| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 课题的提出和意义 | 第10-12页 |
| 1.2 舰船火灾预警技术的国内外研究现状 | 第12-13页 |
| 1.3 多传感器数据融合发展的国内外研究现状 | 第13-14页 |
| 1.4 火灾预警系统的检测算法 | 第14-17页 |
| 1.4.1 传统检测算法 | 第15页 |
| 1.4.2 智能检测算法 | 第15-17页 |
| 1.5 论文研究内容与结构安排 | 第17-18页 |
| 第2章 多传感器数据融合技术在舰船火灾预警的应用 | 第18-32页 |
| 2.1 舰船火灾产生及发展 | 第18-20页 |
| 2.1.1 舱室火灾的发展过程 | 第18-19页 |
| 2.1.2 舰船火灾的特征参量及分类 | 第19页 |
| 2.1.3 舰船消防的重点区域 | 第19-20页 |
| 2.2 舰船常用的火灾探测器 | 第20-23页 |
| 2.2.1 感温探测器 | 第21-22页 |
| 2.2.2 感烟探测器 | 第22-23页 |
| 2.2.3 CO气体探测器 | 第23页 |
| 2.3 舰船火灾探测器的布置原则 | 第23-25页 |
| 2.4 多传感器数据融合在舰船火灾预警系统的应用 | 第25-31页 |
| 2.4.1 多传感器数据融合的定义 | 第25页 |
| 2.4.2 多传感器数据融合的基本原理 | 第25-26页 |
| 2.4.3 多传感器数据融合技术主要内容 | 第26-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 基于加权估计的多传感器数据融合火灾预警模型设计 | 第32-42页 |
| 3.1 加权估计融合相关理论 | 第32-35页 |
| 3.1.1 测量数据一致性检验 | 第32-33页 |
| 3.1.2 基于加权估计的融合算法 | 第33-35页 |
| 3.2 舰船火灾加权估计融合预警模型设计 | 第35-39页 |
| 3.2.1 加权估计融合的火灾预警模型结构 | 第35-36页 |
| 3.2.2 加权估计融合的火灾预警模型分析 | 第36-39页 |
| 3.3 本章小结 | 第39-42页 |
| 第4章 基于神经网络的多传感器数据融合火灾预警模型设计 | 第42-56页 |
| 4.1 人工神经网络融合算法 | 第42-46页 |
| 4.1.1 人工神经网络 | 第42-43页 |
| 4.1.2 基于神经网络的数据融合算法 | 第43-46页 |
| 4.2 舰船火灾神经网络融合预警模型设计 | 第46-48页 |
| 4.2.1 神经网络层数及节点数设计 | 第46-47页 |
| 4.2.2 神经网络模型结构设计 | 第47-48页 |
| 4.3 舰船火灾神经网络融合预警模型的MATLAB训练仿真 | 第48-54页 |
| 4.3.1 神经网络模型舰船火灾训练样本 | 第48-50页 |
| 4.3.2 神经网络模型网络训练学习 | 第50-52页 |
| 4.3.3 神经网络模型网络训练结果与分析 | 第52-54页 |
| 4.4 本章小结 | 第54-56页 |
| 第5章 舰船火灾预警系统的设计与实现 | 第56-68页 |
| 5.1 舰船火灾预警系统的结构 | 第56页 |
| 5.2 舰船火灾预警系统软件设计 | 第56-59页 |
| 5.2.1 舰船火灾预警系统运行流程 | 第56-57页 |
| 5.2.2 舰船火灾预警系统人机交互界面 | 第57-59页 |
| 5.3 系统仿真试验及结果分析 | 第59-65页 |
| 5.3.1 仿真试验样本 | 第59-62页 |
| 5.3.2 仿真试验结果分析 | 第62-65页 |
| 5.4 系统性能评价 | 第65-66页 |
| 5.5 本章小结 | 第66-68页 |
| 结论 | 第68-70页 |
| 参考文献 | 第70-76页 |
| 攻读硕士研究生期间发表的论文和取得的科研成果 | 第76-78页 |
| 致谢 | 第78页 |
