System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种智能火灾探测算法制造技术_技高网
当前位置: 首页 > 专利查询>常州工学院专利>正文

一种智能火灾探测算法制造技术

技术编号:40198952 阅读:8 留言:0更新日期:2024-01-27 00:03
本发明专利技术属于人工智能、火灾识别领域,尤其是一种智能火灾探测算法,针对传统的火灾探测大多采用单一参数的阈值法进行判断,这种探测方法比较简单,容易实现,但在实际应用中会受到噪声等各种因素的干扰造成误报问题,现提出如下方案,其包括以下步骤:S1、火灾探测SOM神经网络结构的确定:火灾探测的SOM神经网络模型采用两层结构形式,即第一层输入层、第二层竞争层,输入层由三个神经元组成,即温度传感器检测的环境温度、气体传感器检测的CO气体浓度、烟雾传感器检测的烟雾浓度,本发明专利技术充分利用SOM神经网络的无导师自组织的特点,对火灾探测的三种状态进行辨识分析,以期实现火灾探测的智能识别和提高火灾探测的准确率。

【技术实现步骤摘要】

本专利技术涉及人工智能、火灾识别,尤其涉及一种智能火灾探测算法


技术介绍

1、随着生活水平的不断提高,人们对居住环境的安全性要求日益提升。火灾报警系统作为现代建筑和智能家居必不可少的消防设施之一,关系到千家万户的生命财产安全,它的灵敏度和可靠性越来越受到社会各界的密切关注和高度重视。

2、传统的火灾探测大多采用单一参数的阈值法进行判断,这种探测方法比较简单,容易实现,但在实际应用中会受到噪声等各种因素的干扰造成误报。


技术实现思路

1、本专利技术的目的是为了解决现有技术中存在会受到噪声等各种因素的干扰造成误报的缺点,而提出的一种智能火灾探测算法。

2、为了实现上述目的,本专利技术采用了如下技术方案:

3、一种智能火灾探测算法,包括以下步骤:

4、s1、火灾探测som神经网络结构的确定:火灾探测的som神经网络模型采用两层结构形式,即第一层输入层、第二层竞争层,输入层由三个神经元组成,即温度传感器检测的环境温度、气体传感器检测的co气体浓度、烟雾传感器检测的烟雾浓度,根据经验和不同调试,竞争层的神经元选用6×6的二维平面阵排列,两层各神经元之间通过权值向量实现全连接;

5、s2、火灾探测som神经网络的训练:选取标准火灾探测的训练样本,对火灾探测的训练样本进行学习,学习结束后,对具有最大输出的神经元标以对应的火灾状态;

6、s3、火灾探测som神经网络的测试:将待检火灾探测的测试样本输入到som神经网络中,对火灾状态的辨识情况的准确率进行判断。

7、设火灾探测的输入向量为x=(x1,x2,x3)′,把其作为输入层。

8、x1,x2,x3分别是采集的环境温度、co气体浓度,烟雾浓度;

9、在竞争层,计算各神经元的权值向量和输入向量之间的欧式距离,竞争层的第i个神经元与输入向量之间的距离公式如下:

10、

11、wji-输入层j神经元和竞争层i神经元之间的权值。

12、通过计算并选择出欧式距离最短的神经元,则此神经元为获胜神经元,记为i*,并给出其相邻神经元集合;

13、对获胜神经元及其邻近神经元的权值进行调整,权值调整公式如下:

14、δwji=αh(i,i*)(xj-wji)

15、α—一个大于0且小于1的常数,

16、σ2会随着学习的进行而减小,所以h(i,i*)的范围在学习初期很宽,随着学习的进行而逐渐变窄,即实现了粗调学习到微调学习的变化。这样,领域函数h(i,i*)会起到产生有效映射的作用,达到要求运算结束,否则返回进行下一轮的学习,学习结束后,对具有最大输出的神经元标以对应的火灾情况,将待测试火灾探测样本输入到som神经网络中,若输出神经元在竞争层的位置与某标准火灾状态辨识情况的位置相同,说明待测试样本发生了相应的火灾状态。

17、本专利技术中,所述一种智能火灾探测算法的有益效果:

18、本专利技术充分利用som神经网络的无导师自组织的特点,对火灾探测的三种状态进行辨识分析,以期实现火灾探测的智能识别和提高火灾探测的准确率。

本文档来自技高网...

【技术保护点】

1.一种智能火灾探测算法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种智能火灾探测算法,其特征在于,所述S1中,输入层由三个神经元组成,即温度传感器检测的环境温度、气体传感器检测的CO气体浓度、烟雾传感器检测的烟雾浓度。

3.根据权利要求2所述的一种智能火灾探测算法,其特征在于,所述S1中,根据经验和不同调试,竞争层的神经元选用6×6的二维平面阵排列,两层各神经元之间通过权值向量实现全连接。

4.根据权利要求3所述的一种智能火灾探测算法,其特征在于,所述S1中,设火灾探测的输入向量为X=(X1,X2,X3)′,把其作为输入层;X1,X2,X3分别是采集的环境温度、CO气体浓度,烟雾浓度。

5.根据权利要求4所述的一种智能火灾探测算法,其特征在于,在竞争层,计算各神经元的权值向量和输入向量之间的欧式距离,竞争层的第i个神经元与输入向量之间的距离公式如下:

6.根据权利要求5所述的一种智能火灾探测算法,其特征在于,对获胜神经元及其邻近神经元的权值进行调整,权值调整公式如下:

7.根据权利要求6所述的一种智能火灾探测算法,其特征在于,达到要求运算结束,否则返回进行下一轮的学习,学习结束后,对具有最大输出的神经元标以对应的火灾情况。

8.根据权利要求7所述的一种智能火灾探测算法,其特征在于,所述S3中,将待测试火灾探测样本输入到SOM神经网络中,若输出神经元在竞争层的位置与某标准火灾状态辨识情况的位置相同,说明待测试样本发生了相应的火灾状态。

...

【技术特征摘要】

1.一种智能火灾探测算法,其特征在于,包括以下步骤:

2.根据权利要求1所述的一种智能火灾探测算法,其特征在于,所述s1中,输入层由三个神经元组成,即温度传感器检测的环境温度、气体传感器检测的co气体浓度、烟雾传感器检测的烟雾浓度。

3.根据权利要求2所述的一种智能火灾探测算法,其特征在于,所述s1中,根据经验和不同调试,竞争层的神经元选用6×6的二维平面阵排列,两层各神经元之间通过权值向量实现全连接。

4.根据权利要求3所述的一种智能火灾探测算法,其特征在于,所述s1中,设火灾探测的输入向量为x=(x1,x2,x3)′,把其作为输入层;x1,x2,x3分别是采集的环境温度、co气体浓度,烟雾浓度。

5.根据权利要求4所...

【专利技术属性】
技术研发人员:张美凤郭杰郭家慧
申请(专利权)人:常州工学院
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1