論文答辯-基于多源信息融合的智能火災(zāi)探測及報(bào)警系統(tǒng)研究

1、碩士學(xué)位論文答辯碩士學(xué)位論文答辯基于多源信息融合的智能火災(zāi)基于多源信息融合的智能火災(zāi)探測及報(bào)警探測及報(bào)警系統(tǒng)研究系統(tǒng)研究DETECTION1.論文出發(fā)點(diǎn)及研究內(nèi)容簡介論文出發(fā)點(diǎn)及研究內(nèi)容簡介2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究3.火災(zāi)特征提取算法研究火災(zāi)特征提取算法研究4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究5.系統(tǒng)模型系統(tǒng)模型建立（建立（模糊分類器、模糊分類器、報(bào)警分級體系）報(bào)警分級體系）6.仿真驗(yàn)證仿真驗(yàn)證試驗(yàn)分析試驗(yàn)分析7.論文結(jié)論論文結(jié)論碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION報(bào)報(bào)告告內(nèi)內(nèi)容容碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION1.1.論文出

2、發(fā)點(diǎn)及研究內(nèi)容簡介論文出發(fā)點(diǎn)及研究內(nèi)容簡介1.1 現(xiàn)階段現(xiàn)階段火災(zāi)探測及報(bào)警系統(tǒng)狀況火災(zāi)探測及報(bào)警系統(tǒng)狀況 多采用集中信息處理結(jié)構(gòu)，易導(dǎo)致系統(tǒng)整體癱瘓 多采用單一信號識別技術(shù)，易漏報(bào)、誤報(bào) 報(bào)警算法邏輯簡單，系統(tǒng)輸出只有火災(zāi)信號與非火災(zāi)信號總結(jié)：火災(zāi)的發(fā)展是一個(gè)復(fù)雜的過程，上述技術(shù)形式無法從根本上克服系統(tǒng)的準(zhǔn)確度和靈敏度要求的矛盾性，“基于多源信息融合的智能火災(zāi)探測及報(bào)警系統(tǒng)”在該基礎(chǔ)上提出。碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION1.1.論文出發(fā)點(diǎn)及研究內(nèi)容簡介論文出發(fā)點(diǎn)及研究內(nèi)容簡介1.2 主要主要完成了以下內(nèi)容的完成了以下內(nèi)容的研究研究： （1）闡述了現(xiàn)階段火災(zāi)探測及報(bào)警系統(tǒng)主

3、要采用的技術(shù)手段及存在的問題 （2）采用信息熵理論完成了火災(zāi)特征信號組合的選取 （3）采用原始數(shù)據(jù)動(dòng)態(tài)觀察窗法進(jìn)行火災(zāi)特征信息提取的研究 （4）完成了神經(jīng)網(wǎng)絡(luò)信息處理模型的建立 （5）建立了明火和陰燃火兩種火災(zāi)類型模糊分類器，并建立了相應(yīng)的模糊規(guī)則函數(shù)及模糊規(guī)則庫 （6）采用報(bào)警分級體制進(jìn)行火災(zāi)信息的分級報(bào)警處理，提出了一種多源信息融合的智能探測報(bào)警模型 （7）通過matlab仿真實(shí)驗(yàn)驗(yàn)證了該模型在火災(zāi)探測報(bào)警應(yīng)用中的優(yōu)越性碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION1.1.論文出發(fā)點(diǎn)及研究內(nèi)容簡介論文出發(fā)點(diǎn)及研究內(nèi)容簡介1.3 論論文文研研究究技技術(shù)術(shù)路路線線碩士學(xué)位論文答辯碩士學(xué)位論

4、文答辯DETECTION2.2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究2.1 多源信息融合多源信息融合智能火災(zāi)探測及報(bào)警智能火災(zāi)探測及報(bào)警系統(tǒng)火災(zāi)探測過程系統(tǒng)火災(zāi)探測過程碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION2.2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究2.2 NIST FR 4016系列實(shí)驗(yàn)簡介系列實(shí)驗(yàn)簡介建筑概況：單層建筑，建筑的建筑面積是84.7m2，由臥室、浴室、廚房、客廳和餐廳等組成碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION2.2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究2.2NIST FR 4016系列實(shí)驗(yàn)簡介系列實(shí)驗(yàn)簡介傳感器布置：主臥室中位于距頂棚20m

