多数据融合在火灾预警中的应用
发布时间：2022-09-29 20:27
经济的发展使得人们的物质水平逐渐提升,故火灾发生时,必将带来非常严重的损失。另一方面,科技的快速发展,为火灾预警性能的提升创造了可能。传统的火灾预警大多是选取单一参数的火灾报警器对监测场所进行实时监测,当监测参数达到报警阈值时开始报警,这种单一参数的预警机制存在着一定的误报性与漏报性。为了更快更准确地实现火灾早期预警,研究人员采用一些智能化的方法对这些探测器探测到的结果进行数据融合,最终得到比较准确的预警结果。本文以多数据融合技术为研究对象,将多数据融合技术应用于火灾早期预警,并对其预警性能进行分析。首先对多数据融合技术的基本原理进行分析,主要分为神经网络技术原理与模糊推理技术原理,结合多数据融合原理与火灾初期特性,选取了温度、烟气浓度与CO气体浓度三个参数来进行火灾早期预警研究,采用FDS软件进行火灾数值模拟,选用了适用于火灾初期模拟的t平方模型与大涡模拟模型,分别对机舱明火与旅馆阴燃火两种火灾场景下温度、烟气浓度与CO气体浓度的变化规律进行研究,确定了将温度、烟雾浓度与CO气体浓度作为火灾预警检测对象的合理性,并对传统单一火灾探测器的预警性能进行了简要的分析。随后,基于多数据融合原...
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 选题背景及意义
1.1.1 课题研究背景
1.1.2 课题研究的意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 国内外研究现状的总结
1.3 本文研究目的及研究内容
1.3.1 研究目的
1.3.2 研究内容
第2章 多数据融合技术在火灾预警中的应用原理
2.1 多数据融合技术简介
2.2 基于多数据融合技术的火灾预警原理
2.2.1 火灾预警中的神经网络技术
2.2.2 火灾预警中的模糊推理技术
2.3 本章小结
第3章 火灾初期发展过程及数值模拟
3.1 控制方程
3.1.1 质量守恒方程
3.1.2 动量守恒方程
3.1.3 能量守恒方程
3.2 火灾初期发展过程
3.3 火灾初期数值模拟
3.3.1 探测参量的选取及模型介绍
3.3.2 机舱火灾模拟
3.3.3 旅馆火灾模拟
3.4 本章小结
第4章 多数据融合火灾预警技术的初步实现及性能分析
4.1 多数据融合火灾预警技术的实现
4.1.1 神经网络技术的实现
4.1.2 模糊推理技术的实现
4.2 多数据融合火灾预警技术性能分析
4.2.1 火灾模拟探测信号的归一化处理
4.2.2 基于MATLAB仿真的性能分析
4.3 本章小结
第5章 多数据融合火灾预警技术的改进
5.1 基于神经网络训练样本的改进分析
5.2 基于多数据融合技术结构的改进分析
5.2.1 基于多数据融合技术结构的改进
5.2.2 结构改进后的火灾预警性能分析
5.3 本章小结
结论及展望
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]基于多传感器信息融合火灾预警技术系统模型的研究[J]. 李飞,金佩剑,宗凡煜,吴治蓉,马聪,李理. 民营科技. 2017(01)
[2]正态分布的贝叶斯网络火灾数据融合预警研究[J]. 金杉,崔文,金志刚. 计算机应用研究. 2016(05)
[3]基于BP神经网络矩形微带天线谐振频率预测[J]. 李向阳,曾文波. 广西科技大学学报. 2014(03)
[4]一种基于多信息融合的火灾预警系统[J]. 高朝春. 信息技术与信息化. 2014(09)
[5]地源热泵模糊控制器的设计[J]. 李小武. 湖南科技学院学报. 2012(04)
[6]既有建筑火灾危险性评价模型中隶属函数的确定[J]. 潘晓旭,杨玲,张靖岩. 中国安全生产科学技术. 2010(05)
[7]基于信息融合技术的火灾报警方法研究[J]. 路海娟,程乃伟,刘晓光. 沈阳航空工业学院学报. 2008(02)
[8]基于BP算法确定题库试题分值的研究[J]. 杨浩,赵鑫. 考试周刊. 2007(44)
[9]基于多传感器信息融合技术的智能驾驶系统模型[J]. 王淑芳,任兰珍. 测控技术. 2006(09)
[10]火灾预警系统中的信息融合[J]. 张兢,路彦和,雷刚. 兵工自动化. 2006(03)
博士论文
[1]基于多传感器信息融合的火灾危险度分布确定系统研究[D]. 王学贵.中国科学技术大学 2013
硕士论文
[1]基于多传感器信息融合技术的火灾探测报警系统设计与研究[D]. 胡祝格.西安建筑科技大学 2013
[2]多传感器信息融合技术在火灾探测中的应用[D]. 何南南.长安大学 2012
[3]基于神经网络的多传感器数据融合火灾预警系统研究[D]. 周晓琳.长春理工大学 2012
[4]智能建筑火灾自动报警系统的设计与研究[D]. 张响亮.武汉理工大学 2010
