УДК 004.82
ПЕРСПЕКТИВЫ ПОСТРОЕНИЯ СИСТЕМ ПОЖАРНОЙ СИГНАЛИЗАЦИИ НА ПРИНЦИПАХ ИСКУССТВЕННОГО ИНТЕЛЛЕКТА (НА ПРИМЕРЕ ГАЗОВЫХ ПОЖАРНЫХ ИЗВЕЩАТЕЛЕЙ)
Андрей Викторович Андреев13; Александр Сергеевич Доронин.
Санкт-Петербургский политехнический университет Петра Великого, Санкт-Петербург, Россия. Сергей Николаевич Терехин.
Санкт-Петербургский университет ГПС МЧС России, Санкт-Петербург, Россия [email protected]
Аннотация. Освещение тенденций современных взглядов на безопасность и направлений развития систем безопасности в условиях глобальной автоматизации и интеграции в единые комплексы автоматизированного управления. Обзор перспектив использования искусственного интеллекта в системах обеспечения безопасности для выявления ситуаций, которые трудно классифицировать с помощью признаков, полученных по данным мониторинга. Оценка перспектив использования систем пожарной сигнализации на принципах искусственного интеллекта на базе нейронных сетей (построения на принципах комбинаторики методов нейронных сетей и систем нечетной логики). Построение математической модели, описывающей процесс формирования достоверного сигнала о переходе системы в состояние «пожар» и описание проблемы корректной установки порога срабатывания систем по формированию сигнала, решение проблемы минимизации количества ложных срабатываний путем введения дополнительного канала, получающего исходную информацию о состоянии объекта в оптическом диапазоне. Исследование достоверности заявленных производителем характеристик газовых пожарных извещателей с целью определения возможности использования их в качестве исходных элементов систем пожарной сигнализации, построенных на принципах нейронных сетей.
Ключевые слова: нейронные сети, обучение нейронных сетей, искусственный интеллект, верифицирующий канал, нечеткая логика, системы пожарной сигнализации, порог срабатывания, газовые пожарные извещатели
Для цитирования: Андреев А.В., Доронин А.С., Терехин С.Н. Перспективы построения систем пожарной сигнализации на принципах искусственного интеллекта (на примере газовых пожарных извещателей) // Науч.-аналит. журн. «Вестник С.-Петерб. ун-та ГПС МЧС России». 2022. № 1. С. 65-74.
FIRE ALARM SYSTEMS CONSTRUCTION ON THE ARTIFICIAL INTELLIGENCE PRINCIPLES (BASIS ON THE GAS FIRE DETECTORS)
Andrey V. Andreev3; Alexander S. Doronin.
Peter the Great Saint-Petersburg polytechnic university, Saint-Petersburg, Russia. Sergey N. Terekhin.
Saint-Petersburg university of State fire service of EMERCOM of Russia, Saint-Petersburg, Russia [email protected]
Abstract. Coverage of trends in modern views on security and directions for the development of security systems in the context of global automation and integration into unified automated control systems. An overview of the prospects for using artificial intelligence in security systems to identify situations that are difficult to classify using signs obtained from monitoring data. Assessment of the prospects for the use of fire alarm systems based on the principles of artificial intelligence based
© Санкт-Петербургский университет ГПС МЧС России, 2022
65
on neural networks (building on the principles of combinatorics of methods of neural networks and odd logic systems). Construction of a mathematical model that describes the process of generating a reliable formation of a signal about the transition of the system to the «fire» state and a description of the problem of correctly setting the system response threshold for signal generation, solving the problem of minimizing the number of false positives by introducing an additional channel that receives initial information about the state of the object in the optical range. Investigation of the reliability of the characteristics of gas fire detectors declared by the manufacturer in order to determine the possibility of using them as initial elements of fire alarm systems built on the principles of neural networks.
Keywords: neural networks, neural network training, artificial intelligence, verification channel, fuzzy logic, fire alarm systems, response threshold, gas fire detectors
For citation: Andreev A.V., Doronin A.S., Terekhin S.N. Prospects for building fire alarm systems based on the principles of artificial intelligence (on the example of gas fire detectors) // Nauch.-analit. jour. «Vestnik Saint-Petersburg university of State fire service of EMERCOM of Russia». 2022. № 1. P.65-74.
