Главная Работы на конкурс Предметное образование Технические дисциплины
Магистерская диссертация «Лазерная система раннего обнаружения возгораний с интеллектуальными методами обработки данных»
Автор: Рывкина Яна Андреевна
Место работы/учебы (аффилиация): Санкт-Петербургский государственный университет аэрокосмического приборостроения, 2 курс магистратуры
Научный руководитель: Казаков Василий Иванович
Цель работы: Разработка и экспериментальная проверка методов интеллектуальной обработки распределения интенсивности по профилю лазерного пучка для сверхраннего обнаружения тепловых возмущений, характерных для возгораний.
Задачи исследования:
- Анализ и оценка эффективности существующих методов и систем раннего обнаружения пожара.
- Проведение экспериментальных измерений динамики изменения профиля лазерного пучка в различных условиях (с различными источниками теплового потока).
- Реализация математических методов обработки сигналов.
- Разработка и обучение модели на основе машинного обучения и нейросетей для классификации источников теплового потока.
- Оценка точности и эффективности предлагаемого подхода.
Объект исследования: Динамика изменения пространственной структуры лазерного пучка под воздействием тепловых потоков различной природы.
Предмет исследования: Методы и способы обработки сигналов с целью выявления и классификации тепловых возмущений, связанных с возгоранием.
В работе использовались математическая статистика, цифровая обработка сигналов, машинное обучение, нейросетевые алгоритмы, экспериментальные оптические измерения.
Магистерская диссертация посвящена разработке лазерной системы с использованием интеллектуальных методов обработки данных для задачи раннего обнаружения возгораний. Пожары в закрытых помещениях продолжают оставаться одной из главных угроз безопасности человека, инфраструктуры и экономической стабильности. Согласно официальной статистике МЧС России, ежегодно в стране фиксируется более 100 тысяч пожаров, в результате которых погибают сотни людей и наносятся миллиардные убытки. Особенно остро проблема стоит на объектах с массовым пребыванием людей, в логистических центрах, на складах, в архивах, энергетических установках и производственных помещениях. Актуальность темы обусловлена необходимостью повышения надежности противопожарных систем на объектах, где традиционные средства детектирования пожара демонстрируют ограниченную чувствительность на ранних стадиях возгорания и подверженность ложным срабатываниям.
Основные результаты и выводы: В ходе работы был разработан и протестирован лабораторный макет устройства на основе лазерного модуля. Предложенная система использует принцип регистрации изменений характеристик профиля лазерного пучка, вызванных локальными тепловыми возмущениями в воздухе, возникающими при начальных фазах горения. Проведены экспериментальные исследования с различными источниками теплового потока (пламя свечи, фен, батарея) на разных расстояниях. Особое внимание уделено интеллектуальной обработке сигнала: разработана математическая модель обработки, а также реализованы и протестированы модели машинного обучения (Random Forest) и нейронных сетей (многослойный персептрон (MLP) в двух реализациях). Сравнительный анализ показал высокую точность классификации тепловых воздействий, особенно в части различения пламени и фоновых потоков. Наиболее эффективно себя показала модель Random Forest, обеспечившая точность классификации до 98 %.
Практическая значимость: Разработанная система может быть использована для оснащения промышленных объектов интеллектуальными средствами мониторинга, способными фиксировать возгорания еще до появления открытого пламени и дыма. Это особенно ценно для объектов с высокой степенью пожарной опасности, замкнутыми пространствами и наличием технологического тепла, где традиционные методы недостаточно эффективны. Результаты работы имеют практическую значимость и могут быть использованы в реальных системах промышленной безопасности, в том числе в условиях слабой вентиляции, задымления, промышленных объектов, складских помещений и т.п.
Ключевые слова: лазерная система, обнаружение возгораний, машинное обучение, нейронные сети, пожарная безопасность, обработка сигналов.
Смотреть похожие работы
Исследовательская работа «Платформа для изучения работы датчиков VEX IQ»
Проектная работа «Генератор проверочных работ по неправильным глаголам»
Доступна к просмотру полнотекстовая версия работы
Добавить комментарий