張紅梅，葉 慧，鄭 罡，周潔敏，肖朝康

(1.南京航空航天大學(xué) 民航學(xué)院， 南京 211106; 2.安陽工學(xué)院 飛行學(xué)院, 河南 安陽 455000)

?

多傳感器飛機貨艙火警探測系統(tǒng)研究

張紅梅1，葉 慧2，鄭 罡1，周潔敏1，肖朝康1

(1.南京航空航天大學(xué) 民航學(xué)院， 南京 211106; 2.安陽工學(xué)院 飛行學(xué)院, 河南 安陽 455000)

以提高飛機貨艙火警探測系統(tǒng)的可靠性為目的，結(jié)合多傳感器數(shù)據(jù)融合理論，分析不同火警探測器的特性，建立BP神經(jīng)網(wǎng)絡(luò)三融合固定火警探測系統(tǒng)。針對飛機貨艙對火災(zāi)探測系統(tǒng)的要求,設(shè)計便攜式集裝箱火警探測系統(tǒng)；借助Matlab進(jìn)行仿真，將集裝箱火警探測系統(tǒng)和三融合火警探測系統(tǒng)組合成為新型飛機貨艙火警探測系統(tǒng)，能夠監(jiān)測貨艙是否發(fā)生明火警告、陰燃火警告或者集裝箱火警告，創(chuàng)建火警探測系統(tǒng)GUI界面，將探測數(shù)據(jù)及融合結(jié)果數(shù)據(jù)呈現(xiàn)在用戶圖形界面。

飛機貨艙;Matlab;集裝箱火警探測系統(tǒng);BP神經(jīng)網(wǎng)絡(luò)

貨艙火警探測系統(tǒng)[1-2]是當(dāng)代飛機火警探測系統(tǒng)的一個重要組成部分，大型客機的貨艙(C類)在飛行中處于封閉狀態(tài)，通風(fēng)的下層貨艙或上層貨艙需要火警探測系統(tǒng)和自動滅火系統(tǒng)[3]。FAA(美國聯(lián)邦航空管理局，F(xiàn)ederal Aviation Administration)相關(guān)條例規(guī)定貨艙火警探測系統(tǒng)必須在火災(zāi)發(fā)生60 s內(nèi)向機組人員發(fā)出警告[4]，為了保證探測系統(tǒng)的靈敏性，傳統(tǒng)飛機貨艙火警探測系統(tǒng)采用煙霧探測器，導(dǎo)致貨艙火警探測系統(tǒng)誤報率高達(dá)99%。

已有大量研究表明[5-8]，多傳感器火災(zāi)探測技術(shù)在提高火災(zāi)探測的靈敏度和可靠性方面取得了可喜的進(jìn)展，被認(rèn)為是正在興起的新一代火災(zāi)探測技術(shù)。結(jié)合現(xiàn)有火警探測裝備和數(shù)據(jù)融合理念，在傳統(tǒng)的多傳感器火警探測系統(tǒng)的基礎(chǔ)上加入便攜式集裝箱火警探測系統(tǒng)，構(gòu)成新型的飛機貨艙火警探測系統(tǒng)。

1 貨艙火警探測系統(tǒng)模型建立

1.1 火警探測傳感器的選取

根據(jù)需要探測的火災(zāi)特征選取傳感器類型，建立多傳感器數(shù)據(jù)融合火災(zāi)探測系統(tǒng)。常用的傳感器可以分為四大類：煙霧探測器、熱探測器、氣體傳感器和視頻火災(zāi)探測器。

1) 煙霧探測器

煙霧探測器有光電式和離子型兩個重要類別，光電式煙霧探測器是利用煙霧對光的折射及吸收原理制成的，廣泛用于貨艙和電子設(shè)備。離子型煙霧探測器一般用于廁所煙霧探測，安裝在每個廁所的天花板上。

2) 熱探測技術(shù)

熱輻射探測和對流熱探測是熱探測技術(shù)的兩個重要研究領(lǐng)域。在熱輻射探測領(lǐng)域有研究者提出了微波探測方法，盡管火災(zāi)的微波特性不如紅外特征明顯，但微波可以穿透非金屬材質(zhì)，為便攜式火災(zāi)探測設(shè)備和火源定位的發(fā)展提供很好的前景。對流式熱傳感器對明火較敏感，但是對慢速火或陰燃火的探測可能超過幾個小時甚至幾天。

