基于模糊神经网络的智能火灾报警关键技术研究

火灾是一种在时间和空间上失去控制的燃烧所造成的灾害。它不但会造成重大的财产损失,而且还严重威胁人类的生命安全。因此,预防火灾发生,减少火灾损失,便成为人类研究的重要课题。火灾探测技术是预防火灾发生的有效手段。针对传统的火灾探测报警技术基于单一参数判定火灾,漏报、误报十分普遍的问题,研究基于模糊神经网络的智能火灾报警的方法和软硬件系统,取得了初步进展,主要内容和结论如下: (1)针对传统火灾探测技术无法满足现实火灾报警的需要,提出了一种基于人工智能的数据融合技术的火灾探测算法,以环境温度、烟雾浓度、CO含量作为系统输入,利用人工神经网络和模糊逻辑技术对多传感器信号进行融合; (2)利用模糊逻辑具有较强综合判断能力和识别能力的特点,将模糊控制运用到火灾报警系统中。在MATLAB下完成了火灾探测系统中模糊控制器的设计,并利用模糊逻辑工具箱进行了仿真; (3)利用神经网络自学习、自适应的特性,采用径向基函数网络,运用最近邻聚类学习算法,建立神经网络火灾探测器模型,用MATLAB语言编辑了火灾探测系统中神经网络的算法设计,并对网络进行了训练与仿真; (4)以单片机为下位机,完成数据采集、预处理以及对现场装置的控制,以PC机为上位机,完成各种复杂的数据处理和对单片机的控制。通过VC++提供的串行通信控件MSComm,完成了上位机和下位机之间的串口通信; (5)利用MATLAB编辑智能火灾报警系统算法M文件,再通过VC++设计智能火灾报警系统的用户界面,最后利用MATLAB和VC++混合编程,实现了智能融合算法与可视化界面的结合,将最终判断结果显示在用户界面上; (6)对开发的智能火灾报警系统的有效性和可靠性实验结果表明,该系统可以准确区分明火、阴燃火和非火灾源,对不同类型的火灾都具有较高的灵敏度,达到了降低误报率的目的。 本系统具有智能化和可靠性高等特点,尚需在建立火灾样本数据库、研究快速而有效的算法等方面进一步完善。