LVQ神经网络的红外光谱火灾早期预警算法

对前期大量试验采集的火灾气体数据进行特征提取,找出能够代表火灾整体特征的过程特征信息.通过体积分数曲线拟合分析,提取出体积分数、速度和加速度估值等火灾特征信息参量,建立适合于火灾早期探测的学习向量量化(LVQ)神经网络算法.通过对比分析证明,该算法比传统火灾探测器报警时间提前3～21 min,且对于真假火灾可进行准确识...     

支持向量机在火灾早期探测中的应用

针对传统火灾探测算法及时性与准确性相互制约的问题,提出以CO与C02体积分数的比值大小、变化速度以及加速度作为火灾过程特征信息向量,采用支持向量机算法对火灾源进行模式识别.根据国家标准火灾实验要求,选取了4种真实火灾源材料和3种虚假火灾源材料进行火灾实验,实验表明利用支持向量机可以对真假火灾源进行有效识别,其识别率达到...     

嵌入DenseNet结构和空洞卷积模块的改进YOLO v3火灾检测算法

为解决现有火灾检测算法无法同时满足高检测率、低误报率以及高实时性的检测需求的问题,提出了一种基于卷积神经网络的改进YOLOv3目标检测算法,通过深度卷积神经网络自动提取火焰特征对全图进行多尺度特征图预测.首先,针对网络公开火灾数据集数量较少、场景种类受限、火焰尺度单一等问题,自建了一个包含13 573张火灾图片的火灾数据集用于对模型进行训练和测试,其中训练集图片10 014张,测试集图片3 559张.接着,为了提升网络对于多尺度目标(尤其是小尺度目标)火焰的特征提取效果,通过在原YOLOv3的特征提取网络Darknet-53中嵌入空洞卷积模块以充分利用上下文信息,扩增感受野的同时保证不丢失特征图的分辨率.此外,在特征提取网络中加入DenseNet密集型连接网络结构单元,以增强特征复用,同时缓解深度卷积神经网络在特征传播过程中的梯度消失问题.该改进的特征提取网络相比原网络层数进一步加深,网络参数量显著减少.结合火灾检测任务需求实际,简化了损失函数,加快了网络的收敛速度.实验结果表明:该算法检测速度快,检测精度高,不仅能够实时检测大尺度火焰,对于火灾发生初期的小尺度火焰也同样检测灵敏,其检测速度可达26.0帧/s,精确率可达97%,且在多种复杂光照环境下均能良好地抑制误报.     

早期火灾CO气体的时间序列建模

通过傅里叶变换红外光谱探测技术,对火灾燃烧过程中产生的CO气体体积分数进行探测和定量分析,并对现场实测数据的非平稳时间序列进行平稳化处理和AR(p)模型(自回归模型)建模.通过对模型参数在相平面上的分析,提取早期火灾发生过程中的特征信息,建立一种及时的火灾探测、报警的方法.     

大型教学楼火灾性能指标的数值分析

确定疏散人员、火灾大小、烟气流动模型、疏散速度、分析测点等参数设置,采用FDS火灾分析软件对典型教学楼的火灾进行模拟,分析研究温度、能见度、烟气层高度、CO浓度、CO2浓度、人员疏散情况的变化规律,结果表明:随着测点和火源中心距离的减小,温度、CO浓度、CO2浓度增加,能见度、烟气层高度降低;随着层数的增加,温度、能见度、人员疏散速度逐渐增大,烟气层高度、CO浓度、CO2浓度逐渐减小;温度、能见度、烟气层高度对人员疏散起决定性作用,CO浓度、CO2浓度对人员疏散的影响不大;各层人员疏散速度在100s时迅速下降,但各层人员疏散在250s内疏散基本完成;1层疏散人员数量先下降,再升高,再降低,在130s左右,1层疏散人员数量达到最大;教学楼人员应在580s内完成疏散,并尽可能向教学楼南侧疏散,教学楼火灾数值分析为消防设施的设置和疏散路线的选择提供理论指导.     

