[发明专利]一种基于物联网的矿井外因火灾智能巡检报警系统及方法在审
申请号: | 202310031647.X | 申请日: | 2023-01-10 |
公开(公告)号: | CN116030591A | 公开(公告)日: | 2023-04-28 |
发明(设计)人: | 王凯;刘超杰;周福宝;井佩玉;王志静;黄露露;王建华;王健 | 申请(专利权)人: | 中国矿业大学;江苏信创安全技术研究院有限公司 |
主分类号: | G08B17/10 | 分类号: | G08B17/10;G08B17/06;G08B17/12;H04W4/38;H04L67/12;G06V20/52;G06V10/80;G06V10/72;G06V10/82;G06V10/778 |
代理公司: | 南京经纬专利商标代理有限公司 32200 | 代理人: | 黄雪兰 |
地址: | 221116*** | 国省代码: | 江苏;32 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 联网 矿井 外因 火灾 智能 巡检 报警 系统 方法 | ||
本发明公开了一种基于物联网的矿井外因火灾智能巡检报警系统及方法,属于火灾报警系统技术领域,所述系统包括探测识别模块,数据收集模块、信息预分析处理模块、无线通信模块、中央智能处理终端、远程监控终端、智能移动监控终端,探测识别模块将采集井下数据传递给数据收集模块,信息预分析处理模块连接数据收集模块和中央智能处理终端,远程监控终端根据中央智能处理终端已处理数据通过三维数字地图确定着火地点并进行报警,本发明实现多指标检测,无线组网,人机协同,远程监控,快速确定着火点,降低了误报火情的几率,提高了检测准确率。
技术领域
本发明涉及火灾报警系统技术领域,具体是一种基于物联网的矿井外因火灾智能巡检报警系统及方法。
背景技术
皮带巷火灾作为矿井巷道火灾的一种,因其发生地点的随机性、火灾产物的毒害性、救灾空间的局限性、以及发生发展的突发性等特点,危及井下工作人员的生命安全,给矿井带来巨大灾难,是矿井生产中的主要灾害之一,若能及时发现火情,提前掌握皮带巷道火势的发展趋势并及时报警,可有效减少煤矿生产过程中的经济损失。目前大多数矿井火灾报警系统只配置传感器对固定地点进行监测,对采集到的特征数据处理方式单一,缺乏有效的融合算法,误报几率较高,检测准确率低。矿井普遍采用的zigbee无线传输技术,其传输距离短,信号强度低,衍射能力弱,浪费组网资源,穿墙能力弱;蓝牙技术传输距离有限,数据传送速率为低,不同设备间协议存在不兼容的情况。若井下监测设备发现潜在火源,工作人员前往查看会造成巨大的安全隐患,危及工作人员的人身安全,给社会造成负面影响。现有火灾报警系统无法直观了解井下监测设备以及工作人员分布情况,不能确定潜在火源位置,不能为后期的灭火和救援提供有效帮助。因此,亟需提供一种基于物联网的矿井外因火灾智能巡检报方法及系统解决上述问题。
发明内容
为了解决上述问题,本发明提供了一种基于物联网的矿井外因火灾智能巡检报警系统及方法。
为实现上述目的,本发明提供如下技术方案:
一种基于物联网的矿井外因火灾智能巡检报警系统,其特征在于,包括:
探测识别模块,用于采集当前井下数据;
数据收集模块,根据所述井下数据生成测量数据;所述测量数据包括温度、电阻、图像信号和CAN信号;
信息预分析处理模块,识别所述测量数据,得到数据量和特征标签;并计算常用统计量和缺失值数量,对测量数据进行归一化处理,得到元数据;所述归一化处理步骤包括清理、转换和填充;
中央智能处理终端,用于储存元数据、设备消息数据和设备时序数据,基于预设的深度学习算法建立检测模型,基于所述井下数据训练所述检测模型;
远程监控终端,用于结合三维数字地图实时获取检测模型输出的含有火灾地点的火灾报警信号,基于预设的巡检机器人获取所述火灾地的红外画面和可见光画面,生成应急措施,其中,所述应急措施具体包括制定逃生路线和灭火方案,开启巡检机器人蜂鸣报警器和警示灯,通过语音对讲器通知火灾附近区域的工作人员按照逃生路线尽快离开。
作为本发明进一步的方案,所述探测识别模块包括:
温度传感器,用于读取温度数据;
烟雾传感器,用于读取烟雾浓度数据;
轨道巡检机器人,用于读取图像数据;
人员ID识别单元,用于读取人员身份信息和位置信息。
作为本发明进一步的方案,所述数据收集模块采用多通道数据采集仪。
作为本发明进一步的方案,还包括无线通信模块,所述无线通信模块包括5G基站、Wi-Fi6技术和无线射频收发器。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国矿业大学;江苏信创安全技术研究院有限公司,未经中国矿业大学;江苏信创安全技术研究院有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202310031647.X/2.html,转载请声明来源钻瓜专利网。