5、m和900mm高度處的熱電偶及煙霧探測器，CO、CO2、O2氣體探測器共7個(gè)研究參數(shù)碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION2.2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究2.3火災(zāi)探測特征組合的確定火災(zāi)探測特征組合的確定 很多學(xué)者對自己選擇的組合優(yōu)越性進(jìn)行了驗(yàn)證，缺乏展開其它特征組合的研究對比分析火火災(zāi)災(zāi)過過程程中中的的識識別別碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION2.2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION2.2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究2.3火災(zāi)探測特征組合的確定火災(zāi)探測特征組合的確定實(shí)驗(yàn)中各個(gè)探

6、測器響應(yīng)情況分析實(shí)驗(yàn)中各個(gè)探測器響應(yīng)情況分析編號探測器名稱報(bào)警閾值起止相應(yīng)時(shí)間響應(yīng)次數(shù)響應(yīng)概率T120mm處熱電偶333400s-3500s100.02857T2900mm出熱電偶29.23450s-3500s50.01428S120mm處煙霧減光量1m3440s-3500s60.01714S2900mm出煙霧減光量3m3470s-3500s30.00857COCO0.006%1100s-1400s3450s-3500s350.1CO2CO20.753390s-3500s110.03142O2O220.883290s-3500s210.06編號探測器名稱報(bào)警閾值起止相應(yīng)時(shí)間響應(yīng)次數(shù)響應(yīng)概率T1

7、20mm處熱電偶70110s-200s180.45T2900mm出熱電偶70140s-200s120.3S120mm處煙霧減光量1m65s-85s145s-200s160.4S2900mm出煙霧減光量0.24m145s-200s110.275COCO0.02%50s-200s300.75CO2CO21.26125s-200s150.375O2O220.6115s-200s170.405實(shí)驗(yàn)實(shí)驗(yàn)4實(shí)驗(yàn)實(shí)驗(yàn)5報(bào)警閾值為固定或者幅值變化的報(bào)警閾值為固定或者幅值變化的20%的參考值（非重點(diǎn)研究，取值有點(diǎn)主觀）的參考值（非重點(diǎn)研究，取值有點(diǎn)主觀）碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION2.2.

8、火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究2.3火災(zāi)探測特征組合的確定火災(zāi)探測特征組合的確定兩種信號同時(shí)響應(yīng)情況兩種信號同時(shí)響應(yīng)情況共同探測火災(zāi)概率T1T2S1S2COT10.0285710.014280.017140.008570.01428T20.014280.014280.014280.008570.01428S10.017140.014280.017140.008570.01428S20.008570.008570.008570.008570.00857CO0.014280.014280.014280.008570.1共同探測火災(zāi)概率T1T2S1S2COT10.450.30.2750.2

9、750.75T20.30.30.2750.2750.3S10.2750.2750.40.2750.275S20.2750.2750.2750.2750.275CO0.750.30.2750.2750.75實(shí)驗(yàn)實(shí)驗(yàn)4實(shí)驗(yàn)實(shí)驗(yàn)5碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION2.2.火災(zāi)特征火災(zāi)特征組合確定研究組合確定研究2.3火災(zāi)探測特征組合的確定火災(zāi)探測特征組合的確定3種特征組合4種特征組合組合得分排名組合得分排名（T1，T2，S1）0.049589（T1，T2，S1，S2）0.037475（T1，T2，S2）0.057128（T1，T2，S1，CO）0.192124（T1，T2，CO）0.

10、370515（T1，T2，S2，CO）0.236051（T1，S1，S2）0.057777（T1，S1，S2，CO）0.234832（T1，S1，CO）0.386733（T2，S1，S2，CO）0.194413（T1，S2，CO）0.531441（T2，S1，S2）0.0316310（T2，S1，CO）0.304836（T2，S2，CO）0.408692（S1，S2，CO）0.3777743種特征組合4種特征組合組合得分排名組合得分排名（T1，T2，S1）1.251817（T1，T2，S1，S2）0.755655（T1，T2，S2）0.825749（T1，T2，S1，CO）1.198951（T

