本文選題：火災(zāi)探測(cè)　切入點(diǎn)：數(shù)據(jù)融合技術(shù)　出處：《吉林大學(xué)》2015年碩士論文　論文類型：學(xué)位論文

【摘要】：如今，火災(zāi)已經(jīng)成為最常見和最普遍的災(zāi)害之一，它不僅威脅公眾安全，也影響社會(huì)發(fā)展，而火災(zāi)探測(cè)技術(shù)對(duì)于預(yù)防火災(zāi)發(fā)生以及降低災(zāi)后損失十分有效。傳統(tǒng)的消防系統(tǒng)功能相對(duì)簡(jiǎn)單，用于火災(zāi)判斷的特征參數(shù)單一，容易出現(xiàn)誤報(bào)和漏報(bào)的情況。將數(shù)據(jù)融合技術(shù)應(yīng)用在火災(zāi)判斷中，可以獲得更多被測(cè)目標(biāo)和環(huán)境的信息，可以進(jìn)一步提高消防系統(tǒng)的智能性和準(zhǔn)確性。 早在1973年，美國(guó)就已經(jīng)開始有了對(duì)數(shù)據(jù)融合技術(shù)的研究，1988年將其列為重點(diǎn)研發(fā)技術(shù)，，1991年已經(jīng)將該技術(shù)應(yīng)用于軍事戰(zhàn)爭(zhēng)。目前多傳感器數(shù)據(jù)融合技術(shù)已經(jīng)由分散研究轉(zhuǎn)變成一個(gè)獨(dú)立的研究領(lǐng)域，并且在信息電子學(xué)領(lǐng)域、計(jì)算機(jī)科學(xué)領(lǐng)域以及自動(dòng)化領(lǐng)域都有著重要的影響。 比較常見的數(shù)據(jù)融合方法有貝葉斯方法、D-S證據(jù)推理、人工神經(jīng)網(wǎng)絡(luò)以及模糊理論算法等。數(shù)據(jù)融合具有三層結(jié)構(gòu)，針對(duì)這一特性，本文選擇在不同的層次使用合適的算法。這樣的做法可以利用算法各自的優(yōu)勢(shì)，彌補(bǔ)彼此的不足，進(jìn)一步提高融合結(jié)果的準(zhǔn)確性和可靠性，從而減少火災(zāi)判斷的誤報(bào)率。 本文先是構(gòu)建一個(gè)基于ZigBee技術(shù)的小型火災(zāi)特征數(shù)據(jù)采集系統(tǒng)，分別從硬件和軟件設(shè)計(jì)兩個(gè)方面進(jìn)行詳細(xì)的闡述，分析Z-stack協(xié)議棧的概念與應(yīng)用方法。分別對(duì)該采集系統(tǒng)進(jìn)行了相關(guān)的功能和性能上的測(cè)試，實(shí)驗(yàn)結(jié)果表明，該系統(tǒng)可以有效地采集溫度、煙霧濃度和CO濃度三種火災(zāi)特征數(shù)據(jù)。 然后提出將神經(jīng)網(wǎng)絡(luò)和模糊理論相結(jié)合的火災(zāi)探測(cè)算法應(yīng)用在火災(zāi)探測(cè)系統(tǒng)中。詳細(xì)地從理論上分析了這兩種算法的原理以及優(yōu)缺點(diǎn)，利用MATLAB仿真軟件中的神經(jīng)網(wǎng)絡(luò)工具箱以及模糊推理工具箱，對(duì)兩種算法分別進(jìn)行了仿真和分析，得出將兩種算法結(jié)合適用于火災(zāi)探測(cè)的結(jié)論。 最后在VS2010開發(fā)平臺(tái)上開發(fā)后臺(tái)數(shù)據(jù)處理軟件，分別實(shí)現(xiàn)串口數(shù)據(jù)傳輸、火災(zāi)探測(cè)算法以及對(duì)數(shù)據(jù)庫(kù)訪問三個(gè)功能。為系統(tǒng)提供了一個(gè)較好的人機(jī)交互平臺(tái)，開發(fā)者可以觀測(cè)到實(shí)時(shí)采集出來的火災(zāi)特征數(shù)據(jù)值，并可以看到系統(tǒng)對(duì)火災(zāi)判斷后的結(jié)果，也可以訪問數(shù)據(jù)庫(kù)查看歷史數(shù)據(jù)。
[Abstract]:Today, fire has become one of the most common and common disasters, which not only threaten the safety of the public, but also affect social development. Fire detection technology is very effective to prevent fire and reduce the loss after disaster. The function of traditional fire protection system is relatively simple, and the characteristic parameters used for fire judgment are single. The application of data fusion technology in fire judgment can obtain more information about the target and environment, and further improve the intelligence and accuracy of fire protection system. As early as 1973, The United States has already begun to study data fusion technology, which was listed as a key research and development technology in 1988 and applied in military warfare in 1991. At present, multi-sensor data fusion technology has changed from decentralized research to a new one. A separate field of research, And in the field of information electronics, computer science and automation have an important impact. The common data fusion methods are Bayesian method D-S evidential reasoning, artificial neural network and fuzzy theory algorithm. Data fusion has a three-layer structure. In this paper, we choose to use appropriate algorithms at different levels, which can make use of the respective advantages of the algorithms, make up for each other's shortcomings, and further improve the accuracy and reliability of the fusion results, thus reducing the false alarm rate of fire judgment. In this paper, a small fire feature data acquisition system based on ZigBee technology is constructed, which is described in detail from two aspects: hardware and software design. The concept and application method of Z-stack protocol stack are analyzed, and the related function and performance of the acquisition system are tested. The experimental results show that the system can effectively collect fire data of temperature, smoke concentration and CO concentration. Then a fire detection algorithm combining neural network and fuzzy theory is proposed. The principle, advantages and disadvantages of the two algorithms are analyzed in detail. By using the neural network toolbox and fuzzy reasoning toolbox of MATLAB simulation software, the two algorithms are simulated and analyzed respectively, and the conclusion that the two algorithms are suitable for fire detection is obtained. Finally, the background data processing software is developed on the VS2010 development platform, which realizes three functions respectively: serial port data transmission, fire detection algorithm and database access. It provides a better human-computer interaction platform for the system. The developer can observe the fire characteristic data collected in real time, see the result of the system judging the fire, and visit the database to view the historical data.
【學(xué)位授予單位】：吉林大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP274;TN92;TP391.44

