GA优化BP神经网络在多参量火灾探测中的应用

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%。     

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。     

基于LSTM网络的船舶机舱火灾多特征融合探测

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。     

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。     

以单片专用电路QA840119为探测器核心的复合式感烟感温火灾探测报警系统

1.概述1.1　项目的来源、研制过程和作用复合式火灾探测报警系统是目前国内外火灾探测报警领域最受人瞩目的研究方向之一。现场实验及实际应用等的结果表明 ,采用多传感器 /多判据算法为代表的智能火灾探测报警系统 ,在性能上大大超过依靠单一传感器的系统 ,而且这种系统能响应很宽的火灾现象“谱”,如明火 /阴燃产生的可见 /不可见和黑色 /白色的烟和温度等 ;同时对吸烟、焊接、喷洒烟雾剂、气流、尘埃、湿气、电瞬变、电磁场辐射、静电放电等引起的虚假火灾现象又具有很强的抗干扰能力 ,大大降低了误报率 ,提高了可靠性 ,特别是对某些复杂…     

点型光电广谱感烟火灾探测器的研制

开发了红外光对典型烟雾颗粒0°～180°可变散射角感烟实验装置,以确定峰值波长为(900±100)nm红外光适宜和最佳的前向、后向散射感烟角.研制了一种实用新型光电感烟火灾探测器.通过试验研究4种试验火典型烟雾对此传感器的响应规律,确立了甄别黑烟或白烟的火灾探测报警算法处理技术.试验证明探测器对于可燃物阴燃或明火产生的不同粒径、不同颜色、不同温度的广谱烟雾达到了良好的均衡灵敏响应性能.     

受限空间火灾探测数据融合算法研究

为了实现对受限空间火灾发生情况多传感器自动探测信号处理，建立了基于CO 浓度、烟气颗粒浓度、红外视频图像等多传感器探测的火灾探测数据融合分析系统。在受限空间内搭建基于多传感器火灾探测的数据融合分析实验平台。根据火灾红外视频图像的燃烧区域面积及圆形度等特征参数介绍了红外图像识别算法。在三种火灾探测方式特征参数的基础上提出了固定门限功率谱检测算法，并完成数据融合。在分析比较火灾探测系统响应时间、报警准确率等系统性能评价方法的基础上，说明了采用多传感器探测信号进行数据融合并建立灾情判据的方法。实验结果表明：采用数据融合算法后探测系统误报率低于单一探测方式，报警时间略高于单一探测报警方式。该数据融合系统基本满足火灾自动探测报警系统的稳定可靠、低误报率等要求。     

变电站电缆沟火灾探测试验与数值仿真研究

摘 要：为探讨火灾探测器灵敏度对电缆沟火灾响应的影响程度,验证火灾监控系统的准确性,应用点式温度探测器、点式烟雾探测器、电缆式感温探测器和吸入式烟雾探测器4种火灾探测器,在标准变电站电缆沟防火分区内进行了全尺寸电缆火灾试验,测试不同灵敏度火灾探测器的火灾报警序列。根据电缆沟的实际尺寸,利用FDS搭建模拟明火和阴燃两种不同火灾场景,对不同灵敏度火灾探测器的温度场、有毒气体质量浓度和火灾报警顺序进行了分析和讨论。试验结果表明,在变电站电缆沟火探测中,电缆式感温探测器、吸入式烟雾探测器、点式感烟探测器火灾平均响应时间分别为41.2,111.4,331.8 s;吸入式感烟探测器的灵敏度对探测结果影响较大,其火灾报警响应时间比电缆型线性温度探测器约延迟50%。     

基于数据融合技术的无人值守变电站火灾探测算法研究

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。     

基于多数据融合的复合火灾探测系统设计

以烟雾、温度、CO气体作为火灾特征参量设计复合火灾探测器;利用Labview设计复合火灾探测系统监控客户端,实现对火灾的实时监控;以模糊神经网络算法代替简单的阈值法实现对火灾的判别。为验证系统的性能,进行不同方位火灾响应时间实验、抗干扰实验、分布式火灾探测实验。实验结果表明:火灾探测器平均响应时间为19.8 s,探测器与火源的水平距离比垂直距离对火灾响应时间的影响程度大;抗干扰实验中,火灾误报率为0.375%;由三路探测器组成的火灾探测系统能够实现单点和多点火灾探测。     