火灾探测的模糊神经网络数据融合算法研究

针对火灾探测信号的特点,提出了一种基于模糊神经网络的多传感器火灾探测系统的数据融合算法.网络结构为9层,输入信号为CO气体浓度、烟雾浓度和温度,输出为火灾发生概率.通过网络训练和自学习不断调整权值,使网络输出与导师信号误差最小,完成了隶属度函数的自动生成和模糊规则的自动提取,大大提高了系统的精度和智能化.仿真结果验证了方法的可行性.     

动作分类卷积神经网络特征的时域属性校正方法

针对3D卷积神经网络捕获的动作特征中时域属性信息的稳健性不足,提出一种时域属性校正方法.通过独创的属性映射法抽象出网络特征数据的时域属性,对比各组特征的属性信息后,对信息差异过大的特征数据进行校正.校正后的模型将增强特征之间的时域一致性,使卷积神经网络模型的动作分类性能得到优化.使用3D的ResNeXt-101作为仿真验证的基础模型,显著提升了该模型在两个常用动作分类数据集上的测试准确率,在使用了预训练模型后也能够保持良好的优化效果.     

矿用胶带火灾燃烧特性预测模型

胶带火灾热释放率是矿井胶带火灾危险性大小的重要参数之一,准确预测其大小对胶带火灾预防具有重要意义.采用锥形量热仪测试空白胶带和运煤胶带,得到热释放率、CO2浓度、CO浓度及产烟率等燃烧参数,并分析了胶带的燃烧性能.结合实验数据,建立基于随机森林模型(RF)的胶带火灾热释放率的预测方法.为了验证随机森林方法的准确性和可靠...     

Kinect骨骼信息下的动态手势识别研究

针对复杂环境中存在的手势识别问题,提出一种利用Kinect传感器获取深度信息并进行动态手势识别的方法。该方法通过对Kinect传感器获取的深度信息进行分析,获取人体主要骨骼点的3D坐标,从中选取六个点作为手部运动的特征参照;为提高手势识别系统的识别速度,提出了一种基于查表的DTW算法对得到的特征数据进行模板训练并实现动态手势识别。实验结果表明:该方法具有较高的识别速度和识别率,对复杂背景及光照强度变化具有较强的鲁棒性。     

地下商业街火灾时期人员疏散安全性研究

以地下商业街为对象,研究不同工况下人员疏散的安全条件。采用火灾模拟软件FDS建立火灾模型,模拟并分析了3种工况下火灾烟气能见度、温度及CO浓度的不同变化,得出不同工况下的火场危险时间,并对人员疏散进行了理论计算。得出,机械排烟和水喷淋系统对火灾烟气控制效果不同,排烟和喷淋系统同时作用下效果最好,能够保证人员安全疏散所必需的时间,可以作为火灾扑救和人员疏散的指导。     

基于反馈趋势算法神经网络的火灾监测算法研究

本文采用温度、烟雾、一氧化碳浓度进行火灾检测。在数据处理方法上,采用反馈趋势算法的神经网络对火灾的有无进行判断,较单个传感器及传统的神经网络相比,基于反馈趋势算法神经网络数据融合的结果具有较高的准确度和可信度。     

基于神经网络的多参数矿井火灾识别方法

针对矿井火灾早期预测预报研究了新的方法,将矿井火灾图像与温度、烟雾、CO、CO2、O2等多个参数相结合,进行综合分析,对矿井火灾进行判断。依据神经网络建立的数学模型,采用神经网络的学习算法,对矿井火灾进行识别。通过仿真分析结果表明,矿井火灾正确识别率很高,特别是采用RBF神经网络,正确识别率达到98%以上,从而为神经网络实际用于矿井火灾识别成为可能,该方对矿井火灾早期预测预报具有重要的理论意义和实用价值。     

火灾模拟实验智能测控系统

按国际标准ISO834升温特性, 针对火灾模拟实验炉开发了一套火灾模拟实验过程智能测控系统. 该系统包含带智能通信的多路温度采集、带主元分析神经网络炉温数据融合、炉温智能PID控制等多种智能信息处理技术. 智能通信同时拥有RS-485串行和EPP并行接口, 保证了所采集的多路温度数据的实时性;采用带主元分析和RBF神经网络的炉温数据融合模型使炉温估计精度比采用常规的最小二乘方法所得的拟合精度明显提高;采用智能PID控制则使炉膛的实际升温曲线符合ISO834国际标准升温要求.     