3) 氣體傳感器

氣體傳感器是一種將氣體的成分、濃度等信息轉(zhuǎn)換成可以被人員、儀器儀表、計算機等利用的信息的裝置?；馂?zāi)可以帶來多種氣體組分的變化，這些變化稱為演變氣體特征?；馂?zāi)發(fā)生時，大氣中O2和CO氣體含量的變化比較顯著，氧耗特征和CO演變特征常被用來分析火災(zāi)發(fā)生概率。由于CO本身是有毒危險氣體，在人員密集的重要場所CO氣體探測器的存在非常重要。

4) 視頻火災(zāi)探測

視頻火災(zāi)探測是一種新興的火災(zāi)探測技術(shù)，優(yōu)勢在于探測迅速，保護(hù)區(qū)域大，并且提供了定位火源和計算火源功率的功能，但是易受建筑結(jié)構(gòu)的影響，成本和對空間開闊性要求較高。

在火災(zāi)探測技術(shù)的發(fā)展中出現(xiàn)過一些典型的多種火災(zāi)探測特征組合。CO和離子感煙組合，這種組合效率很高，可以找到利用閾值或者趨勢值的不同信息融合算法，但該組合的免疫性沒有得到有效分析；溫升和CO(或CO2)濃度作為火災(zāi)探測特征組合，但是在多數(shù)情況下，這種組合在火災(zāi)探測中的性能與采用單一類別的氣體傳感器類似；溫度、CO2、紅外火焰脈動結(jié)合的火災(zāi)探測，可以在明火的早期探測到火災(zāi)，但對陰燃火的探測不是很理想。結(jié)合飛機貨艙結(jié)構(gòu)特征和運行特性，選取光電式煙霧探測器、溫度傳感器和CO氣體探測器構(gòu)建多傳感器數(shù)據(jù)融合系統(tǒng)[9]。

1.2 飛機貨艙火警探測系統(tǒng)模型建立

飛機貨艙火警探測系統(tǒng)劃分為三融合火災(zāi)探測系統(tǒng)和集裝箱火災(zāi)探測系統(tǒng)兩部分。三融合火災(zāi)探測系統(tǒng)是指3種探測器組成的飛機貨艙固定火災(zāi)探測系統(tǒng)，借助BP神經(jīng)網(wǎng)絡(luò)將3種探測數(shù)據(jù)進(jìn)行數(shù)據(jù)融合[10-12]；集裝箱火災(zāi)探測器使用微波探測器，主要用于探測有特殊運載需求和相對危險的集裝箱。構(gòu)建貨艙火警探測系統(tǒng)模型框架圖，如圖1所示。

圖1中：A表示對探測到的數(shù)據(jù)進(jìn)行歸一化處理;X、Y、Z、R為數(shù)據(jù)歸一化處理后的結(jié)果；“判斷條件1”為X、Y、Z、R四個數(shù)據(jù)中至少有一個大于等于0.5；“判斷條件2”表示在1 mim內(nèi)數(shù)據(jù)R大于等于0.5的時間超過16 s。

圖1 貨艙火警探測系統(tǒng)模型框架

1.3 模型分析

微波探測器由于其獨特的便攜性質(zhì)，安裝在含有相對危險貨物的集裝箱，不存在于所有的航班，鑒于集裝箱火警探測系統(tǒng)的特殊性，將其作為多傳感器火警探測系統(tǒng)的一個激活分支和單獨的數(shù)據(jù)采集分析系統(tǒng)。光電式煙霧探測器、CO氣體探測器、溫升探測器都是比較傳統(tǒng)的火災(zāi)探測器，在火災(zāi)特征的探測方面比較成熟，具有穩(wěn)定的探測性能。對三種探測器獲得的火災(zāi)特征數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，能夠提高火災(zāi)探測系統(tǒng)的靈敏度和可靠性。R、X、Y、Z存在數(shù)據(jù)大于等于0.5時激活三融合火災(zāi)探測模塊，融合數(shù)據(jù)達(dá)到報警值時發(fā)出明火或陰燃火警告；若三融合火災(zāi)探測系統(tǒng)未發(fā)出火災(zāi)警告，數(shù)據(jù)R大于等于0.5持續(xù)時間超過 16 s 時，發(fā)出貨艙集裝箱火災(zāi)警告。

