机电舱火灾多信息感知与分级预警技术研究

《Scientific Reports》：Research on multi-information sensing and graded warning technology for fires in electromechanical chambers

　　

摘要

本研究旨在解决传统地下机电硐室火灾监测系统存在的覆盖范围窄、信息孤岛及响应延迟等局限性。针对这一受限场景，提出并验证了一套完整的闭环多信息融合及分级预警系统。该系统融合了多参数传感、基于深度学习的火焰检测以及优化的传感器布局策略，以实现实时监控、预警和协同控制。研制了一种便携式多参数传感器，用于同步检测温度、烟雾和有害气体，具有更高的便携性和更长的电池续航能力。采用结合了注意力机制和额外检测层的优化 YOLOv5 算法改进了火焰检测，使其能够在复杂的地下环境中准确识别小规模火焰。通过三维空间建模和多目标智能算法优化了传感器布局，在减少冗余的同时显著提高了监测覆盖率。此外，建立了结合模糊神经网络 (FNN) 和灰色关联分析 (GRA) 的混合火灾风险评估模型。还开发了一种基于 EPI (预警指数) 模型的分级预警机制。实验结果表明，所提出的系统提高了火灾感知精度、响应速度和决策可靠性，为地下矿井的智能化消防安全管理提供了坚实的技术基础。