基于离散数据的火灾温度场构建算法与应用研究
发布时间：2021-11-14 14:53
目前,我国火灾事故频发,且建筑密度和建筑中的人口密度较高,一旦发生火灾,如果不能及时扑灭和尽快指导人员疏散,会造成重大的财产损失和人员伤亡。因此,本文基于火灾探测系统采集到的离散温度数据构建火灾温度场并应用,通过构建的火灾温度场态势图,判断火源位置和火灾温度场的分布状态,用于指导人员疏散和应急救援战术布置。首先,通过PyroSim软件建立火灾场景,对采集点的模拟温度数据分别使用三种插值方法构建温度场,选取温度场中验证点坐标处的温度值与验证点处的模拟值,比较误差大小。双立方插值法计算的插值数据与模拟值之间出现的最大误差为10%左右,其中大部分误差落在4%7%的范围内,且误差曲线相对平滑,不同验证点处的误差值波动不大。同时,对采集点的温度数据分别用三种插值方法绘制温度云图,与场景中设置的温度切片进行对比。使用双立方插值法绘制的火灾温度场云图能够很好地反映火场中的温度分布、区分高温区域和低温区域,较为准确的对火源位置进行定位。因此,选取双立方插值法作为构建火灾温度场以及绘制温度云图的算法。其次,在构建火灾温度场的基础上,提出对火源中心进行定位和通过顶棚射流温度反演火源热...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
无约束顶棚形成的顶棚射流示意图
2顶棚射流温度场与插值算法理论11温火灾探测器时，应使感应元件到顶棚的距离大约为燃料源到顶棚距离的1%左右。2.2二维插值算法概述(Overviewof2DInterpolationAlgorithms)由于火灾探测采集到的温度数据是不连续的离散点，且已知的数据点较为稀疏，为了能够更好的描述火场中温度的平面分布，绘制温度云图，需要将已知的离散数据中内插若干数据点，此时需要引用合适的插值方法。在插入的数据的密度达到一定程度时，就可对其进行可视化。在实际应用中，最常用到的二维插值算法有最邻近插值法、双线性插值法和双立方插值法等[54-55]2.2.1最邻近插值法插值方法中，最简单的就是最邻近插值法[56]，也称为零阶插值法，该算法的核心理论是在与待插值点周围已知数据的4个点中，选取与待插值点距离最近的一个数据点，并将其数据值赋于待插值点的[57]。插值公式如下：fxu,yvfx,y（2.5）其中，fx,y为坐标x,y处的数值；u,v都是0,1区间内的浮点数，分别代表未插值点与最邻近数据点在水平方向和竖直方向的距离；x0,y0。如图2-2所示。图2-2最邻近插值原理示意图Figure2-2Schematicdiagramofnearestneighborinterpolation最邻近插值法计算量小，操作简单，但是可能会出现块效应，使用该算法绘制的图像质量不高。2.2.2双线性插值法双线性插值又称为双线性内插[58]，是指含有两个变量的插值函数的线性插值的扩展。该算法的核心理论是在水平和竖直方向上分别进行一次线性插值，即对于坐标为xu,yv的目标点的数值，可以由原平面中坐标为x,y，x,y1，x1,y，x1,y1处的所对应的相邻的四个数值决定，插值公式如下：
工程硕士专业学位论文12,11,1,111,1,1fxuyvuvfxyuvfxyuvfxyuvfxy（2.6）其中，u,v都是0,1区间内的浮点数，分别代表未插值点与最邻近数据点在水平方向和竖直方向的距离；x0,y0且为整数[59-60]。如图2-3所示：图2-3双线性插值原理示意图Figure2-3SchematicofBilinearInterpolation双线性插值算法的计算量大于最邻近插值，故运算时间要长于最邻近插值，使用该算法绘制的图像质量较高，通常情况下不会出现不连续的情况。但是绘制的图像光滑性较差。2.2.3双立方插值法双立方插值又称为立方卷积插值，与最邻近插值法和双线性插值法相比，该插值方法更加复杂[61]。该算法的核心理论是根据目标数据点周围16个整数点位置数据点的数值做三次线性插值，该算法不仅考虑了与目标数据点直接相邻的4个数据点的影响，而且还将各临点间数值变化率的影响考虑在内[62-63]。双立方插值的原理如图2-4所示。图2-4双立方插值原理示意图Figure2-4Schematicdiagramofbicubicinterpolation
