張永剛，張璽，劉杰，孫騫

(中國船舶重工集團(tuán)公司第七二六研究所，上海 201108)

?

艦船多參量火災(zāi)探測技術(shù)方案

張永剛，張璽，劉杰，孫騫

(中國船舶重工集團(tuán)公司第七二六研究所，上海 201108)

針對(duì)艦船火災(zāi)特點(diǎn)，采用多參量(煙霧體積濃度、溫度、一氧化碳體積濃度)信息融合技術(shù)，對(duì)多種火災(zāi)特征參量進(jìn)行綜合分析處理，建立艦船復(fù)雜環(huán)境下的火災(zāi)探測方案，可有效提高火災(zāi)探測準(zhǔn)確度、降低火災(zāi)誤報(bào)率。

艦船消防；多參量；信息融合；火災(zāi)探測系統(tǒng)

為了提高火災(zāi)早期探測精確度，現(xiàn)役艦船的火災(zāi)報(bào)警系統(tǒng)一般采用多種探測器組合式探測方案，主要采用煙霧探測器，溫度探測器、火焰探測器、可燃?xì)怏w探測器作為輔助，聯(lián)合監(jiān)測現(xiàn)場環(huán)境變化。該方案很大程度上依賴所選取的探測器自身的探測能力和現(xiàn)場多種探測器的配置、覆蓋情況。

為了滿足早期探測需求，往往選取高質(zhì)量、高精度的探測器，并進(jìn)行多層次覆蓋安裝，提取每個(gè)探測器的信息進(jìn)行實(shí)時(shí)監(jiān)測，出現(xiàn)異常時(shí)才會(huì)安排船員進(jìn)行現(xiàn)場勘測，確認(rèn)火情。這種多元探測器組合監(jiān)測的方式雖然規(guī)避了空間內(nèi)的探測盲區(qū)，可以采集到任意地方的火情信息，獲得了火災(zāi)探測的高可靠性。但從技術(shù)角度上分析，該方式依舊局限于單一火災(zāi)探測信息判斷是否有火災(zāi)隱患，僅依靠增加探測器的數(shù)量來提高探測準(zhǔn)確性和可靠性是不夠的，結(jié)合國外探測技術(shù)研究成果，更好的早期探測方案是使探測系統(tǒng)克服單一探測器探測劣勢，融合多個(gè)探測器的參量信息，對(duì)火情狀態(tài)做出快速、準(zhǔn)確的判斷。

多傳感器信息融合的核心是指將來自多個(gè)傳感器的參量進(jìn)行多級(jí)別、多方面、多層次的處理，從而得出更為準(zhǔn)確、可靠的結(jié)論，而這種結(jié)論是任何一種單一傳感器所無法獲得的[1-2]。因此，考慮針對(duì)艦船火災(zāi)探測系統(tǒng)的特點(diǎn)，提出一種多參量火災(zāi)探測技術(shù)方案。建立多元火災(zāi)特征參量綜合分析判斷環(huán)節(jié)，形成多參量火災(zāi)探測方案，從而減少由單個(gè)火災(zāi)特征參量導(dǎo)致的漏報(bào)、誤報(bào)，提高火災(zāi)報(bào)警系統(tǒng)的準(zhǔn)確性、及時(shí)性。

1 火災(zāi)探測系統(tǒng)總體結(jié)構(gòu)

依據(jù)多傳感器信息融合概念，多探測器是采用信息融合技術(shù)的基礎(chǔ)，探測器監(jiān)測到的參數(shù)是信息融合技術(shù)處理的對(duì)象，而綜合處理的算法就是信息融合的核心，探測的準(zhǔn)確度依賴于算法的設(shè)計(jì)。信息融合有多種分類方式，其中最為經(jīng)典常見的方式就是按照處理層次和級(jí)別進(jìn)行分類，可以將信息融合的過程抽象為3層：信息層融合、特征層融合、決策層融合[3]，在此基礎(chǔ)上，結(jié)合火災(zāi)探測中的實(shí)際應(yīng)用情況，將火災(zāi)探測器系統(tǒng)信息處理過程劃分為3個(gè)階段：參量采集階段、參量融合階段、決策輸出階段。其中信息層融合和特征層融合都?xì)w類于參量融合階段，同時(shí)采用分散型的信息融合系統(tǒng)結(jié)構(gòu)，該結(jié)構(gòu)對(duì)信道要求較低，信息的計(jì)算分配均衡，對(duì)硬件的要求較低，能夠保證該方案的可實(shí)施性。