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 王俊明;楊永躍;付貴權(quán);;多判據(jù)圖像型火災(zāi)探測(cè)系統(tǒng)的研究[J];工業(yè)控制計(jì)算機(jī);2008年02期

2 張俊;程大章;;光纖感溫火災(zāi)探測(cè)系統(tǒng)研究[J];智能建筑與城市信息;2009年10期

3 P.C·庫(kù)克;D.J·斯通;李錫英;;船用模擬地址編碼火災(zāi)探測(cè)系統(tǒng)[J];機(jī)電設(shè)備;1993年03期

4 蔡鑫;趙敏;李然;鄧軍軍;;基于熱釋電紅外傳感器的火災(zāi)探測(cè)系統(tǒng)設(shè)計(jì)[J];紅外技術(shù);2007年12期

5 李博;;基于彩色影像的火災(zāi)探測(cè)系統(tǒng)的研究[J];電大理工;2010年01期

6 陳曉娟;卜樂平;楊加軍;;一種基于TMS320DM642的多參數(shù)火災(zāi)探測(cè)系統(tǒng)[J];船電技術(shù);2011年07期

7 方銀清;;數(shù)字感溫火災(zāi)探測(cè)系統(tǒng)的研究[J];廊坊師范學(xué)院學(xué)報(bào)(自然科學(xué)版);2009年05期

8 張拓;;模糊神經(jīng)網(wǎng)絡(luò)火災(zāi)探測(cè)系統(tǒng)的實(shí)現(xiàn)[J];淮北職業(yè)技術(shù)學(xué)院學(xué)報(bào);2007年05期

9 張俊;;光纖感溫火災(zāi)探測(cè)系統(tǒng)研究[J];現(xiàn)代建筑電氣;2010年03期

10 段悅;袁昌明;;基于AT89S52單片機(jī)的煙道火災(zāi)探測(cè)系統(tǒng)設(shè)計(jì)[J];微型機(jī)與應(yīng)用;2009年24期

相關(guān)會(huì)議論文 前1條

1 羅洪波;肖兵;;淺淡空氣采樣式火災(zāi)探測(cè)系統(tǒng)的應(yīng)用[A];2004年湖北省消防學(xué)術(shù)論文競(jìng)賽論文集[C];2004年

相關(guān)碩士學(xué)位論文 前10條

1 蔡鑫;基于紅外技術(shù)的野外火災(zāi)探測(cè)系統(tǒng)研究[D];南京航空航天大學(xué);2008年

2 楊博;圖像型火災(zāi)探測(cè)系統(tǒng)的研究與設(shè)計(jì)[D];西安建筑科技大學(xué);2014年

3 杜艦;基于視覺的火災(zāi)探測(cè)系統(tǒng)研究[D];大連海事大學(xué);2013年

4 江夢(mèng)夢(mèng);分布式光纖感溫火災(zāi)探測(cè)系統(tǒng)在公路隧道中應(yīng)用的若干影響因素研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2014年

5 劉慶;基于ZigBee的無線火災(zāi)探測(cè)系統(tǒng)研究[D];華僑大學(xué);2011年

6 陽(yáng)玉文;基于TMS320DM6446的火災(zāi)探測(cè)系統(tǒng)研究[D];中南林業(yè)科技大學(xué);2014年

7 黨勃;基于圖像的火災(zāi)探測(cè)系統(tǒng)[D];西安建筑科技大學(xué);2013年

8 李鳳娟;數(shù)據(jù)融合技術(shù)在基于物聯(lián)網(wǎng)的火災(zāi)探測(cè)系統(tǒng)中的應(yīng)用研究[D];吉林大學(xué);2015年

9 陸峰;基于紅外圖像識(shí)別的火災(zāi)探測(cè)系統(tǒng)研究與開發(fā)[D];東華大學(xué);2009年

10 楊晗;基于模糊神經(jīng)網(wǎng)絡(luò)的智能火災(zāi)探測(cè)系統(tǒng)研究[D];北京化工大學(xué);2010年

本文編號(hào)：1613585