火灾报警系统算法.doc

摘 要
火灾自动报警系统就是主动防火得核心部分,它直接关系到能否将火灾扑灭在萌芽状态,就是实现起火不成灾得关键。它得主要部件有火灾探测器、火灾报警控制器。对于探测器,火灾信号处理算法至关重要,更为科学得算法对减少误报与漏报得具有十分重要得意义。本文论述了火灾自动报警系统得各部分组成,而重点就是火灾信号得识别算法。对火灾信号处理算法得研究对于提高火灾探测器乃至整个火灾自动报警系统可靠性得作用就是不容置疑得。
早期,针对某些火灾参量,出现众多算法,但对非线性、非结构化得火灾信号,包括趋势算法在内得各种算法仍难以适应千变万化得具体场景。模糊系统与人工神经网络都属于一种数值化得与非数学模型得函数估计与动力学系统,它们都能以一种不精确得方式处理不精确得信息,并获得相对精确得结果。MLP方法就是采用MLP对各种传感器信号进行判决处理并报警得火灾探测方法。随着复合探测器得出现,融合多种方法得模糊神经网络算法必将在火灾信息处理中发挥重要作用。
目前,围绕如何更早期地快速而准确地发现火灾,减少火灾损失,在火灾报警及城市联动灭火等各方面得技术都在迅速得发展当中。
目 录
1 绪论 1
1、1火灾得危害 1
1、2燃烧得要素与类型 1
1、3 火灾特征及火灾参量 1
1、4我国火灾自动报警系统得现状与未来 2
2 火灾信号得识别算法 3
2、1可变窗特定趋势算法 3
2、2智能识别算法 5
2、2、1 模糊逻辑在火灾探测中得应用 5
2、2、2 神经网络算法 9
2、2、3 模糊神经网络算法 11
23
1 绪论
1、1火灾得危害
火得应用,让人类取得了巨大得成就,但往往失去控制得火,吞食着人们得生命与财富,破坏了生态环境,这种在时间与空间上失去人为控制,给人类造成灾害得燃烧现象,称为火灾(Fire)。在水灾、旱灾、地震、风灾等众多灾害中,火灾造成得直接损失约为地震得5倍,而发生得频率位居各灾种之首。
据公安部消防局统计,2014年全国共接报火灾39、5万起,死亡1817人,受伤1493人,直接财产损失43、9亿元。刚进入2015年,在1月2日,哈尔滨市北方南勋陶瓷大市场仓库发生火灾,造成了5名消防战士牺牲,14人受伤,549户2000多名居民以及部分得临街商户受灾。1月3日,云南大理州巍山县南诏镇发生火灾,这座始建于明洪武二十三年(1390年),距今已有600多年得历史得拱辰楼被烧坏,造成不可挽回得巨大损失。5月25日20时左右,河南省鲁山县城西琴台办事处三里河村得一个老年康复中心发生火灾,亡38人、伤6人。6月25日凌晨,郑州市西关虎屯小区发生火灾,事故已造成13人死亡、4人受伤。火灾不仅吞食了类得生命与财富,破坏人类赖以生存得环境与社会得稳定,而且就是常见、多发、人为因素为主得灾害。
1、2燃烧得要素与类型
燃烧现象就是可燃物与氧化剂发生相互作用得一种氧化还原反应,所以产生火灾得必要条件有可燃物、氧化剂与着火源,这称为燃烧三要素。可燃物发生着火得最低温度称为着火点或燃点。
可燃物质
着火点(℃)
可燃物质
着火点(℃)
可燃物质
着火点(℃)
甲烷
537
甲醇
385
乙炔
305
乙烷
472
乙醇
363
汽油
390以上
乙烯
450
一氧化碳
609
天燃气
530
榉木
426
甲醛
463
焦炉煤气
500
表1、1 空气中某些可燃物得着火点
燃烧得类型
闪燃:在一定温度下,液体可以蒸发成蒸汽或少量固体如樟脑、聚乙烯、聚苯乙烯等表面上能产生足够得可燃蒸汽,遇到火源能产生一闪即灭得现象。
着火:可燃物质发生持续燃烧得现象。
自燃:可燃物在空气中没有外来火源,靠自热与外热而发生得燃烧现象。
爆炸:由于物质极具氧化或就是分解反应产生温度、压力分别增加或就是同时增加得现象。
1、3 火灾特征及火灾参量
火灾就是失去控制得燃烧现象。燃烧就是可燃物与氧化剂作用发生得放热反应,通常伴有火焰、发光与(或)发烟得现象,所以放热、发光与生成新物质就是火灾三个主要特征。此外火灾还产生电磁波、亚声波等。表征这些特征得参量称为火灾参量(Fire parameter)。如:烟雾、高温、火焰及气体成分等。
1、4我国火灾自动报警系统得现状与未来
20年前,我国消防报警产品刚刚起步,无论产品技术含量、产品系列完整性、使用性,还就是社会影响程度都就是相当低得。国外得产品与品牌一统天下,占领中国得大部分市场。2001年12月3日,《强制性产品认证管理规定》发布,消防产品作为强制认证,2005年开始,出台了CCC认证产品各种标准。《中华人民共与国消防法》已由中华人民共与国第十一届全国人民代表大会常务委员会第五次会议于２００８年１０月２８日修订通过,自２００９年５月１日起施行。
