基于BP神经网络的受限空间火灾联合探测方法

针对航空受限空间火灾探测高误报的问题,在现有技术成果基础上对多种火灾探测方式进行研讨,并提出1种基于BP神经网络技术的飞机机身内部受限空间火灾联合探测报警方法。该方法结合现有烟雾感应、气体传感器探测等常用火灾探测技术,以红外热成像探测为辅助手段,采用神经网络实现数据融合,对模拟实验舱火灾烟雾进行联合探测,在单一火灾探测方式基础上提高了探测准确率。     

火灾探测器研究

火灾探测是将火灾中出现的物理特征,利用探测器进行接受并将其变为易于处理的物理量,通过火灾探测算法判断火灾的有无.本文从火灾探测器的探测原理和火灾探测算法两个方面详细介绍了火灾探测器,为实际工程中火灾探测器的选择提供了指导和参考.     

基于光声原理的早期火灾探测系统的研究

基于光声原理的火灾探测是一种新型非接触式、直接测量火灾参数的早期火灾探测技术。本文基于光声原理设计了早期火灾探测系统,利用两个光声腔对早期火灾产生的烟颗粒和一氧化碳进行了复合测量．实现了对早期火灾有效地探测;并设计和试制了基于光声原理的早期火灾探测系统和相应报警算法。在实验燃烧室对其进行了测试,并根据实验结果得出了其实现早期火灾探测的关键参数。实验证明,基于光声原理的早期火灾探测系统能通过对烟颗粒和CO复合测量,达到实现火灾早期探测报警的目的。     

火灾探测算法评估技术研究

论述了火灾探测算法评估技术研究的重要性。提出一种火灾探测算法评估技术方法,在评估过程中主要考虑了火灾探测算法的三种重要属性,即火灾探测性能、环境适应性和抗误报能力。设计并实现了三种火灾探测算法评估模式和相应的实验流程,包括实体实验、接口模拟和软件模拟。为每一种模式设计了具体的实验方法,评估实例证明了所设计的模式和方法的有效性。     

基于神经网络的火灾探测系统

本文提出了一种基于神经网络的火灾探测方法,其对火灾的各种状态进行了识别,提高了早期发现火灾的能力,实验结果表明,该方法在火灾自动探测中是一种十分有效的方法。     

火灾探测技术研究的展望

简述了火灾探测的基本原理,综述了火灾探测技术的发展历史和研究现状,并从探测器研究和探测算法研究两方面综述了国内外火灾探测研究方面的最新进展,展望了火灾探测研究未来的发展趋势。     

浅谈大空间火灾探测技术

针对大空间火灾探测设计所面临的问题,分析了大空间火灾探测的难点,介绍了几种典型大空间火灾探测技术的工作原理和技术特点,并对其在大空间建筑中的选型、应用进行了探讨。结合建筑实例,分析了大空间火灾探测设计的思路。     

图像型火灾探测技术的应用

微电子技术和模式识别方法的发展,使得基于图像处理的火灾探测技术在火灾自动报警领域中得到运用,它解决了传统火灾探测技术在某些环境使用中存在的限制。本文介绍了图像型火灾探测技术的原理、优点,分析了当前采用的硬件实现方案的特点及发展趋势。     

基于Matlab的火灾探测报警系统可靠度Monte Carlo仿真

介绍了火灾探测报警系统的结构,指出了火灾探测报警系统失效原因,针对火灾探测报警系统的特点,确定了蒙特卡洛可靠度分析法.给出了系统的概率模型,确定了在Matlab下应用Monte Carlo方法对火灾探测报警系统的可靠度进行仿真的具体步骤,得到火灾探测报警系统可靠度仿真曲线.将仿真结果与试验结果相比较,基本一致,验证了该仿真方法能正确描述火灾探测报警系统的可靠度随使用寿命的变化规律,为进一步应用该方法来分析火灾探测报警系统的的各可靠性指标提供了理论基础.     

中国火灾探测技术的现状及其发展趋势

对我国火灾探测技术进行讨论。随着社会的进步,建筑物结构的复杂化程度越来越高。对于高可靠性、智能化、快速响应的新型火灾探测技术的研究是火灾探测领域的研究热点和发展趋势。     

基于灰色神经网络优化组合模型的火灾预测研究

为了提高火灾事故预测的精度,根据我国火灾事故数据样本较小,波动性较大的特点,将遗传算法优化的灰色无偏预测模型与遗传算法优化的BP神经网络模型结合起来,建立灰色神经网络优化组合模型,充分发挥无偏灰色预测模型适用于小样本的数据预测的优势与BP神经网络处理非线性问题的优点。分别采用遗传算法优化后的无偏灰色GM（1,1）模型、遗传算法优化的BP神经网络预测模型与灰色神经网络优化组合模型对我国1998-2008年的火灾事故进行拟合,并对2009-2011年的火灾事故发生数进行预测。结果表明:灰色神经网络优化组合模型的预测误差最小,精度最高,适用于火灾事故的预测。     

