梁燕華+張傳斌

摘 要 傳統(tǒng)火災(zāi)的火災(zāi)預(yù)警系統(tǒng)是基于單一傳感器參數(shù)進(jìn)行監(jiān)測(cè)，從而使火災(zāi)的誤報(bào)、漏報(bào)的問(wèn)題越來(lái)越突出。為了減少這種情況的發(fā)生，利用BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法把幾個(gè)體現(xiàn)火災(zāi)特征的參數(shù)數(shù)據(jù)進(jìn)行相關(guān)組合，進(jìn)而全面和精確地判斷火災(zāi)是否發(fā)生，有效地降低誤報(bào)率。

關(guān)鍵詞 BP神經(jīng)網(wǎng)絡(luò)；數(shù)據(jù)融合；火災(zāi)預(yù)警

中圖分類號(hào) TP3 文獻(xiàn)標(biāo)識(shí)碼 A 文章編號(hào) 1674-6708（2017）181-0011-02

火災(zāi)的發(fā)生是一個(gè)綜合現(xiàn)象，包括溫升、煙霧和氣體濃度變化等等，單一類型傳感器火災(zāi)監(jiān)測(cè)已不能滿足人們的需求，所以數(shù)據(jù)融合理論就應(yīng)用在火災(zāi)監(jiān)測(cè)領(lǐng)域。數(shù)據(jù)融合理論不是把表示火災(zāi)特征的幾個(gè)參數(shù)（溫度、煙霧、CO）進(jìn)行隨機(jī)組合，而是把這些參數(shù)的模擬量轉(zhuǎn)換為數(shù)字信號(hào)送到火災(zāi)控制系統(tǒng)中利用數(shù)據(jù)融合理論算法進(jìn)行判斷是否發(fā)生火災(zāi)。本文將采用BP神經(jīng)網(wǎng)絡(luò)算法用于多傳感器信息的融合，應(yīng)用更新迭代校正不同傳感元件的網(wǎng)絡(luò)權(quán)值系數(shù)，獲得經(jīng)過(guò)的融合計(jì)算后的判定結(jié)論，可以快速、及時(shí)、準(zhǔn)確預(yù)警火災(zāi)是否發(fā)生，進(jìn)而減少了因火災(zāi)引起的經(jīng)濟(jì)損失，具有十分重要的現(xiàn)實(shí)意義。

1 火災(zāi)監(jiān)測(cè)技術(shù)

1.1 火災(zāi)監(jiān)測(cè)系統(tǒng)的組成

火災(zāi)監(jiān)測(cè)系統(tǒng)是由火災(zāi)探測(cè)器和火災(zāi)報(bào)警控制系統(tǒng)兩部分組成?；馂?zāi)探測(cè)器主要作用是多傳感器信息采集及數(shù)據(jù)處理?；馂?zāi)報(bào)警控制系統(tǒng)的主要作用是接收火災(zāi)探測(cè)器處理后的信息，并判斷火災(zāi)是否發(fā)生，反饋給工作人員。

1.2 火災(zāi)監(jiān)測(cè)技術(shù)的工作原理

火災(zāi)發(fā)生發(fā)展的過(guò)程與周邊的環(huán)境密切相關(guān)，在火災(zāi)發(fā)展的過(guò)程中火災(zāi)特征參數(shù)（溫度、煙霧和CO濃度等）產(chǎn)生不同程度的變化，火災(zāi)監(jiān)測(cè)技術(shù)就是根據(jù)這些特征參數(shù)的變化利用相關(guān)的傳感器將表征這些參數(shù)的物理量（模擬信號(hào)）轉(zhuǎn)化為電信號(hào)（數(shù)字信號(hào)），再通過(guò)火災(zāi)監(jiān)測(cè)算法（本文采用BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合算法）對(duì)數(shù)據(jù)進(jìn)行處理，得出結(jié)論并判斷火災(zāi)是否發(fā)生。

2 BP神經(jīng)網(wǎng)絡(luò)模型

本文所采用的BP神經(jīng)網(wǎng)絡(luò)模型，通過(guò)網(wǎng)絡(luò)模型綜合運(yùn)算以及歸一化運(yùn)算過(guò)的3個(gè)檢測(cè)參數(shù)數(shù)值（溫度、煙霧、CO濃度）當(dāng)作數(shù)據(jù)融合中心的3個(gè)輸入變量；把火災(zāi)劃分成明火、陰燃以及無(wú)火3類情形，它們各自發(fā)生的概率值作為數(shù)據(jù)融合中心的3個(gè)輸出變量。具體結(jié)構(gòu)如圖1所示。

