火灾探测的模糊神经网络数据融合算法研究

基于神经网络的火灾图像特征融合算法

Ａｂｓｒｃ：Ｃｏｉｅｉｇｔｅｕｓａｉｔｎｉｈｅｒｎｏｓｒｃｇｔｎｗｉｒｄｔｎｌｍｅｈｄｏｒｅｅｔｏｈｓｔａｔｎｓｄｒｎｈｎｔｂｌｙａｄｈｇｒｏｅｕｅｏｎｉｏｔｔａｉｏａｔｏｓｆｒｆｅｄｔｃｉｎ，ｔｉｉｉｈｉｉｐｐｒａａｙｅｅｃａａｔｒｓｉｓｏｒｍａｅａｄｔｅｆｍｉａｎｅｆｒｎｅｌｈｏｒｅｏｒｃｉｒａｅａｅｌｚｓｔｈｒｃｅｔｆｆｅｉｇｎｈａｌｒｉｔｒｅｅｃｉｔｓｕｃ．Ｆｕｒｔｉｈｖｎｈｉｃｉｉｇｅａ
ＦｚｙｎｕａｎｔｏｋＮｉｕｅｆｒｔｎｆｓｎｔｄｓｎｕｈｔｒＥｐｒｅｔｓｏａＦｚｙｕｚｅｒｌｅｒ（Ｎ）ｓｓｉｉｏｍａｏｉｉｉｇｉｅｆ．ｘｉｎｗｔｔｕｚｗｄｎｎｉｕｏｏｔｓｈｉｅｅｍｓｈｈ
ＦｉｅＩｇｔｓｏｓｄｏｕａｔｒｒｍａｅＤａｅＦｕｉｎＢａｅｎＮｅｒＩＮｅｗｏｋ
ＧＡＯＮａＬＩＬｉｎｇ，ａ
（ｃｏｌｆｌｔｃｌｎｉｅｒｇａｄｕｏｔｎＨｎｎＰｌｔｃｎｃＵｉｒｉ，ｉｏｕ５０２ＣｉａＳｈｏｅｒａＥｇｎｅｉｔｍａｏ，ｅａｏｙｅｈｉｎｖｓｙＪｚｏ４０，ｈｎ）ｏＥｃｉｎｎＡｉｅｔａ４
１引言
火灾是一种复杂的物理化学过程，而传统的气敏
型、感温、感烟型探测器容易受到环境影响，抗干扰

模糊神经网络的研究及其应用

模糊神经网络的研究及其应用模糊神经网络是一种结合了模糊逻辑和神经网络的先进技术，它在许多领域中都得到了广泛的应用。

在本文中，我们将介绍模糊神经网络的基本概念、特点、理论研究以及实际应用，最后对未来发展进行展望。

模糊神经网络是一种基于模糊逻辑理论的多层前馈网络，它通过模拟人脑神经元的连接方式来实现分类和识别等功能。

与传统的神经网络相比，模糊神经网络具有以下特点：模糊化输入：将输入数据转换为模糊量，使网络能够更好地处理不确定性和非线性问题。

采用模糊规则：模糊神经网络采用模糊规则进行计算，这些规则可以很好地描述现实世界中的模糊现象。

双重迭代：模糊神经网络需要进行模式识别和参数优化双重迭代过程，以实现网络性能的优化。

模糊神经网络在许多领域中都得到了广泛的应用，以下是其中的几个典型例子：图像处理：模糊神经网络可以应用于图像分类、图像增强、图像恢复等方面，提高图像处理的效果和速度。

语音识别：模糊神经网络可以应用于语音信号的特征提取和分类，提高语音识别的准确率和鲁棒性。

自然语言处理：模糊神经网络可以应用于文本分类、情感分析、机器翻译等方面，提高自然语言处理的效果和效率。

控制领域：模糊神经网络可以应用于系统建模、控制优化等方面，提高控制系统的稳定性和鲁棒性。

模糊神经网络的理论研究主要集中在以下几个方面：模糊逻辑的研究：模糊逻辑是模糊神经网络的基础，因此对模糊逻辑的研究是十分必要的。

主要研究内容包括模糊集合、模糊关系、模糊推理等方面的研究。

神经网络的研究：神经网络是模糊神经网络的核心，因此对神经网络的研究也是十分必要的。

主要研究内容包括神经元的数学模型、神经网络的训练算法、神经网络的稳定性等方面的研究。

模糊神经网络的建模和优化：模糊神经网络的建模和优化是提高其性能的关键。

主要研究内容包括网络结构的选取、参数的优化、训练算法的设计等方面的研究。

模糊神经网络在实际应用中已经取得了显著的成果，以下是其中的几个例子：电力系统的负荷预测：通过建立基于模糊神经网络的负荷预测模型，可以对电力系统的负荷进行准确预测，提高电力系统的稳定性和安全性。

