一种模糊神经网络在矿井胶带机火灾探测中的应用

综合考虑温度、温度变化率、一氧化碳浓度和一氧化碳浓度变化率为胶带机火灾探测系统的参数,采用基于自适应网络的模糊推理系统对胶带输送机火灾进行探测研究,经过34组数据样本训练得到合适的隶属函数.仿真结果表明:当输出报警限取0.5时,经一定的时间延时后,该系统可在燃烧发生200 s时进行报警,从而有效实现了矿井胶带输送机火灾的早期报警,并增强了系统的抗干扰能力及对环境的适应性能.     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法，并根据火灾传感器信号处理的特点，提出了将其用于火灾探测的方法，在子波神经网络中采用了子波函数和并轭梯度优化方法。实验表明，子波神经网络对火灾信号具有很好的学习和探测能力，与ＢＰ神经网络火灾探测方法相比，所提出的方法能够更快和更准确地探测各种标准实验火。     

子波神经网络在火灾探测中的应用

论述了用于信号识别的子波神经网络的结构和算法,并根据火灾传感器信号处理的特点,提出了将其用于火灾探测的方法,在子波神经网络中采用了子波函数和共轭梯度优化方法．实验表明,子波神经网络对火灾信号具有很好的学习和探测能力,与ＢＰ神经网络火灾探测方法相比,所提出的方法能够更快和更准确地探测各种标准实验火．     

用于火灾探测的神经网络数据融合算法

提出了一种多传感器火灾探测系统的数据融合算法,并针对火情信号测试的固有特点,采用神经网络进行数据融合决策,探讨了算法模型的建立,并由仿真结果验证了方法的可行性。     

火灾探测的一种模糊神经网络方法

根据火灾信号的特点,建立了用于火灾探测的模糊神经网络,给出了处理火灾信号的模糊推理计算模型,并采用模糊运算,对于不同种类的火灾信号进行了综合分析,随后推导出用于自动生成隶属函数和提取模糊规则学习算法的计算模型。     

数据融合技术在公路隧道火灾探测中的应用

在分析公路隧道火灾特点的基础上,依据数据融合的基本原理,充分利用多个传感器资源,把多个传感器在空间和时间上的冗余或互补信息依据某种准则来进行组合,以获得被测对象的一致性解释或描述。提出了一种基于数据融合技术的隧道火灾探测算法,以感烟、感温和感光传感器的模拟量为输入,利用人工神经网络和模糊逻辑技术对多传感器信号进行融合,设计出一种快速、准确和有效的隧道火灾自动探测融合系统,可缩短报警时间,降低误报警率。克服了火灾探测算法单一使用固定阈值的弊端。     

斜度探测器及其在火灾自动探测中的应用

介绍的斜度探测器，能够检测信号变化后的斜率大小，有效地识别出阶跃信号的变化，其佟判断采用了模糊逻辑方法，使输出信号更加接近实际情况，该探测信号检测的趋势算法相结合，可应用于火灾自动探测。     

消防炮自动火灾探测及确认误差研究

以西安北站工程项目为例,在介绍消防炮系统特点的基础上,从消防炮的工作原理、消防炮施工技术、消防炮管网及消防炮安装等方面,进行了消防炮自动火灾探测及确认误差研究。     

可变窗信号趋势算法及其应用于火灾自动探测

提出了计算窗可变的趋势算法，并将该算法应用于火灾自动探测，测试结果表明，它能及时检测出标准试验火源并极大大地降低的误报警率。     

斜度探测器及其在火灾自动探测中的应用

介绍的斜度探测器，能够检测信号变化后的斜率大小，有效地识别出阶跃信号的变化．其斜率判断采用了模糊逻辑方法，使输出信号更加接近实际情况．该探测器与信号检测的趋势算法相结合，可应用于火灾自动探测     

