基于平面圆盘传感器阵列的早期火灾源点定位研究

火灾源点定位对实现有针对性的灭火,人员疏散都有重要意义。火灾初期阴燃状态下,释放热量小,却产生大量的烟气,针对这一特点,根据早期烟气扩散模型,提出利用平面圆盘传感器阵列探测烟气延时,来实现阴燃火灾的源点定位,并引入了遗传算法对定位误差进行修正。圆盘定位方法的应用,减小了由于烟气自身扩散及其它环境因素带来的误差,大大提高了定位精度。试验结果表明,该方法对早期火灾源点定位效果良好,实效性强。

用于早期火灾分类的非线性决策树支持向量机

对早期火灾信息进行研究,提出了一种基于非线性决策树的支持向量机多类分类模型。该模型利用非线性映射将样本投影到高维特征空间,比较每类样本在高维空间的分布情况,进行聚类构造出一个二叉决策树,使容易区分的类别从根节点逐层分类出来,有效克服了错分积累和避免不可分情况;同时,各个节点采用二值最小二乘小波支持向量机,以获得较高的泛化能力。该文将该模型用于早期火灾分类,并与BP神经网络、K近邻法和决策树方法进行比较,实验结果表明,该模型对早期火灾的识别率更高。

基于非匀速模型的早期火灾源点定位及强度估计

针对传统匀速模型早期火灾源点定位方法的不足，提出了一种非匀速早期火灾顶棚射流传播距离与时间关系的扩散模型。根据传感器探测信号的延时差，逆向利用该非匀速模型，并结合微粒群算法进行求解，同时实现了对早期火灾源点的准确定位和强度的定量估计。通过应用烟气传感节点所组成的无线传感网络验证了该算法。

基于二叉树的LS-WSVM早期火灾多类分类研究

针对早期火灾信息特点,提出了一种基于二叉树的最小二乘小波支持向量机(Least squareswavelet support vector machine,LS-WSVM)多类分类方法.该方法首先把主成份分析用于早期火灾信息的特征提取.然后,把二叉树结构和LS-WSVM相结合,提出了基于二叉树的LS-WSVM多类分类模型,不仅避免了盲目分类和不可分情况,而且提高了分类速度和泛化能力.最后,用该模型对特征信息进行处理,从而实现了对早期火灾的多类识别.早期火灾分类实验结果表明,该方法比采用径向基核函数的最小二乘支持向量机多类分类方法具有更好的识别效果和更快的分类速度.