当前位置:主页 > 科技论文 > 船舶论文 >

典型舱室火灾智能识别的贝叶斯网络模型

发布时间:2018-11-11 12:27
【摘要】:基于先进传感器,建立了火灾大小和类型智能识别的贝叶斯网络模型,上层温度、下层温度、CO浓度、CO2浓度、O2浓度和遮光度等6个火灾特征参数为识别模型的输入变量,火灾大小和类型为输出变量,并推导了输入变量与输出变量之间的关系。分别在住舱、指挥室、机舱和机库等4种典型舱室模拟了床垫火、电缆火、油池火和喷射火等4种火源,利用CFAST软件得到了2 880组模拟样本数据,对模型参数进行了训练,并根据全尺度火灾试验数据对训练后的识别模型进行了验证。验证结果表明:在火灾传感器数据完整时,对小火、中火和大火状态的平均识别正确率分别为88.0%、95.0%、85.7%,对固体火和油料火的平均识别正确率分别为90.2%、81.5%;在火灾损害严重或武器打击致使单个传感器失效的情况下,对火灾大小和类型的平均识别正确率分别为82.4%、82.7%,比火灾传感器数据完整时分别降低8.1%、2.8%。可见,识别模型具有良好的识别能力和鲁棒性,可应用于舰船损管监控系统,为指挥员选择最有效的灭火方法和战术提供实时的决策支持。
[Abstract]:Based on advanced sensors, a Bayesian network model for intelligent identification of fire size and type is established. Six fire characteristic parameters, such as upper temperature, lower temperature, CO concentration, CO2 concentration, O2 concentration and shading degree, are the input variables of the model. The size and type of fire are output variables, and the relationship between input variables and output variables is derived. Four kinds of typical compartments, such as mattress fire, cable fire, oil pool fire and jet fire, were simulated in four typical compartments of cabin, command room, engine room and hangar, respectively. 2880 groups of simulated sample data were obtained by CFAST software, and the model parameters were trained. The training model is verified based on the full scale fire test data. The results show that when the data of the fire sensor is complete, the average recognition accuracy of small fire, moderate fire and fire state is 88.0 and 95.057, respectively. The average recognition accuracy of solid fire and oil fire is 90.2% and 81.5% respectively. In the case of serious fire damage or the failure of a single sensor caused by a weapon strike, the average correct recognition rate for the size and type of the fire is 82.4 and 82.7, respectively, which is 8.1 percent lower than when the data of the fire sensor is complete. 2.8. It can be seen that the recognition model has good recognition ability and robustness. It can be applied to ship damage management monitoring system and provide real-time decision support for commanders to choose the most effective fire extinguishing methods and tactics.
【作者单位】: 大连理工大学船舶工程学院;海军大连舰艇学院航海系;海军装备研究院标准规范研究所;
【基金】:“十二五”国防预研项目(4010403010208) 武器装备军内科研重点项目(2014HJ0030)
【分类号】:U664.88

【相似文献】

相关期刊论文 前10条

1 袁阿勇;盛步云;;新型分类装置的智能识别与控制[J];起重运输机械;2007年07期

2 桑中顺;;新奥法隧道掌子面照片处理与智能识别[J];山西建筑;2007年36期

3 王宗志;赵丽霞;;流域代表性污染物智能识别模型[J];黑龙江水利科技;2010年02期

4 张树生,,杨彭基;机械工程图的智能输入与识别研究[J];西北工业大学学报;1995年02期

5 赵万欣;陈思屹;吕维;;恶性负载智能识别方法研究[J];科技广场;2014年03期

6 ;“人脸识别”保障财产安全[J];中国新技术新产品精选;2006年02期

7 吴波,杨叔子,杜润生,马元镐;基于波形智能识别的诊断方法[J];机械工程学报;1994年01期

8 尚钢,张翔,饶文碧,钟珞;结构损伤智能识别方法[J];武汉理工大学学报;2003年11期

9 刘荔鑫,王帅,王迎旭,杨跃龙;公寓电器功率智能识别与用电安全控制器设计[J];湖南工程学院学报(自然科学版);2005年02期

10 余忠华,吴昭同;控制图模式及其智能识别方法[J];浙江大学学报(工学版);2001年05期

相关会议论文 前3条

1 杜松怀;刘志存;王忠义;施正香;;基于红外通信的动物身份智能识别装置[A];农业工程科技创新与建设现代农业——2005年中国农业工程学会学术年会论文集第三分册[C];2005年

2 唐盛;鹿昌义;梁艳川;;微生物智能识别方法的研究与实现[A];中华医学会第七次全国检验医学学术会议资料汇编[C];2008年

3 温利东;;以太网技术发展趋势[A];2003年内蒙古自治区自然科学学术年会优秀论文集[C];2003年

相关重要报纸文章 前10条

1 ;近场通信实现畜牧业智能识别[N];人民邮电;2008年

2 郑金武;中科院与香港科大共建智能识别实验室[N];江苏科技报;2009年

3 陈文 吴南强;华雨科技人脸智能识别系统进军世博[N];宜兴日报;2010年

4 本报记者蔡云锦;汉字智能识别产业渐成气候[N];中国经营报;2002年

5 《网络世界》记者 高杨;智能识别开启音乐应用新模式[N];网络世界;2013年

6 记者 沐滟;智能识别企业抱团拼抢市场[N];无锡日报;2012年

7 袁华;网络时代呼唤智能识别[N];中国贸易报;2000年

8 齐泽萍;今后,不停车即可进行运政稽查[N];山西经济日报;2008年

9 记者 乔佳妮 母家亮;西安出租车有了电子“身份证”[N];陕西日报;2010年

10 肖春飞 潘旭;大中小学生角逐“机器人”大赛[N];大众科技报;2009年

相关博士学位论文 前1条

1 皋军;智能识别中的降维新方法及其应用研究[D];江南大学;2010年

相关硕士学位论文 前10条

1 凌云峰;基于安控平台的智能识别与报警[D];苏州大学;2009年

2 洪炎峰;实时海洋浮游生物目标智能识别系统设计[D];浙江大学;2012年

3 张翔;基于神经网络的结构损伤远程智能识别方法研究[D];武汉理工大学;2004年

4 张知临;工商网上违法广告智能识别关键技术研究与实现[D];浙江大学;2013年

5 吴成勇;基于模糊技术的智能识别及其应用研究[D];江南大学;2011年

6 丁方;心电畸异波智能识别方法的研究[D];华东理工大学;2012年

7 骆晓娟;市容违章行为智能识别系统设计[D];浙江大学;2014年

8 李翔基;基于本体的虚拟零件智能识别方法研究与应用[D];北京邮电大学;2009年

9 史中辉;玉米种子品种智能识别系统研究[D];山东农业大学;2011年

10 王强;基于小波和希尔伯特—黄变换的气液两相流流型智能识别方法[D];东北电力大学;2007年



本文编号:2324831

资料下载
论文发表

本文链接:https://www.wllwen.com/kejilunwen/chuanbolw/2324831.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户1d147***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com