基于人工神经网络的火灾预警系统

发布时间：2024-03-10 15:03

　　针对传统烟雾报警器阈值报警,不能及时发现火灾的缺点,设计一套基于人工神经网络的火灾预警系统。该系统在STM32F767芯片上搭建长短时循环神经网络,使用激光粉尘传感器和DS18B20温度传感器采集烟雾、温度变化曲线,并输入到神经网络中进行分析,能够达到在火灾尚未严重时,就进行报警,克服阈值判断的局限性,具有灵活的分析能力。通过实验室历史数据的反复训练,系统可以准确进行预警,比传统阈值烟雾报警器更具灵活性,效率也更高。

【文章页数】：4 页

【部分图文】：

图1系统总体框图

PC控制台端使用C#编程语言设计上位机软件，通过选择不同的地址码，实现与多个设备同时通信，监控多个房间。上位机软件可以实时显示房间内的烟雾和温度变化曲线，并将数据存放在本地的SQL数据库中进行保存。2硬件设计

图2SP3485引脚图

采用SP3485芯片作为RS-485通信的收发器，该芯片支持3.3V供电，最大传输效率为10Mbps，支持多达32个节点，并有输出短路保护。图2中，A、B总线用于连接485接口。RO是接收输出端，DI是发送数据收入端，RE是接收使能信号，低电平有效，DE是发送使能信号，高电平有效....

图3系统总体流程图

STM32F767采集传感器数据，将数据输入到LSTM循环神经网络中，同时由STM32F767上传到PC控制台。循环神经网络通过使用已经训练好的网络模型，分析出烟雾、温度变化的原因，如果分析出是由于发生火灾，引起的烟雾、温度变化，则LED灯进行闪烁，同时进行语音警报，并向控制台进....

图4LSTM神经元

LSTM中主要使用3个门遗忘门、输入门、输出门以及即时状态来控制长期状态，遗忘门负责决定之前的长期状态对当前的长期状态影响的程度；输入门与即时状态共同负责决定当前输入对长期状态的影响程度；输出门决定当前长期状态对输出的影响程度。图中的Wf、Wi、Wc、Wo分别表示遗忘门、输入门、....

本文编号：3924976