基于反馈趋势算法神经网络的火灾监测算法研究

基于反馈趋势算法神经网络的火灾监测算法研究摘要:本文采用温度、烟雾、一氧化碳浓度进行火灾检测。

在数据处理方法上,采用反馈趋势算法的神经网络对火灾的有无进行判断,较单个传感器及传统的神经网络相比,基于反馈趋势算法神经网络数据融合的结果具有较高的准确度和可信度。

关键词:火灾探测数据融合神经网络Abstract:This paper adopts temperature, smog, CO monoxide to detect fire. In the aspect of data processing, it adopts Feedback trend neural network to decide the existence of fire. Comparing with the single sensor and the traditional neural network, the result of feedback trend neural network data fusion has higher accuracy and confidence level.Key words:fire detection,data fusion,neural network信息融合是关于多源信息综合处理的技术。

它是将来自系统的多源信息加以智能化合成,产生比单一信息源更精确、更完全的估计和判断。

把信息融合技术应用到火灾监测控制系统,对多个不同性质的传感器提供的数据进行多级别、多方面处理,具有许多优点。

例如,可得到比单一传感器更全面、更准确的系统信息;一组相似的传感器采集的信息具有冗余性,这种冗余信息的适当融合可在总体上降低信息的不确定性;有些不同类型传感器采集的信息具有明显的互补性,这种互补性经过适当处理后可补偿单一传感器的不确定性和测量范围的局限性;多传感器可增加系统的可靠性,如当某个或某几个传感器失效时,系统仍可正常工作。

数据融合技术在公路隧道火灾探测中的应用

种快速、准确和有效的隧道火灾自动探测融合系统，可缩短报警时间，降低误报警率。克服了火
灾探测算法单一使用固定阈值的弊端。关键词：路隧道；灾探测；公火数据融合；经网络；神模糊逻辑中图分类号：９Ｕ４１文献标识码：Ａ
ｔｎ．ｉｏ，
Ｋｅｒｓｈｇｗｙｔｎｅ；ｒｅｃｏ；ｄｔｓｎｅｒｅｏｋｕｚｇｃｙｗｏｄ：ｉａｎｌｆｅｄｔｔｎａｆｉ；ｎｕａｎｔｒ；ｆｚｌｈｕｉｅｉａｕｏｌｗｙｏｉ
０引言
隧Байду номын сангаас作为高速公路的咽喉路段，由于其窄小的管道空间特征，一旦发生火灾，就会造成隧道内的温度、烟雾及有毒气体浓度急剧增高，对司乘人员的生命造成极大威胁，易造成车辆连续燃烧或爆炸的连极
ｓａｅｔｅｕｄｎｙａｄｃｍｐｅｎｅｅｓｒｉｆｒｔｎｗｓｃｍｐｓｄｂｅｒｌ，ｔａｅａｃｎｐｃ — ｍｅｒｄｎａｃｎｏｌｍｅｔｄｓｎｏｎｏｍａｉａｏｏｅｙｔｕｅｏｈｖｏ－ｉｏｈ
ｓｒｏｓ，ａｄｔｅａｇｒｔｍｙｔｅｉｅｈｓｉａｓｂｈｅｒｅｗｏｋａｄｔｕｚｏｉｅｈｏｏ，ｎｈｏｈｓｎｈｓｚｓｔｏｅｓｇｌｙｔｅｎｕａｎｔｒｎｈｅｆｚｙｌｇｃｔｃｎｌｇｌｉｎｌｙ
（ｃｏｌｆＩｏｍｔｎＥｇｎｅｎ，ｈｎｎＵｉ￣ｔ，ａ１０１ＣｉａＳｈｏｏｎｒａｉｎｉｒｇＣａａｎｅｉｎ７０６，ｈｎ）ｆｏｅｉｇｖｙ

