[发明专利]一种基于物联网的多点火灾预警系统

摘要

本发明公开了一种基于物联网的多点火灾预警系统，所述系统由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境多点火灾预警子系统构成；所述加油站油罐区环境多点火灾预警子系统由多个参数检测单元和多个HRFNN模糊递归神经网络火灾预警分类器组成；本发明有效解决了现有加油站油罐区环境监控系统没有根据加油站油罐区环境参数变化的非线性、大滞后和加油站油罐区环境参数变化复杂等特点，对加油站油罐区环境参数精确进行检测和火灾进行预警，从而提高预测加油站火灾参数和火灾准确度问题。

主权项

1.一种基于物联网的多点火灾预警系统，其特征在于：所述系统由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境多点火灾预警子系统构成；所述加油站油罐区环境多点火灾预警子系统由多个参数检测单元和多个HRFNN模糊递归神经网络火灾预警分类器组成；/n所述参数检测单元包括油气浓度传感器、烟雾传感器、温度传感器、时间序列三角模糊数神经网络以及三角模糊数预测模块；油气浓度传感器、烟雾传感器、温度传感器的输出分别作为对应时间序列三角模糊数神经网络的输入，时间序列三角模糊数神经网络的输出分别作为对应三角模糊数预测模块的输入，三角模糊数预测模块的输出分别作为对应加油站油罐区环境多点油气浓度融合模型和HRFNN模糊递归神经网络火灾预警分类器的输入；/n所述时间序列三角模糊数神经网络由被检测参数传感器输出的一段常规时间序列值作为径向基神经网络的输入、径向基神经网络和被检测参数下一时刻的三角模糊数值作为径向基神经网络的输出组成，径向基神经网络输出的三角模糊数值分别表示检测点被检测参数度下限值、最大可能值和上限值；时间序列三角模糊数神经网络根据被检测参数的动态变化把检测点被检测参数的一段常规时间序列值转化下一时刻被检测参数的三角模糊值来表示更加符合被检测参数的动态变化规律；/n所述三角模糊数预测模块由NARX神经网络预测模型和相空间重构技术的Elman神经网络预测模型组成，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别为相应NARX神经网络预测模型的输入，对应的时间序列三角模糊数神经网络输出的三角模糊数的下限值、最大可能值和上限值分别与相应NARX神经网络预测模型的输出的差分别为相应相空间重构技术的Elman神经网络预测模型的输入，相应NARX神经网络预测模型的输出分别与相应相空间重构技术的Elman神经网络预测模型的输出相加和得到对应的时间序列三角模糊数神经网络输出的三角模糊数的预测值，三角模糊数预测模块的三角模糊数输出作为该检测节点对应HRFNN模糊递归神经网络火灾预警分类器的输入。/n