2 基于BP神經(jīng)網(wǎng)絡(luò)的三融合火警探測系統(tǒng)

多種火災(zāi)特征進(jìn)行融合需要有恰當(dāng)?shù)乃惴ǎ腔鹁畔⒕哂胁淮_定性，無法得到一個具體的融合決策的判決公式。為此選用神經(jīng)網(wǎng)絡(luò)的自組織非限制性學(xué)習(xí)逼近的能力和自學(xué)習(xí)功能，實現(xiàn)3種火災(zāi)特征數(shù)據(jù)融合過程。

2.1 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

采用3層前饋BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)見圖2。輸入層的3個單元分別對應(yīng)煙霧、CO含量、溫度信號的歸一化數(shù)值，隱層有7個神經(jīng)元，輸出層為明火、陰燃火和無火災(zāi)發(fā)生的概率。輸入層與隱層間的判決矩陣為W1，隱層與輸出層間的判決矩陣為W2。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)的建設(shè)過程為：確定合理的訓(xùn)練模式對，對神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化處理。模式對指的是網(wǎng)絡(luò)的輸入信號和對應(yīng)得到輸出信號。研究中確定了50組訓(xùn)練模式對，其中40組用于對已建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，10組用于驗證訓(xùn)練結(jié)果。表1給出了其中10組的訓(xùn)練對示例。

表1 訓(xùn)練模式對事例

溫度煙霧CO濃度明火陰燃火無火10.950.210.750.850.120.0320.880.200.010.780.080.1430.750.150.750.700.250.0540.630.160.300.650.250.1050.220.750.800.350.65060.310.370.680.070.920.0170.410.670.750.030.960.00180.240.530.680.300.650.0590.200.300.100.080.120.80100.150.080.230.040.200.76

2.2 對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練

BP神經(jīng)網(wǎng)絡(luò)算法是在BP神經(jīng)網(wǎng)絡(luò)現(xiàn)有算法基礎(chǔ)上提出的，是通過任意選定一組權(quán)值，將給定的目標(biāo)輸出直接作為線性方程的代數(shù)和建立線性方程組，解得待求權(quán)，避免了傳統(tǒng)的局部極小和收斂速度慢的問題。具體學(xué)習(xí)過程如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程

借助Matlab編程，對神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，具體程序如下：

P=[0.24 0.45 0.6 … 0.2 0.4 0.1];

T=[0.2 0.5 0.6 … 0.1 0.1 0.77];

net=newff([0 1;0 1;0 1],[7 3],{′logsig′,

′purelin′},′trainLM′);

net=init(net);

net.trainParam.epochs=1000;

net.trainParam.show = 20;

net.trainParam.goal = 0.001;

net.trainParam.lr = 0.5;

[net,tr]=train(net,P,T)

iw1=net.IW{1}

b1=net.b{1}

lw2=net.LW{2}

b2=net.b{2}

其中：[0,1;0,1]為網(wǎng)絡(luò)輸入向量取值范圍矩陣；[7,3]表示隱含層和輸出層神經(jīng)元個數(shù)；logsig,purelin分別表示隱含層和輸出層的傳輸函數(shù)；trainLM是網(wǎng)絡(luò)的訓(xùn)練函數(shù)。

Train函數(shù)的調(diào)用形式是[net,tr]=train(net,P,T),P表示輸入樣本集、T表示輸出樣本集,等號兩邊的net分別表示訓(xùn)練前和訓(xùn)練后的網(wǎng)絡(luò),步數(shù)和誤差信息放置在tr中。當(dāng)達(dá)到第40次訓(xùn)練時，神經(jīng)網(wǎng)絡(luò)的均方誤差穩(wěn)定，達(dá)到最小值 0.000 632 59，訓(xùn)練過程誤差曲線圖如圖4所示。隱含層和輸出層的權(quán)值訓(xùn)練結(jié)果為W1、W2、b1、b2。

圖4 訓(xùn)練誤差曲線界面

驗證訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，建立實際輸出與期望輸出對比表，見表2，使用Matlab做出對比圖形，如圖5所示。

表2 實際輸出與期望輸出

圖5 實際輸出與期望輸出對比

3 集裝箱火警探測系統(tǒng)