火灾图像探测的神经网络方法研究

ｗｈｎｄｔｆｌ－ｅｓｒｉｎｌｓｍａｇｍａｅ，ａｍｅｈｄｏｆｅｄｔｃｉｎｉｂｏｇｔｏｗａｄｗｈｃｙｔｅｉａｌｒｃｓｅｏｏｆａｅａａｏｍｕｔｓｎｏｇａｉａｌａｔｄｉｓｔｏｆｒｅｅｔｉｏｓｒｕｈｆｒｒ，ｉｈｓｈｔｌｎｃｙｐｏｅｓｄｃｌｒｅｔｒｓｔｘｕｅｆａｕｅｄｓａｅｆａｕｅｆａｇｓｎｅｒｌｅｗｏｋＩｅｔｅａｅｅａｔｅｓｒｔｆｔｉｍｅｈｄｉｕｅ，ｅｔｒｅｔｒｓａｈｐｅｔｒｓｏｍｅｉｎｌｆｍａｅｕｉｇｎｕａｔｒ．ｔｓｔｓｆｄｔｔｈｘｃｎｓａｉｏｓｎｉｉｉｈｔｏｈｔｏｓ
９．ｐｒｅｔｆｒｅｏｉｉｇｓｕｄｅｎｉｅｒｇｓｎｔｅｇｓＴｈｔａｎａｃｉｅｙｒｔｆｒｅｅｔｎａｄｄ－６８ｅｃｎｔｃｇｓｉｈｎｒｄｕ￣ａｎｄｆｅｉａｅｒｎｎｘｉｍａｅｄｏｈｒｉａｍａｅ．ａｎｅｈｎｅｎｃｔｉｏｅｄｔｃｉｎｅｃａｏｆｉｏ
ＡｂｔａｔＡｉｅｅｒｂｅｏｃｔｆｎｓｎｌｎｓａｉｏａｒｅｅｔｎａｄｔｅｒｂｅｏｓｇａｎｈｏｉａｉｎａｄｍａｃｉｇｓｒｃ：ｍｄａｔｏｌｍｆｆｅｏｇｅｅｓｎｔｄｔｎｌｅｄｔｃｉｎｏｌｍｆｉｎｌｙｃｒｎｚｔｔｈｎｔｈｐｉｉｉｉｒｉｉｆｏｈｐｓｏｎ

基于数据融合与神经网络的火灾探测研究

类型火灾探测器的误报率非常高，究发现同时探测多类型火灾因素可大幅度降低误报率．中根据多传感经研文
器数据融合技术将火灾探测器所测数据进行融合，然后应用ＢＰ神经网络进行训练仿真，降低了火灾探测器的误报率，满足了海上平台火灾探测系统的要求．关键词：多传感器；数据融合；神经网络；火灾预报
第３８卷第５期
２１年５月０１
应
用
科
技
Ｖ１３ № ．ｏ．８．５Ｍａ０１ｙ２１
ＡｐｌｄＳｉｎｅａｄＴｃｎｌｇｐｉｃｅｃｎｅｈｏｏｙｅ
ｄｉ１．９９ｊｉｎ１０６１２１．５０ｏ：３６／．ｓ．０９— ７Ｘ．０１０．３０ｓ
ｃａｅｎｅｉｒａｄｈｇｌｅｔｌｅｑｉｍｅｔｆｈｉｅｉｅｒｍｐｄｉｔｒｎｉｈｙｃｎｒｉｄｅｕｐｎｅｐｐｌ．Ｎｏ，ｔｅｆｌｅａａａｅｏｎｉｇｅｔｐｆｏａｚｏｔｎｗｈａｓｌｒｒｔｆａｙｓｎｌｙｅｏｍ
ｄｃｈａｓｌｒａｅＢｓｄｏｐｌｉｇｔｅｉｔｇａｅｈｉｕｓｏｌ．ｅｓｒｄｔ【ｏｏｔｅｆｅｄｔｃｉｎｕｅｔｅｆｌｅａａｒｔ．ａｅｎａｐｙｎｈｅｒｌｃｎｑｅｆｍｎｔｍｕｔｓｎｏａａｆｓｎｔｈｒｅｅｔｉｕｉｉｏ
中图分类号：６２Ｕ９文献标识码：Ａ文章编号：０９—６１（０１５—０００１０７Ｘ２１）００９— ４

