基于多参数和特征层融合的化学品燃爆状态辨识方法.pdfVIP

第24卷 第4期 传 感 技 术 学 报 Vo1．24 No．4 2011年 4月 CHINESEJOURNALOFSENSORSANDACTUATORS Apr．2011 A M ethodofHazardousChemicalMaterialsDeflagration Identification ， Basedon M ulti-ParameterandFeature—LevelFusion YE Shuliang ，ZHANGSheng (CollegeofMetroolgicalTechnology＆Engineering，ChinaJiliangUniv．，Hangzhou310018，China) Abstract：Thedeflagrationidentificationonwhicheyesaswellassinglesensorwereusediskeyworkofdeflagra· ting—characteristicdetectingofchemicalmaterials．Butasartificialidentificationworkssubjectivelyandsinglesensor hascertainlimitation，thedeflagration—identificationresultisnotperfect．A new，quickandaccuratedeflagration-i— dentificationmethodisproposed，whichisbasedonmulti—sensorandfeature—levelfusionwithfuzzyneuralnetwork system．AsadvantagesoffuzzylogicconsequenceandRBFneuralnetworkarecolligated，thefunctionalmapbe— tweenthetargetstateandflameinformationwhichcontainstheluminousintensity，thetemperatureandtheirgradi— entsonthebasisofmulti—leveltopologicalstructureisthenbuiltup．Experimentsshow thatthismethodincreases therobustofdeviceandtheconfidencedegree．ofwhich theerrorrateiswithin0．1％．Thenthemeasurementof deflagratingcharacteristicismoreprecise． Keywords：chemicalmaterials；deflagrationidentification；fuzzyneuralnetwork；feature-levelfusion EEACC：7320T doi：10．3969／j．issn．1004-1699．2011．04．028 基于多参数和特征层融合的化学品燃爆状态辨识方法 叶树亮 ，张 晟 (中国计量学院计量测试工程学院，杭州 310018) 摘 要 ：作为化学品燃爆特性检测关键环节的燃爆状态辨识过程，目前仅以人眼或单一传感器辨识的手段进行，存在人工辨 识受主观影响大、单一传感器适用范围窄的缺点，难 以取得精确 的辨识结果。提出引入多传感器、利用模糊神经网络系统 (FNNS)对检测数据作特征层融合，以快速准确辨识燃爆状态的实验方法。结合模糊逻辑推理及 RBF神经网络优势，在多层 拓扑结构基础上建立了火焰光、热强度及其梯度与 目标状态间特定的泛函映射。实验结果表明：该方法有效互补特征信息， 提高检测装置的鲁棒性和状态辨识结果的置信度 ，错误率优于0．1％，使得燃爆特性的描述更加准确。 关键词 ：化学品；燃爆状态辨识；模糊神经网络；特征层融合 中图分类号 ：TB99 文献标识码 ：A 文章编号：1004-1699(2011)04-0620-04 危