基于自适应集成神经网络的火灾预测方法

针对传统火灾预测方法存在误报和漏报的问题,提出了一种基于自适应集成神经网络的火灾预测方法。首先,在信息层采用速率检测算法将不同类型传感器检测到的奇异数据输入到网络模型中。其次,在特征层采用长短期记忆网络（LSTM）和径向基前馈神经网络（RBF-BPNN）构建集成网络学习不同输入参数下的火灾特征,最后,在决策层设计模糊逻辑控制系统推理输出火灾报警等级。实验结果表明,该方法具有更高的预测精度。     

基于MCGS的智慧消防控制系统设计与实现

针对现有消防控制系统结构功能单一和可视化程度低的问题,设计和实现了一种集日常开关窗和消防联动于一体的智能消防控制系统。将用于PLC领域的MCGS嵌入式触摸屏应用到单片机中。利用MCGS组态触摸屏(主机)、STM32F103RBT6(从机)为核心的主控板和传感器,实现消防联动控制。主机通过RS-485总线利用Modbus协议与从机进行通信。测试试验表明系统具有良好的控制和监测性能。     

基于LSTM和RBF-BP深度学习模型的火灾预测方法

针对火灾信号的时变性和非线性特点以及单特征信号火灾预测方法的高漏报率和误报率的问题,提出一种基于LSTM (Long Short Time Memory,长短时记忆网络)和RBF-BP (Radial Basis Function and Back Propagation,径向基反向传播网络)深度学习模型的多源信息融合火灾预测方法。首先,在信息层通过多种传感器采集火灾发生时的特征信息,并通过速率检测算法对特征信息进行预处理。然后在特征层利用深度学习中的LSTM和RBF-BP神经网络对火灾多种特征信号进行自适应学习,输出有火、无火以及阴燃火三种火型的发生概率。最后采用模糊逻辑控制系统决策输出有无火灾发生。仿真实验结果表明,所提出的火灾预测方法与传统的和单神经网络方法相比具有更高的预测精度和自适应性。     

消防控制系统软件设计与实现

研讨消防控制系统的软件平台。结合MCGS组态触摸屏和STM32F103RBT6单片机,并通过Modbus协议实现主机与从机的通信,实现消防联动控制。测试试验表明该软件和有效地实现消防控制和消防信息的可视化界面。