Применение алгоритмов с элементами искусственного интеллекта к решению задачи исключения ложных срабатываний автоматической пожарной сигнализации | Статья в сборнике международной научной конференции

Библиографическое описание:

Малышев К. С. Применение алгоритмов с элементами искусственного интеллекта к решению задачи исключения ложных срабатываний автоматической пожарной сигнализации [Текст] // Современные тенденции технических наук: материалы Междунар. науч. конф. (г. Уфа, октябрь 2011 г.). — Уфа: Лето, 2011. — С. 45-46. — URL https://moluch.ru/conf/tech/archive/5/1132/ (дата обращения: 16.08.2018).

В настоящее время ложные срабатывания автоматических систем противопожарной защиты наносят большой ощутимый экономический ущерб. Отвлечение пожарных подразделений на ложный вызов, не позволяет вовремя ликвидировать настоящие возгорания. Особенно большое количество ложных срабатываний в настоящее время происходит на промышленных объектах. Это связано, прежде всего, с присутствием т.н. «ложных факторов пожара», которые по физическому воздействию на чувствительные элементы пожарных извещателей сходны с опасными факторами пожара, однако не вызваны пожаром. К подобным факторам можно отнести пыль, выделение тепла в ходе технологического процесса, высокая влажность и т.д. В настоящее время для работы большинства систем противопожарной защиты используются классические пороговые алгоритмы, формирующие сигнал о возгорании по информации автоматических извещателей лишь одного типа (задымление, повышение температуры, увеличение УФ или ИК излучения и т.д.). Как следствие, данный подход не позволяет надежно отличать воздействие на чувствительный элемент пожарного извещателя факторов пожара или сходных факторов вызывающих ложное срабатывание.

В работе для определения факта пожара предложено использовать информацию о динамике развития контролируемого фактора для определения причины вызвавшей его. При использовании традиционных алгоритмов формирования сигнала о возгорании учитывается только текущее значение контролируемого параметра (температура среды, задымление) и не учитываются его предыдущие значения. В предлагаемом варианте система поддержки принятия решений обрабатывает информацию от пожарных извещателей с использованием алгоритма искусственных нейронных сетей и определяет уровень достоверности сигнала «Пожар», формируемого приемно-контрольным прибором. Используя данный алгоритм, удастся надежно отличить факт возгорания от влияния сходных факторов, даже при их одновременном воздействии.

Обучение искусственных нейронных сетей производится на данных динамической модели развития типовых очагов пожара (горение твердых, жидких, газообразных веществ, а так же тление). Обобщающие способности ИНС в данном случае позволяют распознавать не только динамику типовых, но также и более сложных «реальных» пожаров. В настоящее время исследования проводятся при помощи искусственной нейронной сети типа LVQ (квантизация обучающих векторов). Они представляют из себя самоорганизующиеся искусственные нейронные сети в дополнение к соревнующемуся слою которых добавляется линейный слой, который можно обучить реагировать на различные комбинации классов, формируемых соревнующимся слоем.

Отдельным вопросом для рассмотрения является разработка алгоритма обучения искусственной нейронной сети, поскольку обучающая выборка даже для небольшого количества извещателей весьма велика и процесс обучения при помощи традиционных алгоритмов осуществляется недопустимо длительное время. Для решения данной задачи разработан специализированный стохастический эволюционный алгоритм обучения, который существенно сокращает время обучения.

Использование комбинации приведенных алгоритмов для построения интеллектуальной экспертной системы детектирования пожара позволит существенно сократить количество ложных срабатываний. Данный подход целесообразно применять на объектах повышенной опасности. В этом случае незначительные затраты на установку дополнительных электронных модулей и применение данных алгоритмов к обработке информации от них с лихвой перекроют возможные потери в случае ложного срабатывания системы.

В настоящее время применение данных алгоритмов несколько ограничивается стоимостью электронных компонентов для реализации интеллектуальных вычислений в реальном масштабе времени (нейропроцессоры). Однако динамика развития производства данных устройств позволяет с уверенностью сказать, что в ближайшее время появятся бюджетные варианты нейропроцессоров с требуемыми параметрами.

Основные термины (генерируются автоматически): искусственная нейронная сеть, противопожарная защита, LVQ, соревнующийся слой, алгоритм, время, настоящее, пожар.

Похожие статьи

Распознавание речи на основе искусственных нейронных сетей

В настоящей работе представлены модель распознавания речи на основе искусственных нейронных сетей.

Рассмотрим как используются генетические алгоритмы для подстройки весов скрытых и выходных слоев.

Матричный метод расчетов динамических рекуррентных...

В статье рассмотрен один из методов использования динамических рекуррентных искусственных нейронных сетей (ИНС) для

Вопрос — ответ. Отзывы и защиты наших авторов.

В настоящее время нет формализованных алгоритмов расчета рекуррентных ИНС.