BP神經(jīng)網(wǎng)絡(luò)算法本質(zhì)就是計(jì)算誤差函數(shù)的最小數(shù)。它使用非線性計(jì)劃中的梯度下降學(xué)習(xí)規(guī)則，依據(jù)誤差函數(shù)的反梯度方向校正網(wǎng)絡(luò)層的權(quán)系數(shù)。

3 結(jié)果與仿真對(duì)比

對(duì)所研究算法進(jìn)行仿真測(cè)試，采用的火災(zāi)探測(cè)器，是使用現(xiàn)場(chǎng)檢測(cè)裝置，通過(guò)使用溫度傳感元件、煙霧濃度傳感元件和CO濃度傳感元件各自檢測(cè)收集監(jiān)測(cè)對(duì)象火災(zāi)現(xiàn)場(chǎng)的溫度值、煙霧濃度和CO濃度信息。把這些收集的數(shù)據(jù)信息通過(guò)多傳感器信息融合算法計(jì)算得到實(shí)際火災(zāi)發(fā)生的概率，判定監(jiān)測(cè)對(duì)象是否存在火災(zāi)產(chǎn)生，再向火災(zāi)預(yù)警控制系統(tǒng)發(fā)出指令，控制系統(tǒng)的屏幕上將出現(xiàn)經(jīng)算法判斷后的結(jié)論，工作人員依據(jù)此結(jié)論進(jìn)行下一步工作。

在模擬監(jiān)測(cè)對(duì)象明火環(huán)境中，溫度在3個(gè)火災(zāi)特征參數(shù)中數(shù)值最大并變化程度比較小，數(shù)據(jù)變動(dòng)較小并趨于平穩(wěn)，溫度參數(shù)為驗(yàn)證是否產(chǎn)生明火的最核心參數(shù)；煙霧濃度數(shù)據(jù)值比較低并變動(dòng)程度小，數(shù)據(jù)變動(dòng)很小并趨向平穩(wěn)；CO濃度數(shù)據(jù)變化程度比較大。在模擬監(jiān)測(cè)對(duì)象火災(zāi)陰燃環(huán)境下，溫度是這3種火災(zāi)特征參數(shù)中的數(shù)值比較小并變化很??；煙霧濃度參數(shù)變動(dòng)波動(dòng)比較大，表現(xiàn)出快速地上升的走向，煙霧濃度參數(shù)是檢驗(yàn)是否是陰燃火災(zāi)的主要參考參數(shù)；CO濃度參數(shù)在這3種火災(zāi)特征參數(shù)中數(shù)值最大，數(shù)據(jù)變動(dòng)幅度相對(duì)平穩(wěn)，CO濃度參數(shù)是判斷陰燃火災(zāi)的根本性參考參數(shù)。在模擬監(jiān)測(cè)對(duì)象沒(méi)有發(fā)生火災(zāi)的環(huán)境下，溫度、煙霧、CO濃度的數(shù)值都相對(duì)較低，而且參數(shù)數(shù)據(jù)變化比較緩慢，相較于火災(zāi)的明火環(huán)境與陰燃環(huán)境下的火災(zāi)特征參數(shù)，在火災(zāi)的無(wú)火環(huán)境下火災(zāi)特征參數(shù)數(shù)據(jù)變動(dòng)較為平穩(wěn)。

在模擬監(jiān)測(cè)對(duì)象火災(zāi)環(huán)境下取得的仿真測(cè)試數(shù)據(jù)樣本，將測(cè)試樣本數(shù)據(jù)通過(guò)火災(zāi)預(yù)警網(wǎng)絡(luò)算法計(jì)算出火災(zāi)發(fā)生實(shí)際概率數(shù)值，再與火災(zāi)試驗(yàn)期望概率數(shù)值進(jìn)行對(duì)比，判斷基于多傳感器數(shù)據(jù)融合的火災(zāi)預(yù)警算法的有效性與準(zhǔn)確性。利用BP神經(jīng)網(wǎng)絡(luò)模型，計(jì)算出實(shí)際火災(zāi)發(fā)生的概率。結(jié)果如圖2～圖4所示。

