吳金華

（江西應(yīng)用技術(shù)職業(yè)學(xué)院，江西贛州 341000）

0 引言

在當(dāng)代社會(huì)中，隨著科技和經(jīng)濟(jì)的不斷發(fā)展，人口的相對(duì)集中主要體現(xiàn)在一些商業(yè)區(qū)、住宅區(qū)以及校園區(qū)等等，這就加大了火災(zāi)危害的程度。如果人們能在火災(zāi)初期就能及時(shí)發(fā)現(xiàn)并且將其迅速撲滅，那么就能夠使火災(zāi)的損失降到最低。本文就火災(zāi)預(yù)警系統(tǒng)模型進(jìn)行了整合。

1 多傳感器信息融合系統(tǒng)總體結(jié)構(gòu)

圖1 多傳感器信息融合系統(tǒng)總體結(jié)構(gòu)圖

從圖1可以看出，本系統(tǒng)采用的是三層融合系統(tǒng)，即像素層、特征層和決策層[1]。各個(gè)層次完成的主要任務(wù)如下:（1）像素層，最主要是負(fù)責(zé)完成探測(cè)器探測(cè)到的初始數(shù)據(jù)的采集和預(yù)處理；（2）特征層，將像素層經(jīng)過(guò)處理的特征并行利用信息神經(jīng)網(wǎng)絡(luò)技術(shù)和模糊變換理論進(jìn)行一定的融合，從而實(shí)現(xiàn)非火災(zāi)源、陰燃火、明火以及火災(zāi)概率的識(shí)別；（3）決策層，通過(guò)對(duì)特征信息得到不同火災(zāi)情況的概率分析，再利用適當(dāng)?shù)娜诤霞夹g(shù)和模糊邏輯推理技術(shù)得到最終決策結(jié)果。

2 火災(zāi)探測(cè)系統(tǒng)模型算法流程圖

圖2為火災(zāi)探測(cè)系統(tǒng)模型算法流程圖?；馂?zāi)探測(cè)器探測(cè)到的基本數(shù)據(jù)開(kāi)始時(shí)要在像素層中做適當(dāng)?shù)念A(yù)處理，提取這些不同類型的特征參量[2]；其次特征層要把這些有用的特征信息置入特征融合器進(jìn)行融合從而獲得該層的融合結(jié)果；最后決策層把這些結(jié)果結(jié)合輔助信息進(jìn)行一定的融合并通過(guò)模糊邏輯推理得到正確的決策輸出結(jié)果。綜上所述，多傳感器信息融合技術(shù)的火災(zāi)探測(cè)系統(tǒng)的基本思路就是將這些原始信息由信息低層向信息高層進(jìn)行逐層融合得到最終的結(jié)果[3]。

圖2 火災(zāi)探測(cè)系統(tǒng)模型算法流程圖

圖3 為探測(cè)系統(tǒng)決策原理，其中X1、X2和X3分別代表經(jīng)過(guò)局部處理過(guò)后的CO氣體、溫度大小和煙霧濃度，把這三個(gè)火災(zāi)特征參量在同一時(shí)間段里分別傳到BP網(wǎng)絡(luò)和模糊變換兩種不同的特征融合器進(jìn)行特征融合[3]，從而能夠得到三種不同的融合結(jié)果明火概率Y1、陰燃火概率Y2、非火災(zāi)源概率Y3和火災(zāi)概率Z，為后續(xù)決策層提供更全面的輸入信息，

最終得出更加準(zhǔn)確的決策結(jié)果[4]。

圖3 探測(cè)決策原理圖

3 BP算法流程圖

本文運(yùn)用了BP神經(jīng)網(wǎng)絡(luò)，將其作為其中之一的特征融合器，圖4為BP算法流程，它的主要運(yùn)作模式就是通過(guò)現(xiàn)場(chǎng)中已經(jīng)發(fā)生過(guò)的火災(zāi)數(shù)據(jù)來(lái)進(jìn)行網(wǎng)絡(luò)的學(xué)習(xí)并且訓(xùn)練，在訓(xùn)練過(guò)程中該網(wǎng)絡(luò)改變其權(quán)值，直到權(quán)值矩陣符合該網(wǎng)絡(luò)的要求才算真正完成系統(tǒng)要求的任務(wù)，

然后才可以把這個(gè)網(wǎng)絡(luò)進(jìn)行泛化，實(shí)現(xiàn)人工智能的目的[5]。

4 結(jié)束語(yǔ)

本文結(jié)合火災(zāi)探測(cè)技術(shù)的基本特點(diǎn)，建立起基于多傳感器信息融合的火災(zāi)探測(cè)系統(tǒng)的模型。整個(gè)系統(tǒng)的探測(cè)算法分為三層，即像素層、特征層和決策層。在像素層中，探測(cè)器對(duì)CO氣體、溫度、煙霧等特征參數(shù)進(jìn)行數(shù)據(jù)采集和預(yù)處理[6]；在特征層中，將像素層中得到的信息利用BP神經(jīng)網(wǎng)絡(luò)和模糊變換進(jìn)行融合，實(shí)現(xiàn)目標(biāo)對(duì)象特征非火災(zāi)源概率、陰燃火概率、明火概率以及火災(zāi)概率的識(shí)別，為決策層提供直接性判據(jù)和間接性判據(jù)[7]；在決策層中，根據(jù)特征層提供的信息進(jìn)行判斷分析，當(dāng)特征層提供的信息可以判定火災(zāi)情況，則直接輸出，反之，則利用融合技術(shù)和推理判斷技術(shù)把像素層的數(shù)據(jù)再次進(jìn)行融合得到?jīng)Q策結(jié)果。

圖4 BP算法流程圖

［1］王耀南，李樹(shù)濤.多傳感器信息融合及其應(yīng)用綜述［J］.控制與決策，2001，16（5）：518-522.

［2］張兢.基于多通道自適應(yīng)加權(quán)融合算法的火災(zāi)特征識(shí)別［J］.國(guó)外電子測(cè)量技術(shù)，2006，25（1）：31-34.

［3］王曄.多方面監(jiān)測(cè)火災(zāi)特征以區(qū)分火災(zāi)探測(cè)［J］.消防技術(shù)與產(chǎn)品信息，2001（4）：46-52.

［4］袁宏永，蘇國(guó)鋒，李英.高大空間火災(zāi)探測(cè)及滅火新技術(shù)［J］.消防技術(shù)與產(chǎn)品信息，2003，10：71-72.

［5］張兢，路彥和，雷剛.基于多傳感器數(shù)據(jù)融合的智能火災(zāi)預(yù)警系統(tǒng)［J］.計(jì)算機(jī)工程與應(yīng)用，2006（6）：206-208.

［6］吳龍標(biāo)，袁宏永.火災(zāi)探測(cè)與控制工程［M］.合肥：中國(guó)科學(xué)技術(shù)大學(xué)出版社，1999.

［7］王殊，楊宗凱，何建華.神經(jīng)網(wǎng)絡(luò)模糊推理系統(tǒng)在火災(zāi)探測(cè)中的應(yīng)用［J］.數(shù)據(jù)采集與處理，1998，13（2）：53-57.