基于多传感器数据融合的火灾报警系统设计

介绍了基于嵌入式的多传感器数据融合火灾报警系统的硬件及软件设计方案,并利用数据融合算法,对用于探测火灾信息的多传感器的数据进行处理,使火灾的判断具有较高的准确性和快速性。     

基于SVM的多传感器火灾报警系统

为提高火灾报警系统的灵敏性和可靠性,将温度传感器、烟雾传感器、二氧化碳传感器和一氧化碳传感器探测到的数据作为多分类SVM的输入,利用SVM的分类泛化能力实现火灾信号的识别.仿真结果表明,基于SVM的多传感器火灾报警系统能准确地识别多种火灾信号,提高系统的抗干扰能力.     

基于神经网络的多传感器信息融合

将传统神经网络结构的中间隐层用子网络代替,提出了一种陈列神经网络进行信息融合的结构模型,针对传感器信息融俣的特点,用子网络实现信息的分化与融合,不仅对神经网络的结构设计有一定意义,而且从理论到实便说明了这种方法确能改善神经网络信息融合的效果和速度。     

基于模糊神经网络融合技术的智能火灾预警系统

根据当今火灾探测的现状和实现火灾早期探测的需求,将多传感器数据融合技术应用在火灾预警系统中.选择多个传感器对火灾过程的多参数进行监测,特别对火灾发生初期产生的异常信息进行全面监控,弥补了采用单一传感器的不足,扩展了时间上和空间上的监测范围.系统采用基于模糊神经网络多传感器融合技术,增强了系统报警输出的灵敏度和可靠性,实现了提前预警的目的.     

多传感器数据融合技术在火灾报警中的应用

针对目前火灾报警中存在的问题,提出了一种基于神经网络和D-S证据理论的多传感器数据融合技术,并通过模拟实际输入信号的仿真结果进行了证明.这种采用神经网络BP算法和D-S证据理论的多传感器数据融合技术,能够显著提高火灾的识别能力,有效降低火灾误报率.     

一种基于多传感器融合技术的报警系统设计方法研究

本文论述了一种基于多传感器融合技术的报警系统的设计问题 ,系统由A级布防和B级布防两部分组成。本文给出了系统的组成原理 ,传感器选择以及系统功能设计等问题。     

基于多传感器的汽车防盗系统的数据融合技术

基于汽车的常见被盗方式，介绍了用多传感器采集信号、信息融合技术处理信号的方法，分析了信息融合技术的基本算法，讲述了神经网络的自学习和自组织能力．通过分析可知：使用多传感器的汽车防盗系统具有高的准确性和可靠性，能起到及时、有效的预警和报警作用．     

基于神经网络的传感器静态特性曲线的拟合方法

传感器的静态特性是指测测量的值处于稳定状态时传感器的输入输出关系,随着传感器技术的发展,各种材料的新型传感器不断涌现,但是传感器静态特性的非线性和离散性往往无法避免,能否克服上述缺点已经成为传感器工业应用于以及达到测量精度要求的主要问题,多层前向神经网络的误差逆传播算法（简称ＢＰ算法）的输入输出关系实际上是一种映射关系,适于解决上述非线性映射问题,利用神经网络处理传感器静态特性的非线性关系可以获得     

一种基于多传感器融合技术的报警系统设计方法研究

本文论述了一种基于多传感器融合技术的报警系统的设计问题，系统由A级布防和B级布防两部分组成，本文给出了系统的组成原理。传感器选择以及系统功能设计等问题。     

基于神经网络的传感器静态特性曲线的拟合方法

传感器的静态特性是指被测量的值处于稳定状态时传感器的输入输出关系。随着传感器技术的发展,各种材料的新型传感器不断涌现,但是传感器静态特性的非线性和离散性往往无法避免,能否克服上述缺点已经成为传感器进入工业应用以及达到测量精度要求的主要问题。多层前向神经网络的误差逆传播算法（简称ＢＰ算法）的输入输出关系实际上是一种映射关系,适于解决上述非线性映射问题。利用神经网络处理传感器静态特性的非线性关系可以获得高度逼近实际静态特性的拟合曲线。     

Sensor Registration Based on Neural Network in Data Fusion

The contents of sensor registration in the multi-sensor data fusion system are introduced, and some existing methods are analyzed. Then, one approach to sensor registration based on BP neural network is proposed. Here the measurements from radar are transformed from the polar coordinate system to the Cartesian coordinate through a BP neural network. With this approach, the systematic errors are removed as well as the coordinate is transformed. The efficiency of this method is demonstrated by simulation, and the result show that this approach could remove the systematic errors effectively and the DAR are closer to real position than DBR.     

基于BP网络微位移传感器误差修正研究

对微位移传感器非线性误差的修正存在诸多问题,该误差是提高微位移传感器测量精度的＂瓶颈＂。本文介绍了用神经网络校正传感器系统非线性误差的原理和方法,提出了基于BP神经网络传感器非线性误差校正对测量数据进行修正。修正结果表明该方法是准确有效的,而且网络结构简单,准确度高。     

基于BP网络的指纹识别系统

针对指纹数据库规模不断增大的情况,为了提高指纹识别的速度和准确度,采用BP神经网络先对指纹进行分类,把指纹分成左环、右环、拱、涡、棚状拱和不辨型6种类型,然后在相应的子类库中根据特征提取进行识别。设计并实现了一个指纹识别系统,该系统能够自动地进行指纹分类,而且还能实时地将结果与指纹数据库进行比对。实验结果表明,该系统能迅速地获得被识别人员的身份信息。     

纳米ZnO传感阵列对多组份气体的智能识别

采用物理热蒸发法制备纯ZnO纳米线及Al,Ag,Ni掺杂的ZnO纳米线.以纯ZnO纳米线及Al,Ag,Ni掺杂的ZnO纳米线为基料分别制成气敏传感器;利用气体敏感的差异性,构建纳米ZnO基气敏传感器阵列,结合BP人工神经网络来实现纳米ZnO基气敏元件对目标混合气体组分和相对浓度的识别.结果表明:将传感器阵列输出灵敏度值进行处理后,输入BP神经网络完成训练,能够准确识别混合气体(CO,H2,CH4)的组分与相对浓度。     

基于神经网络的教师教学评估系统

利用神经网络对教师教学评估中所使用的权值进行非线性学习与调整，通过实验证明了该方法的有效性，并提出进一步改进的方案。     

基于神经网络的再制造系统风险评价

为了给企业在开展再制造业务时提供风险评估参考模型,从再制造全生命周期出发分析再制造系统面临的各种风险,构建包括收集、检测、拆卸、再制造和再循环五大环节的评价指标体系;建立基于Back Propagation（BP）神经网络的风险评价方法;并利用权矩阵之间的关系函数确定评价指标的影响次序,找出再制造系统风险的主要风险因素;然后通过Internet收集资料选取五个企业的再制造业务风险评价作为样本训练模型;最后以某机床制造企业的再制造项目风险评估验证上述评估方法的有效性。