网络探测（精选十篇）
网络探测 篇1
复杂网络社区结构的识别已经成为当前的研究热点, 物理学、计算科学、社会学等许多领域的研究者正专注于研究复杂网络 (如因特网、社会网、文献引用网络、食物链网络、邮件网、生物网) 的特性。复杂网络是将现实世界中的复杂系统用节点和连接线进行抽象的一种表示, 其中节点代表复杂系统中的个体, 边代表复杂系统中的个体之间的关系。比如, 在社会关系网中, 节点代表一个人, 边代表两个人之间的社交关系。
复杂网络普遍存在的社区结构特性是指复杂网络中节点聚集成若干个“群 (Group) ”, 而“群”内边的密度高于“群”之间边的密度的特征[1]。从定义可以看出, 节点在社区内的连接比其在社区间的连接更加紧密。目前提出的多种复杂网络社区结构的探测算法的有效性在很大程度上取决于对社区的定义。许多研究文献都提出了社区结构的定义, 其中Girvan和Newman提出的度量标准———网络模块度 (Modularity) , 已经成为当前研究中应用的最为广泛的衡量社区划分优劣的量化标准。网络模块度的定义为:
式 (1) 中, i是社区标识符, eii是连接的两个节点均在社区i内部的边占复杂网络中所有边的比例, ai是至少一个节点在社区i中的边占复杂网络中所有边的比例。
本文基于遗传算法, 提出了一种通过最大化网络模块度以发现最优社区结构的社区探测算法。该算法的时间复杂度是O (e) , 并且不需要依赖任何与社区数目或其他阀值相关的先验知识, 这使得该算法可以有效的用于真实世界的大规模复杂网络。
1 社区探测方法
如今有许多用于分析复杂网络社区结构的算法, 这些算法使用了物理定理、人工智能、图论甚至电路原理。目前最著名的Girvan-Newman算法 (GN算法) 是由Girvan和Newman提出的一种基于介数中心度 (Betweenness Centrality) 的社区挖掘算法, 其中介数中心度 (Betweenness Centrality) 是由Freeman最早提出的。GN算法是一种时间复杂度为O (e3) 的分裂算法, 其产生一个分层的网络结构, 形成一个树状图, 通过分割树状图中的某些点得到社区结构。Radicchi提出了一个与GN算法类似的方法, 该方法采用了一种新的衡量标准———边群集系数 (Edge-clustering Coefficient) , 其计算时间小于GN的介数中心度 (Betweenness Centrality) , 从而使得Radicchi的算法时间复杂度降低到O (e2) 。
分层凝聚算法是社区探测算法中基于网络模块度 (Network Modularity) 的一种快速算法[3]。如果一个社区结构没有社区内部的边, 则其网络模块度是0, 而当所有的节点同属于一个单独社区时, 其网络模块度是1。一个较强的社区结构的Q值应该在0.3~0.7之间。分层凝聚算法的时间复杂度是O (n2) , 低于GN算法, 但是也取得了非常精确的结果。在这个算法的基础上, Newman、Clauset和Moore (2004) 提出了一种适用于大型复杂网络的改进算法。这个新改进的算法同样产生一个树状图, 但是它采用一种新的方法分割树状图中的某些点:当最大的△Qij (模块度增量) 开始出现负值时, 说明新的合并操作不能增强社区结构, 所以此时停止合并操作[1]。
基于极值优化的社区探测算法[2]同样采用了网络模块度作为衡量标准。该算法采用递归分裂方式的人工智能方法优化网络模块度———Q值。算法开始时将整个复杂网络作为一个社区, 不断递归分裂, 直到分离出去的点不能使得Q值 (网络模块度) 提高为止。
回顾当前的算法, 这些算法都是成功的社区探测方法。但是, 大多数算法的时间复杂度太高而不适用于大型复杂网络。此外, 一些算法采用的数据结构 (如矩阵等) 难以在大型复杂网络中实现和使用。大多数算法还需要一些先验知识, 例如社团数量等, 然而这些先验知识的数值在现实世界的真实网络中是不可能知道的。因为不同的复杂网络的性质差距较大, 所以一些算法所需要的阀值也成为这些算法存在的另一个问题。
2 基于遗传算法的社区探测算法
本文提出的算法是以优化Q值 (网络模块度) 作为目标函数, 预先定义迭代次数的遗传算法[7]。将复杂网络以适合遗传算法处理的数据结构进行表示, 在算法运行前, 将节点随机进行社区划分。一个由n个节点的复杂网络最多划分成n个社区。
2.1 个体编码方式
在本算法中, 采用字符串编码方式, 将社区划分结果编码成一个字符串用于遗传操作, 通过逆向解码一个字符串便可以得到社区划分结果。采用数组a存储节点的社区标识符, 其中ai存储节点i的社区标识符。存储了社区标识符的数组在遗传算法中被称作染色体。种群中不同的染色体保存了不同的社区划分结果。举例说明如下, 假设一个复杂网络包含5个节点{v1, v2, v3, v4, v5}, 如果一个染色体的字符串编码是 (1, 2, 1, 2, 1) , 则它表示复杂网络中的节点{v1, v3, v5}属于同一个社区, {v2, v4}属于同一个社区。
2.2 种群初始化
在种群初始化时, 每个节点被随机分配一个社区标识符。对于随机生成的个体, 用图G进行表示, 图G中可能存在一些相连的节点在原始的复杂网络N是不相连的, 这就意味着图G不是图N的子图。因此, 应采取一定措施避免或者减轻这种缺陷。如果两个节点属于同一个社区, 它们彼此应该是相连通的, 也就是说它们很可能是邻居。基于这种假设, 在对节点随机分配了社区标识符之后, 随机选择一部分节点, 然后将这些节点社区标识符传递给他们的邻居节点。通过以上操作, 在初始种群生成时提高了算法的收敛性, 并且消除了不必要的迭代。
2.3 交叉算子
在遗传算法中, 交叉操作是根据适应度值选择两个染色体进行的。选定了交叉操作的染色体之后, 在染色体上选择一个交叉点, 然后交换所选定的交叉点位置的基因。
社区结构是一种关系属性, 不同染色体中的不相同的社区标识符可能表示的是同一种社区关系。因此, 本文的遗传算法对交叉操作进行了修改, 不是简单的交换单个基因, 而是将同一社区节点的社区标识符转移给目标染色体对应节点。例如:在染色体A中社区标识符为1的节点和染色体B中社区标识符为33的节点完全相同, 然而染色体B中社区标识符为1的节点却跟染色体A中社区标识符为1的节点没有任何关联。
交叉操作:将进行交叉操作的染色体分别命名为源染色体和目标染色体, 从源染色体中随机选择一个社区。遍历所有节点, 将属于该社区的所有节点在源染色体中的社区标识符转移给目标染色体的节点修改后的交叉操作是在源染色体到目的染色体单一方向上进行。如图一所示。
2.4 变异算子
由于节点间相同的连接关系, 如果变异操作是随机改变一个染色体中基因的值, 则产生无用的搜索空间。为了减少不必要的搜索, 将染色体上第i个位置基因的可能值限定在节点i的邻居节点范围内。通过以下例子进行说明, 如图二所示, 节点3值的变异范围限定在邻居节点的值2、4、5、6。这种变异方法保证了变异后的子代中每个节点只与它的邻居节点中的一个相连接。
3 实验
实验采用两个被广泛应用的数据集Zachary空手道俱乐部网络和美国大学足球联盟网络测试算法的性能, 实验参数如下:种群规模设置为200, 遗传代数200, 交叉概率0.8, 变异概率0.2。
3.1 Zachary空手道俱乐部网络
Zachary空手道俱乐部网络是社会网络分析的经典实例, 首先对空手道俱乐部网络的社区结构进行分析[6]。该网络共包含34个节点和78条边, 如图三所示。该网络的真实社区结构所对应的Q值是0.3715。以该数据集为例运行50次该算法, 得到社区划分结果的平均Q值为0.3932, 优于该网络的真实社区结构所对应的Q值。该算法可以97%~100%的正确识别社区结构。该算法有时候会将节点10划分到错误的社区内。
3.2 美国大学足球联盟网络
美国大学足球联盟网络是根据2000年美国大学足球比赛计划构建的数据集, 包含分属于12个联会的115支球队和616场比赛。网络中的节点代表美国大学足球队, 边代表两个球队之间的比赛关系, 真实的社区结构是由每支球队所属的联会组成。每只球队与同一联会的球队进行的比赛次数多于与不同联会的球队比赛次数。平均每只球队与同一联会的球队进行6场比赛, 而只与不同联会的球队进行3场比赛。
应用本文算法对足球联盟网络进行社区探测, 算法对该网络社区结构的识别精度为93%。在有些时候该算法也可以100%正确的划分社区结构。运行50次该算法划分的社区结构对应的平均Q值为0.5933, 高于其真实社区结构所对应的Q值0.5518。同样将FN算法应用于足球联盟网络, 而它的精度是78%, 其划分结果对应的Q值为0.4549, 并且FN算法需要预先确定社区数目来进行社区划分[4]。由此可见, 该算法的社区划分结果Q值以及精度优于FN算法。
4 结束语
本文通过优化网络模块度, 提出了基于遗传算法的一种新的社区探测算法。该算法能快速探测出社区结构, 适用于大型复杂网络。在两个现实世界网络中的实验结果表明, 该算法时间复杂度是O (e) , 能快速准确的检测出社区结构, 性能优于被普遍使用的GN、FN等社区探测方法。
参考文献
[1]Clauset A., Newman M E J, and Moore C.Finding community structure in very large networks, Physical Review E, 70:066111, 2004.
