Архив статей журнала
Современные технологические требования и развивающаяся городская инфраструктура ставят задачу разработки методов распознавания и классификации пожароопасных ситуаций. Быстрое и эффективное распознавание начальных признаков возгорания становится жизненно важным аспектом обеспечения безопасности людей, а также материальных ценностей. В связи с этим разрабатываются, реализуются, тестируются и внедряются системы, способные автоматически распознавать и классифицировать пожароопасные ситуации. Классификации пожароопасных ситуаций позволяет определить степень опасности обнаруженных отклонений, что способствуют к принятию более эффективных решений по предотвращению последствий пожаров и их признаков таких как, однократное кратковременное повышение температуры и уровня задымленности которое может указывать на выход из строя электрических компонентов, расположенных возле датчиков. Алгоритм классификации пожароопасных ситуаций разработан для комплекса взаимосвязанных датчиков, который в свою очередь, за счет своей структуры, позволяет обнаруживать даже малейший признака пожара. В рамках данного исследования приводится алгоритм классификации пожароопасных ситуаций на основе нейросетевых технологий. Приведено описание существующих классов пожароопасных ситуаций, а также критерии, по которым размечались данные по указанным классам. Проведено моделирование алгоритма на обучающей и тестовой выборках с приведением используемых параметров точности, формулой их расчетов, результатами классификации пожароопасных ситуаций. Проведено исследование влияния шага отсчета в выборке базы данных на параметры точности и время обучения нейронной сети. Разработанный алгоритм реализован на языке программирования Python в IDE PyCharm. Датасет для обучения и тестирования получены из реальных источников, содержащих информацию об обнаруженных пожароопасных ситуациях в метрополитенах, в которых установлен комплекс взаимосвязанных датчиков. Результаты моделирования алгоритма показали, что предложенный алгоритм обладает высокой точностью для предиктивной классификации пожароопасных ситуаций на реальных объектах.
Современные технологии и городская инфраструктура требуют инновационных подходов к обнаружению пожароопасных ситуаций. Эффективное и сверхбыстрое обнаружение возгораний становится неотъемлемой частью обеспечения безопасности. С этой целью синтезируются и реализуются системы способные обнаруживать и информировать об пожароопасной ситуации за считанные секунды, в статье синтезируется одна из таких систем. Исследование и синтез математической модели цифрового универсального пожарного датчика, который в свою очередь является комплексом взаимосвязанных датчиков, актуально в связи с постоянным развитием инфраструктуры систем, возрастающей сложностью электрооборудования и необходимость сокращению ущерба, возникающего при возникновении и распространении пожаров. Предиктивная диагностика работоспособности электрооборудования, позволяет своевременно выявлять и устранять потенциальные угрозы пожарной безопасности. В рамках данного исследование приводится теоретическая математическая модель реального цифрового универсального пожарного датчика, сперва в упрощенном варианте, затем в усложненном с учетом конструкции и статистического подхода к задаче нахождения порогов срабатывания датчика, приведено описание параметров математической модели и последовательного принципа работы. Данный датчик представляет собой инновационное решение в области пожарной безопасности, которое обеспечивает высокий уровень контроля и эффективности в реальном времени. На основе теоретических моделей, представленных в статье, разработана математическая модель датчика, которая смоделирована с использованием программного средства Simulink на реальных данных, полученных от производителя датчика. Результаты моделирования показали, что модель корректно описывает поведение реального датчика на всех каналах и может быть использована в дальнейших исследованиях, таких как прогнозирование и обнаружения пожароопасных ситуация с использованием нейронных сетей. Синтез предложенной системы необходим для дальнейших исследований в область прогнозирования и обнаружения пожароопасных ситуаций на основе полученной математического модели.