基于概率神经网络的矿井运输胶带图像监测

针对煤矿井下输煤胶带图像形状和边缘特征难以提取的特点,为实现煤矿井下输煤系统胶带状态的监控,提出了胶带红外图像识别方法提出了用灰度共生矩阵提取胶带图像纹理特征,将提取的纹理统计量经正规化处理后表现出较好的可分性,采用概率神经网络对空载(或少煤)的胶带图像和有煤的胶带图像进行了识别。实验结果表明,提出的算法可以较好地识别胶带的两种状态,为煤矿井下胶带运输系统监控提供了新的途径。     

带式输送机动力学分析理论与仿真

为有效控制带式输送机运行的稳定性，系统分析了带式输送机动态分析的自动建模理论。该理论分析包括运行线路的形态函数、质点划分、参数计算、系统状态方程生成及其求解等。在此基础上开发了带式输送机动力学分析的自动建模软件，实现了动态参数的二维、三维图形显示，增加了可视化程度，缩短了计算时间。工程实例验证了自动建模软件的有效性，得出的动态参数值也是准确的，适合工程实际的应用。     

555集成电路在皮带机综合保护器上的应用

以555时基电路的工作原理为理论基础，尝试设计一种应用于井下皮带机综合保护的装置，对煤位、速度、断带、跑偏进行检测和控制，具有起动报警、故障报警和起动速度自保及保护闭锁功能。     

神经网络在水工混凝土结构裂缝检测中的应用

针对水工大体积混凝土结构的特点,探讨了混凝土结构裂缝的检测方法．基于BP神经网络建立混凝土裂缝深度与其相关参数之间的关系模型,以实测资料作为模型的训练样本,并通过实例进行了检验,结果表明,BP神经网络应用于混凝土裂缝检测分析是可行和有效的．     

模糊神经网络在驾驶员疲劳检测中的应用

针对驾驶员疲劳检测算法中数据量大、高速传输、复杂运算的实际需要,以DSP器件TMS320DM642为核心处理器,开发了嵌入式的驾驶员疲劳驾驶状况实时监测系统;为解决因疲劳/瞌睡驾驶而造成的交通事故,针对国内各种疲劳检测方法大都采用单一的疲劳特征进行疲劳识别的现状,运用模糊神经网络方法,将多个疲劳特征参数:眼睛闭合时间占某特定时间的百分率(PERCLOS)、眼皮的平均闭合速度(AECS)、点头频率(NodFreq)、哈欠频率(YawnFreq)结合起来对驾驶员疲劳状况进行识别,准确率达88.7%.试验结果表明,算法对疲劳检测问题有较好的效果,系统的开发对降低因驾驶疲劳引发交通事故发生率的研究具有重要意义.     

基于神经网络的多参数矿井火灾识别方法

针对矿井火灾早期预测预报研究了新的方法,将矿井火灾图像与温度、烟雾、CO、CO2、O2等多个参数相结合,进行综合分析,对矿井火灾进行判断。依据神经网络建立的数学模型,采用神经网络的学习算法,对矿井火灾进行识别。通过仿真分析结果表明,矿井火灾正确识别率很高,特别是采用RBF神经网络,正确识别率达到98%以上,从而为神经网络实际用于矿井火灾识别成为可能,该方对矿井火灾早期预测预报具有重要的理论意义和实用价值。     

基于数据融合与神经网络的火灾探测研究

海上平台由于其自身空间狭小、管线设备高度集中等特点,要求其火灾探测系统误报率低.目前,单一类型火灾探测器的误报率非常高,经研究发现同时探测多类型火灾因素可大幅度降低误报率.文中根据多传感器数据融合技术将火灾探测器所测数据进行融合,然后应用BP神经网络进行训练仿真,降低了火灾探测器的误报率,满足了海上平台火灾探测系统的要求.     

优化的RBF神经网络在入侵检测中的应用

在入侵检测的应用中,RBF神经网络训练样本的数据量比较大,但是训练中广泛应用的OLS方法存在大数据量训练时间过长、不能根据数据特性确定平滑参数的缺点。针对此问题该文采用了一种基于快速模糊C-均值算法(AFCM)和正交最小二乘法(OLS)算法相结合的AFORBF训练算法;试验证明,AFORBF算法解决了RBF在入侵检测系统中处理大数据量时间过长的问题,获得了较高的检测率,简化了网络结构,提高了网络性能。