[发明专利]一种基于加速度信号的智能火灾检测方法

说明书

本发明公开了一种基于加速度信号的智能火灾检测方法，通过防火材料内的加速度传感器采集静态加速度数据、振动加速度数据和燃烧加速度数据并进行数据预处理，然后利用信号处理技术包括时域分析和小波包分解技术对预处理后的加速度信号进行数据特征分析并对信号进行合理的特征提取，对提取的特征数据进行数据标准化后再建立极限梯度提升算法训练特征数据，同时进行参数调优得到最优准确率的分类模型，该智能火灾检测方法与传统方法相比可以对火灾进行更及时的判别，能最大限度的减少火灾造成的损失，且该方法的实施成本较低。

技术领域

本发明涉及火灾安全预警技术领域，具体涉及一种基于加速度信号的智能火灾检测方法。

技术背景

火灾是一种常见的自然灾害，经常给人们的生活和财产带来巨大的威胁。火灾检测技术是消防安全领域的一个重要研究内容。火灾检测技术的目标是快速准确检测到火灾的存在，并提醒人们注意安全，使他们能够采取适当的行动，防止对自己和他人造成伤害。传统的火灾检测技术通常通过单一类型传感器检测火灾的存在，该方法的问题是，传感器往往需要靠近火源才能产生作用，且需要火灾燃烧过程达到一定的程度以超过传感器设定的阈值点才能产生报警条件，这样的检测方式给火灾的蔓延提供了较长的时间窗口。近年来，火灾检测技术的研究有了重要突破，随着人工智能技术的发展，火灾检测技术也变的更加智能化、自动化、高效化。目前基于烟雾识别的图像处理技术在现代火灾检测技术中具有广泛的应用，利用神经网络模型对烟雾图像进行识别从而检测火灾的技术(WildlandForest Fire Smoke Detection Based on Faster R-CNN using Synthetic SmokeImages，Qi-xing ZHANG,Gao-hua LIN*，Yong-ming ZHANG,Gao XU,Jin-jun WANG,StateKey Laboratory of Fire Science,University of Science and’Technology of ChinaHefei 230026,China)，尽管具有较高的识别率，但是这种技术都存在一个共同的缺陷，即需要火灾现场产生大量烟雾，而大量烟雾的产生也基本说明火灾已经发生到一定的阶段，无法对早期的火灾信号进行识别，这可能会导致一些无法挽回的损失，同时基于图像识别技术的火灾检测技术实施成本较高，且在环境可视度低的条件下识别准确率会受到影响，现有的基于红外热辐射和紫外线对火灾进行检测的方法，通过布置差分热电红外传感器和紫外线传感器对火灾进行实时检测，这样的技术通过检测火灾产生的热辐射进行检测虽然可以在早期阶段检测到火灾的存在，但是由于技术的复杂性和实施成本高昂，不利于大规模推广。目前的火灾检测技术基本分为对火灾产生的化学性质变化如产生烟雾和从火灾产生的热量变化这两个方向实现对火灾的识别监测，尚未有从物理振动的变化量对火灾进行检测的技术，而从材料的物理振动实现对火灾的检测的方法存在多个优势，首先由于振动的传递性，只需在材料内部布置少数加速度传感器便能检测大范围的振动变化，其次，材料接触到热源开始便能产生振动信号，这可以大幅缩短对火灾信号的反应时间，实现对火灾早期阶段的检测，最后，所用的监测传感器为加速度传感器，这种传感器成本较低，有利于技术的实施推广。

发明内容

为解决火灾安全预警技术领域中，现有技术难以对早期火灾的发生进行检测，同时降低火灾检测技术的实施成本，本发明提出了一种基于加速度信号的智能火灾检测方法，通过加速度传感器采集防火材料的加速度数据，然后对这些数据进行预处理和特征提取，再利用机器学习算法极限梯度提升树算法对加速度数据进行识别判断是否发生火灾。

本发明至少通过如下技术方案之一实现。

一种基于加速度信号的智能火灾检测方法，包括以下步骤：

利用植入防火材料的加速度传感器采集静态加速度数据、振动加速度数据和燃烧加速度数据；

对三类加速度数据进行数据预处理，所述预处理包括低通滤波和滑动操作对采集到的原始加速度数据进行滤波；

对预处理后的加速度数据进行特征提取，特征提取包括时域特征提取和能量特征提取；