试述网络基于贝叶斯网络火灾信息融合策略学报
最后更新时间:2024-04-10
作者:用户投稿本站原创
点赞:7445
浏览:24180
论文导读:
摘要:火灾是一种失去人为制约的燃烧历程,产生火灾的基本要素是可燃物、助燃物和点火源,燃烧历程中的物理和化学现象是可以被探测到的。灾报警的根本目的是获取火灾发生时的相关信息,并进行处理,达到及时准确报警的目的。传统的传感策略仅仅通过采集烟、温、光、气等单一的火灾特点参数信息,采取阈值法来判定火灾,不可避开地会受到环境的干扰,限制了其传感性能,系统高误报率的不足比较突出。本论文介绍了火灾探测技术进展历程及原理。介绍了几种火灾探测器的类型、探测原理及各类型探测器的优缺点。详细介绍了传统及人工智能火灾信息融合算法,并浅析各自的优缺点。火灾信息融合算法是火灾探测系统的重要部分,如何提升探测系统报警的准确率、降低误报率是探讨的重点。之后章节介绍了多传感器信息融合技术的基本原理,通过对原理的浅析,了解各信息融合结构的形式和优缺点。为有效的利用传感器信息的冗余、多样性,提升火灾探测信息提取的及时性和可靠性,提升火灾探测系统报警的准确性、减少误报打下了良好的论述基础。运用FDS软件模拟几种典型的火灾场景,得到火灾特点参数的信息。浅析连续属性离散化策略,运用BayesiaLab构建贝叶斯网络模型,以火场的温度、烟气浓度和CO浓度作为输入变量,以阴燃、明火和无火状态的概率作为输出量。运用Microsoft Visual C++6.0编辑界面,读取火灾特点参数信息及贝叶斯网络模型参数,输出最后信息融合的结果。通过实例,验证可以明确直观的表示出火灾状态的概率,并能较快的做出火灾报警响应,可以很好的识别阴燃火的状态。关键词:信息融合论文火灾探测论文贝叶斯网络论文离散化论文动态网络论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要6-7
Abstract7-12
第1章 绪论12-16
结论64-65
参考文献65-67
致谢67-68
攻读硕士期间发表(含录用)的学术论文68
摘要:火灾是一种失去人为制约的燃烧历程,产生火灾的基本要素是可燃物、助燃物和点火源,燃烧历程中的物理和化学现象是可以被探测到的。灾报警的根本目的是获取火灾发生时的相关信息,并进行处理,达到及时准确报警的目的。传统的传感策略仅仅通过采集烟、温、光、气等单一的火灾特点参数信息,采取阈值法来判定火灾,不可避开地会受到环境的干扰,限制了其传感性能,系统高误报率的不足比较突出。本论文介绍了火灾探测技术进展历程及原理。介绍了几种火灾探测器的类型、探测原理及各类型探测器的优缺点。详细介绍了传统及人工智能火灾信息融合算法,并浅析各自的优缺点。火灾信息融合算法是火灾探测系统的重要部分,如何提升探测系统报警的准确率、降低误报率是探讨的重点。之后章节介绍了多传感器信息融合技术的基本原理,通过对原理的浅析,了解各信息融合结构的形式和优缺点。为有效的利用传感器信息的冗余、多样性,提升火灾探测信息提取的及时性和可靠性,提升火灾探测系统报警的准确性、减少误报打下了良好的论述基础。运用FDS软件模拟几种典型的火灾场景,得到火灾特点参数的信息。浅析连续属性离散化策略,运用BayesiaLab构建贝叶斯网络模型,以火场的温度、烟气浓度和CO浓度作为输入变量,以阴燃、明火和无火状态的概率作为输出量。运用Microsoft Visual C++6.0编辑界面,读取火灾特点参数信息及贝叶斯网络模型参数,输出最后信息融合的结果。通过实例,验证可以明确直观的表示出火灾状态的概率,并能较快的做出火灾报警响应,可以很好的识别阴燃火的状态。关键词:信息融合论文火灾探测论文贝叶斯网络论文离散化论文动态网络论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要6-7
Abstract7-12
第1章 绪论12-16
1.1 引言12
1.2 火灾探测技术进展的历史及近况12-13
1.3 探讨作用及目的13-15
1.4 本论文探讨内容及策略15-16
第2章 火灾探测技术原理16-232.1 火灾发生机理16-17
2.2 火灾探测器17-18
2.1 感温探测器17
2.2 感烟探测器17-18
2.3 CO 探测器18
2.4 复合式火灾探测器18
2.3 火灾探测算法18-22
2.3.1 传统火灾探测算法18-20
2.3.2 人工智能火灾探测算法20-22
2.4 小结22-23
第3章 多传感器信息融合技术23-293.1 数据融合基本原理23-24
3.2 数据融合的层次分级24-25
3.2.1 数据级融合24
3.2.2 特点级融合24-25
3.2.3 决策级融合25
3.3 信息融合系统的结构形式25-273.1 集中型25-26
3.2 分散型26
3.3 混合型26-27
3.4 多传感器信息融合策略27-29
第4章 基于贝叶斯网络的火灾信息融合29-414.1 贝叶斯网络模型29-30
4.2 静态贝叶斯网络基础30-35
4.2.1 静态贝叶斯网络的学习31-33
4.2.2 样本统计学习33
4.2.3 D-SEPARATION判断准则33-35
4.2.4 贝叶斯网络推理算法35
4.3 动态贝叶斯网络35-374.4 连续属性离散化37-41
4.1 离散化历程37-38
4.2 离散化结果评价38-39
4.3 离散化策略39
4.4 几种经典的离散化策略39-41
第5章 贝叶斯网络的火灾信息融合41-535.1 火灾特点参数采集41-44
5.2 火灾信息融合结构44-46
5.3 火灾信息融合的贝叶斯网络结构46-49
5.3.1 静态贝叶斯网络46-47
5.3.2 动态贝叶斯网络47-49
5.4 火灾特点参数拟合曲线49-505.5 火灾特点参数离散化50-53
第6章 策略验证53-64结论64-65
参考文献65-67
致谢67-68
攻读硕士期间发表(含录用)的学术论文68