發(fā)布時(shí)間：2020-05-06 20:05

【摘要】：隨著城市化進(jìn)程不斷推進(jìn),城市建筑朝著密集化和高層化方向發(fā)展,火災(zāi)的發(fā)生隱患也不斷的加大,對(duì)火災(zāi)檢測方法提出了更高的要求�；馂�(zāi)信號(hào)自身具有動(dòng)態(tài)過程性和非平穩(wěn)性的特點(diǎn),傳統(tǒng)的火災(zāi)檢測方法是針對(duì)單個(gè)傳感器的輸出進(jìn)行處理,容易產(chǎn)生誤報(bào)和漏報(bào),而且目前火災(zāi)檢測主要研究方向是判斷火災(zāi)的有無,還無法對(duì)火災(zāi)燃燒物種類進(jìn)行判斷。為了更準(zhǔn)確進(jìn)行火災(zāi)預(yù)警和采取有效的火災(zāi)撲救方法,在精準(zhǔn)判斷火災(zāi)的同時(shí),對(duì)燃燒物種類的研究也具有很大意義。機(jī)器學(xué)習(xí)和深度學(xué)習(xí)的應(yīng)用研究成為熱點(diǎn),也推動(dòng)著檢測設(shè)備朝著智能化發(fā)展。這兩點(diǎn)為解決火災(zāi)檢測中出現(xiàn)的問題提供了理論支持和平臺(tái)支撐。綜上所述,為了克服傳統(tǒng)火災(zāi)檢測的缺陷,本文在對(duì)比傳統(tǒng)火災(zāi)檢測方法和智能化檢測方法的原理后,提出一種基于代價(jià)敏感極限學(xué)習(xí)(Cost-sensitive Extreme Learning Machine)的火災(zāi)檢測方法。為克服單一傳感器易受到環(huán)境干擾,該方法利用多傳感器融合技術(shù),綜合考慮火災(zāi)燃燒過程中多個(gè)特征信號(hào),避免單一傳感器對(duì)監(jiān)測環(huán)境造成不正確的描述。實(shí)驗(yàn)結(jié)果表明,所提出的火災(zāi)檢測算法能降低火災(zāi)的漏報(bào)率。另外,本文對(duì)極限學(xué)習(xí)機(jī)方法進(jìn)行改進(jìn),將DS證據(jù)理論(DS evidence theory)和極限學(xué)習(xí)機(jī)相結(jié)合,提出DS-ELM火災(zāi)燃燒物識(shí)別方法。為火災(zāi)撲救和災(zāi)后現(xiàn)場分析提供參考。仿真實(shí)驗(yàn)結(jié)果表明,所提出的火災(zāi)燃燒物識(shí)別方法對(duì)于不同燃燒物都能得到較好的分類性能。本文研究工作主要包括:(1)為使實(shí)驗(yàn)更接近真實(shí)環(huán)境,我們搭建了基于STM32的火災(zāi)燃燒物采集平臺(tái),在真實(shí)環(huán)境中采集火災(zāi)數(shù)據(jù)和不同燃燒物數(shù)據(jù),然后數(shù)據(jù)通過WIFI傳輸?shù)诫娔X終端。(2)研究了火災(zāi)數(shù)據(jù)的預(yù)處理方法,降低噪聲數(shù)據(jù)的干擾,使得采集到的燃燒物數(shù)據(jù)更加的可靠有效。(3)針對(duì)火災(zāi)檢測中火災(zāi)樣本和非火災(zāi)樣本誤分類代價(jià)不同的特點(diǎn),以極限學(xué)習(xí)機(jī)為基礎(chǔ),在學(xué)習(xí)過程中引入代價(jià)矩陣,提出一種基于代價(jià)敏感極限學(xué)習(xí)機(jī)火災(zāi)檢測方法。實(shí)驗(yàn)結(jié)果表明,與其他方法相比,該方法不僅能使火災(zāi)漏報(bào)率接近為0,而且能使非火災(zāi)樣本的誤報(bào)率達(dá)到一個(gè)較低水平,克服現(xiàn)有火災(zāi)檢測方法只追求高分類準(zhǔn)確性,忽視火災(zāi)樣本漏報(bào)率高的缺點(diǎn)。(4)分析不同燃燒物分類的可能性,比較其他識(shí)別算法和極限學(xué)習(xí)機(jī)在燃燒物識(shí)別中的優(yōu)點(diǎn)和不足,選擇極限學(xué)習(xí)機(jī)作為火災(zāi)燃燒物識(shí)別的方法。(5)分析DS證據(jù)理論優(yōu)缺點(diǎn),提出DS-ELM方法以進(jìn)一步提高火災(zāi)燃燒物分類準(zhǔn)確率,通過與未優(yōu)化的ELM方法對(duì)比驗(yàn)證,本文提出的方法在特異性、靈敏度和正確率三個(gè)衡量指標(biāo)上都提升10%左右,并且在不同燃燒點(diǎn)都具有較好的適應(yīng)性。
【圖文】：

