本發明公開了一種火災檢測方法及裝置。其中，該方法包括：確定機艙內各節點的多個火災影響因素；確定各節點的多個火災影響因素中各火災影響因素的火災影響權重值；根據各火災影響因素的火災影響權重值，確定各節點對艙內火災發生概率的評估值；根據各節點對艙內火災發生概率的評估值，確定艙內實際發生火災的概率；根據艙內實際發生火災的概率，判斷是否發出火災報警。通過本發明的技術方案，可對火災進行準確檢測，并準確判斷是否發出火災報警，以確?；馂膱缶募皶r性和準確性。

技術領域

本發明涉及火災檢測技術領域，尤其涉及一種火災檢測方法及裝置。

背景技術

目前，在對火災進行檢測時，通常采用灰模糊神經網絡信息融合算法將煙霧探測模塊，CO氣體檢測模塊和溫度檢測模塊所獲取的測量數據進行融合或者采用帶反饋的模糊邏輯控制系統(即模糊邏輯融合算法)將不同傳感器或者模塊所獲取的測量數據進行融合然后判斷是否發生火災，但這些方法檢測準確率均較低，容易發生火災誤判，且檢測及時性較差，需要消耗過長檢測時間。

發明內容

本發明實施提供了一種火災檢測方法及裝置。所述技術方案如下：

根據本發明實施例的第一方面，提供一種火災檢測方法，包括：

確定機艙內各節點的多個火災影響因素；

確定所述各節點的多個火災影響因素中各火災影響因素的火災影響權重值；

根據所述各火災影響因素的火災影響權重值，確定所述各節點對所述艙內火災發生概率的評估值；

根據所述各節點對所述艙內火災發生概率的評估值，確定所述艙內實際發生火災的概率；

根據所述艙內實際發生火災的概率，判斷是否發出火災報警。

在一個實施例中，所述確定所述各節點的多個火災影響因素中各火災影響因素的火災影響權重值，包括：

確定所述各火災影響因素的判斷矩陣；

對所述各火災影響因素的判斷矩陣進行一致性檢驗；

根據通過一致性檢驗的所述各火災影響因素的判斷矩陣，計算所述各火災影響因素的火災影響權重值。

在一個實施例中，當所述各火災影響因素的判斷矩陣存在多個時，所述根據通過一致性檢驗的所述各火災影響因素的判斷矩陣，計算所述各火災影響因素的火災影響權重值，包括：

根據每個通過一致性檢驗的所述各火災影響因素的判斷矩陣，計算出所述各火災影響因素的預設數目個火災影響權重值，其中，所述預設數目等于通過一致性檢驗的所述各火災影響因素的判斷矩陣的數目；所述預設數目為大于或等于2的正整數；

根據所述各火災影響因素的預設數目個火災影響權重值，確定所述各火災影響因素的火災影響權重區間。

在一個實施例中，根據所述各火災影響因素的火災影響權重值，確定所述各節點對所述艙內火災發生概率的評估值，包括：

根據所述各火災影響因素的火災影響權重值，確定所述各火災影響因素的火災影響權重區間；

根據所述各火災影響因素的火災影響權重區間，確定所述各火災影響因素的目標影響函數和所述目標影響函數的約束條件；

根據所述各火災影響因素的目標影響函數和所述目標影響函數的約束條件，計算所述各節點的各火災影響因素的最優火災影響權重值；

根據所述各節點的各火災影響因素的最優火災影響權重值以及所述各節點的各火災影響因素的實際因素值，確定所述各節點對所述艙內火災發生概率的評估值。

在一個實施例中，所述根據所述各節點對所述艙內火災發生概率的評估值，確定所述艙內實際發生火災的概率，包括：