安全管理不善，极易引发大范围火灾事故造成重大的人身伤亡以及财产损失。因此，加强消防安全管理，即时检测引起火灾的油气泄露浓度，消除安全事故隐患，避免火灾事故发生是加油站油罐区环境火灾消防安全管理最重要的工作。当存储罐发生泄漏，遇到火星，引发火灾，如果扑救措施不及时，就会引起一系列的连锁反应，造成更大的损失，产生连续性爆炸，产生冲击波力量巨大可以在瞬间摧毁设备和厂房，破坏力极强。汽车加油站油罐区环境是加油站涉及油品最多的区域，油品均属于易燃液体，发生火灾、爆炸事故的概率较大，而且一旦发生事故，后果相当严重。汽加油站油罐区环境发生火灾事故不仅对人及周围设备、设施产生危害，当蒸气浓度升高时，如达到汽油爆炸浓度极限时，将可能引发爆炸事故。从加油站油罐区环境的事故类型分析来看，泄漏和火灾爆炸事故是加油站油罐区环境安全防范的重点。加油站油罐区环境发生池火灾是由于可燃液体泄漏到地面，遇到点火源形成的火灾。本专利技术的目的是提供一种基于物联网的多点火灾预警系统，该系统由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境多点火灾预警子系统构成，实现对加油站油罐区环境火灾因油气泄露造成的火灾进行预警，提高加油站油罐区环境火灾的防范能力，提高加油站火灾防范性能力。
技术实现思路
本专利技术提供了一种基于物联网的多点火灾预警系统，本专利技术有效解决了现有加油站油罐区环境监控系统没有根据加油站油罐区环境参数变化的非线性、大滞后和加油站油罐区环境参数变化复杂等特点，对加油站油罐区环境参数精确进行检测和火灾进行预警，从而提高预测加油站火灾参数和火灾准确度问题。本专利技术通过以下技术方案实现：一种基于物联网的多点火灾预警系统，由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境多点火灾预警子系统构成两部分组成，基于ZigBee网络的加油站油罐区环境参数采集平台实现对加油站油罐区环境油气浓度、温度和烟雾的检测和火灾预测，加油站油罐区环境多点火灾预警子系统由多个参数检测单元和多个HRFNN模糊递归神经网络火灾预警分类器组成，实现对加油站油罐区环境多点参数智能化处理和预警加油站火灾危险程度，提高预测加油站油罐区环境火灾的精确度、可靠性和鲁棒性。本专利技术进一步技术改进方案是：基于ZigBee网络的加油站油罐区环境参数采集平台由检测节点和现场监控端组成，它们以自组织方式通过ZigBee通信模块CC2530构建成加油站油罐区环境参数采集与智能预测平台。检测节点分别由传感器组模块、单片机MSP430和ZigBee通信模块CC2530组成，传感器组模块负责检测加油站油罐区环境的温度、油气浓度和烟雾等加油站油罐区环境参数，由单片机控制采样间隔并通过ZigBee通信模块CC2530发送给现场监控端；现场监控端由一台工业控制计算机组成，实现对检测节点检测加油站油罐区环境参数进行管理和对加油站油罐区环境多点火灾进行预警。基于ZigBee网络的加油站油罐区环境参数采集平台见图1所示。本专利技术进一步技术改进方案是：加油站油罐区环境多点火灾预警子系统由多个参数检测单元和多个HRFNN模糊递归神经网络火灾预警分类器组成，实现对加油站油罐区环境多点参数智能化检测与预测和加油站火灾危险程度的预警。加油站油罐区环境多点火灾预警子系统原理参见图2所示。本专利技术进一步技术改进方案是：多个参数检测单元实现对加油站多个检测点的油气浓度、烟雾和温度的同时检测与预测，每个参数检测单元包括3个传感器、3个时间序列三角模糊数神经网络和3个三角模糊数预测模块组成；油气浓度传感器的输出作为时间序列三角模糊数神经网络1的输入，时间序列三角模糊数神经网络1的输出作为三角模糊数预测模块1的输入，三角模糊数预测模块1的输出分别作为加油站油罐区环境多点油气浓度融合模型和HRFNN模糊递归神经网络火灾预警分类器1的输入；温度传感器的输出作为时间序列三角模糊数神经网络2的输入，时间序列三角模糊数神经网络2的输出作为三角模糊数预测模块2的输入，三角模糊数预测模块2的输出作为HRFNN模糊递归神经网络火灾预警分类器1的输入；烟雾传感器的输出作为时间序列三角模糊数神经网络3的输入，时间序列三角模糊数神经网络3的输出作为三角模糊数预测模块3的输入，三角模糊数预测模块3的输出作为HRFNN模糊递归神经网络火灾预警分类器1的输入。本专利技术进一步技术改进方案是：3个时间序列三角模糊数神经网络由时间序列三角模糊数神经网络1、时间序列三角模糊数神经网络2和时间序列三角模糊数神经网络3组成，每个时间序列三角模糊数神经网络由被检测参数传感器输出的一段常规时间序列值作为径向基神经网络的输入、径向基神经网络和被检测参数下一时刻的三角模糊数值作为径向基神经网络的输出组成，径向基神经网络输出的三角模糊数值分别表示检测点被检测参数度下限值、最大可能值和上限值；时间序列三角模糊数神经网络根据被检测参数的动态变化把检测点被检测参数的一段常规时间序列值转化下一时刻被检测参数的三角模糊值来表示更加符合被检测参数的动态变化规律。本专利技术进一步技术改进方案是：3个三角模糊数预测模块由三角模糊数预测模块1、三角模糊数预测模块2和三角模糊数预测模块3组成，每个三角模糊数预测模块由3个NARX神经网络预测模型和3个相空间重构技术的Elman神经网络预测模型组成，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别为NARX神经网络预测模型1、NARX神经网络预测模型2和NARX神经网络预测模型3的输入，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别与NARX神经网络预测模型1、NARX神经网络预测模型2和NARX神经网络预测模型3的输出的差分别为相空间重构技术的Elman神经网络预测模型1、相空间重构技术的Elman神经网络预测模型2和相空间重构技术的Elman神经网络预测模型3的输入，NARX神经网络预测模型1、NARX神经网络预测模型2和NARX神经网络预测模型3的输出分别与相空间重构技术的Elman神经网络预测模型1、相空间重构技术的Elman神经网络预测模型2和相空间重构技术的Elman神经网络预测模型3的输出相加和得到对应的时间序列三角模糊数神经网络输出的三角模糊数的预测值，三角模糊数预测模块1的三角模糊数输出作为该检测节点对应HRFNN模糊递归神经网络火灾预警分类器的输入。本专利技术进一步技术改进方案是：多个HRFNN模糊递归神经网络本文档来自技高网...

