基于数据融合技术的无人值守变电站火灾探测算法研究

针对变电站传统火灾报警系统存在误报、漏报率高,无法根据站内不同区域重要性采取严格程度不同的火灾报警及消防措施问题,笔者提出一种基于数据融合技术的无人值守变电站火灾探测算法。在数据融合技术的特征层,采用BP神经网络对探测区域内温度、烟雾体积分数、CO体积分数3种特征参量进行数据融合,预测输出明燃火及阴燃火的概率;在决策层,通过模糊推理将特征层输出的火灾概率与火灾延续时间、火灾风险度和损害度3种附加信息进行数据融合,最终决策输出火灾报警等级。仿真测试结果表明：该算法能够快速准确识别出明燃火及阴燃火场景,并能根据不同探测区域的重要性差异给出合理报警决策,具有一定的灵活性和先进性。     

基于多传感器融合技术的弹库火灾探测

提出了一种应用多传感器数据融合技术于舰载导弹弹库的火灾探测的方法.该方法采用多传感器探测火灾的多种参量,利用模糊推理技术、神经网络技术和事例推理技术的复合推理方法判别弹库火灾状态.     

GA优化BP神经网络在多参量火灾探测中的应用

针对BP 神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP 神经网络的初始权重和阈值进行优化,提出了一种基于GA 优化BP 神经网络的多参量数据融合方法以实现火灾探测,提高火灾探测准确率和模型泛化性能,并利用该模型对标准明火和阴燃火中的温度、烟雾浓度和CO 浓度进行数据融合实现火灾探测。研究显示,相较单纯BP 神经网络,经GA 优化的BP 神经网络火灾探测算法能够更快速精确地实现火灾探测,探测精度有显著改善,火灾识别准确率提高至98.84%。     

全局人工鱼群优化BP神经网络在火灾探测中的应用

针对传统的火灾探测器存在火灾报警准确性低、有延迟等问题,提出了利用全局人工鱼群算法优化BP神经网络的预测算法。该算法以温度、烟雾浓度和CO浓度为BP神经网络的输入,火灾的3个等级作为输出,融合了鱼群算法全局搜索能力强和鲁棒性强的特点。对BP神经网络的初始化权值和阈值进行优化,得到最优人工鱼后,用最优的权值和阈值进行神经网络训练,选取40组数据作为训练组,10组数据作为测试组。从仿真结果看,BP神经网络的训练和预测的误差分别为0.091 4和0.458 4,优化后的分别为0.045 2和0.088 2,且收敛速度变快,迭代次数减小,应用在火灾探测中有更多的优势。     

基于QPSO-BP 神经网络的火灾预警算法

为了进一步提高油库消防系统的安全性,针对其火灾报警信息系统进行了改进,构建基于量子粒子群算法优化BP神经网络的火灾智能预警算法,以温度、烟雾浓度以及CO 浓度数据作为神经网络的输入,以无火、明火以及阴燃火的概率作为神经网络的输出。使用量子粒子群算法优化BP 神经网络运行中随机产生的权值和阈值,加快神经网络收敛到期望误差的速度,增强全局搜索能力。通过MATLAB 软件对智能火灾预警算法的模型进行仿真,模型输出的火情概率与实际值基本吻合。设计了多传感器数据采集设备,获取火灾现场数据,输入网络模型,能够有效识别明火、阴燃火和无火情况,验证了该算法可提高消防预警系统的准确性。     

基于LSTM网络的船舶机舱火灾多特征融合探测

针对船舶机舱火灾高效准确探测的需求,建立基于LSTM-ID3 判决的船舶火灾探测方法。首先确定采集船舶火灾特征的三类传感器,然后完成 LSTM 神经网络模型的构建、参数的优化,将 LSTM 神经网络输出的明火、阴燃火、无火的概率值与烟雾持续时间作为决策树的输入量,输出火灾探测结果。利用国家标准火典型数据进行训练,并开展相关试验,对船舶机舱火灾进行探测。试验结果表明,与其他算法进行对比,探测准确率达到97%以上,该方案能对机舱火灾做出有效探测,为船舶安全提供科学依据。     

基于神经网络算法的多参数火灾探测系统设计

为进一步拓宽神经网络算法在火灾探测领域的应用,利用以阴燃火、明火和无火发生概率作为输出结果的国家标准火实验数据,在MATLAB平台上训练了一个多层BP神经网络,此网络对于测试集样本拟合的决定性系数均达到了0.95以上.以AT89C52为主控芯片,在Proteus中设计出了一种能满足火灾探测目的的仿真电路图.通过将训练好...     