【参考文献】：
期刊论文
[1]基于图像插值的指纹图像增强方法[J]. 韩柯,李孝君,王学莉. 刑事技术. 2019(02)
[2]数字图像插值算法比较研究[J]. 盛晓艳,龚超. 电脑知识与技术. 2019(08)
[3]基于FDS的某综合楼火灾数值模拟研究[J]. 赵寿,张云霞. 节能. 2018(03)
[4]图像缩放算法中常见插值方法比较[J]. 陈高琳. 福建电脑. 2017(09)
[5]基于双线性插值法的图像缩放算法的设计与实现[J]. 张洋. 电子设计工程. 2016(03)
[6]火灾探测技术的研究现状及发展趋势[J]. 曾金龙. 安徽电子信息职业技术学院学报. 2015(06)
[7]插值算法的研究[J]. 于亚龙,穆远彪. 现代计算机(专业版). 2014(05)
[8]基于单片机的无线火灾报警系统研究[J]. 孙小春. 海南大学学报(自然科学版). 2013(03)
[9]数据可视化技术应用趋势与分类研究[J]. 张浩,郭灿. 软件导刊. 2012(05)
[10]虚拟仪器技术在神经网络火灾识别模型中的应用研究[J]. 张嘉琪,刘阳,王晓丽,郑嗣华,赵晖. 中国安全科学学报. 2011(11)
博士论文
[1]科学计算可视化中三维等值曲面构建方法研究[D]. 刘鹤丹.东北大学 2015
[2]信息可视化设计与公共行为研究[D]. 胡小妹.中央美术学院 2014
硕士论文
[1]基于数据融合技术和WSN的民用智能火灾报警系统的研制[D]. 毛效禹.东华理工大学 2019
[2]基于FDS的地铁换乘站火灾模拟与人员疏散研究[D]. 金正烽.北京交通大学 2019
[3]基于Python的粮食产量组合预测模型研究及应用[D]. 姚缙然.武汉轻工大学 2019
[4]基于Python的三维地质体可视化系统的设计与开发[D]. 王世举.西南科技大学 2019
[5]基于模糊神经网络的电气火灾预警算法研究[D]. 赵栋.江苏大学 2018
[6]基于视频图像的火灾检测研究与实现[D]. 苗续芝.中国矿业大学 2018
[7]远程智能火灾监控报警及控制系统的设计与实现[D]. 张云柯.西安建筑科技大学 2018
[8]油田地质数据二维可视化技术研究与实现[D]. 李惠娟.东北石油大学 2016
[9]无线火灾报警系统研究[D]. 邓要兵.北京理工大学 2016
[10]建筑火灾风险评估及其相关性分析[D]. 孙春辉.上海交通大学 2014
本文编号：3494838
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：77 页
【学位级别】：硕士
【部分图文】：
无约束顶棚形成的顶棚射流示意图
2顶棚射流温度场与插值算法理论11温火灾探测器时，应使感应元件到顶棚的距离大约为燃料源到顶棚距离的1%左右。2.2二维插值算法概述(Overviewof2DInterpolationAlgorithms)由于火灾探测采集到的温度数据是不连续的离散点，且已知的数据点较为稀疏，为了能够更好的描述火场中温度的平面分布，绘制温度云图，需要将已知的离散数据中内插若干数据点，此时需要引用合适的插值方法。在插入的数据的密度达到一定程度时，就可对其进行可视化。在实际应用中，最常用到的二维插值算法有最邻近插值法、双线性插值法和双立方插值法等[54-55]2.2.1最邻近插值法插值方法中，最简单的就是最邻近插值法[56]，也称为零阶插值法，该算法的核心理论是在与待插值点周围已知数据的4个点中，选取与待插值点距离最近的一个数据点，并将其数据值赋于待插值点的[57]。插值公式如下：fxu,yvfx,y（2.5）其中，fx,y为坐标x,y处的数值；u,v都是0,1区间内的浮点数，分别代表未插值点与最邻近数据点在水平方向和竖直方向的距离；x0,y0。如图2-2所示。图2-2最邻近插值原理示意图Figure2-2Schematicdiagramofnearestneighborinterpolation最邻近插值法计算量小，操作简单，但是可能会出现块效应，使用该算法绘制的图像质量不高。2.2.2双线性插值法双线性插值又称为双线性内插[58]，是指含有两个变量的插值函数的线性插值的扩展。该算法的核心理论是在水平和竖直方向上分别进行一次线性插值，即对于坐标为xu,yv的目标点的数值，可以由原平面中坐标为x,y，x,y1，x1,y，x1,y1处的所对应的相邻的四个数值决定，插值公式如下：
