未来智讯 > 智能家居论文 > 智能家居防火系统算法改进

智能家居防火系统算法改进

发布时间:2018-11-24 01:06:05 文章来源:未来智讯    
    智能家居防火系统算法改进作者: 张傲   摘要:目前智能家居防火系统大多选取烟雾、CO和温度报警,但传统的烟雾和温度报警对于正常生活产生的烟雾和温度上升等原因会产生误报并且稳定度低。针对这一局限性,利用模糊推理和神经网络推理算法,选取多源信息融合技能,根据火灾发生的特征现象选择CO、烟雾浓度和温度信号作为系统输入信号,抑制器应用改进的算法处理采集的数据,输出火灾几率以预报火灾。
  关键词:智能家居 神经网络推理算法 遗传算法 径向基函数神经网络
  中图分类号:TU855;TU892 文献标识码:A 文章编号:1007-9416(2016)04-0000-00
  随着科技的进步和生活质量的提升,智能家居必将成为未来家居的发展趋势。为了提高防火抑制器系统的鉴别能力,利用多源信息融合技能,利用遗传算法改进径向基函数神经网络(RBF),充分联合模糊抑制和神经网络处理两者的优点,极大的改善系统的抑制误差及误差变化,并且自适应、自组织,通过数据的采集、MATLAB仿真,验证了所提改进方法的准确性和有效性。
  1 多元信息融合技能
  信息融合技能应用十分广泛,在火灾检测系统中,烟雾传感器、温度传感器、CO传感器等虽然各具特色,但通过多元信息融合将不同的传感器采集的信号进行抽象化分类组合,以获得正确的判断,从而大大提高防火系统的稳定度与灵敏性。信息融合算法众多,本问选取模糊逻辑算法和神经网络算法,利用遗传算法改进径向基函数神经网络,来进行各输入信号的融合处理,具体问题具体分析,解决火灾检测难题。
  其中 反映学习速度, 为系统输入, 、 、 分辨为烟雾、温度和CO浓度调整参数,来抑制 。RBFNN和反向传播前向网络(BP)相对照,BP网络由于选取非线性梯度优化算法,容易变成部分极小不易获得全局的最优性,相反RBFNN更加容易获得最优解,并且学习速度更快,以便提高探测精度。
  3 遗传算法的 、 、 整定
  遗传算法(Genetic Algorithm)是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程的计算模型,是一种通过模拟自然进化过程搜索最优解的方法。特别对于一些非线性模块的函数优化方面,基于“适者生存”的机制,快速响应得到最后结果,具有良好全局搜索能力,收敛速度迅速,不被部分优化解的困扰。遗传算法的这些性质,已被广泛应用与信号处理、自适应抑制和组合优化等领域,是智能计算的必不可少的技能。
  一般选择适应度高的种群进行复制、交叉以及变异操作,对隐含层节点中心值、隐含层节点宽度和输出线性权值优化,最后确保RBFNN网络系统可以得到全局最优解。
  4 网络学习算法的实现
  网络学习算法需要解决RBFNN的中心采用、方差和输出权值等问题,由于火灾检测具有随机性与动态性,应该采用可以在线动态学习的算法来采用中心,因此选取自组织采用中心法,无需确定隐含层的节点个数。近来邻法基于类比学习,既能够用于聚类,也能够用于分类,K-means是基于近来邻法的聚类方法,选取其来采用中心最大的优势在于简明和快速。
  5 模糊RBFNN系统设计与仿真
  本文设计的火灾探测系统算法由两局部组成,第一局部为模糊神经网络系统,其输入为三种传感器采集火灾现场的数据,进行相应的归一化处理,输入到改进型的RBFNN网络中,再输出三种火情几率;第二局部运用模糊逻辑系统进行推理判决,得到最后的抑制信号。
  由于明火或阴燃火几率处于中间值,系统难以正确判断是否有火灾,本系统中投入烟雾持续时间函数 , 为判断阈值, 为实际烟雾持续时间,惟有当烟雾浓度持续的时间超过阈值, 才会被累加,否则为离散时间变量。仿真结果如图1:
  图1中,曲线a代表无火几率,b代表阴燃火几率,c代证明火几率,d代表判断阈值,可知,当明火几率大于0.6时,则输出判断发生火灾。根据仿真图验证了所改进算法以及设计方法的准确性和有效性,可以有效判断是否发生火灾,降低系统误报率。
  参考文献
  [1]林文韬,刘太君,叶焱 等.基于改进型径向基函数神经网络的功放线性化[J].微波学报,2015,31(5):47-50.
  [2]王嘉轶,闻新.基于改进RBF-NN优化模糊PID抑制器的设计方法[J].航空兵器,2015,10(5):60-65.
  [3]韦巍,何衍.智能抑制基础[M].北京:清华大学出版社,2008.
  收稿日期:2016-02-25
  作者简介:张傲(1993―),男,汉族,黑龙江七台河人,天津工业大学计算机科学与软件学院本科生,研讨方向:JAVA-WEB开发。
转载请注明来源。原文地址:https://www.7428.cn/page/2018/1124/46315/
 与本篇相关的热门内容: