一种火灾监测方法和系统

1.一种火灾监控方法，其特征在于，包括：获取火灾监测数据，并根据所述火灾监测数据，进行预测估计处理，得到火灾估计数据；其中，根据所述火灾监测数据，进行预测估计处理，得到火灾估计数据包括：采用线性随机微分方程和数据观测方程对所述火灾监测数据进行计算，得到火灾预测值；利用卡尔曼滤波算法对所述火灾预测值进行处理，得到火灾预测精确值；根据所述火灾预测精确值，进行卡尔曼增益估算计算，得到火灾估计数据；将所述火灾估计数据与初始经验火灾阈值进行对比，在对比结果为火灾估计数据大于等于初始经验火灾阈值的情况下，利用面积积分算法对所述火灾估计数据进行计算，得到面积积分计算值；将所述面积积分计算值与所述初始经验火灾阈值进行比对，在比对结果为所述面积积分计算值大于所述初始经验火灾阈值的情况下，进行火灾报警处理。 2.根据权利要求1所述的火灾监控方法，其特征在于，还包括：对获取的火灾监测数据进行判断，判断所述火灾监测数据是否异常，在判断结果为所述火灾监测数据正常的情况下，再根据所述火灾监测数据进行估计处理；在判断结果为所述火灾监测数据异常的情况下，重新获取火灾监测数据。 3.根据权利要求2所述的火灾监控方法，其特征在于，对获取的火灾监测数据进行判断，判断所述火灾监测数据是否异常包括：采用3西格玛原则对获取的火灾监测数据进行判断，判断所述火灾监测数据是否异常。 4.根据权利要求3所述的火灾监控方法，其特征在于，所述线性随机微分方程的计算公式为：ε(t)＝Aε(t-1)+Bμ(t)+ω(t)；所述数据观测方程的计算公式为：CFS(t)＝Hε(t)+ν(t)；其中，ε(t)是t时间的火灾监测数据的火灾预测值；μ(t)是t时间的对火灾监测数据的影响因素；A和B是对火灾监测数据的观测影响因子，针对火灾现场复杂的干扰环境，A和B为矩阵；CFS(t)是t时间的火灾监测数据；H为火灾监测数据获取的极早期测量装置的特征参数；ω(t)和ν(t)是为过程和测量的噪声。 5.根据权利要求4所述的火灾监控方法，其特征在于，在利用卡尔曼滤波算法对所述火灾预测值进行处理，得到火灾预测精确值时的计算公式为：ε(t|t-1)＝Aε(t-1|t-1)+Bμ(t)P(t|t-1)＝AP(t-1|t-1)A'+Q式中，ε(t|t-1)是t时间上一状态的火灾监测数据的火灾预测值；ε(t-1|t-1)是t时间上一状态的火灾监测数据的最优火灾预测值；μ(t)是t时间的对火灾监测数据的影响因素；P(t|t-1)是ε(t|t-1)对应的协方差；P(t-1|t-1)是ε(t-1|t-1)时刻对应的协方差；A'是A的转置；Q是系统过程的协方差。 6.根据权利要求5所述的火灾监控方法，其特征在于，在根据所述火灾预测精确值，进行卡尔曼增益估算计算，得到火灾估计数据时的计算公式为：ε(t|t)＝ε(t|t-1)+Kg(t)(CFS(t)-Hε(t|t-1))式中，ε(t|t)为火灾估计数据；ε(t|t-1)是t时间上一状态的火灾监测数据的火灾预测值；Kg为卡尔曼增益；P(t|t-1)是ε(t|t-1)对应的协方差；H为火灾监测数据获取的极早期测量装置的特征参数；H ' 是H的转置；R是ν(t)的协方差。 7.根据权利要求6所述的火灾监控方法，其特征在于，利用面积积分算法对所述火灾估计数据进行计算，得到面积积分计算值时的计算公式为：式中，η k 是t时刻触发后到第k时刻面积积分的计算值；ε(k)是第k时刻的火灾估计数据。 8.