通过神经网络模型实现火灾图像跟踪探测

采用神经网络模型进行火灾图像数据处理的跟踪检测,建立数据处理的算法模型和火灾轮廓的识别跟踪结构,在图像处理过程中得出火灾火焰的尖角数目会因时间随机变化,采用MATLAB进行数据实验验证了算法可以保证火灾探测的正确性。实际应用效果表明,运用BP神经网络算法可以较好地实现火灾探测。这一研究为火灾探测提供了一个具有良好的适应性以及抵抗内外界干扰的能力的方法。     

小空间火灾多元探测装置和实现方法研究

针对小空间火灾探测方法单一、误报漏报率高、采集数据处理简单的问题，提出1 种小空间火灾多元探测装置及方法，能够实现对火灾的烟雾、CO 气体、温度、火焰等的多元探测，多角度多方位采集火灾信号，利用信息融合技术和算法，寻找特征信息之间的规律，对数据信息进行分析解析、优化组合，运用人工神经网络和模糊推理方法，采取反复的样本训练将探测数据的误差降到最低，从而准确地判断火灾所处的阶段和类型，及时有效地采取灭火抑制措施。研究结果证明，小空间火灾多元探测方法能够满足小空间的火灾探测要求，减少了公共财产的损失，对火灾探测的进一步研究具有重要意义。     

受限空间火灾探测数据融合算法研究

为了实现对受限空间火灾发生情况多传感器自动探测信号处理，建立了基于CO 浓度、烟气颗粒浓度、红外视频图像等多传感器探测的火灾探测数据融合分析系统。在受限空间内搭建基于多传感器火灾探测的数据融合分析实验平台。根据火灾红外视频图像的燃烧区域面积及圆形度等特征参数介绍了红外图像识别算法。在三种火灾探测方式特征参数的基础上提出了固定门限功率谱检测算法，并完成数据融合。在分析比较火灾探测系统响应时间、报警准确率等系统性能评价方法的基础上，说明了采用多传感器探测信号进行数据融合并建立灾情判据的方法。实验结果表明：采用数据融合算法后探测系统误报率低于单一探测方式，报警时间略高于单一探测报警方式。该数据融合系统基本满足火灾自动探测报警系统的稳定可靠、低误报率等要求。     

基于自适应神经-模糊推理系统和遗传算法的桥梁耐久性评估

将模糊推理、神经网络、遗传算法三种技术有机融合在一起,建立了基于自适应神经-模糊推理系统(ANFIS)和遗传算法(GAS)的桥梁耐久性评估专家系统。该系统将专家的模糊推理过程蕴含于神经网络结构中,使神经网络的节点和权值具有明确的物理意义,避免了传统神经网络工作过程的“黑盒”性。同时该系统又具有神经网络的自适应性和学习能力,克服了传统模糊推理系统学习能力差的缺点。而且采用遗传和反向传播相结合的GA-BP混合算法训练网络,充分发挥了遗传算法的全局搜索性和BP的局部微调快速性的优点。并以辽宁省13座桥300根梁的实测数据对其进行训练和测试,系统输出与期望输出吻合较好,证明该专家系统性能稳定、有效,具有实用价值。     

基于红外图像的森林凋落物阴燃火灾探测

针对森林凋落物阴燃火灾识别问题,利用小波阈值去噪去除图像中大部分噪声杂波,再采用形态学开运算进行边界平滑,完成阴燃火灾红外图像的预处理,在此基础上采用最大类间方差法对红外图像进行分割,完成阴燃火灾目标的提取,提取探测目标的温度、形状参数变化率和面积变化率,作为BP神经网络的输入向量,输出为阴燃火概率。结果表明,该方法对阴燃火灾的识别率为96.6%。     

基于蚁群优化模糊Petri网的室内防火算法

为了提高室内火灾预报探测的准确率和可靠性,提出了一种基于蚁群优化模糊Petri网的室内防火算法。选择CO浓度、烟雾浓度和温度数值作为输入信号,输出为火灾发生的可能性概率(分为4个等级),并利用模糊Petri网和模糊产生式规则构建了火灾评估模型。利用蚁群优化对模型的权值和阈值参数进行优化,从而进一步提高火灾评估的精确率。仿真试验结果验证了其可靠性和准确性。     

