《模糊推理技术和神经网络在火灾检测系统中的应用》由会员分享，可在线阅读，更多相关《模糊推理技术和神经网络在火灾检测系统中的应用（20页珍藏版）》请在金锄头文库上搜索。
1、-范文最新推荐- 模糊推理技术和神经网络在火灾检测系统中的应用 摘要：随着我国经济实力的增强，人民生活水准的提高，人们对生活安全指数也有了更高的标准，但是随着生活节奏的加快，火灾成为了人们日常生活中的最大威胁，近几年的几次大型火灾事故也说明了火灾对我们所造成破坏的严重性。所以这就对我们火灾检测系统提出了更高的要求。但是，过去的火灾检测系统都是基于单一特征参数判断火灾发生的，容易受到环境噪音的干扰，产生误报警和漏报警，无法满足当前人们对于火灾检测系统的需求。12257本着重研究了基于神经网络和模糊推理技术和火灾检测系统，针对传统火灾检测技术不能有效满足当今火灾报警需求的缺陷，改进原有的火灾检测算
2、法，提出了一套基于神经网络和模糊推理技术的智能融合火灾检测算法，分别以环境温度、烟雾浓度以及CO浓度作为系统的输入，并采用BP神经网络和RBF神经网络对样本数据进行仿真模拟，得到明火、阴燃火和无火的发生概率，然后本文通过两种神经网络的对比得出结论；最后使用模糊推理技术来处理特征层数据，通过模糊推理系统来得到最终的火灾发生概率。整体系统采用MATLAB平台进行仿真模拟，最终实现人机交互，直观实用；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。本系统具有较高的准确性和可靠性，但同时也需要在建立精确的火灾样本和收集分析其他火灾传感信号等方面进一步完善。关键词：火灾检测；模糊推理；神经网
3、络；决策层Applications of Fuzzy Reasoning Techniques and Neural Network in the Fire Detection SystemAbstract: As China's economic strength and people's living standards improve, people have higher standards of life safety index, but with the accelerated pace of life, fire has become the greatest
4、threat to people's daily lives in recent years, several large-scale fire accidents also illustrates the seriousness of the damage caused by fire for us. So this is a higher demand for our fire detection systems. However, fire detection systems are based on a single characteristic parameter to ju
5、dge fire, susceptible to the interference of ambient noise, resulting in false alarms and leakage alarm, unable to meet the current demand for the fire detection system. 1.3国内外的研究现状和水平21.4本文的基本内容42火灾检测技术的基本原理52.1火灾产生的机理52.2火灾特征信号的选择62.3信息层数据融合以及预处理72.3.1火灾检测器72.3.2传感器信息的预处理82.4本章小结93火灾检测的数据融合系统103.1
6、火灾检测数据融合系统的结构103.2火灾检测系统的特征层实现113.2.1BP神经网络的基本结构以及原理123.2.2BP神经网络的建立及执行153.2.3RBF神经网络的基本结构以及原理193.2.4RBF神经网络的建立及执行213.3火灾检测系统的决策层实现223.3.1模糊推理技术基本原理233.3.2模糊推理技术实现步骤243.4本章小结264火灾检测系统整体设计274.1总体设计274.2火灾检测系统特征层仿真模拟284.2.1BP神经网络的仿真模拟284.2.2RBF神经网络的仿真模拟33 1.2火灾检测技术概述及发展趋势火灾检测技术作为一门多专业、多学科的综合应用科学已发展成为人
7、类同火灾斗争的重要手段。火灾自动检测系统经历了从无到有、从低级到高级的发展过程。特别是最近二十年，火灾检测技术飞速发展，并且产品已经相当成熟。这些火灾报警产品的使用能够有效地减小和预防火灾造成的损失。大部分国家都制定了相关的法律以保证建筑物中安装了火灾报警设备。火灾报警检测器从模拟量模式、开关量模式发展到了如今的分布式智能火灾探测器，同时，传感器也从单探测源发展到了的二复合、三复合探测源。如今的社会，经济和科学技术正以前所未有的速度迅猛发展，计算机、机械自动化控制、电子电讯也同样发展迅速。现在的火灾检测设备也正向着智能化、程序化化、网络化和综合化的方向发展着。今后的火灾检测系统发展方向如下：(
8、1)无论从当前的市场竞争，还是从产品的发展动向来看，智能总线火灾检测系统必将成为产品技术发展的必然趋势。其优越性在于它可以将传感器上获得的环境变量信息同已储存在火灾检测系统中的误报模拟参数、真实火灾参数和不同情况下的干扰参数进行对比，最后利用模糊规则判断火灾的发生与否。火灾检测与报警的“智能”实际上是在检测器制造和检测方法上实现创新。诸如无阈值检测器在报警器中用软件设置阈值，采用数字与模拟混合通讯方式，传送给报警器一个代表环境变化的连续模拟量，它这既和传统型检测器有很大的区别而且在检测器制造上有所创新，又为报警器利用绝对值法、上升速率法甚至用模型法进行对比，为判断和识别