[2]Duch J, Arenas A.Community detection in complex networks using extremal optimization, Pre-printcond-mat/0501368, 2005.
[3]Newman M E J, Girvan M.Finding and evaluating community structure in networks, Physical Review E, 69:026113, 2004.
[4]Newman M E J.Fast algorithm for detecting community structure in networks, Physical Review E, 69:066133, 2004.
[5]Girvan M, Newman M E J.Community structure in social and biological networks, Proceedings of National Academy of Science, 2002, (99) :7821-7826.
[6]Zachary W W.An information flow model for conflict and fission in small groups[J].Journal of Anthropological Research, 1997, (33) :452-473.
深空探测与我国深空探测展望 篇2
对人类已经开展的深空探测活动进行了回顾,简介了近期已开展和未来5年内将要开展的深空探测任务,以及未来主要航天国家的深空探测规划,提出了未来我国开展深空探测应掌握和突破的关键技术;介绍了我国深空探测的现状,对绕月探测工程和嫦娥1号进行了简介,重点介绍了探月工程二、三期的.思路和二期工程的立项论证情况和初步总体方案,同时简要叙述了正在论证中的中俄联合火星探测、夸父计划、硬X射线天文望远镜和空间太阳望远镜等项目的概况;给出了对我国未来深空探测发展方向的思考和展望.
作 者：叶培建 彭兢 Ye Peijian Peng Jing 作者单位：中国空间技术研究院,北京,100081 刊 名：中国工程科学 ISTIC英文刊名：ENGINEERING SCIENCE 年，卷(期)： 8(10) 分类号：V475 V529 关键词：深空探测 行星际探测 多目标多任务 中国探月工程
网络探测 篇3
这对姊妹探测器接下来会开始绕月运行，紧密合作，探测月球引力，并将其内部情况绘制成图，这样科学家对月球内部构造就会有一个初步的了解。这次任务将回答曾经是否有第二个月球、现在的月球为什么有如此奇怪的形状等问题。美国宇航局查尔斯·波尔顿表示：“圣杯姊妹探测器将使我们对月球有更多了解，同时帮人类进一步掌握地球的演变史。”
美国宇航局希望，通过圣杯绘制出不均匀的月球引力场，可帮助研究人员更好地了解月球的不对称现象以及月球形成的原因。美国宇航局称这次任务是一次“月心之旅”。以前的月球探测任务试图研究其引力情况，但结果并不理想。科学家说，月球引力大约只有地球的六分之一，圣杯是首次进行月心之旅的探
测器。
2011年9月，美国宇航局为测量月球引力情况发射了圣杯姊妹探测器，随后它们就各自朝着目的地独立飞行。“圣杯（Grail）”是引力再现与内部构造实验室的字母缩写。地球人倒计时迎接新年到来前数小时，圣杯A已在南极上空，为进入轨道放慢了飞行速度。
一些学校组织学生密切关注这次总造价4.96亿美元的月球探测任务。通过美国首位进入太空的女性萨莉-莱德的不懈努力，美国中学生现在可以用探测器上的摄像机放大图像，挑选他们喜爱的月点照片。
从太空时代开始以来，美国宇航局先后进行了6次“阿波罗”登月任务，把12名宇航员送上月球。圣杯探测器进行的是第110次探月任务。虽然科学家对月球进行了许多次探月计划，但结果并不理想，依然不了解这个距地球最近天体的所有秘密。
麻省理工大学首席科学家玛丽亚-朱伯表示：“月球表面好像并不能给我们答案，我们只好把目标锁定在月球内部。”近乎完全相同的圣杯A和圣杯B一旦进入指定轨道，将用两个月时间改变位置，直到它们到达月球上方34英里处，然后组队飞行。数据收集将从2012年3月开始。
（来源：新浪科技）
网络群体性事件探测预警技术研究 篇4
“网络群体性事件”是指在一定社会背景下网民群体为了共同利益或其他目的, 利用网络进行串联、组织, 并在现实中聚集, 扰乱社会正常秩序的群体性事件。比较典型的如2008年三亚的出租车罢运事件、“周久耕事件”等。这些事件有的直接由网络舆情引起, 也有敌对分子利用网络煽动引发。网络群体性事件常常与现实中的群体事件互相呼应、相互加强, 最终影响地区及社会稳定与安宁。因此, 如何有效的对发生在虚拟网络世界中的网络群体事件进行有效的监测预警, 为各级政府部门防控现实中的群体性事件提供科学的决策依据, 是意义非常重大的一项工作, 是公安情报研判以及公安网监工作中具有重大现实意义的一个课题。
1 网络群体性事件探测模型
1.1 相关概念的界定
探测模型是用来探测网络中“网中人”之间不同联系, 发现网络中可能导致群体性事件的有害群组。本文在社会网络分析中引入了时间维度、群组、动态群组密度、群组稳定度等概念, 用来描述和量度网络群组的动态演化特性。
(1) 时间窗口:
是指以一定的时间间隔为时间窗口进行探测分析。在当前时间窗口进行分析, 发现有害群组内部成员之间的联系及其聚簇结构, 再将窗口按照时间间隔大小不断向前移动, 直到最后结束时间。
(2) 群组:
在时间窗口内, 个体间依据联系强度形成的集合。社会网络在不同的时间窗口由于连接的紧密性不同而分为不同的群组。
(3) 群组密度:
是指群组中实际存在的连接数和与可能存在的连接数的比值。群组密度用于衡量群组的变化情况。一个群组密度比较大说明这个群组中合作行为较多, 信息流通比较容易, 一般来说群组的绩效也会较好。反之亦然。公式定义为:
undefined
其中L (m) 为窗口m中图中边的数目, g (m) 为窗口中节点的数目。
(4) 群组稳定度:
是指群组所有内部链接的边数和内部链接边数和外部连接边数之和的比值。群组稳定度越大说明这个群组的内聚性越好, 越不容易分裂, 能抵御较强外部压力, 反之亦然。公式定义为:
undefined
其中win (m) 为窗口中内部链接边数, wout (m) 为窗口中整个群组向外连接的边数。
1.2 群组探测模型
本文的监测模型受文献中隐空间模型的启发, 将虚拟实体映射到隐空间中, 采用多维标度分析方法确定了实体在隐空间中的位置, 然后根据实体间的距离对实体进行聚类分析, 从而得到了有害群组及其核心节点。引入群组密度, 稳定度两个测度, 分析不同的群组的密度、稳定度随着时间的变化趋势, 并绘制趋势曲线。我们提出探测模型如图1所示。
1.2.1 网络数据的获取
模型可以对网络中微博、BBS、短信或E-mail等多种数据进行有效监控。根据多重特征集 (网络行为、网络言论语义特征、图片视频、音频特征、网络连接方式等) 提供的线索, 对相关群体进行筛选后, 进行动态子图采集。基于宽带多媒体网络数据的网络爬虫技术获取信息, 每隔或者依据事件发生改变时调整网络数据的实时采集、处理频率。
1.2.2 联系强度矩阵
在这里以邮件形成的社会网络为例说明联系强度矩阵的建立。假设有五个人员:A, B, C, D, E。其中, A给B发送邮件与B给A发送邮件的总和, 视为A与B之间的“联系强度”。这样我们根据各时间段内的所有人员间邮件来往次数, 建立联系矩阵, 该联系矩阵是对称矩阵。其中, 如果存在自己给自己发的邮件, 联系强度为0。表1为A、B、C、D、E五个人联系的强度矩阵。
1.2.3 联系强度矩阵的隐空间映射
所谓隐空间是通过对多重特征集进行筛选后, 将联系强度矩阵作为先验知识进行多维标度分析 (MDS) 。通过对矩阵的奇异值分解的方法, 得到数据的低维度坐标, 并获得“距离”, 从而进行群组的挖掘与分析。本文对联系强度矩阵的联系强度取倒数得到距离矩阵, 对其使用MDS算法将虚拟实体映射到隐空间。MDS算法具体步骤如下:
假设数据集为X={x1, x2, …xi…xn}, 其中为xi∈Rp第i个数据点。并且任意两个数据点之间距离矩阵D= (dij) n×n, 数据点相应重构坐标Y={y1, y2., …yi, …yn}, 其中yi∈Rp。计算步骤如下:
Step1:计算S= (dij2) n×n。
