基于改进蚁群-麻雀算法的建筑火灾疏散路径规划研究

结合改进蚁群算法(IACO)和改进麻雀搜索算法(ISSA),提出一种考虑火灾实时蔓延的动态疏散路径规划模型。采用火灾动力学软件(FDS)得到火灾环境参数,以表示火灾实时蔓延的危险程度。基于IACO强大的全局搜索能力得到初始疏散路径。采用收敛速度快的ISSA对初始路径进行优化,以提高路径的稳定性。以某综合建筑为例进行2组不同火灾环境下的仿真实验,结果表明:IACO-ISSA模型相比ACO能够根据火灾发展情况实时调整疏散路径,从而有效躲避火灾危险区域,避免了忽略火灾动态蔓延而引导疏散人员至危险区域的现象,进一步提高了疏散路径的安全性。

基于改进YOLO算法的无人机图像草原火灾检测研究

草原火灾一旦发生,受风力、地势等因素的影响迅速向四周无规则蔓延,形成面积不断扩大的条状燃烧带。为了提高草原火灾检测效率,结合无人机拍摄草原火灾的图像特征,研究基于改进YOLO算法的草原火灾检测方法。首先,针对火灾区域狭长、火灾区域占比小的特点,对YOLO算法的Neck部分进行优化,提出一种具有全链接结构的特征提取网络FC-FP Neck,使语义特征和定位特征充分融合,提高网络的特征提取能力;其次,结合阈值分割技术提出一种改进的自适应加权损失函数,提升模型的收敛速度,同时解决火灾检测敏感度不足,容易造成误检的问题。在公开小目标检测数据集AI-TOD上测试改进算法的可行性,平均准确率提高了7.28%,平均精度提高了12.46%;在自建草原火灾数据集上平均精度达到了90.24%,平均准确率达到了87.33%。实验表明改进后的算法提高了草原火灾检测效率。

基于多特征参数的GA-WOA-BP火灾概率预测模型研究

为进一步提升火灾概率预测的准确率,针对BP神经网络在拟合过程中探测精度低、泛化能力差的问题,提出一种基于多特征参数的GA-WOA-BP火灾概率预测模型。首先通过试验采集了榉木、棉绳阴燃、明燃时的火灾特征参量,计算后得到了相应的火灾类型发生概率;其次通过遗传算法优化BP神经网络的隐藏层结构,鲸鱼优化算法优化BP神经网络的初始权重,构建了GA-WOA-BP模型,提高融合算法的拟合能力。最后,以多特征火灾参数作为模型输入,以不同类型火灾发生概率作为输出完成火灾概率的预测。结果表明,相比单纯BP神经网络,基于多特征参数的GA-WOA-BP火灾概率预测模型具有更好的预测性能,其评价指标RMSE、MAE、R2分别为0.020 22、0.014 33和0.992 31,能为火灾概率预测提供数据参考。

基于Himawari和FY4卫星实时监测森林火灾蔓延初探

探讨了新一代静止气象卫星在森林火灾蔓延速度测量中的应用潜能。Himawari-AHI和FY4-AGRI传感器10 min和5 min高时间分辨率观测数据为实时监测森林火灾蔓延速度(Fire Spread Rate,FSR)创造了有利条件。卫星遥感2 km空间分辨率观测下,绝大部分森林火灾火场蔓延变化周期大于12 min,说明新一代静止气象卫星观测数据有能力追踪测量森林火灾蔓延动态。本文提出一种基于Himawari-AHI和FY4-AGRI传感器的森林火灾蔓延速度测量算法,案例研究结果表明:该算法能够以较高精度给出近实时火场蔓延线速度和面积速度,线速度结合面积速度可以完整地描述火场整体蔓延趋势。蔓延算法可为林火蔓延预报研究提供一种实测数据源。

基于Pareto蚁群算法的双目标路径规划研究

针对复杂建筑环境人员应急疏散单一路径不能满足火灾环境变化需求的问题,基于改进蚁群算法,结合Pareto双目标解集思想,提出一种组合优化解集的双目标蚁群算法,通过排序优化的思想,实现人员多路径动态疏散规划。在构造Pareto解集的阶段协同考虑疏散路径长度以及火灾风险程度2个优化目标,计算各个解之间的支配关系。利用排序优化蚁群算法的正反馈机制将各组解的信息素按一定比例作为最优路径信息素的积累,加快解集的寻找。最后将其与传统双目标蚁群算法相比较,结果表明:优化后的双目标算法更加适合复杂建筑人员疏散路径规划问题,在寻找多组满足要求解的同时展示目标之间的利弊关系,供决策者选择合适的路径,提高疏散效率。