集裝箱火警探測選用便攜式的微波火警探測器，假設(shè)2 s 傳輸一次數(shù)據(jù)，即每分鐘能夠獲得30個數(shù)據(jù)，對獲得的數(shù)據(jù)進(jìn)行歸一化數(shù)據(jù)處理。文中構(gòu)建的飛機貨艙火警探測系統(tǒng)采用冗余設(shè)計，由于在貨艙中已經(jīng)放置足夠的火警探測器，并且設(shè)計了先進(jìn)的三融合火警系統(tǒng)，為了減少誤報帶來的財產(chǎn)和航線的損失，集裝箱火警探測系統(tǒng)以1 min內(nèi)達(dá)到某一數(shù)值的次數(shù)作為標(biāo)準(zhǔn)來判斷火災(zāi)發(fā)生的有無，本實驗以8次為標(biāo)準(zhǔn)。在Matlab中建立動態(tài)模型，將1 min內(nèi)的歸一化后的火警探測數(shù)據(jù)存儲在1×30的矩陣中，并統(tǒng)計微波探測數(shù)據(jù)1 min內(nèi)不小于0.5的數(shù)據(jù)個數(shù)，當(dāng)數(shù)據(jù)個數(shù)不小于8時，將輸出“集裝箱火警警告”。

4 硬件電路設(shè)計

根據(jù)構(gòu)建的貨艙火警探測系統(tǒng)模型框架圖，以C8051F310單片機為核心，CO探測器、煙霧探測器、感溫探測器和微波探測器組成構(gòu)成火災(zāi)探測單元，按照設(shè)定的多傳感器飛機貨艙火警探測目標(biāo)充分利用單片機內(nèi)部資源，將單片機的內(nèi)部電路最大程度的簡化，使系統(tǒng)具有較高的可靠性和靈敏度，圖6為飛機貨艙火警探測系統(tǒng)硬件結(jié)構(gòu)。

圖6 飛機貨艙火警探測系統(tǒng)硬件結(jié)構(gòu)

5 模型分析和編程

借助已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型和集裝箱火警探測系統(tǒng)，進(jìn)行綜合編程設(shè)計，從三個角度對設(shè)計好的整體模型進(jìn)行驗證，可假設(shè)如下：

1) 神經(jīng)網(wǎng)絡(luò)火警探測系統(tǒng)激活后，歸一化處理后的煙霧濃度、CO濃度和溫度，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合，判斷是否發(fā)生“明火”或者是“陰燃火”；

2) 數(shù)據(jù)經(jīng)BP神經(jīng)網(wǎng)絡(luò)融合處理后，未發(fā)現(xiàn)有發(fā)生火災(zāi)的跡象，檢測集裝箱火災(zāi)探測系統(tǒng)，對1 min內(nèi)出現(xiàn)微波探測數(shù)據(jù)進(jìn)行統(tǒng)計，當(dāng)不小于0.5的數(shù)據(jù)達(dá)到8次就發(fā)出“集裝箱火警警告”；

3) 火警探測系統(tǒng)激活之后，并未出現(xiàn)上述兩種情況，但是鑒于激活探測裝置數(shù)據(jù)的存在，在飛機安全著陸之前，飛機貨艙火警探測系統(tǒng)將一直處于警戒工作狀態(tài)。

根據(jù)條件，借助Matlab設(shè)計GUI界面，如圖6所示。

圖6 火警探測圖形界面

依據(jù)假設(shè)，設(shè)計系統(tǒng)整體火災(zāi)探測響應(yīng)機制，核心仿真判斷程序如下:

if C(1)>=0.5

L=′明火′

elseif C(2)>=0.5

L=′陰燃火′

else R=input(′Enter the R:′);

A(1,[1:1:29])=A(1,[2:1:30]);

A(1,30)=R;

n1=find(A>=0.6);

gs1=length(n1);

if gs1>=8;

L=′集裝箱火警警告′

else L=′無火警′

6 結(jié)論

針對現(xiàn)有飛機貨艙火警探測系統(tǒng)的高誤報率，借助Matlab進(jìn)行編程，將三融合火警探測系統(tǒng)與固定貨艙火警探測系統(tǒng)整合，建立了飛機貨艙多傳感器數(shù)據(jù)融合火警探測系統(tǒng)模型，不僅能夠降低飛機貨艙火災(zāi)警告的誤報率，而且能夠完善對相對危險貨物的安全監(jiān)管。

[1] 李麗,王玉梅,陳戰(zhàn)斌.民用飛機貨艙滅火系統(tǒng)試航符合性實驗方法研究[J].航空科學(xué)技術(shù),2015,26(08):62-66.

