基于模糊神经网络的智能火灾报警系统

针对目前建筑物发生火灾事故后果严重、损失大的问题,本文主要设计了基于模糊神经网络的智能火灾报警系统.采用模糊控制理论可以提高报警系统的灵敏度,减少误报率;结合神经网络的自学习功能可以提高整个系统的智能化程度.整个火灾报警系统采用分布智能型结构.     

基于模糊神经网络的智能火灾报警系统

本文介绍了基于模糊神经网络智能火灾报警系统．在系统中应用了模糊控制理论既提高了系统的精度又最大限度的减少了系统的误报率，解决了火灾报警系统中长期存在的问题，结合具有自学习功能的神经网络算法，提高了系统的智能化程度，是现代智能控制理论存消防自动化系统中的应用。     

基于模糊神经网络的智能火灾报警控制系统

介绍了基于模糊神经网络智能火灾报警控制系统．在系统中应用了模糊控制理论既提高了系统的精度又最大限度的减少了系统的误报率，解决了火灾报警系统中长期存在的问题。结合具有自学习功能的神经网络算法，提高了系统的智能化程度，是现代智能控制理论在消防自动化系统中的应用。     

模糊神经网络在火灾报警系统中的应用

提出一种利用神经网络和模糊推理系统设计火灾报警系统的方法，该系统将模糊系统和神经网络结合起来，实现模糊系统的自学习和自适应功能，提高火灾报警的准确性，减少了火灾报警系统漏报率和误报率。神经网络的学习方法提高了该系统智能化程度。实现了消防系统智能化。     

模糊神经网络技术在火灾探测信号处理中的应用

本文结合火灾探测信号的特点,提出一种将模糊神经网络应用于火灾探测报警系统的方法,实现模糊神经网络系统的自学习和自适应功能.依据模糊神经网络算法的要求,完成了网络结构的设计,并用BP算法对网络进行学习和训练.有效提高火灾报警的准确性,减少了火灾报警系统漏报率和误报率.     

模糊神经网络技术在火灾探测信号处理中的应用

本文结合火灾探测信号的特点,提出一种将模糊神经网络应用于火灾探测报警系统的方法,实现模糊神经网络系统的自学习和自适应功能。依据模糊神经网络算法的要求,完成了网络结构的设计,并用BP算法对网络进行学习和训练。有效提高火灾报警的准确性,减少了火灾报警系统漏报率和误报率。     

基于模糊神经网络的火灾探测系统研究

为降低火灾报警误报、漏报频率,根据火灾探测特点,提出了基于模糊神经网络的火灾探测系统设计方案,介绍了基于模糊神经网络的火灾探测系统组成、模糊神经网络的设计与应用等。该系统可对传感器探测到的信息进行智能化处理,明显提高了火灾探测的灵活性和准确性。仿真结果证明了该方法的可行性。     

智能火灾两级报警与联动控制系统的设计

设计了一种基于AT89C55单片机的智能火灾两级报警与联动控制系统。此系统结合多种火灾因素探测器和运用模糊神经网络算法来提高报警的可靠性,采用两级报警和主控中心联动灭火的设计提高报警和自动灭火的及时性。分别说明了系统的硬件电路设计、系统的通讯方式和软件设计思想。这一设计可提高火灾报警系统的可靠性与及时性,减少误报率,提高系统的智能化程度。     

神经网络模糊推理系统在火灾探测中的应用

提出了一种用于火灾自动探测的神经网络模糊推理系统，它采用前馈神经网络对火灾探测器信号进行处理，神经网络输出的火灾概率经模糊推理系统判决，输出火灾报警信号。这种方法结合了神经网络和模糊逻辑的优点，实验表明这种系统能够准确探测火灾并减少了误报警。     

基于模糊控制律的遗传神经匝道协调控制

讨论了快速路匝道系统中智能控制技术问题。针对匝道系统特点,分析了模糊控制、人工神经网络、遗传算法的适用性,提出了一种基于模糊控制律的遗传神经匝道协调控制方案。在该方案中,对模糊控制输入输出数据进行线性修正,使用修正后的数据完成遗传神经网络训练,并用神经网络代替模糊控制器对匝道系统进行控制。给出了神经网络结构和遗传算法流程,并结合宏观交通流模型进行系统仿真。仿真结果表明,与模糊控制相比,控制效果显著提高。     

基于模糊遗传算法的楼宇火灾报警系统

针对目前火灾报警系统中存在的敏感度低,可靠性差的现状,结合城市楼宇环境,提出并设计了一种基于模糊遗传算法的智能火灾报警系统,采用模糊算法提高报警系统灵敏度的同时,利用遗传算法的自适应能力对模糊隶属度进行优选,提高了整个系统的智能化程度和适应性,减少了火灾报警系统漏报率和误报率。     

Application of Fuzzy Neural Network to Fire Alarm System of High-rise Building

Fire alarm system is important in high-rise building. In this paper, a fire alarm system of high-rise building is designed using fuzzy system theory and neural network. The fuzzy system has superiority in inference and the neural network has superiority in learning. The design parameters of the fuzzy system can b~ adjusted automatically by combining the fuzzy system with the neural network. The contradiction between alarm sensitivity and false alarm rate is solved by intelligently monitoring of the temperature and aerosol, which are detected by temperature sensor and aerosol sensor in the system.     

火灾探测信号的智能处理算法

针对火灾探测的特点,提出了一种处理火灾探测信号的智能算法,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。依据模糊神经网络算法的要求,完成了网络结构的设计,并给出了相应的计算模型,用改进的BP算法对网络进行学习和训练。将该算法应用于火灾探测中能够减少火灾的误报率,最后,根据国家标准试验火数据进行网络测试,仿真结果表明了算法的有效性和可行性。     

基于模糊聚类的网络故障预报

文章针对网管告警数据库中时间序列存在的连续性、不确定性和模糊性问题,提出了一种基于模糊聚类的时间序列规则挖掘新方法。该方法引入模糊聚类理论,可预测出一些告警(联合)事件的发生将导致哪些告警(联合)事件的随后产生。通过对某校园网的告警数据库进行规则挖掘实验,表明该方法可以准确、有效地挖掘出隐含在海量网管告警数据库中大量有意义的时序规则,规则中的概率参数(置信度和支持度)可作为网络管理的先验知识用来指导网络故障的诊断和预报。     

数据融合技术在智能建筑火灾探测中的应用研究

针对目前智能建筑火灾探测的复杂性,采用离子感烟探测器、光电感烟探测器、温度探测器、火焰探测器来探测复杂的火灾场地,使用BP神经网络和基于D-S证据理论的多传感器数据融合技术对探测到的数据进行处理和仿真。从仿真结果可以看出,数据融合技术能提高火灾识别率,降低火灾误报率     

基于LabVIEW和数据融合的防火机器人控制系统

针对现有防火检测系统误报率高、设备数量不足且不能灵活移动的问题,利用LabVIEW平台设计了一种防火机器人控制系统.操作人员远程操作机器人代替检查人员进行巡逻,同时将机器人所处位置的环境数据采集并发送到上位机,采用BP神经网络算法和多传感器数据融合技术进行火灾概率预测,提高了火灾报警的准确率,也可对存在火灾安全隐患的环境进行预警.