Введение
Одним из основных требований, предъявляемых к системам пожарной сигнализации (СПС), является «надежность» [1-3]. Под надежностью понимают: достоверное обнаружение возгорания на начальной стадии развития пожара, а также отсутствие ложных тревог, которые снижают доверие эксплуатирующих лиц к системе безопасности. Наибольшее распространение получили СПС, работа которой построена на логике нахождения датчиков сигнализации в двух состояниях: «норма» и «пожар». Пожарная сигнализация срабатывает, если контролируемый параметр настроенного датчика превышает порог срабатывания. Таким образом, возникает проблема установки корректного значения порога срабатывания.
Тенденции современного развития систем безопасности неразрывно связаны с процессами широкой автоматизации и интеграции, которые касаются не только систем безопасности, но и всех систем, предназначенных для автоматизации управления жизнеобеспечением и функционированием жилого здания, офиса, предприятия или любого другого объекта. Логическим развитием такой интеграции явилось создание интегрированных систем безопасности (ИСБ) с широкими функциональными возможностями, позволяющими автоматизировать управление инженерными системами здания или объекта [4]. Во всех странах нормативно регламентируются требования СПС, которые являются обязательным элементом при вводе любого здания (сооружения) в эксплуатацию [5].
Методы исследования: математические, эмпирические и теоретические
Одним из наиболее перспективных направлений проектирования интегрированных к СПС и управления эвакуацией является использование элементов искусственного интеллекта (ИИ), строящегося на принципах обучаемых нейронных сетей (НС). НС представляют собой комплексную систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает и периодически посылает другим процессорам, что позволяет решать сложные задачи [6]. Авторами статьи выдвигается научная гипотеза о возможности применения НС для распознавания образов и решения задач классификации пожаров по визуальным признакам.
ИИ наиболее подходит для выявления ситуаций, которые трудно классифицировать с помощью признаков, полученных из данных мониторинга объекта (тление, горение и т.п.). Например, ИИ может определить набор специальных характеристик или особенности различных пожарных ситуаций, используя собранные данные, и применить их для принятия
66
решений в реальных пожарных ситуациях. Одним из основных свойств НС является способность к обучению. Это свойство позволяет СПС, построенным на принципах ИИ, повысить достоверность оценки различных пожарных ситуаций, оптимизируя функциональные веса и параметры алгоритмов. Обучение - это процесс, в котором параметры НС настраиваются путем моделирования среды, в которую эта сеть встроена (очаг пожара). Однако алгоритмы обучения сложно адаптировать к динамическим изменениям, к которым относится процесс горения, поскольку значения переменных фиксируются после процесса обучения [7-10].
Структурная схема процесса обучения НС СПС приведена на рис. 1.
Получение информации с СПС
Распространение сигнала по нейросети
Корректировка параметров
Ошибка большая
Рис. 1. Схема обучения НС
Анализ научных работ в области ИИ позволяет сделать вывод о том, что это направление исследований наиболее перспективно при проектировании СПС, так как срабатывание системы является величиной случайной и зависит от значительного количества слабокоррелированных факторов [11-13].
Формально состояние СПС применительно к объекту (зданию) имеет четыре возможных состояния, являющихся случайным событием. Состояние системы характеризуется условными вероятностями, приведенными в табл. 1.
Таблица 1. Состояния СПС
" ——-^^Пожар (X) Срабатывание (У) " ——____ 0 1
0 Система в исходном состоянии Рб Пропуск Рп
1 Ложное срабатывание Рлс Правильное обнаружение р Робн
Попарно события, характеризующие состояние системы, составляют полную группу событий, вероятности:
Г Р, + Рлс = 1
67
Соответственно, вероятности правильного и ложного срабатывания могут быть описаны выражениями:
Графическое представление распределений вероятности состояний, в которых находится СПС: правильное и ложное срабатывание, представлено на рис. 2 [14-16]. Из графика следует, что увеличение значения порога Y ведет к уменьшению вероятности ложной тревоги, однако при этом увеличивается вероятность несрабатывания сигнализации при пожаре на объекте. Таким образом, возникает проблема установки корректного значения порога срабатывания. Одним из подходов решения данной проблемы является создание дополнительного, верифицирующего канала контроля, что графически поясняется уменьшением дисперсии распределений, характеризующих вероятности правильного и ложного срабатывания [17, 18].
