基于模糊神经网络的智能火灾报警系统概要(共7页).doc

《基于模糊神经网络的智能火灾报警系统概要(共7页).doc》由会员分享，可在线阅读，更多相关《基于模糊神经网络的智能火灾报警系统概要(共7页).doc（7页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、精选优质文档-倾情为你奉上软件天地文章编号：（）基于模糊神经网络的智能火灾报警系统（南京工业大学）费红举张广明摘要：针对目前建筑物发生火灾事故后果严重、损失大的问题，本文主要设计了基于模糊神经网络的智能火灾报警系统。采用模糊控制理论可以提高报警系统的灵敏度，减少误报率；结合神经网络的自学习功能可以提高整个系统的智能化程度。整个火灾报警系统采用分布智能型结构。关键词：模糊控制；神经网络；火灾报警系统中图分类号：文献标识码：，：；（）管理级：集中报警系统通过协议和各个区域报警器总线相连接，完成集中火灾报警和对区域报警器的管理。一方面，通过和区域报警器进行信息的交换；另一方面，完成信息的存储、删除、

2、显示、打印功能。在确定火灾发生后集中报警器启动声光报警、紧急广播并以一定的通信手段完成远程报警。引言火灾报警系统关系到建筑物内人群的生命安全。在整个智能建筑中，火灾报警系统起着相当重要的作用。为了避免火灾所导致的灾难性后果，火灾报警系统要求尽可能少的误报警，不允许有漏报警。目前使用的火灾报警探测器多数采取单传感器对烟雾浓度等），系统灵敏度火灾的某一特性进行监测（如气体温度、完全依赖传感器的灵敏度。实际应用中经常会因为受到环境的干误报情况的出现。扰而采集到错误信息，这就导致了漏检、基于模糊神经网络的火灾报警系统充分利用模糊系统推理能力强和神经网络学习适应能力强的优点，提高传感器的灵敏度和整个系统

3、的韧性，大大降低火灾的漏报率和误报率，提高了火灾报警系统的可信度和可靠度。分布智能型火灾报警系统，集合了二总线制集中智能型系统的优点，并将火灾探测信息的处理等功能返还给现场的探测器，减轻了报警控制器处理大量信号的负担，缩短了报警时间，是火灾报警系统的发展方向。技术创新智能火灾自动报警系统的组成结构采用分布智能型火灾报警系统，结构如图所示，可分为现场级、控制级和管理级。（）现场级：主要由火灾探测器组成。单片机和多个传感器结合作为火灾探测器，完成烟雾、温度、气体信号的采集和处理。一些客观的因素可能导致火灾探测器和区域报警器之间的通信发生故障。这个时候为了提高系统的可靠性，可以提高探测器的级别，根据

4、探测器自身的判断，决定是否打开联动系统进行灭火。（）控制级：主要由工控机组成。区域报警器对探测器进行巡检，发现探测器发生故障及时通知，同时用模糊神经网络对信号进行处理，并根据结果决定是否启动联动灭火。区域报警器还提供输入输出的人机接口，方便工作人员信息的获取。费红举：硕士研究生技术应用例图分布智能型火灾报警系统结构图基于模糊神经网络的火灾探测原理图信号处理示意图对从现场采集的信号进行处理，如图所示。系统从环境状态中提取反映火灾的关键参数、（烟雾浓度信号、温度信号、气体信号），并经过预处理得到参数、（烟雾浓度变化信号、温度变化信号、气体变化信号）。由于参数数目多，考虑对个信元年软件天地中文核心期