[5]基于信息融合技术的火灾探测方法研究[D]. 雷倩茹.华北电力大学（北京） 2010
[6]数控机床热误差检测及建模技术研究[D]. 徐金忠.南京航空航天大学 2009
[7]智能火灾自动报警系统的设计与实现[D]. 崔兴文.山东大学 2008
[8]基于模糊神经网络的智能火灾报警关键技术研究[D]. 樊强.西北农林科技大学 2007
[9]基于数据融合技术的火灾探测算法研究[D]. 傅剑锋.重庆大学 2007
[10]3NB-1300C钻井泵故障诊断及寿命预测[D]. 罗红梅.中国石油大学 2007
本文编号：3683256
【文章页数】：72 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 选题背景及意义
1.1.1 课题研究背景
1.1.2 课题研究的意义
1.2 国内外研究现状
1.2.1 国外研究现状
1.2.2 国内研究现状
1.2.3 国内外研究现状的总结
1.3 本文研究目的及研究内容
1.3.1 研究目的
1.3.2 研究内容
第2章 多数据融合技术在火灾预警中的应用原理
2.1 多数据融合技术简介
2.2 基于多数据融合技术的火灾预警原理
2.2.1 火灾预警中的神经网络技术
2.2.2 火灾预警中的模糊推理技术
2.3 本章小结
第3章 火灾初期发展过程及数值模拟
3.1 控制方程
3.1.1 质量守恒方程
3.1.2 动量守恒方程
3.1.3 能量守恒方程
3.2 火灾初期发展过程
3.3 火灾初期数值模拟
3.3.1 探测参量的选取及模型介绍
3.3.2 机舱火灾模拟
3.3.3 旅馆火灾模拟
3.4 本章小结
第4章 多数据融合火灾预警技术的初步实现及性能分析
4.1 多数据融合火灾预警技术的实现
4.1.1 神经网络技术的实现
4.1.2 模糊推理技术的实现
4.2 多数据融合火灾预警技术性能分析
4.2.1 火灾模拟探测信号的归一化处理
4.2.2 基于MATLAB仿真的性能分析
4.3 本章小结
第5章 多数据融合火灾预警技术的改进
5.1 基于神经网络训练样本的改进分析
5.2 基于多数据融合技术结构的改进分析
5.2.1 基于多数据融合技术结构的改进
5.2.2 结构改进后的火灾预警性能分析
5.3 本章小结
结论及展望
参考文献
附录
致谢
【参考文献】：
期刊论文
[1]基于多传感器信息融合火灾预警技术系统模型的研究[J]. 李飞,金佩剑,宗凡煜,吴治蓉,马聪,李理. 民营科技. 2017(01)
[2]正态分布的贝叶斯网络火灾数据融合预警研究[J]. 金杉,崔文,金志刚. 计算机应用研究. 2016(05)
[3]基于BP神经网络矩形微带天线谐振频率预测[J]. 李向阳,曾文波. 广西科技大学学报. 2014(03)
[4]一种基于多信息融合的火灾预警系统[J]. 高朝春. 信息技术与信息化. 2014(09)
[5]地源热泵模糊控制器的设计[J]. 李小武. 湖南科技学院学报. 2012(04)
[6]既有建筑火灾危险性评价模型中隶属函数的确定[J]. 潘晓旭,杨玲,张靖岩. 中国安全生产科学技术. 2010(05)
[7]基于信息融合技术的火灾报警方法研究[J]. 路海娟,程乃伟,刘晓光. 沈阳航空工业学院学报. 2008(02)
[8]基于BP算法确定题库试题分值的研究[J]. 杨浩,赵鑫. 考试周刊. 2007(44)
[9]基于多传感器信息融合技术的智能驾驶系统模型[J]. 王淑芳,任兰珍. 测控技术. 2006(09)
[10]火灾预警系统中的信息融合[J]. 张兢,路彦和,雷刚. 兵工自动化. 2006(03)
博士论文
[1]基于多传感器信息融合的火灾危险度分布确定系统研究[D]. 王学贵.中国科学技术大学 2013
硕士论文
[1]基于多传感器信息融合技术的火灾探测报警系统设计与研究[D]. 胡祝格.西安建筑科技大学 2013
[2]多传感器信息融合技术在火灾探测中的应用[D]. 何南南.长安大学 2012
[3]基于神经网络的多传感器数据融合火灾预警系统研究[D]. 周晓琳.长春理工大学 2012
[4]智能建筑火灾自动报警系统的设计与研究[D]. 张响亮.武汉理工大学 2010
[5]基于信息融合技术的火灾探测方法研究[D]. 雷倩茹.华北电力大学（北京） 2010
[6]数控机床热误差检测及建模技术研究[D]. 徐金忠.南京航空航天大学 2009
[7]智能火灾自动报警系统的设计与实现[D]. 崔兴文.山东大学 2008
[8]基于模糊神经网络的智能火灾报警关键技术研究[D]. 樊强.西北农林科技大学 2007
[9]基于数据融合技术的火灾探测算法研究[D]. 傅剑锋.重庆大学 2007
[10]3NB-1300C钻井泵故障诊断及寿命预测[D]. 罗红梅.中国石油大学 2007
本文编号：3683256
本文链接：https://www.wllwen.com/kejilunwen/sgjslw/3683256.html