Step2:取矩阵H= (hij) , 满足undefined, 其中
Step3: (双中心化) 计算undefined。
Step4:计算矩阵τ (D) 特征值与特征向量。定义矩阵Λ为对角阵, 对角元素为依次由大-小的特征值, 定义矩阵U列为特征向量。
Step5:计算Y。将Λ对角元素计算平均根, 得undefined, 那么undefined。
设p'为变量个数, 那么矩阵Λ的第p'+1个特征值就接近于零, 这时就有undefined, 其中ΛP'为Λ的前p'个特征值组成的矩阵, UP'的列为相应的特征向量。表2即为表1中5个个体的隐空间坐标。
我们已经获得各个时间段的实体在隐空间中的坐标位置, 下一步我们可以根据不同时间窗口的数据进行聚类分析, 分析其演化规律。
1.2.4 群组的聚类、演化分析
通过前三步成功的将联系强度转化为欧式空间距离。然后采用k-means聚簇算法进行聚类。这样就把同一个时间窗口下的数据聚成了不同的群体, 便于我们分析群组随时间变化的规律。对聚类的数据, 引入群组密度和稳定度等测度, 分析在不同时间窗口下同一群组的稳定度、密度是随着时间而变化的。并绘制密度和稳定度的变化曲线。
2 基于探测模型的网络群体事件预警系统设计
本文基于前述探测模型关键技术及其模型思想, 结合网监部门的工作实际, 构建了智能化的网络群体事件探测预警系统。系统流程图见图2。
系统将公安情报部门锁定的网络可疑个体作为任务, 将可疑个体的网络足迹 (Blog、BBS、论坛、邮件等) 作为数据, 进行探测模型运算, 通过结果的聚众倾向进行判断, 没有明显聚众倾向则结束任务。如果有明显的聚众倾向, 则将其群组认定为有害群组。同时将有害群组作为可视化动态预警模型的输入, 通过有害群组随时间的扩散特性进行判断, 无明显扩散倾向, 则观察一段时间T后, 仍无明显扩散倾向, 则结束任务。如果有明显扩散倾向则对其进行预警等级评估, 达到预警级别则报警, 否则继续观察其动向。
3 探测模型验证
为了验证模型的有效性和实用性, 本文采用美国安然 (Enron) 丑闻事件的数据集对模型进行了测试。在安然事件中, 关键人物违规操作对公司走向破产起着深远的影响, 所以我们对安然邮件集中关键人物所在群组进行演化分析。再仔细分析了安然数据的基础上, 我们将模型中的时间窗口大小选定为1个月。以下是利用模型对安然公司董事长兼首席执行官 (CEO) 肯尼斯·莱 (Kenneth Lay) 形成的群组进行分析。对Kenneth在整个时间窗口序列上形成的群组建立邻接矩阵。挖掘出其所在的群组。对Kenneth群组进行可视化显示如图3、4、5所示, 可见该群组一直处于增大状态。
计算不同时期该群组的稳定度和密度, 得到曲线如图6和图7所示。
从图7发现, 从2001年8月份开始Kenneth所在群组的密度一直处于上升状态, 结合文献, 我们很容易发现7～8月之间, 一些著名的企业家、经济学家先后提出了对安然公司的质疑, 可以说是整个安然事件开端。为了更好的应对舆论的压力, Kenneth所在群组内部联系肯定会比以往紧密, 这与我们曲线结果是一致的。在10～11月之间, 安然公司承认造假账, 作为公司重要领导Kenneth所在群组内部联系比往常紧密这也是合乎事实的。12月公司宣布破产, 整个团体的密度瞬时降到了最低, 所以曲线比较陡峭。
图7为Kenneth所在群组的稳定度曲线, 总整体来看Kenneth所在群组随着时间变化已近趋于稳定。综上说明我们的探测模型能很好的反应客观事实。适应于网络群体性事件监测分析。
4 结论
本文使用社会网络分析和隐空间理论对网络群体性事件的监测和分析进行了初步的探索。使用安然数据进行模型检验, 发现我们的探测模型可以较好对网络群体性事件进行探测, 发现那些可能导致群体性事件的有害群组, 并对他们随时间变化进行有效监测;本文基于探测模型思想并结合网监工作提出了智能化网络群体事件探测预警系统框架设计, 相信对于进一步研究网络群体性事件预警预控有着重要的现实意义。
参考文献
[1]杨久华.当前我国网络群体性事件发生的模式、趋势及其防范策略[J].江西公安专科学校学报, 2009, (5) :39-42.
[2]彭知辉.论群体性事件与网络舆情[J].上海公安高等专科学校学报, 2008, (1) :46-50.
[3]李玮, 赵燕平.基于社会网络分析的E-mail内容安全的动态监测模型[J].北京理工大学学报, 2006, (6) :79-83.
[4]魏莱, 王守觉, 徐菲菲.基于带权多维尺度变换的奇异值挖掘[J].计算机科学, 2008, 35 (1) :190-192.
[5]胡庆林, 叶念渝, 朱明福.数据挖掘中聚类算法综述[J].计算机与数字工程, 2007, 35 (2) :17-22.
[6]Jitesh Shetty, Jafar Adibi.The Enron Email Dataset Database Schema and Brief Statistical Report[R].Technical report, Infor-mation Sciences Institute, 2004:44-45.
能源探测 篇5
实习内容：工程地质钻探
工程地质钻探
【内容摘要】
钻探工程——在地质勘探和建筑基础勘查中，用钻机按一定设计角度和方向施工钻孔，通过钻孔采取岩心（或矿心）、岩屑或在孔内下入测试仪器，以探查地下岩层、矿体、油气和地热等的工程。简称钻探。
工程地质钻探是利用钻探机械设备，探明工程区域地下一定深度内的工程地质情况，补充、验证地面测绘资料的勘探工作。
钻探机械设备主要包括钻机、泥浆泵、动力机和钻塔等。钻机是用于向地下钻孔的最重要的机械设备。泥浆泵又称钻井泵，是向钻孔里输送泥浆或清水等冲洗液的机械设备。钻塔又称井架，是架设在钻场或井场上方，配合钻机绞车进行升降钻具的塔架。
本文着重论述工程地质钻探应用范围，施工工艺技术要求，注意事项，施工过程中的观测判断与编录等方面问题。
【关键词】
工程地质；钻探工程；实际应用；施工工艺。
【实习目的】
了解复杂地层工程施工方式及方法，了解并理解钻探工艺应用于工程施工的方面及侧重点，增加实际工作经验。
【公司概况】
中煤科工集团西安院成立于1956年,是煤炭系统从事资源勘探、煤矿安全与环境保护的大型科研机构。1999年转制为国有重要骨干企业，现属国资委管理。
主要从事煤地质、水文地质与工程地质、地球物理勘探；钻探技术与工艺、岩土工程、环境工程、煤层气资源评价与开发等专业的应用基础研究、技术开发与服务，产品研发与生产，以及工程承包业务，其专业范围基本涵盖了煤田地质勘探与煤矿地质安全业的主要专业与技术领域。
现有职工总数800余人，下设地质研究所、水文地质研究所、钻探技术研究所、钻探机具研究所、地震勘探研究所、电法勘探研究所、物探仪器研究所、工程地质研究所、环境保护研究所以及陕西罗克岩土工程公司。还设有国家安全生产监督管理总局、煤矿安全监察局勘探设备检测检验中心以及国家安全生产技术保障体系矿山水灾事故预防与鉴定分析中心、国家矿山救援中心矿山水害防治救援技术研究分中心。西安院是国务院学位委员会批准的博士生、硕士生招收单位，现有博士生导师10人，已获学位以及在读的博士和硕士研究生120余人。
西安院是中国煤炭学会、中国地质学会下属的煤田地质专业委员会以及中国煤炭工业劳动保护科学技术学会水害防治专业委员会的挂靠单位。
持有建设部颁发的工程勘察（甲级）、建筑业地基与基础施工(壹级)；煤炭部颁发的煤炭地质勘察(甲级)；国土资源部颁发的地
质勘查资质证书(甲级)；地质灾害危险性评估（甲级）；地质灾害防治工程勘察(甲级)、设计(甲级)、施工(甲级)、监理（乙级）；国家环保局颁发的环境影响评价(甲级)；国家计委颁发的工程咨询(甲级)；国家安全生产监督管理局和国家煤矿安全监督总局颁发的检测检验中心（甲级）等30多个资质证书。
西安院的主要产品包括：MK系列ZDY全液压坑道钻机、罗克牌钻头钻杆；物探仪器；地测软件等。
【具体内容】
第一章 工程地质钻探的目的、分类及特点
（一）工程地质钻探的目的：
1.揭露并划分地层，鉴定和描述岩土的性质和成分;
2.查明地质构造，不利地质现象的分布界限及形态等；
3.对孔内采取的岩石样品，进行分析实验，搞清岩石的物理、力学性质；
4.查明地下水的类型，水位测量，采取水样，分析地下水的物理化学性质；
5.在钻孔内进行原位测试。
（二）工程地质钻探的分类：
1.测绘孔：为工程测绘而钻的潜孔，在空中采取原装样品供室内试验使用，以查清建筑物基础的工程地质特征；
