-
公开(公告)号：CN114842628A
公开(公告)日：2022-08-02
申请号：CN202210593932.6
申请日：2022-05-27
摘要： 本发明涉及一种单层厂房火灾倒塌安全预警系统及方法，系统中，位移测量模块用于获取单层厂房每一榀结构的屋脊和檐口处的三维位移；预警平台内置报警算法，用于：构建位移‑时间曲线，实时检测各条位移‑时间曲线是否满足预警触发条件，在满足预警触发条件时，确定对应的倒塌预警等级并计算得到剩余倒塌时间；报警模块用于输出预警平台确定的倒塌预警等级和剩余倒塌时间。与现有技术相比，本发明对火灾下单层厂房的倒塌时间进行预警，有较大的公共安全价值，通过厂房屋脊和檐口处的位移‑时间曲线规律确定倒塌预警等级，进而计算剩余倒塌时间，预测时间的精确度更高，有效保障救援效率与消防人员生命安全。
-
公开(公告)号：CN115457737B
公开(公告)日：2023-08-08
申请号：CN202210962804.4
申请日：2022-08-11
申请人： 同济大学
摘要： 本发明涉及一种单层厂房建筑火灾倒塌预警关键节点位移的实时推算方法，包括：建立单层厂房建筑的数值模型；通过数值模拟获得火灾全过程的单层厂房建筑火灾响应数据；分析得到火灾全过程中所有关键节点位移的时程曲线以及所有构件温度的时程曲线，构建数据集；构建基于循环神经网络和全连接神经网络的深度学习代理模型并训练；在火灾发生时应用训练得到的最终代理模型得到难测关键节点位移的实时时程曲线。与现有技术相比，本发明能够快速推算实际火灾现场中单层厂房建筑难以直接量测、与倒塌状态直接相关的关键节点位移数据，突破了建筑火灾倒塌预警理论与方法中关键节点位移数据难以在火场直接量测的挑战。
-
公开(公告)号：CN115457737A
公开(公告)日：2022-12-09
申请号：CN202210962804.4
申请日：2022-08-11
申请人： 同济大学
摘要： 本发明涉及一种单层厂房建筑火灾倒塌预警关键节点位移的实时推算方法，包括：建立单层厂房建筑的数值模型；通过数值模拟获得火灾全过程的单层厂房建筑火灾响应数据；分析得到火灾全过程中所有关键节点位移的时程曲线以及所有构件温度的时程曲线，构建数据集；构建基于循环神经网络和全连接神经网络的深度学习代理模型并训练；在火灾发生时应用训练得到的最终代理模型得到难测关键节点位移的实时时程曲线。与现有技术相比，本发明能够快速推算实际火灾现场中单层厂房建筑难以直接量测、与倒塌状态直接相关的关键节点位移数据，突破了建筑火灾倒塌预警理论与方法中关键节点位移数据难以在火场直接量测的挑战。
-
公开(公告)号：CN116933647A
公开(公告)日：2023-10-24
申请号：CN202310929567.6
申请日：2023-07-26
申请人： 同济大学
IPC分类号： G06F30/27 , G06F30/23 , G06F30/13 , G06N3/084 , G06N3/082 , G06N3/096 , G06N3/0442 , G06N3/045 , G06F111/10 , G06F119/08 , G06F119/14
摘要： 本发明涉及一种钢桁架屋盖结构火灾倒塌预警中节点位移的获取方法，包括：使用数值模拟的方法得到多组钢桁架屋盖结构温度场数据和火灾响应数据，基于温度场数据和火灾响应数据构建训练数据集；使用训练数据集对构建的深度学习代理模型进行训练，得到训练好的深度迁移学习代理模型；获取实际火场中易测节点转角数据和易测空气温度，使用训练好的深度迁移学习代理模型得到实际火场中难测关键节点位移。与现有技术相比，本发明构建深度学习代理模型进行关键节点位移的预测，不需要在火灾现场通过架设雷达等方式直接量测，有助于推进建筑火灾倒塌预警方法的应用。
-
公开(公告)号：CN117312834A
公开(公告)日：2023-12-29
申请号：CN202311162232.2
申请日：2023-09-08
申请人： 同济大学
IPC分类号： G06F18/2131 , G06F18/214 , G06F30/27 , G06F30/13 , G06F30/23 , G06N3/0464 , G06N3/044 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F111/08 , G06F111/10 , G06F119/08 , G06F119/02 , G06F119/14
摘要： 本发明涉及一种钢框架火灾倒塌预警时空特征提取方法、设备、介质，包括：结合实际工程案例，建立多层钢框架结构的有限元数值分析模型；基于数值分析模型获取用于深度学习模型训练过程的多层钢框架结构火灾响应数据；确定多层钢框架结构易测节点位移以及难测节点位移；构建基于图神经网络和循环神经网络的深度学习模型；对深度学习模型进行训练直至满足精度要求；应用训练得到的深度学习模型。与现有技术相比，本发明能准确实时推算出火灾倒塌预警理论与方法中所必需的顶部及内部关键节点位移，且适用于拓扑形式多样的多层钢框架结构，节省深度学习模型对于不同结构需重复训练所产生的计算成本，有利于实际消防救援中的快速应急响应。
-
公开(公告)号：CN117312813A
公开(公告)日：2023-12-29
申请号：CN202311158747.5
申请日：2023-09-08
申请人： 同济大学
IPC分类号： G06F18/21 , G06F18/214 , G06F30/27 , G06F30/28 , G06F30/13 , G06N3/044 , G06N3/084 , G06Q50/26 , G06N3/047 , G06N3/045 , G06F111/08 , G06F111/10 , G06F119/06 , G06F119/08 , G06F119/02
摘要： 本发明涉及一种火源参数与空温的实时识别与预测方法、设备、介质，包括：建立单层厂房的数值模型；基于数值模拟获得用于深度学习代理模型训练的单层厂房火灾热响应数据；确定单层厂房空气温度测量位置；构建基于循环神经网络和全连接神经网络的深度学习代理模型；将实测历史空气温度和受火单层厂房几何参数作为输入、当前火源参数和未来空气温度作为输出对深度学习代理模型进行训练；将训练得到的深度学习代理模型作为最终代理模型用于实际火场中单层厂房火源参数的识别与未来空气温度的预测。与现有技术相比，本发明能对受火建筑的火源状态参数进行实时识别，并进一步预测未来的空气温度发展趋势，能快速、准确获取火灾状态和发展趋势。
-
-
-
-
-
搜索结果
6 条记录 (耗时 0.035 秒)
