多变天气环境下消防给水设备智能巡检系统研究

发布时间：2017-05-23 06:09

  本文关键词：多变天气环境下消防给水设备智能巡检系统研究，由笔耕文化传播整理发布。

【摘要】：消防控制设备,直接关系到人民生命财产安全,而在火灾发生之初,灭火关键在于消防给水设备工作状态是否正常。实际中,消防给水设备长期处于待机状态,容易出现水泵锈蚀、设备受潮、动作不正常等故障,所以,建筑物消防给水设备投入使用时,需具备巡检功能,即定期或不定期低频启动消防给水设备,测试其工作性能及关键参数,确保其在需要投入运行时,能够正常启动。消防给水设备作为建筑电气供水控制设备,使用环境为室内水泵房,多变天气环境下,影响其工作状态的主要因素为环境温度、相对湿度以及漏电流值,本文详细讨论了这三个因素对消防给水设备的影响方式、影响结果和采样方法,并选取这三个参数作为主要控制变量,引入马尔科夫理论和BP神经网络理论,通过分析马尔科夫模型的建立方法和转移概率计算方法,考察它们对控制方式的适应性,提出利用BP神经网络理论完成对单次故障率的计算思路,着重论述了BP神经网络计算方法,并且给出了反向传播的误差分析计算过程,利用恒定湿热环境下得到的消防给水设备故障率数据,通过多元线性回归及残差修正,结合时间因素,得到理论故障率;借助模糊控制理论,将理论故障率及其变化率模糊化,设计模糊规则,指导完成多变天气环境下消防给水设备智能巡检控制。通过编写MATLAB程序,仿真得到马尔科夫-三变量模糊神经网络故障预测模型的控制参数,作为多变天气环境下消防给水设备智能巡检系统的控制参数,指导系统程序设计。对比了分析了定期巡检、直接模糊控制模型和马尔科夫-三变量模糊神经网络模型下巡检次数、巡检效果以及对消防给水设备的影响。通过实例,验证了基于温度、相对湿度、漏电流的马尔科夫-三变量模糊神经网络模型的智能巡检预测控制方式的有效性。最后,提出了增加非关键输入变量,优化预测算法,进一步提高预测精度的想法。本文关于多变天气环境下消防给水设备智能巡检系统的设计制作,有可靠的应用价值,同时,也为多变量预测控制系统在参数获取、归一化、模糊化以及神经网络控制方面,提供了很好的设计思路。
【关键词】：消防给水设备 智能巡检 马尔科夫 BP神经网络
【学位授予单位】：湘潭大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;TU892
【目录】：

• 摘要4-5
• Abstract5-8
• 第1章 绪论8-13
• 1.1 智能巡检研究背景8
• 1.2 课题研究意义8-9
• 1.3 国内研究现状与发展趋势9-11
• 1.4 针对多变天气环境的参数选取原则11-12
• 1.5 本论文的结构12-13
• 第2章 智能巡检系统13-19
• 2.1 智能巡检系统的技术要求13
• 2.2 常规巡检方法13-14
• 2.3 系统总体方案14-15
• 2.4 智能巡检系统15-16
• 2.5 关键泵的重点巡检16-17
• 2.6 抗干扰设计17-18
• 2.7 本章小结18-19
• 第3章 控制参数的选取和采集19-25
• 3.1 控制参数选取的理论基础19
• 3.2 温度对给水设备的影响19-20
• 3.3 湿度对给水设备的影响20
• 3.4 温湿度采样20-21
• 3.5 漏电流对给水设备的影响及检测21-23
• 3.5.1 漏电流对给水设备的影响21-22
• 3.5.2 漏电流检测22-23
• 3.6 其他参数的影响及考虑23-24
• 3.7 本章小结24-25
• 第4章 智能巡检系统巡检策略研究25-50
• 4.1 故障率和故障状态25-26
• 4.2 马尔科夫基本理论26-27
• 4.2.1 马尔科夫过程26
• 4.2.2 马尔科夫链26-27
• 4.3 BP神经网络27-31
• 4.3.1 BP神经元27-28
• 4.3.2 BP神经网络28-31
• 4.4 马尔科夫——三变量模糊神经网络模型31-33
• 4.4.1 神经网络模型的选取和改进31-32
• 4.4.2 马尔科夫——三变量模糊神经网络模型的构建32-33
• 4.4.3 极端情况处理33
• 4.5 基于马尔科夫模型的巡检控制策略33-35
• 4.5.1 模型建立依据33
• 4.5.2 计算转移概率33-34
• 4.5.3 转移概率实现步骤34-35
• 4.6 实验比较与测试35-49
• 4.6.1 控制参数及其权值35-39
• 4.6.2 常规定期巡检模式39
• 4.6.3 模糊控制模型39-42
• 4.6.4 马尔科夫——三变量模糊神经网络模型计算42-46
• 4.6.5 巡检次数对比46-49
• 4.7 本章小结49-50
• 第5章 功能验证50-61
• 5.1 系统整体要求50-51
• 5.1.1 系统方案50
• 5.1.2 功能特点50-51
• 5.1.3 技术参数51
• 5.2 参数采集部分51-53
• 5.3 控制部分53-56
• 5.4 触摸屏显示部分56-58
• 5.5 系统试运行58-60
• 5.6 本章小结60-61
• 第6章 结论与展望61-62
• 6.1 工作总结61
• 6.2 展望61-62
• 参考文献62-67
• 致谢67-68
• 附录A 元器件选型表及输入输出配置表68-70
• 附录B：接线端子排及其说明70-71
• 附录C：部分控制程序71-80
• 个人简历、在学期间发表学术论文与研究成果80

【参考文献】

中国期刊全文数据库 前5条

1 张刚;刘福潮;王维洲;李正远;郑晶晶;梁雅芳;;电网短期负荷预测的BP-ANN方法及应用[J];电力建设;2014年03期

2 ;Variety distribution pattern and climatic potential productivity of spring maize in Northeast China under climate change[J];Chinese Science Bulletin;2012年26期

3 Mohammad Mehdi Fateh;Sara Fateh;;A Precise Robust Fuzzy Control of Robots Using Voltage Control Strategy[J];International Journal of Automation and Computing;2013年01期

4 宋新华;陈胜迁;陈立;宋斌;袁江;周金鑫;;基于正交试验和BP网络的2524铝合金热处理工艺优化及预测[J];特种铸造及有色合金;2014年05期

5 张娜;王守相;王亚e，

本文编号：386968