基于模糊神经网络在智能家居信息融合的火灾信息探测算法研究

发布时间：2017-10-05 13:22

  本文关键词：基于模糊神经网络在智能家居信息融合的火灾信息探测算法研究

  更多相关文章： 火灾探测 模糊逻辑 神经网络 模糊神经网络

【摘要】：随着科学技术的不断进步,人们生活水平的不断提高,家居生活智能化已经成为一种趋势。舒适性不再是家居生活的唯一的标准,安全性、智能型越来越受到人们的重视。而现代家居火灾发生的频率和规模越来越大,造成生命财产的极大损失,所以研究智能家居防火系统有着重要且实用的意义。智能家居的火灾探测系统的首要工作在于能够尽早的识别出火灾,通过中控系统或其他联动系统,将损失降至最低。本文首先研究了火灾信号的复杂性、非线性结构等特点,然后研究模糊理论和RBF神经网络等相关理论,分别设计出基于模糊系统和RBF神经网络的火灾探测模型,并利用Matlab进行仿真实验,分析得出,单纯的依靠某一种算法处理并不能得到期望的效果。进一步提出将模糊系统和神经网络相结合,进行优势互补,设计出一个拥有6层结构的模糊神经网络。在这个模糊神经系统当中,整个模糊神经网络系统的模糊推理部分由原神经网络来完成;神经网络的训练是通过误差反向传播法,得到适合火灾探测环境的神经网络的权值;训练得到修改后的隶属度函数和模糊规则,作为进一步的推理使用。当传入测试样本时,按照训练好的模糊神经系统进行探测分析,能够得出火灾发生的概率。进一步的引入烟雾的持续时间,在阴燃火和明火难以判别时能够作进一步的判断,并且能够有效的提高抗干扰,在火灾探测时能够作出更为准确的判断。仿真结果表明模糊神经网络能够得到理想的效果,证明模糊神经网络应用于火灾探测中是合理的,能够准确预报,减少误报,有效的提高了火灾探测的稳定性和可靠性,并拥有一定的抗干扰能力。
【关键词】：火灾探测 模糊逻辑 神经网络 模糊神经网络
【学位授予单位】：云南财经大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP183;TU855
【目录】：

• 摘要3-4
• Abstract4-8
• 第一章 绪论8-11
• 第一节 智能家居防火系统的研究背景与意义8-9
• 第二节 防火系统的研究现状9-10
• 第三节 本文的主要研究内容10-11
• 第二章 火灾探测原理及相关技术11-18
• 第一节 火灾燃烧过程分析11-13
• 第二节 火灾探测器原理概述13-15
• 第三节 火灾探测算法概述15-18
• 第三章 模糊控制与神经网络理论基础18-40
• 第一节 多传感器信息融合技术18-23
• 一、信息融合技术的层次19-20
• 二、信息融合系统的结构20-22
• 三、信息融合技术在火灾探测中的运用22-23
• 第二节 模糊控制23-29
• 一、模糊控制简介23-25
• 二、典型的模糊控制系统25-29
• 第三节 人工神经网络理论基础29-34
• 一、神经网络30-32
• 二、神经网络的分类32-34
• 第四节 模糊神经网络34-40
• 一、模糊控制和神经网络相结合34-36
• 二、模糊神经网络结构36-38
• 三、典型模糊神经网络38-40
• 第四章 基于模糊控制系统与人工神经网络系统的算法设计40-57
• 第一节 系统整体结构设计40-41
• 第二节 模糊控制在智能家居火灾探测当中的应用41-49
• 一、输入输出模糊化41
• 二、隶属度函数的选择41-42
• 三、模糊规则的建立42-44
• 四、去模糊化44
• 五、Matlab仿真44-49
• 第三节 智能家居火灾探测中神经网络的运用49-57
• 一、网络模型的建立49-51
• 二、RBF网络学习算法51-53
• 三、Matlab仿真53-57
• 第五章 模糊神经网络在火灾探测系统当中的运用57-82
• 第一节 模糊神经网络系统模型的建立57-62
• 第二节 学习算法62-73
• 一、输出层权系数ktw的调整63
• 二、隐层当中的节点权系数ij?的调整63-68
• 三、隐层节点权系数ijc的调整68-71
• 四、基于模糊神经网络学习的具体过程71-73
• 第三节 模糊神经网络的训练73-82
• 结论与展望82-83
• 参考文献83-87
• 致谢87-88
• 本人在读期间完成的研究成果88