2.勘探孔：在勘探阶段中，了解建筑物基础的详细地质资料，决定施工方法；
3.控制孔：是为编制岩性和水文地质刨面进行工程地质分层；
4.实验孔：是为孔内进行原位测试水文地质实验二钻的孔。
（三）工程地质钻探的特点：
1.浅孔，一般50米以内；
2.取未扰动和原装土样；
3.孔内进行多种多样实验，时间较长，完成后必须止水，以防止地下水的侵入；
4.钻进条件变化大，勘察对象分散。
第二章 工程地质钻进方法和工具
（一）人力钻探、岩心钻探、人力冲击钻探、人力回转钻探、小径机械回转钻进及小径冲击回转钻进。
（二）机械振动钻进
1.振动钻进的适用范围
砂、亚砂、亚粘土、粘土地层；浅孔时，钻进效率越高，孔深和岩石较硬时，钻进效率低。
2.机械振动原理
振动器带动钻杆和钻头产生周期振动，使周围的岩土和土层也产生振动。由于振动频率较高，岩土层抗剪强度降低，在钻具和振动器自重及振动力的联合作用下，使钻头切入岩土层，从而实现钻进。
3.振动钻进可用两种方式实现
（1）振动器在孔上的上位冲锤；
（2）振动器在孔下的下位冲锤；
（注：两种方法比较起来，下位冲锤方式可以提高机械钻速，扩大振动钻的应用范围，使振动钻进的孔深可达25m~30m及钻进4~5及的岩石。）
4.用于地质勘探的振动器应满足下列要求：
（1）有足够的振动力以产生大的振幅，但不能超过设备及钻具的允许值；
（2）振动器自重应尽可能小些，自重大将使无益功增加和使钻杆上部变形；
（3）振动器所有零件在工作时要牢固可靠；
（4）振动器振频应不低于100次/min，一般为1200~1500次/min，振动频率小，则效率低；
（5）振动器工作时，要求最大振动力应比钻具或其他下沉的重量大20%~30%，振动器振动可调，最大振动力正比于偏心轮的重量、偏心距、转数的平方。改变这三个参数的大小就能调节振动力的大小。
5.振动钻钻头
带有切口的空心钻（φ73~168mm）切口有一、二、三个，切口多，强度和刚度低，钻头钻进时容易扭曲或劈开，管体内带有半含试容纳管。
（三）螺旋钻进方法
螺旋钻进方法是干式钻进，利用螺旋钻头，不断的回转将岩粉输送到地面或用螺旋钻杆本身将岩屑提到地表的一种钻进方法。孔径多为120~200mm；孔深为25~50m最深不超过100m。它适用于1~4及软岩层。
第三章 工程地质钻探设备
由于工程地质勘探规模日益增大，地下建筑工程日益增多，以往用岩心钻机代替已满足不了实际工作的需要，现已发展的不同类型的专用钻机。例如旋挖钻机、锚杆钻机、履带式坑道钻机。
第四章 采取沙土样品
火星探测凭实力 篇6
火星探测素来以难度大、失败率高而著称，是否拥有强大的科技实力主导着各国火星探索的成功与否。常人对火星探测的关注往往仅限于探测器的发射、探测器登陆火星以及探测器在火星上的新发现等。事实上，探测火星过程中的上述几个关键阶段，是对大量高精尖科学技术发展水平的考察与总结。轰轰烈烈的火星探测活动背后，是人类在航天、遥测、人工智能等尖端科技领域长期艰苦卓绝的探索。一个国家只有在这些领域的技术都过硬了，它勾勒的火星探索蓝图才能有顺利实施的保障。美国“勇气”号火星车的成功登陆再次向我们做出了证明。
41年来，在人类发起的30多次火星探测活动中，美国占了约一半。虽然其中多数以失败告终，但科学家在探测器发射、探测器能源供应、探测器着陆方式和技术以及火星环境探测等方面积累了大量宝贵经验，为“勇气”号成功登陆火星奠定了基础。相比之下，欧洲宇航局的“火星快车”探测器和日本的“希望”号火星探测器就显得有些“根基不稳”。
过去，欧盟航天业一直专注于卫星制造和商业火箭发射，避免参与美俄载人航天、外太空探测等项目的竞争。近些年来，尽管欧洲航天局在探月以及木星和火星探测方面取得了一些进展，但无论在技术上还是经验上都与美国存在相当大的差距，去年６月发射的“火星快车”探测器也只不过是欧洲航天局在火星探测方面迈出的第一步。从这个意义上讲，“火星快车”携带的“猎兔犬２”号登陆器遇到挫折并不意外。与此同时，日本“希望”号火星探测器的“半途而废”，也同样暴露出日本在技术与经验上的差距和不足。另外，环境监测卫星“绿色２号”报废和H2A火箭发射间谍卫星失败等也说明日本在航天技术领域还有很长的路要走。
在科学研究向纵深发展的今天，任何一项重大成果的出现都离不开强有力的经济支持。在高成本的航天研究领域，各国技术上的拼抢，实际上也是经济实力的竞争。高投入也许并非意味着绝对的高成功率，但成功的背后一定少不了足够的资金支持。
网络探测 篇7
关键词：电场仪网络,静电场,雷电预警
0 引言
强对流天气过程伴随着雷电等天气过程, 雷电是由雷雨云中的电荷达到一定的数量时, 在云内不同部位之间或云与地面之间形成了很强的电场, 当电荷积聚到一定程度时, 就会在云与云之间或云与地之间发生放电现象, 即雷电的发生来源于雷云内部的电荷累积, 这意味着只要能够准确检测到空间静电场的变化, 就可以间接了解雷云电荷累积的情况。近些年来, 对闪电活动中大气电场变化的研究已受到越来越多的关注。其中孟青等[1]利用地面电场仪探测网络, 获取到了雷雨云在不同发展阶段, 地面感应电场的极性、幅值信息。张义军等[2]综述了闪电探测技术的发展, 阐述了大气电场探测资料在灾害性天气监测预警等方面的应用。朱男男等[3]利用多个大气电场仪站点组成的电场探测网络实现大范围的雷暴云探测和长时间的雷暴云移动路径等信息的获取。周壁华等[6]利用气球携带的空中电场仪和地面大气电场仪同时获取数据进行对比, 分析得出地面电场可以反映出空中电场的总体变化趋势。
新疆克拉玛依地区是我国重要的石油石化基地, 是世界石油石化产业的聚集区。强对流天气过程中伴随的放电现象, 对石化产业的安全威胁巨大。因此, 利用大气电场仪探测网络对克拉玛依地区强对流天气中大气电场进行观测分析, 保障石化企业的安全运行具有重要意义。
1 大气电场仪系统介绍
大气中始终存在着大气电场, 大气电场的方向指向地面, 电场强度随时间、地点、天气状况和离地面的高度而变。按天气状况可分为晴天大气电场和扰动天气电场。其中扰动天气电场同气象要素的变化有关, 当存在强对流天气现象 (如雷暴) 时, 大气电场的数值和方向均有明显的不规则变化。研究人员根据电场参量的变化特征, 开发出了空中和地面大气电场仪, 基于便捷性、使用成本和安全性等方面的考虑, 地面大气电场仪在业务上使用得较多。
本文利用的大气电场仪探测网络是一个完整的地面大气电场探测网络, 这个系统是建立在差模测量技术基础上的探测设备, 利用FPGA微处理器为探测系统前端, 运用测量环境静电场的原理对天气过程进行探测分析, 可以实时准确地测量记录地面上的静电场值及其变化率, 获取到的电场数据传输支持LAN、GPRS、CDMA2000、3G等网络, 并能提供双模通讯功能。系统采用了先进的通讯控制接口, 可以直接通过Internet网来进行远程监控, 实现基于WEB服务器架构的GIS平台的电场数据显示、电场曲线跟踪显示和天气预警状态显示。当大气静电场的电场强度逐渐升高的时候, 这就意味着在测量区域范围很可能出现雷电。根据这一现象, 在雷暴即将到来的时候, 依托侦测探头发来的数据进行整理分析及计算。表1为大气电场仪设备的参数列表。本系统可以在单一探测设备或多个探测设备联网状态下使用:单一探测设备可以为固定场所提供强对流天气的预警;多台设备联网使用可以组成强对流天气侦测网, 把分布在各处的探头收集到的数据进行汇总和统计分析, 掌握整个区域某一时段的带电云层的变化资料, 并可以对强对流天气过程做出较为准确的推算和预报。
理论上, 对地面大气电场的探测是不存在范围限制的。但实际上, 鉴于电场衰减变化的固有物理定律, 以及一些其它环境客观因素的影响, 地面大气电场探测设备只能在一定范围内起到预警作用。一般而言, 有效预警范围是在0~20km的范围, 超出上述范围的雷暴天气现象, 将无法触发有效的预警警报。所以可以将多台设备按一定的规律联网布局, 组成雷电侦测网络, 利用计算机软件把收集到的数据进行汇总、统计、分析, 从而对大范围区域的雷电活动做出较为准确的推测与预报, 本探测网络在克拉玛依地区有22部探测设备。
