， ，

(中國船舶重工集團(tuán)公司第七一三研究所，鄭州 450015)

如何靈敏、快速、可靠地探測危險(xiǎn)事故，為采取相應(yīng)的滅火抑爆措施爭取時(shí)間，一直是艦船火災(zāi)探測系統(tǒng)的迫切需求。對于目前在艦船上普遍采用的單點(diǎn)單一信息的探測傳感器，其誤報(bào)率與反應(yīng)速度仍有比較大的提升空間。

除了單一火災(zāi)探測傳感器進(jìn)行監(jiān)測、報(bào)警的局限性，反應(yīng)速度較慢、準(zhǔn)確性偏低等問題外，還在采集的火情參數(shù)方面具有不確定性，隨火災(zāi)特征變化，和受環(huán)境等因素影響等問題，容易引起誤報(bào)警。所以本文將多傳感器數(shù)據(jù)融合的理論引入到艦船火災(zāi)探測系統(tǒng)中，可明顯提高探測系統(tǒng)性能。

1 智能探測模塊

近年來，隨著傳感器、嵌入式和網(wǎng)絡(luò)技術(shù)的發(fā)展，敏感元件日益小型化，集融感知能力、計(jì)算能力和通訊能力于一體的微型傳感器已經(jīng)出現(xiàn)[1]，為基于多傳感器數(shù)據(jù)融合的智能探測模塊的實(shí)現(xiàn)打下基礎(chǔ)。針對艦船艙室發(fā)生安全事故所產(chǎn)生現(xiàn)象的分析，可知環(huán)境變化主要表現(xiàn)在溫度的上升，煙霧、火焰的出現(xiàn)以及壓力的升高等方面。因此，溫度探測器、火焰探測器、煙霧探測器、壓力探測器這4種探測傳感器基本上可以完成艦船發(fā)生安全事故時(shí)的全源信息采集。

每個(gè)智能探測模塊包括了溫度探測、溫度梯度探測、壓力探測、壓力梯度探測、火苗探測、煙霧探測，也可以是其中一種或者任意幾種的組合(不同的艦船艙室，可以采取相應(yīng)的探測組合)，并通過配置通信接口和現(xiàn)場總線，使得多個(gè)智能探測模塊組成探測網(wǎng)絡(luò)，其硬件電路主要包括探測器、數(shù)據(jù)處理單元、單片機(jī)和通信接口單元[2]，見圖1。

圖1 硬件電路

智能探測模塊硬件電路的核心部分為單片機(jī)。各個(gè)探測器將各自測得的信息經(jīng)各自的信號(hào)處理單元輸入單片機(jī)，單片機(jī)采用數(shù)據(jù)融合技術(shù)，對所有數(shù)據(jù)進(jìn)行綜合分析處理，得出當(dāng)前狀態(tài)，并經(jīng)通信接口單元和總線上傳至上位機(jī)，智能探測模塊的流程見圖2。

圖2 智能探測模塊的流程

2 基于數(shù)據(jù)融合的智能探測模塊

艦船火災(zāi)探測系統(tǒng)采用兩級數(shù)據(jù)融合處理的方法。每個(gè)智能探測模塊都有自己的處理器，可在局部對感知的數(shù)據(jù)進(jìn)行初步的融合處理，其本身可對本區(qū)域內(nèi)的溫度、壓力、煙霧、火焰等采集的多種信息進(jìn)行綜合分析、融合處理，得出局部多信息融合結(jié)果并向上位機(jī)傳輸。上位機(jī)為次級數(shù)據(jù)融合處理單元，它綜合處理多點(diǎn)分布的多個(gè)智能探測模塊，不僅擴(kuò)大探測區(qū)域范圍，而且利用多個(gè)探測模塊探測信息進(jìn)行融合處理，可提高信息抽象的準(zhǔn)確性和快速性。

2.1 數(shù)據(jù)融合方法

數(shù)據(jù)融合技術(shù)就是充分利用不同時(shí)間與空間的多傳感器信息資源，采用計(jì)算機(jī)技術(shù)對按時(shí)序獲得的多傳感器觀測信息在一定準(zhǔn)則下加以自動(dòng)分析、綜合、支配和使用，獲得對被測對象的一致性解釋與描述，以完成所需的決策和估計(jì)任務(wù)，使系統(tǒng)獲得比它的各組成部分更優(yōu)越的性能[3]。常用的數(shù)據(jù)融合方法見表1。