One Fire Detection Method Using Neural Networks

A neural network fire detection method was developed using detection information for temperature,smoke density,and CO concentration to determine the probability of three representative fire conditions.The method overcomes the shortcomings of domestic fire alarm systems using single sensor information.Test results show that the identification error rates for fires,smoldering fires,and no fire are less than 5%,which greatly reduces leak-check rates and false alarms.This neural network fire alarm system can fu...     

基于多传感器融合技术的高大空间火灾探测

提出了一种新型的、应用多传感器数据融合技术于当前高大空间建筑的火灾探测报警系统的方法。该种方法采用多传感器探测火灾多种参量,先使用神经-模糊网络进行局部判定,局部判定结果与融合中心进行历史数据的融合,得到误差后确定下一步全局决策。通过试验与仿真证明此方法大大提高了火灾探测的及时性,同时又提高系统可靠性,减少了误报警。     

用于火灾探测的神经网络数据融合算法

提出了一种多传感器火灾探测系统的数据融合算法,并针对火情信号测试的固有特点,采用神经网络进行数据融合决策,探讨了算法模型的建立,并由仿真结果验证了方法的可行性。     

基于ZigBee技术的无线火灾概率分级预警系统设计

针对传统火灾报警系统在布线、扩容等方面的不足,在无线火灾预警产品缺少的现状下,利用无线传感器网络技术和多传感器融合技术设计了一个无线火灾概率分级预警系统;该系统采用ZigBee技术快速建立星形预报警网络,节点扩充容易,根据多传感器融合信息,将火灾发生趋势按概率等级给出预警;经过试验验证,能够适应各种复杂环境的火灾预警和报警要求.     

狭长通道内火灾烟气毒性成分空间分布的实验

利用模拟狭长通道的小型实验台研究了火灾烟气传播过程中毒性成分的空间分布规律．结果发现，烟气成分的分布沿着水平方向呈现不同的特点，在远离火源的位置呈上下两层分布，符合两层区域模型，而在离火源较近位置则递变分布，则须用场模型或者多层区域模型评估．实验表明，烟气毒性成分的浓度峰值随高度的降低呈现明显的阶梯变化，在过渡区段骤升骤降．实验测量到，CO和CO2迁移时浓度峰值在远离火源处仍然保持相当高的浓度甚至高于火源近处的浓度，这与火灾中很多遇难者死于远离火源位置的结果是一致的．     

基于数据融合技术的火灾报警系统的研究与设计

提出了一种基于现场总线的神经网络和模糊推理的多传感器数据融合技术,对所采用的数据融合技术进行了详细介绍.通过模拟实际输入信号的仿真结果证明,采用神经网络BP算法和模糊推理的多传感器数据融合技术能够准确预报火灾,有效降低误报率,达到了预期良好的效果.     

数据融合技术在公路隧道火灾探测中的应用

在分析公路隧道火灾特点的基础上,依据数据融合的基本原理,充分利用多个传感器资源,把多个传感器在空间和时间上的冗余或互补信息依据某种准则来进行组合,以获得被测对象的一致性解释或描述。提出了一种基于数据融合技术的隧道火灾探测算法,以感烟、感温和感光传感器的模拟量为输入,利用人工神经网络和模糊逻辑技术对多传感器信号进行融合,设计出一种快速、准确和有效的隧道火灾自动探测融合系统,可缩短报警时间,降低误报警率。克服了火灾探测算法单一使用固定阈值的弊端。