PDF《典型舱室火灾智能识别的贝叶斯网络模型》

第! 卷!第#期#$! 年%月交通运输工程学报&

'

()*+,'

-.

) + - - / 0+ * 1. ) + *

2 3 '

)

4 +

4 / '

*5 *

6 / *

7 7 ) / *

6 8 '

,

9 ! !: '

9 # ;

3 ) <

# $ ! 收稿日期 # $ ! = >

! # >

! ? 基金项目 , 十二五- 国防预研项目! % $ ! $ % $ B $ ! $ # $ A % 武器装备军内科研重点项目! # $ ! % I &

$ $ B $ 作者简介 谢田华! ! @ ? >

# 男# 辽宁丹东人# 海军大连舰艇学院副教授# 大连理工大学工学博士研究生# 从事舰船安全保障与防护研究$ 导师简介 林!焰! ! @ B >

# 男# 福建福州人# 大连理工大学教授# 工学博士$ 文章编号 ! ? ! >

! B ? ! # $ ! $ # >

$ $ @ $ >

! $ 典型舱室火灾智能识别的贝叶斯网络模型 谢田华! # 林!焰! 杨祖耀B 金良安# ! !

9 大连理工大学 船舶工程学院# 辽宁 大连!! ! $ # %% #

9 海军大连舰艇学院 航海系# 辽宁 大连!! ! $ ! A% B

9 海军装备研究院 标准规范研究所# 上海!# $ $ # B = 摘!要 基于先进传感器 建立了火灾大小和类型智能识别的贝叶斯网络模型 上层温度 下层温 度Hd浓度 H d # 浓度 d # 浓度和遮光度等 个火灾特征参数为识别模型的输入变量 火灾大小 和类型为输出变量 并推导了输入变量与输出变量之间的关系分别在住舱 指挥室 机舱和机库 等%种典型舱室模拟了床垫火 电缆火 油池火和喷射火等%种 火源 利用 H T ;

N . 软 件得 到了 #A A $组模拟样本数据 对模型参数进行了训练 并根据全尺度火灾试验数据对训练后的识别模型 进行了验证验证结果表明 在火灾传感器数据完整时 对小火 中火和大火状态的平均识别正确 率分别为A A

9 $b @ =

9 $b A =<

?b 对固体火和油料火的平均识别正确率分别为@ $

9 #b A !<

=b 在 火灾损害严重或武器打击致使单个传感器失效的情况下 对火灾大小和类型的平均识别正确率分 别为A #<

%b A #<

?b 比火灾传感器数据完整时分别降低A

9 !b #

9 Ab可见 识别模型具有良好 的识别能力和鲁棒性 可应用于舰船损管监控系统 为指挥员选择最有效的灭火方法和战术提供实 时的决策支持 关键词 舰船工程 舱室火灾 贝叶斯网络 智能识别 火灾传感器 火灾大小 火灾类型 中图分类号 M !<

?!!!文献标志码 ;

. %

4 * '

% &

&

7 3 , ) T: ,

9 ( - , ) '

&

7 ( ( '

/ &

7 ) # , / &

'

7 '

, &

, -

7 4 + '

# % ( # , : + % )

7 : &

7 - '

) G X 5. / + * >

O ( + !# # # ` X : J + * ! # J;

:Fe ( >

R + '

B # &

X :` / + *

6 >

+ * # ! !<

N

0 O '

'

, '

-: + P + ,;

)

0 O /

4 7

0 4 ( )

7 # L + , / + *M * / P

7 )

2 /

4 R'

-.

7 0 O * '

, '

6 R # L + , / + *! ! $ # %# ` / + '

* / *

6 # H O / * + % #<

L

7 3 + )

4 V

7 * 4'

-: + P /

6 +

4 / '

* # L + , / + *: + P + ,;

0 +

1 7 V R # L + , / + *! ! $ ! A# ` / + '

* / *

6 # H O / * + % B<

X *

2 4 /

4 (

4 7'

- N

3 7

0 / - /

0 +

4 / '

* 2+ * 1N

4 + *

1 + )

1 2 #: + P + ,;

0 +

1 7 V R'

-;

) V + V

7 *