基于模糊神经网络的中庭火灾探测系统.pdfVIP

技术探讨 TECHNICALEXPLORATION 基于模糊神经网络的中庭火灾探测系统 Atrium Fire Detecting System Based on Fuzzy-neural Network 姚加飞 李北海 重庆大学电气工程学院 （重庆 400045） 摘 要： 将探测器的输出信号模糊化后送入神经网络进行处理，采用 层前馈 神经网络结构，用 算法进 3 BP BP 行网络参数的训练，然后由模糊逻辑判决火灾和非火灾。用Matlab 语言进行仿真，结果表明基于模糊 神经网络的中庭火灾探测系统能够准确探测各种标准试验火。 关键词： 模糊神经网络 中庭 火灾 探测系统 Abstract :Put the fuzzy output into the fuzzy-neural network to be managed after the fuzzification fo the signals which come from detector, use three layers feedforward BP neural network, and train the networks parameters with BP learning algorithm, then adopt the fuzzy logic to tell fire from wrong fire. Simulate this process with Matlab,its turn out that atrium fire detecting system based on fuzzy-neural network can detect kinds of standard development fires exactly, and thit system has great abilities to resest disturbs. Key words: Fuzzy-neural network Atrium Fire Detecting system 由于中庭火灾温升并不高，探测中庭火灾主要是 到明火和阴燃火的判决结果。 利用感烟探测器、红外光束探测器、图像探测器和气 1 信号预处理及模糊系统 体探测器。而前3种类型探测器都是从不同侧面对烟 雾浓度及火灾进行探测。因此，本着实用原则，以烟 该系统将模糊逻辑系统的输出作为神经网络的输 雾浓度和气体浓度为例，按照人的逻辑思维，根据模 入，这是其它火灾探测系统均未采用过的方法，在中 糊推理的运算方式，建立了模糊神经网络。 庭火灾探测中更是没有用到过。该系统充分发挥模糊 模糊系统与神经网络融合的方法有多种， 本文 系统的优点，将模糊系统的输入量通过隶属函数的变 在火灾探测系统中采用串联模糊神经网络，为了便于 换，达到突出输入量某部分的目的。 神经网络的处理，对探测器的模拟量进行了预处理， 本文以欧洲标准试验火 TF1-TF6作为学习对象， 即将其幅值进行归一化。同时将这两个归一化值作为 通过分析其烟雾及气体信号，采用线性分布和柯西分 一个模糊系统的输入，将每一个归一化值都用线性和 布作为模糊系统的隶属度函数。当火灾发生时，物理 柯西分布隶属函数进行变换，得到它们的4个隶属度 参量有的信号上升而有的信号下降。要提取其上升和 函数值，作为神经网络的输入。神经网络结构为前馈 下降的特征，应该分别采用偏大型和偏小型柯西分布。 BP网络，输出量为2个，即明火概率和阴燃火概率。 通过实验可以确定两种柯西分布中的参数 、 。对归 将它们分别送入模糊逻辑判决器，得到相应的隶属度， 一化的气体和烟雾信号经过线性变换和柯西变换后的 最后设置一定的报警延时和判决门限去模糊，从而得 隶属度值如图1所示。 其中对气体