一种基于正反交错模型的火源逆向定位辨识方法技术

本发明专利技术公开了一种基于正反交错模型的火源逆向定位辨识方法，包括：确定火灾可能发生的位置、火源燃烧时间的取值范围；确定火源逐时热释放速率与CO逐时释放浓度关系；通过响应因子方法建立所有火源位置的CO释放浓度与监测点的响应矩阵；增强逆算模型的稳定性；选取规整化矩阵L和规整化参数λ，并通过监测点1的数据逆向计算所有火源位置下的CO逐时释放率；正向计算监测点2的监测浓度数据；确定先验概率和似然函数；采用贝叶斯概率模型确定火源的位置；通过火源逐时热释放率与CO逐时释放浓度的对应关系，确定火源的逐时热释放速率。本发明专利技术求解火源位置及热释放速率方法解决了传统火灾探测的单一性和复杂性，提供了新方案。提供了新方案。提供了新方案。

【技术实现步骤摘要】
一种基于正反交错模型的火源逆向定位辨识方法


[0001]本专利技术属于建筑火灾安全领域，具体涉及一种基于正反交错模型的火源逆向定位辨识方法。

技术介绍

[0002]火灾是一种常见而严重的自然灾害，其建筑火灾对人类生命和财产的威胁日益严重。对于内部具有多分割空间的建筑例如大型站厅、综合体、公寓楼，虽然在公共空间位置装有感烟探测装置，但是，由于分割空间众多，根据公共区的烟感报警，难以在第一时间快速确定起火位置，给火灾初期的快速消防救援带来了困难。随着科学技术的不断进步，越来越多的研究者开始关注火灾快速、精准探测等方面的问题，火灾定位和热释放速率确定是火灾探测技术中的两个重要方面。为了减少火灾对生命安全带来的威胁，及早确定火灾位置和预判火灾规模对于快速消防救援至关重要。
[0003]在现有的关于建筑火灾预测方法的专利中，多以视频图像来检测火源的位置。在中国专利(专利号：201910853965.8)中公开了一种基于快速傅里叶变换的火灾识别算法，该专利技术根据火焰放射光的光谱分布情况与太阳光及其他外部照射光源的光谱分布不同，进行了火焰识别和火灾探测。在中国专利(专利号：202110114009.5)中公开了一种基于复合算法的多传感器火灾预测方法及系统，用于实时监测火灾情况，由LSTM神经网络和SVR算法确定是否有火灾的发生，并利用摄像头进行最终位置的确定。在中国专利(专利号：201810208155.2)中公开了一种多特征融合视频火灾识别算法，利用改进的自适应背景更新模型来获取红外视频图像中疑似火焰的目标，再分析火焰的静态和动态特征，保证对火灾的实时准确判断。
[0004]综上所述，在火源定位的研究中存在问题：(1)应用场景存在局限性，火灾场景的条件千差万别，由于空间结构不同、火源发展阶段不同，尤其是初期阶段，火灾特征不明显，单纯依据图像来判断火源难度大。(2)对于复杂结构和内部多分割建筑，如果希望快速发现火源，空间内备需要安装利用大量的监控设备，工作量大、控制程序复杂，(3)现有的探测手段多是以阈值来判断火灾有无发生，无法快速了解和预判火源的发展趋势，消防人员现场需要火灾情况即逐时热释放速率进行判断，从而实施快速精准火灾扑救。
[0005]因此，本专利技术针对以上问题，在建筑空间内，根据有限的CO浓度测点的测量值，结合矩阵逆算模型和贝叶斯概率模型，提出了一种基于正反交错模型的火源逆向定位辨识方法，能够快速、准确确定火源位置和火源热释放速率。矩阵逆算模型的作用是基于1个监测点的数据辨识各可能发生火灾的位置、燃烧时间所对应的火源CO逐时释放率，该过程为逆向求解过程。贝叶斯概率模型的作用是基于各火源位置下的CO逐时释放率在另一监测点的浓度预测值与实测值的匹配程度量化各火源位置下CO逐时释放率的出现概率，其中取最大值者即为实际火源释放参数，该过程为正向计算过程。