11、1，T2，CO）1.90155（T1，T2，S2，CO）1.148013（T1，S1，S2）1.216468（T1，S1，S2，CO）1.163642（T1，S1，CO）4.078021（T2，S1，S2，CO）1.074884（T1，S2，CO）1.991834（T2，S1，S2）0.7616710（T2，S1，CO）2.928242（T2，S2，CO）1.601696（S1，S2，CO）2.726173由于冗余性導(dǎo)致選用T1和T2或者S1和S2組合時(shí)得分較低應(yīng)選用能夠識別火災(zāi)特征差異較大的探測器組合采用CO濃度、溫度、煙霧濃度組合進(jìn)行火災(zāi)識別是較好的火災(zāi)信號特征組合實(shí)驗(yàn)實(shí)驗(yàn)4實(shí)驗(yàn)實(shí)驗(yàn)5兩種

12、信號容易產(chǎn)生沖突兩種信號容易產(chǎn)生沖突，研究研究了了3種以上組合種以上組合碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION3.3.火災(zāi)特征提取算法研究火災(zāi)特征提取算法研究由于燃燒過程的不穩(wěn)定性，導(dǎo)致信號波動(dòng)性較大，采用RAW Data 觀察窗法對多特征數(shù)據(jù)進(jìn)行提取特特征征提提取取窗長窗長 步長步長碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION3.3.火災(zāi)特征提取算法火災(zāi)特征提取算法研究研究碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION3.3.火災(zāi)特征提取算法火災(zāi)特征提取算法研究研究實(shí)驗(yàn)工況設(shè)定：實(shí)驗(yàn)工況設(shè)定：選用訓(xùn)練窗長為5s，10s，15s，20s，步長為5s，10s，15s，20s

13、，25s，30s，35s，40s研究的窗長步長主要為訓(xùn)練樣本的觀察窗和步長，測試時(shí)統(tǒng)一采用5s步長及5s窗長網(wǎng)絡(luò)模型網(wǎng)絡(luò)模型：BP碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION3.3.火災(zāi)特征提取算法研究火災(zāi)特征提取算法研究觀察窗觀察窗訓(xùn)練步長訓(xùn)練步長影響影響分析分析 在較小窗長下，響應(yīng)時(shí)間和錯(cuò)報(bào)率均隨著步長增加變大，且整體波動(dòng)較大 在較大窗長下，響應(yīng)時(shí)間和錯(cuò)報(bào)率均隨著步長增加略有增加，且整體波動(dòng)較小 建議選用20s以下的步長響應(yīng)時(shí)間曲線響應(yīng)時(shí)間曲線錯(cuò)報(bào)率曲線錯(cuò)報(bào)率曲線碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION3.3.火災(zāi)特征提取算法研究火災(zāi)特征提取算法研究觀察窗訓(xùn)練窗長影響分析觀

14、察窗訓(xùn)練窗長影響分析 響應(yīng)時(shí)間和錯(cuò)報(bào)率均隨著窗長增加變小 特殊說明：5s窗長，10s步長響應(yīng)時(shí)間小于160s，說明該點(diǎn)為非火災(zāi)信號產(chǎn)生了干擾 建議選用15s以上的窗長響應(yīng)時(shí)間曲線響應(yīng)時(shí)間曲線錯(cuò)報(bào)率曲線錯(cuò)報(bào)率曲線碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION3.3.火災(zāi)特征提取算法研究火災(zāi)特征提取算法研究小結(jié)：小結(jié)：步長研究：步長越短，探測性能越好，但是過短的步長會(huì)增加訓(xùn)練對于硬件資源的要求，5s較10s各參數(shù)變化較小，所以建議采用10s步長，且采用3種特征分類器時(shí)，對訓(xùn)練數(shù)據(jù)的提取步長不應(yīng)超過20s。窗長研究：窗長越長，探測性能越好，窗長過長會(huì)導(dǎo)致部分突變火災(zāi)信號無法捕捉，10s步長情況下

15、，15s窗長和20s窗長新能一樣，建議采用15s窗長，且采用3種特征分類器時(shí)，對訓(xùn)練數(shù)據(jù)的提取窗長不應(yīng)低于15s。建議：建議：10s步長及15s窗長對多特征數(shù)據(jù)進(jìn)行選取碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究算法流程簡介算法流程簡介Matlab網(wǎng)絡(luò)網(wǎng)絡(luò)仿真仿真流程圖流程圖BP輸入、目標(biāo)輸入、目標(biāo)碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究BP網(wǎng)絡(luò)LVQ網(wǎng)絡(luò)RBF網(wǎng)絡(luò)CPN網(wǎng)絡(luò)網(wǎng)絡(luò)輸出結(jié)果對比網(wǎng)絡(luò)輸出結(jié)果對比碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)