Рис. 2. Графическое представление распределений вероятности состояний
Фактически в СПС установка порога У происходит на этапе настройки и остается неизменной в процессе эксплуатации. Изменение порога может проводиться при проведении периодического технического обслуживания или при необходимости.
Таким образом, одной из задач при обучении НС является постоянная корректировка порога срабатывания в зависимости от обстановки на объекте, что технически сводится к процедуре верификации, которая направлена на определение правильности настройки оборудования, оценивание корректности полученных данных и установление требований их выполнения.
Исходные данные для проведения эксперимента
На рынке предлагается много различных газовых пожарных извещателей, соответственно, возникает проблема корректной оценки их параметров и выбора датчиков, подходящих для использования при обучении НС. Например, для продажи предлагаются следующие датчики серии М^: широкого спектра газов - М^-2; паров спирта - М^-3;
68
природного газа - MQ-4; горючих газов - MQ-5; сжиженных нефтяных газов - MQ-6; угарного газа - MQ-7; водорода - MQ-8; горючих и угарного газов - MQ-9 [19]. В статье в качестве оконечного устройства СПС рассматриваются газовые пожарные извещатели, изготовленные на базе датчика из диоксида олова типа MQ-2,4,9. В Российской Федерации требования к данному типу извещателей являются нормативными согласно ГОСТ Р 53325-2012 «Техника пожарная. Технические средства пожарной автоматики. Общие технические требования и методы испытаний».
Рассмотренная серия датчиков относится к полупроводниковым приборам, принцип работы которых основан на изменении сопротивления тонкопленочного слоя диоксида олова 8п02 при контакте с молекулами определяемого газа. Чувствительный элемент датчика состоит из керамической трубки с покрытием А1203 и нанесенного на неё чувствительного слоя диоксида олова. Внутри трубки проходит нагревательный элемент, который нагревает чувствительный слой до температуры, при которой он начинает реагировать на определяемый газ. Чувствительность к разным газам достигается варьированием состава примесей в чувствительном слое. Для сравнения характеристик датчиков предлагаем использовать параметр - концентрации в миллионной доле (сокращенно ррт), что характеризует соотношения одного газа к другому.
Результаты исследования
Решение задачи сравнительной оценки выбранных показателей проводиться экспериментальным путем с целью уточнения корректности заявленных технических характеристик. Логика проведения эксперимента условно разбита на несколько этапов: первый - подключение датчика к программному микроконтроллеру и его прогревание в соответствии с техническим регламентом; второй - заполнение экспериментальной камеры продуктами горения фиксированной концентрации; третий - установка датчика в камеру, исключающую изменение концентрации продуктов горения; четвертый - считывание и обработка данных; пятый - съем датчика и фиксация времени возвращения в исходное состояние; шестой - после каждого замера производится вентиляция дымовой камеры. С целью корректной статистической обработки данных целесообразно проводить не менее 10 замеров для каждого вида датчиков с последующей математической обработкой данных путём усреднения показании.
Предварительно были изучены заявленные характеристики датчиков, указанные в сопроводительной технической документации в отрытых источниках. В результате проведенных экспериментов были получены данные, сведенные в таблицу для сравнения с заявленными (табл. 2).
Таблица 2. Сравнительные характеристики датчиков
Характеристики датчиков Диапазон чувствительности, ррт
MQ-2 MQ-04 MQ-9
Заявленные 200-20000 200-10000 20-10000
Экспериментальные 325-888 99-386 30-330
Из данных, приведенных в табл. 2, следуют выводы, что экспериментальные значения отличаются от заявленных производителем. Полученные данные находятся в границах заявленного диапазона, однако верхняя граница диапазона чувствительности намного меньше заявленной. Основываясь на этом, можно сделать вывод, что некорректная работа датчика в условиях лавинообразного нарастания концентрации дыма в реальных условиях может повлиять на эффективность работы СПС. Таким образом, вероятность корректного срабатывания СПС снижается, что требует введения дополнительных каналов идентификации явления пожара [20-23].