多參量火災(zāi)探測方案總體結(jié)構(gòu)見圖1。

1)參量采集階段。該階段主要是對(duì)探測器參量的采集過程，根據(jù)現(xiàn)場情況盡可能多的收集探測器參量，作為信息融合的基礎(chǔ)參量集合。但在探測器種類、規(guī)格的選取上，需要根據(jù)艦船探測場所的環(huán)境和要求，選用合適種類、數(shù)量的探測器組合，這是火災(zāi)探測技術(shù)中尤為重要的一個(gè)環(huán)節(jié)。

2)參量融合階段。在參量采集階段中采集到的探測器參量，在種類和形式上有很大的區(qū)別，這就需要進(jìn)行參量預(yù)處理(包括歸一化、限幅、環(huán)境補(bǔ)償、校準(zhǔn)及預(yù)判等)，也就是進(jìn)行底層的局部決策處理，即信息層融合工作，當(dāng)把這些層次不一的參量處理為統(tǒng)一的表達(dá)形式后，才能完成數(shù)據(jù)配準(zhǔn)[4]；如果參量超出閾值，出現(xiàn)異常時(shí)，特征層將對(duì)信息層歸一化后的參量進(jìn)行特征提取，采用信息融合算法開始特征層的信息融合，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)決策輸出階段。該階段利用參量融合階段得到的不同火災(zāi)狀態(tài)概率的數(shù)據(jù)，結(jié)合其他輔助信息，采用模糊邏輯推理技術(shù)得到最終決策結(jié)果，判斷出探測現(xiàn)場的火情。

2 火災(zāi)探測方案

2.1 選取艦船火災(zāi)特征參量

由火災(zāi)燃燒時(shí)的狀態(tài)分析可知，燃燒過程可以簡單分為早期、陰燃、明火3個(gè)階段。火焰的形狀，燃燒產(chǎn)生的氣體產(chǎn)物、溫度、輻射都能作為火災(zāi)探測的特征，火災(zāi)的特征在不同的環(huán)境中呈現(xiàn)出不一樣的特點(diǎn)。從圖2中可以看出，艦船火災(zāi)在早期階段火勢發(fā)展速度較慢，而發(fā)展到陰燃階段，火勢發(fā)展迅速，相較于普通建筑中的火勢更劇烈，難以控制。在火災(zāi)各個(gè)階段的產(chǎn)物比例的有所不同，火災(zāi)早期，各類易燃物質(zhì)燃燒不充分，但會(huì)釋放大量氣體(CO、CO2等)，溫度和煙霧較少；陰燃階段則產(chǎn)生大量煙霧，可燃?xì)怏w含量開始上升，溫度基本恒定；明火階段則向外輻射熱量，環(huán)境溫度迅速上升，可燃?xì)怏w濃度緩慢上升。

傳統(tǒng)火災(zāi)探測采用溫度和煙霧體積濃度作為判斷火情的參量，能夠有效探測到火災(zāi)的發(fā)生，但基于以上的燃燒產(chǎn)物的變化情況的分析，在真實(shí)火災(zāi)場景中這2個(gè)參量存在局限性，煙霧體積濃度報(bào)警受到外界的環(huán)境變化影響較大，誤報(bào)率較高，而溫度在陰燃階段趨于平穩(wěn)，表現(xiàn)不明顯，不能及時(shí)反應(yīng)火情變化。按歐洲標(biāo)準(zhǔn)試驗(yàn)，對(duì)著火前后一氧化碳體積濃度的監(jiān)測發(fā)現(xiàn)，一氧化碳濃度對(duì)于火情的判斷有著一定的優(yōu)勢，首先是日產(chǎn)生活中，空氣中的一氧化碳?xì)怏w含量較低，在10×10-6(mL/m3)左右，不會(huì)影響探測器的判斷；另外，一氧化碳在封閉空間中擴(kuò)散速度慢，導(dǎo)致區(qū)域內(nèi)的一氧化碳含量急劇上升，含量過高還會(huì)威脅到生命安全。

