《基于STM32F和极限学习机在火灾检测中的应用》PDF+DOC
作者:刘恺,赵先锋,包月青
单位:中国计算机自动测量与控制技术协会
出版:《计算机测量与控制》2018年第08期
页数:5页 (PDF与DOC格式可能不同)
PDF编号:PDFJZCK2018080080
DOC编号:DOCJZCK2018080089
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于Arduino云的火灾报警系统的设计》PDF+DOC2018年第10期 王晓银,蒋锋
《基于ZigBee的建筑火灾检测系统设计》PDF+DOC2020年第10期 曾思通,童晓薇
《基于FLANN数据融合的传感器温度补偿及校正》PDF+DOC2003年第04期 张金敏
《BP算法在位移传感器测量精度方面的应用》PDF+DOC2010年第02期 杨帆,肖贝,唐路,程雯
《高精度故障电弧检测多传感器数据融合算法》PDF+DOC2014年第02期 徐秦乐,张金艺,徐德政,李若涵,张晶晶
《基于多传感器系统重构的船舶动力定位控制研究》PDF+DOC2018年第22期 刘旭
《基于神经网络的电喷发动机传感器故障诊断的研究》PDF+DOC2008年第04期 杨金玉,仝秋红,蹇小平,肖锋
《LM算法在传感器数据融合中的应用》PDF+DOC2005年第05期 赵辉,王秀峰
《基于反馈趋势算法神经网络的火灾监测算法研究》PDF+DOC2012年第06期 余福波,吴薇
《基于多传感器大轴径测量系统的特征层数据融合》PDF+DOC2007年第12期 吴昂,朱娟花,金施群,姬少龙
针对传统单一信号的火灾检测方式存在误判问题,以及布线复杂并且性价比低的弱点,提出了基于STM32F和极限学习机火灾检测方法;该方法首先通过STM32F模块采集多个传感器的值(烟雾传感器,甲烷传感器,可燃气体传感器,一氧化碳传感器),WLAN为载体进行数据发送,然后采用加权滤波对数据进行去噪处理,获得极限学习机的训练和测试样本库,模型训练结束后,以测试数据进行方法验证,并对验证结果进行评估;结果表明,该方法能够准确判断火灾类型,准确度达到90%以上;在火灾处理算法方面,极限学习机相对于BP神经网络、支持向量机和贝叶斯网络训练时间短,准确率高,具有较高的应用于推广价值。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。