本文關(guān)鍵詞：多變天氣環(huán)境下消防給水設(shè)備智能巡檢系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：消防控制設(shè)備,直接關(guān)系到人民生命財產(chǎn)安全,而在火災(zāi)發(fā)生之初,滅火關(guān)鍵在于消防給水設(shè)備工作狀態(tài)是否正常。實際中,消防給水設(shè)備長期處于待機狀態(tài),容易出現(xiàn)水泵銹蝕、設(shè)備受潮、動作不正常等故障,所以,建筑物消防給水設(shè)備投入使用時,需具備巡檢功能,即定期或不定期低頻啟動消防給水設(shè)備,測試其工作性能及關(guān)鍵參數(shù),確保其在需要投入運行時,能夠正常啟動。消防給水設(shè)備作為建筑電氣供水控制設(shè)備,使用環(huán)境為室內(nèi)水泵房,多變天氣環(huán)境下,影響其工作狀態(tài)的主要因素為環(huán)境溫度、相對濕度以及漏電流值,本文詳細討論了這三個因素對消防給水設(shè)備的影響方式、影響結(jié)果和采樣方法,并選取這三個參數(shù)作為主要控制變量,引入馬爾科夫理論和BP神經(jīng)網(wǎng)絡(luò)理論,通過分析馬爾科夫模型的建立方法和轉(zhuǎn)移概率計算方法,考察它們對控制方式的適應(yīng)性,提出利用BP神經(jīng)網(wǎng)絡(luò)理論完成對單次故障率的計算思路,著重論述了BP神經(jīng)網(wǎng)絡(luò)計算方法,并且給出了反向傳播的誤差分析計算過程,利用恒定濕熱環(huán)境下得到的消防給水設(shè)備故障率數(shù)據(jù),通過多元線性回歸及殘差修正,結(jié)合時間因素,得到理論故障率;借助模糊控制理論,將理論故障率及其變化率模糊化,設(shè)計模糊規(guī)則,指導(dǎo)完成多變天氣環(huán)境下消防給水設(shè)備智能巡檢控制。通過編寫MATLAB程序,仿真得到馬爾科夫-三變量模糊神經(jīng)網(wǎng)絡(luò)故障預(yù)測模型的控制參數(shù),作為多變天氣環(huán)境下消防給水設(shè)備智能巡檢系統(tǒng)的控制參數(shù),指導(dǎo)系統(tǒng)程序設(shè)計。對比了分析了定期巡檢、直接模糊控制模型和馬爾科夫-三變量模糊神經(jīng)網(wǎng)絡(luò)模型下巡檢次數(shù)、巡檢效果以及對消防給水設(shè)備的影響。通過實例,驗證了基于溫度、相對濕度、漏電流的馬爾科夫-三變量模糊神經(jīng)網(wǎng)絡(luò)模型的智能巡檢預(yù)測控制方式的有效性。最后,提出了增加非關(guān)鍵輸入變量,優(yōu)化預(yù)測算法,進一步提高預(yù)測精度的想法。本文關(guān)于多變天氣環(huán)境下消防給水設(shè)備智能巡檢系統(tǒng)的設(shè)計制作,有可靠的應(yīng)用價值,同時,也為多變量預(yù)測控制系統(tǒng)在參數(shù)獲取、歸一化、模糊化以及神經(jīng)網(wǎng)絡(luò)控制方面,提供了很好的設(shè)計思路。
【關(guān)鍵詞】：消防給水設(shè)備 智能巡檢 馬爾科夫 BP神經(jīng)網(wǎng)絡(luò)
【學(xué)位授予單位】：湘潭大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TP183;TU892
【目錄】：

