基于模糊神经网络的电气火灾预警算法研究

【摘要】：随着我国经济的迅猛发展,生产生活的电气化、自动化水平不断提高,同时也使得电气火灾的发生频率越来越高,从而可能会造成大量的人员伤亡和巨额的财产损失。电气火灾预警系统可以减少电气火灾的危害,并且随着物联网等技术的发展,电气火灾预警系统在火灾信号探测、数据传输等硬件方面的性能有了很大的提高。目前的电气火灾预警系统对于火灾信号的处理大部分使用直观的阈值法,对于电气火灾的预警准确性较低,抗干扰能力较弱,无法达到实时有效的预警要求。开展基于模糊神经网络的电气火灾预警算法研究,以有效提高电气火灾预警系统预警的及时性、准确性,减少误报、漏报和延报,对于有效预防电气火灾具有重要的理论意义和实际应用价值。分别介绍了火灾信号处理的直观方法、火灾信号处理的系统方法与智能火灾信号处理算法,并对上述各种火灾探测信号处理算法探测的火灾特征及优缺点进行了比较说明。在对各种火灾探测信号处理算法优缺点比较的基础上,提出了将模糊神经网络算法应用于电气火灾预警系统,该算法将模糊逻辑算法与人工神经网络算法有机结合起来,取长补短,可以提高电气火灾预警系统的可靠性与准确性。在系统阐述人工神经网络理论及BP神经网络原理的基础上,构建了基于BP神经网络的电气火灾预警模型,选择电气火灾信号参数作为预警模型的输入,电气火灾发生的概率作为预警模型的输出,对算法模型的网络层数、各层的网络节点数、BP神经网络的结构与学习算法进行了详细的分析与选择。并用MATLAB软件对基于神经网络的电气火灾预警模型进行仿真实验。用训练数据样本对基于BP神经网络的电气火灾预警算法模型进行训练,将检测样本值输入训练好的网络模型,通过实际输出的电气火灾概率与期望输出的电气火灾概率进行对比,证明此算法模型的可行性与准确性。当神经网络预警模型输出的电气火灾发生概率在0.5附近时,无法明确判断电气火灾是否会发生,为了准确预测电气火灾的发生,提高系统的预警准确性,在神经网络预警模型后又增加一模糊逻辑推理系统,通过对神经网络预警模型输出结果的进一步逻辑判断,得到更符合实际情况的火灾发生情况判断,并通过仿真实验对该预警模型准确预测电气火灾的性能进行验证。