9、火灾真伪创造了条件，同时也为系统对自然环境温度和灰尘污染等非火灾因素的影响进行自动补偿提供了技术基础。因此智能火灾报警系统是产品技术发展的必然趋势。 本文的研究工作主要有以下几个方面：(1) 对国内外众多火灾检测系统进行了一定程度的调研和总结，同时结合本文的实际应用特点，确定了以神经网络系统为主，模糊推理为辅的智能火灾检测系统。(2) 对火灾特征数据进行分析比较，最终采用了温度、烟雾浓度和CO气体浓度作为火灾信号的主要特征进行分析。(3) 由于国内外火灾数据样本难以收集完全，统计数据极其有限，在这种小数据训练模型，样本覆盖面不足的特点，本文采用了两种比较常见的神经网络系统进行训练测试比较，分别
10、是BP神经网络和RBF神经网络。(4) 对火灾特征进行了一定的研究，提出了一种全新的火灾判据，结合神经网络自学习能力和模糊推理的专家数据库和经验数据库，极大的提供了火灾综合判断的准确性。2火灾检测技术的基本原理火灾检测是一种特殊类型的信号，它可以根据检测物质燃烧过程中产生的各种物理现象，例如燃烧气体、烟雾、热、湿、火焰等特征参数为依据进行判定。在火灾发生时，由于不同的燃烧物质、不同的燃烧环境以及不同的干扰因素会产生多种多样的物理现象，因此，探测器所采集到的火灾特征参数也会大不相同。所以，火灾检测模型是一类非线性的动态模型，无法用经典的数学建模方法来解决。2.1火灾产生的机理火灾是由燃烧引起的，
11、但是并非所有的燃烧都产生火灾，只有失控的燃烧才会形成火灾，也就是人们通常所说的“失火”。火灾发生的基本要素是可燃物、助燃物和起火源。可燃物可以以气态、液态和固态三种形态存在，空气中的氧气通常作为助燃剂。根据可燃气体与空气混合方式不同有两种燃烧方式，如果在燃烧前，可燃气体就与空气均匀混合称预混燃烧，如果可燃气体和空气分别进入燃烧区边混合边燃烧称为扩散燃烧。液体和固体是凝聚态物质，难与空气均匀混合，它们燃烧的基本过程是当外部提供一定的能量时，液体或固体先蒸发成蒸汽或分解析出可燃气体(如CO、H2等)、较大的分子团、灰烬和未燃烧的直径一般在0.0lum左右的颗粒悬浮在空气中，
12、这些悬浮物统称为气溶胶。几乎在产生气溶胶的同时，产生粒子直径为0.0110um的液体或固体微粒，称为烟雾。气相形式的可燃物与空气混合，在较强火源作用下产生预混燃烧。着火后，燃烧火焰产生的热量使液体或固体的表面继续释放出可燃气体，并形成扩散燃烧。气溶胶、烟雾、火焰和热量都称为火灾参量，通过对这些参量的测定便可确定是否存在火灾。大量热量通过可燃物的直接燃烧、热传导、热辐射和热对流，使火从起火部位向周围蔓延，这就是常说的火蔓延，火蔓延导致了火势的扩大，形成火灾。室内火灾的发展过程可以用室内烟气的平均温度随时间的变化来描述，如图所示21所示12。 2.2火灾特征信号的选择为了能够检测到有效的火灾信号，
13、降低火灾检测系统的误报率，提高其可靠性，得出早期的火灾特征信号显得至关重要。在进行了大量的实验、分析了大量的结果之后，总结出早期的火灾特征信号主要包括以下三类特征：(1)随机性由于火灾是人为无法控制的，故其具有随机性。在火灾早期，不同的可燃物质会产生不同的燃烧表现形式（比如燃烧速率、燃烧温度等），所以必须使用火灾探测器实时采集火灾现场的数据。通常以T(n)来表示数据信号随时间变化的函数。火灾现场的不可预见性和火灾环境的易变性，导致了T(n)没有办法用某一数学函数来进行模拟，从而所有的数据样本都必须是实时采集得到的。同时，火灾信号T(n)还将会受到很多外界环境噪声的干扰，比如白天和晚上的温度不同
14、会对温度传感器采集的信号造成影响；晴朗天气和沙尘天气的不同会对烟雾传感器采集的信号造成影响。以上都是火灾随机性的特点。(2)非结构性在进行火灾信号的探测时，火灾信号检测是非结构性的问题，这导致了在对火灾信号进行检测要比对其他信号进行检测要困难得多：人们有些时候的确可以感觉到即将发生的火灾，但是这种感觉是无法用数学语言来进行描述的，从而也就无法达到判断火灾发生与否的目的；根据先人的一些经验得到了一系列数据，但是只能提供作为学习参考，对于火灾发生与否的判断仍然只能通过猜想和预测来完成。在火灾信号探测过程当中所存在比较严重的问题就是：火灾传感器所采集的实时火灾特征信号随机性都很强，它的随机性对本文进
15、行数据统计和分析产生了重要影响。并且在日常生活中，虽然火灾时有发生，但是发生的概率还是很低的，而这些火灾探测器要始终保持监控状态，监控时间很长，使它采集到的信号很杂乱，往往一些火灾的类似信号就会混杂在这些杂乱的信号中。因此，有效的区分出背景噪音信号，是评价一个优秀火灾监测系统的前提，也是本文所要面对的难题。 火灾报警系统由火灾探测器和火灾报警控制器组成。火灾探测器是系统的“感觉器官”，它的作用是监视环境中有没有火灾的发生。一旦有了火情，就将火灾的特征物理量，如温度、烟雾、气体和辐射光强等转换成电信号，并立即动作向火灾报警控制器发送报警信号。(1)电子感温探测器感温探测器工作原理主要是利用热敏元件来探测火灾的。在火灾初始阶段，一方面有大量烟雾产生，另一方面物质在燃烧过程中释放出大量的热量,周围环境温度急剧上升。探测器中的热敏元件发生物理变化，从而将温度信号转变成电信号，并进行报警处理。电子感温探测器在设计中一般取两个性能
