【优秀硕士论文参考】智能建筑火灾自动系统的研究应用.docx

MS THESIS Research and Application of Intelligent Construction Fire Auto-alarm System 原 创 性 声 明 本人声明，所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了论文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得中南大学或其他单位的学位或证书而使用过的材料。与我共同工作的同志对本研究所作的贡献均已在论文中作了明确的说明。 作者签名： 日期： 年 月 日 学位论文版权使用授权书 本人了解中南大学有关保留、使用学位论文的规定，即：学校有权保留学位论文并根据国家或湖南省有关部门规定送交学位论文，允许学位论文被查阅和借阅；学校可以公布学位论文的全部或部分内容，可以采用复印、缩印或其它手段保存学位论文。同时授权中国科学技术信息研究所将本学位论文收录到《中国学位论文全文数据库》，并通过网络向社会公众提供信息服务。 作者签名： 导师签名： 日期： 年 月 日 智能建筑火灾自动报警系统是为了实现火灾确认和报警，防止和减少火灾发生的一种集信息技术、计算机技术和自动控制技术寓一体的智能型、网络化火警显示和安全疏散指示系统。在国内外重要建筑和公共场所已经成为必不可少的消防安全设施。本文从分析智能建筑火灾自动报警系统的构成原理出发，通过几种火灾信息识别方法的研究，特别是图像型的火灾信息识别进行重点剖析。同时研究基于BP（ Back Propagation）神经网络算法实现图像型火灾探测的方法。 本论文对火灾信息识别的几种方法：诸如通信数据识别方法；图像识别方法一一做了研究，重点研究了图像型火灾信息识别方法。在此研究的基础上，针对上述几种火灾信息识别的不足，设计了火灾图像噪声消除、背景差分法等算法在图像处理中的应用，通过仿真，验证了算法的可行性。提出了火焰具有面积、边缘变化以及形体变化等信息特征的观点，通过相应的检测，进行了火焰识别实验，达到了较好的结果。 考虑到火灾发生的双重性，即随机性与确定性，同时又由于智能建筑火灾自动报警系统检测火灾的一项重要任务就是将不确定的一面转化成比较准确的一面。因此，本文利用BP神经网络算法能进行数值化的和非数学模型的函数估计的优点，将BP神经网络算法引入到图像型的火灾探测中，给出了神经网络的具体结构和输入输出单元的设计方案。本文对一系列的火灾样本图像和干扰图像进行了实验。实验结果表明，基于BP神经网络的火灾探测算法能更有效地减少火灾的误报警率，提高火灾报警的准确率。 关键词：智能建筑，火灾报警，火焰图像，神经网络 building important buildings and public placesat home and abroad. This thesis fixes on the research as follows: Firstly, it studies the methods of fire information recognition, and its key research on the image fire information recognition methods; Secondly, research is made on the image-centered fire detection methods based on BP (Back Propagation) neural network algorithm. This conducts researches on the methods of fire information recognition, and mainly studies the methods of the image fire information recognition methods. It puts forward a series of fire image processing methods such as filtering the noise, difference image and so on. The feasibility of the method is proved by the result of simulation. Based on the flame of the information feature of area, edge and shape change, this studies the corresponding detecti