16、數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究BP網(wǎng)絡(luò)輸出不穩(wěn)定網(wǎng)絡(luò)輸出不穩(wěn)定碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究BP網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)影響網(wǎng)絡(luò)結(jié)構(gòu)影響隱含層（lm）探測仿真序號探測點(diǎn)s誤報(bào)率%隱含層（lm）探測仿真序號探測點(diǎn)s誤報(bào)率%411605.566111651.39216001217013.8931651.397131651.3941600141651.39551456.9415160061600161651.3971651.39817160081600181651.39691702.78191651.39101

17、651.39201600隱含層神經(jīng)元隱含層神經(jīng)元個(gè)數(shù)個(gè)數(shù)影響影響當(dāng)隱含層神經(jīng)元個(gè)數(shù)為7時(shí)，不會(huì)再出現(xiàn)較大誤報(bào)，因此建議單隱含層神經(jīng)元個(gè)數(shù)為7碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究BP網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)結(jié)構(gòu)影響網(wǎng)絡(luò)結(jié)構(gòu)影響隱含層層數(shù)探測仿真序號探測點(diǎn)s誤報(bào)率%隱含層層數(shù)探測仿真序號探測點(diǎn)s誤報(bào)率%111651.39271702.7821651.398160031600391451.3941651.39101651.39251600111704.1761754.17121601.39隱含層層隱含層層數(shù)數(shù)影響影響增加隱含層層數(shù)對數(shù)

18、據(jù)結(jié)果影響不是很大，這說明火災(zāi)中這三種特征組合規(guī)律還較明顯，采用一層隱含層網(wǎng)絡(luò)即可滿足火災(zāi)探測的需求碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究BP網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)改進(jìn)訓(xùn)練函數(shù)訓(xùn)練函數(shù)影響影響訓(xùn)練函數(shù)探測仿真序號網(wǎng)絡(luò)訓(xùn)練時(shí)間s探測點(diǎn)s誤報(bào)率%trainbr151600261600361600461600trainlm501651.39601651.39701600801651.39trainc968（epochs完成）16001068（epochs完成）16001168（epochs完成）16001268（epochs完成）1600tr

19、ainbfg13116001401651.391501754.171601702.78traingdx17216001811702.781911651.392011651.39traingda211160022216002311651.392411651.39當(dāng)選用trainbr網(wǎng)絡(luò)時(shí)，網(wǎng)絡(luò)穩(wěn)定，且訓(xùn)練時(shí)間較短，推薦在進(jìn)行火災(zāi)探測BP分類器仿真實(shí)驗(yàn)時(shí)作為訓(xùn)練函數(shù)使用碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究BP網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)改進(jìn)傳遞函數(shù)影響傳遞函數(shù)影響碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究

20、系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究BP網(wǎng)絡(luò)改進(jìn)網(wǎng)絡(luò)改進(jìn)傳遞函數(shù)影響傳遞函數(shù)影響測試結(jié)果中可以看出，隱含層到輸出層選用測試結(jié)果中可以看出，隱含層到輸出層選用tansig傳遞函數(shù)傳遞函數(shù)訓(xùn)練結(jié)果最為理想訓(xùn)練結(jié)果最為理想碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION4.4.系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究系統(tǒng)數(shù)據(jù)處理網(wǎng)絡(luò)算法研究最終網(wǎng)絡(luò)模型最終網(wǎng)絡(luò)模型碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION5.5.系統(tǒng)模型系統(tǒng)模型建立（模糊規(guī)則庫、報(bào)警分級體系）建立（模糊規(guī)則庫、報(bào)警分級體系）最終物理模型最終物理模型碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION5.5.系統(tǒng)模型系統(tǒng)模型建立（模糊規(guī)則庫、報(bào)警分級體系