研究人员可以实时观测某地场强值数据及报警情况, 对探测电场数据进行存储和分析, 能统计出观测处的年雷暴日次数、雷暴日场强曲线图、雷闪发生的时间方位和大小、单日雷闪次数等等信息。利用组网后的探头所测到的数据和经过分析计算得出的数据, 能推演出雷云区域和未来移动方向。将闪电定位仪所测的数据与大气电场仪所采集的数据, 在GIS平台上相叠加, 可产生综合雷电预警信息系统, 该系统可以实现闪电定位系统数据的采集上报、天气预警服务配置、数据库配置等功能, 用户登录后可以实现雷电定位和地面电场数据的实时监控、历史数据的查询分析、雷暴天气过程分析、预警阈值分析等功能。如图1所示, 为大气电场仪探测网络的架构图。
2 资料与分析
2.1 雷电定位系统结果
本文利用克拉玛依雷电定位探测网络和大气电场探测网络对克拉玛依地区2012年的雷暴活动进行了观测分析, 其中闪电定位系统是根据磁定向法和双曲线法原理, 对强对流天气中伴随的云地闪电的方位、雷击点的经纬度、雷电的强度和雷电流的陡度等信息进行获取。2012年克拉玛依市人工观测到的雷暴日数达29天, 克拉玛依市及其周边地区闪电定位仪监测到地闪11223次。从强度分布来看, 全年地闪平均强度主要分布在40-80k A之间;从时间分布来看, 全年地闪主要集中在6-9月, 四个月地闪次数占全年总地闪的99.80%, 发生时间主要集中在14-24时, 该时段内地闪次数占总地闪的66.84%;从空间分布来看, 地闪密度分布不均, 全年地闪高密度区域主要出现在克拉玛依北部、中部、独山子以及东部油田作业区, 克拉玛依行政区域内共监测到闪电次数429次。
2012年负闪电强度在20-60k A之间出现频率最高, 占负闪总数的73.23%, 负闪电强度96.39%小于100k A;正闪电强度在30-80k A之间出现频率最高, 占正闪总数的58.60%, 正闪电强度97.51%小于180k A;月平均强度6月至9月变化不大。如图2所示, 为2012年克拉玛依地区的正负地闪分布图。
2.2 大气电场仪预警信息
2012年部署在克拉玛依及各油田生产区的大气电场仪共22个, 所有的探测点以添加经纬度形式在地图上实时显示, 如图3所示, 系统支持闪电定位仪数据的叠加与分析, 通过两大系统的结合, 研究人员可以明显地观察出雷云移动的方向、即将落雷的区域、雷电临近的痕迹、各点大气电场值的变化、闪电强度的大小等等, 为气象测报提供了更加精准的信息。
为了能够衡量雷击的危险程度, 系统设计三个可调节的等级的报警阈值:
①第一级阈值通报出现了一个微弱的电场 (场强2k V·m-1) ;
②第二级阈值意味着一个活动的雷雨正在靠近, 在当前预知时间5到20分钟内将抵达现场 (场强4k V·m-1) ;
③第三级阈值意味着在现场附近有很大概率的雷击可能 (场强6k V·m-1) 。
在图3中, 地图上用不同大小和颜色的圆圈来标注各电场侦测探头的侦测范围与所测量到的电场强度的危险等级, 以来自不同的电场侦测探头的电场强度测量数据为基础, 根据侦测区域的扩展和变动来判断某个区域的电场强度的变化, 获取到周围探测范围内的电场变化趋势, 其中地图上标注了电场侦测探头位置。系统会自动对大气电场的场强值进行修正, 去除掉地物等环境因素对电场数据的影响, 除去探测误差值, 然后将输出的电场结果与三个场强门限相比较, 以确定警报等级。
克拉玛依地区2012年22部大气电场探测仪全年自动监测的预警事件达2350次, 如图4所示, 为大气电场仪预警事件时间分布图, 各探测站点的大气电场仪预警次数分布为一级预警1143次, 二级预警694次, 三级预警513次, 大气电场的预警信息与闪电定位仪监测资料基本吻合。各站点的地面大气电场仪的预警时间主要分布在6-8月份, 这段时间预警总次数普遍达到了1422次, 占全年预警次数的60.5%, 一年中8月份的电场预警次数最多, 一级预警达到了260次, 二级预警达到了155次, 三级预警达到了120次, 总预警次数为535次, 占6-8月份预警总次数的37.6%。图5所示的是克拉玛依22个大气电场仪所在站点预警次数的分布, 从图中可以看出玛河气田站点和克市气象局站点的预警次数最多, 玛河气田预警次数达到了300次, 克拉玛依气象局达到了220次, 两个站点预警次数占全年预警总次数的22.1%。结合以上地面大气电场数据和雷电定位系统的资料的分析, 可以发现克拉玛依地区雷电活动多发生在6-8月份, 其中玛河气田和克市气象局的雷电活动较频繁。
2.3 个例分析
本文对2012年8月4日克拉玛依地区强对流天气过程中地面大气电场的变化波形进行了分析, 如图6所示, 为8月4日此次强对流天气过程中17时00分20秒至17时55分39秒的地面大气电场强度变化曲线, 从图中可以看出17时10分开始至17时43分电场有显著的大幅剧烈振荡, 在这一时间段内出现雷暴过程中最大的正电场值 (31.37k V·m-1) 和最大的负电场值 (-20.48k V·m-1) , 且该时段的地面大气电场场强曲线的变化率较大。雷电定位系统在同一时间段内探测到3次云地闪电回击过程, 可以看出这一时段为雷暴活动发展为成熟期并经过了地面大气电场仪探测区域, 17时43分到17时55分这段时间电场在0k V·m-1上下震荡, 雷暴天气消亡或移出了电场仪的探测范围, 通过以上分析可以发现强对流灾害性天气的演变与电场仪波形的大幅振荡存在良好的对应关系。
3 防御建议
3.1 加强雷电科普宣传, 普及防雷知识
石化主管部门应高度重视石化企业雷电灾害防御工作, 加强防雷法律法规的宣传, 特别加大防雷科普知识的宣传力度, 增强石化企业工作人员的防雷意识, 避免或减轻雷电灾害造成的损失。
3.2 做好防雷安全监督检查工作
石化企业安全生产监督部门, 应依据国家和相关部门的法律法规, 切实做好石油石化企业内的防雷措施, 定期监督检查相关设备的运行情况, 保障克拉玛依石油生产的安全运行。
3.3 加强雷电灾害的监测和预警
充分利用大气电场仪探测网络和雷电定位网络等系统, 掌握克拉玛依地区雷电发生发展的规律特征, 提高相关石油石化厂区的雷电预警水平, 及时发布雷电预警信息。
4 结论
①本文所介绍的地面大气电场探测网络, 是基于FPGA微处理器研发的电场探测设备, 将多个探测设备组成大气电场探测网络, 网络前端获取的电场数据传输主要支持LAN、GPRS、CDMA2000、3G等网络, 可以直接通过Internet网来进行远程监控, 探测数据基于WEB服务器架构的GIS平台, 实现电场数据显示、曲线跟踪显示和预警状态显示等功能。
②2012年部署在克拉玛依及各油田生产区的大气电场仪共22个, 全年自动监测的预警事件达2350次, 主要预警信号发生在6-8月, 玛河气田和克市气象局的预警次数最多, 这与闪电定位仪监测资料基本吻合, 其中对流灾害性天气的演变与电场仪波形的大幅振荡存在良好的对应关系。
参考文献
[1]孟青, 吕伟涛, 姚雯, 等.地面电场资料在雷电预警技术中的应用[J].气象, 2005 (09) :30-33.
[2]张义军, 孟青, 马明, 等.闪电探测技术发展和资料应用[J].应用气象学报, 2006 (05) :611-620.
[3]朱男男, 宫全胜, 易笑园.地面大气电场资料在强对流天气预报中的应用[J].气象科技, 2010 (04) :423-426.
网络探测 篇8
关键词：ZigBee,无线传感器网络,火灾探测系统
火灾作为一种频发的自然灾害,时刻威胁着人类的生命和生存环境。开发研究先进的火灾探测技术及系统,有效地避免和降低火灾损失,已成为安全科学与技术领域迫切需要解决的关键问题之一。目前的楼宇建筑内一般都设计有火灾报警系统,但基本都是有线式网络连接,安装时需要穿墙打孔预埋线路。并且有线式火警系统一般需要在检测区域布置大量信号传输电缆,安装和拆卸繁杂,抗干扰能力差,容易引起误报或漏报,可靠性较差。20世纪80年代中期,无线火灾报警系统首次在英国应用。此后,此类技术的发展十分迅速。由于无线系统在工程安装上无可比拟的优越性,正越来越被人们重视。笔者研究基于ZigBee无线传感器网络的低功耗火灾探测方法,为智能楼宇的火灾系统提供可靠的技术支持。
ZigBee技术的突出优势就是功耗低。在内部,在专门的路由协议下通过多跳数据转发机制进行数据交换,大大延长了节点的电池寿命。同时,在协议的底部MAC层,采用免冲突载波检测多址接入(CSMA/CA)机制,使得节点可以处于周期性的监听和休眠两种工作模式,大大降低了节点的功耗。笔者在设计时,只把有火灾发生时的火灾参量进行发送,进一步降低了功耗。
1 楼宇火灾探测系统总体设计
