發(fā)布時(shí)間：2021-10-28 07:05

　　針對船舶火災(zāi)探測誤報(bào)率高的情況,為提高火災(zāi)探測系統(tǒng)的可靠性,提出一種基于支持向量機(jī)的多傳感器火災(zāi)信息融合方法。經(jīng)過仿真試驗(yàn)證明,通過多傳感器探測數(shù)據(jù)的有效融合,可以大幅提高火災(zāi)探測系統(tǒng)的火災(zāi)識別率。 

【文章來源】：造船技術(shù). 2020,(06)

【文章頁數(shù)】：3 頁

【部分圖文】：

SVM基本形式

基于SVM的多傳感器火災(zāi)探測系統(tǒng)模型如圖2所示。通過多傳感器探測環(huán)境變量，將采集到的數(shù)據(jù)經(jīng)過預(yù)處理輸入SVM模塊，由SVM模塊判斷是否有火災(zāi)發(fā)生并輸出到火災(zāi)報(bào)警系統(tǒng)。2.1 數(shù)據(jù)預(yù)處理

考慮到二維圖像顯示更為直觀，選用感溫探測器和感煙探測器2個(gè)數(shù)據(jù)進(jìn)行程序編寫與驗(yàn)證。程序編寫采用Python語言，調(diào)用Scikit-learn模塊，由于多傳感器火災(zāi)預(yù)測并無先驗(yàn)信息，因此核函數(shù)選用高斯核函數(shù)，同時(shí)將懲罰因子C設(shè)為10，將數(shù)據(jù)樣本中的70%作為訓(xùn)練數(shù)據(jù)對程序進(jìn)行訓(xùn)練以獲得合適的α和b值，同時(shí)將數(shù)據(jù)樣本中的30%作為測試數(shù)據(jù)進(jìn)行程序驗(yàn)證，以測試程序的分類效果，如圖3所示。節(jié)選程序如下：

【參考文獻(xiàn)】：
期刊論文
[1]船舶火災(zāi)探測器配置方案[J]. 陳曉,蔣帥,陳玲.  船海工程. 2018(06)
[2]工程船舶火災(zāi)特點(diǎn)及處置對策分析[J]. 欒培利.  中國水運(yùn)(下半月). 2018(02)
[3]基于可信度的多傳感器火災(zāi)報(bào)警系統(tǒng)的設(shè)計(jì)與仿真[J]. 陳雷,楊麗娟.  國外電子測量技術(shù). 2016(04)

碩士論文
[1]船舶火災(zāi)智能報(bào)警系統(tǒng)控制策略的研究[D]. 王鵬飛.哈爾濱工程大學(xué) 2017



本文編號：3462451