Red neuronal de sensor compuesto de detector de incendios inteligente
Descripción de datos
[Número de páginas] 36[Número de palabras] 23119
[Contenido]
Resumen
Resumen
1 Introducción 1
2 Diseño de arquitectura del sistema 4
3 Introducción al microcontrolador 8051 5
4 Diseño de hardware del sistema 9
5 Diseño de software del sistema 25
6 Conclusión 28
Referencia
Expresar gratitud/gratitud
[Texto original]
1 Introducción
1.1 Descripción general de la alarma contra incendios
Con el desarrollo del sensor Tecnología, tecnología de microprocesadores y Con el rápido desarrollo de la tecnología de procesamiento de señales, la detección de incendios compuesta se ha convertido en la dirección de desarrollo de la tecnología de detección automática de incendios. En la actualidad, los detectores de incendios compuestos incluyen principalmente sensores fotoeléctricos de temperatura y humo, sensores de temperatura y humo de iones, sensores de temperatura y humo de iones fotoeléctricos. El objetivo principal de utilizar un método de detección compuesto es permitir que el detector detecte varios incendios de forma equilibrada. En particular, los detectores de humo de luz dispersa superan su insensibilidad al humo negro a medida que aumenta la temperatura mediante la compensación de temperatura, lo que promueve eficazmente la aplicación de detectores de humo fotoeléctricos. El detector compuesto de sensor de humo fotoeléctrico y sensor de temperatura tiene un efecto de detección relativamente pobre en el humo negro cuando la temperatura del humo es cada vez más baja y es cada vez más difícil de aceptar en el mercado debido a la posibilidad de contaminación radiactiva. Además, ya sea detección fotoeléctrica o de humo iónico, son esencialmente detección iónica y la interferencia de diversas partículas como polvo, vapor de agua y neblina de aceite también la afecta. Si bien el procesamiento de señales se puede utilizar para suprimir estas interferencias, es difícil eliminarlas por completo, por lo que es necesario encontrar nuevos métodos de detección de incendios que puedan detectar incendios de manera más efectiva y reducir las falsas alarmas.
Como todos sabemos, la mayoría de los incendios producirán gas monóxido de carbono (CO), especialmente en las primeras etapas de un incendio con una combustión insuficiente. El gas CO es más ligero que el aire y más difuso que el humo, especialmente en muchos casos. Métodos de detección de humo comúnmente utilizados. La fuente de falsa alarma no produce gas CO. Por lo tanto, introducir sensores de CO en la detección de incendios es un método ideal de detección temprana de incendios.
Desde la década de 1990, las características de autoaprendizaje, adaptación y autoorganización de las redes neuronales han atraído gran atención por parte de las comunidades de ingeniería y protección contra incendios en varios países. Y. Okayama de Japón propuso utilizar una red neuronal BP de tres capas para la detección de incendios, que tiene ciertos hábitos de autoaprendizaje y adaptabilidad. Sin embargo, no considera completamente las características de la señal del sensor y solo utiliza un umbral simple para juzgar directamente, lo que no contribuye a reducir la tasa de falsas alarmas. S. Nakanishi et al. utilizaron un método de lógica difusa para procesar las señales compuestas de humo, temperatura y CO en la señal de concentración de humo, y utilizaron algoritmos de redes neuronales para ajustar el sistema. Los resultados reales muestran que la tasa de falsas alarmas se reduce en un 50% y el tiempo de alarma de incendio se adelanta. Sin embargo, solo se utiliza el método de lógica difusa para ajustar el tiempo de retardo de la alarma, lo que no aprovecha al máximo las ventajas del sistema neuronal. red. ......
[Resumen]
En la actualidad, la red y la tecnología de automatización en el campo de los sistemas automáticos de alarma contra incendios son cada vez más perfectas, pero los detectores de incendios todavía tienen falsos alarmas y alarmas perdidas, etc. preguntas. La precisión de los detectores de incendios en la detección de incendios afectará directamente el rendimiento de todo el sistema de alarma automático. Por lo tanto, la tecnología de detectores de incendios se ha convertido en la principal dirección de desarrollo en este campo.
La información más reciente en la barra de información de la página de inicio de ayuda.
Información más popular
Materiales más vendidos
Etiquetas abiertas
Miembros de autoridad
Círculo de búsqueda
p>
Círculo abierto
Registro de miembros
Toda la información
Nombre del círculo e introducción al círculo
Publicar en el círculo
Diseño de alarma contra incendios inteligente compuesta
Diseño de alarma contra incendios inteligente compuesta
525.0 toma archivos de datos y busca en los carritos de compras recopilados.