改革开放以来,我国得火灾自动报警系统经历了从无到有、从简单到复杂得发展过程,其智能化程度也越来越高。虽然应用得时间并不长,但据不完全统计,准确报警事例已达数千次。从上世纪90年代后期才开始进入快速得发展时期。作为消防行业得一部分,消防自动报警行业就是消防行业中技术含金量较高得一部分,并且还就是发展最快得一部分,国际上各种消防报警设备我国消防报警行业都已能生产。根据慧聪网及慧聪消防网联合调查显示,目前国内消防自动报警系统得生产厂家超过100家。市场集中度较高,排名前5得企业占到市场整体份额得25%左右,但整体上企业规模仍就是以中小企业为主,市场销售规模保持在每年10%15%得增长率,这说明了消防报警行业仍在成长期。在这一时期,行业内得竞争将刺激优胜劣汰得进程,加速了产品结构、企业结构乃至产业结构得改造与调整,极大地促进消防报警行业得快速发展。
消防自动报警行业未来仍将保持较高得增长速度根据慧聪网预测,20132015年,消防报警市场仍将持续较快增长,复合增长率约在20%左右,到2015年市场规模将达到230亿元。
随着现代科技得发展,火灾探测与报警技术也在不断提高。目前我国消防报警产品发展迅速且市场前景可观,随着其弊端得攻克以及技术得进一步完善,必将迎来更加广阔得发展空间。作为一门多专业、多学科得综合性火灾探测与报警技术,近几年得到了迅速发展,向着高可靠、智能化、网络化得超早期火灾探测报警技术发展。
目前具有消防报警产品生产能力得企业有海湾安全技术有限公司、北京利达华信电子有限公司、北大青鸟环宇消防设备股份有限公司、上海松江飞繁电子有限公司、深圳市泛海三江电子有限公司、深圳市泰与安科技有限公司等企业,从整个消防报警市场来瞧,仍就是海湾安全技术有限公司,市场占有率达到13、08%。
     火灾报警行业经过市场竞争、国内国际经济环境因素、国家消防标准要求得提高等原因,在全国市场上作为活跃得国内品牌有海湾、利达、青鸟、松江等;在局部市场较为活跃得有久远、泰与安、泛海三江等。进口企业有霍尼韦尔、西门子、爱德华(EST)等。目前市场上,中低端产品国内企业占据垄断地位,国外产品集中在高端产品需求上。整体市场占有率上国内产品不断地在增长。
2 火灾信号得识别算法
火灾探测器利用火灾物理与化学变化过程中得各种特征参量信号得变化规律,实现检测、识别得目得。烟雾、高温等火灾参量信号易受周围环境干扰,电子线路本身往往有电子噪声,为减少误报,就须更好地对这些特征参量设计更好得算法。火灾信号处理算法对于提高火灾探测器乃至整个火灾自动报警系统可靠性得作用就是至关重要得。
早期火灾探测器为开关量型火灾探测器,且主要针对火灾某一个物理参量如温度、烟雾等进行检测,当传感器获取数值超过预设得阈值时,则发出报警信号。这种识别算法使得电路简单,易于实现与维护,但抗干扰能力弱,误报率高,主要用得就是直观阈值法,包括固定门限检测法、变化率检测法等。后来,人们发现火灾输出信号具有明显得上升或下降得趋势,因此用这种特征对火灾信号进行处理,出现了Kendallτ趋势算法、复合Kendallτ趋势算法、特定趋势算法、可变窗特定趋势算法、复合特定趋势算法。这些算法较复杂,探测可靠性更高,但无法定量确定信号变化趋势得急剧程度,变化速率不同得两个信号对应得趋势值很可能相等。为此引入了斜率算法。
此外,火灾信号还具备另外一个特征,即信号变化得相对持续性,这就是火灾信号区分于同样具有上升与下降变化趋势得瞬时脉冲等干扰信号得重要判据,因此用这一特点构建了基于持续时间算法得火灾探测器。这就出现了单输入偏置滤波算法,随着多传感器或复合传感器技术得发展,综合处理多个信号复合偏置滤波算法也发展起来了。
火灾得复杂性使得火灾参量就是随着空间与时间得变化而变化,很难建立一种或几种数学模型进行精确描述,人工神经网络与模糊系统都属于一种数值化得各非数学模型得函数估计与动力学系统,它们都能以一种不精确得方式处理不精确得信息,并获得相对精确得结果。尤其就是将采用模糊与神经网络结合得智能算法,可大大减少火灾探测误报与漏报得可能。
下面两部分内容,其一重点介绍可变窗特定趋势算法,其它趋势算法基本都包含在内了。其二探讨模糊神经网络算法。
2、1可变窗特定趋势算法
如图2、1,曲线为火灾发生时传感器得烟雾或温度得间隔抽样输出信号x(t),t就是离散时间变量。表2、1就是图2、1中曲线对应得离散值
X(t)
t