因此，煙霧體積濃度、溫度和一氧化碳體積濃度是可以評(píng)價(jià)火情的重要參量，選擇這3個(gè)參數(shù)開展對(duì)融合探測方法的研究。也有國外相關(guān)研究數(shù)據(jù)表明，合理的火災(zāi)特征參量集合可以提高探測水平[5]。為了準(zhǔn)確采集到這3個(gè)重要參量，選取艦船消防常用的火災(zāi)探測器，用可燃?xì)怏w探測器來探測一氧化碳體積濃度的變化，吸氣式感煙探測器探測煙霧體積濃度，不同的是在采集溫度參量時(shí)，摒棄了常規(guī)的溫度探測器，而采用紅外探測器對(duì)溫度進(jìn)行采集，這種選擇是艦船結(jié)構(gòu)的特殊性決定的。因?yàn)榕灤馂?zāi)早期階段，溫度變化不明顯，對(duì)于探測溫度的靈敏度有一定要求，能及時(shí)發(fā)現(xiàn)溫度異常，有助于將火災(zāi)扼殺在萌芽當(dāng)中；同時(shí)在陰燃階段，煙霧將快速充滿艙室，妨礙現(xiàn)場火情排查，而紅外射線穿透煙霧的能力很強(qiáng)，通過紅外探測器探測物體向空間輻射的紅外電磁波的變化來間接判斷物體的溫度，相對(duì)于溫度探測器對(duì)環(huán)境溫度的監(jiān)測更具有優(yōu)勢[6]。

2.2 融合艦船火災(zāi)特征參量

由于可燃?xì)怏w探測器、吸氣式感煙探測器，紅外探測器采集到的參量的量綱、范圍不同，數(shù)值之間的大小也有可能相差極大，因此在進(jìn)行特征層融合前，需要對(duì)這些參量進(jìn)行預(yù)處理，將參量處理到[0,1]區(qū)間內(nèi)，為了減少系統(tǒng)的運(yùn)算負(fù)擔(dān)，采用最常規(guī)的預(yù)處理方法。

(1)

目前處理探測器多參量的信息網(wǎng)絡(luò)融合方法有很多[7]。在處理火災(zāi)探測這種非結(jié)構(gòu)性的問題時(shí)，最常用、有效的方法是神經(jīng)網(wǎng)絡(luò)方法。而基于火災(zāi)的不確定性，采集到的參量的模糊性，模糊推理理論被也被應(yīng)用于火災(zāi)探測技術(shù)中，但這2種方法都有各自的優(yōu)缺點(diǎn)，采用神經(jīng)網(wǎng)絡(luò)和模糊邏輯結(jié)合的方式進(jìn)行信息融合成為趨勢。

BP(back propagation)網(wǎng)絡(luò)是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)[8]。用神經(jīng)網(wǎng)絡(luò)對(duì)信號(hào)的幅度、動(dòng)態(tài)范圍和持續(xù)時(shí)間等特征進(jìn)行規(guī)范處理，使火災(zāi)報(bào)警輸出的信號(hào)達(dá)到穩(wěn)定性和準(zhǔn)確性，提高火災(zāi)報(bào)警的準(zhǔn)確率[9]。針對(duì)BP網(wǎng)絡(luò)的優(yōu)點(diǎn)，國外研究提出了結(jié)合BP網(wǎng)絡(luò)和小波理論的優(yōu)勢的小波神經(jīng)網(wǎng)絡(luò)?？紤]采用小波神經(jīng)網(wǎng)絡(luò)(wavelet neural network,WNN)與模糊理論串聯(lián)的模型進(jìn)行信息融合，模糊理論主要應(yīng)用于決策輸出階段。應(yīng)用于特征層融合的小波神經(jīng)網(wǎng)絡(luò)是一種以BP網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為基礎(chǔ)的網(wǎng)絡(luò)，能有效從信息中提取特征信息，具有良好的學(xué)習(xí)能力，收斂速度快，避免了陷入局部極小點(diǎn)。為了融合的準(zhǔn)確性，采用緊致型網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，如圖3所示，即用小波函數(shù)取代BP網(wǎng)絡(luò)隱含層中的激勵(lì)函數(shù)，由輸入層、隱含層和輸出層3層神經(jīng)元構(gòu)成網(wǎng)絡(luò)拓?fù)洌凑諏?shí)際需求決定輸入層和輸出層的神經(jīng)元個(gè)數(shù)。輸入層有3個(gè)參量，即一氧化碳體積濃度、煙霧體積濃度、溫度，輸出層也設(shè)有3個(gè)參量，即無火狀態(tài)、陰燃狀態(tài)、明火狀態(tài)。