智能楼宇的无线火灾探测系统包括火灾探测器节点、路由节点、无线网关以及终端控制器。楼宇的每一个单元安装1个火灾探测器节点,根据需要在每个传感器节点上安装若干个火灾探测器,如商用感温探测器或感烟探测器;在每一楼层或适当的区域上配备1个无线路由节点;在终端控制器上连接1个网关节点,以期实现无线传感器网络与终端控制器的通信。终端控制器是1台可以实时查询监测区域火灾的个人计算机。
传感器节点上的感温探测器和感烟探测器对房间内火灾信号进行连续采集,将采集到的火灾信号进行数据融合处理,根据火灾特征模型,判断是否有火灾发生,如有火灾发生,则进行自动报警,并将数据信息包括发出报警的传感器节点地址,通过射频发送器终端控制器发送。路由是信息的中继站,负责将距离网关较远的传感器节点的报警信号传递给网关。网关是所有节点信息的汇聚点,负责将收到的信息通过串口向PC机发送,在PC机上就可以通过组态实现对报警节点的定位,同时还可以通过PC机向各个传感器节点发出控制信息。
系统的总体结构,如图1所示。
2 楼宇火灾探测系统的硬件设计
网络中每个节点均以CC2430为控制核心。CC2430是全新概念新一代ZigBee无线单片机系列芯片,芯片中除了包括RF收发器外,还集成了加强型8051MCU、32/64/128 kb的Flash内存、8 kb的RAM以及ADC、DMA、看门狗等。CC2430可工作在2.4 GHz频段, 采用低电压 (2.0~3.6 V) 供电且功耗很低 (接收数据时为27 mA, 发送数据时为25 mA),最大传送速率为250 kbps。
2.1 传感器节点和路由节点的设计
火灾发生时,除了温度有变化之外,还有一些烟雾产生,烟雾的浓度变化可作为火灾辨识的特征信号。
传感器节点功能是对房间内的温度和烟雾的检测。此系统中对温度的检测采用DS18B20温度传感器,对烟雾的检测采用JTY-LZ-983K离子感烟探测器和JTY-GD-01光电感烟探测器。传感器节点的结构框图,如图2所示。
在图2中,由于CC2430内部已经集成了RF收发器,所以它的外部结构很简单,只需要1个温度传感器、1个离子感烟探测器和1个光电感烟探测器及1个电源
模块。电源模块主要给传感器和CC2430芯片供电。存储器负责将探测到的信息存储,处理器将这些信息做数据融合处理后交给RF收发器无线发送,另外RF收发器还可以接收其他节点发过来的无线信息。
DS18B20是一款单线数字温度传感器,体积小,功耗低,精度高,可靠性好,有易与单片机相连的接口,并且每片DS18B20都有唯一可读出的序列号。其测温范围是-55~+125 ℃。同时,DS18B20还采用了寄生电源技术,可以不需要外接电源,这也是系统低功耗的要求,与CC2430的连接如图3所示。
JTY-LZ-983K离子感烟探测器和JTY-GD-01光电感烟探测器都为二线制,具有安装方便、体积小、可靠性高等特点。它们是开关量传感器,当有火灾发生时,就会触发与CC2430的接口电平变高,CC2430利用这一特点再经过处理便可以输出报警信号。
路由节点在硬件上的设计同传感器节点是一样的,只是在软件设计上有所不同。
2.2 网关节点的设计
网关节点是将所有节点数据汇总、分析、存储和发送的机构。它与计算机之间利用RS232异步串口进行通信,如图4所示。其功能相当于1个接入点,一方面将主机向传感器节点发送的控制信号以无线的方式发射出去,另一方面将传感器节点采集的火灾参量传送给主机。
在图4中,串口模块是CC2430与PC主机的通信接口,负责将收到的报警信息送给主机显示,同时还传送主机发给网关的控制命令,其他模块的功能和传感器节点的功能类似。
3 楼宇火灾探测系统软件设计
软件设计包括三种类型节点的设计,同时为使操作人员能够直观地在PC主机上监测各房间单元的火灾特征信号,在PC机上设计了整个系统的组态图。
传感器节点、路由和网关节点都是基于ZigBee协议栈进行设计的。ZigBee协议栈的整体构架如图5所示。
其中,系统的功能主要是在应用层中实现。不同类型节点的应用层中,软件的内容也不一样。对于传感器节点来说,在应用层中主要实现火灾参量的探测和分析,并且在有火灾发生时,发送火灾信息;在路由节点的应用层中,主要实现接收来自其他节点的信息,然后寻找最优路径进行传递,同时还实现传感器节点的部分功能;网关节点的应用层中实现包括网络的组建、对加入网络的节点网络地址的分配以及与PC机的通信。应用层中的各个功能采用事件触发的形式来实现,根据功能的要求在适当的位置调用事件触发函数,实现相应的功能。网络层包含了网络层的配置参数和网络层库函数接口文件,主要实现网络维护、网络层数据的发送与接收、路由选择以及广播通信功能。MAC层和物理层都是采用IEEE802.15.4标准,MAC层负责处理所有的物理无线信道访问,并产生网络信号、同步信号;支持PAN连接和分离,提供两个对等MAC实体之间可靠的链路。物理层定义了物理无线信道和MAC子层之间的接口,提供物理层数据服务和物理层管理服务。协议的各层之间通过操作系统来实现稳定可靠的协作。
3.1 传感器节点的设计
传感器节点的功能是实时采集房间内的火灾参量信号,包括温度、烟雾浓度,并且对这些火灾参量进行分析,判断是否是火警信号。如果是,就向网关发送报警信号,由网关通知监测人员;否则,传感器节点就会进入省电模式工作。软件流程如图6所示。
3.2 路由节点的设计
楼宇中某些单元距离监控室较远时,传感器节点就可能无法将报警信号传送到网关节点,此时就需要路由来实现。路由的主要功能是为信息的传递提供接力作用,扩大信号的传输范围。因此,一般情况下,它应该一直处于活动状态,不应休眠。路由在进行信息传递时,会为经过它的每个数据帧寻找一条最佳传输路径,并将该数据有效地传送到目的节点。此系统中,目的节点就是处于监控室中的网关节点。同时,路由节点也可以负责
火灾参量的探测。软件流程,如图7所示。
3.3 网关节点的设计
网关节点负责网络的组建,并且会对加入这个网络的设备分配网络地址。当其他类型节点加入网络后,它的工作流程是:计算机发送命令以后,网关接收命令,首先判断是不是可用的命令,如果可用,根据命令判断计算机需要哪个节点的信息,并向该节点发送命令要求将对应数据传回网关,然后再将接收到的指定节点的信息按既定格式发送给 PC 机,通过PC 机上的系统组态图可以观察到该信息。网关节点的组网流程,如图8所示。
3.4 监控系统组态设计
系统监控组态图设计主要实现的功能是观察楼宇各单元的火灾参量,并且当某个单元有火警信号产生时,在系统监控组态图中能够及时观察到发生火灾的单元地址。为此,监控系统的组态包括两部分:一是PC机和网关节点进行通信的参数设定,包括通道选择,通信速率选择,开始和停止监控整个楼宇的按钮等;二是楼宇单元布局的平面图,当某个单元有火灾报警时,该单元下的警示灯便会闪烁,及时通知监控人员。另外,监控人员可以通过点击组态图中各单元的地址,查看各单元的火灾参量。
4 调 试
在模拟火灾的环境下对该楼宇火灾探测系统进行调试。把传感器节点和路由节点放到不同的房间里,然后在监控室里把网关节点和PC机连接。当某个房间里有火灾发生时,放在该房间内的传感器节点报警,同时,在PC机的监控组态中也收到了该传感器发送的信息,信息里包括此前设定的单元地址以及此时该单元中火灾参量数据;在PC机的监控组态中,选择查看某个单元,就会在PC上看到当前这个单元内的火灾参量。对多个单元进行火灾模拟,传感器节点都运行可靠,在PC机上也及时地看到了这些楼宇单元的火灾参量。在调试中,该楼宇火灾探测系统运行可靠,没有误报和漏报的发生,达到了预期的功能要求。
5 结 论
基于ZigBee无线网络的楼宇火灾探测系统在测试中运行良好,数据传输可靠,可对目标楼宇内各单元的火灾参量进行实时监控,并且对于将路由同时作为传感器节点使用的尝试在测试中也没有影响数据的传输和系统的整体功能,这样就进一步扩大了探测的范围。不过,还需进一步研究解决的问题是如何进一步降低系统的功耗,以及传感器节点的发送距离,如果可以找到有效的措施延长传输距离,就可以不用路由,进而节省许多资源,大大降低能耗。
参考文献
[1]刘士兴,顾勤冬,张永明,等.古建筑火灾无线监测网络的研究[J].消防科学与技术,2008,27(4):258-261.
[2]高守玮,吴灿阳.ZigBee技术实践教程[M].北京:北京航空航天大学出版社,2009.
[3]杜建华,张认成.火灾探测器的研究现状与发展趋势[J].消防技术与产品信息,2004,17(7):10-15
[4]李文仲,段朝玉.ZigBee无线网络技术入门与实践[M].北京:北京航空航天大学出版社,2008.
[5]张亮.基于无线传感器网络的火灾探测试验平台开发[D].福建:华侨大学,2010.