表1 數(shù)據(jù)融合常用方法

目前在環(huán)境探測領(lǐng)域內(nèi)，常用貝葉斯估計(jì)、D-S證據(jù)決策、模糊邏輯以及神經(jīng)網(wǎng)絡(luò)等方法。

2.2 火災(zāi)探測的數(shù)據(jù)融合

艦船火災(zāi)探測系統(tǒng)主要是為了發(fā)現(xiàn)危險(xiǎn)事故以及環(huán)境火災(zāi)，這實(shí)際上是一種非結(jié)構(gòu)問題，是一種十分困難的信號(hào)檢測問題。它要求信號(hào)處理算法能適應(yīng)各種環(huán)境的變化，自動(dòng)調(diào)整參數(shù)以達(dá)到既能快速探測火災(zāi)，又要求極低的誤報(bào)率，而且在探測器的安裝位置、人的活動(dòng)和環(huán)境影響都事先無法確定的情況下，無論采用什么樣的固定算法程序都很難滿足要求，而對于這種非結(jié)構(gòu)問題，人的識(shí)別能力最強(qiáng)，人的判斷是由其大腦的神經(jīng)網(wǎng)絡(luò)完成的[4]，因此采用類似人的神經(jīng)網(wǎng)絡(luò)的處理方法應(yīng)用于艦船火災(zāi)探測系統(tǒng)中，采用模糊系統(tǒng)實(shí)現(xiàn)仿人思維推理的功能。

應(yīng)用模糊邏輯與神經(jīng)網(wǎng)絡(luò)相結(jié)合的模糊神經(jīng)網(wǎng)絡(luò)，充分利用兩者的優(yōu)勢，通過對各種已知的或可獲得的信息的處理，獲得更好的系統(tǒng)性能。將輸入的確定性多傳感器信息模糊化為模糊量，對應(yīng)的隸屬度值作為模式輸入，而輸出的模糊信息又經(jīng)過反模糊化成確定性信息。

2.3 模糊神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

智能探測模塊數(shù)據(jù)融合將采用基于神經(jīng)網(wǎng)絡(luò)的模糊控制系統(tǒng)，它在結(jié)構(gòu)上像神經(jīng)網(wǎng)絡(luò)，但在功能上是模糊系統(tǒng)，它用神經(jīng)網(wǎng)絡(luò)來構(gòu)造模糊系統(tǒng)，利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法，根據(jù)輸入輸出樣本來自動(dòng)設(shè)計(jì)和調(diào)整模糊系統(tǒng)的設(shè)計(jì)參數(shù)，實(shí)現(xiàn)模糊系統(tǒng)的自學(xué)習(xí)和自適應(yīng)功能。智能探測模塊模糊神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)見圖3，網(wǎng)絡(luò)共分五層。

圖3 模糊神經(jīng)網(wǎng)絡(luò)的基本結(jié)構(gòu)示意

第一層為輸入層，是經(jīng)過信號(hào)處理單元處理的探測器輸出信號(hào)。其中煙霧信號(hào)、火焰信號(hào)、溫度信號(hào)、壓力信號(hào)來源于對應(yīng)探測器的輸出，而溫度梯度和壓力梯度則是根據(jù)溫度、壓力的輸入及其歷史信息計(jì)算所得，分別記為x1～x6。因?yàn)檩斎牍?jié)點(diǎn)物理量各不相同，數(shù)據(jù)量相差很大，在此對輸入信號(hào)進(jìn)行了歸一化處理，這樣不僅可以防止小數(shù)值被大數(shù)值淹沒，也能防止因相差很大的數(shù)使網(wǎng)絡(luò)校正進(jìn)程緩慢。記第l層輸出為yl，則

yli=xi，i=1，2，…，6

(1)

第二層、第三層為模糊化層，即提取隸屬函數(shù)層。因?yàn)檩斎胱兞枯^多，為了避免整個(gè)網(wǎng)絡(luò)過于龐大，特將各個(gè)輸入變量分為3個(gè)語言變量值，即small(小)、medium(中)、large(大)。

(2)

