一种运用模糊处理技术的多参量火警预报系统

阐述了一种新型多参量模糊处理火警预报系统。该系统利用多传感器对火情发生时特有的温度、烟雾和火光三个主要参量进行综合监测，以微控制器为处理核心，将所得到的多路信息利用模糊技术加以融合和推理，再根据具体的环境因素做出相应的判断。这种采用多传感器集成、多参量融合模糊技术的设计很好地解决了报警灵敏度和误报率之间的矛盾。     

基于D-S证据理论的飞机火警系统研究

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.     

多参量火警监测器的软判决与单片机实现

介绍了一种基于软判决信息融合技术的多参量火警监测器,并用 PIC12F675 单片机进行了实现.该监测器将火情发生时烟雾、火焰和温度三个传感器特有的观测域分解成若干个互不相容的子区间,根据 Bayes 决策原理,进行信息融合,最后得出对火情的最优判断,很好地解决了报警灵敏度和误报率之间的矛盾.     

单片机在消防报警系统中的应用

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。     

带有色观测噪声系统多传感器标量加权最优信息融合稳态Kalman滤波器

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.     

基于无线多传感器信息融合的火灾检测系统

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.     

基于模糊神经网络的火灾识别算法

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。     

基于多信息融合算法的变电站消防监测

为消除变电站人工巡检的消防安全隐患,减少人员消防运维工作量,推进现代设备管理体系建设,设计开发了数据互联的智能化自动巡检灭火机器人,对机器人的工作过程及信息共享机制进行了详细规定。在开发火情智能判断算法过程中,利用多传感器信息融合技术,提高判断准确性,并引入D-S证据理论进行融合推理,实现了消防火情智能判断正确率大幅提高的目标。实验数据表明,D-S融合算法判断火情可使判断时间快速收敛,判断准确概率提高,整个系统能够实现变电站消防无人巡检任务。     

机载火警分级预报系统的研究

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。     

基于多传感器信息融合技术在灭火机器人系统的设计

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。     

基于信息融合的煤层自然发火监测系统研究

针对目前我国在矿井火灾预警系统检测处理数据不可靠等问题,以单片机作为中央处理器,基于模糊信息融合理论,应用多传感器对煤层自然发火的指标气体和参量进行监测,将监测设备的多只传感器所获得的信息模糊化,再将其融合,从而获取设备精确的状态估计。该系统利用信息融合技术对各种参量进行融合运算和决策,实现了煤层自然发火的早期预测预报,实验结果表明：基于信息融合的煤矿火灾预警系统识别准确率与可靠性大大提高。     

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。     

正态分布的贝叶斯网络火灾数据融合预警研究

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.     

智能家居火灾预警系统建模与分析

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     

运用组合探测方法对煤矿内因火灾进行模糊识别

内因火灾是煤矿的重大灾害之一。内因火灾的早期预报是保证煤矿生产安全的重要手段。文章在广泛收集煤炭自燃发火的影响因素和相关知识的基础上,分析了多种探测方法的特点并进行组合运用,以模糊推理为手段,建立了内因火灾早期的模糊识别系统。现场应用证明该方法对煤矿内因火灾的早期识别具有较高的可靠性。     

A data fusion framework with novel hybrid algorithm for multi-agent Decision Support System for Forest Fire

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.     

矿井主运输系统火灾预测的RS-SVM模型

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。     

网络化防空火控系统中的航迹融合

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.