Prism Path
科 研 快 报
CS跨学科顶尖期刊论文资讯
-NO.2025011-
基于多源声波数据与混合深度学习方法的火灾温度场实时重构
Real-time fire temperature field reconstruction using multi-source acoustic wave data and a hybrid deep learning approach
期刊：Computers in Industry
发布日期：2025年10月06日
DOI: 10.1016/j.compind.2025.104389
一场建筑火灾中，高温烟气自屋顶向下沉降，迅速填充整个室内空间。传统传感器被高温熔化，摄像头被浓烟遮挡，消防员面临着一个致命难题：无法实时掌握火场内部温度分布。
近日，郑州轻工业大学秦恒洁老师课题组在国际知名期刊《Computers in Industry》上发表了一项创新研究，提出了一种基于多源声波数据与混合深度学习方法的火灾温度场实时重构技术。
这项技术首次将声学CT测温技术应用于建筑火灾场景，实现了对三维温度场的全局、实时、精准感知，为火灾救援决策提供了前所未有的技术支持。
声波测温技术的核心原理在于：声波在空气中传播的速度与介质温度存在明确的数学关系。而该研究的创新之处在于：多源声波与混合深度学习的融合。
简单来说，研究人员通过分析声波在火场中传播后的变化，利用混合深度学习模型，高效提取并融合声波传播与温度分布之间的复杂非线性关系，将离散的温度数据转化为连续的温度场，从而实现对三维温度场的全局、实时、精准感知。
这种方法克服了传统传感器空间覆盖有限的缺点，也避免了数值模拟对初始条件依赖性强的问题，为复杂动态火灾环境下的实时监测提供了全新解决方案。
声波测温技术与深度学习的结合，除了建筑火灾，这种技术还可应用于森林火灾监测、工业锅炉温度监测等多个领域。而随着技术的不断进步，也为火灾安全监测提供了更加精准、可靠的解决方案。