專利名稱：一種船舶艙室火災連鎖報警優先級評估方法
技術領域：
本發明涉及的是一種火災自動報警方法，特別是一種火災智能報警方法。
背景技術：
隨著科技的發展，世界各國大力發展海上產業，船舶作為海上運輸的重要工具，已經成為人們重視的焦點。由于現代船舶環境較為復雜，船上艙室空間狹小、機械設備安放緊密、氣體和液體運輸及電路線路復雜，故當某區域某艙室發生火災時，相鄰的艙室必然受到牽連，若未及時發現火情，隨著火勢愈演愈烈，通過墻壁或相互連接的通風管道、油氣運輸管道、線纜等會蔓延至數個艙室，弓I發連鎖性起火，從而對船舶主體及人員安全構成了巨大的威脅，其火災危險程度以及可能造成的損失將遠遠大于一般建筑火災。目前，我國對如何有效控制和處理船舶火災的認識還不夠全面，只是處于宏觀和經驗的階段，且缺乏一個完整的船舶火災安全評估體系。國內外近些年趨向于智能型火災報警系統的研究，如利用神經網絡與模糊系統結合的控制方法及多報警參量信息融合技術來設計智能型火災探測器，這種探測器不但具有一定的自學習和自適應性，還有一定的可靠性，能有效降低探測器的誤報率。另外，人工智能以及交互技術也被越來越多的智能火災報警系統所采用，這些均已成為火災報警系統的前沿和核心技術。然而，現如今的火災報警系統智能化趨勢只是著重于探測器對火情的準確判斷，減少誤報漏報頻率，提高系統反應靈敏度，滅火設施啟動迅速等，而忽略了消防報警系統以“防”為主，以“消”為輔的重要性。艙室是船舶的重要組成部分，當某艙發生火災時，根據艙室火災特點，艙室火勢蔓延迅速，易引發連鎖性起火，后果不堪設想，所以應著重考慮各個艙室之間的關聯性，研究火災報警系統針對艙室可靠準確的連鎖報警技術是十分重要的。當某艙室發生火災時，報警系統不僅要得到該艙的準確位置、火災參數、報警級別等信息，還應同時采集其周圍臨近艙室的環境信息及火情信息，綜合判斷決策出這些艙室的火勢發展情況及報警優先級信息。這樣不僅能彌補船舶火災報警系統在連鎖報警控制方面的功能缺陷，還能為后期報警及啟動相應聯動滅火設施奠定基礎。未來對船舶火災報警系統的要求則不僅是要實現艙室連鎖報警的準確無誤，還應在此基礎上決策出相應的火災預防手段和聯動滅火動作，這樣才能增加報警系統的火災判別與控制的精度，有效減少漏報、誤報頻率，使船舶火災報警系統的功能更加完善、高效，更能體現了智能化與人性化。

發明內容
本發明的目的在于提供一種用于得到準確、及時、可靠的艙室連鎖報警優先級信息，超前的艙室火情信息警報可為后期滅火節約寶貴的時間，避免艙室關聯起火對船舶及人員造成重大損失的船舶艙室火災連鎖報警優先級評估方法。本發明的目的是這樣實現的I)集中火災報警控制器采集與發生火災艙室相鄰的各艙室感溫、感煙及可燃氣體、探測器獲取的火情 目息；2)集中火災報警控制器讀取船舶艙室火災危險級別信息，所述船舶艙室火災危險級別是以船舶艙室可燃物的數量和特性、艙室的通風狀態、消防系統狀態為要素，將所述要素進行歸納與量化，并根據廣義指標體系非線性合成的一個指標，用來衡量艙室火災危險性的大小；3)對感溫、感煙和可燃氣體探測器獲取的火情信息和艙室火災危險等級信息進行歸一化預處理；4)將經過處理后的數據送至三層前饋誤差反向傳播的神經網絡進行處理，得到各個艙室火災連鎖報警優先級的評估結果，即初級警報概率、中級警報概率及高級警報概率。為了解決船舶火災報警系統在艙室連鎖報警功能上的缺陷，本發明提出了一種基于BP算法的船舶艙室火災連鎖報警優先級評估方法，本發明在不需增加多余探測設備及成本的基礎上通過神經網絡控制算法對各艙室不同類型探測器采集到的火情信息及艙室 本身火災危險等級信息的數據進行分析處理，快速準確地給出各艙火災報警優先級信息，有效地做到了艙室連鎖報警的準確性、超前性與全面性，減少由于艙室火情信息遺漏而造成的重大火災事故。