[2] 李東琪,劉敏,李東立.飛機貨艙火災(zāi)探測器設(shè)計探討[J].消防科學(xué)與技術(shù)，2014，33(11):1313-1316.

[3] 周潔敏.飛機電氣系統(tǒng)原理和維護(hù)[M].北京：北京航空航天大學(xué)出版社,2015.

[4] DEPARTMENT OF TRANSPORTATION.Federal Aviation Administration.Code of Federal Regulations 14 CFR Part 25.858[EB/OL].[1997-06-09].http://www.faa.gov/avr/arm/n97-10.txt.

[5] 王學(xué)貴.基于多傳感器信息融合的火災(zāi)危險度分布確定系統(tǒng)研究[D].合肥：中國科學(xué)技術(shù)大學(xué)，2013.

[6] KEITH M,RICHARD S.System and method of notification of an aircraet cargo fire within a container:USA,US 2013/0120162 A1[P].2013-05-16.

[7] SANKAR G S,RAMESH B N,SUYASH J.Design and Analysis of Neural Network Algorithm for Intelligent Fire Detection System[J].International Journal of Applied Engineering Research,2014,9(9):1145-1154.

[8] 王越，韓菁.信息融合技術(shù)在火災(zāi)探測中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(自然科學(xué)),2011,25(1):44-48.

[9] WANG Yue,HAN Jing.Application of Date Fusion Technology to Fire Detection[J].Journal of Chongqing University of Technology(Natural Science),2011,25(1):44-48.

[10]PHUA M H,TSUYUKI S,LEE J S,et al.Simultaneous detection of burned areas of multiple fires in the tropics using multisensor remote-sensing data[J].International Journal of Remote Sensing,2012,33:4312-4333.

[11]KYLE J,JAMES S.Multi-Sensor Data Fusion in Non-Gaussian Orbit Determination[JEB/OL].[2014-08-07].AIAA/AAS Astrodynamics Specialist Conference,http://dx.doi.org/10.2514/6.2014-4310.

[12]周成容.BP神經(jīng)網(wǎng)絡(luò)的模糊改進(jìn)及應(yīng)用[J].重慶工學(xué)院學(xué)報(自然科學(xué)),2008,22(6):153-158.

(責(zé)任編輯 楊黎麗)

Research on the Multi Sensor Fire Detection System in Aircraft Cargo

ZHANG Hongmei1, YE Hui2, ZHENG Gang1, ZHOU Jiemin1, XIAO Chaokang1

(1.College of Civil Aviation, Nanjing University of Aeronautics and Astronautics,Nanjing 211106, China; 2.Flight College, Anyang Institute of Technology,Anyang 455000, China)

On the basis of multi-sensor data fusion theory and the characteristics of different fire detectors,a fire detection system of three fixed fire detector based on BP neural network is founded, and a portable container fire detection system according to the requirements of aircraft cargo fire detection system is designed for the purpose of improving the reliability of aircraft cargo fire detection system. The simulation with Matlab can help to combine container fire detection system and three fusion fire detection system into aircraft cargo fire detection system, which can be used to judge whether open fire, smoldering fire or container fire is happening. GUI interface of fire detection system is built to show user the result data of detection and fusion.

aircraft cargo; Matlab;container fire detection system; BP neural network

2017-03-03

國防基礎(chǔ)預(yù)研基金(609)資助項目(APSC NJZX D201301 J03)

張紅梅(1990—),女,河南商丘人,碩士, 主要從事民航運輸安全研究，E-mail:1977328004@qq.com。

張紅梅，葉慧，鄭罡，等.多傳感器飛機貨艙火警探測系統(tǒng)研究[J].重慶理工大學(xué)學(xué)報(自然科學(xué))，2017(7):176-181.

format：ZHANG Hongmei, YE Hui, ZHENG Gang,et al.Research on the Multi Sensor Fire Detection System in Aircraft Cargo[J].Journal of Chongqing University of Technology(Natural Science)，2017(7):176-181.

10.3969/j.issn.1674-8425(z).2017.07.028

TP183

A

1674-8425(2017)07-0176-06