| Untersuchungen zur Leistungsfähigkeit eines Multi-Sensor-Arrays zur Detektion von Brandereignissen Contributor(s): Mücke, Ralph (Author) |
|
 |
ISBN: 3838607635 ISBN-13: 9783838607634 Publisher: Diplom.de OUR PRICE: $110.68 Product Type: Paperback Language: German Published: March 1998 |
| Additional Information |
| BISAC Categories: - Technology & Engineering | Electrical |
| Physical Information: 0.34" H x 5.83" W x 8.27" (0.44 lbs) 146 pages |
| Descriptions, Reviews, Etc. |
| Publisher Description: Inhaltsangabe: Einleitung: Diese Diplomarbeit entstand durch Zusammenarbeit der Fachhochschule Wismar, Fachbereich Elektrotechnik und Informatik und der RST-DASA-GmbH. Bei der RST-DASA-GmbH sind diese Entwicklungsarbeiten notwendig f r die Weiterentwicklung des Intelligenten Brand- und Gefahrstoffsensor. Durch ein MOS-Multisensorarray wird die Umgebungsluft berwacht. Das jeweils entnommene Muster pr sentiert sich einem Neuronalem Netz. Ein Neuronales Netz in Verbindung mit eingebauten menschlichen Erfahrungen (zur Erkennung von St rungen) entscheidet ber Brand oder Nichtbrand. Dieses Funktionsprinzip der Me wertaufnahme ist allgemein bekannt als das der K nstlichen Nase (siehe Abbildung 1-1). Sie sind entwickelt worden zur automatischen Detektion von Ger chen und Gasen. Siehe auch Kapitel 1.4. Abstract The thesis are a corporate work of Fachhochschule Wismar and RST-DASA-GmbH. The subject of this paper is necessary to complete the development of Smart Sensors for fire-detection. The following things are ready at the beginning: A tin-oxide sensor array and the classification with an Artificial Neural Network. This solution is the state-of-the-art for an Electronic Nose. Electronic Noses (figure 1-1) are being developed as systems for the automated detection and classification of odours, vapours and gases. An Electronic Nose is generally composed of a chemical sensing system (e.g. sensor array) and a pattern recognition system (e.g. Artificial Neural Network). An Artificial Neural Network is an information processing paradigm that was inspired by the way biological nervous systems, such as the brain, process information. Their most important advantage is in solving problems that are too complex for conventional technologies; problems that do not have an algorithmic solution or for which an algorithmic solution is too complex to be found. Artificial neural network are well suited to problems that people are good at solving but computers are not (e.g. pattern r |