本發明應用于基于船舶艙室火災連鎖報警控制思想的船舶火災自動報警系統艙室連鎖報警控制系統，本發明的方法是針對該控制系統中的判斷艙室I至N是否報警以及將艙室I至N火災報警等級信息送至集中報警控制器并確定是否啟動相應滅火設施兩個步驟而設計的。本發明通過采集檢測如下參數并進行預處理可有效地預測船舶艙室火災連鎖報警優先級別(I)感煙探測器信號。煙霧是火災的早期現象，現在的感煙火災探測器能夠對可見的煙霧和不可見的懸浮顆粒作出響應，將探測得到的煙霧濃度變化轉化為電信號來啟動報警，故利用感煙式火災探測器的優點是可以較早的探測到火災的發生。像船舶這樣復雜而重要的場所，為了提高火災探測報警及消防聯動控制功能的可靠，以及保證自動滅火系統動作的準確性，也會考慮同時使用離子感煙探測器、光電感煙探測器等多種感煙式火災探測器。(2)感溫探測器信號。通過對船舶艙室火災特點的分析得知，艙室在發生火災時溫度變化最為明顯，各個艙室銜接緊密，火勢蔓延會導致艙壁溫度逐漸升高，故判斷各艙室火情時應著重考慮感溫探測器獲取的報警信息。通常，感溫探測器將溫度的變化轉換為電信號用于火災報警，根據溫度參數等不同，一般分為定溫式、差溫式與差定溫式多種類型。船用感溫火災探測器是利用熱敏元件對溫度的敏感性來檢測環境溫度，適用于發生火災時有劇烈溫升的場所，與感煙探測器配合使用更能可靠探測火災，減少損失。(3)可燃氣體探測器信號。由于應用于各領域的船舶種類很多，像大型儲油、儲氣船等，一旦發生火災，極易產生大量可燃氣體，很難探測及撲滅，故需要安裝可燃氣體探測器用于探測火情。可燃氣體探測器是對單一或多種可燃氣體濃度響應的探測器，它有催化型、紅外光學型兩種類型，當空氣中有被測氣體或液體揮發時，探測器即產生與空氣中被測氣體濃度成正比的電信號，電信號經處理后發出報警信號。(4)艙室火災危險等級信號。查閱相關文獻得知，目前，世界各國的船舶火災危險性評估已成為船舶生命力評估的重要組成部分，艙室作為船舶的重要組成部分，其火災危險度的評估也固然重要。由火災產生及蔓延機制可知，船舶火災與船舶艙室可燃物的數量和特性、艙室的通風狀態、消防系統狀態以及人員因素有關。將這些因素進行歸納與量化，并根據廣義指標體系非線性合成一個新的指標，即船舶艙室火災危險度，用來衡量艙室火災危險性的大小。本發明的技術效果在于集中火災報警控制器采集某艙報警信息同時采集其相鄰艙室火情信息，體現了火災報警系統的連鎖報警控制思想，且利用基于神經網絡的船舶艙室火災連鎖報警優先級評估方法得到了可靠準確的艙室火災報警優先級別信息，擴大了報警系統的關聯報警范圍，提高了系統的控制精度，實現了船舶火災報警系統自動報警的全面性、超前性、準確性和可靠性，較為有效地達到了降低誤報、漏報率的目的，減少了艙室可能發生連鎖性起火而導致船舶重大損失的概率。


圖I是應用本發明船舶艙室火災連鎖報警優先級評估方法的，船舶火災自動報警系統艙室連鎖報警控制系統的流程圖。圖2是本發明中船舶艙室火災連鎖報警優先級評估系統神經網絡結構。
具體實施例方式下面結合附圖列舉具體實施方式
對本發明作進一步的說明如圖I所示，為本發明的船舶火災自動報警系統連鎖報警控制流程圖，該流程圖顯示出了船舶火災報警系統連鎖報警的控制思想。船舶火災報警系統周期采集各個艙室的探測器報警信號，當某一艙室報警時，該艙室的報警信息會送至集中報警控制器，此時為達到連鎖報警控制的目的，集中報警控制器會立即采集與該艙鄰近的多個艙室火災探測器獲取的火情信息，并判斷出這些艙室的火災報警等級信息，根據不同的報警等級信號，集中報警控制器會給出不同的報警信號，并啟動相應的聯動滅火設施進行滅火。這樣，船舶火災自動報警系統的功能就更加完善了，艙室的連鎖報警控制方法的應用能夠減少報警系統的漏報率，提高系統控制精度，考慮各艙室火情關聯信息更加全面，避免因疏忽某個艙室報警信息而給全船造成的巨大損失。本發明設計的船舶艙室火災連鎖報警等級評估方法即是應用于船舶艙室火災連鎖報警控制流程中的判斷艙室I至N是否報警步驟和將艙室I至N火災報警等級信息送至集中報警控制器并確定是否啟動相應滅火設施步驟的。如圖2所示，為本發明的基于BP算法的船舶艙室火災連鎖報警優先級評估系統神經網絡結構圖。該系統的輸入量包括各艙感溫探測器、感煙探測器獲取的火情信息以及通過國內外火災模擬軟件得到的艙室火災危險等級信息(艙室火災危險等級可通過相關文獻查詢得知)，將這些信息進行預處理，歸一化至