21、）建立（模糊規(guī)則庫、報(bào)警分級體系）系統(tǒng)流程系統(tǒng)流程碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION5.5.系統(tǒng)模型系統(tǒng)模型建立（模糊規(guī)則庫、報(bào)警分級體系）建立（模糊規(guī)則庫、報(bào)警分級體系）模糊分類器模糊分類器輸入數(shù)據(jù)模糊化劃分輸入數(shù)據(jù)模糊化劃分在選擇隸屬度函數(shù)時(shí)，隸屬度在選擇隸屬度函數(shù)時(shí)，隸屬度函數(shù)函數(shù)取值范圍取值范圍比其形狀更為重比其形狀更為重要要三角函數(shù)錄屬函數(shù)和梯形錄屬函數(shù)碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION5.5.系統(tǒng)模型系統(tǒng)模型建立（模糊規(guī)則庫、報(bào)警分級體系）建立（模糊規(guī)則庫、報(bào)警分級體系）分類器規(guī)則庫（分類器規(guī)則庫（3*3*3=27）碩士學(xué)位論文答辯碩士學(xué)位論文答辯D

22、ETECTION5.5.系統(tǒng)模型系統(tǒng)模型建立（模糊規(guī)則庫、報(bào)警分級體系）建立（模糊規(guī)則庫、報(bào)警分級體系）決策分類器決策分類器火災(zāi)持續(xù)時(shí)間模糊化規(guī)則火災(zāi)持續(xù)時(shí)間模糊化規(guī)則決策器決策器碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION5.5.系統(tǒng)模型系統(tǒng)模型建立（模糊規(guī)則庫、報(bào)警分級體系）建立（模糊規(guī)則庫、報(bào)警分級體系）決策器規(guī)則庫（決策器規(guī)則庫（3*3*3=27）碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION5.5.系統(tǒng)模型系統(tǒng)模型建立（模糊規(guī)則庫、報(bào)警分級體系）建立（模糊規(guī)則庫、報(bào)警分級體系）報(bào)警分級體系報(bào)警分級體系無火情：表示一切正常。一般警戒：表示有異常狀況，不發(fā)出警戒信號，派值班人去

23、現(xiàn)場確認(rèn)即可。嚴(yán)重警戒：表示有異常，火災(zāi)探測器發(fā)出警戒信號，提示響應(yīng)區(qū)域人員提高警惕，派值班人去現(xiàn)場確認(rèn)，但不啟動(dòng)消防設(shè)施。一般報(bào)警：表示有火情出現(xiàn)，但還處于火災(zāi)初始階段，只啟動(dòng)著火區(qū)域內(nèi)消防設(shè)施，對于非火災(zāi)區(qū)域消防設(shè)施不啟動(dòng)。備注：在有人員場所，要及時(shí)疏散相關(guān)區(qū)域的人員。嚴(yán)重報(bào)警：表示火情出現(xiàn)且發(fā)展到嚴(yán)重程度，此類火災(zāi)可能會(huì)對生命及財(cái)產(chǎn)造成嚴(yán)重危害，應(yīng)立即啟動(dòng)相關(guān)區(qū)域甚至整個(gè)保護(hù)對象內(nèi)的消防設(shè)施，并及時(shí)疏散人群。碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION6.6.仿真驗(yàn)證試驗(yàn)仿真驗(yàn)證試驗(yàn)研究研究樣本選擇樣本選擇訓(xùn)練樣本：選用中國標(biāo)準(zhǔn)陰燃火SH1、標(biāo)準(zhǔn)明火SH4和Jackson和Robi

24、ns實(shí)驗(yàn)測得的歐洲六種標(biāo)準(zhǔn)火及廚房、水蒸氣干擾信號作為網(wǎng)絡(luò)訓(xùn)練數(shù)據(jù)樣本，建立神經(jīng)網(wǎng)絡(luò)測試樣本數(shù)據(jù)庫。測試樣本：NIST實(shí)驗(yàn)數(shù)據(jù) FR4016中test4、test5作為本次仿真實(shí)驗(yàn)的測試樣本。其中實(shí)驗(yàn)4為在臥室陰燃床墊，實(shí)驗(yàn)5為明火燃燒床墊。碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION6.6.仿真驗(yàn)證試驗(yàn)仿真驗(yàn)證試驗(yàn)研究研究實(shí)驗(yàn)實(shí)驗(yàn)4測試結(jié)果測試結(jié)果 從實(shí)驗(yàn)結(jié)果可以看出在3320s時(shí)發(fā)生了明火燃燒，隨后明火熄滅，床墊陰燃產(chǎn)生大量的煙霧 火災(zāi)探測結(jié)果為3320s時(shí)判斷有明火火情發(fā)生，隨后火情消失，在3470s時(shí)有陰燃火發(fā)生， 可見該探測報(bào)警模型可以很真實(shí)的分析火場火情變化，相比于傳統(tǒng)單信號

