基于深度学习的工厂火灾识别及预警系统研究.pdf

基于深度学习的工厂火灾识别及预警系统研究.pdf

  1. 1、本文档共60页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

近年来我国工业经济发展迅速,工厂作为工业经济的发展源泉,其环境安全问题

也逐渐引起重视,目前在工厂环境监测工作中引入物联网技术及深度学习算法是解

决工厂安全问题的重要研究方向。本文以物联网技术以及深度学习算法为理论基础,

设计了一种工厂火灾识别及预警系统,包括环境数据监测和火灾识别预警两个部分。

目标是提高工厂环境监测的实时性及火灾识别准确率,在火灾发生初期做到及时、准

确识别及预警,帮助工作人员全面掌握工厂环境状况并在火灾发生初期采取灭火措

施来减少人员伤亡和财产损失。本文的主要研究内容如下:

(1)搭建了工厂环境监测系统的硬件及软件平台,进行相关元器件的选型及相

关电路方案设计,编写硬件驱动程序,完成监测系统的硬件搭建;同时在LabVIEW

环境下实现上位机平台的开发,实现环境数据的实时显示、存储及查看等功能。

(2)设计了火灾识别预警模型,其中包括环境预测模型和火灾识别模型,结合

两个模型的结果对工厂内火灾进行识别及预警。利用基于双向长短期记忆神经网络

(Bi-directionalLongShort-TermMemory,Bi-LSTM)算法的环境数据预测模型,对

工厂内未来时刻的环境数据进行预测,判断环境参数是否处于正常区间;结合卷积神

经网络(ConvolutionalNeuralNetwork,CNN)和门控循环单元(GatedRecurrentUnit,

GRU)提出了一种基于CNN-GRU混合神经网络的火灾识别模型,将环境数据中的

温度、湿度、烟雾浓度、一氧化碳浓度和有毒气体浓度特征值作为输入,以无火和着

火两种状态作为输出,并以该火灾识别模型的分类结果作为系统识别火灾的判断依

据。

(3)对该系统进行实验测试,首先对环境数据采集部分及上位机功能进行测试,

然后对环境数据预测模型的预测准确度及火灾识别模型的分类准确性进行测试。测

试结果表明,本系统能够较准确地采集工厂内的各项环境数据、预测未来时刻的环境

数据及识别是否有火灾发生,达到火灾识别及预警的目的,对实际生产具有一定的应

用价值。

关键词:物联网;环境监测;深度学习;环境预测;火灾识别预警

I

目录

摘要I

ABSTRACTII

1绪论1

1.1研究背景及意义1

1.2国内外研究现状1

1.3主要研究内容及组织架构4

2系统总体设计方案6

2.1系统需求分析及设计要求6

2.2系统总体框架及工作内容6

2.3本章小结8

3环境监测系统设计9

3.1监测系统硬件总体框架9

3.2监测系统硬件设计10

3.2.1主控制器11

3.2.2数据采集模块设计11

3.2.3液晶显示模块设计13

3.2.4控制模块设计13

3.2.5数据传输模块设计13

3.2.6供电模块设计14

3.3监测系统硬件驱动程序设计15

3.3.1主程序设计15

3.3.2无线传输模块程序设计18

3.4监测系统上位机程序设计19

3.4.1LabVIEW软件介绍20

3.4.2上位机功能设计21

3.5本章小结24

4火灾识别预警系统设计25

4.1环境预测模型25

4.1.1环境预测方法26

4.1.2Bi-LSTM预测模型建立29

4.1.3Bi-LSTM模型预测过程30

4.1.4环境预测模型结果及验证31

4.2火灾识别模型32

4.2.1火

文档评论(0)

136****6583 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

版权声明书
用户编号:7043055023000005

1亿VIP精品文档

相关文档