基于径向基函数神经网络的矿井智能火灾探测方法

程彩霞¹，孙富春²，周心权¹

1. 中国矿业大学(北京)煤炭资源与安全开采国家重点实验室2. 清华大学智能技术与系统国家重点实验室

摘 要：为了提高矿井火灾探测器对环境的适应力和抗干扰能力,采用逼近能力、分类能力和学习速度等方面优于BP网络的径向基函数神经网络,在MATLAB环境下构建火灾探测仿真模型,以温度、烟雾浓度、CO气体浓度作为输入,进行多信息数据融合,达到矿井火灾探测目的。仿真结果表明,该方法对明火、阴燃火和无火概率的识别误差均小于5%,可大幅降低火灾报警的漏报和误报率。模糊系统和神经网络相结合的手段,能有效监测矿井火灾的产生,对于智能火灾报警系统研究具有参考价值。

关键词：径向基函数;神经网络;MATLAB;智能火灾探测;