【相似文献】

中国期刊全文数据库 前10条

1 张晓琴,张富梅,侯永兴,张立毅,王华奎;模糊神经网络的结构分析[J];太原理工大学学报;2005年S1期

2 张思梅;张炳传;;模糊神经网络在水环境保护中的应用综述[J];安徽建筑工业学院学报(自然科学版);2007年02期

3 陈晓洪;刘川;浦金云;;舰艇系统损伤等级模糊神经网络评估模型[J];海军工程大学学报;2009年03期

4 王培勋;王顺磊;陈树娟;;模糊神经网络的理论发展与应用研究[J];中国新技术新产品;2010年01期

5 郭华旺;董海鹰;;基于模糊神经网络的风速预测研究[J];电气传动自动化;2012年03期

6 高明明;刘吉臻;高明帅;杨世明;吴玉平;张明胜;;基于补偿模糊神经网络的灰循环系统控制研究[J];动力工程学报;2012年07期

7 胡贤金;;基于模糊神经网络的切削参数预测方法[J];工具技术;2012年11期

8 吴小苗，韩祯祥;电力系统自组织模糊神经网络稳定器[J];电力系统及其自动化学报;1995年04期

9 刘乐星;王俊超;毛宗源;;基于神经网络的模糊规则自动生成[J];葛洲坝水电工程学院学报;1996年02期

10 邢进生,万百五;基于矩形函数系的模糊神经网络及其应用[J];西安交通大学学报;2000年06期

中国重要会议论文全文数据库 前10条

1 李仁发;乜崇义;;一种用模糊神经网络建立模糊模型的新方法[A];1996年中国智能自动化学术会议论文集（上册）[C];1996年

2 舒赛刚;任雪梅;陈杰;;模糊神经网络在混沌预测中的应用[A];第二十届中国控制会议论文集（下）[C];2001年

3 张剑辉;彭力;林行辛;;变结构的补偿模糊神经网络的研究[A];第二十三届中国控制会议论文集（上册）[C];2004年

4 林雄;张福金;黄槐仁;刘煜;;进化模糊神经网络在时序预测的应用[A];计算机技术与应用进展——全国第17届计算机科学与技术应用（CACIS）学术会议论文集（上册）[C];2006年

5 谢维信;钱涛;;模糊神经网络研究述评[A];1999年中国神经网络与信号处理学术会议论文集[C];1999年

6 陈一飞;李怀;;模糊神经网络在室内采光控制中的应用[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

7 荣莉莉;;模糊神经网络在项目评价系统中的应用[A];全国青年管理科学与系统科学论文集第5卷[C];1999年

8 孙增圻;;模糊神经网络及其在系统建模与控制中的应用[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

9 马海峰;李晨光;唐涛;;基于模糊神经网络的列车运行安全控制[A];1998年中国智能自动化学术会议论文集（上册）[C];1998年

10 王孙安;杜海峰;;基于相平面的模糊神经网络研究及应用[A];第一届全国流体动力及控制工程学术会议论文集[C];2000年

中国博士学位论文全文数据库 前10条

1 何春梅;模糊神经网络的性能及其学习算法研究[D];南京理工大学;2010年

2 李龙;模糊神经网络学习算法及收敛性研究[D];大连理工大学;2010年

3 翟东海;加乘型模糊神经网络理论和应用的研究[D];西南交通大学;2003年

4 杨洁;模糊神经网络的学习收敛性与阈值可去性[D];大连理工大学;2006年

5 艾芳菊;模糊神经网络的结构优化研究[D];中国科学院研究生院（成都计算机应用研究所）;2006年

6 王振雷;模糊神经网络理论及其在复杂系统中的应用研究[D];东北大学;2002年

7 孙海蓉;模糊神经网络的研究及其应用[D];华北电力大学（河北）;2006年

8 周志坚;基于遗传算法的神经模糊技术应用研究[D];华南理工大学;1999年

9 朱喜林;模糊神经网络选择机械加工参数的应用研究[D];吉林大学;2006年

10 陈向坚;微型飞行器姿态的智能控制方法研究[D];中国科学院研究生院（长春光学精密机械与物理研究所）;2012年

中国硕士学位论文全文数据库 前10条

1 曹甄;基于模糊神经网络的桥梁状态评价[D];天津大学;2009年

2 程冰;模糊神经网络研究[D];广东工业大学;2005年

3 王玉红;基于模糊神经网络的信用风险评级研究[D];哈尔滨工程大学;2006年

4 王雪苗;模糊神经网络优化及应用研究[D];大连理工大学;2006年

5 马秀会;模糊神经网络研究综述[D];吉林大学;2008年

6 徐坤哲;基于区间二型TSK模糊神经网络系统的时间序列预测及应用研究[D];渤海大学;2015年

7 王萌;基于模糊神经网络的高压不对称脉冲轨道电路故障诊断[D];北京交通大学;2016年

8 程林中;基于模糊神经网络的输电线路故障诊断系统研究[D];安徽理工大学;2016年

9 于沙家;基于模糊神经网络的热电厂脱硫系统建模与控制研究[D];青岛科技大学;2016年

10 曲代丽;基于模糊神经网络的驾驶员制动意图辨识技术研究[D];长春工业大学;2016年

，

本文编号：977024