一种火灾监控系统，其特征在于，包括：估计处理模块，用于获取火灾监测数据，并根据所述火灾监测数据，进行预测估计处理，得到火灾估计数据；所述估计处理模块包括：预测子模块、精确处理子模块、估算计算子模块，其中，预测子模块，用于采用线性随机微分方程和数据观测方程对所述火灾监测数据进行计算，得到火灾预测值；精确处理子模块，用于利用卡尔曼滤波算法对所述火灾预测值进行处理，得到火灾预测精确值；估算计算子模块，用于根据所述火灾预测精确值，进行卡尔曼增益估算计算，得到火灾估计数据；积分计算模块，用于将所述火灾估计数据与初始经验火灾阈值进行对比，在对比结果为火灾估计数据大于等于初始经验火灾阈值的情况下，利用面积积分算法对所述火灾估计数据进行计算，得到面积积分计算值；火灾判断模块，用于将所述面积积分计算值与所述初始经验火灾阈值进行比对，在比对结果为所述面积积分计算值大于所述初始经验火灾阈值的情况下，进行火灾报警处理。 9.根据权利要求8所述的火灾监控系统，其特征在于，还包括：异常判断模块，用于对获取的火灾监测数据进行判断，判断所述火灾监测数据是否异常，在判断结果为所述火灾监测数据正常的情况下，再根据所述火灾监测数据进行估计处理；在判断结果为所述火灾监测数据异常的情况下，重新获取火灾监测数据。 10.根据权利要求9所述的火灾监控系统，其特征在于，所述异常判断模块在对获取的火灾监测数据进行判断，判断所述火灾监测数据是否异常时，采用3西格玛原则对获取的火灾监测数据进行判断，判断所述火灾监测数据是否异常。 11.根据权利要求10所述的火灾监控系统，其特征在于，所述线性随机微分方程的计算公式为：ε(t)＝Aε(t-1)+Bμ(t)+ω(t)；所述数据观测方程的计算公式为：CFS(t)＝Hε(t)+ν(t)；其中，ε(t)是t时间的火灾监测数据的火灾预测值；μ(t)是t时间的对火灾监测数据的影响因素；A和B是对火灾监测数据的观测影响因子，针对火灾现场复杂的干扰环境，A和B为矩阵；CFS(t)是t时间的火灾监测数据；H为火灾监测数据获取的极早期测量装置的特征参数；ω(t)和ν(t)是为过程和测量的噪声。 12.根据权利要求11所述的火灾监控系统，其特征在于，所述精确处理子模块在利用卡尔曼滤波算法对所述火灾预测值进行处理，得到火灾预测精确值时的计算公式为：ε(t|t-1)＝Aε(t-1|t-1)+Bμ(t)P(t|t-1)＝AP(t-1|t-1)A'+Q式中，ε(t|t-1)是t时间上一状态的火灾监测数据的火灾预测值；ε(t-1|t-1)是t时间上一状态的火灾监测数据的最优火灾预测值；μ(t)是t时间的对火灾监测数据的影响因素；P(t|t-1)是ε(t|t-1)对应的协方差；P(t-1|t-1)是ε(t-1|t-1)时刻对应的协方差；A'是A的转置；Q是系统过程的协方差。 13.根据权利要求12所述的火灾监控系统，其特征在于，所述估算计算子模块在根据所述火灾预测精确值，进行卡尔曼增益估算计算，得到火灾估计数据时的计算公式为：ε(t|t)＝ε(t|t-1)+Kg(t)(CFS(t)-Hε(t|t-1))式中，ε(t|t)为火灾估计数据；ε(t|t-1)是t时间上一状态的火灾监测数据的火灾预测值；Kg为卡尔曼增益；P(t|t-1)是ε(t|t-1)对应的协方差；H为火灾监测数据获取的极早期测量装置的特征参数；H ' 是H的转置；R是ν(t)的协方差。 14.根据权利要求13所述的火灾监控系统，其特征在于，所述积分计算模块在利用面积积分算法对所述火灾估计数据进行计算，得到面积积分计算值时的计算公式为：式中，η k 是t时刻触发后到第k时刻面积积分的计算值；ε(k)是第k时刻的火灾估计数据。