编辑: 木头飞艇 | 2019-06-14 |
'
()*+,'
-.
) + - - / 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 *