一种减氧注氮火灾防控测试系统及方法技术方案

一种减氧注氮火灾防控测试系统及方法，包括控制中心、视频采集模块、温度监测模块、湿度监测模块、大气压力监测模块、氧气含量监测模块和电源模块。本发明专利技术通过各个模块进行信息的采集，并将采集结果输入至控制中心中，基于BP神经网络预测算法对火灾防控效果进行预测。本发明专利技术专利针对于减氧注氮火灾防控测试需求而设计，搭建一种减氧注氮火灾防控测试系统，实现后端控制中心实时监测前端试验环境内部视频、温度、湿度、大气压力、氧气含量等试验数据的系统功能，为减氧注氮火灾防控技术测试环境搭建提供一种系统性解决方案，实现一种综合集中的减氧注氮火灾防控测试环境系统。中的减氧注氮火灾防控测试环境系统。中的减氧注氮火灾防控测试环境系统。

【技术实现步骤摘要】
一种减氧注氮火灾防控测试系统及方法


[0001]本专利技术属于消防救援
，尤其涉及一种减氧注氮火灾防控测试系统及方法。

技术介绍

[0002]减氧注氮火灾防控系统是一种在常温常压下进行氮气、氧气浓度调控，继而实现主动防火目的的火灾防控系统，是一种新兴火灾防控技术。为了深入分析减氧注氮火灾防控系统技术性能，设计了本减氧注氮火灾防控测试系统，其主要功能是测试减氧注氮火灾防控系统技术性能，重点测试减氧注氮测试环境内部温度、湿度、大气压力、氧气含量和视频数据，以此来评估减氧注氮火灾防控系统的应用效能。

