多判据探测器在火灾探测中的应用.pdf

7 8 煤 矿 机 械 2 0 0 5年第 1 期 文 章编号 1 0 0 3 ． o 7 9 4 2 0 0 5 0 1 ． 0 0 7 8 ． 0 3 多 判 据 探 测 器 在 火 灾 探 测 中 的 应 用 郑艳 玲 。董 爱华 。刘 尚征 河南 理工大 学 ，河 南 焦 作 4 5 4 0 0 0 摘 要 提 出将 串联型模糊神经 网络 应用于火 灾探测 系统， 并且使 用 多传 感 器技 术。首先将 多传感器测得 的 多个信号模糊化后送入神经 网络进行 处理 ， 其模糊 系统 用指派法定义隶属度函数 ， 神 经 网络采 用 3层前馈 B P网络结构 ， 用 B P算法进行 网络参数 的训 练。其 后 由模糊逻辑 判决 火灾 或 非 火 灾 。 关键词 多传感 器， 多判据 ；火灾探测 ；模 糊逻辑 ；神经 网络 ；信 号处理 中图号 T H8 1 2 文献标识码 B 、 1 引 言 传统 的火灾探测报警是根据某种单一 的火灾探 测器所 采集的火灾探 测参 数 ， 采用 阈值法 来判 定火 灾 的。 因此 ， 火灾 信号 的多变性 和探测 器 的固定单 一 性之间 的矛盾使得误报现象十分普遍 。为 了使系 统能够提早并准确报 警 ， 目前 大量 的研究人员 正在 研制智能化 多传感器探测器来取代传统 的单一传感 器来 区别非火灾信号 和真正 的火灾信号。 本 文 采用 了多传感 器 火灾 探测 器 的原理 和性 能 ， 使用多变量分析 方法 和主要成 份分析法 确定模 式识 别过程 中所用的元 素数 目； 利用 3层 B P神经网 络的特点 ， 制定多判据 的规则 ； 利用模糊控制善 于表 达人 的经验性 知识 的特点 和神经 网络具有学习功能 并 能 自动调节 参数的特 点相结合 ； 减少 了探测 时间、 增强了识 别能力。 本 系统 的输入 为多传感 器所测定 的信 号 ， 为充 分提取这 2个信 号 的特征信 息 ， 将它们 经模糊 系统 处理后再送入神 经 网络 ， 其 输 出不是采用 简单 的门 限判决 ， 而是采用模糊逻辑进行判决。 2 多传感器的工作原理 火灾探测能力是火灾信号强度 和传感器灵敏度 的函数。对于一个高 灵敏 度 的探测 器 ， 如果探测 信 号 的强度值与周 围环 境 的噪声值相 近 ， 则会产 生大 量的误 报警 ， 因为非火灾 信号 和电磁信 号 的噪 声可 能超过火灾信号 。其 次 ， 燃烧 产物是燃 烧过程 和燃 烧物 的 函数。 聚苯 乙烯 和汽 油 燃烧 产 物 中 的 C O 体积分数和上升 率相近 ， 而纸张 和木 材就有 显著 的 不 同 ， 再 次 ， C O 的体积分数可 以通 过 区域模型方法 来估计 ， 对 于具有 固定垂直界面的稳定火源 ， 从燃烧 物顶部 到烟层 的高度 ， ． h [ 1 ] 一 寻 1 式 中 房间高度 ； ．i} ， 夹带常数 ； g 热释放率 ； 口 房间的面积 ； n 热释放因子。 烟层 ， c o 2的体积 分数 可 以由具有 恒定 c o 2 量 的稳定火源决定 ， 其值 7 c o lc o 1 q , ／ r m。 A h 。 h ] 2 式 中 Ao , c O 的体积分数 ； 』 D 空气密度 ； 燃烧 因子 ； ． Ah 。 燃烧热 。 将式 I 代入式 2 ， 则 可 以得 到 c o 2体积分 数 和时间的方程 y 岛 ㈥ 将式 3 对 时 间取微 分 ， 则 可 以得 到 c o 2上 升率 的 y c 0 ． -- t 的方程。它是 时间、 燃烧 物和房 间几何形状 的函数 。图 1 给 出了不同燃烧 物对 c o 2 上升率 的影 响。 图 1 不 同燃烧物 对 C O z上升 率的 影响 ．1 T h e i n e r e n g r a t e o t C 0 2 d i f f e r e n t I o l n | n t h i n ot 维普资讯 2 0 0 5年第 1期 多判据探测器在火灾探测 中的应 用郑艳玲 ， 等 7 9 通过 以上 的分析 ， 可 以知道 ， 燃烧物 、 燃烧产物 、 燃烧热 、 热释放量 和 房间 的几何形状 都是 影响信 息 量 的主要 因素 。