共查询到18条相似文献,搜索用时 591 毫秒
1.
针对船舶机舱火灾高效准确探测的需求,建立基于LSTM-ID3 判决的船舶火灾探测方法。首先确定采集船舶火灾特征的三类传感器,然后完成 LSTM 神经网络模型的构建、参数的优化,将 LSTM 神经网络输出的明火、阴燃火、无火的概率值与烟雾持续时间作为决策树的输入量,输出火灾探测结果。利用国家标准火典型数据进行训练,并开展相关试验,对船舶机舱火灾进行探测。试验结果表明,与其他算法进行对比,探测准确率达到97%以上,该方案能对机舱火灾做出有效探测,为船舶安全提供科学依据。 相似文献
2.
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。 相似文献
3.
4.
针对BP 神经网络的随机权重和阈值稳定性不高的问题,运用遗传算法(GA)对BP 神经网络的初始权重和阈值进行优化,提出了一种基于GA 优化BP 神经网络的多参量数据融合方法以实现火灾探测,提高火灾探测准确率和模型泛化性能,并利用该模型对标准明火和阴燃火中的温度、烟雾浓度和CO 浓度进行数据融合实现火灾探测。研究显示,相较单纯BP 神经网络,经GA 优化的BP 神经网络火灾探测算法能够更快速精确地实现火灾探测,探测精度有显著改善,火灾识别准确率提高至98.84%。 相似文献
5.
火灾智能探测算法具有自学习和自适应功能,是当前火灾探测算法研究的热点,神经网络的方法是其中一种重要的方法,4地国标GB4715-93中规定的四种标准火实验中获得的多以数信号进行了分析,并构建了前馈神经网络对这四种标准火的信号进行识别。将网络改造后也可用于标准火的探测。 相似文献
6.
在煤矿的事故中,煤矿的自燃事故一直占着较大的比重.在煤矿自燃火灾中,为灭火工作造成较大困难的因素就火源的隐蔽.准确的探测燃烧中心和火区范围,成为了控制煤田火灾的关键所在.本文将对煤田自燃火灾为基础.探讨了煤田火灾的探测方法:并着重介绍了用物探方法对火区进行探测,其结果表明,该方法具有快速准确的探测出火区燃烧中心的优点,希望本文的研究能在煤田火灾的控制方面有所帮助. 相似文献
7.
8.
9.
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。 相似文献
10.
针对变电站传统火灾报警系统存在误报、漏报率高,无法根据站内不同区域重要性采取严格程度不同的火灾报警及消防措施问题,笔者提出一种基于数据融合技术的无人值守变电站火灾探测算法。在数据融合技术的特征层,采用BP神经网络对探测区域内温度、烟雾体积分数、CO体积分数3种特征参量进行数据融合,预测输出明燃火及阴燃火的概率;在决策层,通过模糊推理将特征层输出的火灾概率与火灾延续时间、火灾风险度和损害度3种附加信息进行数据融合,最终决策输出火灾报警等级。仿真测试结果表明:该算法能够快速准确识别出明燃火及阴燃火场景,并能根据不同探测区域的重要性差异给出合理报警决策,具有一定的灵活性和先进性。 相似文献
11.
针对BP神经网络在拟合过程中探测精度低、容易陷入局部最优的问题,提出一种基于遗传算法(GA)和模拟退火算法(SA)共同改进的BP神经网络模型,该网络模型可以有效提高火灾识别准确率,同时避免网络过拟合现象,使预测结果跳出局部最优从而达到全局最优。首先,通过GA改进隐藏层结构部分,然后通过SA改进连接权重部分,最后利用优化后的GA-SA-BP模型对火灾实验数据进行信息融合实现火灾探测。实验研究表明,对比单一BP神经网络,经GA和SA改进后的BP神经网络能够有效改善网络拟合能力,并提升火灾探测精度至98.91%。 相似文献
12.
13.
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。 相似文献
14.
15.
16.
17.
为提高串联故障电弧检测的可靠性,依据标准搭建串联故障电弧检测试验平台,设计数据实时采集装置采集了白炽灯、日光灯、空气压缩机、吹风机4种线性或者非线性负载在正常和故障情况下的电流数据共9 600组。提出利用一维卷积神经网络(1D-CNN)检测线路中电流信号对其分类,判断是否发生故障电弧。经测试该模型对各类负载的平均检测准确率达到100%,损失值在0.000 7以下。将模型导入嵌入式系统,准确度达到96.25%,证明设计的卷积神经网络架构可成功检测出串联故障电弧,降低火灾发生风险。 相似文献