买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国铁路设计集团有限公司申请的专利一种列车火灾车云预警预测系统及方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120088971B 。

龙图腾网通过国家知识产权局官网在2025-08-01发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510586664.9，技术领域涉及：G08B31/00；该发明授权一种列车火灾车云预警预测系统及方法是由李珉璇;赵耀;杨琪;周敏;崔校玉;罗健;樊艳;彭良勇;沙玉林;陈伟;李敬钦;黄乃斌;彭涛;葛伟涛;柴天娇;李广森设计研发完成，并于2025-05-08向国家知识产权局提交的专利申请。

本一种列车火灾车云预警预测系统及方法在说明书摘要公布了：本发明公开了一种列车火灾车云预警预测系统及方法，方法包括：构建基于深度学习的多模态火灾预警模型和多模态火灾态势预测模型，并训练；车载端通过传感器获取多源异构实时数据，对多源异构实时数据进行特征提取并融合，再将融合特征输入训练后的多模态火灾预警模型，输出的最高概率状态为实时火灾预警结果；将获取的多源异构实时数据传输给云端，云端接收并存储实时数据；将存储的历史数据与实时数据结合，利用训练后的多模态火灾态势预测模型对全部多源异构数据进行特征提取及融合研判，得到火灾态势发展预测；本发明实现了车载端算力受限条件下的独立精准火灾预警，以及云端高算力条件下的精准火灾态势发展预测。

本发明授权一种列车火灾车云预警预测系统及方法在权利要求书中公布了：1.一种列车火灾车云预警预测方法，其特征在于，包括如下步骤： 构建基于深度学习的多模态火灾预警模型和多模态火灾态势预测模型，并对所述多模态火灾预警模型和多模态火灾态势预测模型进行训练，获得训练后的多模态火灾预警模型和多模态火灾态势预测模型； 通过列车安装的传感器获取多源异构实时数据，包括温度数据、烟气数据、风速数据、火灾图像数据；对多源异构实时数据进行特征提取并融合，再将融合特征输入训练后的多模态火灾预警模型，给出无火、阴燃和明火的实时火灾状态概率，输出的最高概率状态为实时火灾预警结果，并输出火灾状态的声光预警或报警信号； 将通过传感器获取的多源异构实时数据传输给云端，云端接收并存储实时数据；将存储的历史数据与实时数据结合，利用训练后的多模态火灾态势预测模型对全部多源异构数据进行特征提取及融合研判，得到火灾态势发展预测； 所述多源异构实时数据具体为： 所述温度数据通过光纤温度传感器采集，测量沿列车车厢的全长温度，为一维空间数据； 所述烟气数据通过烟气传感器采集，所述风速数据通过风速传感器采集，所述烟气传感器和风速传感器分别采集列车车厢内的烟气、风速，均为空间点测量的一维时间数据； 所述火灾图像数据通过可见光图像传感器或和红外图像传感器采集，测量列车车厢内平面图像，为2D空间数据； 对多源异构实时数据进行特征提取并融合，再将融合特征输入训练后的多模态火灾预警模型，给出无火、阴燃和明火的实时火灾状态概率，输出的最高概率状态为实时火灾预警结果的方法： 1对多源异构实时数据通过特征提取网络进行特征提取： 所述温度数据为一维空间序列，首先使用离散小波变换的方法将温度数据变换为二维类图像数据，再使用卷积神经网络CNN对其进行特征提取，所述卷积神经网络CNN包括卷积层、注意力模块、池化层与归一化层； 所述的烟气数据和风速数据为空间点的一维时间序列数据，分别使用带有自注意力机制的LSTM模型对其进行特征提取，所述LSTM模型包括LSTM层、注意力层与全连接层； 所述的火灾图像数据为二维空间数据，使用改进的VGG16模型对其进行特征提取，所述VGG16模型包括卷积层，注意力模块，池化层和归一化层； 2将提取的温度特征、烟气特征、风速特征和火灾图像特征作为输入元，输入搭建的MS-FRFM网络特征融合模块进行特征融合，得到多源异构实时数据的融合特征； 3将融合特征输入包含双隐含层的多层感知机MLP网络模型进行决策，输出神经元为无火、阴燃和明火的实时火灾状态概率，输出的最高概率状态为实时火灾预警结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国铁路设计集团有限公司，其通讯地址为：300450 天津市滨海新区自贸试验区(空港经济区)东七道109号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。