然 而 ， 对于明火和阴燃火而言 ， 二者 的主要 区别在 于燃烧 产物 中 C O ／ C O比值 。对 于明 火 ， C O ， ／ C O比值 的数量级 为 1 0～1 0 0 0 ， 而 阴燃火 的 这个值一般 为 1 。因此通过 判别燃烧产 物 中 C O 和 C O的体 积分 数 的值 ， 可 以有 效地 区别 明火 和 阴燃 火 ， 从而达到提高识别率 ， 降低误报警 的 目的。 3 信 号的预 处理 及模糊 系统 该系统将 模糊逻辑 系统 的输出作 为神经 网络 的 输入 ， 这是其它火 灾探测 系统均 未采用 过 的处 理方 法 。已有 的神经 网络 的输入量一般是传感 器输 出模 拟量 的特征值 。该系统能够将模糊 系统 的输入量通 过隶属度 函数 的变换 ， 达到 突出输入 量某部 分的 目 的 。 当明火发 生时 ， 温度上 升而烟雾 信号 下 降。要 提取其上升和下 降 的特征 ， 应 该分别 采用偏 大型 和 偏小型柯西分布 。偏大型柯西分布为 f 口 A { _- 7 ．二 0 4 l 十口 一 口 ， L 口0 ， 0 偏 小型柯 西分布为 f 。 A { i _ 0 5 【 口 0 ， 0 通过实验 确 定 偏 大型柯 西 分 布 的参 数 为 n 0 ． 2 ， 口0． 8 ， 0 ． 2 5 ； 偏 小 型柯 西分 布 的参数 为 口0． 2，口 1 0， 0． 5。 其 中对 温度 和烟 雾 的 常规值 无 火 灾 给予 压 缩 ， 而对其有较大 变化部 分 有火 灾 给予扩展 。同 时对 温度和烟雾 的归一化 值用隶 属度 函数 A 进行线性模糊化 ， 那么 由此可 得 4个隶 属度值 ， 将 这 4个隶属度送 入神 经网络 进行处理 ， 能 够突 出信 号变化特征 ， 有利于提早报警时间 ， 减少误报 。 4 B P神经 网络的应用 所谓神经网络系统 是利用 工程技术手段模拟人 脑神经网络的机 构 和功能 的一种技 术系统 ， 神经 网 络对信息 的处 理具 有 自组 织 、 自学 习的特点 。使 之 具有 了模拟人 的形象 思维方 法 ， 这 是与传 统符号 逻 辑 完全不同的一种非逻辑非语 言的方法 。 为了区分 明火 ， 阴燃 火 和其 它非火 源。在试验 过程 中， 使用 了以下几种传感 器 C O探 测器 ， C O ， 探 测器 ， 温度传感器 和烟 密计。如何从 多个 传感器 中 确定 主要 成 份 的数 目是试 验 过程 中的一 个重 要 因 素 。因此 ， 为了确定 系统合适 的主要元素数 目， 必须 寻找一种平衡 ， 即使 主要元素 的数 目最少 ， 又能够达 到一定的精度。通过 大量 的实验分 析 ， 确定 主要 元 素为 C 0 2 、 C O的体积分数和温度 。 由于 C O 和 C O探测 器所测 量 的 C O 和 C O体 积分数会随着外界环境的影 响及 自身的特性 而发生 变化 ， 表现为一个不确定 的量 ， 因此采用传统 的门限 判别方法并 不 能有效 地将 各 种不 同的 燃烧 源 区 分 开 ； 使用 3层 B P神经 网络 输入层 有 3个 节点 ， 分 别 代表 C 0 2 、 C O的体积分数及环境温度值 ， 隐含层 有 7 个节点 ， 输 出层 有 3个节 点 ， 分 别代表 明火概率 ， 阴 燃火概率 和非火源概率。 为了区分不 同的燃烧 源 ， 定 义 了 3个 输 出变 量 y 。 ， y ， y ， ， 并确定判别规则为 如果 y 。 y y ， 1 0 0 ， 则为明火 ； 如果 y 。 y 0 1 0 ， 则为阴燃 火 ； 如果 y 。 y y ， 0 0 1 ， 则为非火源。 为了使神经 网络能够 准确判 断火灾 ， 需要首 先 确定训练模式并对 网络进行 训练 ， 模 式对 由输入 信 号和导师信号构成 ， 它根 据传感 器对 标准试 验 火和 各种实际环境条件下 的信号来确定。根 据这些标 准 试验火和定义 的导 师信号 由明火概 率和 阴燃火 概 率组成 ， 可以确定 出训练模式对 ， 由火 灾判表表示 。 