(3)

(4)

式中：i=1，2，…，6；j=1，2，3。

語言變量small和large的隸屬度函數(shù)采用sigmoid函數(shù)，節(jié)點(diǎn)的輸出范圍在0～1之間，其中的參數(shù)cij的作用是使隸屬度函數(shù)沿水平軸向右移；σij的作用是調(diào)節(jié)隸屬度函數(shù)的形狀，較大的σij使函數(shù)逼近階躍，較小的σij使函數(shù)變得較為平坦。語言變量Medium的隸屬度函數(shù)采用的是高斯函數(shù)，cij和σij分別表示隸屬度函數(shù)的中心和寬度，節(jié)點(diǎn)的輸出范圍在0～1之間，輸入樣本越靠近節(jié)點(diǎn)的中心，輸出越大。將cij、σij等參數(shù)分別賦予到神經(jīng)網(wǎng)絡(luò)第二層、第三層的聯(lián)接權(quán)值中，權(quán)值改變，即隸屬度函數(shù)參數(shù)發(fā)生改變；通過訓(xùn)練樣本調(diào)整權(quán)值，即調(diào)整了該訓(xùn)練樣本下的隸屬度函數(shù)參數(shù)，實(shí)現(xiàn)了模糊變量隸屬度函數(shù)參數(shù)的自動(dòng)生成。

第四層為規(guī)則層。

(5)

m為模糊規(guī)則個(gè)數(shù)即該層的節(jié)點(diǎn)總數(shù)。在本文所設(shè)計(jì)的網(wǎng)絡(luò)中有煙霧、火焰、溫度、溫度變化率、壓力和壓力變化率六個(gè)輸入量，并且采用了三個(gè)語言變量即n=6，mi=3，所以m=36條模糊規(guī)則，數(shù)目太大，如全部采用必將組成非常龐大的網(wǎng)絡(luò)結(jié)構(gòu)，并且其中相當(dāng)大部分規(guī)則是沒必要的或不符合實(shí)際的，在此根據(jù)現(xiàn)有的資料和實(shí)際試驗(yàn)情況總結(jié)出有用的規(guī)則來確定此層的節(jié)點(diǎn)數(shù)?？紤]到煙霧、火焰、溫度、溫度變化率、壓力和壓力變化率等信息的相關(guān)性，并且溫度和溫度變化率與壓力和壓力變化率有諸多的相似性，特別是壓力和壓力變化率的急速變化是一種特有的現(xiàn)象，根據(jù)火災(zāi)發(fā)生的實(shí)際情況，總結(jié)了38條模糊規(guī)則即m=38，該層主要用于完成“與”運(yùn)算，并對輸出進(jìn)行歸一化處理，為解模糊做準(zhǔn)備?！芭c”運(yùn)算為

(6)

式中：k——此層的節(jié)點(diǎn)數(shù)，k=1，2，…，38;

uk——該規(guī)則的隸屬度函數(shù);

n=6。

當(dāng)解出uk的值后，對其再作歸一化處理，為解模糊做準(zhǔn)備。

(7)

第五層為模糊神經(jīng)網(wǎng)絡(luò)輸出層。

所有規(guī)則節(jié)點(diǎn)都通過結(jié)論聯(lián)接線連入到輸出節(jié)點(diǎn)，并被直接解釋成輸出強(qiáng)度，該層的輸出為當(dāng)前火災(zāi)概率。該層實(shí)現(xiàn)的是模糊量的清晰化、解模糊計(jì)算，即單點(diǎn)集的重心法計(jì)算方式。

(8)

網(wǎng)絡(luò)學(xué)習(xí)流程見圖4。

圖4 網(wǎng)絡(luò)學(xué)習(xí)的流程

2.4 網(wǎng)絡(luò)學(xué)習(xí)結(jié)果

選取200組具有代表性的樣本作為輸入，經(jīng)過多次運(yùn)算，得出滿足誤差E<0.001的相關(guān)參數(shù)，網(wǎng)絡(luò)訓(xùn)練完成后，可以得出第二層聯(lián)接權(quán)值參數(shù)C、第三層聯(lián)接權(quán)值參數(shù)σ、第五層聯(lián)接權(quán)值參數(shù)W的網(wǎng)絡(luò)學(xué)習(xí)結(jié)果。

