摘要 | 第4-5页 |
ABSTRACT | 第5页 |
第一章 绪论 | 第12-21页 |
1.1 研究背景 | 第12-13页 |
1.2 研究目的及意义 | 第13页 |
1.3 国内外研究现状 | 第13-19页 |
1.3.1 火灾探测技术的研究现状 | 第13-15页 |
1.3.2 MSIF技术的发展现状 | 第15-18页 |
1.3.3 人工神经网络研究现状 | 第18-19页 |
1.3.4 可拓学研究现状 | 第19页 |
1.4 研究内容和论文结构 | 第19-21页 |
第二章 火灾产生机理及火灾探测技术的分析 | 第21-30页 |
2.1 火灾产生机理及发展过程 | 第21-23页 |
2.1.1 火灾产生的机理 | 第21-22页 |
2.1.2 火灾的发展过程 | 第22-23页 |
2.2 火灾特征现象分析 | 第23-24页 |
2.2.1 火焰 | 第23页 |
2.2.2 燃烧产物 | 第23页 |
2.2.3 燃烧音 | 第23-24页 |
2.3 火灾探测的方法 | 第24-27页 |
2.3.1 火灾信号探测原理 | 第24页 |
2.3.2 火灾探测器简介 | 第24-27页 |
2.4 火灾信号的特征 | 第27-28页 |
2.5 火灾探测中信息处理的实现方式 | 第28-29页 |
2.6 火灾探测中的信息融合 | 第29页 |
2.7 本章小结 | 第29-30页 |
第三章 基于可拓神经网络的智能家居防火系统的总体设计 | 第30-41页 |
3.1 智能家居防火系统基本设计思路 | 第30页 |
3.2 火灾参量的选择及无线火灾探测节点的现场布置方式 | 第30-32页 |
3.2.1 火灾参量的选择 | 第30-31页 |
3.2.2 无线火灾探测节点的现场布置 | 第31-32页 |
3.3 火灾信息融合算法的选择 | 第32-38页 |
3.3.1 BP神经网络 | 第32-35页 |
3.3.2 可拓综合评价方法 | 第35-37页 |
3.3.3 本文采用的火灾信息融合算法 | 第37-38页 |
3.4 火灾信息融合层次的选择 | 第38-40页 |
3.4.1 数据层融合 | 第38页 |
3.4.2 特征层融合 | 第38-39页 |
3.4.3 决策层融合 | 第39页 |
3.4.4 系统所采用的信息融合方式 | 第39-40页 |
3.5 本章小结 | 第40-41页 |
第四章 基于可拓神经网络的火灾信息融合算法的实现 | 第41-53页 |
4.1 火灾信息融合系统在数据层上的信息处理 | 第41页 |
4.2 火灾信息融合系统在特征层上的信息处理 | 第41-51页 |
4.2.1 ENN的结构设计与算法描述 | 第42-46页 |
4.2.1.1 可拓学的基本概念 | 第42-43页 |
4.2.1.2 可拓神经元结构 | 第43-44页 |
4.2.1.3 ENN的网络结构 | 第44-45页 |
4.2.1.4 基于监督算法的ENN算法 | 第45-46页 |
4.2.2 MALAB仿真与分析 | 第46-50页 |
4.2.2.1 数据处理 | 第47-48页 |
4.2.2.2 网络训练 | 第48-49页 |
4.2.2.3 验证分析 | 第49-50页 |
4.2.3 比较分析 | 第50-51页 |
4.3 火灾信息融合系统在决策层上的信息处理 | 第51-52页 |
4.4 本章小结 | 第52-53页 |
第五章 基于可拓神经网络的智能家居防火系统平台的设计 | 第53-67页 |
5.1 智能家居防火系统的总体框架设计 | 第53页 |
5.2 中央控制器模块 | 第53-56页 |
5.2.1 Cortex-M3介绍 | 第54-55页 |
5.2.2 STM32简介 | 第55-56页 |
5.3 火灾信息采集模块 | 第56-61页 |
5.3.1 温度传感器 | 第56-58页 |
5.3.2 烟雾传感器 | 第58-59页 |
5.3.3 CO气体传感器 | 第59-61页 |
5.4 Zig Bee无线通信模块 | 第61-63页 |
5.5 声光报警模块 | 第63页 |
5.6 上位机监控软件设计 | 第63-65页 |
5.7 系统测试 | 第65-66页 |
5.8 本章小结 | 第66-67页 |
第六章 总结与展望 | 第67-69页 |
6.1 总结 | 第67页 |
6.2 展望 | 第67-69页 |
参考文献 | 第69-73页 |
致谢 | 第73-74页 |
在学期间的研究成果及发表的学术论文 | 第74页 |