基于STM32F和极限学习机在火灾检测中的应用

摘要：

针对传统单一信号的火灾检测方式存在误判问题,以及布线复杂并且性价比低的弱点,提出了基于STM32F和极限学习机火灾检测方法;该方法首先通过STM32F模块采集多个传感器的值(烟雾传感器,甲烷传感器,可燃气体传感器,一氧化碳传感器),WLAN为载体进行数据发送,然后采用加权滤波对数据进行去噪处理,获得极限学习机的训练和测试样本库,模型训练结束后,以测试数据进行方法验证,并对验证结果进行评估;结果表明,该方法能够准确判断火灾类型,准确度达到90％以上;在火灾处理算法方面,极限学习机相对于BP神经网络、支持向量机和贝叶斯网络训练时间短,准确率高,具有较高的应用于推广价值.

关键词：多传感器、火灾检测、加权滤波、极限学习机、数据融合

所属期刊栏目：26

分类号：TP391.9(计算技术、计算机技术)

资助基金：浙江省自然科学基金资助项目LY14F050004

在线出版日期：2018-09-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：31-35