典型舱室火灾智能识别的贝叶斯网络模型
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.
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
16
U661.7(船舶工程)
“十二五”国防预研项目4010403010208;武器装备军内科研重点项目2014HJ0030
2016-07-08（万方平台首次上网日期，不代表论文的发表时间）
90-99
