Pembangunan kaedah pengesanan kebakaran menggunakan teknik penuras Kalman

Rostam Salleh (P53425)

Please use this identifier to cite or link to this item: https://ptsldigital.ukm.my/jspui/handle/123456789/487152

Full metadata record

DC Field	Value	Language
dc.contributor.advisor	Sallehudin Mohamed Haris, Prof. Madya. Dr.
dc.contributor.author	Rostam Salleh (P53425)
dc.date.accessioned	2023-10-11T02:29:31Z	-
dc.date.available	2023-10-11T02:29:31Z	-
dc.date.issued	2020-11-25
dc.identifier.other	ukmvital:123445
dc.identifier.uri	https://ptsldigital.ukm.my/jspui/handle/123456789/487152	-
dc.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.
dc.language.iso	may
dc.publisher	UKM, Bangi
dc.relation	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina
dc.rights	UKM
dc.subject	Universiti Kebangsaan Malaysia -- Dissertations
dc.subject	Dissertations, Academic -- Malaysia
dc.subject	Pengesanan kebakaran
dc.subject	Teknik penuras
dc.title	Pembangunan kaedah pengesanan kebakaran menggunakan teknik penuras Kalman
dc.type	Theses
dc.format.pages	142
dc.identifier.barcode	005731(2021)(PL2)
Appears in Collections:	Faculty of Engineering and Built Environment / Fakulti Kejuruteraan dan Alam Bina

Files in This Item:

File	Description	Size	Format
ukmvital_123445+SOURCE1+SOURCE1.0.PDF Restricted Access		4.25 MB	Adobe PDF	View/Open

Show simple item record Recommend this item