作為激勵(lì)函數(shù)的小波函數(shù)的種類較多，采用普遍使用的Morlet小波函數(shù)作為激勵(lì)函數(shù)，由網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)可以得到：

(2)

(3)

(4)

式中：y(t)為網(wǎng)絡(luò)的輸入值；y′(t)為網(wǎng)絡(luò)的輸出值；L為隱含層的節(jié)點(diǎn)個(gè)數(shù)；K為輸入層的神經(jīng)元個(gè)數(shù)；φ(t)為網(wǎng)絡(luò)采用的小波基函數(shù)；Vj為輸入層到隱含層的連接權(quán)值；Wi為隱含層到輸出層的連接權(quán)值；ai、bi為第i個(gè)隱含層節(jié)點(diǎn)的伸縮因子、平移因子。

小波神經(jīng)網(wǎng)絡(luò)的隱含層節(jié)點(diǎn)數(shù)量多以經(jīng)驗(yàn)參考公式進(jìn)行計(jì)算，在仿真過程中不斷調(diào)節(jié)，從小到大反復(fù)試驗(yàn)，一般確保滿足需求的基礎(chǔ)上采用盡可能少的隱含層節(jié)點(diǎn)數(shù)量，隱含層節(jié)點(diǎn)數(shù)量太多，會(huì)增加系統(tǒng)運(yùn)算負(fù)擔(dān)，反而會(huì)影響預(yù)測精度。隱含層的節(jié)點(diǎn)數(shù)量經(jīng)驗(yàn)公式如下。

(5)

式中：n為輸入神經(jīng)元個(gè)數(shù)；m為輸出神經(jīng)元個(gè)數(shù)，a為1～10的常數(shù)。

基于BP網(wǎng)絡(luò)的小波神經(jīng)網(wǎng)絡(luò)實(shí)際上也是一種梯度下降法，用期望輸出和網(wǎng)絡(luò)實(shí)際輸出的誤差的平方和作為學(xué)習(xí)目標(biāo)函數(shù)，網(wǎng)絡(luò)權(quán)值的確定依據(jù)誤差最小化原則。網(wǎng)絡(luò)輸出神經(jīng)元有m個(gè)，因此定義第p個(gè)樣本輸入到網(wǎng)絡(luò)中的誤差為

(6)

2.3 模糊邏輯推理

雖然小波神經(jīng)網(wǎng)絡(luò)進(jìn)行信息融合可以得到無火概率、陰燃概率、明火概率，但僅依靠這3個(gè)概率值，當(dāng)出現(xiàn)較為嚴(yán)重的干擾信號(hào)后，依然會(huì)引起誤報(bào)、漏報(bào)，不能準(zhǔn)確的判斷出當(dāng)前是否有火災(zāi)發(fā)生及火情的輕重。另外，概率值接近門限值時(shí)很難判斷其代表的意義。因此，為了提高抗干擾性能，對(duì)小波神經(jīng)網(wǎng)絡(luò)得出的輸出值經(jīng)過模糊推測理論再次處理，將這3個(gè)火災(zāi)概率作為模糊推理的輸入信號(hào)，同時(shí)增加輔助信息，經(jīng)過輸入量的模糊化、模糊邏輯推理、去模糊過程3個(gè)過程，得出最終的火情判斷。模糊推理的具體過程見圖4。其中，非模糊化過程是將輸出量的分布函數(shù)轉(zhuǎn)換成規(guī)范化的輸出量，最后辨識(shí)系統(tǒng)將規(guī)范化的輸出量轉(zhuǎn)換為實(shí)際的輸出值[10]。模糊推理理論的基本思路就是將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，結(jié)合人的經(jīng)驗(yàn)，以及通過各探測器獲得的輔助信息，制定語言規(guī)則，作為邏輯推理過程的可靠依據(jù)[11]。