教会一个 3 层前 向神经 网络完成一个特定任 务 的方法步骤如下 1 向网络提供 训练 的离 子 ， 包 括 输入 单元 的 活性模 式和期望 的输 出单元活性模 式 ； 2 确定 网络 的实际输 出与期 望输 出之 间允 许 的误 差 ； 3 改变 网络 中所有 联接 权值 ， 使 网 络产 生 的 输出更接 近于期望 的输 出 ， 直 到满足 确定 的允许 误 差 。 根据上述规则 ， 通过仿真实验可 以看 出 ， 使用多 传感器探测器 ， 所 有的明火都 可以准确识别 ， 阴燃 火 识别 率 8 6 ％ ， 无火 和其他 非火 源 的识 别率 为 7 0 ％ ； 而使 用普通 的光 电烟雾探 测器 和离子 烟雾探 测器 ， 识别 明火 的概率仅 为 9 7 ％ ， 阴燃 火 为 2 5 ％ ， 而无 火 和其他非火源仅 为 2 7 ％ 。 5 系统的模糊逻辑判断 为满足 多元 火灾探测 方法 的需 要 和简化系统 ， 在控制 模 型 中采用 了 2个 输 入 X， AX X、 AX∈ R ， 为这 2个输入各定义 了 3个模糊 集合 。对 于 而言 ， 它们为 A 。 、 A 、 A ， ， 分 别代 表 L 大 、 肼 中 、 5 小 ； 对 于 A X而言 ， 它们为 B。 、 B 、 B ， 分别代表 ， 增加 、 s 平缓 D 减少 。隶属 函数采 用 S S i g ． m o i d 函数 ， 如式 6 和式 7 所示 维普资讯 8 0 煤 矿 机 械 2 0 0 5年第 1 期 文章 编号 1 0 0 3 ． 0 7 9 4 2 0 0 5 0 1 ． 0 0 8 0 ． 0 3 采用振弦 式传感器昀液压测 量仪 孙西 瑞 。于 晓春 。李 英健 1 ． 山东科 技 大学 泰安 校 区 ，山 东 泰安 2 7 1 0 1 9 ；2 ． 山东科 技大 学 青 岛校 区 ，山东 青 岛 2 6 6 5 1 0 摘 要 针 对液压测量仪 的便 携性 能和与微机 的通信性能 ， 提 出了一种基 于 U S B接 口的测量 方案 。 提 高 了与微机 的通信速度 。该仪 器采 用了表 面贴装工 艺， 体积 小、 重量 轻 、 携带方便 ， 并且设 置 了联机工作和脱机工作 2种 工作 方式， 使 用灵活。该仪 器可 用于油 田勘探和煤矿 的水位监 测 ， 具 有 一定的应 用前景。 关键词 振 弦式传感器 ；U S B ；设备驱动程序 中图号 T H 8 1 2 文献标识码 A 1 引言 最初 。 用 于测量振 弦式传感 器输 出频率的测量 仪器 简称测 频仪 多是 只能 测量频率 的简单 仪器 。 测量人 员必须带笔带 纸 ， 随 时记录每 一个传 感器 的 测量值 ， 手工计算 出所对应 的物理量 ， 工作量大。随 f A 3 X 一1 ／ { 1 e x p [ 一w g I W C 1 ] } 1 1 e x p 一 w g 一 X WC ㈤ I 一 ， { [ 一 一 ] } 、 【 A I X 1 ／ { 1 e x p [ 一w g I Xl ∞2 ] } ‘ f B3 AX 一1 ／ { 1 e x p [ 一w g 2 AXl ∞3 ] } 1 I B 2 A X 1 ／ { 1 e x p [ 一w g 2 A X l‘ Ic 3 ] } I 一1 ／ { 1 e x p [ 一w g A X一 。 ] } 【 BI A X 1 ／ { 1e x p [ 一w g 2 AXt ‘ Ic 。 ] } 7 其 中 ， w e是 函数的 中心 ， w g决定 s函数的斜度。 这个模糊 系统 中理论推理规则 的一般形式 “ R i f X i s A i a n d AX i s ，t h e n有 火情 的概率 为 o ％ ” 。系统 中的每一次输人都 可看成模 糊单点 ， 其 模糊推理方法 如下 ．U ．口 A 。 。 为隶属 函数 I 1 a m i n { X ， Ⅸ △ } c 口 ％ 通过 上 面的实验 分析 ， 尽管采用 上述方法 已经 着计算 机 的普 及 ， 出现 了和 P C计算 机 联机 进行 测 量和数据处理的测频系统 ， 大多通过 串 口进行 通信。 