圖2為監(jiān)測(cè)對(duì)象的明火環(huán)境下火災(zāi)產(chǎn)生期望概率輸出值與計(jì)算得出的火災(zāi)產(chǎn)生實(shí)際概率輸出值的比較圖，依據(jù)圖2可知，監(jiān)測(cè)對(duì)象處于火災(zāi)的明火環(huán)境，火災(zāi)產(chǎn)生的概率輸出值較高，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)產(chǎn)生實(shí)際概率輸出值十分近似相等，系統(tǒng)誤差值很小，精確度高，可以精確有效地判定明火火災(zāi)。

圖3為陰燃環(huán)境中火災(zāi)發(fā)生期望概率值與計(jì)算得出的火災(zāi)發(fā)生實(shí)際概率值的比較圖，依據(jù)圖3可以看出，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)發(fā)生實(shí)際概率輸出值十分近似相等。它說(shuō)明了在監(jiān)測(cè)對(duì)象火災(zāi)的陰燃環(huán)境下，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)產(chǎn)生實(shí)際概率輸出值的曲線近似重合，誤差值很小，效果明顯，火災(zāi)預(yù)警網(wǎng)絡(luò)算法能夠快速富有成效地判別監(jiān)測(cè)對(duì)象是否產(chǎn)生的是陰燃火災(zāi)，達(dá)到火災(zāi)初期預(yù)警的目標(biāo)。

圖4表示在監(jiān)測(cè)對(duì)象的沒(méi)有發(fā)生火災(zāi)環(huán)境下火災(zāi)產(chǎn)生期望概率輸出值和計(jì)算得出的火災(zāi)產(chǎn)生實(shí)際概率輸出值的對(duì)比圖，依據(jù)圖3可以了解，在監(jiān)測(cè)對(duì)象的沒(méi)有發(fā)生火災(zāi)環(huán)境下，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的火災(zāi)產(chǎn)生期望概率輸出值與火災(zāi)產(chǎn)生實(shí)際概率輸出值的曲線近似重合，兩條曲線基本重合，火災(zāi)預(yù)警網(wǎng)絡(luò)算法的實(shí)際概率輸出值和期望概率輸出值之間的誤差值很小，說(shuō)明了火災(zāi)預(yù)警網(wǎng)絡(luò)算法有非常高的監(jiān)測(cè)準(zhǔn)確度，可以有效辨別監(jiān)測(cè)對(duì)象沒(méi)有發(fā)生火災(zāi)情形。

4 結(jié)論

火災(zāi)預(yù)警網(wǎng)絡(luò)算法將在3種火災(zāi)環(huán)境下傳感器系統(tǒng)收集到的測(cè)試樣本數(shù)據(jù)做了記憶和處理并進(jìn)行了歸一化計(jì)算，然后用仿真曲線圖直觀地分析了這些參數(shù)數(shù)據(jù)（溫度、煙霧、CO）在火災(zāi)不同階段環(huán)境的變化趨勢(shì)。經(jīng)過(guò)基于BP神經(jīng)網(wǎng)絡(luò)融合算法進(jìn)行運(yùn)算，獲得了在模擬火災(zāi)的3類環(huán)境下火災(zāi)的實(shí)際發(fā)生概率輸出值，然后和對(duì)應(yīng)的火災(zāi)的期望輸出概率輸出值進(jìn)行對(duì)比和解析，仿真出火災(zāi)實(shí)際概率輸出值與期望概率輸出值的曲線對(duì)比圖。曲線對(duì)比圖說(shuō)明火災(zāi)預(yù)警網(wǎng)絡(luò)模型的實(shí)際概率輸出值與期望概率輸出值之間的誤差值很小，此算法的準(zhǔn)確性高，對(duì)監(jiān)測(cè)對(duì)象發(fā)生火災(zāi)狀況可以實(shí)時(shí)迅速地預(yù)警及報(bào)告，提升了火災(zāi)預(yù)警的精確度，有效地降低了漏報(bào)率及誤報(bào)率。

參考文獻(xiàn)

[1]樊雷松，強(qiáng)彥，趙涓涓，等.無(wú)線傳感網(wǎng)絡(luò)中基于BP神經(jīng)網(wǎng)絡(luò)的數(shù)據(jù)融合方法[J].自動(dòng)化儀表，2014（1）：62-66.

[2]李光，張鐵壁.多傳感器數(shù)據(jù)融合技術(shù)在火災(zāi)報(bào)警中的應(yīng)用[J].河北工業(yè)大學(xué)學(xué)報(bào)，2010，39（4）：35-38.

[3]康耀紅.數(shù)據(jù)融合理論及應(yīng)用[M].2版.西安：西安電子科技大學(xué)出版社，2006.