技术实现思路

[0003]本专利技术针对于减氧注氮火灾防控测试需求而设计，搭建一种减氧注氮火灾防控测试系统，实现后端控制中心实时监测前端试验环境内部视频、温度、湿度、大气压力、氧气含量等试验数据的系统功能，为减氧注氮火灾防控技术测试环境搭建提供一种系统性解决方案，实现一种综合集中的减氧注氮火灾防控测试环境系统及测试方法。
[0004]本专利技术是通过以下技术方案实现的：一种减氧注氮火灾防控测试系统，控制中心与温度监测模块、湿度监测模块、大气压力监测模块、氧气含量监测模块、视频采集模块连接；
[0005]所述的控制中心对所有模块进行指令控制和数据交互，控制各个模块的有序工作和数据汇集；
[0006]所述的温度监测模块用于监测减氧注氮火灾防控测试环境内部的温度数据，对内部测试环境进行温度监测；所述的湿度监测模块用于监测减氧注氮火灾防控测试环境内部的湿度数据，对内部测试环境进行湿度监测；所述的大气压力监测模块用于监测减氧注氮火灾防控测试环境内部的大气压力数据，对内部测试环境进行大气压力监测；所述的氧气含量监测模块用于监测减氧注氮火灾防控测试环境内部的氧气环境数据，对内部测试环境进行氧气含量监测；所述的视频采集模块用于采集减氧注氮火灾防控测试环境内部的视频数据，对内部测试环境进行视频监测。
[0007]利用减氧注氮火灾防控测试系统进行防控预测的方法，其步骤为：
[0008]1)在数据库中提取数据，作为神经网络的训练集和测试集；数据包括温度X1、湿度X2、大气压力X3、氧气含量X4和火灾防控效果Y；
[0009]2)BP神经网络的构建：
[0010]2.1)建立基于BP神经网络的火灾防控效果预测模型：设温度X1、湿度X2、大气压力X3、氧气含量X4为是BP神经网络的输入值，火灾防控效果Y为BP神经网络的预测值，w
ij
和w
j
为BP神经网络权值；
[0011]2.2)BP神经网络初始化：根据系统输入输出情况确定网络输入层节点数4、隐含层
节点数5，输出层节点数1，初始化输入层、隐含层和输出层神经网络节点之间权值w
ij
、w
j
，初始化隐含层阈值a，输出层阈值b，给定学习速率γ和神经元激励函数f；
[0012]2.3)BP神经网络隐含层输出计算：根据输入数据，输入层和隐含层间权值w
ij
，计算输出：
[0013][0014]式中，j为隐含层节点数；f为隐含层激励函数，
[0015][0016]2.4)BP神经网络输出层输出计算：根据隐含层输出H，连接权值w
j
和阈值b，计算BP神经网络预测输出O；
[0017][0018]2.5)BP神经网络误差计算：根据网络预测输出O和期望输出Y'，计算神经网络预测误差e；
[0019]e＝Y'
‑
O
[0020]2.6)神经网络权值更新：根据神经网络预测误差e更新网络连接权值w
ij
，w
j
；
[0021]w
ij
＝w
ij
+γH
j
(1
‑
H
j
)x(i)w
j
e i＝1,2，
…
，4；j＝1,2，
…
，5
[0022]w
j
＝w
j
+γH
j
ej＝1,2，
…
，5
[0023]式中，γ为学习速率；
[0024]2.7)神经网络阈值更新：根据神经网络预测误差e更新网络节点阈值a，b；
[0025]a
j
＝a
j
+γH
j
(1
‑
H
j
)w
j
e j＝1,2，
…
，5
[0026]b＝b+e
[0027]2.8)通过训练集对神经网络进行训练，通过测试集检测神经网络的预测效果；如果预测误差e小于设定值，则说明神经网络达到预设效果，为最终的神经网络结构；如果预测误差e大于设定值，则说明神经网络没有达到预设效果，需要从数据库中提取更多的数据作为训练集，对神经网络继续进行训练；
[0028]3)预测：将实际中采集的温度X1、湿度X2、大气压力X3、氧气含量X4输入至步骤2)最终得到的神经网络中，如果神经网络输出的火灾防控效果Y＝1，则说明火灾防控效果为成功，如果神经网络输出的火灾防控效果Y＝0，则说明火灾防控效果为失败。
[0029]所述的控制中心、视频采集模块、温度监测模块、湿度监测模块、大气压力监测模块和氧气含量监测模块，均与电源模块连接，通过电源模块为整个系统提供电能。
[0030]所述的控制中心为电子计算机系统，通过控制中心1个网络接口连接视频采集模块；控制中心通过4个USB接口与温度监测模块、湿度监测模块、大气压力监测模块、氧气含量监测模块进行连接。
[0031]所述的温度监测模块包含U26，为USB连接器，通过USB数据线与控制中心连接，U26引脚1通过保险RJ3连接电源信号VCC，U26引脚5连接GND，U26引脚2、3与U24引脚8、7对应连接；
[0032]U24型号为CH341T，引脚1通过发光二极管L7、电阻R22连接VCC，引脚13、20连接VCC，其引脚11、12连接GND，电容C40、C41和晶振Q4构成晶振电路连接到U24引脚9、10，电容C39是3.3VCC电源去耦电容，电容C45、C47是VCC电源去耦电容，引脚18连接U25引脚2、3，其
引脚3、4分别对应连接U25引脚4、1；
[0033]U25型号为MAX487，引脚1、4分别对应连接U24引脚4、3，引脚5连接GND，引脚8连接VCC，电容C37是去耦电容，引脚6、7分别对应连接U28引脚A、B，电阻R24、发光二极管L8构成指示电路连接到U25引脚4，指示其数据发送，电阻R25、发光二极管L9构成指示电路连接到U25引脚1，指示其数据接收，电阻R26一端连接GND，另一端连接U25引脚7，电阻R30一端连接VCC，另一端连接U25引脚6；
