基于微粒群算法和模糊神经网络的火灾探测研究

针对火灾探测的特点,将模糊系统和神经网络有机结合,实现模糊系统设计参数的自动调整。采用符合国家标准明火、阴燃火以及厨房环境下的干扰火等作为模糊神经网络的训练样本和测试样本,依据模糊神经网络算法要求,完成了网络结构的设计,并给出相应的计算模型,利用微粒群算法对网络的权值进行学习与训练。结果表明,该算法在探测国家标准火的火灾状态方面具有有效性和可行性。     

基于模糊神经网络的智能火灾探测方法研究

针对传统火灾探测的误报、漏报问题,设计一种基于模糊神经网络的智能火灾探测方法。采用神经网络+模糊推理的结构,选取样本数据的温度、烟雾浓度和CO浓度三种参数,通过MATLAB对数据进行处理,得到明火概率、阴燃概率、无火概率三种概率值,对比分析期望输出和实际输出,并选取NIST实验数据对系统进行测试,将神经网络的输出参量连同火灾信号持续时间作为模糊推理的输入变量,得到输出概率。多次试验与实际报警结果对照表明,该方法增强了火灾探测的灵敏度和可靠性。     

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。     

一种基于模糊神经网络的火灾探测系统的研制

设计一种新型的智能火灾探测系统,运用数字信号处理芯片DSP完成模糊神经网络算法,能够准确及时预测火灾发生,达到提前发现火灾隐患、排除火灾隐情的目的。经过模拟实验验证,系统准确、可靠,能够达到设计目的。     

基于模糊神经网络算法的电梯群控系统

总结了电梯群控系统的特征,研究了模糊神经网络,实现了模糊推理在神经网络结构中的运用。采用BP神经网络优化了群控系统的部分控制参数。并利用仿真将基于模糊神经网络的电梯群控系统与传统电梯群控方法进行比较。     

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...     

基于循环神经网络的飞机货舱火灾快速识别算法

针对飞机火灾探测系统对不同火源和干扰源类型的快速准确识别问题,提出一种基于长短期记忆的循环神经网络火灾探测算法,可考虑火灾信号的时间动态信息。通过对不同的真火源和干扰源进行试验,将复合式火灾探测器测取的双波长、CO和温度等信号,按照时间连接成特征序列来训练网络分类模型。通过数据集时间序列长度的不同选取方法,模拟燃烧过程的剧烈程度,验证算法的鲁棒性、快速性和准确性。结果表明,该网络在真火源和干扰源快速识别问题上取得了良好的效果。     

基于目标检测卷积神经网络的图像型火灾探测算法

摘 要：针对传统图像型火灾探测算法误差率高、延迟探测、计算量大等问题,提出了基于目标检测卷积神经网络（Faster-RCNN、R-FCN、SSD和YOLO v3）的图像型火灾探测算法。通过对比实验表明,基于目标检测卷积神经网络的探测算法准确性较高。其中,YOLO v3探测算法的平均精度为84.5%,探测速度为28帧/s,具有更高的稳定性,更适用于图像型火灾探测系统的开发。     

一种基于模糊特征的火灾烟雾实时识别算法

提出一种基于烟雾模糊特征的火灾烟雾实时判别算法,利用二维小波变换分析背景边缘能量信息来判定图像中烟雾区域。先用背景差分法提取前景图像,确定火灾疑似区域,再利用小波分析方法提取烟雾背景模糊特征,最后通过分块判别的方法实现烟雾图像的识别。实验结果证明,该算法通过提取烟雾预判别区域,大大降低了计算量,实现了实时烟雾图像识别,增强了算法的应用效果。     

基于神经网络的电气火灾智慧监控平台研究

为对电气火灾进行早期预测和预警,开发了电气火灾智慧监控系统。介绍该系统的工作原理、功能、硬件组成以及漏电流的BP神经网络模型设计,并从SOM神经网络结构、训练等方面探讨SOM神经网络聚类在判别高危时间段中的应用,分析SOM神经网络聚类结果。结果显示:该智慧系统能够提前发现可能存在的电气火灾隐患并进行预警,避免电气火灾的发生。     

基于模糊神经网络的热泵空调故障诊断研究

将模糊理论与神经网络相结合,构成了模糊神经网络;针对热泵空调五种常见故障,分析了模糊神经网络在热泵空调故障诊断中的应用。与传统故障诊断方法相比,基于模糊神经网络的故障诊断方法对单一故障具有很好的识别能力,可以提高诊断精度。     

基于模糊综合评判的建筑火灾危险性研究

在分析探讨建筑火灾危险性构成的评价指标体系前提下,通过建立模糊综合评判的数学模型,对建筑的火灾危险性进行客观评价,并应用该方法对某一工程实例进行了建筑火灾危险性评价.     

