基于人工神经网络的消防服热防护性能检测数据预测.pdfVIP

MicrocomputerApplicationsVo1．25，No．3，2009 研究与设计 微型 电脑应用 2009年第25卷第3期 文章编号：1007-757X(2009)3-0014-03 基于人工神经网络的消防服热防护性能检测数据预测 朱根娣 朱政康 张其松 汪 镭 摘 要：论文提出运用径向基函数 (RBF)神经网络算法，对消防服热防护性能 (Ⅱ )检测系统的测试数据进行智能预测。 经过数字仿真实验，基本实现以较高精度预测二度烧伤时刻，验证 了这种算法对系统的热通量变化进行预测是可行的，为进 一 步开展消防服整体热防护性能的研究奠定了技术基础 。 关键词：消防服 热防护性能检测 径向基函数神经网络 二度烧伤 预测 中图分类号：TP183 文献标识号：A 0 引言 径向基函数(RadialBasisFunction，RBF)是由Powell于 消防防护服是消防战士火场防护装备中最基本的、最重 1958年提出的多变量插值技术。 1988年，Broomhead和 要的一类防护装备，是每个进入火场的消防战士必需配备的 Lowe首先将RBF应用于神经网络设计，对径向基函数和多 安全装备。热防护性~(ThennalProtectivePerformance，TPP) 层神经网络进行了对比，揭示了二者的关系。1989年，Jackon 是消防服最重要的性能指标之一Iu。美国军方及杜邦公司在 论证了RBF网络对非线性连续函数的一致逼近性能。 上世纪 70年代研制开发出测试布料热防护性能 (Ⅱ，P)的 RBF神经网络(RadialBasisFunchonArtificialNeural 试验方法2【j，TPP的数值被定义为：被测布料放置于总能量 Network)的基本思想是：用径向基函数作为隐单元的“基”构 为 2ca~cmz．sec热源 下达 到二级烧伤所 需 的时 间与 成隐含层空间，这样就可以将输入矢量直接(即不通过权连 2ca~cmz．SeC的乘积。n 值越大，表示热防护服的热防护 接)映射到隐空间。当RBF的中心点C确定以后，这种映射 性能越好。TPP测试方法是 目前国际上通用的评价热防护服 关系也就确定了。而隐含层空问到输出空间的映射是线性 热防护性能的试验方法。TPP值是判断热防护服是否合格的 的，即网络的输出是隐单元输出的线性加权和。此处的权即 重要指标，根据 GAIO．2002[，合格的消防防护服的 Ⅱ)P 为网络可调参数，可由线性方程组计算方法解出。从总体上 值必须大于等于 28caFcm2。上海理工大学和国家消防装备 看，RBF 网络由输入到输出的映射是非线性的，而网络输 质量监督检验中心近期联合研制开发成功的消防服热防护 出对可调参数而言却又是线性的，这样网络的权就可以由线 性能 (TPP)检测系统，测量精度接近国外同类产品，填补 性方程组直接解出或用RLS方法递推计算，从而大大加快 了我国在该领域的空白。然而在实际测试过程中发现，长时 学习速度并避免局部极小问题。 间处于高温状态下的热传感器受损几率较高，而且，热防护服 RBF 网络是单隐含层的前向网络，它由三层构成：第 的热防护性能越好，传感器处于高温的时间就越长，导致热 一 层为输入层，由信号源节点构成；第二层为隐含层，隐单 传感器受损几率就越高。若对测试数据进行智能化预测处理 元的个数由所描述的问题而定，隐单元的变换函数是对中心 的话，就能有效地缩短系统热传感器的工作时问，从而延长 点径向对称且衰减的非负非线性函数；第三层为输出层，它 热传感器的使用寿命，大大降低产品的使用成本，更好地提 对输入模式的作用作出响应，是隐含层输出值的线性组合。 高该产品的社会效益，促进我国消防装备事业的发展。 假定输入层节点数为 P，隐含层节点数为 h，输出层节点 人工神经网络以其独特的结构和处理信息的方法，在许 数为o，则RBF网络结