基于燃烧状态信息的火灾燃烧物识别方法

论文摘要

目前火灾检测只是单一判断火灾是否发生,无法为火灾扑救提供更多参考。提出一种基于燃烧状态信息的火灾燃烧物种类识别方法。该方法采用STM32F搭建数据采集平台,离线阶段采集燃烧物在不同时刻的燃烧状态,建立样本库。在线阶段利用具有良好非线性映射能力和建模速度快的极限学习算法,对采集到的燃烧物状态数据进行识别。实验结果表明该方法能有效地判断出火灾燃烧物的种类,准确度达到90%以上。相对于BP神经网络和贝叶斯网络方法,该方法具有训练时间短、准确率高的优点。

论文目录

• 1 STM32F无线网络采集系统的设计
•   1.1 传感器的选择
•   1.2 采集控制器的选择
• 2 燃烧状态信息及极限学习机分类方法
•   2.1 传感器数据预处理
•   2.2 燃烧状态信息
•   2.3 极限学习机分类原理
• 3 可燃物分类实验及结果分析
•   3.1 实验平台
•   3.2 实验环境及参数设置
•   3.3 实验结果分析
• 4 结论

文章来源

类型: 期刊论文

作者: 刘恺,赵先锋,包月青

关键词: 采集平台,多传感器,燃烧物识别,极限学习机,加权平均滤波

来源: 浙江工业大学学报 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑,工程科技Ⅰ辑

专业: 安全科学与灾害防治

单位: 浙江工业大学信息工程学院

基金: 浙江省自然科学基金资助项目(LY14F050004)

分类号: X932

页码: 74-79

总页数: 6

文件大小: 674K

下载量: 73