69
Результаты эксперимента отображены в графическом виде для наглядного представления данных. Полученные в результате эксперимента данные отображают зависимость сопротивления датчика в чистом воздухе сопротивления датчика при
наличии газа (Я8) в дымовой камере и представлены на рис. 3.
3 2,5
¡и*—----
2 Ш с" 1 0,5 0 -0,5
2 4 30
1 4
> 100 200 300 400 500 600 700 800 9(
— МС1-2 - Время, сем - мси - -М(3-9
Рис. 3. Результаты эксперимента
Вид зависимости идентичен для различных датчиков и характеризуется четырьмя условными участками: 1- калибровка датчика; 2 - срабатывание; 3 - рабочее состояние; 4 - возврат в исходное состояние. Вид графической зависимости может быть аппроксимирован меандром и описывается следующей математической зависимостью:
Первый участок можно аппроксимировать прямой линией; второй - фронт вертикальный без «завалов»; третий - вершина - может описываться прямой линией. Для исключения флюктуаций можно применить процедуру фильтрации. Наибольший интерес представляет четвертый участок, который можно аппроксимировать экспоненциальной зависимостью. Кривизна экспоненты характеризует время перехода датчика в исходное состояние, при этом длительность процесса перехода влияет на время нахождения СПС в неопределенном состоянии и не может корректно выполнять функциональные задачи. Например, показания датчика свидетельствует о том, что пожар продолжается (значения с датчика выше значения нижнего порога), при этом фактически очаг пожара уже ликвидирован. Для оценки времени перехода в исходное состояние, можно использовать математическое описание нестационарных процессов в электрических цепях.
Заключение
Таким образом, анализ полученных результатов позволяет сделать следующие выводы. С целью минимизации ложного срабатывания СПС необходим верифицирующий
70
канал, получающий исходную информацию о состоянии объекта в оптическом диапазоне. По исполнению оконечного устройства принцип работы канала может быть следующим: постоянный мониторинг оператором состояния объекта через камеры наблюдения либо использование технических устройств. Первый вариант является традиционно реализуемым, однако, учет «человеческого фактора» при обеспечении пожарной безопасности является сложноформализуемой задачей.
Предлагается рассмотреть возможность использования в качестве оконечного -техническое устройство, реализующее принципы НС. Построение систем СПС исключительно с использованием газовых пожарных извещателей является нецелесообразным, поскольку достоверность получаемой информации о пожаре обусловливается спецификацией датчика и нестабильностью разброса заявленных характеристик.
В Высшей школе техносферной безопасности Инженерно-строительного института Санкт-Петербургского политехнического университета Петра Великого предварительно проводилось исследование по данной теме. Для этого привлекалась экспериментальная установка ООО «Холдинг Гефест», и работы выполнялись с разрешения руководства компании. Представленные в статье материалы носят предварительный характер и требуют дополнительного исследования и корректировки.
Список источников
1. СП 485.1311500.2020 СППЗ. Установки пожаротушения автоматические. Нормы и правила проектирования // ЭЛЕКТРОННЫЙ ФОНД правовой и нормативно-технической документации. URL: https://www.docs.cntd.ru/document/573004280 (дата обращения:
29.05.2021).
2. СП 484.1311500.2020 СППЗ. Системы пожарной сигнализации и автоматизация систем противопожарной защиты. Нормы и правила проектирования // ЭЛЕКТРОННЫЙ ФОНД правовой и нормативно-технической документации. URL: https://www.docs.cntd.ru/ document/566249686 (дата обращения: 20.12.2021).
3. СП 5.13130.2009. Системы противопожарной защиты. Установки пожарной сигнализации и пожаротушения автоматические. Нормы и правила проектирования (с изменением № 1) // ЭЛЕКТРОННЫЙ ФОНД правовой и нормативно-технической документации. URL: https://www.docs.cntd.ru/document/1200071148 (дата обращения:
24.02.2022).
4. Андреев А.В., Доронин А.С. Перспективы использования нейронных сетей для повышения надежности систем пожарной сигнализации // XXI век: итоги прошлого и проблемы настоящего. 2021. Т. 10. № 2. С. 178-182.
5. Быстров В.И., Сагдеев К.М. Анализ существующих технических решений по созданию интегрированной системы безопасности предприятия // Студенческая наука для развития информационного общества. 2015. С. 150-151.