浙江工業(yè)大學(xué)碩士學(xué)位論文集平臺(tái)搭建平臺(tái)由不同的硬件設(shè)備組成，，主要包括：I 連接的筆記本電腦，作為 MP(monitor pz，內(nèi)存和操作系統(tǒng)分別為 6GB 和 Win器，包括 MQ4 甲烷傳感器、MQ5 可燃圖 3-2 為 MQ 系列傳感器實(shí)物。數(shù)據(jù)傳輸?shù)牟杉c(diǎn)，作為 CP(collectionESP8266 無線模塊。表 3-1 為 STM32F42

圖 4-1 BLE(A)與 PLS(A)區(qū)間關(guān)系上面定義的 BPAF 及信任函數(shù)，Dempster 組合規(guī)則在證據(jù)不完全沖綜合了多源證據(jù)的基本信度分配，通過計(jì)算其正交和得到新的信度據(jù)空間進(jìn)行聯(lián)合，以此得到最終的決策結(jié)果[61]。Dempster 組合規(guī)下：、B 分別為Ω 中的子集，BEL1和 BEL2為其兩個(gè)信任度函數(shù)，它們值函數(shù)分別為 m1和 m2，Ai和 Bj分別為 BEL1和 BEL2的焦元，則合賦值函數(shù)定義為 1 2m A m m，即： CmAmBmAmBCmCmmCijijABijABCij12121210
【學(xué)位授予單位】：浙江工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2018
【分類號(hào)】：TU998.1;TP181

【參考文獻(xiàn)】

相關(guān)期刊論文 前8條

1 王利琴;董永峰;顧軍華;董維超;;基于改進(jìn)極限學(xué)習(xí)機(jī)的心律失常分類[J];計(jì)算機(jī)仿真;2014年06期

2 佟瑞鵬;高平;劉欣;李春旭;萬海燕;鄧凱;;大型活動(dòng)事故風(fēng)險(xiǎn)評(píng)價(jià)模型與方法研究[J];中國安全科學(xué)學(xué)報(bào);2014年03期

3 劉云翔;原鑫鑫;竇晨超;徐飛;朱萍;黃越;;模糊推理技術(shù)和神經(jīng)網(wǎng)絡(luò)在火災(zāi)檢測系統(tǒng)中的應(yīng)用[J];計(jì)算機(jī)測量與控制;2013年12期

4 陸慧娟;張金偉;馬小平;鄭文斌;;極限學(xué)習(xí)機(jī)集成在腫瘤分類中的應(yīng)用[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2012年17期

5 梁俊山;王慧琴;胡燕;鄒婷;吳萌;;基于模糊聚類的圖像型火災(zāi)檢測[J];計(jì)算機(jī)工程;2012年04期

6 王丹丹;黃家榮;劉偉;孟慶玲;田鵬飛;;基于人工神經(jīng)網(wǎng)絡(luò)的森林火險(xiǎn)預(yù)測[J];西北林學(xué)院學(xué)報(bào);2010年03期

7 張認(rèn)成;杜建華;楊建紅;;火災(zāi)早期過程特征提取與火災(zāi)源識(shí)別方法[J];安全與環(huán)境學(xué)報(bào);2010年02期

8 吳松;李華;;人工神經(jīng)網(wǎng)絡(luò)在艦船火災(zāi)探測中的應(yīng)用[J];中國艦船研究;2007年06期

本文編號(hào)：2651793