人工神经网络在舰船火灾探测中的应用

舰船火灾探测系统的目的是能及时、准确地探测到舰船上发生的火灾。提出一种利用人工神经网络的舰船火灾探测方法，通过设计三层反向传播（BP）人工神经网络模型，使用改进的BP算法——LM算法，对多传感器（温度传感器、烟雾传感器和CO传感器）同时探测到的数据进行智能化处理。仿真结果表明：基于人工神经网络的舰船火灾探测系统能及时、准确地识别各种火灾信号。     

美国海军多传感损管探测技术研究综述

美国海军运用神经网络模式识别技术,开发了基于多传感器多数据融合的船用早期火灾探测系统(EWFD),试验证明该系统总体性能优于商业感烟探测系统.之后,为寻求一种不依赖火灾烟气羽流自然扩散、能够监视整个空间、且具有较强抗误报能力的新型探测技术,又研发了一种以视频探测技术为主,辅以光谱、声学探测的非接触型立体传感探测(VS)原理样机.试验验证了该系统的探测能力、抗误报能力、响应速度等性能优于商业探测系统,并且能有效识别管道破损和水害事件.     

舰载弹药舱火灾多元信息融合算法研究

本文通过某型舰弹药舱内多类型、多数量传感器合理配置与布局,阐明危险特征探测系统中的信息分类和干扰因素,具体介绍了火灾探测多元信息融合算法的原理、实现方法、实现过程和算法测试结果。     

基于多传感器数据融合的智能探测模块研究

介绍基于多传感器数据融合技术的智能探测模块的设计思想和方法.通过构建模糊神经网络模型,并进行网络学习,得出联接权值.智能探测模块通过对温度、火苗、烟雾、压力等多元信息进行综合处理,克服单一探测系统的局限性,可有效提高探测系统的快速性、容错性和可靠性.     

自适应加权融合算法在图像型火灾探测系统中的应用

根据船舶火灾探测的特点以及火灾早期预报的要求,设计了带图像信息的火灾自动报警系统,并将自适应加权融合算法应用于该系统。在该系统中信息层完成数据采集、处理,特征层运用自适应加权融合算法进行特征融合,决策层运用概率神经网络进行决策融合,完成船舶火灾探测系统的自动报警输出。实验表明,将该算法应用于此系统能够准确、快速探测火灾,识别日光灯、酒精灯等干扰源,具有较强的抗干扰性。     

油轮泵房可燃气探测系统使用维护的几点心得

油轮泵房,因货油泵及其管路、阀件的漏泄,易存在和聚积可燃气体,又不能使用惰性气体,火灾/爆炸危险高,一旦发生,后果严重。因此,规范要求油轮泵房必须配备可燃气体探测系统(以下简称探测系统)。探测系统,由可燃气体探头(以下称探头)、控制器、报警器等组成。探头用来探测被测区域的可燃气体浓度,由壳体、气室、可燃气体传感器、限焰器、电路板等组成。     

基于模糊神经网络的船舶多传感器火灾发现算法

在应对和控制船舶火灾过程中,及时发现火灾至关重要,因而火灾发现系统随着造船技术的发展不断发展。传统的火灾警报系统通常采用单传感器模式,依靠简单的逻辑推测出火灾发生的程度,当前船舶主要采用的火灾探测技术为多传感器火灾发现机制。为了提高该机制的精确性,本文提出一种基于神经网络模糊推断系统的多传感器火灾发现算法,通过使用多传感器的集成和协作,以及多参数的综合分析,能够实现多等级的船舶火灾预警。     

图像识别火灾探测技术在舰船消防中的应用分析

舰船火灾是危害舰船生命力的关键因素,对于舰船火灾的防控提倡在火灾发生时尽早探测报警,并实施有效灭火,因此舰船火灾的探测识别尤为关键。图像识别火灾探测技术作为一种新型的火灾探测技术具有灵敏度高、准确性好等优势,因此本文从火灾图像探测技术基本原理出发,介绍了火灾图像探测技术的发展现状,并对图像识别火灾探测技术在舰船消防中的适用性进行分析。分析认为将图像识别火灾探测技术运用在舰船上还应在以下领域做出改进:1)火灾图像识别算法对船舶典型火灾的识别能力;2)火灾探测系统对舰船环境的适应能力。     

新世纪舰船火灾探测系统

论述舰船火灾探测系统方面的一些新进展。改进传统的火灾探测原理，开发采用闭路电视与光纤实时感温的感烟探测和火焰探测等新技术。改进的探测系统采用数字化知识库专家系统和复合型探测器，通过操作界面控制的报警方式变得更加先进。随着船员逐渐采用风险管理思想而不是海上人命安全公约（SOLAS）的规定来保护他们的船舶，新技术会更加广泛地被采用。     

舰船大空间场所火灾探测系统设计研究

以机库为例,研究舰船大空间场所火灾探测系统的设计.以规范要求为基础,结合多种探测器性能测试确定特殊场所火灾探测系统方案,包括探测器选型和布局设计.通过大量试验研究成果,形成探测器性能要求及测试规范,有益于推广新的探测技术和提高火灾防护能力.     