改进蚁群算法的森林防火移动机器人路径规划

为解决森林防火移动机器人在森林地形条件的最优路径规划问题,提出一种基于拓展邻域的改进蚁群算法。首先引入定向邻域拓展策略,并将搜索邻域从8个拓展至10个拓展,以求扩大搜索效率与范围;然后综合考虑影响移动机器人的多种因素,利用路径长度和能耗改进启发函数;接着通过位置信息改进初始信息素;最后结合最大-最小蚂蚁系统(MMAS)和精英蚂蚁等算法模型的优点,改进信息素更新规则。结果表明,所提出的改进蚁群算法与传统蚁群算法、基于多启发因素的改进蚁群算法相比,路径长度分别缩短7.66%、6.53%,能耗指标分别下降62.2%、49.3%,综合指标分别下降32.6%、23.1%。研究显示所提出的改进蚁群算法具有更强的全局搜索能力和较好的应用价值。

基于简化人工蜂群算法的地面防空火力拦截设备部署方法

针对地面防空火力拦截设备部署问题中部署方案产生速度慢、不符合战场实际环境问题,提出了一种基于简化人工蜂群算法的地面防空火力拦截设备部署方法。本方法在地面防空火力拦截设备部署方案制定过程中,将人工蜂群算法分为初始化阶段和优化阶段。从专家知识辅助的视角出发,初始化阶段利用专家知识对可部署位置进行了寻优处理并结合随机初始化,优化阶段利用简化型邻域优化对初始化阶段产生的方案进行优化。2个阶段均对产生的部署方案进行校验,若方案达到给定突防概率指标则直接保存输出,大大提高了收敛速度,且产生的部署方案符合实际。仿真结果表明:提出的方法相比于传统蜂群算法在收敛速度方面具有明显优势。

基于改进PSO优化的RBF火灾预测系统

针对系统预测火灾状态不准确,导致火情变大造成人民群众生命和财产损失的问题,本文提出了一种基于改进粒子群优化的径向基神经网络多传感器数据融合算法的火灾状态预测系统。以温度、烟雾浓度、一氧化碳浓度为输入,以无火、阴燃火、明火的概率为输出,为了避免输出产生偏差,模糊推理系统对神经网络系统的输出做补偿。由于粒子群算法存在容易陷入局部最优的缺陷,采用一种非线性动态自适应惯性权重的改进粒子群优化算法(IPSO)。仿真实验表明,改进后的系统,以明火为例的平均绝对百分比误差达到0.169、均方根误差达到0.0021、平均绝对误差达到0.031。

基于多目标优化的变电站消防资源配置算法

针对变电站消防资源分配与分布不均匀的问题,提出了一种基于多目标优化的变电站消防资源配置算法。该算法采用电力生产场所的道路网作为变电站消防责任区划分的依据,并结合各划分区域的消防需求构建消防资源配置模型。根据该模型的特点,在帕累托最优解的约束下提出了一种基于模拟退火的多目标优化算法,来求解该消防资源配置模型。仿真与实验结果表明,所提出的消防资源配置模型更符合实际变电站各场所分布的特点,且所提出的多目标优化算法得到的消防资源分配结果能在消防资源有限的条件下,实现最大的配置效益和快速的消防响应。

基于CNN的化工园区火灾火焰图像识别研究

为及时发现化工园区火灾事故,降低事故损失,利用卷积神经网络(CNN)建立化工园区火灾实时检测系统。基于CNN-YOLOv5算法训练化工园区火灾数据集和普通火灾数据集,分析对比2个数据集的损失值、召回率、精度和类别平均精度。其中,化工园区火灾数据集的损失值和召回率略低,但精度和类别平均精度高于普通火灾数据集,证明通过CNN检测化工园区火灾的可行性。结果表明:基于火灾检测结果,借助PyQt5程序框架设计化工园区火焰图像识别软件系统,可实现对化工园区火灾火焰图像和视频的识别应用,扩大该方法适用范围。基于CNN的YOLOv5目标检测算法可以实时检测化工园区火灾,其检测方法具有便携性、检测结果具有可靠性,可提高化工园区的安全管理水平。