网络探测 篇9
1 火灾探测系统整体架构
DM642是TI公司推出的一款专门为数字媒体应用而设计开发的32位定点DSP芯片,该芯片采用基于C64X的DSP内核,工作频率最高达720 MHz,处理性能可达5 760 MI/s[1]。
火灾探测系统主要由视频采集、串口通信、网络通信3个模块组成。系统框架如图1所示。
首先,CCD摄像机采集的视频信号经过解码器送至DM642的VP0口,然后利用DM642的EDMA通道将视频数据储存在外部SDRAM中,最后将视频处理结果通过物理层收发器送入因特网。同时利用UART口对摄像机及云台进行控制。
2 系统硬件设计
2.1 视频采集与存储器扩展
2.1.1 视频采集
系统的视频解码器采用Philips公司的SAA7113芯片[2],它支持多种视频标准,由CPLD中的状态/控制寄存器控制,并且由I2C总线对其寄存器进行配置,能将PAL制的模拟视频信号转换为8位的ITU-R BT.656格式,Y、Cb、Cr这3个分量的采样模式为4∶2∶2,采样后将视频数据流发送到DM642的VP0口。 DM642有VP0、VP1、VP2的3个视频接口,可以根据
用户需要自行配置输入与输出接口。每个视频接口都分为A、B两个通道,每个通道都配置有2 560 Byte的缓冲区,设计人员可以自由设置缓冲区的传输阈值去触发相对应的EDMA传输通道,然后通过EDMA通道将视频数据送入外挂的SDRAM。
2.1.2 外部存储器扩展
采用4 M×64位的SDRAM存储视频数据,采用4 M×8位的Flash固化系统的程序代码。EMIF映射CE0、CE1、CE2、CE3这4个物理地址空间,DM642将CE0配置为64位的同步存储器接口,将CE1配置为8位的异步静态存储器接口。该系统采集到的视频为Y∶Cb∶Cr 4∶2∶2格式,Y、Cb、Cr这3个分量在SDRAM中的采集缓冲区与显示缓冲区都是分开存储的。图像的分辨率为720×576,所以每行Y分量采720个点,Cb、Cr分量各采360个点。每帧图像的每个分量按奇偶场分开存储,奇场在前,偶场在后。DM642外部共有20根地址线,即CE1空间的最大寻址范围为1 Mb×8,映射到CE1空间的除了Flash,还有在CPLD中实现的控制/状态寄存器以及8位异步静态UART口。所以,最大只能将1/2的CE1空间配置给Flash,即512 kb×8。但是所选用的Flash芯片AM29LV320DB的物理存储空间为4 Mb×8,所以利用有限的地址线访问大物理空间时,要采用分页技术,即将整个4 Mb×8的Flash分成8个512 kb×8的页,而页地址PA20、PA19、PA18则有位于CPLD中的页地址寄存器提供。
2.2 串口通信电路设计
该设计将信号通过EMIF接口并行引出,经过异步收发器TLl6C752B的移位寄存器实现串行传输,然后由多协议收发器MAX3160将异步串口接口电平配置为RS232标准。TLl6C752B采用8位异步并行存储器接口,可以与DM642的外部存储器接口无缝连接。TLl6C752B具有两个异步串行转换通道,每个通道包含18个寄存器,通过地址线A0、A1、A2以及LCR寄存器的第7位对寄存器进行字节寻址。波特率是由晶振频率、DLL及DLH寄存器共同决定的,该系统对TLl6C752B芯片接入的晶振频率为3.07 MHz。线路控制寄存器(LCR)控制数据传输的格式,包括字长、停止位个数以及校验类型的选择,系统通过写寄存器操作对其配置的结果为:8位字长、1个停止位、奇偶校验。TLl6C752B芯片的外围电路如图2所示[3]。
2.3 以太网接口电路设计
DM642的网络接口主要由EMAC(Ethernet MAC)与MDIO(Management Data Input/Output)两部分组成。DM642的网路接口属于链路层,主要负责与支持物理层的网络器件相连接,其中EMAC负责DSP与以太网之间数据包的交换,MDIO负责物理层收发器的配置以及状态监视。该网络接口符合IEEE 802.3标准。物理层收发器(PHY)的外围电路示意图如图3所示。
3 系统软件实现
系统的主要任务是实现视频数据的采集、处理以及数据的网络收发。系统软件模型由两部分组成:驱动程序与应用程序。驱动程序直接控制底层物理器件的行为,是由提供给DSP/BIOS的若干个API函数组成。应用程序是在DSP/BIOS实时操作系统上,依据TI的RF5框架进行编写设计的。根据应用程序的各个功能模块,创建不同的任务线程实现整个系统软件的开发。RF5是德州仪器(TI)公司新近推出的DSP软件开发参考框架,以DSP/BIOS为基础,利用其中的数据处理单元和数据通信单元方便快捷的完成DSP系统软件的设计与开发[4]。在DSP/BIOS中,任务的调度是通过HWI、SWI和TSK这3个模块实现,DSP/BIOS通过各模块优先级的不同完成对各任务线程的调度。
系统软件设计流程如图4所示。首先对DSP/BIOS模块进行静态配置,包括设置内、外部存储器的映射空间,创建多任务线程及所需堆栈,配置TI网络开发包NDK的启动环境,分配旗语、邮箱通信机制的存储位置及大小等。其中创建的多任务线程包括系统控制任务、视频输入任务、算法处理任务、图像JPEG压缩任务、网络初始化任务、串口通信任务。在应用程序进入DSP/BIOS线程调度器之前,处理器需要完成3个模块的初始化:(1)芯片板级间的初始化,包括CSL、RAM、Cache及EDMA的设置。(2)RF5模块的初始化,包括通道模块,SCOM模块及ICC模块。一个任务可以创建多个通道,每个通道可以包含多个内核,每个内核只能包含一种标准算法[5]。(3)视频捕获(FVID)通道的建立与启动。
应用程序的Main()函数在完成系统初始化任务后退出,程序控制权正式交给DSP/BIOS任务线程调度器,根据优先级和RF5中的任务切换准则调度各任务线程。为保证网络传输的实时性,应将网络初始化任务的优先级配置成高于其他任务的优先级。处于同一优先级的任务之间利用同步通信机制SCOM模块进行信息传递,同时基于RF5的SCOM通信机制内部,制定了任务调用及切换规则,这样就避免了多个任务同时访问一个队列指针的情况[6]。
3.1 视频输入任务
系统主线程已经创建且打开了视频捕获通道,并初始化了FVID对象。该任务首先启动SCOM消息队列,从捕获通道的缓冲区获取一帧图片,然后利用SCOM队列指针将视频数据传输至算法处理任务。此时,该任务处于阻塞状态,等待算法处理任务接收完成的返回消息,系统切换至算法处理任务,直到接收到返回消息,视频输入任务才处于等待状态,等待下一个循环重新采集视频。每一个任务都不断地处于等待消息与处理数据的状态中。
3.2 算法处理任务
该任务分别创建了火焰检测通道对象FIRE_CHAN_Obj与烟雾检测通道对象SMOCK_CHAN_Obj。每一个核对像都要在被初始化以后再调用注册函数CHAN_regCell(),通过这种方式可以将每一个核对象注册到相应的任务通道中。最后,线程调用函数CHAN_open()为每个指定的通道(chanNum)传递核对像,这样通道通过调用核对像来执行检测算法。烟雾检测算法流程如图5所示。
当算法处理任务接收到SCOM队列送来的视频数据后,分别送入火焰与烟雾两个检测通道。如果发现火焰或者烟雾疑似区域,两个通道会分别将区域坐标返回,利用返回的坐标对疑似区域进行定位跟踪,然后将跟踪结果送入JPEG图像压缩任务;如果两个通道都没有返回疑似区域坐标,则直接将原始视频数据送至下一个任务。烟雾检测算法分为图像预处理模块、图像分割模块、特征提取模块、目标识别及坐标提取模块,这4个算法模块分别对应4个核对像。核与核以及核与通道之间采用ICC模块进行通信,任务通道通过调用这些核对象来完成对整个烟雾检测算法的执行过程。烟雾一般分为白烟、黄烟和黑烟,难以从颜色或形状上对其进行检测,所以应该对烟雾的半透明性、整体移动性、边界闪烁性、主方向性和扩散性等方面进行分析。
3.3 网络传输任务
TI公司结合其C6000系列芯片推出的NDK(Network Developer's Kit)网络开发包采用紧凑的设计方法,实现了利用较少的资源消耗来支持TCP/IP协议栈,在实际应用中,NDK仅用约200 kB的程序空间和95 kB数据空间即可支持常规的TCP/IP服务,其中包括应用层的telnet、DHCP、HTTP等[7]。同时NDK还集成了类似于网卡的物理层收发器的驱动程序。
NDK开发包包括Network Tools、OS Adaptation Layer、TCP/IP Stack Library、Hardware Adaptation Layer、Network Control这5个模块,要开发基于NDK的网络应用程序,必须利用以上5个模块构建一个完整的TCP/IP功能环境。首先静态创建网络初始化任务,在该任务中构建TCP/IP协议栈的过程是:(1)在调用协议栈其他API函数之前,必须先调用函数NC_SystemOpen(),用它来初始化协议栈及系统环境,它的两个参数Priority和OpMode分别决定了调度任务的优先级和调度器何时开始执行。(2)调用函数CfgNew()创建新的协议栈配置,返回配置句柄hCfg,对该句柄添加网络层与应用层的相关配置。(3)调用函数NC_NetStart()来启动网络事件调度器。真正的网络收发任务是由NetworkRx和NetworkTx完成,这两个任务就是在指针NetworkIPAddr所指的函数中通过TaskCreate动态创建的。在系统结束时还会调用函数CfgFree()与NC_SystemClose()分别用来释放配置内存及关闭TCP/IP协议栈。
设计在NetworkRx、NetworkTx任务中开发的是基于Client/Server与Browser/Server两种模式的应用程序。在Client/Server模式中,DM642作为服务器,PC作为客户端,由于该系统对实时性的要求较高且允许在一定范围内的丢包及出错现象发生,所以NetworkTx在传输层采用面向无连接的UDP协议。NetworkRx接收的是PC对DM642的控制命令,即服务器、客户端双方定义好的少数数据结构,所以NetworkRx在传输层采用了面向连接的TCP协议。该模式下的应用程序是采用Socket网络编程的方式进行开发的,以太网在链路层的最大传输单元为1 500 Byte,所以必须对每帧视频在IP层进行分片操作。同时需要在上位机上开发基于VC++ 6.0的客户端程序,为实现视频数据高质量的显示效果,系统采用微软公司推出的流媒体处理开发包Directshow对视频数据进行译码显示。
在Browser/Server模式中,利用DM642的嵌入式文件系统创建Web服务器,便于将火灾现场的视频信息以网页的形式送入局域网,再经过路由器的端口映射传至因特网。例如,在局域网内部设置Web服务器的IP地址为192.168.0.11,在地址栏输入该地址,Web服务器访问结果如图6所示。
4 结束语
通过实例介绍了基于DSP/BIOS的大空间网络型火灾探测系统的具体开发流程。利用对TMS320DM642外围电路的分析和对接口驱动芯片的详细阐述,开发了基于DSP/BIOS与RF5系统架构的应用程序。另外,系统把烟雾、火焰检测算法集成于RF5架构的算法内核,并且采用TI的NDK进行网络开发,这样将更加有利于系统的移植以及产品的升级与推广。
摘要：针对传统图像型火灾探测系统以PC作为处理终端,且不能对CCD摄像机进行有效控制等缺点,提出了以TMS320DM642为平台开发基于DSP/BIOS的大空间网络型火灾探测系统。该系统在DSP/BIOS与RF5参考框架的基础上,利用TCP/IP协议栈设计了多任务线程的应用程序,实现了火灾检测算法的移植与网络开发环境的构建。最终将视频处理结果由以太网传至控制中心,同时控制中心可以利用串口通信线程对CCD摄像机进行参数设置。
关键词：火灾探测,TMS320DM642,DSP/BIOS,TCP/IP,RF5
参考文献
[1]冬雷.DSP原理及开发技术[M].北京:清华大学出版社,2007.
