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。     

基于神经网络和模糊理论的智能控制技术

将神经网络方法和模糊理论结合起来，讨论一种基于神经网络和模糊理论实现智能控制的方法。仿真表明这类智能控制器可用于难以建立数学模型的控制系统。     

智能型模糊神经网络火灾报警系统的研究

针对目前我国消防系统中存在的不足,提出了一种基于模糊神经网络的智能型火灾报警系统。该应用系统结合信息融合技术,大大提高了系统的柔韧性,并应用智能控制、模糊神经网络方法;给出了具体的实现方式。     

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炉温控制系统

0 引言 由于电阻加热炉炉温控制具有严重的非线性、灰色性以及较大的时间滞后性,很难用数学方法建立精确的数学模型,因此用传统的控制理论和方法很难达到好的控制效果.本文介绍基于模糊神经网络的电阻炉炉温智能控制系统,该系统将人工智能中的神经网络控制技术和模糊控制技术结合,采用闭环控制方式实现对炉温的自动控制.其特点是:用神经网络代替传统的模糊控制器的隶属函数和权值,实现了模糊规则的自动更新.实践证明,该控制系统对无法取得数学模型或数学模型相当粗糙的系统可以取得满意的控制效果;与传统的PID炉温控制系统相比,该系统具有控制精度高、速度快,控制质量可靠、稳定等优点,有较大的推广应用价值.     

智能模拟量火灾自动报警控制系统的设计

本文分析了我国火灾自动报警控制方面产品的发展情况与趋势，并结合一个具体的实例说明了如何进行智能模拟量火灾自动报警控制系统的设计。     

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。     

曼彻斯特编码用于分布式智能火灾报警/控制系统

0 引言随着高性价比、嵌入式微控制器的广泛应用以及智能大厦管理系统的兴起,作为智能大厦自动化系统一部分的火灾报警系统,有走向分布式智能控制系统的趋势.这种分布式控制系统将专用微处理器置入传统的探测器和控制模块及其它模块中,使它们各自具有了数字计算和数字通信能力,由过去的控制室设备来完成的功能下载到智能化的现场设备来完成,从而适应工业控制系统向分散化、网络化、智能化发展的方向.     

基于网络架构的智能火灾报警系统设计

为了解决传统智能建筑中火灾报警系统功能简单、定位困难且存在误报和漏报等问题，本文提出一种新的智能火灾报警系统设计。该设计采取基于网络的系统架构，使用智能决策算法，能较好地满足智能建筑对火灾防范的要求，并且反应快捷，性能可靠。     

基于网络架构的智能火灾报警系统设计

为了解决传统智能建筑中火灾报警系统功能简单、定位困难且存在误报和漏报等问题,本文提出一种新的智能火灾报警系统设计。该设计采取基于网络的系统架构,使用智能决策算法,能较好地满足智能建筑对火灾防范的要求,并且反应快捷,性能可靠。     

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。     

基于神经网络和模糊理论的智能控制技术

将神经网络方法和模糊理论结合起来，讨论一种基于神经网络（NN）和模糊理论实现智能控制的方法。仿真表明这类智能控制器可用于难以建立数学模型的控制系统。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播(FCP)网络辨识器和径向基函数(RBF)神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于模糊神经网络火灾探测信号处理方法

针对火灾探测信号的特点,建立了火灾探测系统模型及用于处理火灾信号的模糊神经网络计算模型.利用神经网络构造模糊系统,用神经网络的自学习和自适应能力自动调整模糊系统参数,用改进的BP算法对网络进行学习和训练.根据国家标准试验火数据进行网络的学习和测试,系统误差小于试验火标准误差要求,表明了算法的有效性和可行性.     

基于模糊神经网络的温度控制系统设计

实验室温度控制系统要求精度高,并且具有非线性、大惯性及数学模型难建立等特性,这使得用常规PID控制器以及一般模糊控制器无法很好地满足系统要求,而本文在一般模糊控制器的基础上,融合神经网络技术,设计出模糊神经网络控制器,它既有模糊控制鲁棒性好、动态响应好、上升时间快、超调小的优点,又具有神经网络的在线自学习能力,可以实现温度的智能控制,在实际应用中取得良好的效果。     

自适应模糊神经网络控制系统的研究

自适应模糊神经网络控制器是由模糊控制和神经网络相结合构成,它不依赖被控对象的数学模型,并能自动产生模糊控制规则,又具有良好的自适应性,是目前受人们关注的课题。本文在对其分析的基础上又提出了卡尔曼滤波的学习算法,解决了原BP算法实时性差的问题,通过仿真实验说明了其优越性,并体现了模糊神经网络与最优控制相结合的思想。     

一类非线性神经模糊控制系统

针对离散非线性系统,将神经网络和模糊技术有机结合,模糊神经网络与自适应控制方案相结合,设计了一种模糊神经网络自适应控制系统,它由模糊对向传播（FCP）网络辨识器和径向基函数（RBF）神经网络控制器组成,仿真结果表明了该方案的有效性。     

基于模糊神经网络控制的镍氢电池智能充电

镍氢蓄电池是具有复杂性和离散性的非线性系统,为其所建的数学模型或者不准确或者太复杂,现有的镍氢蓄电池充电技术一直不太完善,严重地影响了充电速度与质量。针对这一问题,将神经网络与模糊控制相结合,设计了模糊神经网络控制器,用于对MH-Ni蓄电池进行智能充电。通过Matlab仿真,发现充电过程中电压变化平稳,充电时间短,达到了控制要求。     

火灾探测的模糊神经网络数据融合算法

为提高火灾报警系统的正确率,提出一种多传感器火灾探测系统的数据融合算法.采用模糊神经网络建立了数据融合决策模型,并用改进的BP算法对网络进行学习和训练,自动调整模糊系统参数.根据国家标准试验火数据进行网络训练,系统误差小于试验火标准误差要求,表明了算法的有效性和可行性.与其他方法探测结果进行比较,体现了所设计的算法的优越性.     

基于快速算法的模糊神经网络自适应控制

针对过程控制中被控对象常具有非线性、不确定性及参数时变等复杂因素,而难以建立精确的数学模型的情况,提出了一种基于快速学习算法的模糊神经网络自适应预测控制方案。该方案用神经网络作辨识器,模糊神经网络作控制器来实现非线性系统的自适应预测控制。为了克服传统的梯度下降法收敛速度慢、容易陷入局部极小值的缺点,该方案采用递推最小二乘法训练模糊神经网络。仿真结果表明,该方案可以实现模糊控制和神经网络的优势互补,对不确定非线性系统具有很好的控制效果。