基于神经网络的聚合物火灾危险性预测

基于BP神经网络预测模型预测聚合物的火灾危险性,通过对测试样本进行网络仿真和拟合,量化输出IFHI火灾危险综合指数(Integrated Fire Hazard Index,IFHI),来对聚合物的各项(热危险与烟气危险指标)性能进行综合评价.实验表明,通过BP神经网络预测IFHI的结果与层次分析法分析结果大体相近,火...     

基于图像处理的火灾烟雾检测算法研究

在综述视频火灾探测技术的基本原理和现有视频火灾烟雾检测算法的基础上,提出了一种结合烟雾静态特征与动态特征进行研究的视频火灾烟雾检测算法。介绍运动区域目标检测与提取方法及效果,以及烟雾静态特征和动态特征的提取和分析。测试结果证明该算法能够准确且迅速地探测出火灾烟雾,误报率低,可靠性好。     

基于贝叶斯算法的火灾报警系统研究

针对传统的建筑火灾报警系统探测信号单一、功能简单等问题,提出了以单片机作为下位机、LabVIEW作为上位机,采用多种传感器信息融合的贝叶斯算法的火灾报警系统。该系统将贝叶斯融合算法应用于火灾报警探测中,将收集到的火灾数据进行预处理,同时利用MATLAB软件对贝叶斯网络算法的数据融合进行仿真分析。仿真结果表明,该系统能够实时监测建筑内火灾事故相关的环境因素,3个特征量的融合提高了对火灾特征信号响应的均衡度和准确度,进而极大地提高了系统可靠性,为建筑火灾报警系统的设计与应用提供参考。     

基于模糊神经网络的室内照度控制系统的研究

阐述了一种以室内视觉舒适度为控制目标,含室内遮阳百叶帘及人工照明补光的室内照度智能控制系统。该智能控制系统基于对百叶帘旋转角度与室内照度的耦合关系,采用模糊神经网络技术来智能调节百叶帘遮阳角度,及进行补光控制。给出了系统构成及实现方法,并对控制性能进行了讨论。     

基于模糊神经网络的建筑结构半主动控制研究

建立了采用MR阻尼器的基于模糊神经网络的半主动控制算法。该方法采用模糊神经网络离线训练辨识MR阻尼器在不同电压下的动力滞回特性，在此基础上提出一种基于最佳逼近LQG主动控制的智能半主动控制算法。模糊神经网络做在线控制时，从已辨识好的模糊规则库中自动选择最接近LQG控制力的控制电压，施加到MR阻尼器上形成控制力，有效地减小结构在地震作用下的响应。数值算例仿真验证了所提方法的有效性。     

基于模糊神经网络的建筑能耗评估模型研究

通过研究公共建筑耗能特点,结合建筑节能标准,提取了建筑能耗主要影响因素。在研究T-S模糊神经网络结构和算法的基础上,提出了基于T-S模糊神经网络的建筑能耗评估模型,用改进FCM聚类方法确定网络结构和参数初值,运用混合学习算法训练网络模型。将模型运用到评估实例中,结果表明基于改进FCM聚类的T-S模糊神经网络评估模型结构简单,学习和泛化能力强。     

基于模糊神经网络的水工隧洞病害诊断研究

引入基于模糊神经网络的综合评判方法,参照铁路、公路隧道的研究成果,构建了水工隧洞病害综合诊断指标体系,划分了水工隧洞安全等级,给出了诊断指标的判定标准,采用改进的层次分析法分析了诊断指标的权重,建立了水工隧洞病害诊断的模糊评价模型,并应用于工程实际,取得了比较符合实际的结论,证实了该方法在工程应用中的可用性.