5、刊微计算机信息（测控自动化）年第卷第期号归一化后进行信号融合处理，具体处理如下：（）；（）；（）。、均为到之间的数，具体的值可以根据专家经验，在不同的情况进行调整。基于模糊神经网络的火灾探测结构如图所示，训练模型和预报模型均采用神经网络，训练模型将由训练样本得到的神经网络连接弧权值赋予火灾预报模型。火灾预报模型对融合得、信号进行处理：根据规则进行学习，通过调整权值、到的、阈值，使得网络实际输出与期望输出误差均方值最小。神经网络的输出再经过模糊推理系统，给出火灾报警结果。最常用的网络算法在实际应用中有时会存在局部极小值、假饱和、收敛速度很慢的缺点，因此在网络训练中采用（）学习算法。实验仿真用仿真

6、，采用神经网络结构，各层之间的传函均采用函数。将火灾初期的一些实验数据作为神经网络的训练样本集，期望输出为无火情概率、明火概率和阴燃火概率。概率可以根据现有的国内和国外的标准以及核心期刊上文章提供的实验数据。用算法经过步训练后，达到要求。训练后的网络满足设定的条件，样本实际输出结果和期望输出结果很接近，误差小，结果令人满意。例如，训练样本期望的输出为（，；，；，），实际输出为（，；，；，）。火灾报警模糊系统设计图基于模糊神经网络的火灾探测结构技术创新神经网络的信号处理神经网络有很强的环境适应性、学习能力、容错能力和并行处理能力。通过调整系统赋予各种传感器不同的权重系数，可以提高系统的适应能力，

7、降低误报警率。神经网络的确定采用层神经网络。输入分别为处理后的烟雾、温度、气体信号；输出分别为无火、明火、阴燃火概率。网络的隐层神经元个数至关重要。如果过少，网络不能具有必要的学习能力和信息处理能力；如果过多，不仅仅加大了网络结构的复杂性，在学习过程中还容易陷入极小点，使得学习速度变慢。根据定理隐层神经元个数可选择为，指的是输入层的因子个数，那么隐层就应该采用个神经元；高大启提出在文章中提出这样一个经验公式：（）式中、为输入和输出节点个数，这样计算隐层采用个神经元。实际处理中根据样本分别对个隐层神经元进行训练仿真，确定最优隐节点数目为。神经网络结构如图。将神经网络和模糊逻辑算法有机结合可产生模

8、糊神经网络算法，对神经网络的输出信号进行模糊逻辑处理，提高神经网络的输出精度和容错能力。另外，由于干扰信号往往是短时间的，火灾情况下烟雾信号持续时间出现较大值，为了提高系统抗干扰性，本文引入烟雾信号持续时间（）概念：（）式中，（）为单位阶跃函数，为烟雾浓度信号，为报警浓度判断门限，遵循规范根据现场给出，为离散时间变量。对神经网络输出、（无火概率、明火概率、阴燃概率）和烟雾信号持续时间（）进行推理。首先要将模糊推理系统输入输出量规范化，其次给出模糊化的等级，建立隶属度函数，然后再以“”的一般形式建立模糊规则。模糊变量的论域及其隶属度函数、和烟雾信号持续时间（）这根据实际情况，确定、四个输入变量的

9、模糊子集，表示小，中，大。输出变量模糊子集为，表示小，大。论域为，。对模糊集建立隶属度函数，输入变量、和（）隶属度函数相同。对于输入输出变量，隶属度函数均采用高斯函数，即：（）（）式中，；和为隶属度函数的中心，和为隶属度函数的宽度。模糊规则及实验仿真系统的模糊规则形式为：“若无火概率是（）并且明火概率是（）并且阴燃概率是（）并且烟雾持续时间是（），则火灾报警发生的概率为”。根据经验，可以得到条模糊推理规则：（无火概率小）（阴燃概率小）（明火概率小）（烟雾持续时间小）（小）（无火概率小）（阴燃概率小）（明火概率小）（烟雾持续时间中）（小）（无火概率大）（阴燃概率大）（明火概率大）（烟雾持续时间大