[0034]U28是温度传感模块，其引脚A、B分别对应连接U25引脚本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种减氧注氮火灾防控测试系统，其特征在于：控制中心与温度监测模块、湿度监测模块、大气压力监测模块、氧气含量监测模块、视频采集模块连接；所述的控制中心对所有模块进行指令控制和数据交互，控制各个模块的有序工作和数据汇集；所述的温度监测模块用于监测减氧注氮火灾防控测试环境内部的温度数据，对内部测试环境进行温度监测；所述的湿度监测模块用于监测减氧注氮火灾防控测试环境内部的湿度数据，对内部测试环境进行湿度监测；所述的大气压力监测模块用于监测减氧注氮火灾防控测试环境内部的大气压力数据，对内部测试环境进行大气压力监测；所述的氧气含量监测模块用于监测减氧注氮火灾防控测试环境内部的氧气环境数据，对内部测试环境进行氧气含量监测；所述的视频采集模块用于采集减氧注氮火灾防控测试环境内部的视频数据，对内部测试环境进行视频监测。2.利用权利要求1所述的减氧注氮火灾防控测试系统进行防控预测的方法，其特征在于，其步骤为：1)在数据库中提取数据，作为神经网络的训练集和测试集；数据包括温度X1、湿度X2、大气压力X3、氧气含量X4和火灾防控效果Y；2)BP神经网络的构建：2.1)建立基于BP神经网络的火灾防控效果预测模型：设温度X1、湿度X2、大气压力X3、氧气含量X4为是BP神经网络的输入值，火灾防控效果Y为BP神经网络的预测值，w
ij
和w
j
为BP神经网络权值；2.2)BP神经网络初始化：根据系统输入输出情况确定网络输入层节点数4、隐含层节点数5，输出层节点数1，初始化输入层、隐含层和输出层神经网络节点之间权值w
ij
、w
j
，初始化隐含层阈值a，输出层阈值b，给定学习速率γ和神经元激励函数f；2.3)BP神经网络隐含层输出计算：根据输入数据，输入层和隐含层间权值w
ij
，计算输出：式中，j为隐含层节点数；f为隐含层激励函数，2.4)BP神经网络输出层输出计算：根据隐含层输出H，连接权值w
j
和阈值b，计算BP神经网络预测输出O；2.5)BP神经网络误差计算：根据网络预测输出O和期望输出Y'，计算神经网络预测误差e；e＝Y'
‑
O2.6)神经网络权值更新：根据神经网络预测误差e更新网络连接权值w
ij
，w
j
；w
ij
＝w
ij
+γH
j
(1
‑
H
j
)x(i)w
j
e i＝1,2，
…
，4；j＝1,2，
…
，5w
j
＝w
j
+γH
j
ej＝1,2，
…
，5式中，γ为学习速率；
2.7)神经网络阈值更新：根据神经网络预测误差e更新网络节点阈值a，b；a
j
＝a
j
+γH
j
(1
‑
H
j
)w
j
e j＝1,2，
…
，5b＝b+e2.8)通过训练集对神经网络进行训练，通过测试集检测神经网络的预测效果；如果预测误差e小于设定值，则说明神经网络达到预设效果，为最终的神经网络结构；如果预测误差e大于设定值，则说明神经网络没有达到预设效果，需要从数据库中提取更多的数据作为训练集，对神经网络继续进行训练；3)预测：将实际中采集的温度X1、湿度X2、大气压力X3、氧气含量X4输入至步骤2)最终得到的神经网络中，如果神经网络输出的火灾防控效果Y＝1，则说明火灾防控效果为成功，如果神经网络输出的火灾防控效果Y＝0，则说明火灾防控效果为失败。3.根据权利要求1所述的一种减氧注氮火灾防控测试系统，其特征在于：所述的控制中心、视频采集模块、温度监测模块、湿度监测模块、大气压力监测模块和氧气含量监测模块，均与电源模块连接，通过电源模块为整个系统提供电能。4.根据权利要求1所述的一种减氧注氮火灾防控测试系统，其特征在于：所述的控制中心为电子计算机系统，通过控制中心1个网络接口连接视频采集模块；控制中心通过4个USB接口与温度监测模块、湿度监测模块、大气压力监测模块、氧气含量监测模块进行连接。5.根据权利要求1所述的一种减氧注氮火灾防控测试系统，其特征在于：所述的温度监测模块包含U26，为USB连接器，通过USB数据线与控制中心连接，U26引脚1通过保险RJ3连接电源信号VCC，U26引脚5连接GND，U26引脚2、3与U24引脚8、7对应连接；U24型号为CH341T，引脚1通过发光二极管L7、电阻R22连接VCC，引脚13、20连接VCC，其引脚11、12连接GND，电容C40、C41和晶振Q4构成晶振电路连接到U24引脚9、10，电容C39是3.3VCC电源去耦电容，电容C45、C47是VCC电源去耦电容，引脚18连接U25引脚2、3，其引脚3、4分别对应连接U25引脚4、1；U25型号为MAX487，引脚1、4分别对应连接U24引脚4、3，引脚5连接GND，引脚8连接VCC，电容C37是去耦电容，引脚6、7分别对应连接U28引脚A、B，电阻R24、发光二极管L8构成指示电路连接到U25引脚4，指示其数据发送，电阻R25、发光二极管L9构成指示电路连接到U25引脚1，指示其数据接收，电阻R26一端连接GND，另一端连接U25引脚7，...

【专利技术属性】
技术研发人员：郐士超，李宁宁，郑伟，许磊，齐梓博，
申请(专利权)人：应急管理部沈阳消防研究所，
类型：发明
国别省市：