面向巡飞弹编队的战前筹划任务分配方法

随着巡飞弹技术的广泛应用和执行任务的日益复杂,巡飞弹编队任务规划面临着新的挑战。以巡飞弹任务价值收益与任务损耗代价为优化目标,同时考虑任务执行时序等多种实际约束,构建基于多种约束条件的多巡飞弹战前筹划任务分配模型。为求解该模型,设计一种基于模拟退火的改进遗传算法,基于不同时期的种群适应度,调整自适应选择策略和自适应交叉策略,在保证收敛性的同时增加种群的多样性。最后通过案例验证所设计的改进算法在求解多巡飞弹任务分配问题上的有效性。

新型变电站高压开关柜漏电火灾在线监测算法

新型变电站高压开关柜漏电火灾在线监测算法在监测的过程中存在漏电数据收集失误现象,火灾信息评估的完整程度较低,在监测的同时需调整算法机制,导致预警不及时,监测的精度较低。针对该问题,对新型变电站高压开关柜漏电火灾进行在线监测,首先针对开关柜漏电情况收集漏电数据,根据剩余电流判断漏电信息,及时捕捉精准的漏电区域数据,利用D-S证据理论融合算法对获取的漏电数据发生火灾的情况进行在线监测,构建识别框架并提取相似函数,判断达到火灾时的温度阈值,完成整体监测研究。根据分析的结果可知,该在线监测方法具有较强的监测及预警精度,在相同的条件下,火灾信号温度采集差值为1℃,系统整体虚警率为0.001%,剩余电流为310 mA,能够有效监测漏电信息及火灾发生情况,表明该方法具有较强的监测能力。

基于自适应加权融合算法的大空间火灾智能识别方法

大空间消防系统需要的探测器种类多、数量大,且采集数据易受环境干扰,进而使得火灾的识别难度大,精度低。为解决这一智慧消防系统的关键问题和难题,本文提出一种基于自适应加权融合算法的智能识别算法。在此基础上,以演播厅大型空间为例,进行探测器阵列布局与防火设计,并实现对明火和阴燃类火灾的智能化识别。

熵最优与改进SCA的图像分割及其图像识别应用

针对传统图像分割效率低、精度差的不足,提出一种混合变异正余弦算法的多阈值图像分割方法。为提高SCA算法的寻优性能,设计拉丁超立方种群初始化改进种群多样性;以非线性转换因子动态调节算法搜索能力;融入惯性权重机制提升算法全局寻优;结合高斯和拉普拉斯分布混合变异对个体扰动,使算法跳离局部最优。将Cross熵作为适应度函数,利用HMSCA求解分割阈值。实验结果表明,该算法可以提升图像分割精度和效率。将其应用于火灾图像识别,能够实现火焰源与背景分离,得到更好的分割效果。

基于DeepSORT算法的智慧消防系统人员定位研究

近年来火灾相关的消防安全问题成为研究热点之一,而电气消防中的人员定位问题又成为关注的重点问题。将DeepSORT算法与空间坐标转换算法相结合,针对火灾发生时被困人员的位置进行检测和实时定位,该算法中采用改进的卡尔曼滤波器与匈牙利计算器相结合,对人员运动的轨迹进行识别匹配与更新,识别后再通过坐标转换实时显示人员定位,解决了对目标难以进行准确识别以及定位不精确的问题,并在减小了多目标识别时对人员检测所产生的误差问题,达到在复杂建筑中对多目标准确快速识别的效果。

基于“2-4”模型和Apriori算法的商业综合体火灾成因分析

为深入分析商业综合体火灾事故成因,揭示事故致因因素之间的关联规则,运用事故致因“2-4”模型和Apriori算法,对40起商业综合体火灾事故原因进行分析,研究结果表明:在组织文化、管理体系、个体能力和个体动作4个层面中,安全主体责任的认识(100%)、安全管理制度未执行(80%)、无安全培训(70%)等因素是火灾事故的主要原因;通过Apriori算法挖掘出277条关联规则,并从高支持度、高置信度和高提升度3个维度进行深入分析,发现员工参与度与防火意识薄弱、安全管理知识匮乏与报警意识薄弱且应急响应不及时等因素之间存在显著关联。基于分析结果,提出加强安全责任意识、完善管理制度执行、强化安全培训等针对性建议,为商业综合体火灾预防提供理论依据和实践指导。

