摘要：声波团聚技术是利用高强声场的作用使颗粒物发生相对运动从而碰撞并凝聚,大幅减少悬浮的颗粒物。当今城市地下电缆一旦发生火灾将造成巨大的生命及财产损失。在火场应用声波团聚技术能够大幅提高火场的能见度,有助于人员逃生。文章研究了超声场下消除地下电缆火灾烟雾的效果。首先设计了一款频率为18 kHz的气介式换能器,并对其进行模态分析;随后加工了声源,测试其发声效果。结果表明,换能器在开放空间及团聚室内声压级最高分别可达154.1 dB及158.7 dB。开放空间下输入功率越高、越靠近圆盘中心,声压级越高;团聚室内中间监测点处由于壁面及底部反射作用声压级最高。团聚实验结果表明,在声压级为155 dB、初始透光率为8%时,对于液相烟雾及电缆烟雾,分别在5、15 s内透光率达到60%,这表明在超声场下,团聚效果显著,且团聚效果随声压级的增大而增大。

摘要：火灾是日常生活中极为常见的灾难,针对火灾发生时能否及时报警的问题,设计了一款以AT89C52单片机为核心的火灾烟雾报警器,用来保护人们的生命和财产的安全,并且配备了温度模块、烟雾模块及声光报警装置等。介绍了AT89C52单片机和各模块的工作原理和设计方案。测试结果表明:该系统功耗低,易于普及和修理,可满足多种不同场合火焰检测、烟雾报警等需求。

摘要：针对地下电缆发生火灾时面临的消烟手段不足问题,采用数值模拟技术,设计了一款能够在空气介质中工作的高强超声波换能器。将此换能器作为超声声源,进行了超声波团聚消除电缆烟雾颗粒试验,研究了在声波作用下固相及液相烟雾的透光率及能见度的变化。结果表明:该换能器工作稳定,谐振频率为20 kHz左右,声压级可达150 dB;高强超声场能够迅速提高电缆火灾烟雾的透光率及能见度,当团聚对象为固相颗粒火灾烟雾时,50 s作用时间后,火场能见度可达到人员逃生阈值;当团聚对象为液相颗粒火灾烟雾时,12 s时即可达到人员逃生阈值。

摘要：简述了火灾烟雾探测的基本原理 ,针对火灾烟雾中固态产物的物理特征 ,从探测器设计和相应算法两个层面综述了国内外火灾烟雾探测技术的进展 ,展望了火灾烟雾探测技术的发展趋势。

摘要：从理论和实验两个方面研究了几种常见的燃烧烟雾在不同波长激光下的散射特性。从Mie散射理论出发 ,比较几种Mie散射算法的优缺点 ,采用一种改进的连分式算法对火灾烟雾颗粒的散射光强分布进行计算 ,得出不同粒径大小和波长下光强分布图。结合理论计算 ,设计一套实验装置 ,测量并计算在不同角度下 3种烟雾颗粒和面粉气溶胶散射光的相对光强比 ,实验测量值与理论计算值吻合较好。研究结果表明不同种类烟雾散射光相对光强比互不相同 ,火灾烟雾与非烟雾气溶胶差距较大 ,从而表明散射光相对光强比是区分不同烟雾特定的物性参数 ,为火灾烟雾探测技术发展提供理论依据。

摘要：由于传统的定位系统受到慌乱中人员走动及火灾烟雾的影响,难以从采集的火灾图像中对受困人员进行准确实时识别,导致定位效果差。设计并实现了一种新的火灾图像中受困人员的定位系统。该系统主要由硬件和软件两部分组成,系统硬件的核心部分是ARM图像采集器以及S3C44B0X嵌入式处理器;主要通过MC9S12NE64以太网控制模块控制ARM图像采集器,将采集的图像传输到S3C44B0X嵌入式处理器进行处理,并对附件模块即通信模块进行了优化分析。软件设计部分主要对整个系统工作流程及以太网控制模块应用软件进行设计;最后通实验对设计的系统进行验证。实验结果表明,利用此系统进行火灾图像中受困人员定位,能够极大地提高受困人员定位的准确性,提高人员救治率。

摘要：介绍了火灾烟雾探测方法,设计了一个基于火灾烟雾图像模糊特性的地铁列车火灾探测报警系统。系统主机通过车载视频监控系统获取车厢内图像,利用图像空域微分法火灾探测法检测出火灾的发生,将火警信息通过数传电台发送至附近车站。车站应急照明疏散控制器依据火警信息生成疏散预案并联动BAS系统送风设备,引导乘客从安全方向疏散。实验结果证明,该系统探测火灾发生的准确率高,运行稳定。

摘要：针对当前高层楼宇消防监控系统中存在智能化、数字化程度不高和不便于远程控制等问题,设计了一种基于CAN总线的高层楼宇消防监控系统以实现对建筑内温湿度、可燃气体和火灾烟雾的实时监测和联动控制,并详细介绍系统结构及部分软硬件设计。实际应用表明,该系统具有可靠性高、传输距离远和抗干扰能力强等优点,应用前景广泛。

摘要：通过监测火灾烟雾可以有效地检测火灾的发生,现有火灾烟雾分割算法在小目标烟雾以及大目标烟雾边缘部分表现不理想,为快速而有效地监测烟雾,基于深度学习,提出一种改进的轻量化DeepLabV3+烟雾分割算法。该文通过替换DeepLabV3+算法的主干特征提取网络,在减少参数量的同时,提高了算法提取特征的能力和对烟雾的分割能力;同时在编码模块中添加卷积注意力模块(convolutional block attention module,CBAM),增加算法对小目标烟雾的关注度,以提升算法对烟雾在复杂背景下的分割能力,并有效缓解烟雾边缘的误分割现象。最后通过比对测试集的测试结果,改进的烟雾分割算法相较于原DeepLabV3+算法,烟雾交并比(smoke intersection over union,sIoU)、平均交并比(mean intersection over union,mIoU)和平均像素精确度(mean pixel accuracy,mPA)分别提高了6.46%、4.28%和1.72%,且改进算法的权重大小仅为原算法权重大小的10.76%。实验结果表明,改进的烟雾分割算法具有分割精度高、训练时间短且模型小的优点,更符合实际中的烟雾监测任务。