共查询到18条相似文献,搜索用时 125 毫秒
1.
2.
研究准确识别飞机火警系统,由于飞机火灾火势猛,突发性强,飞机火警系统误报率较高.为提高识别火警准确率,提出一种D-S证据理论的数据融合方案.对机舱内燃烧时的温度、烟雾浓度、光亮度等火情特征参量进行判断,分析特征参量的内在特性和常见的火情信息处理流程.采用多传感器多周期的时空融合方法对火情信息进行识别,得出火灾的四种不同状态类型:明火、阴燃火、无火灾、无法识别,并进行仿真,结果表明,根据D-S理论进行数据融合结果对火警识别具有较高的准确度和可信性,为设计提供了依据. 相似文献
3.
4.
介绍了一种以单片机AT89C51单片机,选用集成温度传感器和气体传感器作为探测元件,利用多传感器信息融合技术,当监测到火情信息后,该系统利用程控电话机实现自动拨号报警的功能,迅速向消防指挥中心报告火情信息。并给出了硬件框图和主程序流程图.适合中小型综合性建筑的报警消防。 相似文献
5.
基于标量加权多传感器线性最小方差最优信息融合准则,对被多传感器观测的带有色观测噪声的离散线性随机控制系统,提出了一种具有两层融合结构的标量加权信息融合稳态Kalman滤波器,它等价于相应的带相关噪声系统的最优信息融合稳态Kalman预报器.最优信息融合稳态预报器可在所有局部预报器达到稳态时,通过一次融合获得,且任两个子系统之间的稳态预报误差互协方差阵可通过任选初值迭代求得,并证明了它的收敛性.通过将它应用到带三个传感器的雷达跟踪系统验证了其有效性. 相似文献
6.
基于无线多传感器信息融合的火灾检测系统 总被引:1,自引:0,他引:1
传统的火灾监控系统往往采用基于单传感器的有线信息检测与传输系统,布线不方便,环境适应性和抗干扰能力较差.本文提出了一种基于ZigBee无线多传感器网络的火灾监控系统,运用包括烟雾、温度、CO气体等多传感器感知火燃烧状态,对是否发生火灾分配不同信任度函数,利用D-S证据理论融合3种传感器信息以判断火灾状态.本文详细阐述了系统工作原理、多传感器信息、D-S证据理论等关键技术,并给出了多传感器响应燃烧实验的曲线图,理论分析和实验结果表明,该无线传感器火灾监测系统能更准确地检测火情,减少误报率,提高系统的可信度. 相似文献
7.
基于模糊神经网络的火灾识别算法 总被引:1,自引:0,他引:1
火灾自动识别能够及时准确预报火情。在森林大空间的环境中,由于火灾信号具有非线性和不确定性,将采集的探测信号做简单的分析与比较,误报率比较高。如何融合几个传感器的信号进行有效地火灾识别是一个难点。为提高预测的准确性,针对传统的森林火情预测系统误报率高的缺点,提出一种基于模糊神经网络的火灾识别算法。首先,将模糊控制和神经网络以串联的方式结合,将采集的传感器信号进行处理后送入三层前馈BP网络进行处理,输出明火概率、阴燃火概率、无火概率,然后,将它们作为模糊控制系统的输入,模糊化后进行模糊推理,最后去模糊化得出火灾概率大小。并利用MATLAB工具箱对构建的算法模型进行仿真分析,仿真结果表明,本文的方法能够有效地融合多个火灾探测传感器的信号,快速而准确的判断出火情的大小,提高火灾识别的准确率,减少误报率。 相似文献
8.
9.
本文在分析机载火警系统现状的基础上,提出了一种用微机控制分级预报的新颖机载火警预报系统的设想,详尽地讨论了研究样机的硬、软件设计特点,开拓出一种在某段频率范围内,以传送有用信息和核对纠错来提高报警可靠性的技术。 相似文献
10.