随着计 算机 外设 的性 能改 进 ， 出现 了 U S B接 口 ， 其 速度和操作的性能都优 于串 口， 使用 U S B接 口的设 备也在迅速发展 ，U S B将成为设计外设时 的首选总 可 以有效地 区别 各种 不 同火 型 ， 特别 是 明火 和阴燃 火 ； 然而 ， 如果非火灾信号突然产生一个近似火灾 的 信号时 ， 探测 器仍然会产 生大量 的误 报警 。因此 ， 为 了解决这个问题 ， 增 加 阴燃火 和非火 灾 源之 间 的识 别能力 ， 可以使用 瞬时数 据 ， 即利用 C O ，和 C O的上 升率 ， 由于使用 c o ， 上 升率进 行识 别存 在大 量 的误 报警 ， 而 C O上升率被认 为是更加 有效 的方法 ， 非 火 灾源 的 C O上升率 都小 于 0 ． 0 31 0 ～／ s ， 而且人 的呼 吸不会 对 C O的体 积分 数产 生影 响 ， 因此 ， 使用 C O 上升率 可以大 大减少误报警 。 参考 文献 [ 1 ] 赵振宇， 徐用懋． 模糊理论和神经 网络的基础和应用[ M] ． 北京 清 华大学 出版社 ， 1 9 9 6． [ 2 ] 谌红． 模糊数学在国民经济中的应用[ M] ． 武汉 华中理工大学 出 版 社 ， 1 9 9 6 ． [ 3 ] 李世勇． 模糊控制 神经控 制和智 能控制论 [ M ] ． 哈尔滨 哈尔滨 工业大学 出版社 ． 1 9 9 8 ． 作者 简介 郑 艳玲 1 9 7 5一 ， 女 ， 河 南 焦作 人 ， 现 就 读 于河 南 理 工大学 电气系 ， 控 制理论 与控 制工程专 业研 究生 ， 研 究方 向为数 字信 号处理 与过程控 制 ． Em a i l z h e n g y a n l i n g 0 0 0 s i n a ． t o m． 收稿 日期 2 I B - 1 0 - 2 7 M u l t i c r i t e r i a Fi r e De t e c t i o n ZHENG Ya hLi n g，DONG Ai h u a ，LI U S h a n gz h e n g H e n a n P o l y t e c h n i c U n i v e r s i t y 。J i a o z u o 4 5 4 0 0 0。 C h i n a Abs t r a c tA n e u ro f u z z y ne t wo r k a n d t he mu l t i s e n s o r ／ mu l t i e r i t e r i a d e t ec t o r a p p l i e d i n fi r e d e t e c t i o n s y s t e m a r e p r o p o s e d i n t h i s p a p e r 。a n d i n p u t s i g n a l s d e t e c t e d b y mu l t i s e n s o r a r e fi r s t f u z z i fie d and t h e n p r o c e s s e d i n a n e u r a l n e t w o r k。w h i c h i s a f o r wa r d B P n e t w o r k w i f h t h r e e l a y e r s．B P alg o r i t h i S u s ed t o t r a i n n e t wo r k p a r a me t e m．Af t e r t h a t 。fi r e i s d e t e c t ed b y me an s o f f u z z y l o g i c． Ke y w o r d s m u l t i s e n s o d m u l t i e r i t e r i a ； fi re d e t e c t i o n f u z z y l o gic n e u r a l n e t w o r k ；s i gnal p r o c e s s i n g 维普资讯