杨祖耀
- 作品数：2 被引量：3H指数：1
- 供职机构：中国人民解放军海军装备研究院更多>>
- 发文基金：国防科技技术预先研究基金更多>>
- 相关领域：交通运输工程更多>>
- 基于BN和ANN联合模型的舰船舱室火灾探测方法被引量：3
- 2015年
- 针对平时或战时火灾传感器可能出现的故障或失效问题,基于贝叶斯网络(BN)的不确定性推理特性和神经网络(ANN)良好的非线性映射能力,提出基于二者联合模型的舱室火灾探测方法,分别在正常、添加随机噪声和传感器故障条件下对模型性能进行仿真测试。结果表明,联合模型具有较强的抗干扰能力,在设定的各种情况下均能正确地判断火灾状态,具有良好的探测准确度与响应速度,单次探测耗时仅为10 ms,可有效解决舰船舱室火灾探测过程信息不确定、不完整和实时性要求高的问题。切实增强舱室火灾的早期自动探测能力。
- 谢田华杨祖耀迟卫
- 关键词：贝叶斯网络
- 典型舱室火灾智能识别的贝叶斯网络模型
- 2016年
- 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、CO浓度、CO2浓度、O2浓度和遮光度等6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4种典型舱室模拟了床垫火、电缆火、油池火和喷射火等4种火源,利用CFAST软件得到了2 880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88.0%、95.0%、85.7%,对固体火和油料火的平均识别正确率分别为90.2%、81.5%;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82.4%、82.7%,比火灾传感器数据完整时分别降低8.1%、2.8%。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。
- 谢田华林焰杨祖耀金良安
- 关键词：舰船工程贝叶斯网络火灾类型
