室内早期火灾预防是当今社会面临的重大安全挑战之一。近年来，随着科技的飞速发展和消防意识的显著提升，我国在室内火灾预防方面取得了显著进展，通过一系列创新措施和严格管理，有效降低了火灾发生的频率和危害程度，走出了一条具有中国特色的火灾防控道路。其成效之显著、措施之全面，为国际室内火灾预防工作提供了宝贵经验和理论支撑。然而，火灾预防并非一蹴而就的任务，那些已经实现火灾防控成效显著的建筑或区域，仍可能受到建筑材料老化、电气设备故障、人为疏忽等多重因素的影响，存在潜在的火灾复燃风险。特别是随着城市化进程的加快和人口密集度的增加，室内火灾的预防和应急处理面临更加复杂的挑战。因此，如何利用先进的传感技术、物联网技术及相关数据分析手段，实现对特定建筑或区域的火灾隐患进行早期监测和预警，已成为消防科技领域的一个重要研究方向。众多学者和科研机构正致力于开发高精度、智能化的火灾预警系统，通过实时监测室内环境中的烟雾浓度、温度变化、火焰探测等关键指标，结合大数据分析技术，对火灾风险进行精准评估，及时发出预警信息，为室内火灾的早期预防提供有力支持。现有的室内火灾预警一般分为两类，一类是基于单类传感器，一类是多传感器协同。
1. 单类传感器
白文[2]采用传感器组合，并采用固定阈值检测法和变化率检测法来分析火灾探测信号。沈晓波等[3]通过传感器矩阵采集声音信号，由仿生态神经网络群BNNG算法进行四级预警分类。贺香勇[4]基于改进朴素贝叶斯算法，对于温度、一氧化碳等数据进行分析，最后达到火灾预警的效果。孙金祥等[5]设计了一种通过主动吸气式激光粉尘传感器采集数据，基于激光粉尘浓度传感器的火灾预警系统。徐晓璐[6]采用了NIC-09C离子型烟雾传感器作为烟雾探测模块，并对其响应曲线进行仿真，设计了一种基于离子型烟雾传感器的火灾报警系统探测节点。邢露伟[7]针对矿井中的温度、烟雾等特征布置相关传感器，基于机器学习和模式识别的算法，提高预测系统的准确性。王培锦等[8]利用室内单兵RFID定位技术的应用框架，设计了一种基于ZigBee技术的无线消防报警系统，实现了室内火警监测。Che J等[9]提出一种用于智能火灾探测的CMOS烟雾温度传感器，将温度传感器和基于光散射的烟雾传感器集成，通过温度传感器修正烟雾传感器数据，提高火灾探测准确性。Zhen Z等[10]通过对吸气式烟雾探测系统进行仿真和实验研究，分析位于烟雾采样管处的火灾探测器响应性能。Chen W等[11]改变原有火灾报警系统有线连接方式，提出一种基于低功耗广域网的室内分布式火灾报警系统，建立基于LoRa技术的多传感器采集节点、分布式边缘网关和远程用户监控系统。Wu L[12]等采用非均匀采样和改进的趋势提取方法，增强了预警算法区分火灾信号和环境干扰的能力。Chen G[13]等基于GO-PA的火焰诱导电阻变换特性，设计了一种火灾预警探测器，以可靠地监测早期火灾。当 GO-PA 样品受到火势攻击时，可在0.5s内触发火警。
2. 多传感器协同
董红召等[14]采用基于CAN总线的车载式发动机舱室自燃检测判别传感网络系统的硬件，实现车载传感系统与路边基、路边基与上位机之间的危险判别。张井超[15]设计了基于多传感器以CO、温度和烟雾为火灾数据，通过多融合算法进行信息融合的火灾预警系统。钱伟等[16]基于模糊神经网络对于CO浓度、烟雾、温度三种火灾特征量进行算法融合提高火焰探测器探测精度。张刚等[17]通过设计检测电路采集紫外光传感器等多元传感器，以D-S 融合理论将信息融合提高对电气火灾预警的准确性。冯子毅等[18]通过对比现有传感器误报漏报率高，采用多传感器数据融合技术提高对高压变电站火灾预测的准确性。陈培豪[19]采用了一种基于多特征融合的SVM火灾识别和深度学习识别，通过融合火灾识别算法，设计多传感器融合的火灾预警系统。朱鹏浩等[20]将CO传感器节点采集的信息数据处理后,输入到基于BP 神经网络的融合算法中,并利用粒子群优化算法，通过特征提取识别,从而判断是否发生火灾。刘晓悦等[21]将D -S证据理论数据融合法应用于火灾检测报警的决策中克服单一传感器的局限性和片面性。郭冰陶等[22]设计的基于多传感器数据融合的智能火灾监控系统，通过LabVIEW监控预警平台进行监控，采用神经网络进行灾情判断，提高了火灾监控系统的可靠性和安全性。付瑞玲[23]等设计了一种基于多传感器信息融合的火灾报警器，通过比较器的比较送给单片机进行信息融合，表明了系统具有较强的火灾预测和报警能力。刘阔等[24]采用基于TOPSIS法优化的DKmeans算法，设计的基于多传感器信息融合的火灾探测和自动化预警系统，够完成多传感器数据融合。Yili Z等[25]基于物联网和多传感器技术，开发一种智能无线监测火灾预警系统，在手机信号微弱的现场，使用GPRS和北斗卫星通信进行数据传输。Sekkas[26]设计了一种基于多级方案数据融合的火灾检测方法,第一级通过使用D-S证据理论融合各传感器数据,并赋予每个传感器数据火灾发生概率;第二级结合上级各传感器数据火灾发生概率, 添加图像技术进一步确认。Tekin A Kunt[27]为了解决火灾探测中特征层融合识别算法对火灾特征识别准确性低的问题，提出了将神经网络算法应用于火灾特征的识别。
综上所述，已有室内火灾预警系统，在单类传感器中预测精度不足，多传感器协同效果无法满足室内极早期火灾监测，我们提出了新的针对极早期火灾预警系统。
参考文献
[1] 应急管理部消防救援局[EB/OL]. http://www.119.gov.cn.
