虚拟仪器技术在神经网络火灾识别模型中的应用研究.pdf

万方数据
虚拟仪器技术在神经网络火灾识别模型中的应用研究。张嘉琪教授赵晖刘王晓丽副教授郑嗣华阳旖蚶砉ご笱Щ肪晨蒲в氚踩üこ萄г海旖【摘要】【关键词】..産为降低火灾自动报警系统的误报、漏报率,基于神经网络算法,用槟庖器开发了一套智能火灾识别模型。在火灾探测区域内合理布置若干感温探测器,在火灾识别模型中,将探测到的温度场参数作为神经网络的输入,火灾发生与否作为输出,并对影响神经网络的各项参数和该模型的运行结果进行测试研究。仿真试验结果表明:选取组训练样本,,网络的实际输出值非常逼近样本的理想输出值;实际火灾试验表明:该火灾识别模型能够探测火灾的发生。火灾自动报警系统;神经网络;槟庖瞧鳎火灾识别模型;:火灾科学与消防工程中图分类号:.文献标志码:基金项目:天津理工大学教学基金资助坏。鹊籐,:...,瑃;琣瓵.:·文章编号:—皇崭迦掌冢弧抟恍薷迦掌冢籰..;
万方数据
层节点间的网络权值;憎层节点与输出层节点问的网络权值:燹毛言窬槟庖瞧鞒绦蛏杓层神经元个数R闵窬8鍪任J淙氩阋差,存在着大量的火灾隐患。据统计,近国火灾事故伤亡人数有所降低,财产损失基本保持在一个动态平衡状态,但数目仍然较大,火灾安全形统,且只是采用简单的阈值判断或趋势算法对探测信号进行处理,如:通过探测烟雾浓度、可燃气体浓度、环境温度等参数来确定火灾的发生,利用这种方正火灾时探测反应迟钝,甚至产生漏报警。报警的需要,笔者将提出一种基于多传感器信息融合的人工神经网络火灾探测方法,以火灾探测区域进行多传感器信号融合,并对网络进行训练和仿真计算,该方法具有较强的容错和抗干扰能力【。同时,基于槟庖瞧髌教ǹ7⒌幕鹪植问集、处理、控制系统,实现了对网络采集数据的统一管理和分析,及火灾自动报警系统自动化的管理,从而提高了系统对火灾识别的准确性、及时性。单向传播的多层前馈网络的权值学习常采用误算法,采用这一学习算法进行训练的多层前馈网络简称为网络。该网络应用时分为网络训练和向传播,每一层节点的输出只影响下一层节点的输信号就会反向传播,即将输出信号的相对误差沿原值以及它们的阈值,使得相对误差信号减小,最终小卜相对误差值。切乱淮牟饬恳瞧鳎窃谕ㄓ眉扑面板及程序框图,前面板外观与传统仪器缡静程序框图是支持虚拟仪器实现其功能的核心,可以算法在槟庖瞧髦械氖迪利用旧淼耐夹伪喑逃镅允迪諦神经网络,它的绦蚨懒⒃诵校扌栉谋境绦虼码,而是将复杂的语言编程简化成图形方式下面将具体介绍部分神经网络算法在出层的连接权值、和隐层、输出层的阈值、初始化,即给它们分别随机赋予一个,层一隐层的连接权值初始化的程序,其中,J淙神经网络的输入和输出。图茄∪⊙咀魑狟近年来,由于城市化进程的加快和消防工作的相对滞后,导致了大部分建筑物抗御火灾的能力较矗势依然严峻¨‘火灾自动报警系统关系到人员财产安全,已经成为现代建筑物中必不可少的设施。目前,国内外的火灾自动报警系统大部分属于单一传感器报警系法探测火灾很容易受到环境的干扰∞饩偷贾略实际应用中火灾探测器的灵敏度越高,受到的环境干扰就越强,越容易产生误报警,而如果通过降低火灾探测器的灵敏度来降低环境的干扰,又会导致真针对传统火灾探测技术无法满足现实复杂火灾内温度场参数作