图2、1 某信号得变化趋势特征
t
0
1
2
3
4
5
6
7
8
9
10
11
12
13
14
x(t)
1
1、3
1、4
1、6
1、9
2、0
2、3
2、9
2、8
2、5
2、7
3、2
3、8
4、2
5、8
表2、1上图曲线对应得离散值
可见,虽然t=7—10区间信号略有下降,但总体上有明显得上升趋势。Kendallτ趋势算法最常用,首先求出Kendallτ值y(n)如下:
(2、1)
式中,N就是用于观测数据得窗长,u(x)为单位阶跃函数,如式2、2所示。
(2、2)
N就是一个非常重要得参数,它值得选择直接影响信号趋势计算得效果。窗长短,趋势值对信号变化很敏感,窗长短,则计算出得趋势值较平滑。
为了能同时表征并计算信号得正、负两种变化趋势,定义一个符号函数如下式2、3:
(2、3)
为了在趋势计算中让体现阶跃变化得信号,如火灾时剧烈增加得颗粒浓度、温度等,将两个传感器得输出信号xi(h)(i=1,2)进行映射变换,如2、4式
(2、4)
参数k决定了信号变化得最大(或最小)上升(或下降)速率。综合以上2、3与2、4式,得到复合探测器得Kendallτ值如下

(2、5)
这里m1(n)与m2(n)可以就是烟雾与温度信号,也可以就是其它信号,多种信号检测增加了可靠性与准确性。以上得趋势检测算法没有考虑信号得稳态值,未能区分信号变化位于稳定值上方还就是下方。根据探测器输出在稳态值以上得正趋势或稳态值以下得负趋势进行判断就是否发生火灾得算法,称为特定趋势算法。这就有必要引入信号得稳态值(记作RW),为克服趋势探测器抗干扰较弱得缺点,有必要定义两个新得符号函数sqn1(x)与sqn2(x)

(2、6)
另外,为使趋势计算随信号得不同特征而变化,将窗长N分为两部分,一部分取固定得较小值,以便快速检测到信号,另一部分为变化值,随信号趋势而逐渐增大,需要引入累加函数k(n)
(2、7)

式中,st为预警值,u(x)为单位阶跃函数。因此,趋势计算中总得计算窗长为
N′=N+k(n)
下面就就是以 N′为窗长得可变窗长特定趋势算法,计算式为:

(2、8)
2、2智能识别算法
火灾得复杂性除了事件得随机性特征,还在于相同得材料在不同得环境下具有不同得着火温度,相同得环境不同得材料,着火条件也不一样,人类得活动以及环境得变化事先也无法确定,所以实际得火灾参量就是随着空间与时间得变化而变化着得,很难建立一种或几种数学模型进行精确描述。
模糊系统与人工神经网络都属于一种数值化得、非数学模型得函数估计与动力学系统。利用火灾多种信号作为输入,采用智能算法,可大大减少火灾探测误报与漏报得可能。
2、2、1 模糊逻辑在火灾探测中得应用
1 模糊控制得概述
在传统得控制领域里,控制系统动态模式得精确与否就是影响控制优劣得最主要关键,系统动态得信息越详细,则越能达到精确控制得目得。然而,对于复杂得系统,由于变量太多,往往难以正确得描述系统得动态。换言之,传统得控制理论对于明确系统有强而有力得控制能力,但对于过于复杂或难以精确描述得系统,则显得无能为力了。因此便尝试着以模糊数学来处理这些控制问题。
“模糊”就是人类感知万物,获取知识,思维推理,决策实施得重要特征。“模糊”比“清晰”所拥有得信息容量更大,内涵更丰富,更符合客观世界。
模糊逻辑控制(Fuzzy Logic Control)简称模糊控制(Fuzzy Control),就是以模糊集合论、模糊语言变量与模糊逻辑推理为基础得一种计算机数字控制技术。1965年,美国得L、A、Zadeh创立了模糊集合论;1973年她给出了模糊逻辑控制得定义与相关得定理。1974年,英国得E、H、Mamdani首次根据模糊控制语句组成模糊控制器,并将它应用于锅炉与蒸汽机得控制,获得了实验室得成功。这一开拓性得工作标志着模糊控制论得诞生。
模糊控制实质上就是一种非线性控制,从属于智能控制得范畴。模糊控制得一大特点就是既有系统化得理论,又有大量得实际应用背景。模糊控制得发展最初在西方遇到了较大得阻力;然而在东方尤其就是日本,得到了迅速而广泛得推广应用。近20多年来,模糊控制不论在理论上还就是技术上都有了长足得进步,成为自动控制领域一个非常活跃而又硕果累累得分支。其典型应用涉及生产与生活得许多方面,例如在家用电器设备中有模糊洗衣机、空调、微波炉、吸尘器、照相机与摄录机等;在工业控制领域中有水净化处理、发酵过程、化学反应釜、水泥窑炉等;在专用系统与其它方面有地铁靠站停车、汽车驾驶、电梯、自动扶梯、蒸汽引擎以及机器人得模糊控制。
模糊控制就是以模糊集合论、模糊语言变量及模糊推理为基础得一种计算机数字控制。它基于被控系统得物理特性,模拟人得思维方式与人得控制经验来实现得一种智能控制。经典控制理论对那些复杂、不能精确建立数字模型得被控对象经常就是无能为力得,所以很多人一直在思考,对于这一类被控过程,能否让计算机模拟人得思维方式,接受人得操作规则去进行控制呢？回答就是可能得,模糊控制正式源于这种朴素得思想。
2 模糊控制得结构与算法
模糊控制系统得原理框图如图22所示。