6. Аюпов И.Р. Параметрический метод обучения нейронной сети при решении задач прогнозирования: дис. ... канд. техн. наук. М.: Нац. исслед. ун-т МИЭТ, 2015.
7. Andreev A.V., Burlov V.G., Grachev M.I. Information technologies and synthesis of the management process model in the enterprise // EastConf: 2019 International Science and Technology Conference. IEEE, 2019. P. 1-5.
8. Boltyonkova E., Andreev A., Doronin A. Development of measures to ensure information security in structural division of the university // E3S Web of Conferences. EDP Sciences, 2019. Т. 140. P. 08005.
9. Improving Emergency Response Systems in the Oil and Gas Industry To Reduce Environmental Damage / A. Kostyuk [et al.] // E3S Web of Conferences. EDP Sciences, 2020. Т. 221. P. 01008.
71
10. Computer simulation of the safety of radio electronics production in an emergency situation: III International scientific workshop MIP / A. Tumanov [et al.] // Computing-2021: modeling, Information processing and computing. 2021.
11. Model of settlement evacuation based on the imitation modelling application / M.O. Avdeeva [et al.] // IOP Conference Series: Materials Science and Engineering. IOP Publishing. 2020. Т. 918. № 1. P. 012076.
12. Borisova M., Byzov A., Efremov S. Assessment of the maximum possible number of victims of accidents at hazardous production facilities for insurance purposes // IOP Conference Series: Materials Science and Engineering. IOP Publishing. 2019. Т. 666. № 1. P. 012096.
13. Development of laboratory techniques for assessment of operating properties of intumescent fireproofing coatings / I. Virolainen [et al.] // IOP Conference Series: Materials Science and Engineering. IOP Publishing. 2019. Т. 666. № 1. P. 012087.
14. ГОСТ Р 53325-2012. Техника пожарная. Технические средства пожарной автоматики. Общие технические требования и методы испытаний (с изменениями № 1-3) // ЭЛЕКТРОННЫЙ ФОНД правовой и нормативно-технической документации. URL: https://www.docs.cntd.ru/document/1200102066?section=text (дата обращения: 15.02.2022).
15. ГОСТ Р 57552-2017. Техника пожарная. Извещатели пожарные мультикритериальные. Общие технические требования и методы испытаний // ЭЛЕКТРОННЫЙ ФОНД правовой и нормативно-технической документации. URL: https://docs.cntd.ru/document/1200146338?section=text (дата обращения: 20.01.2022).
16. Технический регламент о требованиях пожарной безопасности: Федер. закон от 22 июля 2008 г. № 123-ФЗ (в ред. от 30 апр. 2021 г.). Доступ из с прав.-правовой системы «КонсультантПлюс».
17. Доронин А.С., Андреев А.В. Усовершенствование математической модели угроз безопасности информации в информационной системе // Неделя науки СПбПУ: материалы науч. конф. 2018. С. 104-107.
18. Доронин А.С. Моделирование влияния информационной безопасности на объекте опасной инфраструктуры // Неделя науки СПбПУ: материалы науч. конф. 2020. С. 199-201.
19. Страковский Д.А., Симаков Е.Е. Анализатор воздуха на платформе Arduino // Юный ученый. 2017. №. 3. С. 49-56.
20. Разработка учебного стенда для практических занятий по изучению работы автоматической системы пожарной сигнализации / Я.В. Вайчюлис [и др.] // Биотехнологии и безопасность в техносфере: сб. трудов Всерос. конф. 2021. С. 15-17.
21. Совершенствование системы контроля качества огнезащитных покрытий / И.А. Виролайнен [и др.] // Безопасность в чрезвычайных ситуациях: сб. трудов Всерос. науч.-практ. конф. 2018. С. 3-6.
22. Инструментальный контроль линий систем оповещения и управления эвакуацией / А.М. Козырев [и др.] // XXI век: итоги прошлого и проблемы настоящего плюс. 2018. Т. 7. № 3. С. 118-122.
23. Танклевский Л.Т., Бабиков И.А., Танклевский А.Л. Об оценке достоверности обнаружения возгорания // Проблемы управления рисками в техносфере. 2021. № 3 (59). С. 28-32.
