基于模糊证据理论算法在火灾检测中的应用

发布时间：2018-02-08 21:24

  本文关键词： 多传感器 火灾检测 模糊理论 D-S证据理论 数据融合　出处：《计算机工程与应用》2017年05期 　论文类型：期刊论文

【摘要】：在复杂多变的火灾检测环境中,针对传统火灾检测方式准确率不高,适应性较差的问题。将模糊集合和D-S证据推理有机结合,提出一种新的用于火灾检测的多传感器数据融合的方法。该方法首先利用火焰、烟雾和温度传感器感知火灾状态,然后根据给出模糊隶属函数计算各个传感器的模糊隶属度。为了增强系统的抗干扰性,引入了计算传感器可信度的方法,并根据每次测量隶属度和可信度转化为基本概率分配函数(mass函数),最后利用证据理论对一个周期内多次测量的信息进行融合。结果表明,该方法提高了火灾检测判别的准确率,克服单个传感器带来的不稳定性和不确定性,增强了火灾检测系统的鲁棒性。
[Abstract]:In the complex and changeable fire detection environment, aiming at the problem of low accuracy and poor adaptability of traditional fire detection methods, fuzzy sets and D-S evidential reasoning are combined organically. A new multi-sensor data fusion method for fire detection is proposed. Firstly, flame, smoke and temperature sensors are used to detect the state of fire. Then the fuzzy membership degree of each sensor is calculated according to the given fuzzy membership function. In order to enhance the anti-interference ability of the system, the method of calculating the reliability of the sensor is introduced. According to the degree of membership and credibility of each measurement, the basic probability distribution function is transformed into mass function. Finally, the information measured several times in a period is fused with the evidence theory. The results show that the method improves the accuracy of fire detection and discrimination. The robustness of the fire detection system is enhanced by overcoming the instability and uncertainty brought by a single sensor.
【作者单位】： 常州大学机器人研究所;
【基金】：江苏省科技支撑计划项目(社会发展)(No.BEK2013671)
【分类号】：TP212;TP202

【相似文献】

相关期刊论文 前10条

1 李向莉,吕建平;D-S证据理论在多传感器信息融合中的改进[J];现代电子技术;2005年16期

2 张乐星;;用D-S证据理论实现多传感器信息融合的一种改进算法[J];传感器世界;2006年10期

3 朱静;高会生;李聪聪;;基于D-S证据理论的信息安全风险评估[J];华北电力大学学报(自然科学版);2008年04期

4 崔智军;王庆春;;基于D-S证据理论的多传感器数据融合[J];现代电子技术;2011年12期

5 刘振兴;李明图;;基于加权D-S证据理论的辐射源目标识别[J];现代防御技术;2011年03期

6 黄瑛,陶云刚,周洁敏,苏登军;D-S证据理论在多传感器数据融合中的应用[J];南京航空航天大学学报;1999年02期

7 孙文斌;李洪党;;基于D-S证据理论的火灾检测方法研究[J];自动化博览;2006年S2期

8 惠增宏;;基于加权D-S证据理论的分布式多传感器目标识别[J];计算机应用;2007年01期

9 李可心;徐国鑫;;基于D-S证据理论的空中目标识别[J];红外与激光工程;2007年S2期

10 杨帆;刘畅;;基于D-S证据理论的多传感器目标识别应用[J];武汉工程大学学报;2009年01期

相关会议论文 前10条

1 胡玉兰;范晓静;;基于D-S证据理论改进方法的目标识别[A];第二十七届中国控制会议论文集[C];2008年

2 佘二永;;一种基于D-S证据理论的高光谱图像分类方法[A];2009年通信理论与信号处理学术年会论文集[C];2009年

3 杨帆;浦昭邦;刘国栋;;基于D-S证据理论的多指纹数据融合[A];首届信息获取与处理学术会议论文集[C];2003年

4 肖云;彭进业;王选宏;赵健;;基于D-S证据理论的漏洞动态严重性分析[A];第二十九届中国控制会议论文集[C];2010年

5 边宝峰;马平;;基于模糊神经网络和D-S证据理论的信息融合方法的研究[A];第二十三届中国控制会议论文集（下册）[C];2004年

6 王勇平;杨晓段;李元左;;基于D-S证据理论的装备质量管理风险评估模型[A];第九届中国软科学学术年会论文集（上册）[C];2013年

7 杨帆;浦照邦;刘国栋;;基于D-S证据理论的多指纹数据融合[A];全面建设小康社会：中国科技工作者的历史责任——中国科协2003年学术年会论文集（上）[C];2003年

8 张佑春;王平;张公永;;基于D-S证据理论和神经网络的信息融合方法及应用[A];第二十七届中国控制会议论文集[C];2008年

9 周浔;王晓丽;;粗BP神经网络和D-S证据理论在目标识别中的应用[A];第十九届测控、计量、仪器仪表学术年会(MCMI'2009)论文集[C];2009年

10 杜瀊;李秋华;;基于D-S证据理论的红外双波段图像目标融合分割[A];2009年先进光学技术及其应用研讨会论文集（上册）[C];2009年

相关博士学位论文 前1条

1 李菁;基于D-S证据理论的残疾人体育器材研发中评价模型的构建[D];上海体育学院;2012年

相关硕士学位论文 前10条

1 蔡斌斌;基于D-S证据理论的多准则特征集优选方法[D];西南交通大学;2015年

2 高丽娟;基于改进的D-S证据理论的航空电源故障诊断[D];安徽工程大学;2015年

3 程子成;D-S证据理论中信任函数概率逼近方法研究[D];江西师范大学;2015年

4 温迪;基于D-S证据理论的航空发动机气路故障信息融合与FMECA分析[D];电子科技大学;2014年

5 秦鹏;基于最小二乘支持向量机和D-S证据理论的电力变压器故障诊断研究[D];兰州交通大学;2015年

6 鹿高娜;基于D-S证据理论的融合事件检测算法研究[D];北京交通大学;2016年

7 周天豪;基于D-S证据理论的私有云入侵检测系统[D];北京交通大学;2016年

8 郭心宇;基于D-S证据理论的海量评价数据分析及用户偏好发现[D];云南大学;2016年

9 刘丹;基于D-S证据理论的白水河滑坡状态跃迁研究[D];中国地质大学;2016年

10 刘芳;基于D-S证据理论的冲突证据分析研究[D];山东师范大学;2016年

，

本文编号：1496304