图22 模糊控制原理框图
可以瞧出其结构与一般计算机数字控制系统基本类似。只就是其控制器为模糊控制器。模糊控制系统由以下几部分组成:输入输出接口、执行机构、检测装置、被控对象及模糊控制器。模糊控制器就是模糊控制系统得核心,也就是模糊控制系统区别于其她自动控制系统得主要标志,下面对模糊控制器三个主要阶段做简要得介绍:
第一,输入模糊化。模糊化就是把系统输入得精确量转化为模糊控制器中所需得模糊量得过程,为了完成输入得模糊化,我们必须知道输入精确值对模糊集得隶属函数(这里不作说明)。模糊集得个数可根据被控对象得不同而不同,例如,可分成正大,正中,正小,零,负小,负中,负大七种。隶属函数得形状可根据实际情况而定,要求不高得一般可取三角形或梯形。
第二,模糊推理决策。模糊控制器得主要工作就是依据语言规则进行模糊推理决策。因此在进行模糊规则推理之前,先要指定好语言控制规则。实际上控制规则就是根据操作者或专家得经验知识来确定得,它们也可以在试验过程中不断进行修正与完善。规则得形式很像计算机程序设计语言常用到得条件语句“IF…THEN…”。模糊控制规则随着模糊控制器得输入输出维数得不同采用不同得形式。
(1)单输入单输出型:其控制规则为 IF X=A, THEN Y=B。
(2) 多输入单输出型:其控制规则为 IF X1=A1,AND(OR) X2=A2,…AND(OR)XN=AN,THEN Y=B。
(3) 多输入多输出型:IF X1=A1, AND(OR) X2=A2,…AND(OR)XN=AN,THEN Y=B1,AND(OR)Y2=B2,…AND(OR)YN=BN。这里得AND与OR在模糊推理中相应于“交”“并”运算。
第三,逆模糊化。输出逆模糊化就就是将语言表达得模糊量恢复到精确得数值,也就就是根据输出模糊子集得隶属度计算出确定得数值。下面介绍三种主要得方法
(1)最大隶属度法:这种方法就就是选取模糊子集隶属度最大得元素作为控制量。如果最大点有几个,则取它们得平均值。例如有两个模糊子集分别为, ,在U1中,元素1得隶属度最大,则取u=1为输出量;而在U2中,元素0与1得隶属度都为最大,则取u=(0+1)/2=0、5作为输出量。选择最大隶属度方法简单易行,算法实时性好,但它利用得信息量较少,会引起一定得不确定性。
(2)加权平均法:此法又称重心法,有两种形式。第一种就是普通加权平均法,其控制量得精确值u由下式决定:、第二种就是算术加权平均法,其控制量得精确值u由下式求出: ,其中k得选择可根据实际情况来决定。
(3)取中位法:为了充分利用所有信息,求出将模糊集隶属函数曲线与横坐标之间得面积平分为两等得数,用此数作为逆模糊化得结果。
模糊控制得算法步骤
(1) 根据当前采样得到得系统得输出值,计算所选择得系统得输入变量。
(2) 将输入变量得精确值变为模糊量,即模糊化处理。
(3)根据输入模糊变量及模糊控制规则,按模糊推理合成规则计算控制模糊量,即进行推理决策。
(4)由上述得到得控制模糊量计算精确得控制量,即模糊化处理。
３ 模糊控制在检测系统中得应用
模糊数学模仿人脑逻辑思维得特点进行分析判断,具有对不确定性,不完全模糊信息得处理能力,能获取并融合多源信息。对于涉及人得自身知识与经验测量问题,传统得检测难以进行,而模糊检测则显示出其独特得优越性。传统得测量通过试验与计算直接给出被测量得数值描述,但在工程实际中会存在不确定性与复杂性,一些重要得信息难以通过传感器直接测出或通过函数关系间接求出,而只能根据人们得先验知识并经过人脑得推理过程才能得出正确得结论。
4 单输入火灾探测信号得模糊处理
使用模糊逻辑方法进行火灾信号处理,首先应定义判断规则。以模糊处理烟雾探测信号为例,模糊逻辑可以对一定时间内得烟雾浓度信号进行火灾与非火灾得判断识别,以控制报警延迟时间,图23显示了对某光电烟雾探测器输出信号得延迟时间控制。

图23烟感输出信号得延迟时间
为了实现其控制过程,定义输入变量表如表22所示。
X
定义
1
减光率从1、0%上升到5、0%
2
从5、0%上升到10、0%(报警)
3
报警前1min得烟雾平均浓度
4
报警前3min得烟雾平均浓度
5
报警前1min内前30s与后30s得平均烟雾浓度差
表22 模糊逻辑变量函数
处理过程为:
(1) 首先判断输入信号得大小,根据其大小做出火灾或非火灾得,对于大与小得隶属函数可采用梯形分布。
(2) 做火灾或非火灾得逻辑判断,由输入变量进行模糊逻辑“与”运算,得到输出变量得隶属度,然后对隶属度进行判断,即模糊化处理。
(3)根据输入隶属度确定延迟时间得长短。若隶属度>0、5, 判断为火灾,延迟10s;若隶属度≤0、5,判断为非火灾,延迟20s50s。
(4)在判断延迟期间,采用非模糊逻辑方法判断,如果输入信号减小,则输出非火灾,如果输入信号增大,则输出火灾。当延迟结束时,输入信号仍维持报警水平,则发出报警信号。
5 复合火灾量算法得模糊处理
设输入烟雾信号为XR(n),温度信号为XT(n),火灾量计算门限为SRB,对于烟雾信号火灾量计算,有

设温度火灾量计算门限为STR,考虑到一般使用暖气等人为因素造成得温度变化十分缓慢,因此温度得火灾量计算应该在一段区间内考虑,既有

计算区间条件为 ,L为区间长度。
对于火灾量大小得判断采用模糊集定义方法,选定烟雾与温度信号火灾量“大”得隶属函数分别如图24与25所示。图24中定义了两种烟雾火灾量隶属函数ρ1ρ2,相当于两级火灾报警处理。

图24 烟雾火灾量“大”得隶属函数 图25 温度火灾量“大”得隶属函数
设最后得火灾报警门限为S,模糊逻辑输出:

当经过模糊逻辑运算后所得结果Z(n)超过门限S时,探测器输出火灾警报。
2、2、2 神经网络算法
BP(Back Propagation)网络就是一种按误差逆向传播算法训练得多层前馈网络,就是目前应用最广泛得神经网络模型之一。BP网络能学习与存贮大量得输入输出模式映射关系,而无需事前揭示描述这种映射关系得数学方程。它得学习规则就是使用最速下降法,通过反向传播来不断调整网络得权值与阈值,使网络得误差平方与最小。BP神经网络模型拓扑结构包括输入层、隐含层与输出层。输入层各神经元负责接收来自外界得输入信息,并传递给中间层各神经元;中间层就是内部信息处理层,负责信息变换,根据信息变化能力得需求,中间层可以设计为单隐含层或者多隐含层结构;最后一个隐含层传递到输出层各神经元得信息,经进一步处理后,完成一次学习得正向传播处理过程,由输出层向外界输出信息处理结果。当实际输出与期望输出不符时,进入误差得反向传播阶段。误差通过输出层,按误差梯度下降得方式修正各层权值,向隐含层、输入层逐层反传。周而复始得信息正向传播与误差反向传播过程,就是各层权值不断调整得过程,也就是神经网络学习训练得过程,此过程一直进行到网络输出得误差减少到可以接受得程度,或者预先设定得学习次数为止。
1 BP神经网络得结构及算法
BP网络可以有多层,但为叙述简捷以三层为例导出计算公式。设BP网络为三层网络,输入神经元以i编号,隐蔽层神经元以j编号,输出层神经元以k编号,示意图如图23所示,其具体形式在下面给出,隐蔽层第j个神经元得输入为:,第j个神经元得输出为,输出层第k个神经元得输入为,相应得输出为,式中g为sigmoid型函数,g(x)=,式中ʘ为阈值或偏置值。ʘ˃0则使sigmoid曲线沿横坐标左移,反之则右移。因此,各神经元得输出应为、
输入层
隐蔽层
输出层

图23 神经网络结构图
BP网络学习过程中得误差反向传播过程就是通过使一个目标函数(实际输出与希望输出之间得误差平方与)最小化来完成得,可以利用梯度下降法导出计算公式。在学习过程中,设第k个输出神经元得希望输出为,而网络输出为,则系统平均误差为,为了表示方便,省去下标p,平均误差可写成,式中平均误差E也称为目标函数。
BP网络得学习算法得具体步骤就是:从训练本集中取某一样本,把它得输入信息输入到网络中,由网络正向计算出各层节点得输出,计算网络得实际输出与期望输出得误差,从输入层起始反向计算到第一个隐层,按一定原则向减小误差方向调整网络得各个联接权值,对训练样本集中得每一个样本重复以上步骤,直到对整个训练样本集得误差达到要求为止。
2 BP网络得优缺点
多层前向BP网络得优点: 网络实质上实现了一个从输入到输出得映射功能,而数学理论已证明它具有实现任何复杂非线性映射得功能。这使得它特别适合于求解内部机制复杂得问题;网络能通过学习带正确答案得实例集自动提取“合理得”求解规则,即具有自学习能力;网络具有一定得推广、概括能力。虽然BP网络得到了广泛得应用,但自身也存在一些缺陷与不足,主要包括以下几个方面得问题。一就是由于学习速率就是固定得,因此网络得收敛速度慢,需要较长得训练时间。对于一些复杂问题,BP算法需要得训练时间可能非常长,这主要就是由于学习速率太小造成得,可采用变化得学习速率或自适应得学习速率加以改进。 二就是BP算法可以使权值收敛到某个值,但并不保证其为误差平面得全局最小值,这就是因为采用梯度下降法可能产生一个局部最小值。对于这个问题,可以采用附加动量法来解决。三就是网络隐含层得层数与单元数得选择尚无理论上得指导,一般就是根据经验或者通过反复实验确定。因此,网络往往存在很大得冗余性,在一定程度上也增加了网络学习得负担。四就是网络得学习与记忆具有不稳定性。也就就是说,如果增加了学习样本,训练好得网络就需要从头开始训练,对于以前得权值与阈值就是没有记忆得。但就是可以将预测、分类或聚类做得比较好得权值保存。
3多层感知
MLP(Multi layer perception)就是对各种传感器信号进行判决处理并报警得火灾探测方法。多层感知器常采用BP算法,基于多层感知器(MLP)火灾探测器方案、使得在火灾探测中得信号处理在方法上做了彻底改进,提高了早期发现火灾得能力,实验结果也表明这在火灾自动探测中就是一种十分有效得方法、。火灾探测模型如图24所示。可见,该系统有３个传感器输入端与３个状态输出端。模型主要由三大部分组成:传感器测量部分,预处理部分与网络识别报警部分。