融合地表温度与形变的地下煤火多源遥感识别研究

地下煤火隐蔽性强且危害大,不仅破坏植被及生态环境,造成严重大气污染,且易诱发地质灾害,威胁周边人们群众的生命财产安全以及煤炭的安全生产,因此开展地下煤火灾害的准确识别与监测具有重要意义。为了解决单一遥感手段难以准确识别地下煤火的问题,基于2017—2019年的多景Landsat-8影像和Sentinel-1 A影像,利用普适性单通道算法和DS–InSAR(Distributed Scatterer Interferometry Synthetic Aperture Radar)技术分别获取了水西沟煤田长时序地表温度与形变分布信息,在此基础上基于阈值分割与时空耦合叠加分析等方法开展了融合地表温度与形变的地下煤火多源遥感识别研究。结果表明:地表长时序温度和形变时空协同分析可以有效克服非煤火高温或形变等复杂异常信号产生的影响,凸显了地下煤火信号在地表温度与形变2个维度中的响应特征。而且,地下煤火区地表温度异常与形变异常空间分布形态存在细微差异,其中形变异常得益于SAR影像分辨率和外界干扰因素较少等条件,其对地下煤火识别的指示作用更强,而基于温度异常正确识别的煤火区域范围则与实勘煤火边界具备更好的空间一致性。另外,地下煤火灾害的温度与形变峰值空间位置存在一定偏移,但在时间维度上2者响应具有明显的一致性,表现为稳定的异常高温与持续沉降。可见,与单一遥感手段相比,融合2者的方法能够更加准确地识别地下煤火区,为地下煤火灾害的广域普查和及时防治提供良好的技术方法支撑。

求解工程优化问题的混合白鲸优化算法

针对传统方法在解决带有复杂约束的工程优化问题时的不足,提出了一种基于交叉变异的混合白鲸优化算法(hybrid crossover variation beluga whale optimization,HCVBWO)。首先采用佳点集映射初始化种群从而增加种群的多样性;其次采用交叉变异策略增强了算法中期的开发能力;最后采用自适应混合扰动策略平衡了算法后期的局部和全局搜索能力。将HCVBWO算法与其他6种算法在IEEE CEC2014进行仿真试验,结果证明了HCVBWO具有良好的寻优能力和鲁棒性,此外,将HCVBWO算法运用到2种机械工程设计问题以及1个生产调度问题中,验证了所提算法在工程优化问题中的优越性。

基于混合遗传算法的无人机森林防火巡护路径研究

本研究提出了一种混合遗传算法,即K-means聚类分析结合基于模拟退火改进的遗传算法,以优化无人机森林防火巡护路径规划。首先,通过K-means聚类分析对巡护点进行分类,有效降低解空间,并适应无人机的续航限制。接着,初始化种群时采用自然数编码表示每个巡护点,形成初始解集。在进化机制中,采用改进的顺序交叉(OX)技术进行基因交换,并通过模拟退火算法优化选择操作,增强局部寻优能力,防止陷入局部最优。文章以浙江省青田县腊口镇为例,实证结果表明,K-means聚类分析将腊口镇防火巡护点分为2个簇,使用改进的遗传算法对每个簇进行优化,均能达到全局最优解。仿真实验结果表明,改进后的混合遗传算法在不同规模的防火巡护点路径规划中表现出色:当巡护点规模为10个以下时,传统遗传算法和混合遗传算法没有明显差距,当巡护点规模增加20个以上时混合遗传算法优化结果优势明显。当巡护点规模为30个时,优化时间增加约3.37秒,但最优路径长度减少了23.90%。当巡护点规模为40个时,优化时间增加约4.83秒,但最优路径长度减少了30.18%。结论显示,K-means聚类分析有效降低了解空间并适应无人机续航限制,遗传算法的全局寻优与模拟退火的局部寻优相结合,显著提高了无人机巡护效率和资源配置效果,为无人机在森林防火中的应用提供了新思路。

基于改进FIRE滤波技术和Prony算法的低频振荡模式辨识研究

提出一种改进FIRE(Fuzzy Inference Ruled by Else-action)滤波和改进Prony法相结合的低频振荡模式辨识方法.该方法用改进后具有检测层和调整层的FIRE滤波技术对数据进行快速预处理,再用改进Prony法对滤波后的信号进行分析得到电力系统的低频振荡模式.将该方法分别用于分析试验信号和IEEE 4机系统振荡信号,并同带有传统模糊滤波器的Prony分析结果比较可以看出,改进后的方法可将低频振荡的主导模式在一定的噪声环境下比较准确和快速的辨识出来,且辨识的阶数更接近于实际阶数,验证了其可靠性和实用性.