技术实现思路

[0006]本专利技术提出一种能够准确辨识火源位置、初步判断火源逐时热释放速率以及估算火源燃烧时间的方法。该方法能灵活地应用于多空间场合需要火灾监测的场景，适用范围广，能够辅助救援队伍进行灭火决策。
[0007]为实现以上目的，本专利技术通过以下技术方案予以实现：
[0008]步骤一：确定不同建筑空间结构、火灾可能发生的位置、火源燃烧时间的参考范围，建立数据集S；
[0009]步骤二：在数据集S中对m个建筑空间结构的两个监测点位置进行布置。包括监测点1与监测点2的布置位置。
[0010]步骤三：根据数据集S中的空间结构、火源位置、火源燃烧时间，以及每个建筑空间结构中监测点的布置位置，通过FDS数值模拟技术，建立火源逐时热释放速率Q与火源CO逐时释放浓度C
CO
对应关系。同时利用数值模拟确定CO浓度的逐时空间分布C与火源CO逐时释放浓度C
CO
的关系。计算公式如下：
[0011][0012]式中，C为CO浓度的逐时空间分布(质量百分数)，Г为CO的扩散系数，C
co
为CO源项，即CO逐时释放率，表示单位体积内CO的产生率。div为向量散度，grad为梯度运算。室内环境中，空气密度ρ可视为常数，CO扩散系数Г是流场的函数，因此CO浓度C受空间流场u及CO释放源强C
co
的共同影响。当室内流场稳定时，对于固定位置的CO释放源，浓度C与源强C
co
构成线性系统。若已知CO释放源强度C
co
以及空间流场u，求解方程可确定CO浓度的逐时空间分布C。
[0013]步骤四：通过响应因子方法建立所有火灾可能发生的位置下，火源释放CO浓度与监测点1和监测点2检测到的CO浓度对应的响应矩阵A
n
的模型数据集，矩阵传递关系可由下式表示：
[0014][0015]式中，C
tn
表示当t＝nΔTs时的监测点浓度值，k表示第k个时间步长，即t＝kΔTs，q
tk
表示当t＝kΔTs时的CO释放率，F
tn
称为浓度响应因子，表示当在火源位置释放CO时，在监控点位置t＝nΔTs时的浓度响应。
[0016]步骤五：通过对得到的响应矩阵求逆，并利用Tikhonov正则化方法增强逆算模型的稳定性，计算公式如下所示：
[0017][0018]式中，||.||2为矩阵二范数，L为正则化矩阵，λ为正则化参数，该参数的大小影响正则化解q的值以及该解与真实解的接近程度。
[0019]步骤六：根据实际建筑空间结构，选择在数值模型中与之最相近的建筑空间结构，并根据数值模型中监测点的位置布置实际的监测点位置。同时提取该建筑空间结构中，所有火灾可能发生的位置下，火源释放CO浓度与监测点1和监测点2检测到的CO浓度对应的响应矩阵A
n
的模型数据集。
[0020]步骤七：选取规整化矩阵L和规整化参数λ。在实际发生火灾情况，基于监测点1的
浓度数据C1，通过公式q＝(A
T
A+λ2L
T
L)
‑1×
(A
T
C)逆向计算所有火源位置下的CO逐时释放率。若已知监控点的浓度时间序列C，正则化矩阵L、正则化参数λ、响应矩阵A，即可确定逐时释放率q。
[0021]步骤八：通过得到的所有火源位置的CO逐时释放率，正向计算监测点2的监测浓度数据；
[0022]步骤九：利用同等无知原则确定先验概率p(Y
k
)，采用正态分布函数确定似然函数L(O|Y
k
)；
[0023][0024]式中，C
M
表示监控点的CO浓度实测值，C
Yk
表示第k个样本点对应的逐时释放率q
k
(t)在监控点的浓度预测值，σ为数据标准差，其大小与测量精度、数值计算模型精度有关。
[0025]步骤十：采用贝叶斯概率模型量化监测点2的浓度响应数据与实测浓度相应数据的匹配程度，取后验概率最大值的火源位置对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于正反交错模型的火源逆向定位辨识方法，其特征在于，包括以下步骤：步骤一：确定不同建筑空间结构、火灾可能发生的位置、火源燃烧时间的参考范围，建立数据集S；步骤二：在数据集S中对m个建筑空间结构的两个监测点位置进行布置；包括监测点1与监测点2的布置位置；步骤三：根据数据集S中的空间结构、火源位置、火源燃烧时间，以及每个建筑空间结构中监测点的布置位置，通过FDS数值模拟技术，建立火源逐时热释放速率Q与火源CO逐时释放浓度C
CO
对应关系；同时利用数值模拟确定CO浓度的逐时空间分布C与火源CO逐时释放浓度C
CO
的关系；计算公式如下：式中，C为CO浓度的逐时空间分布，Г为CO的扩散系数，C
co
为CO源项，即CO逐时释放率，表示单位体积内CO的产生率；div为向量散度，grad为梯度运算；室内环境中，空气密度ρ可视为常数，CO扩散系数Г是流场的函数，因此CO浓度C受空间流场u及CO释放源强C
co
的共同影响；当室内流场稳定时，对于固定位置的CO释放源，浓度C与源强C
co
构成线性系统；若已知CO释放源强度C
co
以及空间流场u，求解方程可确定CO浓度的逐时空间分布C；步骤四：通过响应因子方法建立所有火灾可能发生的位置下，火源释放CO浓度与监测点1和监测点2检测到的CO浓度对应的响应矩阵A
n
的模型数据集，矩阵传递关系可由下式表示：式中，C
tn
表示当t＝nΔTs时的监测点浓度值，k表示第k个时间步长，即t＝kΔTs，q
tk
表示当t＝kΔTs时的CO释放率，F
tn
称为浓度响应因子，表示当在火源位置释放CO时，在监控点位置t＝nΔTs时的浓度响应；步骤五：通过对得到的响应矩阵求逆，并利用Tikhonov正则化方法增强逆算模型的稳定性，计算公式如下所示：式中，||.||2为矩阵二范数，L为正则化矩阵，λ为正则化参数，该参数的大小影响正则化解q的值以及该解与真实解的接近程度；步骤六：根据实际建筑空间结构，选择在数值模型中与之最相近的建筑空间结构，并根据数值模型中监测点的位置布置实际的监测点位置；同时提取该建筑空间结构中，所有火灾可能发生的位置下，火源释放CO浓度与监测点1和监测点2检测到的CO浓度对应的响应矩阵A
n
的模型数据集；步骤七：选取规整化矩阵L和规整化参数λ；在实际发生火灾情况，基于监测点1的浓度数据C1，通过公式q＝(A
T
A+λ2L
T
L)
‑1×
(A
T
C)逆向...

【专利技术属性】
技术研发人员：李炎锋，苏枳赫，赵建龙，田伟，杨石，郭志成，李博宇，杨新，李俊梅，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：