基于信息融合技术的火灾报警方法研究

论文摘要

传统的单一参数火灾探测器不能有效地探测各类火情,而且现实中的火灾具有较大的偶然性和不稳定性,若选择不当,易造成误报。鉴于传统火灾探测技术已无法满足现实火灾报警的需要,本文针对智能探测算法和复合探测器这一问题展开研究,深入探讨烟雾、温度、气体探测的各自利弊,总结出各个探测信号的内部相关性及互补关系。探讨适合于火灾探测的智能算法及其环境适应性,建立多传感器判决相互融合的多准则判断网络,初步构想出集感温、感烟和CO气体传感器的复合探测器。并且根据火灾探测的特点,针对于火灾探测复杂的、非线性结构的对象,提出将信息融合技术应用于火灾探测中,以降低火灾探测的误报率、提高准确性的思想。在深入讨论了多传感器信息融合技术的基本原理及体系结构的基础上,根据特征层融合的模型,提出了基于粗糙集理论的特征层融合火灾探测系统实现方法,使用粗糙集理论导出火灾报警决策规则,从而提高火灾探测的正确性,降低误报率。同时,由于在实际监测现场,环境的温度、烟雾、以及气体浓度等因素都是不断变化的,所以为了使系统具有更好的可靠性,本文在决策层融合的框架下,使用神经网络和粗糙集理论结合来实现多传感器火灾探测。通过验证,得到了较为满意的结果,从而验证了本文提出的火灾探测系统的有效性和可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 引言
• 1.2 火灾自动探测报警技术的发展概况
• 1.3 本文的研究意义与目的
• 1.4 本论文主要工作
• 第2章 火灾探测原理
• 2.1 火灾产生机理及发展过程
• 2.2 火灾及火灾参量
• 2.3 火灾信息探测方法
• 2.4 火灾探测器简介
• 第3章 多传感器信息融合技术
• 3.1 信息融合技术的定义
• 3.2 信息融合技术研究的历史与现状
• 3.3 信息融合的基本原理
• 3.4 数据融合的系统层次
• 3.4.1 数据层融合
• 3.4.2 特征层融合
• 3.4.3 决策层融合
• 3.4.4 三种层次结构之间的比较
• 3.5 时间融合和空间融合
• 3.6 信息融合的结构
• 3.7 多传感器信息融合的方法
• 第4章 基于粗糙集理论信息融合的火灾报警方法
• 4.1 粗糙集理论的基础知识
• 4.1.1 知识与知识库
• 4.1.2 不精确范畴，近似与粗糙集
• 4.1.3 知识约简
• 4.1.4 知识的依赖性
• 4.1.5 知识表达系统
• 4.1.6 决策表
• 4.2 火灾现场检测信号参量的选取
• 4.3 基于粗糙集理论火灾探测系统结构的确定
• 4.4 基于粗糙集理论的火灾探测信息融合算法
• 第5章 基于粗糙集─神经网络信息融合火灾报警方法
• 5.1 基于粗糙集─神经网络火灾报警模型
• 5.2 基于粗糙集─神经网络的火灾数据的空间融合
• 5.2.1 火灾探测信息融合系统的局部决策处理
• 5.2.2 基于神经网络火灾数据融合方法
• 5.2.3 基于粗糙集理论火灾数据融合的实现
• 第6章 方法验证
• 6.1 基于粗糙集理论的复合式火灾探测器的算法验证
• 6.2 基于粗糙集──神经网络火灾报警系统的算法验证
• 6.2.1 神经网络的建立和训练
• 6.2.2 用于决策层推理粗糙集理论的决策规则
• 结论
• 参考资料
• 致谢
• 攻读硕士期间发表（含录用）的学术论文