25、探測器具有優(yōu)勢碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION6.6.仿真驗(yàn)證試驗(yàn)仿真驗(yàn)證試驗(yàn)研究研究實(shí)驗(yàn)實(shí)驗(yàn)4測試結(jié)果測試結(jié)果時(shí)間神經(jīng)網(wǎng)絡(luò)分類器輸出模糊規(guī)則分類器輸出決策器輸出判斷結(jié)果顯示類型概率類別概率3300明火0.0676620.504NOfire0.834無火情3305陰燃0.1755710.463NOfire0.821無火情3310陰燃0.2039820.529NOfire0.816無火情3315陰燃0.1378810.556NOfire0.826無火情3320明火0.86450.831Fire0.822嚴(yán)重明火火警3325明火0.8582660.828Fire0.821嚴(yán)重明火

26、火警3330明火0.7126260.824Fire0.815嚴(yán)重明火火警3335明火0.7679240.819Fire0.811嚴(yán)重明火火警3340明火0.8788370.817Fire0.82嚴(yán)重明火火警3345明火0.454510.816Fire0.726嚴(yán)重明火火警3350陰燃0.222180.5NOfire0.813無火情3355陰燃0.233120.5NOfire0.811無火情3360陰燃0.2695070.495NOfire0.812無火情3365陰燃0.1796590.446NOfire0.82無火情3370陰燃0.1935350.451NOfire0.818無火情3375陰燃

27、0.1321450.436NOfire0.827無火情3380陰燃0.2439080.467NOfire0.809無火情3385陰燃0.2624720.477NOfire0.81無火情3390陰燃0.2606950.49NOfire0.81無火情3395陰燃0.2274740.458NOfire0.812無火情3400陰燃0.1959680.45NOfire0.818無火情3405陰燃0.2419220.465NOfire0.81無火情3410陰燃0.2666710.475NOfire0.811無火情3415陰燃0.2373860.499NOfire0.81無火情3420明火0.7420580

28、.81Warning0.58嚴(yán)重明火警戒3425明火0.714820.809Warning0.589嚴(yán)重明火警戒3430陰燃0.2123930.539NOfire0.815無火情3435陰燃0.2440160.51NOfire0.809無火情3440陰燃0.1663750.5NOfire0.822無火情3445陰燃0.2033520.519NOfire0.816無火情3450陰燃0.1704530.551NOfire0.822無火情3455陰燃0.2034620.613NOfire0.816無火情3460陰燃0.1757210.516NOfire0.821無火情3465陰燃0.2091780.

29、499NOfire0.815無火情3470陰燃0.6835420.806Fire0.818嚴(yán)重陰燃火警3475陰燃0.7957890.821Fire0.816嚴(yán)重陰燃火警3480陰燃0.666280.822Fire0.82嚴(yán)重陰燃火警3485陰燃0.8245710.822Fire0.82嚴(yán)重陰燃火警3490陰燃0.7202080.822Fire0.814嚴(yán)重陰燃火警3495陰燃0.4276680.688Fire0.633嚴(yán)重陰燃火警3500陰燃0.0922850.502NOfire0.831無火情碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION6.6.仿真驗(yàn)證試驗(yàn)仿真驗(yàn)證試驗(yàn)研究研究實(shí)驗(yàn)實(shí)驗(yàn)

30、5測試結(jié)果測試結(jié)果 從實(shí)驗(yàn)數(shù)據(jù)可以看出在160s左右時(shí)發(fā)生了明火燃燒，然而由于床墊燃燒產(chǎn)生了大量的煙霧。火災(zāi)探測結(jié)果為165s時(shí)判斷為明火火情發(fā)生，明火火情持續(xù)一段時(shí)間判斷為陰燃火警 判定為陰燃火情這是由于床墊即使在明火點(diǎn)燃后，還會(huì)產(chǎn)生大量的煙霧，與訓(xùn)練樣本數(shù)據(jù)明火參數(shù)（訓(xùn)練樣本明火數(shù)據(jù)為點(diǎn)燃正庚烷、木材等，產(chǎn)煙量甚?。┎町愝^大導(dǎo)致 該探測報(bào)警模型相比于傳統(tǒng)單信號探測器具有優(yōu)勢，可以很詳細(xì)反映火場情況碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION6.6.仿真驗(yàn)證試驗(yàn)仿真驗(yàn)證試驗(yàn)研究研究實(shí)驗(yàn)實(shí)驗(yàn)5測試結(jié)果測試結(jié)果時(shí)間神經(jīng)網(wǎng)絡(luò)分類器輸出模糊規(guī)則分類器輸出決策器輸出判斷結(jié)果顯示類型概率類別概率1