• 摘要4-5
• Abstract5-8
• 第1章 緒論8-13
• 1.1 智能巡檢研究背景8
• 1.2 課題研究意義8-9
• 1.3 國內(nèi)研究現(xiàn)狀與發(fā)展趨勢9-11
• 1.4 針對多變天氣環(huán)境的參數(shù)選取原則11-12
• 1.5 本論文的結(jié)構(gòu)12-13
• 第2章 智能巡檢系統(tǒng)13-19
• 2.1 智能巡檢系統(tǒng)的技術(shù)要求13
• 2.2 常規(guī)巡檢方法13-14
• 2.3 系統(tǒng)總體方案14-15
• 2.4 智能巡檢系統(tǒng)15-16
• 2.5 關(guān)鍵泵的重點巡檢16-17
• 2.6 抗干擾設(shè)計17-18
• 2.7 本章小結(jié)18-19
• 第3章 控制參數(shù)的選取和采集19-25
• 3.1 控制參數(shù)選取的理論基礎(chǔ)19
• 3.2 溫度對給水設(shè)備的影響19-20
• 3.3 濕度對給水設(shè)備的影響20
• 3.4 溫濕度采樣20-21
• 3.5 漏電流對給水設(shè)備的影響及檢測21-23
• 3.5.1 漏電流對給水設(shè)備的影響21-22
• 3.5.2 漏電流檢測22-23
• 3.6 其他參數(shù)的影響及考慮23-24
• 3.7 本章小結(jié)24-25
• 第4章 智能巡檢系統(tǒng)巡檢策略研究25-50
• 4.1 故障率和故障狀態(tài)25-26
• 4.2 馬爾科夫基本理論26-27
• 4.2.1 馬爾科夫過程26
• 4.2.2 馬爾科夫鏈26-27
• 4.3 BP神經(jīng)網(wǎng)絡(luò)27-31
• 4.3.1 BP神經(jīng)元27-28
• 4.3.2 BP神經(jīng)網(wǎng)絡(luò)28-31
• 4.4 馬爾科夫——三變量模糊神經(jīng)網(wǎng)絡(luò)模型31-33
• 4.4.1 神經(jīng)網(wǎng)絡(luò)模型的選取和改進31-32
• 4.4.2 馬爾科夫——三變量模糊神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建32-33
• 4.4.3 極端情況處理33
• 4.5 基于馬爾科夫模型的巡檢控制策略33-35
• 4.5.1 模型建立依據(jù)33
• 4.5.2 計算轉(zhuǎn)移概率33-34
• 4.5.3 轉(zhuǎn)移概率實現(xiàn)步驟34-35
• 4.6 實驗比較與測試35-49
• 4.6.1 控制參數(shù)及其權(quán)值35-39
• 4.6.2 常規(guī)定期巡檢模式39
• 4.6.3 模糊控制模型39-42
• 4.6.4 馬爾科夫——三變量模糊神經(jīng)網(wǎng)絡(luò)模型計算42-46
• 4.6.5 巡檢次數(shù)對比46-49
• 4.7 本章小結(jié)49-50
• 第5章 功能驗證50-61
• 5.1 系統(tǒng)整體要求50-51
• 5.1.1 系統(tǒng)方案50
• 5.1.2 功能特點50-51
• 5.1.3 技術(shù)參數(shù)51
• 5.2 參數(shù)采集部分51-53
• 5.3 控制部分53-56
• 5.4 觸摸屏顯示部分56-58
• 5.5 系統(tǒng)試運行58-60
• 5.6 本章小結(jié)60-61
• 第6章 結(jié)論與展望61-62
• 6.1 工作總結(jié)61
• 6.2 展望61-62
• 參考文獻62-67
• 致謝67-68
• 附錄A 元器件選型表及輸入輸出配置表68-70
• 附錄B：接線端子排及其說明70-71
• 附錄C：部分控制程序71-80
• 個人簡歷、在學(xué)期間發(fā)表學(xué)術(shù)論文與研究成果80

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 張剛;劉福潮;王維洲;李正遠;鄭晶晶;梁雅芳;;電網(wǎng)短期負荷預(yù)測的BP-ANN方法及應(yīng)用[J];電力建設(shè);2014年03期

2 ;Variety distribution pattern and climatic potential productivity of spring maize in Northeast China under climate change[J];Chinese Science Bulletin;2012年26期

3 Mohammad Mehdi Fateh;Sara Fateh;;A Precise Robust Fuzzy Control of Robots Using Voltage Control Strategy[J];International Journal of Automation and Computing;2013年01期

4 宋新華;陳勝遷;陳立;宋斌;袁江;周金鑫;;基于正交試驗和BP網(wǎng)絡(luò)的2524鋁合金熱處理工藝優(yōu)化及預(yù)測[J];特種鑄造及有色合金;2014年05期

5 張娜;王守相;王亞e，

本文編號：386968