References
1. SP 485.1311500.2020 SPPZ. Ustanovki pozharotusheniya avtomaticheskie. Normy i pravila proektirovaniya // ELEKTRONNYJ FOND pravovoj i normativno-tekhnicheskoj dokumentacii. URL: https://www.docs.cntd.ru/document/573004280 (data obrashcheniya: 29.05.2021).
2. SP 484.1311500.2020 SPPZ. Sistemy pozharnoj signalizacii i avtomatizaciya sistem protivopozharnoj zashchity. Normy i pravila proektirovaniya // ELEKTRONNYJ FOND pravovoj i normativno-tekhnicheskoj dokumentacii. URL: https://www.docs.cntd.ru/ document/566249686 (data obrashcheniya: 20.12.2021).
72
3. SP 5.13130.2009. Sistemy protivopozharnoj zashchity. Ustanovki pozharnoj signalizacii i pozharotusheniya avtomaticheskie. Normy i pravila proektirovaniya (s izmeneniem № 1) // ELEKTRONNYJ FOND pravovoj i normativno-tekhnicheskoj dokumentacii. URL: https://www.docs.cntd.ru/document/1200071148 (data obrashcheniya: 24.02.2022).
4. Andreev A.V., Doronin A.S. Perspektivy ispol'zovaniya nejronnyh setej dlya povysheniya nadezhnosti sistem pozharnoj signalizacii // XXI vek: itogi proshlogo i problemy nastoyashchego. 2021. T. 10. № 2. S. 178-182.
5. Bystrov V.I., Sagdeev K.M. Analiz sushchestvuyushchih tekhnicheskih reshenij po sozdaniyu integrirovannoj sistemy bezopasnosti predpriyatiya // Studencheskaya nauka dlya razvitiya informacionnogo obshchestva. 2015. S. 150-151.
6. Ayupov I.R. Parametricheskij metod obucheniya nejronnoj seti pri reshenii zadach prognozirovaniya: dis. ... kand. tekhn. nauk. M.: Nac. issled. un-t MIET, 2015.
7. Andreev A.V., Burlov V.G., Grachev M.I. Information technologies and synthesis of the management process model in the enterprise // EastConf: 2019 International Science and Technology Conference. IEEE, 2019. P. 1-5.
8. Boltyonkova E., Andreev A., Doronin A. Development of measures to ensure information security in structural division of the university // E3S Web of Conferences. EDP Sciences, 2019. T. 140. P. 08005.
9. Improving Emergency Response Systems in the Oil and Gas Industry To Reduce Environmental Damage / A. Kostyuk [et al.] // E3S Web of Conferences. EDP Sciences, 2020. T. 221. P. 01008.
10. Computer simulation of the safety of radio electronics production in an emergency situation: III International scientific workshop MIP / A. Tumanov [et al.] // Computing-2021: modeling, Information processing and computing. 2021.
11. Model of settlement evacuation based on the imitation modelling application / M.O. Avdeeva [et al.] // IOP Conference Series: Materials Science and Engineering. IOP Publishing. 2020. T. 918. № 1. P. 012076.
12. Borisova M., Byzov A., Efremov S. Assessment of the maximum possible number of victims of accidents at hazardous production facilities for insurance purposes // IOP Conference Series: Materials Science and Engineering. IOP Publishing. 2019. T. 666. № 1. P. 012096.
13. Development of laboratory techniques for assessment of operating properties of intumescent fireproofing coatings / I. Virolainen [et al.] // IOP Conference Series: Materials Science and Engineering. IOP Publishing. 2019. T. 666. № 1. P. 012087.
14. GOST R 53325-2012. Tekhnika pozharnaya. Tekhnicheskie sredstva pozharnoj avtomatiki. Obshchie tekhnicheskie trebovaniya i metody ispytanij (s izmeneniyami № 1-3) // ELEKTRONNYJ FOND pravovoj i normativno-tekhnicheskoj dokumentacii. URL: https://www.docs.cntd.ru/document/1200102066?section=text (data obrashcheniya: 15.02.2022).
15. GOST R 57552-2017. Tekhnika pozharnaya. Izveshchateli pozharnye mul'tikriterial'nye. Obshchie tekhnicheskie trebovaniya i metody ispytanij // ELEKTRONNYJ FOND pravovoj i normativno-tekhnicheskoj dokumentacii. URL: https://docs.cntd.ru/document/ 1200146338?section=text (data obrashcheniya: 20.01.2022).
