Суть проекта в том, чтобы заменить классическую пожарную сигнализацию с фиксированными порогами распределённой системой легковесных нейросетевых агентов, каждый из которых находится непосредственно на элементе АПС: дымовом извещателе, приёмно-контрольном приборе, вентиляторе дымоудаления, узле газового или спринклерного пожаротушения, оповещателе. Агенты работают в самоорганизующейся сети (LoRaWAN с резервным Zigbee) и решают три главные задачи: отсев ложных срабатываний, прогнозирование деградации оборудования и коллективное принятие решения о пожаре. Каждый агент содержит компактную гибридную нейросеть, оптимизированную для работы на батарейном микроконтроллере с микроваттным энергопотреблением. Для дымового извещателя используется одномерная свёрточная нейросеть (1D-CNN) с Temporal Convolutional Network, которая анализирует временной ряд значений инфракрасного и синего оптических каналов вместе с температурой; на выходе нейроагент выдаёт три величины: вероятность реального пожара, вероятность ложного срабатывания (вызванного пылью, паром или насекомыми) и уровень загрязнения камеры в процентах для прогнозирования даты чистки. Для вентилятора дымоудаления нейроагент использует LSTM-автоэнкодер для обнаружения аномалий в вибрации, токе двигателя и температуре подшипников, а также вычисляет оставшийся ресурс в днях до критического отказа. Для трубопроводной сети пожаротушения агент строит граф узлов и клапанов и применяет графовую нейросеть (Graph Neural Network), которая по данным давления в нескольких точках и времени прихода гидравлической волны при тестовом пуске локализует скрытые утечки или частичные закупорки задвижек. Для оповещателей (сирен) нейроагент контролирует уровень звукового давления через встроенный микрофон обратной связи и прогнозирует деградацию динамика. Ключевое нововведение — протокол коллективного обнаружения пожара: если один из агентов-извещателей получает от своей нейросети вероятность пожара выше 0,7, он рассылает соседним агентам (тепловым, газовым на CO, видеокамерам, если они есть) запрос на подтверждение. Соседние агенты в течение 1–2 секунд запускают свои лёгкие детекторы, и решение о тревоге принимается только при наличии не менее двух положительных ответов от разных типов сенсоров (например, дым + тепло) либо при экстремально высоком (>0,95) значении на одном агенте с подтверждением по тренду. Это практически исключает ложные вызовы. Кроме того, сеть обладает роевым интеллектом: при выходе из строя координатора зоны оставшиеся агенты переизбирают лидера, а при отказе отдельного датчика его соседи временно экстраполируют его сигнал на основе корреляции, обучаемой нейросетью. Все данные стекаются на глобальный сервер цифрового двойника, где происходит дообучение моделей на реальных событиях и формируются рекомендации по техническому обслуживанию. Внедрение такой сети нейроагентов позволяет повысить достоверность обнаружения пожара до 99,9%, сократить ложные срабатывания на 90%, предсказывать отказ вентиляторов и засорение извещателей за 2–4 недели, а также автоматически проверять работоспособность всей противопожарной системы ежедневно без участия человека.

На страницу проекта