实验室火灾危险源高精度辨识方法优化仿真

摘要

针对目前方法对火灾危险源进行辨识过程中,由于未能在火灾危险源辨识前对数据进行平滑去噪处理,导致该方法在危险源辨识时,存在辨识精度低、最大热释放率与实际值相差大以及危险源增长系数高的问题,提出基于机器视觉的实验室火灾危险源辨识方法。方法首先对实验室数据进行全方位采集,通过对采集数据离群点滤除以及法向量的估计实现数据的平滑去噪;再使用差分进化法对机器视觉中的在线序列极限学习机进行优化;最后将平滑去噪后的实验室数据放入优化后的学习机中进行训练,从而实现实验室火灾危险源的辨识。实验结果表明,运用该方法识别危险源时,辨识精度高,最大热释放率与实际值相接近,危险源增长系数低。