16. Tekhnicheskij reglament o trebovaniyah pozharnoj bezopasnosti: Feder. zakon ot 22 iyulya 2008 g. № 123-FZ (v red. ot 30 apr. 2021 g.). Dostup iz s prav.-pravovoj sistemy «Konsul'tantPlyus».
17. Doronin A.S., Andreev A.V. Usovershenstvovanie matematicheskoj modeli ugroz bezopasnosti informacii v informacionnoj sisteme // Nedelya nauki SPbPU: materialy nauch. konf. 2018. S. 104-107.
18. Doronin A.S. Modelirovanie vliyaniya informacionnoj bezopasnosti na ob"ekte opasnoj infrastruktury // Nedelya nauki SPbPU: materialy nauch. konf. 2020. S. 199-201.
19. Strakovskij D.A., Simakov E.E. Analizator vozduha na platforme Arduino // Yunyj uchenyj. 2017. №. 3. S. 49-56.
73
20. Razrabotka uchebnogo stenda dlya prakticheskih zanyatij po izucheniyu raboty avtomaticheskoj sistemy pozharnoj signalizacii / YA.V. Vajchyulis [i dr.] // Biotekhnologii i bezopasnost' v tekhnosfere: sb. trudov Vseros. konf. 2021. S. 15-17.
21. Sovershenstvovanie sistemy kontrolya kachestva ognezashchitnyh pokrytij / I.A. Virolajnen [i dr.] // Bezopasnost' v chrezvychajnyh situaciyah: sb. trudov Vseros. nauch.-prakt. konf. 2018. S. 3-6.
22. Instrumental'nyj kontrol' linij sistem opoveshcheniya i upravleniya evakuaciej / A.M. Kozyrev [i dr.] // XXI vek: itogi proshlogo i problemy nastoyashchego plyus. 2018. T. 7. № 3. S. 118-122.
23. Tanklevskij L.T., Babikov I.A., Tanklevskij A.L. Ob ocenke dostovernosti obnaruzheniya vozgoraniya // Problemy upravleniya riskami v tekhnosfere. 2021. № 3 (59). S. 28-32.
Информация о статье:
Статья поступила в редакцию: 22.03.2022; одобрена после рецензирования: 24.03.2022; принята к публикации: 28.03.2022 Information about the article:
The article was submitted to the editorial office: 22.03.2022; approved after review: 24.03.2022; accepted for publication: 28.03.2022
Информация об авторах:
Андрей Викторович Андреев, директор Высшей школы техносферной безопасности инженерно-строительного института Санкт-Петербургского политехнического университета Петра Великого (195251, Санкт-Петербург, Политехническая, д. 29), кандидат военных наук, доцент, e-mail: [email protected]
Александр Сергеевич Доронин, ассистент Высшей школы техносферной безопасности инженерно-строительного института Санкт-Петербургского политехнического университета Петра Великого (195251, Санкт-Петербург, Политехническая, д. 29), аспирант, e-mail: [email protected] Сергей Николаевич Терехин, профессор кафедры пожарной безопасности зданий и автоматизированных систем пожаротушения Санкт-Петербургского университета ГПС МЧС России (196105, Санкт-Петербург, Московский пр., д. 149), доктор технических наук, доцент, e-mail: [email protected], https://orcid.org/0000-0003-1478-8129
Information about authors:
Andrey V. Andreev, director of the Higher school of technosphere security institute of civil engineering of Peter the Great St. Petersburg polytechnic university (195251, St. Petersburg, Polytechnic, 29), candidate of military sciences, associate professor, e-mail: [email protected]
Alexander S. Doronin, assistant at the Higher school of technosphere security institute of civil engineering of Peter the Great St. Petersburg polytechnic university (195251, St. Petersburg, Polytechnic, 29), postgraduate student, e-mail: [email protected]
Sergey N. Terekhin, professor of the department of fire safety of buildings and automated fire extinguishing systems of Saint-Petersburg university of State fire service of EMERCOM of Russia (196105, St. Petersburg, Moskovsky Ave., 149), doctor of technical sciences, associate professor, e-mail: [email protected] , https://orcid.org/0000-0003-1478-8129_
74