趙紅亮

摘要：針對建筑火災(zāi)監(jiān)測系統(tǒng)能耗分析、監(jiān)測性能低等問題，該文從多傳感器火災(zāi)融合算法和火災(zāi)監(jiān)測系統(tǒng)模型兩個方面分析了火災(zāi)監(jiān)測系統(tǒng)的研究現(xiàn)狀，并闡述了火災(zāi)監(jiān)測系統(tǒng)的發(fā)展趨勢。

關(guān)鍵詞：火災(zāi)監(jiān)測;數(shù)據(jù)融合;系統(tǒng)模型

中圖分類號：TP311? ? ? ? 文獻標識碼：A

文章編號：1009-3044（2019）16-0225-01

開放科學（資源服務(wù)）標識碼（OSID）：

1 引言

火災(zāi)是生活中的常見事故，會導致嚴重的生命財產(chǎn)損失，威脅建筑和消防隊員的安全。而建筑火災(zāi)監(jiān)測系統(tǒng)以防火于未然為主要任務(wù)，利用無線傳感器對建筑物內(nèi)的火情信息進行探測和分析，以達到預(yù)測火災(zāi)的目的，因此傳感器技術(shù)對火災(zāi)監(jiān)測系統(tǒng)的發(fā)展起著舉足輕重的作用。隨著傳感器技術(shù)的不斷發(fā)展，建筑火災(zāi)監(jiān)測有了極大的拓展和提高。早期單傳感器獲得的信息非常有限并受傳感器本身性能的影響較大，準確的火災(zāi)監(jiān)測僅靠單傳感器設(shè)備是不能滿足其要求的，多傳感器通過幾種傳感器的時空采樣，多層級、多功能處理，以更高精度、較高概率或者置信度，降低火災(zāi)誤報率。根據(jù)多傳感器信息融合的基礎(chǔ)理論，將火災(zāi)監(jiān)測系統(tǒng)分為三層：信息層、融合層和決策層[1]，多傳感器數(shù)據(jù)融合火災(zāi)監(jiān)測系統(tǒng)圖如圖1所示。

如何改善傳統(tǒng)火災(zāi)探測報警系統(tǒng)的缺陷，優(yōu)化防火系統(tǒng)的安全等級成為當下研究熱點。本文從多傳感器火災(zāi)監(jiān)測融合算法和火災(zāi)監(jiān)測系統(tǒng)模型兩個方面綜述了國內(nèi)外火災(zāi)監(jiān)測系統(tǒng)的研究現(xiàn)狀，總結(jié)各自的優(yōu)點和不足，展望其發(fā)展趨勢。

2 多傳感器火災(zāi)探測的融合算法

建筑火災(zāi)監(jiān)測系統(tǒng)的核心是在多個傳感器的基礎(chǔ)上采用融合算法完成整個火災(zāi)探測的決策過程。對于火災(zāi)監(jiān)測系統(tǒng)而言決策過程是數(shù)據(jù)接收、數(shù)據(jù)處理以及輸出結(jié)果的一個過程[2]。多傳感器信息融合算法分為閾值判斷或趨勢判斷算法，多種傳感器信號的關(guān)系式，模糊算法，人工神經(jīng)網(wǎng)絡(luò)和模糊神經(jīng)網(wǎng)絡(luò)五個類別。閾值判斷或趨勢判斷算法是最簡單的，雖然獲得了很多有意義的結(jié)果，但是很難在提高探測靈敏度和降低干擾源上達到平衡，而多傳感器信號關(guān)系式在這一方面展示出比閾值算法更良好的性能[3-4]。神經(jīng)網(wǎng)絡(luò)在多傳感器火災(zāi)探測方面的容錯性強但主要問題是神經(jīng)網(wǎng)絡(luò)需要大量的訓練數(shù)據(jù)來訓練網(wǎng)絡(luò)及時調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、權(quán)重和閾值，來產(chǎn)生可靠的火災(zāi)探測結(jié)果，無法處理缺失的模糊信息（如傳感器受到破壞）[5-6]。模糊神經(jīng)網(wǎng)絡(luò)綜合了神經(jīng)網(wǎng)絡(luò)和模糊邏輯的優(yōu)點，提供了模糊和自適應(yīng)特點并可以用于火災(zāi)探測信號處理的方法[7]。

