舰船科学技术
艦船科學技術
함선과학기술
Ship Science and Technology
2015年
7期
99-103
,共5页
舱室火灾探测%贝叶斯网络%神经网络%联合模型
艙室火災探測%貝葉斯網絡%神經網絡%聯閤模型
창실화재탐측%패협사망락%신경망락%연합모형
compartment fire detection%Bayesian Network%Artificial Neural Network%joint model
针对平时或战时火灾传感器可能出现的故障或失效问题,基于贝叶斯网络(BN)的不确定性推理特性和神经网络(ANN)良好的非线性映射能力,提出基于二者联合模型的舱室火灾探测方法,分别在正常、添加随机噪声和传感器故障条件下对模型性能进行仿真测试.结果表明,联合模型具有较强的抗干扰能力,在设定的各种情况下均能正确地判断火灾状态,具有良好的探测准确度与响应速度,单次探测耗时仅为10 ms,可有效解决舰船舱室火灾探测过程信息不确定、不完整和实时性要求高的问题.切实增强舱室火灾的早期自动探测能力.
針對平時或戰時火災傳感器可能齣現的故障或失效問題,基于貝葉斯網絡(BN)的不確定性推理特性和神經網絡(ANN)良好的非線性映射能力,提齣基于二者聯閤模型的艙室火災探測方法,分彆在正常、添加隨機譟聲和傳感器故障條件下對模型性能進行倣真測試.結果錶明,聯閤模型具有較彊的抗榦擾能力,在設定的各種情況下均能正確地判斷火災狀態,具有良好的探測準確度與響應速度,單次探測耗時僅為10 ms,可有效解決艦船艙室火災探測過程信息不確定、不完整和實時性要求高的問題.切實增彊艙室火災的早期自動探測能力.
침대평시혹전시화재전감기가능출현적고장혹실효문제,기우패협사망락(BN)적불학정성추리특성화신경망락(ANN)량호적비선성영사능력,제출기우이자연합모형적창실화재탐측방법,분별재정상、첨가수궤조성화전감기고장조건하대모형성능진행방진측시.결과표명,연합모형구유교강적항간우능력,재설정적각충정황하균능정학지판단화재상태,구유량호적탐측준학도여향응속도,단차탐측모시부위10 ms,가유효해결함선창실화재탐측과정신식불학정、불완정화실시성요구고적문제.절실증강창실화재적조기자동탐측능력.