曹晶秀 《计算机测量与控制》2012,20(1):288-290
提出一种通过多传感器信息融合技术来提高灭火机器人的火焰、距离检测的准确性,设计了由超声波、红外测距模块和数据融合模块组成的测距避障子系统;由红外火焰检测模块、数据融合模块组成的火焰检测子系统,在此基础上,采用自适应加权数据融合算法分别对多传感器检测的距离和火焰信息进行融合,以提高对火源目标判断的准确度;实验结果表明,设计的智能灭火机器人传感器软硬件系统测量相对误差小,能很好的反映火灾现场信息,满足火情探测和灭火需要,具有很强的使用价值。 相似文献
11.
12.
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。 相似文献
13.
近年来,WSN网络应用趋向于网内节点数量增多、模块功能多样、应用环境复杂,由此基于WSN的火灾监测预警系统容易因节点故障出现数据融合异常的现象.为提高火灾数据融合精度,本文引入高斯模型,通过对不同节点间同类信息融合形成的熵值,表示融合结果的不确定性,以鉴定融合效果.由此推理出了一种正态分布的贝叶斯网络算法.在仿真实验中,将3种常用火灾传感器探测信息融合,分析改进后的静态、动态贝叶斯网络特点.用FDS平台模拟火灾场景,实验得到探测信息离散区间与发生率.再以BayesiaLab计算输出节点的条件概率.最后通过VisualC 离散化选取探测阈值下限的判定依据,实现全网信息融合,作出正确、快速的报警反应. 相似文献
14.
为了实现让智能家居系统能够对家居火灾进行早期预报并及时准确的报警,从而保护家居环境和人身财产安全,开发了一种智能家居火灾预警系统。在预警系统中采用BP神经网络建立火灾预测模型,把家居温度、烟雾浓度、一氧化碳气体浓度多火灾信息作为输入参数,明火发生概率、阴燃火发生概率、无火发生概率作为输出,同时结合使用LM算法以及遗传算法对火灾预测模型进行大幅度优化。实验表明,该预警系统预测精度较高,有效的改善了传统火灾预测智能化程度低的问题 相似文献
15.
16.
In this study Forest Fire Decision Support System (FOFDESS) which is a multi-agent Decision Support System for Forest Fire has been presented. Depending on the existing meteorological state and environmental observations, FOFDESS does the fire danger rating by predicting the forest fire and it can also approximate fire spread speed and quickly detect a started fire. Some data fusion algorithms such as Artificial Neural Network (ANN), Naive Bayes Classifier (NBC), Fuzzy Switching (FS) and image processing have been used for these operations in FOFDESS. These algorithms have been brought together by a designed data fusion framework and a novel hybrid algorithm called NABNEF (Naive Bayes Aided Neural-Fuzzy Algorithm) has been improved for fire danger rating in FOFDESS. In this state, FOFDESS is an integrated system which includes the dimensions of prediction, detection and management. As a result of the experiments, it was found out that FOFDESS helped determining the most accurate strategy for fire fighting by producing effective results. 相似文献
17.
为了更高效、准确地预测矿井主运输传送带火灾的发生,提出了一种基于粗糙集-支持向量机RS-SVM的煤矿火灾预测算法。利用RS理论对8个变量映射为粗集知识系统进行离散化处理以及属性约简,去除冗余信息,排除对于实验不必要的干扰,获得知识系统规则集;通过训练确定RS-SVM模型,再回判来验证此模型的准则性,最后对RS-SVM、贝叶斯、RBF-NN三种预测算法进行样本的预测分析,结果表明RS-SVM算法与其他两种算法相比有着明显的优势,在少样本时的预测准确性更高、速度快、抗扰性好、非线性能力强,现场实用性强,使用范围广,对于火灾的预测具有重要意义。 相似文献
18.
网络化防空火控系统是网络化作战形式不断发展的产物.本文以网络化防空作战为背景,针对网络化防空火控系统的体系结构及航迹融合问题进行了研究.将网络化控制系统的方法引入防空火控系统的研究中,提出了一种网络化防空火控系统的体系结构.为了保证系统在该体系结构下更好地工作,对航迹融合方法进行了研究.提出并构建了基于联邦Kalman滤波技术的航迹融合方法,其滤波结构适应于灵活开放的体系结构,同时子滤波器可以根据网络传输状态,处理数据丢包和时延的情况.试验结果表明,融合后的数据精度得到了提高.该方法为网络化防空火控系统的设计与实现奠定了良好的基础. 相似文献