[2]Philips Semiconductors.SAA7113H9-bit video input pro-cessor[M].Netherlands:Philips Semiconductors,1999.
[3]Texas Instruments.TL16C752B3.3-V DUAL UART WITH64-BYTE FIFO[M].United States:Texas Instruments,2000.
[4]陈煜,胡剑凌,王超.基于DSP/BIOS的TI DSP应用程序框架设计[J].微计算机信息,2009,25(5):130-132.
[5]李晓静,鲁亿方,刘贺平.基于RF框架的视频编解码系统的优化与仿真[J].计算机仿真,2008(8):186-188.
[6]王玮,张卫宁,史英,等.基于TMS320DM642的网络功能开发的研究与实现[J].计算机应用,2006,26(z2):300-302.
网络探测 篇10
火灾报警和火灾探测关系到人们的财产与生命安全,已经成为现代建筑物中必不可少的设施。目前,国内外常用的火灾信息处理方法仅选取单一的火灾特征信号进行处理,采用阈值算法和变化率检测法分析。单个传感器给出的关于目标身份信息是有限的,不能够准确反映火灾的实际情况。
针对传统火灾探测技术与信息处理方法中存在的智能化水平低、高误报率和延迟报警等问题,设计火灾试验,利用BP神经网络及Labview虚拟仪器平台进行火灾信息处理,并与数据融合技术处理后进行不确定度对比。
1火灾探测信息处理
1.1 BP神经网络
近年来,人工神经网络智能信号处理方法在信息处理领域得到了广泛应用,火灾探测的人工神经网络模型多采用多层网络模型(BP)算法,该网络的输入输出是并行模拟量,网络的输入输出关系由各层连接的权因子决定,权因子通过学习信号进行调节。网络的聪明程度与定义学习的量有关,输出精度与隐含层数有关。图1为三层人工神经网络的原理结构图,输入层部分即火灾输入信息的模拟量,选取温度、烟度与温度、烟度上升速率为输入层信息,将信号进行量值模拟,值域为0.1～0.9;输入层与输出层之间是隐含层b1-bj,输入层与输出层之间的权值为Wij,隐含层与输出层之间的权值为Vjt。当输入为ai时,隐含层输入和值x见式(1),节点输出层b见式(2),输出层的输入和值y见式(3),输出节点c见式(4)。其中,式(4)中的r1,r2是sigmoid函数斜率决定的系数。
x=undefineda·Wij (1)
undefined (2)
y=undefinedb·Vjt (3)
undefined (4)
当某种模式传入到输入层时,可由式(4)计算网络的输出值c,并与对应的目标结果T进行比较,同时计算均方差Em,见式(5)。
Em=undefinedundefined (5)
通过反向传播算法调整权值Wij和Vjt,使得Em达到最小要求。算法学习完成后,系统由学习训练状态转到工作状态。
1.2 数据融合
数据融合技术是近年来发展起来的一门技术,并在许多领域中获得成功。而基于多传感器的数据融合技术的核心是对所获得数据进行全方面、多层次、多级别的处理,从而得到更为准确可靠的结论。
如图2所示,数据融合过程中,首先对数据进行预处理,包括对所得数据进行标准化处理与格式化处理,然后进行排序与批处理,最后的结果需满足火灾评估过程数据要求。对单一种类的火灾探测器所得到的信息与火灾状态进行融合,进而得到较为准确的火灾信息与火灾状态评估。与此同时,辅助部分分别完成对火灾状态趋势与危险性的评估,并且随时修正前面状态对火灾状态的评估,判断是否应该更改自身算法及特征指数,进而得到较为准确的结果。若单个传感器所得到的数据是相互匹配的,原始数据就可以直接进行相互融合;反之,若所得到的数据不匹配,这些数据就必须在特征级或者决策级进行融合。
将明火和阴燃火作为数据融合理论的识别框架,将神经网络的输出结果处理后作为数据融合理论的基本概率赋值,设第i个证据的第j个输出值为Oi(j),则有式(6)、式(7)。
undefined (6)
undefined (7)
式中:mi(j)为第i个证据对第j个证据的证据分配;α为每个证据可靠性系数,对专家决策结果的信任度;mi(θ)为不确定性的基本概率函数,所得结果称为不确定度。
2火灾探测实验
笔者针对某建筑楼层设计火灾试验。
2.1 系统结构设计
如图3所示,系统通过火灾探测器对温度、烟浓度进行探测,并且对所得信号进行滤波放大处理和A/D信号转换。随着火灾的发生,环境温度逐渐升高,烟的体积分数逐渐增大,放大滤波部分将火灾信号适当放大,并进行滤波处理,以去除信号噪声和毛刺,使信号更加平滑更易识别,A/D转化部分将模拟信号转化为数字信号,输出的数字信号在微处理器中通过信息处理算法进行识别处理,并进行判断分析。单片机中处理的结果通过数据输出部分输出报警信号,由火灾报警灯显示。同时,若有观察者发现火情,可以触动手动报警器进行报警。
火灾探测系统中,需要全面地权衡报警信号的灵敏度和精确度,并降低火灾的漏报率和误报率。笔者重点研究基于BP神经网络的复合传感器数据分析和应用,旨在提高探测器在火灾探测过程中的灵敏度和精确度。
2.2 系统总体构架
如图4所示,系统整体包括四部分,由多传感器数据采集模块、QA840149数据转换电路、单片机及其接口、基于Labview的火灾监控报警平台和计算机输出部分构成。系统通过多传感器模块采集室内环境信息(温度、烟浓度、特征气体体积分数等),经过信号调理后,输入到QA840149单片机模块进行处理,然后经过串口通信电路将数据快速传递到基于Labview的火灾监控报警平台上。该平台通过VISA串口接收数据,并经转换处理后由数据和波形显现出来,实现火灾信息实时监控。平台能够实现参数报警临界点的设置,可以通过报警音的发出和手动报警设备进行报警。平台还可以通过控制机向相关用户发送SMS短信,实现远程监控。
2.3 基于复合式传感器参数的火灾探测
笔者针对某教学楼楼层布置探测装置,并针对某房间布置传感器,选取图5所示房间进行监测,所得数据为温度、烟浓度、特征气体体积分数等参数,选取不同时间间隔进行数据采集,将结果通过Labview前界面输出。
3数据分析与处理
对所得数据进行归一化处理,由于神经网络训练输入与输出结果定义区间范围为0.10～0.90,且训练结果并不完全符合要求,因此将标准试验数据进行一次函数式回归转化。其中值域范围为0.10～0.90,烟浓度与烟浓度上升速率定义域范围为0.0～10.0,温度定义域范围为15～275 ℃,热释放速率定义域范围为0.0～1.0。
将训练结束的神经网络进行试用,输入4组数据,所得结果如表1所示。
利用数据融合理论进行4组数据的处理结果,如表2所示。
表3为神经网络输出结果与数据理论融合结果不确定度分析。
将神经网络输出与数据理论融合结果进行火灾试验,所得数据与火灾情况对照,如表4所示。
通过对不确定度的分析和实际火灾试验中所得结果表明,数据融合技术进行的火灾判定不确定度更低,从而提高了系统对火灾状况的辨识能力,有效准确地反映了火灾的实际情况。
4结论
笔者针对某建筑目标进行复合式传感器设置,通过火灾试验过程得到相应的火灾特征数据,利用Labview工具和经过自学习过程的BP神经网络对所得数据进行分析处理进而最终得出火灾判定结论,并且与数据融合技术所得结果进行分析比较,最后进行实际火灾试验对比,得出以下结论:
(1)火灾探测是一种非线性问题,BP神经网络具有非线性映射能力、自学习能力,并且具有信息处理的能力和高容错性。利用BP神经网络进行火灾信息处理可以提高火灾报警系统的准确性和智能化水平。
(2)利用数据融合技术进行的火灾判定更加有效准确地反映了火灾的实际情况,不确定度更低,减少了误报率与漏报率,为火灾智能报警系统提供了一个更有力的工具,具有较好的应用前景。
摘要：针对某建筑目标进行复合式传感器设置,通过火灾试验得到相应的火灾特征数据,利用基于Labview的BP神经网络分析处理所得数据进得出火灾判定结论,并且与数据融合技术所得结果进行对比分析,最后与实际火灾试验进行对比。研究结果表明:利用BP神经网络进行火灾信息处理可以提高火灾报警系统的准确性和智能化水平;数据融合技术进行的火灾判定更加有效准确地反映了火灾的实际情况。
关键词：火灾报警系统,BP神经网络,数据融合技术
参考文献
[1]单晓亮.基于支持向量机的多传感器火灾报警系统设计[J].电站系统工程,2011,27(1):62-63.
[2]张丽杰,陈抗生.基于遗传算法优化的模糊神经网络在火灾探测中的应用[J].装备制造技术,2008,36(4):42.
[3]曹洁,孟兴.一种有效解决D-S理论冲突证据合成的方法[J].计算机应用研究,2012,29(5):1815-1817.
[4]张嘉琪,刘阳,王晓丽,等.虚拟仪器技术在神经网络火灾识别模型中的应用研究[J].中国安全科学学报,2011,21(11):50-51.
[5]李光,张铁壁.多传感器数据融合技术在火灾报警中的应用[J].河北工业大学学报,2010,94(4):35-38.
[6]刘少刚,吕建伟,王士成.基于数据融合与神经网络的火灾探测研究[J].应用科技,2011,38(5):9-12.