基于O-YOLOv3 的无人机森林火灾识别研究

为解决传统森林火灾检测误报率高、响应速度慢等问题,提出了以无人机作为探测平台,地面站作为火灾识别系统,实现森林火灾的自动探测、识别和定位。开发了六旋翼无人机平台,通过所搭载的红外摄像机和机载计算机获取森林火灾现场图像并实时传回地面。利用地面站对所接收到的火灾图像进行处理,实现对森林火场的在线监测。在森林火灾识别算法方面,提出了O_YOLOv3 算法,采用Darknet 框架进行网络训练,使用K_means 方法自动生成锚点,有效提高火灾识别精度与响应速度。将O_YOLOv3 算法与其他几种算法进行对比实验验证本文算法的有效性。实验结果表明：O_YOLOv3 火灾识别算法能够快速、精准识别森林火灾;所研制的基于O_YOLOv3 的无人机森林火灾探测系统能够用于实际森林火灾探测。     

舰船舱室吸气式火灾探测报警系统设计及试验验证

针对舰船舱室环境采用吸气式感烟探测器设计火灾探测报警系统,用于舰船电气阴燃火的早期探测,同时对于设计结果进行了实火试验,将响应时间与传统点型探测报警系统的响应性能进行比对,依此对火灾探测报警系统的响应时间能进行了分析,得出该火灾探测报警系统的有效性和适应性。并开展了保护部位数值模拟仿真计算。通过实火试验和仿真计算的比对分析,检验了仿真计算方法与理论的适用性,采用仿真计算对设计的合理性和有效性进行系统性能评估,预计系统中最不利点在既定火灾场景下的火灾探测报警响应时间。     

森林腐殖质阴燃向明火转变实验研究

以树木凋落物形成的腐殖质为实验材料,利用自主设置的实验装置进行阴燃实验,分析不同空气流速、阴燃传播方向、外界热交换条件、含水率和粒径尺寸对森林腐殖质阴燃向明火转变的影响。结果表明:森林腐殖质阴燃稳定后,空气流速越大,阴燃传播速率越大,转变为明火的时间越短;与正向阴燃相比,反向阴燃不易向明火转变,且风速越大越容易熄灭,反向阴燃具有更大的安全性;外界温度对阴燃向明火转变的影响较大,外界温度越高,阴燃越容易向明火转变;森林腐殖质含水率大于20%(包括20%)时,阴燃不能产生明火,且无法自维持传播,逐渐熄灭;粒径尺寸对森林腐殖质阴燃向明火转变的影响较小。     

基于红外图像的森林凋落物阴燃火灾探测

针对森林凋落物阴燃火灾识别问题,利用小波阈值去噪去除图像中大部分噪声杂波,再采用形态学开运算进行边界平滑,完成阴燃火灾红外图像的预处理,在此基础上采用最大类间方差法对红外图像进行分割,完成阴燃火灾目标的提取,提取探测目标的温度、形状参数变化率和面积变化率,作为BP神经网络的输入向量,输出为阴燃火概率。结果表明,该方法对阴燃火灾的识别率为96.6%。     

基于连续帧图像面积变化的火灾探测方法

针对传统视频火灾探测方法误报率高、适用性弱的缺点,基于火焰在连续帧图像上的面积变化规律,提出了一种新的火灾探测方法。首先利用RGB-HSI颜色模型筛选出单帧图像中的疑似火焰区域,再结合区域跟踪算法和面积极大值统计计算出疑似火焰区域的闪烁频率,从而实现火灾探测。酒精火和远距离强光背景下的火焰探测实验证明:该方法能够排除常见干扰源的影响,对于室内火灾探测具有一定的实用价值。     

多传感器融合的火灾识别算法研究

针对传统火灾探测存在反应滞后,误报率高等问题,提出一种基于多传感器融合的火灾识别算法。采用运动和颜色检测提取可见光图像的疑似火灾区域,同时采用阈值分割提取红外图像的疑似火灾区域。将两者疑似火灾区域分别进行特征提取,再根据所获特征进行基于 SVM 的融合火灾识别,通过传感器检测实时的温度与烟雾浓度,从而实现可靠和快速的火灾识别。实验结果表明,该火灾识别算法在可接受的时间范围内准确率高且鲁棒性强。     

用多层前馈神经网络对四种标准火信号进行识别

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。     

棉被阴燃火灾实验研究

针对烟头引燃棉被的火灾案例,实验测量烟头的表面温度及热辐射强度,得到烟头表面最高温度可达289℃,很容易引燃棉被等可燃物。通过无被套棉被的阴燃实验和有被套棉被的阴燃转明火实验发现,在没有被套的情况下,棉絮间空隙较大,无法积聚热量,只能阴燃而无明火;有被套情况下,产生的热量大部分被阻隔在棉被内部,散热速度较慢,提供了棉被阴燃转明火所需的热量。