【摘要】：為了滿足人們的日常生活需求,越來越多的大型建筑得以建成,尤其是一些大型商場,在滿足人們生活需求的同時也聚集了較多的人口,但也帶來了一些安全隱患,火災安全尤為突出。由于環(huán)境的特殊性以及人為原因的不穩(wěn)定性,導致目前火災探測系統也呈現不穩(wěn)定的狀態(tài),不斷的誤報警不僅會給生產生活中帶來巨大損失,還會麻木人的神經,使人喪失對火災探測系統的信任感,從而帶來更大的損失。在各種防火手段中,火災探測技術顯得尤為突出,是一種方便簡潔的預防和減少火災發(fā)生的重要方法。由于早期的傳統火災探測技術僅限于對單一參數的監(jiān)測,極易出現誤報以及漏報,因此,本人在傳統火災探測技術的基礎上,著重分析研究了基于模糊神經網絡系統的智能火災探測系統,并對火災探測算法稍作改進,并應用于大型商場火災探測技術中。主要工作內容如下:(1)研究早期單一參數的火災探測器的原理,以及火災發(fā)生的特征,并針對其探測原理總結出傳統火災探測技術的種種弊端,提出信息融合技術,將火災現場探知的溫度、煙霧濃度以及CO含量一起作為系統的輸入。(2)模糊邏輯在非線性問題上有較強的處理能力,利用這一優(yōu)點,運用模糊邏輯推理來對系統輸入的三個特征量進行模糊化、模糊推理以及反模糊化等過程,最終得到64條模糊規(guī)則,該模糊推理的仿真過程可通過MATLAB來實現,其輸出結果是重要的輔助判據。(3)神經網絡有超強的自學習能力,能夠模仿人腦來進行學習并總結出規(guī)律,根據這一大優(yōu)點,利用神經網絡模型來對樣本數據進行模擬以及訓練。并比較了最常用也是最典型的BP神經網絡以及RBF神經網絡來進行比較,通過對同一樣本數據的訓練,來選擇最優(yōu)的神經網絡。(4)模糊邏輯推理與神經網絡各有各的優(yōu)缺點,為了能夠極大發(fā)揮各自的優(yōu)點,又能互相彌補彼此的缺陷,因此將模糊推理和神經網絡進行有機融合,并在決策層提出一種新的判據,綜合模糊邏輯推理以及神經網絡系統的結果,進行合理科學的判斷,以此來提高模糊神經網絡系統對火災探測的準確性。(5)將設計合理的模糊神經網絡系統應用于大型商場的火災探測系統中,將判斷的結果與已知的結果進行對比,以此來驗證該模糊神經網絡系統的真實性以及可靠性。圖[24];表[9];參[71]
【圖文】：

圖 1 光電式感煙探測器結構圖Fig1 Photoelectric smoke detector structure diagram離子式探測器所示，探測室內 E 是電壓為 24V 的直流電源，該電源是直接接入連接的電離室的兩端；有 Am241 放射源，該裝置會連續(xù)產生射線標準的電離室[ ]。當火災發(fā)生產生時，煙氣進入電離室，Am24經過煙霧時發(fā)生散射，導致最終到達的光線較弱，而使得電離能力生的電流減少，而相對的檢測電離室的空氣由于煙氣的加入，等電離室煙氣無法進入,因此阻抗并沒有發(fā)生變化,綜合整個串聯室后導致電離室兩端的分壓比變化，電壓最終超出監(jiān)測范圍的極限生作用并引發(fā)報警。

圖 1 光電式感煙探測器結構圖Fig1 Photoelectric smoke detector structure diagram子式探測器示，探測室內 E 是電壓為 24V 的直流電源，該電源是直接接接的電離室的兩端；有 Am241 放射源，該裝置會連續(xù)產生射準的電離室[ ]。當火災發(fā)生產生時，煙氣進入電離室，Am過煙霧時發(fā)生散射，，導致最終到達的光線較弱，而使得電離能的電流減少，而相對的檢測電離室的空氣由于煙氣的加入，離室煙氣無法進入,因此阻抗并沒有發(fā)生變化,綜合整個串聯導致電離室兩端的分壓比變化，電壓最終超出監(jiān)測范圍的極作用并引發(fā)報警。
【學位授予單位】：安徽理工大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TU855;TU892

【參考文獻】

相關期刊論文 前10條

1 楊華;;火災與電磁波的相互作用在滅火救援與火災控制中的應用[J];科技資訊;2015年20期

2 張自嘉;潘琦;陳海秀;;帶電粒子的瑞利散射研究[J];光學學報;2015年05期

3 劉智斌;曾曉勤;劉惠義;儲榮;;基于BP神經網絡的雙層啟發(fā)式強化學習方法[J];計算機研究與發(fā)展;2015年03期

4 蘭乾玉;陸愈實;楊瑞奇;張浩;;復合火災探測器綜合性能評估試驗平臺[J];消防科學與技術;2015年01期

5 傅智敏;;我國火災統計數據分析[J];安全與環(huán)境學報;2014年06期

6 焦斌;葉明星;;BP神經網絡隱層單元數確定方法[J];上海電機學院學報;2013年03期

7 趙巨剛;;建筑電氣中火災自動報警系統的設計[J];自動化應用;2012年11期

8 蔡曉艷;肜瑤;蔣華勤;;無線傳感器網絡溫度監(jiān)測的節(jié)點設計[J];硅谷;2010年24期

9 劉軒;劉士興;;總線式煙溫復合火災探測器[J];合肥工業(yè)大學學報(自然科學版);2010年07期

10 文方;陳慕君;劉佳;;基于模糊神經網絡的火災報警系統[J];機械制造與自動化;2009年06期

相關博士學位論文 前1條

1 李龍;模糊神經網絡學習算法及收斂性研究[D];大連理工大學;2010年

相關碩士學位論文 前9條

1 陳家鵬;基于DM8168的火災探測器硬件設計與實現[D];大連理工大學;2016年

2 趙方飛;基于模糊神經網絡的智能家居火災檢測系統研究[D];青島理工大學;2014年

3 程晨;支持多語言的火災報警控制軟件的設計與實現[D];西安電子科技大學;2014年

4 謝振南;多傳感器信息融合技術研究[D];廣東工業(yè)大學;2013年

5 李強;基于BP神經網絡的無線電信號分類研究[D];西華大學;2013年

6 何南南;多傳感器信息融合技術在火災探測中的應用[D];長安大學;2012年

7 伍家駿;火災自動報警系統設計[D];大連海事大學;2012年

8 湯群芳;基于模糊神經網絡的火災數據處理方法的研究[D];湖南大學;2011年

9 楊晗;基于模糊神經網絡的智能火災探測系統研究[D];北京化工大學;2010年

本文編號：2673137