摘要：基于先进传感器,建立了火灾大小和类型智能识别的贝叶斯网络模型,上层温度、下层温度、CO浓度、CO2浓度、O2浓度和遮光度等6个火灾特征参数为识别模型的输入变量,火灾大小和类型为输出变量,并推导了输入变量与输出变量之间的关系。分别在住舱、指挥室、机舱和机库等4种典型舱室模拟了床垫火、电缆火、油池火和喷射火等4种火源,利用CFAST软件得到了2 880组模拟样本数据,对模型参数进行了训练,并根据全尺度火灾试验数据对训练后的识别模型进行了验证。验证结果表明：在火灾传感器数据完整时,对小火、中火和大火状态的平均识别正确率分别为88.0%、95.0%、85.7%,对固体火和油料火的平均识别正确率分别为90.2%、81.5%;在火灾损害严重或武器打击致使单个传感器失效的情况下,对火灾大小和类型的平均识别正确率分别为82.4%、82.7%,比火灾传感器数据完整时分别降低8.1%、2.8%。可见,识别模型具有良好的识别能力和鲁棒性,可应用于舰船损管监控系统,为指挥员选择最有效的灭火方法和战术提供实时的决策支持。

关键词：舰船工程 舱室火灾 贝叶斯网络 智能识别 火灾传感器 

单位：大连理工大学船舶工程学院; 辽宁大连116024; 海军大连舰艇学院航海系; 辽宁大连116018; 海军装备研究院标准规范研究所; 上海200235