基于无线传感器网络的火灾探测方法研究

针对火灾发生时的智能探测系统和方法进行研究。使用无线传感网络技术实现火灾探测传感单元的组网,提高传感单元的检测距离和可靠性。研究基于D-S证据理论的多传感器信息融合的火灾探测判别方法,将多个传感器的检测数据进行综合考虑,得出火灾发生的概率,提高火灾探测准确率。研究结果表明,使用多传感器融合方法后,对温度、CO或是烟雾传感器的数据进行全面考虑,判别火灾发生的概率和结果准确率较好,即使存在烟雾干扰信号的情况,可以有效屏蔽干扰信号,准确判断火灾发生。     

补偿模糊神经网络在埋地管道重构的应用

使用ANSYS有限元分析软件建立埋地钢质管道模型,模拟计算管道在不同影响因素(电压、埋深、管径、土壤电阻率以及破损半径)下的电位峰值和电位均值,得到960组数据,以此构建了6输入(电压、埋深、管径、土壤电阻率、电位峰值以及电位均值) 1输出(破损半径)的补偿模糊神经网络模型。对补偿模糊神经网络模型进行训练,探讨补偿模糊神经网络模型中各因素对训练误差收敛的影响。对两种数据标准化方法(min-max标准化方法和x/max标准化方法)进行对比,发现采用x/max标准化方法对收敛更有效。当其他因素一定时,初始输入隶属函数宽度对训练误差存在一定的影响,其值为0. 1时更有利于收敛,而初始输出隶属函数宽度对收敛没有明显的影响。通过正交试验的方法确定了神经网络的最优因素组合,对其进行了性能验证,输出破损半径与实际破损半径之间的相对误差在1%以下,表明该补偿模糊神经网络输出的数据能够反映实际情况。采用补偿模糊神经网络模型,输入6因素计算输出破损半径。在ANSYS中输入管径、管长、破损位置(实际检测中可以探测得到)、破损半径等信息,输出埋地钢质管道三维重构图,为检修人员是否进行开挖修复提供更详细的管道信息。     

神经网络智能算法在火灾探测中的应用

本文分析了神经网络理论在火灾探测算法中的实际应用,力图寻找出一种有效的方法,并通过建立火灾专家数据库,实现误报少、报警速度快的一种火灾报警算法。     

LM算法在火灾早期探测中的应用

针对传统火灾探测方法在外界干扰下难以快速、准确地识别火灾,提出基于过程特征信息的神经网络火灾探测方法.选用CO和CO2气体体积分数比值、比值上升速率和加速度作为火灾过程特征参数,设计三层误差反向传播(BP)人工神经网络模型,采用改进的BP算法-LM算法进行网络学习训练.实验包括6种真实火灾源材料及蜡烛、香烟、液化气3种虚假火灾源材料.结果表明,基于LM算法的人工神经网络火灾探测系统能有效识别火灾,提高火灾探测的可靠性与准确性.     

沈阳市商场冬季室内热舒适的模糊分析

对沈阳市冬季商场室内热环境状况进行了实地调查，建立了基于自适应性模糊神经网络的人体热舒适模糊评判模型,对采集到的数据进行了模糊推理和网络训练，总结出了关于人体热舒适的模糊推理规则。由仿真结果可知，模糊评判模型输出值与热感觉投票值吻合较好，为客观评价和预测人体热舒适提供了一种方法和思路。     

优化神经网络在多传感器火灾探测中的应用

针对BP神经网络在拟合过程中探测精度低、容易陷入局部最优的问题,提出一种基于遗传算法（GA）和模拟退火算法（SA）共同改进的BP神经网络模型,该网络模型可以有效提高火灾识别准确率,同时避免网络过拟合现象,使预测结果跳出局部最优从而达到全局最优。首先,通过GA改进隐藏层结构部分,然后通过SA改进连接权重部分,最后利用优化后的GA-SA-BP模型对火灾实验数据进行信息融合实现火灾探测。实验研究表明,对比单一BP神经网络,经GA和SA改进后的BP神经网络能够有效改善网络拟合能力,并提升火灾探测精度至98.91%。     

模糊逻辑和神经网络理论在智能火灾控制报警系统中的应用

本文主要论述了智能火灾探测报警系统的三种智能分析方式及神经网络模式，并对模糊逻辑在火灾判断中的应用进行了探讨。