学位论文 > 优秀研究生学位论文题录展示
基于模糊神经网络的智能火灾探测系统研究
作 者: 杨晗
导 师: 孙建京
学 校: 北京化工大学
专 业: 控制科学与工程
关键词: 火灾探测技术 人工神经网络 模糊推理 VC++
分类号: TP183
类 型: 硕士论文
年 份: 2010年
下 载: 201次
引 用: 4次
阅 读: 论文下载
内容摘要
火灾是一种常见的灾害,它给人类生命财产等造成重大的威胁和损失。世界各国一直致力于对火灾发生的机制、内在机理进行研究,目的是为了预防火灾发生,尽量减少火灾带来的损失。在众多手段中,火灾探测技术是预防和减少火灾发生的有效手段。针对传统火灾探测技术是基于单参数,误报、漏报十分常见的弊端,本人着重研究了基于模糊控制和神经网络的智能型火灾探测系统,在火灾探测算法上取得了一些进展,主要工作内容如下:(1)针对传统火灾探测技术的种种弊端,不能有效满足当今火灾报警的需求,提出了一种基于模糊推理和神经网络的智能融合火灾探测算法,以CO含量、环境温度、烟雾浓度为系统输入,利用人工智能技术对多信号融合;(2)利用模糊逻辑处理非线性问题能力强的特点,采用模糊推理对三个系统输入进行模糊化、模糊推理、反模糊得到64条模糊规则,算法仿真使用MATLAB实现,模糊推理作为神经网络输出的重要辅助判据;(3)采用神经网络模型来进行数据模拟训练,比较了模型中两种比较典型的BP和RBF网络进行分析,对这两种模型进行了数据训练和测试比较。(4)利用基于经验知识的模糊逻辑和灵活程度高、自学习能力强的神经网络,对二者进行有机的融合,最大限度的发挥各自的特点和优势,在决策层提出了一种全新的判据,极大的提高了火灾探测的准确性;(5)采用MATLAB和实用性非常强的VC联合对该系统进行仿真实现,最终实现人机交互,直观实用;(6)对设计的智能火灾报警系统算法的可用性和可靠性仿真结果表明,该系统可以准确区分非火灾源、阴燃火和明火,并对不同类型的火灾都具有很高的灵敏性,达到了减少误报警的目的。本系统具有高准确性和高可靠性等特性,然而需要在建立精确的火灾样本数据库和其他火灾传感信号收集分析等方面进一步完善。
|
全文目录
摘要 4-6 ABSTRACT 6-13 第一章 绪论 13-19 1.1 课题研究的背景、目的及意义 13-14 1.2 火灾探测技术概述 14-17 1.2.1 目前火灾探测技术的发展概述 14-15 1.2.2 火灾探测技术的发展趋势 15-16 1.2.3 火灾探测算法的发展 16-17 1.3 课题主要研究内容及创新 17-19 第二章 火灾系统的特征分析和系统设计 19-29 2.1 火灾探测的特征现象分析 19-21 2.1.1 物质燃烧的基本特征 19-20 2.1.2 火灾特征信号的选择 20-21 2.2 复合探测与多传感器信息融合技术 21-24 2.2.1 火灾复合探测技术 21-22 2.2.2 多传感器信息融合技术概述 22 2.2.3 数据融合技术的分类和层次结构 22-24 2.2.4 数据融合技术在火灾探测系统中的应用 24 2.3 模糊系统和神经网络概述 24-27 2.3.1 模糊系统及其在火灾探测中的应用 24-25 2.3.2 神经网络特点及其在火灾探测中的应用 25-26 2.3.3 模糊系统和神经网络的融合 26-27 2.4 本章小结 27-29 第三章 基于模糊神经网络的智能火灾探测系统模型 29-53 3.1 火灾探测系统结构 29 3.2 信息层中火灾特征信号的选择及预处理 29-30 3.3 火灾探测系统神经网络融合系统实现特征层 30-40 3.3.1 神经网络的基本特点 31-32 3.3.2 BP神经网络模型 32-34 3.3.3 RBF神经网络模型 34-37 3.3.4 仿真实验结果比对 37-40 3.4 火灾探测系统中的模糊逻辑系统 40-50 3.4.1 模糊逻辑推理系统设计 40-41 3.4.2 模糊逻辑推理系统模糊化处理 41-42 3.4.3 模糊推理规则的建立 42-44 3.4.4 反模糊化 44 3.4.5 模糊逻辑推理系统MATLAB仿真 44-50 3.5 火灾探测系统决策层 50-51 3.5.1 决策方法及特点 50 3.5.2 决策层推理系统的实现 50-51 3.6 本章小结 51-53 第四章 基于模糊神经网络的智能火灾探测系统的实现 53-59 4.1 系统的实现 53-54 4.2 火灾探测系算法实现 54-55 4.3 混合编辑实现 55-57 4.4 系统测试验证与结果分析 57-58 4.5 本章小结 58-59 第五章 总结与展望 59-61 5.1 文章总结 59 5.2 对本文的展望 59-61 参考文献 61-63 致谢 63-65 研究成果及发表的学术论文 65-67 作者和导师简介 67-69 附录1 神经网络的训练样本集(部分) 69-71 附录2 人工神经网络训练程序 71-94 北京化工大学硕士研究生学位论文答辩委员会决议书 94-95
|
相似论文
- 压气机优化平台建立与跨音速压气机气动优化设计,TH45
- 惯导平台车载试验的仿真系统及辨识方法研究,TN966
- 基于遗传算法优化的BP网络对生物柴油制备工艺的优化,TE667
- 脂肪酶催化猪油合成Vc脂肪酸酯及其抗氧化活性的研究,TS202.3
- 兖州矿区植物波谱变异与重金属胁迫特征研究,X173
- 企业安全效益评价及发展对策研究,F272;F224.5
- 酮类化合物的3D-QSPR研究,O641
- 模糊预测函数控制改进算法的研究及应用,TP273
- 基于FMECA的可靠性软件开发,TP311.52
- 基于仿真技术的虚拟通信实验系统设计与实现,TP391.9
- DES_RSA混合加密以及传输实现,TP309.7
- 神经元MOS管在神经网络中的应用研究,TP183
- 基于神经网络盲均衡优化算法的研究,TN911.7
- 产品功能疲劳对客户资产的影响研究,F224
- 水电机组运行稳定性试验数据分析方法研究及应用,TV737
- 烟煤掺烧印尼煤的动力配煤模型研究,TK227.1
- 一种在深度结构中学习原型的分类方法,TP18
- 面向电力营销服务的客户身份自动识别系统设计,TP391.41
- 基于超声波的智能型热量表的研究,TH81
- 浆体管道输送系统的过程监控与故障诊断,F426.1
- 考虑光伏发电的短期负荷预测,TM715
中图分类: > 工业技术 > 自动化技术、计算机技术 > 自动化基础理论 > 人工智能理论 > 人工神经网络与计算
© 2012 www.xueweilunwen.com
|