【摘 要】
:
火灾,作为最经常、最普遍地灾害之一,严重威胁着公众的安全和社会的发展。而尽早在火灾初期发现火情,提醒人们采取措施灭火或进行疏散,是降低火灾造成经济财产损失和人员伤亡的重要途径。而传统火灾探测系统存在布设成本大,难维护,易误报等问题。而且探测系统给出的火灾信息过少,被困人员仅能知道火灾发生,无法获取其他对疏散有帮助的关键信息,如火灾的严重程度、分布、发展趋势等。这往往使得被困人员在进行疏散时准备不足
论文部分内容阅读
火灾,作为最经常、最普遍地灾害之一,严重威胁着公众的安全和社会的发展。而尽早在火灾初期发现火情,提醒人们采取措施灭火或进行疏散,是降低火灾造成经济财产损失和人员伤亡的重要途径。而传统火灾探测系统存在布设成本大,难维护,易误报等问题。而且探测系统给出的火灾信息过少,被困人员仅能知道火灾发生,无法获取其他对疏散有帮助的关键信息,如火灾的严重程度、分布、发展趋势等。这往往使得被困人员在进行疏散时准备不足,导致无法顺利逃生。为了解决目前火灾探测系统存在的问题,本文首先在传统火灾探测系统的基础上加入了疏散引导模块,设计了一套火灾探测和疏散引导系统。系统使用多参数复合探测技术对火灾进行检测,并将传感器采集到的数据实时上传。根据火灾探测器采集到的数据,使用迪杰斯特拉算法实时计算一条最优的疏散路径,并通过显示屏告知被困人员,引导其快速安全地进行疏散,或者当不具备疏散条件时提示其原地等待救援。被困人员在进行疏散前,还可通过显示屏掌握整个火场的情况,以便做好充足的准备。系统各模块间采用无线通信,火灾探测器采用锂电池供电,极大降低了布设成本。所有数据上传至物联网云平台,便于管理及对设备进行检查维护。其次,为了解决各模块间无线通信所存在的数据冲突问题,本文提出了一种改进的混合型多路访问控制协议。该协议采用贪心策略将所有节点分组,使得组内不存在隐藏终端,从而大大降低了数据冲突,保证了数据的时效性。最后,本文对所实现系统的关键功能和性能进行了测试。测试结果满足目标应用场景的设计要求。相较于传统火灾探测系统,能够极大的提高人员疏散的成功率,降低系统的布设与维护成本,适合中小型旅馆、宿舍、老年公寓等场所的消防应用。
其他文献
基于图像的物体认知系统蕴含了人类智能中的“示教、学习、识别”基本过程。人脸识别、工业产品的缺陷检测等都可以抽象为物体认知。嵌入式物体认知系统是嵌入式人工智能的重要分支,是人工智能实际应用的主要侧面之一。目前,嵌入式人工智能的发展处于初期阶段,算法轻量化、资源高效利用、硬件构件设计、终端部署方法等技术问题有待深入研究。本文设计开发了一套基于图像处理的嵌入式低资源物体认知系统,对人工智能落地进行了一些
基于分子界面作用的先进气敏功能材料,在生态保护、公共安全和能源开发等领域应用广泛。传统气敏材料的性能研究大多从材料的表象参数定性分析,存在耗时较长、工作量较大以及缺乏预知性等问题。随着微悬臂梁研究的不断深入,气敏材料分析仪利用谐振式微悬臂梁作为生化传感器,变温微称重法为测试理论基础,定量提取气敏材料的特征参数,从热力学与动力学这一特征参数着手,实现气敏材料敏感特性的快速定量评估,在气敏材料性能分析
为了满足长期快速增长的通信容量需求,基于空分复用(Space Division Multiplexing,SDM)技术的多芯光纤(Multi-core Fiber)开始被广泛研究。然而,相比于传统单芯光纤,多芯光纤中独有的芯间串扰(Inter-core Crosstalk)在多芯光纤传输系统中会严重影响光信号的传输质量、降低信道通信容量,成为限制空分复用性能的重要影响因素。在实际多芯光纤中,由于弯
事件同指消解任务旨在判断多个事件实例是否指向现实世界中同一个具体事件,并将指向同一个事件的事件实例链接成同指链。根据事件实例的来源,事件同指消解可分为文档级任务和跨文档任务。本文从中文、英文和跨语言三方面展开文档级事件同指消解任务的研究,主要内容有:(一)基于结构化表示的事件同指消解方法针对事件句表述复杂存在一词多义、多种指代现象,本文提出了基于结构化表示的事件同指消解方法。首先,通过事件五元组构
随着云计算、物联网和5G等技术的发展,边缘设备的数量迅速增加。各种边缘设备产生了大量数据,人们希望这些数据可以在边缘端直接处理。同时,边缘计算产生的一系列数据需要与用户进行实时交互,而最直观的数据交互形式就是图形显示。对于边缘设备,通常来说是资源有限,并且对功耗十分敏感。因此,研究有限资源系统中图形显示的实现对边缘计算来说具有重大意义。本文基于嵌入式图形显示系统课题背景、研究意义与国内外研究现状,
目的 探讨早发型子痫前期(early onset pre-eclampsia, EOSP)患者血清内皮细胞特异性分子-1(endothelial cell specific molecule-1,ESM1)及低密度脂蛋白受体相关蛋白-1(low-density lipoprotein receptor-related protein-1,LRP1)水平及与病情严重程度的相关性。方法 选取2019年
随着信息获取技术的发展,各领域的数据呈现高维化。高维数据的出现意味着我们可以获取更多有价值的信息,同时也意味着我们在处理数据和挖掘信息时会遇到更多的挑战。比如,高维数据的稀疏性会使得模型的训练以及参数的估计更加困难,会导致“维度灾难”问题。另外,随着数据维数的增长,特征的冗余度和无关性也会随之增长,这将不仅增加算法的时间复杂度,而且可能会降低算法的性能。研究人员采用降维技术将高维数据映射到低维空间
信息时代的发展为人们带来极大便利的同时也时刻在产生着海量的数据,这些数据中又以图像和视频数据最为直观。大规模图像数据有利于深度神经网络的训练与学习,但也为图像检索任务提出了更大的挑战。哈希技术凭借快速高效的特点,在保证检索精度的同时可以加快图像检索速度。将深度学习与哈希技术相结合的深度哈希方法能够进一步提升图像检索系统的性能,因而成为了研究热点。本文针对现有深度哈希检索算法中存在的问题进行了分析与
在控制技术、传感器技术、信息技术不断升级的时代,工业基础设施建设消费市场对工程机械的性能要求不断提升。装载机以其操作简单、工作效率高、人工作业强度低以及逐渐智能化等优势,占据了大部分工程机械市场份额。因技术限制,传统的装载机已经无法满足人们日益增长的智能化需求。因此,通过优化装载机的控制系统使装载机完成更多智能化操作成为大势所趋。装载机逐渐智能化的转变,在一定程度上满足了消费者对性能的需求,但同时
制衣厂在裁剪制衣的过程中对于出现瑕疵的布料,通常会丢弃并在新的布匹重新制作废弃的布料,这不仅降低了企业的生产效率,还提高了生产成本。为了减少制衣厂在布匹裁剪过程中产生的废料,同时能在布匹裁剪之前评估所采购布匹的质量,本文针对工厂现有的工作流程设计了布匹瑕疵标签定位与裁剪优化系统。该系统主要分为三部分,分别是瑕疵采集系统,排料图提取软件,瑕疵匹配软件。瑕疵采集系统通过工业相机采集布匹图像进行瑕疵的识