31、30明火0.1748210.504NOfire0.821無火情135明火0.1256570.502NOfire0.828無火情140明火0.1198280.511NOfire0.828無火情145明火0.1171920.525NOfire0.829無火情150明火0.1185460.531NOfire0.829無火情155明火0.1061940.543NOfire0.83無火情160明火0.1266730.587NOfire0.828無火情165明火0.1412610.627Fire0.517嚴(yán)重明火火警170明火0.3048520.702Fire0.553嚴(yán)重明火火警175明火0.86152

32、0.818Fire0.82嚴(yán)重明火火警180明火0.5581250.823Fire0.821嚴(yán)重明火火警185明火0.3021430.808Fire0.594嚴(yán)重明火火警190陰燃0.7991430.609Fire0.817嚴(yán)重陰燃火警195陰燃0.8093380.721Fire0.813嚴(yán)重陰燃火警200陰燃0.8050250.809Fire0.818嚴(yán)重陰燃火警碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION7.7.論文論文結(jié)論結(jié)論論文創(chuàng)新點(diǎn)論文創(chuàng)新點(diǎn) 采用多源信息融合技術(shù)進(jìn)行火災(zāi)信號識別，可以有效解決單一信號源探測器無法解決靈敏度及準(zhǔn)確率的矛盾問題 通過信息熵理論提出了采用溫度、煙霧濃

33、度、CO濃度作為火災(zāi)探測特征，研究還發(fā)現(xiàn)可能存在幾種信號之間的冗余性較大導(dǎo)致這幾種信號組合效果并不好，在進(jìn)行探測器組合時(shí)，應(yīng)選用能夠識別火災(zāi)特征差異較大的探測器組合 通過Raw Data方法，尋找了大量實(shí)驗(yàn)數(shù)據(jù)的處理方法，為后續(xù)信息融合火災(zāi)探測技術(shù)提供了參考，建議選用10s步長，15s窗長進(jìn)行火災(zāi)信號的特征提取碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION7.7.論文論文結(jié)論結(jié)論論文創(chuàng)新點(diǎn)論文創(chuàng)新點(diǎn) 通過一系列神經(jīng)網(wǎng)絡(luò)模型創(chuàng)建和仿真實(shí)驗(yàn)，得到BP神經(jīng)網(wǎng)絡(luò)適合火災(zāi)信號特征分類，通過對BP網(wǎng)絡(luò)的訓(xùn)練函數(shù)、傳遞函數(shù)及結(jié)構(gòu)研究，得到了基于tansig傳遞函數(shù)的Bayes訓(xùn)練模型，將該模型用于火災(zāi)特

34、征分類具有很好的效果 采用模糊規(guī)則分類器，能夠克服神經(jīng)網(wǎng)絡(luò)過分對先天數(shù)據(jù)的要求，提出了一種組合型火災(zāi)探測模型，采用報(bào)警分級體制，實(shí)現(xiàn)了多級報(bào)警，使監(jiān)控室更好的掌握火災(zāi)信息碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION7.7.論文論文結(jié)論結(jié)論論文不足論文不足 訓(xùn)練樣本數(shù)據(jù)庫有待充裕補(bǔ)充。應(yīng)加強(qiáng)真實(shí)火場參數(shù)搜集，為該研究提供更真實(shí)可靠數(shù)據(jù) 在陰燃火與明火判定時(shí)采用的度量標(biāo)準(zhǔn)有待研究，由于缺乏相關(guān)規(guī)范要求，本文根據(jù)經(jīng)驗(yàn)選擇了固定閾值及變化20%為參考值，缺乏說服力 在進(jìn)行網(wǎng)絡(luò)輸入時(shí)，由于信號單位不統(tǒng)一，沒有可對比性，需將相關(guān)數(shù)據(jù)歸一化，由于沒有相關(guān)規(guī)定的參考本文中采用的歸一化方法過于簡單，特別是陰燃火與明火之間參數(shù)差異性較大，兩者之間合用時(shí)歸一化的方式特別欠缺碩士學(xué)位論文答辯碩士學(xué)位論文答辯DETECTION