基于无线网络的多源信息火灾探测算法研究
| 摘要 | 第3-4页 |
| abstract | 第4-5页 |
| 1 绪论 | 第8-15页 |
| 1.1 火灾危害及研究背景 | 第8-9页 |
| 1.2 火灾探测技术的发展历史与现状 | 第9-11页 |
| 1.3 火灾信息处理算法 | 第11-12页 |
| 1.3.1 火灾信息的特征 | 第11页 |
| 1.3.2 火灾信息处理算法的发展 | 第11-12页 |
| 1.4 课题研究目的与创新点 | 第12-13页 |
| 1.5 章节安排及技术路线 | 第13-15页 |
| 2 多传感器无线式火灾报警系统设计 | 第15-26页 |
| 2.1 多传感器数据融合技术 | 第15-17页 |
| 2.1.1 基本概念 | 第15页 |
| 2.1.2 数据融合系统的层次分类 | 第15-16页 |
| 2.1.3 数据融合在火灾探测中的应用 | 第16-17页 |
| 2.2 多传感器火灾报警系统设计 | 第17-18页 |
| 2.3 基于Zigbee的火灾探测报警系统 | 第18-25页 |
| 2.3.1 整体设计 | 第18-19页 |
| 2.3.2 硬件选型与设计 | 第19-20页 |
| 2.3.3 火灾信息探测节点设计 | 第20页 |
| 2.3.4 基于ZigBee-WiFi网关设计 | 第20-22页 |
| 2.3.5 火灾探测节点部署设计 | 第22-23页 |
| 2.3.6 火灾监测数据监控中心设计 | 第23-25页 |
| 2.4 小结 | 第25-26页 |
| 3 基于模糊逻辑控制的火灾预测模型研究 | 第26-40页 |
| 3.1 典型模糊推理系统 | 第26-33页 |
| 3.1.1 理论基础 | 第26-27页 |
| 3.1.2 模糊逻辑系统设计内容 | 第27-28页 |
| 3.1.3 典型模糊推理算法建模 | 第28-33页 |
| 3.2 自适应模糊神经推理系统建模 | 第33-39页 |
| 3.2.1 系统结构和工作原理 | 第33-34页 |
| 3.2.2 系统建模及仿真 | 第34-39页 |
| 3.3 小结 | 第39-40页 |
| 4 基于神经网络的火灾预测模型研究 | 第40-61页 |
| 4.1 基于L-M的BP算法建模 | 第40-46页 |
| 4.1.1 理论基础 | 第40-41页 |
| 4.1.2 网络设计 | 第41-42页 |
| 4.1.3 仿真结果 | 第42-46页 |
| 4.2 基于RBF的算法建模 | 第46-51页 |
| 4.2.1 理论基础 | 第46-47页 |
| 4.2.2 网络设计 | 第47页 |
| 4.2.3 仿真结果 | 第47-51页 |
| 4.3 基于GRNN算法建模 | 第51-55页 |
| 4.3.1 理论基础 | 第51-52页 |
| 4.3.2 网络设计 | 第52页 |
| 4.3.3 仿真结果 | 第52-55页 |
| 4.4 基于PNN的算法建模 | 第55-60页 |
| 4.4.1 理论基础 | 第55-57页 |
| 4.4.2 网络设计 | 第57页 |
| 4.4.3 仿真结果 | 第57-60页 |
| 4.5 小结 | 第60-61页 |
| 5 基于极限学习机的火灾预测模型研究 | 第61-70页 |
| 5.1 ELM基本思想 | 第61-63页 |
| 5.2 ELM的算法学习 | 第63页 |
| 5.3 ELM模型设计 | 第63-64页 |
| 5.4 仿真结果 | 第64-67页 |
| 5.5 小结 | 第67-70页 |
| 6 总结与展望 | 第70-71页 |
| 致谢 | 第71-72页 |
| 参考文献 | 第72-76页 |
| 附录一 硕士研究生学习阶段发表论文及成果 | 第76-77页 |
| 附录二 原始数据 | 第77-78页 |