[2] 白文.船舶储货舱内火灾初期特性与早预警研究[D].哈尔滨工程大学,2016.
[3] 沈晓波,王留留,刘音.基于声音信号室内火灾分级预警系统[J].长春工业大学学报,2018,39(04):349-355.DOI:10.15923/j.cnki.cn22-1382/t.2018.4.06.
[4] 贺香勇.改进贝叶斯算法在室内火灾智能预警中的应用研究[D].中国科学技术大学,2022.DOI:10.27517/d.cnki.gzkju.2022.001059.
[5] 孙金祥,曹银杰,张宁,等.基于粉尘浓度传感器的火灾预警系统[J].消防科学与技术,2016,35(07):973-975.
[6] 徐晓璐.基于离子型烟雾传感器的火灾报警系统探测节点设计[J].信息通信,2015,(10):57-58.
[7] 邢露伟.基于传感器网络的矿井火灾早期监测与预警研究[J].能源与节能,2024,(07):53-56.DOI:10.16643/j.cnki.14-1360/td.2024.07.046.
[8] 王培锦,路佳宣.基于ZigBee的多传感器智能火灾报警系统[J].物联网技术,2015,5(07):8-10+13.DOI:10.16667/j.issn.2095-1302.2015.07.039.
[9] Cheon J, Lee J, Lee I, et al. A single-chip CMOS smoke and temperature sensor for an intelligent fire detector[J]. IEEE Sensors Journal, 2009, 9(8):914-921.
[10] Zhen Z, Qin Z, Hong B C, et al. Performance study on fire alarm system in large space buildings[C]// World Congress on Computer Science and Information Engineering; CSIE 2011. 2011.
[11] Chen W, He C Y, Lu J R, et al. Research and design of distributed fire alarm system of indoor internet of things based on LoRa[J]. Scientific programming,2021,2021(Pt.8):7462331.1-7462331.12.
[12] Wu L, Chen L, Hao X. Multi-sensor data fusion algorithm for indoor fire early warning based on BP neural network[J]. Information, 2021, 12(2): 59.
[13] Chen G, Yuan B, Wang Y, et al. Inhibited combustion of graphene paper by in situ phosphorus doping and its application for fire early-warning sensor[J]. Sensors and Actuators A: Physical, 2020, 312: 112111.
[14] 董红召,张飞,季行健.公交车发动机舱室内自燃火灾检测预警系统设计[J].机电工程,2013,30(02):240-244.
[15] 张井超.基于多传感器信息融合的火灾预警系统研究[D].河北工业大学,2017.
[16] 钱伟,何志祥,张德银.基于模糊神经网络的火灾传感器特征参数融合算法[J].传感技术学报,2017,30(12):1906-1911.
[17] 张刚,张岳,黄国平,等.基于多传感器信息融合的电气火灾预警研究[J].能源与环保,2017,39(10):80-85.DOI:10.19389/j.cnki.1003-0506.2017.10.016.
[18] 冯子毅,马恒瑞,王红霞,等.基于多类型传感器的变电站火灾预警技术研究综述[J].智慧电力,2024,52(10):103-111.DOI:10.20204/j.sp.2024.10014.
[19] 陈培豪.基于多传感器融合的火灾识别系统研究与设计[D].浙江大学,2021.DOI:10.27461/d.cnki.gzjdx.2021.001306.
[20] 朱鹏浩,张世义,李军.基于多传感器融合的隧道智能巡检系统[J].科学技术与工程,2023,23(02):648-655.
[21] 刘晓悦,马伟宁.基于D-S证据理论的多传感器火灾报警方法[J].华北理工大学学报(自然科学版),2017,39(03):74-81.
[22] 郭冰陶,刘珊,刘强,等.基于多传感器数据融合的智能火灾监控系统设计[J].自动化与仪表,2016,31(02):29-32.DOI:10.19557/j.cnki.1001-9944.2016.02.009.
[23] 付瑞玲,王宁,杜志强.基于多传感器信息融合的火灾报警器设计[J].计算机测量与控制,2018,26(01):206-208+212.DOI:10.16526/j.cnki.11-4762/tp.2018.01.051.
[24] 刘阔,刘文元,曾会彬,等.基于多传感器信息融合的火灾探测和自动化预警系统设计[J].自动化与仪表,2024,39(05):89-93.DOI:10.19557 /j.cnki.1001-9944.2024.05.019.
[25] Yili Z, Yandong Z, Weiping L, et al. An intelligent wireless system for field ecology monitoring and forest fire warning[J]. Sensors (Basel, Switzerland),2018,18(12).
[26] A Sekkas O, Hadjiefthymiades S, Zervas E. A multi-level data fusion approach for early fire detection[C] / / International Conferenceon Intelligent Networking and Collaborative Systems. Thessaloniki:IEEE, 2010: 479-483.
[27] Tekin A K．Intelligent Fire Warning System Based on Fuzzy Extension Constraint Algorithm［C］/ /2014 Fifth International Conference on Intelligent Systems Design and Engineering Applications ( ISDEA)．2014: 578－581．
