基于神经网络的多传感器火灾报警系统

为降低火灾报警系统的漏检、误报率,利用神经网络良好的非线性映射能力,对温度传感器、烟雾传感器和一氧化碳传感器同时探测到的数据进行智能化处理。仿真结果表明:基于神经网络的多传感器火灾报警系统能准确地识别各种火灾信号,减少了误报,增强了系统的抗干扰能力和对环境的适应性能。     

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。     

用于火灾报警的多传感器信息融合系统

本文提出一种基于分布式多传感器信息融合技术的火灾报系统，该系统采用多个火灾报警传感器，利用经典推理技术中的Ｎｅｙｍａｎ－Ｐｅａｒｓｏｎ准则进行多传感器信息融合，对系统性能数值计算表明，系统的性能明显优于单一报警传感器和采用“与”、“或”逻辑的多功能火灾报警系统。     

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.     

基于多传感器数据融合技术智能消防报警系统的研究

针对目前市场上的火灾报警系统比较单一,不能保证数据的实时性、准确性和可靠性,设计一种能够弥补以往火灾报警系统缺点的智能消防报警系统。文中主要论述该系统的主要功能,实质性分析多传感器数据融合层次结构,设计研究路线,分析常用数据融合算法在多传感器数据融合中的应用,画出系统模型图,最后总结多传感器数据融合技术在智能消防报警系统中的优点以及应用前景。     

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。     

神经网络在智能火灾预警系统的应用

提出了综合利用多种传感器准确判断火焰状态的算法.在神经网络算法下,根据一氧化碳传感器、烟雾传感器和温度传感器数据,对火焰状态进行分类.使用有限内存的拟牛顿(L-BFGS)优化算法对传统反向传播(BP)算法进行改进,加快了神经网络的收敛过程,有效提高了系统精度.实验验证了算法能够有效降低火灾预警系统的误报率,增强系统安全报警的灵敏度和可靠性,实现了实时有效的火灾预警.     

应用BP网络构造复合型智能火灾探测器

提出了一种新型的火灾探测器。选取光电烟雾传感器、CO气体传感器和温度传感器构成复合型传感器，信号处理算法软件设置在该传感器的微处理器内。采用神经网络智能算法对各种传感器采集的输入信号进行智能化处理和识别，给出经过综合计算识别的结果，以此来尽可能地降低误报率和漏检率，提高了火灾自动报警系统的可靠性和可信度。     

基于可拓神经网络的火灾探测算法

为解决传统单一传感器式的火灾探测器容易造成火灾报警的漏报和误报的问题,采用多传感器信息融合技术,将温度、烟雾浓度和CO浓度等多个参数相结合,进行综合分析,对火灾进行早期预测。采用可拓神经网络作为数据融合算法,以温度、烟雾浓度、CO气体浓度三个物理参量作为输入,以三种火灾预警等级作为输出。通过仿真分析结果表明：火灾正确识别率很高,达到93.9%以上。同时通过与传统BP神经网络的对比,表明可拓神经网络在数据融合的速度和可靠性上有突出的优势,从而使可拓神经网络实际应用于火灾早期预测成为可能。     

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.     

基于无线传感器网络的大型场所火情检测与定位算法

针对商场等大型场所火灾监控存在的火情态势估计不明、监控节点孤立、预警准确率低、火源定位不准确等问题,提出一种基于 无线传感器网络的大型场所火灾检测与定位算法。采用人工神经网络对火灾检测节点数据进行学习训练和火情估计,并经过模糊推理决策,给出火灾报警信息。利用受限空间烟雾扩散模型、气体温度扩散模型实现火源定位,并准确估计火情,以提供消防人员灭火决策。从单节点神经网络火灾报警仿真实验得出单节点火灾检测概率较高,同时从多节点火情定位实验得出,火情的覆盖范围描绘准确,火源定位精度较好。理论分析和实验结果表明火灾检测和定位算法是可行的。     

基于无线传感器网络的大型场所火情检测与定位算法

针对商场等大型场所火灾监控存在的火情态势估计不明、监控节点孤立、预警准确率低、火源定位不准确等问题,提出一种基于无线传感器网络的大型场所火灾检测与定位算法。采用人工神经网络对火灾检测节点数据进行学习训练和火情估计,并经过模糊推理决策,给出火灾报警信息。利用受限空间烟雾扩散模型、气体温度扩散模型实现火源定位,并准确估计火情,以提供消防人员灭火决策。从单节点神经网络火灾报警仿真实验得出单节点火灾检测概率较高,同时从多节点火情定位实验得出,火情的覆盖范围描绘准确,火源定位精度较好。理论分析和实验结果表明火灾检测和定位算法是可行的。     

PSO-BP网络模型在温室数据融合中的应用研究

由于温室的众多要素之间是相互制约、互相配合的,为了形成一个准确、合理的判断,将PSO算法的全局优化能力和BP神经网络良好的非线性映射能力相结合,优化BP神经网络的权值和阈值,提出了一种基于PSO的BP网络数据融合算法,并利用该算法对温室多传感器(温度传感器、湿度传感器和光照度传感器)同时检测到的数据进行融合。仿真结果表明:基于PSO-BP网络的数据融合算法能够获得温室准确有效的信息,提高温室控制的有效性与准确性。     

基于STM32和ZigBee的无线校园火灾报警系统设计

结合校园防火报警需要,设计了基于ZigBee技术的无线校园防火报警系统。该系统以意法半导体公司推出的STM32系列ARM控制器、TI公司的CC2420无线射频芯片为核心,对无线传感器网络中的终端节点、路由器节点、协调器节点的硬件和软件进行了模块化设计。传感器节点以温度、烟雾和CO浓度为实现监测对象,判断是否有火灾隐患,从而实现校园防火报警系统的无线网络化。     

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。     

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。