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！

龙图腾网获悉应急管理部沈阳消防研究所申请的专利一种减氧注氮火灾防控测试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：CN116610055B 。

龙图腾网通过国家知识产权局官网在2025-11-28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：202310597162.7，技术领域涉及：G05B19/042；该发明授权一种减氧注氮火灾防控测试系统及方法是由郐士超;李宁宁;郑伟;许磊;齐梓博设计研发完成，并于2023-05-25向国家知识产权局提交的专利申请。

本一种减氧注氮火灾防控测试系统及方法在说明书摘要公布了：一种减氧注氮火灾防控测试系统及方法，包括控制中心、视频采集模块、温度监测模块、湿度监测模块、大气压力监测模块、氧气含量监测模块和电源模块。本发明通过各个模块进行信息的采集，并将采集结果输入至控制中心中，基于BP神经网络预测算法对火灾防控效果进行预测。本发明专利针对于减氧注氮火灾防控测试需求而设计，搭建一种减氧注氮火灾防控测试系统，实现后端控制中心实时监测前端试验环境内部视频、温度、湿度、大气压力、氧气含量等试验数据的系统功能，为减氧注氮火灾防控技术测试环境搭建提供一种系统性解决方案，实现一种综合集中的减氧注氮火灾防控测试环境系统。

本发明授权一种减氧注氮火灾防控测试系统及方法在权利要求书中公布了：1.一种减氧注氮火灾防控测试系统，其特征在于：控制中心与温度监测模块、湿度监测模块、大气压力监测模块、氧气含量监测模块、视频采集模块连接； 所述的控制中心对所有模块进行指令控制和数据交互，控制各个模块的有序工作和数据汇集； 所述的温度监测模块用于监测减氧注氮火灾防控测试环境内部的温度数据，对内部测试环境进行温度监测；所述的湿度监测模块用于监测减氧注氮火灾防控测试环境内部的湿度数据，对内部测试环境进行湿度监测；所述的大气压力监测模块用于监测减氧注氮火灾防控测试环境内部的大气压力数据，对内部测试环境进行大气压力监测；所述的氧气含量监测模块用于监测减氧注氮火灾防控测试环境内部的氧气环境数据，对内部测试环境进行氧气含量监测；所述的视频采集模块用于采集减氧注氮火灾防控测试环境内部的视频数据，对内部测试环境进行视频监测； 利用所述的减氧注氮火灾防控测试系统进行防控预测的方法，其步骤为： 1在数据库中提取数据，作为神经网络的训练集和测试集；数据包括温度X1、湿度X2、大气压力X3、氧气含量X4和火灾防控效果Y； 2BP神经网络的构建： 2.1建立基于BP神经网络的火灾防控效果预测模型：设温度X1、湿度X2、大气压力X3、氧气含量X4为是BP神经网络的输入值，火灾防控效果Y为BP神经网络的预测值，wij和wj为BP神经网络权值； 2.2BP神经网络初始化：根据系统输入输出情况确定网络输入层节点数4、隐含层节点数5，输出层节点数1，初始化输入层、隐含层和输出层神经网络节点之间权值wij、wj，初始化隐含层阈值a，输出层阈值b，给定学习速率γ和神经元激励函数f； 2.3BP神经网络隐含层输出计算：根据输入数据，输入层和隐含层间权值wij，计算输出： ； 式中，j为隐含层节点数；f为隐含层激励函数， ； 2.4BP神经网络输出层输出计算：根据隐含层输出H，连接权值wj和阈值b，计算BP神经网络预测输出O； ； 2.5BP神经网络误差计算：根据网络预测输出O和期望输出Y'，计算神经网络预测误差e； e=Y'-O 2.6神经网络权值更新：根据神经网络预测误差e更新网络连接权值wij，wj； wij=wij+γHj1-Hjxiwjei=1,2，…，4；j=1,2，…，5 wj=wj+γHjej=1,2，…，5 式中，γ为学习速率； 2.7神经网络阈值更新：根据神经网络预测误差e更新网络节点阈值a，b； aj=aj+γHj1-Hjwjej=1,2，…，5 b=b+e 2.8通过训练集对神经网络进行训练，通过测试集检测神经网络的预测效果；如果预测误差e小于设定值，则说明神经网络达到预设效果，为最终的神经网络结构；如果预测误差e大于设定值，则说明神经网络没有达到预设效果，需要从数据库中提取更多的数据作为训练集，对神经网络继续进行训练； 3预测：将实际中采集的温度X1、湿度X2、大气压力X3、氧气含量X4输入至步骤2最终得到的神经网络中，如果神经网络输出的火灾防控效果Y=1，则说明火灾防控效果为成功，如果神经网络输出的火灾防控效果Y=0，则说明火灾防控效果为失败。

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应急管理部沈阳消防研究所，其通讯地址为：110000 辽宁省沈阳市皇姑区文大路218-20甲；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”。

以上内容由龙图腾AI智能生成。