Print

城市高层建筑智能火灾多感监测系统研究

论文摘要

针对城市高层建筑火灾的监测困难与预警准确度低的现状,以ZigBee-WiFi为基础通信网络,给出了多感监测系统网络结构与节点硬件设计。构建基于PSO-ELM的高层建筑智能火灾多感监测模型,完成了实验室条件下的PSO-ELM仿真验证,采用多传感器的100次实验数据样本的训练对该模型进行分析与测试验证。仿真结果表明,使用PSO-ELM优化算法时能够提高监测计算的速度和准确度,而且降低了训练样本数和隐含层节点数变化对训练结果的影响,通过实验仿真得到PSO-ELM的预测结果更接近实际值,而且最大相对误差只有0.6%,其预测效果优于SVR算法和BP神经网络算法。

论文目录

  • 0 引言
  • 1 无线多传感器信息采集传输系统的设计
  •   1.1 多感监测系统网络结构
  •   1.2 多传感器节点硬件设计
  • 2 高层建筑火灾数据的PSO-ELM算法设计与实现
  •   2.1 PSO-ELM处理算法建模
  •     2.1.1 极限学习机的算法
  •     2.1.2 PSO粒子群算法
  •     2.1.3 基于PSO-ELM的预测建模
  •   2.2 仿真与结果分析
  •     2.2.1 预测模型的训练样本选择与参数设置
  •     2.2.2 PSO-ELM仿真测试验证与其他算法对比分析
  • 3 结语

    • 文章来源

    类型: 期刊论文

    作者: 廖小凤,雷旭

    关键词: 无线传感器网络,极限学习机,高层建筑,多感监测,监测模型,仿真验证

    来源: 现代电子技术 2019年16期

    年度: 2019

    分类: 信息科技,工程科技Ⅱ辑

    专业: 建筑科学与工程,电信技术,自动化技术

    单位: 长安大学经营性资产管理处,长安大学电子与控制工程学院

    基金: 2019年陕西省重点研发计划重点产业创新链项目(2019ZDLGY15-04-02),2018年陕西省重点研发计划重点产业创新链项目(2018ZDCXL-GY-05-04),2018年陕西省重点研发计划重点产业创新链项目(2018ZDCXL-GY-05-07-02),云南省交通运输厅2016年科技计划项目编号(云交科2016(A)05)~~

    分类号: TN92;TP212;TU976.5

    DOI: 10.16652/j.issn.1004-373x.2019.16.016

    页码: 67-70

    总页数: 4

    文件大小: 1744K

    下载量: 170

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/64e389d25a7444f5adb78e16.html