烟气湍流效应对火灾图像探测的影响

烟气是火灾过程的重要物理现象,烟气的湍流效应是火灾图像探测的重要影响因素,分析了烟气湍流反应对火灾图像探测的影响,得出了一些烟气湍流效应的图像特征,为多参数特征的火灾探测提供了理论依据。     

基于数字锁相技术的飞机货舱火灾烟雾光学参数方法研究*

为解决飞机货舱火灾光学探测易受环境杂光和空气中灰尘、水汽干扰,误报率高的问题,提出1种基于数字锁相的双波长火灾烟雾探测方法。利用数字锁相技术调制双波长光源,选择性地提取微弱光散射信号,并设计前、后双向散射光探测光路。采用常见火灾材料及干扰源进行真假火源实验,依据米氏散射理论及不同粒径气溶胶颗粒对不同波长光的散射效应差异,以不对称比（AR）和双波长光强比（DWIR）作为火灾检测参数对不同粒径颗粒进行区分,根据2种火灾检测参数建立数据样本,利用BP神经网络进行分析,并加入复合式传感器实验作为对比。研究结果表明:基于数字锁相技术的火灾烟雾光学探测方法能够在一定程度上区分火灾烟雾和干扰源,误报率小于3.5%。     

地铁火灾二次事故BP神经网络安全评价方法研究

基于能量转移理论、多米诺效应理论等相关理论对地铁火灾二次事故概念进行界定,并分析地铁火灾二次事故的演化机理,确定地铁火灾条件下易发的二次事故类型;建立了地铁火灾二次事故安全评价指标体系,通过BP神经网络的安全评价方法对地铁火灾二次事故进行量化分析。     

基于BP神经网络在森林防火专家系统不确定推理中的应用研究

提出将改进的BP神经网络应用于森林防火专家系统的不确定性推理中,其良好的自学习和泛化能力,可以解决基于可信度规则的知识表示在实际应用中导致的规则激增,推理速度缓慢的问题。该方法将不确定的知识用可信度区间表示,通过知识编码,设计并训练BP网络,最后用MATLAB进行仿真。实验结果表明:BP神经网络可以自动学习专家的典型经验,并且能将之准确的推广,隐含层神经元个数的确定和典型样本的选取决定了准确精度。在实际的专家系统不确定推理应用中具有应用价值。     

基于红外热成像的隧道火焰检测技术研究

精准的火焰检测是有效避免火灾发生的关键,针对传统的火灾探测算法在公路隧道等大空间环境中存在及时性与准确性相互制约的问题,通过研究隧道火焰初期在图像中呈现的静态和动态特征,提出了一种基于红外热成像的公路隧道火灾初期火焰检测方法。利用温度阈值获取疑似火焰区域,根据红外图像在引导滤波器作用下降噪,同时利用区域增长法分割疑似火焰区域;从疑似区域中提取的特征值构成特征向量,进行数据归一化提高SVM收敛速度;利用人工蜂群算法优化参数。结果表明：ABC-SVM能够实现公路隧道火灾初期的火焰识别,检测正确率相较于RBF方法提升了2.26%,运行时间缩短了2.29 ms;检测正确率相较于SVM方法提升了0.87%,运行时间缩短了2.22 ms。本方法可以对初期隧道火灾进行快速、有效检测,并有良好的环境适用性。     

基于PCA-BP神经网络的多股铜导线 熔痕定量金相识别方法研究

为实现火灾现场中多股铜导线熔痕的自动识别,采用主成分分析(PCA)和反向传播(BP)神经网络算法对四种多股铜导线熔痕(一次短路熔痕、二次短路熔痕、过负荷熔痕和火烧熔痕)的金相组织进行了识别研究。利用Image-Pro Plus 6.0和Axio-Imaging软件获取每种熔痕30组17维金相组织参数数据,采用PCA对四种熔痕共120组数据降维,获得前6个主成分得分矩阵,建立具有6个输入层节点,10个隐层节点和4个输出节点的神经网络模式识别模型。随机抽取每种熔痕的20组样品的主成分得分矩阵作为训练集,将每种熔痕的剩余10组主成分得分为测试数据,输入最终训练完成的模型进行识别,其识别准确率达到92.5%。实验结果表明采用PCA+BP神经网络的算法,可以较好地实现多股铜导线熔痕识别,为火灾物证鉴定工作提供了有力的工具。     

基于遗传算法的前馈神经网络火灾探测

分析了前馈神经网络火灾探测的基本原理;针对ＢＰ算法的缺陷,提出用遗传算法（ＧＡ）和ＢＰ相结合的一种方法,即：ＢＰ－ＧＡ算法;并把ＢＰ－ＧＡ算法用于火灾探测的模拟,结果表明：前馈神经网络是处理火灾信号的良好方法,ＢＰ－ＧＡ算法提高了网络的收剑性。     

基于灰色BP网络的火灾事故预测

将BP网络模型与灰色系统预测方法相结合,利用人工神经网络对GM(1,1)模型进行残差修正,建立了火灾事故预测模型.该模型兼具灰色系统与BP网络的优点,不但能体现火灾复杂的灰色系统行为,又能根据每次学习误差的不同调整学习速率,加快收敛速度.与单一的GM(1,1)模型相比,该模型预测结果具有更高的精度.