Разработка математической модели нейронной сети

Ключевые слова: искусственная нейронная сеть, синаптические веса, ассоциативная память, сигнальные графы, матрицы смежности сигнальных графов. В предлагаемом алгоритме модели нейронов ИНС представлены статическими уравнениями линейных сумматоров.

Развитие машинного обучения в фармакологии | Статья в журнале...

Искусственные нейронные сети применялись в фармакологии и биоинформатике более двух десятилетий.

За прошлое десятилетие глубинные нейронные сети стали современными алгоритмами машинного обучения в

В настоящее время как научные, так и экономические...

Применение нейронных сетей в экономике | Статья в журнале...

Ключевые слова: искусственные нейронные сети, обучение нейронных сетей, нейросетевые технологии.

Однако при этом может быть неизвестно ни нужное число слоев, ни нужное количество скрытых нейронов, ни необходимое для обучения сети время.

Виды архитектур нейронных сетей | Статья в журнале...

Путём объединения нескольких нейронов создаётся искусственная нейронная сеть. Персептроны.

К конечным слоям добавляются несколько персептронов (сеть прямого распространения), для последующей обработке данных.

Применение методов искусственного интеллекта в спорте

Современные методы AI (ассоциативные правила, деревья решений, модель гауссовых смесей, алгоритмы регрессии, нейронные сети

Перспективность применения искусственных нейронных сетей (ANNs) в области спортивной биомеханики обсуждается в ряде работ [7–11].

Методы распознавания речи | Статья в журнале «Молодой ученый»

Распознавание речи на основе искусственных нейронных сетей. нейронная сеть, набор чисел, шаг, речевой сигнал, генетический алгоритм, предварительная обработка, модель распознавания речи, скрытый слой, хромосома, линейное предсказание.

Уровень адаптивности и нервно-психическая устойчивость...

Ключевые слова: адаптивность, нервно-психическая устойчивость, пожарный. В настоящее время все больше увеличивается число профессий связанных с экстремальными условиями труда

Курс лекций в 3-х частях. — Новогорск: Академия гражданской защиты, 2009.

Обсуждение

Социальные комментарии Cackle

Похожие статьи

Распознавание речи на основе искусственных нейронных сетей

В настоящей работе представлены модель распознавания речи на основе искусственных нейронных сетей.

Рассмотрим как используются генетические алгоритмы для подстройки весов скрытых и выходных слоев.

Матричный метод расчетов динамических рекуррентных...

В статье рассмотрен один из методов использования динамических рекуррентных искусственных нейронных сетей (ИНС) для

Вопрос — ответ. Отзывы и защиты наших авторов.

В настоящее время нет формализованных алгоритмов расчета рекуррентных ИНС.

Разработка математической модели нейронной сети

Ключевые слова: искусственная нейронная сеть, синаптические веса, ассоциативная память, сигнальные графы, матрицы смежности сигнальных графов. В предлагаемом алгоритме модели нейронов ИНС представлены статическими уравнениями линейных сумматоров.

Развитие машинного обучения в фармакологии | Статья в журнале...

Искусственные нейронные сети применялись в фармакологии и биоинформатике более двух десятилетий.

За прошлое десятилетие глубинные нейронные сети стали современными алгоритмами машинного обучения в

В настоящее время как научные, так и экономические...

Применение нейронных сетей в экономике | Статья в журнале...

Ключевые слова: искусственные нейронные сети, обучение нейронных сетей, нейросетевые технологии.

Однако при этом может быть неизвестно ни нужное число слоев, ни нужное количество скрытых нейронов, ни необходимое для обучения сети время.

Виды архитектур нейронных сетей | Статья в журнале...

Путём объединения нескольких нейронов создаётся искусственная нейронная сеть. Персептроны.

К конечным слоям добавляются несколько персептронов (сеть прямого распространения), для последующей обработке данных.

Применение методов искусственного интеллекта в спорте

Современные методы AI (ассоциативные правила, деревья решений, модель гауссовых смесей, алгоритмы регрессии, нейронные сети

Перспективность применения искусственных нейронных сетей (ANNs) в области спортивной биомеханики обсуждается в ряде работ [7–11].

Методы распознавания речи | Статья в журнале «Молодой ученый»

Распознавание речи на основе искусственных нейронных сетей. нейронная сеть, набор чисел, шаг, речевой сигнал, генетический алгоритм, предварительная обработка, модель распознавания речи, скрытый слой, хромосома, линейное предсказание.

Уровень адаптивности и нервно-психическая устойчивость...

Ключевые слова: адаптивность, нервно-психическая устойчивость, пожарный. В настоящее время все больше увеличивается число профессий связанных с экстремальными условиями труда

Курс лекций в 3-х частях. — Новогорск: Академия гражданской защиты, 2009.

Задать вопрос