從小波神經(jīng)網(wǎng)絡(luò)融合得到的輸出結(jié)果，對(duì)當(dāng)前火情進(jìn)行初步判斷，如果概率大于0.8，可以得出發(fā)生火災(zāi)的結(jié)論；當(dāng)概率小于0.2時(shí)，也可以輕松的得到?jīng)]有火情的結(jié)論；但是當(dāng)概率值在門限值0.5左右時(shí)，就很難判斷出此時(shí)的狀態(tài)。因此在此基礎(chǔ)上需要增加更多的合理判據(jù)來判斷此時(shí)的狀態(tài)。一般情況下，如果是干擾信號(hào)造成的偏差，狀態(tài)不會(huì)長時(shí)間持續(xù)，很快恢復(fù)正常，而如果是發(fā)生火災(zāi)時(shí)，這種參量值的變動(dòng)，會(huì)持續(xù)一段時(shí)間，因此，可以將火災(zāi)信號(hào)持續(xù)時(shí)間作為輔助信息來增加火情判斷的準(zhǔn)確性。

火災(zāi)信號(hào)持續(xù)時(shí)間計(jì)算方法如下：

(7)

式中：T(n)為火災(zāi)信號(hào)持續(xù)時(shí)間；n為時(shí)間變量；Td為報(bào)警門限值,設(shè)置Td=0.5；y′(t)為小波神經(jīng)理論得出的火災(zāi)概率，當(dāng)火災(zāi)概率大于報(bào)警門限值時(shí)，開始累計(jì)計(jì)時(shí)，否則T(n)=0。

定義模糊子集：{PN,PH,PM,PL}。其中：PN表示沒有火災(zāi)發(fā)生；PH表示火災(zāi)概率高；PM表示火災(zāi)概率中；PL表示火災(zāi)概率低。通過小波神經(jīng)網(wǎng)絡(luò)得到的無火、陰燃、明火概率大于0.8時(shí)量化為PH，小于0.2時(shí)為量化為PL，大于0.2小于0.8量化為PM，T(n)大于5 s時(shí)量化為PH，小于5 s時(shí)量化為PL。輸出的最終火災(zāi)判斷概率量化為PN、PH、PL 3個(gè)等級(jí)，部分語言規(guī)則見表1。

表1 部分語言規(guī)則

采用Mamdani模糊理論方法進(jìn)行推理，由此得到的值依然是模糊值，因此采用重心法去模糊化，將模糊值清晰化，得到最終的結(jié)果。

3 仿真驗(yàn)證

采用Matlab軟件進(jìn)行小波神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和仿真，誤差極限設(shè)定為10-4，訓(xùn)練步數(shù)設(shè)置為104，初始學(xué)習(xí)率設(shè)置為0.5，對(duì)20組樣本進(jìn)行歸一化后，作為小波神經(jīng)網(wǎng)絡(luò)的輸入。樣本集、期望輸出及實(shí)際輸出數(shù)據(jù)如表2所示。由表2可知，小波神經(jīng)網(wǎng)絡(luò)的逼近效果較好，與所期望的輸出誤差極小，此時(shí)小波神經(jīng)網(wǎng)絡(luò)已經(jīng)訓(xùn)練成功，可以進(jìn)行火情的判斷。