范圍內，這樣才能進行下一步數據處理。采集以上信息能夠使系統對艙室早期識別火災報警判別信息，防止火災隱患有所幫助，降低漏報、誤報率。神經網絡的輸出量為艙室火災連鎖報警優先級評估結果，即各相鄰艙室的初級警報、中級警報和高級警報概率。 船舶火災自動報警系統中的感溫探測器、感煙探測器和可燃氣體探測器采集火情信號的以及各艙室火災危險等級信息，對這些信號進行預處理后，送至神經網絡進行學習與訓練。以上信息經過歸一化預處理后轉化為[O，I]范圍內的數值信息，其歸一化公式選擇如下
權利要求
1.ー種船舶艙室火災連鎖報警優先級評估方法，其特征是 1)集中火災報警控制器采集與發生火災艙室相鄰的各艙室感溫、感煙及可燃氣體探測器獲取的火情彳目息； 2)集中火災報警控制器讀取船舶艙室火災危險級別信息，所述船舶艙室火災危險級別是以船舶艙室可燃物的數量和特性、艙室的通風狀態、消防系統狀態為要素，將所述要素進行歸納與量化，井根據廣義指標體系非線性合成的一個指標，用來衡量艙室火災危險性的大小； 3)對感溫、感煙和可燃氣體探測器獲取的火情信息和艙室火災危險等級信息進行歸一化預處理； 4)將經過處理后的數據送至三層前饋誤差反向傳播的神經網絡進行處理，得到各個艙室火災連鎖報警優先級的評估結果，即初級警報概率、中級警報概率及高級警報概率。
2.根據權利要求I所述的ー種船舶艙室火災連鎖報警優先級評估方法，其特征是三層前饋誤差反向傳播的神經網絡的處理方法為 1)隱層節點數目的選取 隱層節點數目可按下面的經驗公式來選取 nH =Sjnl +/ +/ 式中，nH為隱層節點數目，Iici為輸入節點數目，Ii1為輸出節點數目，I為I 10之間的整；首先選取ー個較大的隱層節點數，一般大于輸入輸出單元數總和的一半，然后再根據實際情況修改，最終得到ー個合理的隱層數； 2)學習步長的選取 先選取ー個較大學習步長，然后隨著迭代的進行逐漸減少調整步長； 3)連接初始權值的確定 選取[-1，I]之間不同的均勻分布的隨機數作為初始值； 4)學習算法的選取 用基于優化理論的Levenberg-Marquardt訓練算法來解決計算Hessiam矩陣問題的，在前饋網絡中執行平方和形式吋，Hessiam矩陣被近似為H = JTJ，梯度公式為g = JTE, J為雅克比矩陣，E為誤差矢量；雅克比矩陣通過標準BP算法得到，其修正的公式為xk+i = Xk-[J1J+Uir1 JTe 當u = O時，變成近似Hessian矩陣的擬牛頓法；另外，若訓練成功，誤差性能函數減小，則減小u值；反之若訓練未成功，則增加u值。
全文摘要
本發明提供的是一種船舶艙室火災連鎖報警優先級評估方法。采集與發生火災艙室相鄰的各艙室感溫、感煙及可燃氣體探測器獲取的火情信息；讀取船舶艙室火災危險級別信息；對感溫、感煙和可燃氣體探測器獲取的火情信息和艙室火災危險等級信息進行歸一化預處理；將經過處理后的數據送至三層前饋誤差反向傳播的神經網絡進行處理，得到各個艙室火災連鎖報警優先級的評估結果，即初級警報概率、中級警報概率及高級警報概率。本發明實現了船舶火災報警系統自動報警的全面性、超前性、準確性和可靠性，較為有效地達到了降低誤報、漏報率的目的，減少了艙室可能發生連鎖性起火而導致船舶重大損失的概率。
文檔編號G08B17/00GK102708645SQ20121015603
公開日2012年10月3日 申請日期2012年5月18日 優先權日2012年5月18日
發明者馮麗媛, 姚緒梁, 姜述強, 王秋遙, 蔡晶, 金鴻章 申請人:哈爾濱工程大學