為了驗(yàn)證本模糊神經(jīng)網(wǎng)絡(luò)算法模型在輸入數(shù)據(jù)偏離樣本數(shù)據(jù)時(shí)的正確與否，將80組偏離數(shù)據(jù)作為模糊神經(jīng)網(wǎng)絡(luò)算法模型的輸入，記錄其實(shí)際輸出與期望輸出的誤差，80組樣本的總誤差為0.000 578，誤差在允許的范圍內(nèi)。

2.5 實(shí)際應(yīng)用原理

在本系統(tǒng)中，考慮到網(wǎng)絡(luò)訓(xùn)練必將花費(fèi)一定的時(shí)間，為了提高系統(tǒng)的快速性和可靠性，特將網(wǎng)絡(luò)訓(xùn)練和應(yīng)用分開處理，采用速度較快的PC來進(jìn)行網(wǎng)絡(luò)訓(xùn)練，而實(shí)際應(yīng)用將以單片機(jī)為系統(tǒng)平臺(tái)。應(yīng)用模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行探測的工作原理見圖5。

首先將模糊規(guī)則和隸屬度函數(shù)用神經(jīng)網(wǎng)絡(luò)表現(xiàn)出來，將隸屬度函數(shù)參數(shù)賦予為神經(jīng)網(wǎng)絡(luò)的權(quán)值，生成的神經(jīng)網(wǎng)絡(luò)用于實(shí)現(xiàn)模糊推理。

圖5 基于模糊神經(jīng)網(wǎng)絡(luò)的探測系統(tǒng)工作原理示意

其次利用現(xiàn)場的訓(xùn)練樣本數(shù)據(jù)通過誤差反向傳播算法訓(xùn)練神經(jīng)網(wǎng)絡(luò)，修改神經(jīng)網(wǎng)絡(luò)的權(quán)值即修改了隸屬度函數(shù)的參數(shù)，求得適合于此種現(xiàn)場環(huán)境下各相關(guān)量的隸屬度。

最后從神經(jīng)網(wǎng)絡(luò)中提取修改后的隸屬度函數(shù)和模糊規(guī)則，將這些隸屬度函數(shù)和模糊規(guī)則保存作為此現(xiàn)場環(huán)境下的模糊推理之用。當(dāng)真正的外界實(shí)際探測信號(hào)輸入時(shí)，按照此訓(xùn)練好的模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行計(jì)算，就可得出正確的輸出結(jié)果。

3 結(jié)束語

本文在分析艦船火災(zāi)探測系統(tǒng)特點(diǎn)和性能要

求的基礎(chǔ)上，結(jié)合新型探測技術(shù)、信息處理技術(shù)，應(yīng)用多元信息的互補(bǔ)性，采用模糊神經(jīng)網(wǎng)絡(luò)對溫度、壓力、煙霧、火苗等多元信息進(jìn)行數(shù)據(jù)融合，提高了探測系統(tǒng)的準(zhǔn)確性、可靠性和容錯(cuò)性，降低了誤報(bào)率和漏報(bào)率，詳細(xì)構(gòu)建了模糊神經(jīng)網(wǎng)絡(luò)模型，并進(jìn)行網(wǎng)絡(luò)學(xué)習(xí)，得出聯(lián)接權(quán)值，并對實(shí)際應(yīng)用原理進(jìn)行了探討，可作為艦船火災(zāi)探測系統(tǒng)的探測器配置和軟件算法實(shí)現(xiàn)的應(yīng)用參考。

[1] 景 博，孫 勇，張 劼.信息融合技術(shù)在傳感器網(wǎng)絡(luò)中的應(yīng)用研究[J].國外電子測量技術(shù)，2005(1)：5-10.

[2] 章劍雄，馮 浩.現(xiàn)場總線技術(shù)概述[J].自動(dòng)化與儀表，2002(6)：1-3.

[3] 吳龍標(biāo)，袁宏永.火災(zāi)探測與控制工程[M].合肥：中國科技大學(xué)出版社，1999.

[4] 張吉禮.模糊-神經(jīng)網(wǎng)絡(luò)控制原理與工程應(yīng)用[M].哈爾濱：哈爾濱工業(yè)大學(xué)出版社，2002.