在小波神經(jīng)網(wǎng)絡(luò)訓(xùn)練得到完整訓(xùn)練的基礎(chǔ)上，采用Matlab中的模糊邏輯工具箱建立模糊推理系統(tǒng)，確定無火概率、火災(zāi)概率高、火災(zāi)概率低及火災(zāi)信號(hào)持續(xù)時(shí)間的語言規(guī)則。當(dāng)在真實(shí)場景下有火災(zāi)信號(hào)輸入時(shí)，運(yùn)行小波神經(jīng)網(wǎng)絡(luò)算法進(jìn)行無火、陰燃及明火概率計(jì)算，綜合火災(zāi)信號(hào)持續(xù)時(shí)間，利用模糊推理方法及制定的語言規(guī)則，得出可靠的火災(zāi)發(fā)生概率。通過仿真，證明該方案對(duì)于火災(zāi)早期探測效果較好，能夠提高火災(zāi)探測系統(tǒng)的可靠性，減少漏報(bào)誤報(bào)情況。

4 結(jié)論

提出的火災(zāi)探測系統(tǒng)方案采用可燃?xì)怏w探測器、吸氣式感煙探測器、紅外探測器采集火災(zāi)特征參量，通過小波神經(jīng)網(wǎng)絡(luò)信息融合技術(shù)和模糊邏輯推理技術(shù)，將3種火災(zāi)特征參量進(jìn)行綜合分析處理，得到及時(shí)的火情判斷。采用Matlab仿真驗(yàn)證，該方案能夠提高火災(zāi)報(bào)警系統(tǒng)的及時(shí)性和有效性，提高了火災(zāi)探測準(zhǔn)確度，能準(zhǔn)確判斷當(dāng)前火情，降低火災(zāi)誤報(bào)率。

[1] AHLERSH.多傳感器技術(shù)及其應(yīng)用[M].王磊,譯.北京:國防工業(yè)出版社,2001.

[2] NAKANISHI S.Intelligent fire warning system using fuzzy technology[J].Fire Safety Journal,1991,17(3):531-533.

[3] Chul Kyu Jin,Chung Gil Kang. Fabrication by vacuumdie casting and simulation of aluminum bipolar plates with micro-channels on both sides for proton exchange membrane(PEM) fuel cells[J].International Journal of Hydrogen Energy,2012，37:1661-1676.

表2 樣本集、期望輸出及實(shí)際輸出數(shù)據(jù)

[4] WALTZ E,LINAS J. Muhisensor data fusion[M].USA:Norwood,Massachusetts,Artech House.1990.

[5] 侯杰.基于視頻圖像的高大空間建筑火災(zāi)探測研究[D].北京：清華大學(xué),2010.

[6] 張永剛,黃超,魏周君.紅外技術(shù)在艦艇消防安全中的應(yīng)用[J],船海工程,2013(4):11-14.

[7] 譚琳.多傳感器信息融合技術(shù)探析[J].計(jì)算機(jī)光盤軟件及應(yīng)用,2012(1):114-116.

[8] 席愛民.模糊控制技術(shù)[M].西安：西安電子科技大學(xué)出版社,2008.

[9] 趙英南,陳南.智能建筑火災(zāi)自動(dòng)報(bào)警系統(tǒng)設(shè)計(jì)與實(shí)施[M].北京:知識(shí)產(chǎn)權(quán)出版社,2005.

[10] 曾光奇,胡均安,王東,等.模糊控制理論與工程[M].武漢：華中科技大學(xué)出版社,2000.

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

On the Fire Detection Technology of Multi-Parameter for Ships

ZHANG Yong-gang, ZHANG Xi, LIU Jie, SUN Qian

(No.726 Research Institute of China Shipbuilding Industrial Corporation, Shanghai 201108, China)

In view of fire characteristic of ships, a fire detection technology of multi-parameter was proposed based on the multi-parameter information fusion technology considering smoking concentration, temperature and concentration of carbon monoxide. It made a comprehensive analysis of various fire parameter and established naval vessels fire detection scheme in complex environment. The fire detection scheme was proved to be effective to improve the accuracy of the fire detection and reduce the false alarm rate.

fire protection of ship; multi-parameter; information fusion; fire detection system

U664.88

A

1671-7953(2017)03-0011-05

2017-01-18

張永剛(1985—)，男，學(xué)士，工程師

研究方向：紅外熱成像及熱檢測技術(shù)

10.3963/j.issn.1671-7953.2017.03.004

修回日期：2017-03-07