| 摘要 | 第3-4页 |
| Abstract | 第4页 |
| 第一章 绪论 | 第8-11页 |
| 第一节 智能家居防火系统的研究背景与意义 | 第8-9页 |
| 第二节 防火系统的研究现状 | 第9-10页 |
| 第三节 本文的主要研究内容 | 第10-11页 |
| 第二章 火灾探测原理及相关技术 | 第11-18页 |
| 第一节 火灾燃烧过程分析 | 第11-13页 |
| 第二节 火灾探测器原理概述 | 第13-15页 |
| 第三节 火灾探测算法概述 | 第15-18页 |
| 第三章 模糊控制与神经网络理论基础 | 第18-40页 |
| 第一节 多传感器信息融合技术 | 第18-23页 |
| 一、信息融合技术的层次 | 第19-20页 |
| 二、信息融合系统的结构 | 第20-22页 |
| 三、信息融合技术在火灾探测中的运用 | 第22-23页 |
| 第二节 模糊控制 | 第23-29页 |
| 一、模糊控制简介 | 第23-25页 |
| 二、典型的模糊控制系统 | 第25-29页 |
| 第三节 人工神经网络理论基础 | 第29-34页 |
| 一、神经网络 | 第30-32页 |
| 二、神经网络的分类 | 第32-34页 |
| 第四节 模糊神经网络 | 第34-40页 |
| 一、模糊控制和神经网络相结合 | 第34-36页 |
| 二、模糊神经网络结构 | 第36-38页 |
| 三、典型模糊神经网络 | 第38-40页 |
| 第四章 基于模糊控制系统与人工神经网络系统的算法设计 | 第40-57页 |
| 第一节 系统整体结构设计 | 第40-41页 |
| 第二节 模糊控制在智能家居火灾探测当中的应用 | 第41-49页 |
| 一、输入输出模糊化 | 第41页 |
| 二、隶属度函数的选择 | 第41-42页 |
| 三、模糊规则的建立 | 第42-44页 |
| 四、去模糊化 | 第44页 |
| 五、Matlab仿真 | 第44-49页 |
| 第三节 智能家居火灾探测中神经网络的运用 | 第49-57页 |
| 一、网络模型的建立 | 第49-51页 |
| 二、RBF网络学习算法 | 第51-53页 |
| 三、Matlab仿真 | 第53-57页 |
| 第五章 模糊神经网络在火灾探测系统当中的运用 | 第57-82页 |
| 第一节 模糊神经网络系统模型的建立 | 第57-62页 |
| 第二节 学习算法 | 第62-73页 |
| 一、输出层权系数ktw的调整 | 第63页 |
| 二、隐层当中的节点权系数ij?的调整 | 第63-68页 |
| 三、隐层节点权系数ijc的调整 | 第68-71页 |
| 四、基于模糊神经网络学习的具体过程 | 第71-73页 |
| 第三节 模糊神经网络的训练 | 第73-82页 |
| 结论与展望 | 第82-83页 |
| 参考文献 | 第83-87页 |
| 致谢 | 第87-88页 |
| 本人在读期间完成的研究成果 | 第88页 |