• 英文版 英文版
招聘信息
科研动态

一种基于二氧化钒光开关的机器学习辅助早期火灾感知系统

时间:2023/01/30 17:28:10   作者:未知   来源:实验室宣传部    浏览:  

本室长期致力于解决火安全问题。近期,本室设计了一种由机器学习算法辅助的早期火灾探测系统,不仅可快速准确识别明火和高温 (1 s内识别明火、4 s内实现130 °C低速热流),还能准确解析出火情产生原因。具体来说, FPS系统由近红外光发射模块(NTM)、由VO2/PDMS构成的温度火焰光开关(TOS)和近红外光接收模块(NRM)构成。NTM可发射基础的近红外光信号,并经TOS进行反射被NTR接收到,当外部有异常温度或明火时,这些信号会被TOS膜调制并和基础信号耦合,再被NRM接收,再由机器学习模型解调信号后,快速准确识别出外部异常温度/明火。该研究以题为“Bioinspired Machine-Learning-Assisted Early-Fire Perception System Based on VO2 Optical Switch”的论文发表在《Advanced Functional Materials》上,第一作者为本室博士研究生宋玄,通讯作者为付腾特聘研究员和王玉忠教授。


【研究背景】

火灾是威胁工业生产和公众安全的主要灾害之一,随着现代科技的爆发式发展和全球环境变化,人类也在面临更加严苛的火灾风险(如飞行器火灾、新能源火灾、电力火灾、森林火灾或建筑火灾等),迫切需要更先进的阻燃防火技术和更精准的火灾探测技术,防火于未燃,把火灾危害降至最低。


【主要内容】

受以大脑为中心的火灾感知过程的启发,提出了一种机器学习辅助的早期火灾感知系统(FPS)。首先将VO2/PDMS分散液均匀涂覆在高透明的石英衬底上,热固化后制备得到具有高透明性和温敏反射调制特性的TOS;并设计由TOSNTMNRM组件构成的原型器件,研究了FPS对火焰、异常温度和耦合信号的快速响应性能;在FPS对不同信号的差异化响应曲线的基础上,提出一种基于长短期记忆的机器学习辅助解调方法,实现了对高温预警,明火预警和耦合信号预警的准确判定(准确率95.7%);进一步研制出火灾探测器件(图2),应用于全尺寸火灾实验(点火后15 s内即可响应,状态识别准确率达86.9%)和无人机高空动态火情监控(点火后1 s内即可响应,状态识别准确率达98.4%),均表现出优异的火灾响应与状态识别性能。


一种基于二氧化钒光开关的机器学习辅助早期火灾感知系统


1 FPS设计创制原理


一种基于二氧化钒光开关的机器学习辅助早期火灾感知系统


2 FPS探测器件及其在全尺寸火灾实验中的应用验证


一种基于二氧化钒光开关的机器学习辅助早期火灾感知系统


3 火灾探测器件性能比较



原文链接:https://onlinelibrary.wiley.com/doi/10.1002/adfm.202210251


地址:成都市望江路29号四川大学化学学院(610064)
电话:(028)85410259 85410755
Copyright©1999 - 2023 All rights reserved