Diseño de alarma contra incendios inteligente compuesta.
doc (773KB)
Etiqueta
Red neuronal de sensor compuesto de detector de incendios inteligente
Descripción de datos
[Número de páginas] 36[Número de palabras ] 23119
[Contenido]
Resumen
Resumen
1 Introducción 1
2 Arquitectura del sistema Diseño 4
3 Introducción al microcontrolador 8051 5
4 Diseño de hardware del sistema 9
5 Diseño de software del sistema 25
6 Conclusión 28
Referencia
Expresar agradecimiento/gratitud
[Texto original]
1 Introducción
1.1 Descripción general de la alarma contra incendios
Con el rápido desarrollo de la tecnología de sensores, la tecnología de microprocesadores y la tecnología de procesamiento de señales, la detección compuesta de incendios se ha convertido en la dirección de desarrollo de la tecnología de detección automática de incendios. En la actualidad, los detectores de incendios compuestos incluyen principalmente sensores fotoeléctricos de temperatura y humo, sensores de temperatura y humo de iones, sensores de temperatura y humo de iones fotoeléctricos. El objetivo principal de utilizar un método de detección compuesto es permitir que el detector detecte varios incendios de forma equilibrada. En particular, los detectores de humo de luz dispersa superan su insensibilidad al humo negro a medida que aumenta la temperatura mediante la compensación de temperatura, lo que promueve eficazmente la aplicación de detectores de humo fotoeléctricos. El detector compuesto de sensor de humo fotoeléctrico y sensor de temperatura tiene un efecto de detección relativamente pobre en el humo negro cuando la temperatura del humo es cada vez más baja y es cada vez más difícil de aceptar en el mercado debido a la posibilidad de contaminación radiactiva. Además, ya sea que se trate de detección fotoeléctrica o de humo iónico, son esencialmente detección de iones y diversas interferencias de partículas, como polvo, vapor de agua y neblina de aceite, también tienen un impacto en ella. Si bien el procesamiento de señales se puede utilizar para suprimir estas interferencias, es difícil eliminarlas por completo, por lo que es necesario encontrar nuevos métodos de detección de incendios que puedan detectar incendios de manera más efectiva y reducir las falsas alarmas.
Como todos sabemos, la mayoría de los incendios producirán gas monóxido de carbono (CO), especialmente en las primeras etapas de un incendio con una combustión insuficiente. El gas CO es más ligero que el aire y más difuso que el humo, especialmente en muchos casos. Métodos de detección de humo comúnmente utilizados. La fuente de falsa alarma no produce gas CO. Por lo tanto, introducir sensores de CO en la detección de incendios es un método ideal de detección temprana de incendios.
Desde la década de 1990, las características de autoaprendizaje, adaptación y autoorganización de las redes neuronales han atraído gran atención por parte de las comunidades de ingeniería y protección contra incendios en varios países. Y. Okayama de Japón propuso utilizar una red neuronal BP de tres capas para la detección de incendios, que tiene ciertos hábitos de autoaprendizaje y adaptabilidad. Sin embargo, no considera completamente las características de la señal del sensor y solo utiliza un umbral simple para juzgar directamente, lo que no contribuye a reducir la tasa de falsas alarmas. S. Nakanishi et al. utilizaron un método de lógica difusa para procesar las señales compuestas de humo, temperatura y CO en la señal de concentración de humo, y utilizaron algoritmos de redes neuronales para ajustar el sistema. Los resultados reales muestran que la tasa de falsas alarmas se reduce en un 50% y el tiempo de alarma de incendio se adelanta. Sin embargo, solo se utiliza el método de lógica difusa para ajustar el tiempo de retardo de la alarma, lo que no aprovecha al máximo las ventajas del sistema neuronal. red. ......
[Resumen]
En la actualidad, la red y la tecnología de automatización en el campo de los sistemas automáticos de alarma contra incendios son cada vez más perfectas, pero los detectores de incendios todavía tienen falsos alarmas y alarmas perdidas, etc. preguntas. La precisión de los detectores de incendios en la detección de incendios afectará directamente el rendimiento de todo el sistema de alarma automático. Por lo tanto, la tecnología de detectores de incendios se ha convertido en la principal dirección de desarrollo en este campo.
