|本期目录/Table of Contents|

[1]张 冉,吴云韬*,于宝成,等.基于多传感器数据融合的机房火灾检测算法[J].武汉工程大学学报,2024,46(01):79-84.[doi:10.19843/j.cnki.CN42-1779/TQ.202303028]
　ZHANG Ran,WU Yuntao*,YU Baocheng,et al.Fire detection algorithm in computer rooms based onmulti-sensor data fusion[J].Journal of Wuhan Institute of Technology,2024,46(01):79-84.[doi:10.19843/j.cnki.CN42-1779/TQ.202303028]
点击复制

基于多传感器数据融合的机房火灾检测算法(/HTML)
分享到：

《武汉工程大学学报》[ISSN:1674-2869/CN:42-1779/TQ]

卷:
46
期数:
2024年01期
页码:
79-84
栏目:
机电与信息工程
出版日期:
2024-03-12

文章信息/Info

Title:
Fire detection algorithm in computer rooms based on
multi-sensor data fusion
文章编号:
1674 - 2869（2024）01 - 0079 - 06
作者:
张 冉 1; 2; 吴云韬*1; 2; 于宝成 1; 2; 徐文霞 1; 2
1. 智能机器人湖北省重点实验室（武汉工程大学），湖北 武汉 430205；
2. 武汉工程大学计算机科学与工程学院，湖北 武汉 430205
Author(s):
ZHANG Ran1; 2; WU Yuntao*1; 2; YU Baocheng1; 2; XU Wenxia1; 2
1. Hubei Key Laboratory of Intelligent Robot （Wuhan Institute of Technology），Wuhan 430205，China；
2. School of Computer Science & Engineering，Wuhan Institute of Technology，Wuhan 430205，China
关键词:
火灾检测; SSA-ELM; 多传感器; 模糊推理
Keywords:
fire detection;  SSA-ELM;  multi-sensor;  fuzzy reasoning
分类号:
TN911
DOI:
10.19843/j.cnki.CN42-1779/TQ.202303028
文献标志码:
A
摘要:
针对机房传统单传感器报警系统存在漏报率高、准确率低等问题，提出了一种基于多传感器数据融合的机房火灾检测算法。该算法首先采用寻优能力强的麻雀搜索算法（SSA）优化极限学习机（ELM）的预测精度和准确度。其次通过SSA-ELM算法模型对机房内多传感器采集的温度、烟雾浓度、CO浓度进行特征层数据融合，输出各火情概率。最后利用模糊推理将输出的各火情概率和火灾持续时间在决策层中进行特征融合，决策出火情警报等级。仿真实验表明：本文算法能根据多传感器数据融合的结果并结合不同危险等级区域给出合理的警报决策，极大提高了机房火灾检测的灵活性和准确性。

Abstract:
Aiming at the problems of high leakage rate and low accuracy of traditional single-sensor alarm system in computer rooms，we proposed a fire detection algorithm for computer room based on multi-sensor data fusion. Firstly，the algorithm optimizes the prediction accuracy and precision of the extreme learning machine （ELM） using the sparrow search algorithm （SSA） with high optimization seeking ability. Secondly，the feature layer data fusion of temperature，smoke concentration，and CO concentration collected by multiple sensors in an engine room was performed through the SSA-ELM algorithm model to output the probability of each fire condition. Finally，the features of output probability and duration of each fire were fused in the decision layer using fuzzy reasoning to decide the fire alarm level. Simulation experiments show that the algorithm can give a reasonable alarm decision based on the results of multi-sensor data fusion and combined with different hazardous areas，which greatly improves the flexibility and accuracy of fire detection in computer rooms.

参考文献/References:

［1］ 郑皓天，朱俊奇，贾荣田. GA优化BP神经网络在多参量火灾探测中的应用［J］.消防科学与技术，2021，40（5）：725-729.

［2］ 苏醒，李鸿，姜俊彤. 基于CAN和模糊推理的一款地铁列车火灾报警系统的设计与仿真研究［J］.计算机应用与软件，2021，38（6）：94-97.
［3］ ZERVAS E，MPIMPOUDIS A，ANAGNOSTOPOU-LOS C，et al. Multisensor data fusion for fire detection［J］. Information Fusion，2011，12（3）：150-159.
［4］ LIANG Y H，TIAN W M. Multi-sensor fusion approach for fire alarm using BP neural network［C］//2016 International Conference on Intelligent Networking and Collaborative Systems （INCOS）. Piscataway：IEEE，2016：99-102.
［5］ 严巡，王长权，袁肖肖，等. 利用BP人工神经网络预测盐水中CO2的溶解度［J］. 中国科技论文，2017，12（24）：2831-2834.
［6］ 何经纬，刘黎志，彭贝，等. 基于Spark并行SVM参数寻优算法的研究［J］. 武汉工程大学学报，2019，41（3）：283-289.
［7］ 赵云涛，王佳，周小平. 基于支持向量机的公共建筑火灾风险评估［J］. 建筑科学，2015，31（3）：98-101，109.
［8］ 杨锡运，关文渊，刘玉奇，等. 基于粒子群优化的核极限学习机模型的风电功率区间预测方法［J］. 中国电机工程学报，2015，35（增刊）：146-153.
［9］ 高滢，王芃，薛友，等. 计及需求侧管理的电-气集成能源系统协同规划［J］. 电力系统自动化，2018，42（13）：3-11.
［10］ XUE J K，SHEN B. A novel swarm intelligence optimization approach：sparrow search algorithm［J］. Systems science & Control engineering，2020，8（1）：22-34.
［11］ 冯俊宗，何光层，代航，等. 基于数据融合技术的无人值守变电站火灾探测算法研究［J］. 消防科学与技术，2022，41（9）：1281-1286.
［12］ 钱伟，何志祥，张德银. 基于模糊神经网络的火灾传感器特征参数融合算法［J］.传感技术学报，2017，30（12）：1906-1911.
［13］ 张晶. 多传感器信息融合在火灾探测中的应用研究［D］. 广州：广东工业大学，2003.

相似文献/References:

备注/Memo

备注/Memo:
收稿日期：2023-03-20
基金项目：湖北省重点研发计划项目（NO.2022BAA052）；湖北三峡实验室开放基金（SC215001）
作者简介：张 冉，硕士研究生。Email：[email protected]
*通信作者：吴云韬，博士，教授。Email：[email protected]
引文格式：张冉，吴云韬，于宝成，等. 基于多传感器数据融合的机房火灾检测算法［J］. 武汉工程大学学报，2024，46（1）：79-84.
更新日期/Last Update: 2024-03-01