工程硕士专业学位论文12,11,1,111,1,1fxuyvuvfxyuvfxyuvfxyuvfxy（2.6）其中，u,v都是0,1区间内的浮点数，分别代表未插值点与最邻近数据点在水平方向和竖直方向的距离；x0,y0且为整数[59-60]。如图2-3所示：图2-3双线性插值原理示意图Figure2-3SchematicofBilinearInterpolation双线性插值算法的计算量大于最邻近插值，故运算时间要长于最邻近插值，使用该算法绘制的图像质量较高，通常情况下不会出现不连续的情况。但是绘制的图像光滑性较差。2.2.3双立方插值法双立方插值又称为立方卷积插值，与最邻近插值法和双线性插值法相比，该插值方法更加复杂[61]。该算法的核心理论是根据目标数据点周围16个整数点位置数据点的数值做三次线性插值，该算法不仅考虑了与目标数据点直接相邻的4个数据点的影响，而且还将各临点间数值变化率的影响考虑在内[62-63]。双立方插值的原理如图2-4所示。图2-4双立方插值原理示意图Figure2-4Schematicdiagramofbicubicinterpolation
【参考文献】：
期刊论文
[1]基于图像插值的指纹图像增强方法[J]. 韩柯,李孝君,王学莉. 刑事技术. 2019(02)
[2]数字图像插值算法比较研究[J]. 盛晓艳,龚超. 电脑知识与技术. 2019(08)
[3]基于FDS的某综合楼火灾数值模拟研究[J]. 赵寿,张云霞. 节能. 2018(03)
[4]图像缩放算法中常见插值方法比较[J]. 陈高琳. 福建电脑. 2017(09)
[5]基于双线性插值法的图像缩放算法的设计与实现[J]. 张洋. 电子设计工程. 2016(03)
[6]火灾探测技术的研究现状及发展趋势[J]. 曾金龙. 安徽电子信息职业技术学院学报. 2015(06)
[7]插值算法的研究[J]. 于亚龙,穆远彪. 现代计算机(专业版). 2014(05)
[8]基于单片机的无线火灾报警系统研究[J]. 孙小春. 海南大学学报(自然科学版). 2013(03)
[9]数据可视化技术应用趋势与分类研究[J]. 张浩,郭灿. 软件导刊. 2012(05)
[10]虚拟仪器技术在神经网络火灾识别模型中的应用研究[J]. 张嘉琪,刘阳,王晓丽,郑嗣华,赵晖. 中国安全科学学报. 2011(11)
博士论文
[1]科学计算可视化中三维等值曲面构建方法研究[D]. 刘鹤丹.东北大学 2015
[2]信息可视化设计与公共行为研究[D]. 胡小妹.中央美术学院 2014
硕士论文
[1]基于数据融合技术和WSN的民用智能火灾报警系统的研制[D]. 毛效禹.东华理工大学 2019
[2]基于FDS的地铁换乘站火灾模拟与人员疏散研究[D]. 金正烽.北京交通大学 2019
[3]基于Python的粮食产量组合预测模型研究及应用[D]. 姚缙然.武汉轻工大学 2019
[4]基于Python的三维地质体可视化系统的设计与开发[D]. 王世举.西南科技大学 2019
[5]基于模糊神经网络的电气火灾预警算法研究[D]. 赵栋.江苏大学 2018
[6]基于视频图像的火灾检测研究与实现[D]. 苗续芝.中国矿业大学 2018
[7]远程智能火灾监控报警及控制系统的设计与实现[D]. 张云柯.西安建筑科技大学 2018
[8]油田地质数据二维可视化技术研究与实现[D]. 李惠娟.东北石油大学 2016
[9]无线火灾报警系统研究[D]. 邓要兵.北京理工大学 2016
[10]建筑火灾风险评估及其相关性分析[D]. 孙春辉.上海交通大学 2014
本文编号：3494838
本文链接：https://www.wllwen.com/jianzhugongchenglunwen/3494838.html