【技术保护点】
1.一种基于物联网的多点火灾预警系统，其特征在于：所述系统由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境多点火灾预警子系统构成；所述加油站油罐区环境多点火灾预警子系统由多个参数检测单元和多个HRFNN模糊递归神经网络火灾预警分类器组成；/n所述参数检测单元包括油气浓度传感器、烟雾传感器、温度传感器、时间序列三角模糊数神经网络以及三角模糊数预测模块；油气浓度传感器、烟雾传感器、温度传感器的输出分别作为对应时间序列三角模糊数神经网络的输入，时间序列三角模糊数神经网络的输出分别作为对应三角模糊数预测模块的输入，三角模糊数预测模块的输出分别作为对应加油站油罐区环境多点油气浓度融合模型和HRFNN模糊递归神经网络火灾预警分类器的输入；/n所述时间序列三角模糊数神经网络由被检测参数传感器输出的一段常规时间序列值作为径向基神经网络的输入、径向基神经网络和被检测参数下一时刻的三角模糊数值作为径向基神经网络的输出组成，径向基神经网络输出的三角模糊数值分别表示检测点被检测参数度下限值、最大可能值和上限值；时间序列三角模糊数神经网络根据被检测参数的动态变化把检测点被检测参数的一段常规时间序列值转化下一时刻被检测参数的三角模糊值来表示更加符合被检测参数的动态变化规律；/n所述三角模糊数预测模块由NARX神经网络预测模型和相空间重构技术的Elman神经网络预测模型组成，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别为相应NARX神经网络预测模型的输入，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别与相应NARX神经网络预测模型的输出的差分别为相应相空间重构技术的Elman神经网络预测模型的输入，相应NARX神经网络预测模型的输出分别与相应相空间重构技术的Elman神经网络预测模型的输出相加和得到对应的时间序列三角模糊数神经网络输出的三角模糊数的预测值，三角模糊数预测模块的三角模糊数输出作为该检测节点对应HRFNN模糊递归神经网络火灾预警分类器的输入。/n...

【技术特征摘要】
1.一种基于物联网的多点火灾预警系统，其特征在于：所述系统由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境多点火灾预警子系统构成；所述加油站油罐区环境多点火灾预警子系统由多个参数检测单元和多个HRFNN模糊递归神经网络火灾预警分类器组成；
所述参数检测单元包括油气浓度传感器、烟雾传感器、温度传感器、时间序列三角模糊数神经网络以及三角模糊数预测模块；油气浓度传感器、烟雾传感器、温度传感器的输出分别作为对应时间序列三角模糊数神经网络的输入，时间序列三角模糊数神经网络的输出分别作为对应三角模糊数预测模块的输入，三角模糊数预测模块的输出分别作为对应加油站油罐区环境多点油气浓度融合模型和HRFNN模糊递归神经网络火灾预警分类器的输入；
所述时间序列三角模糊数神经网络由被检测参数传感器输出的一段常规时间序列值作为径向基神经网络的输入、径向基神经网络和被检测参数下一时刻的三角模糊数值作为径向基神经网络的输出组成，径向基神经网络输出的三角模糊数值分别表示检测点被检测参数度下限值、最大可能值和上限值；时间序列三角模糊数神经网络根据被检测参数的动态变化把检测点被检测参数的一段常规时间序列值转化下一时刻被检测参数的三角模糊值来表示更加符合被检测参数的动态变化规律；
所述三角模糊数预测模块由NARX神经网络预测模型和相空间重构技术的Elman神经网络预测模型组成，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别为相应NARX神经网络预测模型的输入，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别与相应NARX神经网络预测模型的输出的差分别为相应相空间重构技术的Elman神经网络预测模型的输入，相应NARX神经网络预测模型的输出分别与相应相空间重构技术的Elman神经网络预测模型的输出相加和得到对应的时间序列...

【专利技术属性】
技术研发人员：马从国，郇小城，周红标，周恒瑞，马海波，丁晓红，王建国，陈亚娟，杨玉东，张利兵，金德飞，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏;32