3 火災(zāi)監(jiān)測系統(tǒng)模型

火災(zāi)監(jiān)測系統(tǒng)的模型主要有分布式火災(zāi)監(jiān)測網(wǎng)絡(luò)、火災(zāi)探測系統(tǒng)與智能建筑系統(tǒng)的結(jié)合、火災(zāi)遠程監(jiān)測[8]，模型的主要特點如下表1所示。

4 火災(zāi)監(jiān)測系統(tǒng)發(fā)展方向

建筑火災(zāi)監(jiān)測系統(tǒng)的發(fā)展方向包括遠距離、節(jié)能降耗、小型化、實時性以及多傳感器火災(zāi)監(jiān)測的融合算法改進?，F(xiàn)有的傳感器節(jié)點主要依靠電池供電，有效的能耗管理對于系統(tǒng)的維護很重要，同時，實際中傳感器網(wǎng)絡(luò)的架構(gòu)協(xié)議接口也需要進行考慮。盡管在實際中需要考慮局部數(shù)據(jù)的劇烈波動及訓練和探測應(yīng)用中的不同參數(shù)范圍問題，但采用模糊準則與神經(jīng)網(wǎng)絡(luò)結(jié)合的多傳感器火災(zāi)探測是非常有前景的一種方式。

未來更應(yīng)設(shè)計遠距離、能耗小、小型化的建筑火災(zāi)監(jiān)測系統(tǒng)以及采用更高級的融合算法，使系統(tǒng)能夠進行各種環(huán)境中的及時有效預(yù)警。

參考文獻：

[1]? 韓菁.多傳感器數(shù)融合技術(shù)在火災(zāi)探測中的應(yīng)用研究[D].重慶：重慶理工大學，2011.

[2] Meacham， B. J . The Use of Artificial Intelligence Techniques for Signal Discrimination in Fire Detection Systems[J]. Journal of Fire Protection Engineering， 1994， 6（3）：125-136.

[3] Jones W W . Implementing High Reliability Fire Detection in the Residential Setting[J]. Fire Technology， 2012， 48（2）：233-254.

[4] Choudhury J R， Banerjee T P， Das S， et al. Fuzzy Rule Based Intelligent Security and Fire Detector System[C]// Computational Intelligence in Security for Information Systems-cisis09， International Workshop， Burgos， Spain， September. 2009.

[5] Asgary A ， Naini A S ， Levy J . Modeling the risk of structural fire incidents using a self-organizing map[J]. Fire Safety Journal， 2012， 49（none）：1-9.

[6] 丁承君， 趙澤羽， 朱雪宏，等. 神經(jīng)網(wǎng)絡(luò)在智能火災(zāi)預(yù)警系統(tǒng)的應(yīng)用[J]. 傳感器與微系統(tǒng)， 2018（1）：154-156.

[7] Wang Y ， Yu C ， Tu R ， et al. Fire detection model in Tibet based on grey-fuzzy neural network algorithm[J]. Expert Systems with Applications， 2011， 38（8）：9580-9586.

[8] 王學貴. 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]. 中國科學技術(shù)大學， 2013.

[9] Bhattacharjee S， Roy P， Ghosh S， et al. Wireless sensor network-based fire detection， alarming， monitoring and prevention system for Bord-and-Pillar coal mines[J]. Journal of Systems & Software， 2012， 85（3）：571-581.

[10] 毛杰寧， 李梅， 羅旌鈺. 無線火災(zāi)報警系統(tǒng)設(shè)計[J]. 電子設(shè)計工程， 2017， 25（07）：115-118.

【通聯(lián)編輯：代影】