基于数据融合技术的火灾报警系统的研究与设计

摘要：出了一种基于现场总线的神经网络和模糊推理的多传感器数据融合技术，所采用的数据融提对
合技术进行了详细介绍．过模拟实际输入信号的仿真结果证明，用神经网络Ｂ通采Ｐ算法和模糊推理的多传
ＥｎｉｅｒｎｎｃｎｃｌＣｌｇ，Ｃｎｚｏ６０１Ｃｈｎ）ｇｎｅｉｇａｄＴｅｈｉａｏｌｅｅａｇｈｕ０１０，ｉａ
ＡｂｔａｔＰｏｏｅｌｓｎｏａａｆｓｏｅｈｏｏｙｓｒｃ：ｒｐｓｄａｍｕｔｅｓｒｄｔｕｉｎｔｃｎｌｇ，ｗｈｃｓｂｓｄｏｅｒｌｅｗｏｋａｄｆｚｙｉｉｈｉａｅｎｎｕａｔｒｎｕｚｎｒａｏｉｇｔｃｎｌｇｅｎｉｌｕ，Ｉｈｒｕｈｙａｓｒｃｓｔｅｄｔｕｉｎｔｃｎｌｇ．Ｔｈｅｕｔｆｍ— ｅｓｎｎｅｈｏｏｉｓａｄｆｄｂｓｔｔｏｏｇｌｂｔａｔｈａａｆｓｏｅｈｏｏｙｅｅｒｓｌｓｏｉｉｔｄｒａｌｎｕｎｏｍａｉｎｃｎｉｍｅｈｔｔｅｍｕｔｓｎｏａａｆｓｎｔｃｎｌｇｓｄＢＰｎｕａｅ — ｔｅｅｌｉｐｔｆｒｔｏｏｆｒｄｔａｈｌｉｅｓｒｄｔｕｉｅｈｏｏｙｉｕｅｅｒｌｔａｙｉｏｓｎｗｏｋａｄｆｚｙｒａｏｉｇｃｎａｃｒｔｌｏｅａｔｆｒ，ｅｆｃｉｌｏｒｆｌｅａａｍａｅｎｔｒａｈｄｔｅｒｎｕｚｅｓｎｎａｃｕａｅｙｆｒｃｓｉｅｆｅｔｙｌｗｅａｓｌｒｒｔ，ａｄｉｅｃｅｈｖ

基于模糊神经网络融合技术的智能火灾预警系统

警的目的．，
关
键
词：多传感器；数据融合；模糊神经网络；火灾预警
文献标识码：Ａ文章编号：６１９４２ｏ）一０４ — ４１７一ｏ２（ｏ８￣１１０
中图分类号：Ｐ１．Ｔ２２９
ＩｔｌｉｅｔＦｉ－ＡｌｒｙｔｍｓｄｎｚｙｎｅｌｎＩａｍＳｓｅＢａｅｏＦｕｚｇｅ
传感器转换成为电信号，过ＡＤ转换将现场参经／
ｏｙｔｍａｉｒｉｇｉｔｅｇｈｎｄ，ＳｉｏａｌｒｉｇｍａｅａｈｅｅｆｓｓｅｔｃｗａｎｓｓｒｎｔｅｅｎＯａｍｆｅｒｗａｎｎｙｂｃｉｖｄ．ｙＫｅｒｓｍｕｔ—ｅｓｒｄｔｕｉｎ；ｆｚｅｒｌｎｔｏｋ；ｆｒａｍｙｗｏｄ：ｌｓｎｏ；ａｆｓｏｉａｚｕｙｎｕａｅｒｉｅａｒｗｌ
维普资讯
１２４
重庆工学院学报由于被测对象多为具有不同特征的非电量，过通
随着经济的发展和生活水平的日益提高，人
们对居住环境的要求也日益增高，望住宅不仅希更便利、适，且更安全．灾报警系统己成为舒而火
收稿日期：０ —０ —０２８６９０基金项目：重庆市自然科学基金资助项目（Ｊ７６６．Ｋ０００）作者简介：侯旭东（９３）男，１８一，河北秦皇岛人，硕士研究生，主要从事信号与信息处理研究；张兢（９５）女，１６一，教授，士生导师，硕主要从事电子信息技术应用方面的研究．