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.
Добавить комментарий