随着经济建设和城市的迅速发展，工业与民用建筑日趋增多，为了保护人民财产和生命的安全，消防监控已经成为现代楼宇设计中不可缺少的组成部分。
任何燃烧或火灾，在其初始发展阶段，都将伴随烟雾、热量和火焰的产生，烟、热、光是物质燃烧的三大特征。火灾早期预报的重要手段，就是通过安装在现场的各类火灾探测器对火灾产生的烟、热、光等参量做出有效的响应，即应用相应的敏感元件，将表征火灾参数的物理量转化为电信号，通过电子线路将其放大、变换、传输、处理，发出报警信号，并以特定的音箱和闪光报警信号引起人们的警觉，呼唤工作人员采取必要的灭火措施，有效地制止火灾的发生。目前使用的火灾报警探测器多数采取单传感器对火灾的某一特性进行监测(如气体温度、烟雾浓度等),系统灵敏度完全依赖传感器的灵敏度。实际应用中经常会因为受到环境的干扰而采集到错误信息,这就导致了漏检、误报情况的出现。
基于模糊神经网络的火灾报警系统充分利用模糊系统推理能力强和神经网络学习适应能力强的优点,提高传感器的灵敏度和整个系统的韧性,大大降低火灾的漏报率和误报率,提高了火灾报警系统的可信度和可靠度。火灾监控系统一般由火灾探测器、区域报警器和集中报警器组成。也可以根据工程的要求与各种灭火设施和通信装置联动，形成中心控制系统，由火灾自动报警、自动灭火、安全疏散诱导、系统过程显示、消防档案管理等组成一个完整的消防控制系统。
2022-05-26 19:34:35
253KB
1
采用模糊神经网络建立了风电场输出功率的短期预测模型,通过新疆某风电场数 据进行算例验证,对不同预测周期的模型的预测效果进行比较。结果表明,所建立的模糊神经 网络模型能正确地预测风电场输出功率,提升传统神经网络的性能。
2022-05-23 08:46:48
938KB
1
自动化 外文翻译 外文文献 英文文献 锅炉蒸汽温度模糊神经网络的广义预测控制.doc
2022-05-11 09:10:17
2.94MB
为提高多变量、非线性和强耦合系统的动态特性和解耦能力,根据解耦原理和神经网络思想,提出一种两级串联结构的自适应模糊神经网络解耦控制器.前级是基于智能权函数规则的自调整模糊控制器,后级是基于动态耦合特性的自适应神经网络解耦控制器.同时从理论上证明了学习算法的收敛性.仿真实例表明,所提出的解耦控制器具有良好的鲁棒性和自适应解耦能力,是解决多变量、非线性和强耦合问题的一种简便有效的控制算法.
2022-05-05 11:19:34
282KB
1