Basado en el análisis del estado actual de la investigación y los problemas existentes en el país y en el extranjero, este artículo estudia la tecnología de detectores de incendios desde aspectos de hardware y software. En términos de hardware, un detector compuesto que consta de un sensor de temperatura, un sensor de CO y un sensor fotoeléctrico de humo se utiliza para medir tres parámetros principales cuando se produce un incendio. En términos de software, se utilizan redes neuronales para procesar las señales recopiladas por varios sensores y luego se emiten señales de alarma a través de tomadores de decisiones difusos. Esto permite que el detector tenga ciertas funciones inteligentes al emitir señales de alarma. Los resultados experimentales muestran que el detector de incendios con esta estructura no sólo mejora en gran medida la precisión de la alarma, sino que también puede determinar mejor el estado del incendio. Se puede ver que la aplicación de tecnología compuesta y tecnología de redes neuronales puede mejorar en gran medida el rendimiento de los detectores de incendios, reducir en gran medida la tasa de falsas alarmas y la tasa de falsas alarmas y proporcionar condiciones favorables para la alerta temprana.
[Referencias]
[1] Wu, Perspectivas de la tecnología contra incendios en el nuevo siglo. Enciclopedia de incendios de China, 2002 (11): 4-5.
Xu Chunyan, desarrollo y aplicación de tecnología de detección de incendios. Ansteel Science and Technology, Número 9, 2000: 60-62.
Wang Xinjun, comparación de rendimiento y aplicación de tres tipos de detectores de incendios. Construcción de túneles, 2005, 25(3)74-78.
Zhang Jiawei, dinastía Song. Principios y aplicaciones de los sensores. Harbin: Prensa de la Universidad Forestal del Noreste, 2003.99-102.
Zhang Jianhua, Wang Zhanlin. Investigación sobre métodos de monitoreo del estado y diagnóstico de fallas de sistemas de control basados en redes neuronales. Actas de la Conferencia Anual de Decisión y Control de China de 1996.
, Pan, estado actual y desarrollo de la tecnología de detección de incendios multicomponente. Tecnología contra incendios e información de productos 1998 04: 21-24.
Método de redes neuronales artificiales para la detección de incendios. Ergonomía 1997, 3 (2): 39-41.
Shang Feng, Jiang Guoping, aplicación de DS18B20 en detectores de incendios. Tecnología de medición electrónica 2003.
[9] Ventilador, sistema de alarma antirrobo inteligente inalámbrico para el hogar. Security Technology, 2003. 3: 70-71
[10] Yang Zhenting, Subrutinas prácticas y ejemplos de aplicaciones de microcontroladores populares. Prensa de la Universidad de Ciencia y Tecnología Electrónica de Xi'an, 2002.83~86.
[11] Zhang, Peng Xiyuan, Jiang Shouda, Qiao Liyan. Sistema de aplicación del microcontrolador MCS-51 recientemente compilado. Harbin: Prensa del Instituto de Tecnología de Harbin, 2004.8 ~ 27, 142 ~ 146, 65436.
[12] Zhou Hangci, Tecnología de programación de aplicaciones de microcontroladores (edición revisada). Prensa de la Universidad de Aeronáutica y Astronáutica de Beijing, 2002.56~72.
[13] Jiao Licheng, Teoría del sistema de redes neuronales. Prensa de la Universidad de Ciencia y Tecnología Electrónica de Xi'an, 1995.
[14] Sui, editor en jefe, Ejemplos y tecnología de aplicaciones de microcontroladores. Beijing: Electronic Industry Press, 2005+03~25, 81~85.
[15] Editor en jefe Wang Hui, Sistema de control informático. Beijing: Centro de publicación de libros de texto de Chemical Industry Press, 2005.53~62.
[16] Shang Feng, Investigación sobre detectores de incendios compuestos [tesis de maestría]. Universidad Tecnológica de Dalian. 2003.8.
[17]Cao Jun, Diseño de sistemas de alarma contra incendios [tesis de maestría]. Universidad de Ciencia y Tecnología de Harbin. 2006.3.
[18] Norma británica, Sistemas de detección y alarma de incendios - Parte 5: Detectores térmicos - Detectores puntuales. BS EN 54-5:20065438
[19] James A. Milke, Monitoreo de múltiples aspectos de las señales de incendio para la identificación de la detección de incendios, Tecnología de protección contra incendios. Volumen 35. Número tres. 1999:25-29
20 Holt, Mike. Sistema de señalización de alarma contra incendios. Construcción y mantenimiento eléctrico, 2003, 102(8):40, 42-43