本科毕业设计（论文）C-均值聚类在模拟电动消防车系统中的应用.docVIP

C-均值聚类在模拟电动消防车系统中的应用 摘要聚类分析是一种无监督的学习方法是数据挖掘领域进行数据处理的重要分析工具和方法。聚类的目标是把一个无类别标记的数据集按某种准则划分成不同的类使得同一类中数据尽可能相似而不同类间数据相似性尽可能小。聚类在商业、金融、图像处理、信息检索等领域都得到了有效的应用。C-均值聚类算法是一种典型的基于划分的方法。该方法的主要优点是算法思想简单易行、快速而高效但是该方法也存在其固有的缺陷要求预先给定聚类个数容易陷入局部极小值而得不到全局最优解初始中心的选择对聚类结果有很大影响对孤立点和噪声比较敏感等。将聚类算法在模拟电动消防车系统中关键词，聚类 图1 消防场地示意图 本文所设计的电动消防车采用Atmel公司的AVRMega16单片机作为检测和控制的核心，实现电动车消防车的智能控制，包括路面寻线、火源检测、智能避障、路程测量、智能灭火、数码管显示、语音报警等功能。寻线方式采用反射式光电传感器感知与地面颜色有较大差别的引导线，障碍物判断采用集成红外传感器，火源探测利用红外传感器加比较器。驱动电机采用直流电机，电机控制方式为PWM控制。实现的功能是：从安全区出发，自动检测火源并选择路线灭火，遇到障碍物能够实现智能躲避，三个火源均完全灭掉后按最短路径回到安全区。在此过程中遇到不同情况会用不同声音报警，并显示灭火数目和小车的路程。 2方法描述 本文介绍了电动消防车在完成任务过程中，利用模式识别中的方法：最短路径识别、障碍物的避障识别、根据滤波C均值算法准确探知火源准确的位置、基于最小错误率决策成功判别阳光与火源红外线等，最终决策利用最近邻法来决定消防车的灭火决定，框架图如图2所示(文章没有具体介绍整个过程的设计思想)。还有更好的办法解决以上问题比如histogram intersection或者diffusion distance,以及利用图像处理方法[-4]等，本文不详述。 图 框架 2.1 数据采集 数据的采集需要用到各种相应的传感器。路径识别，障碍物的躲避，火源的寻找都是利用有效的传感器来采集相应的数据，从而进一步的利用这些数据?来决策消防车的最终动作。 电动消防车最终的目的是扑灭火源，因此火焰传感器的选取是很重要的一部分。火焰检测有温度传感器、烟雾传感器、红外传感器、紫外传感器以及CCD图像传感器等。综合论证了这几种传感器，制定了如下几种方案。? 方案一：用烟雾传感器。烟雾传感器广泛应用与火警检测。但是由于此题目的火源是用蜡烛模拟的，没有太大的烟雾，因此用烟雾传感器作为此小型电动车的火焰传感器也不够实用，因此放弃了此方案。? 方案二：用紫外传感器检测火焰。紫外火焰传感器主要应用于火灾消防系统，尤其是一些易燃易爆场所，用来监测火焰的产生。紫外线火焰传感器的灵敏度高，相应速度快，抗干扰能力强，对明火特别敏感，能对火灾立即作出反应。但是紫外传感器检测的范围太大，不适用于本系统。? 方案三：用CCD图像传感器。用CCD图像传感器可以检测各种被检测量，适用于各种量的检测。但是用CCD图像传感器需要处理的信号量太大，且体积较大，适用于研究性系统的选择，不适用于本系统。? 方案四：用远红外传感器安装在小车前方和侧面。经试验验证，远红外火焰传感器检测距离远，检测准确，且体积较小。很适用于本题目的要求。? 综上，我们选择了方案四。 以上各传感器的数据采集都是利用AVR单片机的定时器中断每隔20ms采集一次数据，利用队列存储数据。 数据采集存储入队和数据利用出队的两个关键函数。 /**************************************************************** * *函数名称：unsigned char EnQueue(QUEUE* Que,datatype word) * *功能描述：数据入队函数 （写） * *输入参数：(QUEUE* Que,datatype word) * *输出数据：0：代表队列已满，1代表写数据成功 * *调用方式：EnQueue(example_queue_name,datatype_word); * *额外说明：返回1写入成功，返回0表示队列已满 * *注意事项：datatype_word可以是任何函数返回的datatype数值 ****************************************************************/ unsigned char EnQueue(QUEUE* Que,datatype word) { if((Que-rear+1)%QUEUELENGTH == Que-front) { return (FULL);//队列满#define FULL 0 }