10、）（大）利用模糊逻辑工具箱的图形用户界面建立模糊推理系统，对建立规则进行仿真。（下转第页）例图神经网络的结构算法的确定元软件天地（）：姚兴苗，李乐民，胡光岷一种基于分段压缩的路由查找算法通信学报，（）：作者简介：王立涛（），男，硕士研究生，主要研究方向：网络与信息安全；李东（），男，硕士生导师，教授，主要研究方向：网络与信息安全，并行计算；殷丽华（），女，博士，主要研究方向：网络与信息安全。：（），：（哈尔滨工业大学计算机网络与信息安全技术中心）王立涛李东殷丽华（，）通讯地址：（楼室）王立涛（收稿日期：）（修稿日期：）（），因此这两种算法的外存访问次数也为（）；多分支算法取步距，则它的外存访问

11、次数为（），之所以步距没有去很大，是因为多分支算法的空间复杂度为（），随着增大，其所用空间将指数增长；对于本文提出的树算法，当取最小值时，其外存访问次数也仅相当于（）水平，远远低于二分、路径压缩的（），而且随着的增加，其外存访问次数明显减少，当然由于外存分页，为了将一个树结点控制在一页内，不能无限制增加，前面已经讨论过。因此可以看出基于树的路由查找算法在查找复杂度方面要优于二分、路径压缩以及路径压缩。图给出各算法的空间复杂度比较。黑龙江省哈尔滨市西大直街号新技术（上接第页）通过模糊规则观测器可以观察模糊推理系统的输出，仿真结果表明规则设计合理。图存储空间随路由表项数目的变化关系从图中可以看到多

12、分支算法的所用空间最多，为（），此时步距，而且随着增大，其其所用空间将指数增长；二分和树相同，（）；路径压缩的空间复杂度最低，为（）。尽管树在空间复杂度方面不如路径压缩，但前面已经提到，由于此时大部分路由表项存储在外存上，空间复杂度同查找复杂度相比将作为次要考察因素。基于树的路由查找算法，具有很高的查找效率，而且空间复杂度可以接受。结论对采集信号进行融合处理，可以提高火灾报警准确性。采用模糊神经网络对融合后的信号进行处理，可以提高系统的准确性和抗干扰性，使得误报率降为零。分布智能型火灾报警系统能从容实现上级管理功能，提高了系统的巡检速度、稳定性和可靠性。本文作者的创新点：融合处理后的信号作为神

13、经网络的输入来提高准确性，模糊推理中引进烟雾持续时间来提高抗干扰性。参考文献：刘尚争，董爱华，郑艳玲基于模糊神经网络火灾报警系统设计煤矿机械，（）：陈南建筑火灾自动报警技术北京：化学工业出版社，黄政淳，张德政模糊神经网络在破碎机故障诊断系统中的应用，微计算机信息，：作者简介：费红举（），男，汉族，江苏盐城人，硕士研究生，主要研究方向：楼宇自动化。张广明（），男，汉族，江苏江都人，博士，副教授，研究方向：智能控制理论；计算机测控技术。：（），：（江苏南京南京工业大学自动化学院）费红举张广明（通讯地址：（江苏省宿迁市通成山庄幢室）费红举（收稿日期：）（修稿日期：）技术创新结论通过本文的研究可以看出

14、，在未来的网络中，路由表规模非常庞大的情况下，采用树结构来组织对路由表项存储、查找和更新将更为有效。通过和现有的主要针对小规模路由表的查找算法相比，基于树的路由查找算法能有效的降低外存访问次数，从而提高查找效率，因此这种算法更适合作为将来大规模路由表的查找算法。本文作者的创新点：将树作为网络中路由表的存储策略，将地址作为查找和插入时比对的关键字，利用树基于外存查找效率高这一优点，在路由表规模庞大的情况下可以高效的完成对路由表的存储、插入和查找。参考文献徐恪，徐明伟，吴建平，等路由查找算法研究综述软件学报，（）：颜永红，张帆。路由更新的硬件优化微计算机信息，（）：数据结构（语言版），清华大学出版社，严蔚敏，吴伟民：，技术应用例，）元年专心-专注-专业