一种改进的舰载直升机多传感器目标信息融合跟踪方法

结合舰载直升机传感器探测方式的分析,对现有信息融合跟踪算法进行研究,指出其存在的计算速度和精度的问题,提出一种改进的多传感器目标融合方法.将该算法代入某作战仿真系统进行验证.该方法与原先算法相比,计算迅速、精度较高,对舰载直升机改进跟踪战术具有重要的参考价值.     

多传感器融合技术在列车运行控制系统测速定位中的应用

准确可靠地获得列车速度和位置对列车运行控制系统是至关重要。提出了列车测速定位技术,引入了多传感器融合定位技术的概念,通过对多传感器融合技术的分析,说明多传感器融合测速定位技术能准确可靠地获得列车速度和位置,能使多传感器融合技术能够真正在列车测速定位中得到应用。     

基于信息融合的实时数据处理方法应用

文章以实际工程背景为出发点,以提高某指挥控制数据处理系统的处理效果为目的,在对当前已有的数据处理方式、方法深入剖析的基础上,综合运用多传感器信息融合技术、多目标跟踪技术、Kalman滤波技术等多种数据处理方法设计了一套改进的数据处理系统。解决了多传感器跟踪同一目标时,因各传感器精度、数据采样率不同而造成的航迹混乱的现象;解决了飞机编队起飞、大空域机动、空中编队和交叉飞行等复杂状态下的跟踪、态势综合、指挥控制、实时测控引导问题;应用系统设计包括系统体系结构与处理流程、多传感器融合算法模型、多种滤波算法、实测数据仿真和实际系统应用等问题。     

多传感器数据融合并行处理方法研究

首先介绍了多传感器数据融合并行技术发展现状,分析了影响多传感器数据融合处理并行化的主要难点,在此基础上提出了一种基于数据空间独立划分的并行数据融合理论框架,并基于该框架给出了一种数据空间的近邻聚类非规则区域＂软＂划分方法,将融合计算自适应地分解成多个独立子任务,均衡地分发到各计算节点自治计算。该方法能较好克服并行数据融合中数据耦合、共享同步等技术问题,提升数据和计算空间并行度,具有良好的并行扩展性。试验结果表明了所提出方法的有效性。     

潜艇大气环境多传感器信息融合技术研究

介绍多传感器信息融合技术的概念,分析了多传感器集成与信息融合的问题,介绍了贝叶斯准则、D-S证据理论、模糊理论和神经网络的4种方法与算法,论述了潜艇大气环境多传感器信息融合技术研究的优点及其必要性.     

基于信息融合的核管道缺陷检测研究

分析核管道缺陷的特点并进行分类,根据多传感器信息融合技术的原理,确定缺陷信息的融合模式和融合方法,建立基于D-S证据理论的检测信息时空融合流程。仿真和融合计算表明：该方法可以充分利用多种检测方法之间的互补信息以及核管道缺陷检测的历史数据,实现核管道缺陷类型快速而准确的判定,为提高核管道缺陷检测的可信度和智能化水平提供了一种有益的尝试。     

多传感器综合目标识别技术研究

描述了传感器与目标身份信息的特征，提出了多佑感器特征级综合目标识别的系统结构，并介绍了与综合目标识别相关的关键技术，重点阐述了几种目标识别融合算法。     

基于自适应平方根 CKF 的多传感器混合融合算法(英文)

In the normal operation condition, a conventional square-root cubature Kalman filter (SRCKF) gives sufficiently good estimation results. However, if the measurements are not reliable, the SRCKF may give inaccurate results and diverges by time. This study introduces an adaptive SRCKF algorithm with the filter gain correction for the case of measurement malfunctions. By proposing a switching criterion, an optimal filter is selected from the adaptive and conventional SRCKF according to the measurement quality. A subsystem soft fault detection algorithm is built with the filter residual. Utilizing a clear subsystem fault coefficient, the faulty subsystem is isolated as a result of the system reconstruction. In order to improve the performance of the multi-sensor system, a hybrid fusion algorithm is presented based on the adaptive SRCKF. The state and error covariance matrix are also predicted by the priori fusion estimates, and are updated by the predicted and estimated information of subsystems. The proposed algorithms were applied to the vessel dynamic positioning system simulation. They were compared with normal SRCKF and local estimation weighted fusion algorithm. The simulation results show that the presented adaptive SRCKF improves the robustness of subsystem filtering, and the hybrid fusion algorithm has the better performance. The simulation verifies the effectiveness of the proposed algorithms.     

基于图像处理的舰船火灾烟雾检测技术研究

舰船火灾探测报警系统作为损管监测体系的关键构成部分,其性能的优劣将会直接影响到舰船和舰员的安全问题。为提高舰船火灾探测技术的实时性和准确性,减少误报、漏报等情况的发生,提出一种结合烟雾颜色特征与运动特征进行研究的视频火灾烟雾检测技术。该技术通过运动目标区域检测和对烟雾颜色特征、形状不规则性和扩散性特征的提取,经过分析与判断,将满足烟雾特征判据的目标区域判别为烟雾区域。检测结果表明该技术能够准确且迅速地探测火灾烟雾,误报率低,可靠性好。