1. UKM Learning and Research Repository
2. PHD Thesis / Tesis PHD
3. Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Title:	Pembangunan kaedah pengesanan kebakaran menggunakan teknik penuras Kalman
Authors:	Rostam Salleh (P53425)
Supervisor:	Sallehudin Mohamed Haris, Prof. Madya. Dr.
Keywords:	Universiti Kebangsaan Malaysia -- Dissertations Dissertations, Academic -- Malaysia Pengesanan kebakaran Teknik penuras
Issue Date:	25-Nov-2020
Description:	Kebakaran adalah fenomena fizikal dan sosial yang memberi kesan kepada individu dan alam sekitar. Kesan daripada kebakaran membawa kepada kerugian, kerosakan harta benda, kecederaan dan juga kematian. Walaupun pelbagai jenis sistem pencegah kebakaran diperkenalkan, namun ia agak kurang berkesan serta selalu memberi maklumat yang kurang tepat. Projek sistem komunikasi pintar ini dibangunkan dengan menggunakan rangkaian sensor wayarles Mica2 yang dapat mengumpul data dari persekitaran melalui parameter seperti pencahayaan (P), kelembapan (H), suhu (S) dan tekanan (T). Data ini boleh digunakan bagi mengenali senario dan dapat membezakan tahap kebakaran sama ada berada dalam zon berisiko atau tidak berisiko. Daripada uji kaji ini, didapati data yang paling berkesan adalah pencahayaan di mana nilai titik ambangnya adalah 102 Tesla dan kelembapan pada nisbah 56%. Dalam kajian ini, kaedah stokastik Monte Carlo digunakan untuk membuat ramalan serta menangani ketidakpastian kemasukan data stokastik dengan menjana data mengikut corak data sedia ada sebanyak 10,000 kali. Kaedah ini dilaksanakan bagi memastikan taburan data lebih signifikan. Teknik Lognormal dan Weibull digunakan untuk menentukan data berada dalam taburan normal. Nilai peratusan dalam taburan akan diwakili oleh fungsi taburan kebarangkalian dan taburan kumulatif dengan mengintegrasikan lengkung frekuensi secara lebih tepat. Fasa pengesanan pula mengunakan kaedah titik ambang penuras Kalman di mana ia dapat mengesan corak api yang mengandungi perubahan melalui kecerunan lengkuk P secara berperingkat. Pada perubahan mendadak dengan pengaruh perubahan daripada parameter H, S, dan T, titik ambang akan dikenal pasti. Kerangka tersebut dikelaskan untuk menentukan kejituan adanya kewujudan api atau tidak secara lebih tepat. Pembelajaran mesin digunakan untuk menyokong parameter P, H, S dan T agar boleh dilaksanakan sebagai parameter untuk mengesan kebakaran secara automatik. Tiga jenis algoritma pengelasan telah dipertimbangkan iaitu Logik Kabur, rangkaian neural buatan (ANN) dan mesin vektor sokongan (SVM). Keputusan menunjukkan ketepatan SVM bagi parameter P adalah 99.36%, bagi H 86.36%, bagi S 82.83% dan bagi T 98.46%. Keputusan ANN bagi parameter P adalah 93.32%, bagi H 89.21%, bagi S 87.14% dan bagi T 85.34%. Kombinasi gabungan sensor dan imej dengan beberapa parameter dilaksanakan dan keputusan terbaik adalah gabungan itu menghasilkan pencapaian terbaik SVM iaitu 93.3%. Secara ringkas, gabungan kaedah pengesanan bingkai menggunakan penuras Kalman dan pengelasan SVM adalah kaedah terbaik bagi mengesan kebakaran secara automatik dengan lebih cepat dan tepat.,Ph.D.
Pages:	142
Publisher:	UKM, Bangi
Appears in Collections:	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.