蔡鐘山

（福建省特種設(shè)備檢驗研究院，福州 350008）

0 引言

火災(zāi)是自然和非自然災(zāi)害事件中極具危險和殺傷性的災(zāi)害之一，其造成的直接經(jīng)濟損失約為地震等自然災(zāi)害的五倍，造成的直接經(jīng)濟損失在世界上僅次于干旱和突發(fā)性洪澇[1]。石化園區(qū)產(chǎn)生的火災(zāi)危險性更為突出，危險更大，更有必要進行火災(zāi)的提前預警。

本文主要針對石化園區(qū)的應(yīng)用環(huán)境，以早期火災(zāi)的表征氣體CO 和CO2為研究對象，采集相關(guān)數(shù)據(jù)并提取其中特征量，設(shè)計出一種基于模糊聚類算法的早期火災(zāi)預警系統(tǒng)，并應(yīng)用于石化巡檢機器人中[2]。

1 硬件設(shè)計

石化巡檢機器人主要由機器人本體、通信模塊、視覺模塊、電源模塊、云臺監(jiān)控模塊和傳感器模塊等組成，如圖1所示。本文重點在于巡檢機器人中火災(zāi)預警系統(tǒng)設(shè)計，其在微控制器設(shè)計上選用飛利浦的一款具有ARM7TDMI2S 內(nèi)核[3]的32 位多功能、低功耗的嵌入式處理器LPC2114，其還帶有4路10 位A/D 模數(shù)轉(zhuǎn)換器，實現(xiàn)最高為60 MHz 的CPU 主頻[4]，可以滿足火災(zāi)監(jiān)控報警的實時性要求。

通過對絕大多數(shù)火災(zāi)中可燃物的分析，發(fā)現(xiàn)CO和CO2氣體存在于多數(shù)火災(zāi)的產(chǎn)物中，將CO和CO2氣體濃度作為被測對象，選用CO和CO2傳感器作為傳感器模塊的組成部分。選用CITY 公司型號為7E/F 的CO 傳感器，其氣體測量范圍一般為1～1 000 ppm，輸出為標準4～20 mA電流信號，經(jīng)精密電阻轉(zhuǎn)換為電壓信號[2]。選用TELAIRE 公司型號為6004 的CO2傳感器，其集成氣體測量的范圍一般為0～2 000 ppm，模擬輸出0～4 VDC[2]。

將CO 和CO2傳感器輸出的模擬信號通過AD 轉(zhuǎn)換之后輸入到LPC2114 控制器中，經(jīng)過聚類分析算法判斷是否發(fā)生火災(zāi)，若有，則驅(qū)動報警模塊報警，通過機械臂使用滅火器撲滅火源；若沒有，則繼續(xù)采集CO和CO2氣體的信號，重復以上過程。

圖1 石化巡檢機器人

2 系統(tǒng)軟件設(shè)計

軟件操作系統(tǒng)采用μCOS-Ⅱ操作系統(tǒng)，根據(jù)硬件的各個模塊進行模塊化設(shè)計，進行多任務(wù)處理，程序的模塊化封裝對系統(tǒng)的穩(wěn)定性和實時性更有保障。系統(tǒng)軟件設(shè)計流程如圖2所示。

2.1 μCOS-Ⅱ操作系統(tǒng)的移植

μCOS-Ⅱ是一種搶先式的多任務(wù)實時操作系統(tǒng)，具有內(nèi)核代碼小、可移植性強的特點[4]。μCOS-Ⅱ操作系統(tǒng)移植的關(guān)鍵在于3 個函數(shù)的移植，這3 個函數(shù)分別為OS.CPU.H、OS.CPU.C、CPU.A.S，是與處理器及編譯器相關(guān)的函數(shù)[5]。另外還需要對任務(wù)的堆棧進行合理的設(shè)置，需注意當多任務(wù)之間切換時，優(yōu)先級高的任務(wù)的寄存器數(shù)值需要出棧，任務(wù)低的入棧。

2.2 模塊化軟件設(shè)計

模塊化軟件設(shè)計是基于移植成功的μCOS-Ⅱ操作系統(tǒng)，火災(zāi)預警部分的軟件模塊主要包含信號采集模塊、信號處理模塊、聚類分析算法模塊和聲光報警模塊。

信號采集模塊通過LPC2114 的 ADC 轉(zhuǎn) 換 實現(xiàn)，選擇其中兩個通道對CO和CO2氣體濃度進行數(shù)據(jù)采集，將模擬電壓量轉(zhuǎn)換為數(shù)字量；信號處理模塊對采集到的信號進行歸一化處理，對歸一化后的數(shù)據(jù)經(jīng)數(shù)學運算得到CO和CO2氣體濃度比值和對應(yīng)比值上升速率[2]，作為早期火災(zāi)特征量；將特征量輸入聚類分析算法模塊中，進行迭代計算，辨別出真假火災(zāi)。若識別為真火災(zāi)，則通過IO口控制LED和蜂鳴器進行報警；若為假火災(zāi)，則不報警。

圖2 系統(tǒng)軟件設(shè)計流程圖

3 模糊聚類算法

本文采用模糊c 均值聚類算法（簡稱FCMA 或FCM），其主要是以模糊控制理論算法為基礎(chǔ)，通過優(yōu)化模糊控制目標函數(shù)，計算樣本對類中心的隸屬度大小，實現(xiàn)模糊目標的分類[6]。隸屬度函數(shù)是表示一個樣本隸屬于某一集合程度的函數(shù)，取值范圍為0～1。首先，定義具有d 維特征的一個樣本X，μij為其中第i個樣本xi對j類的隸屬程度，cj為類的中心，m為類的簇數(shù)，模糊c均值聚類就是不斷迭代隸屬度和類中心，直到達到最優(yōu)值為止[7]。目標函數(shù)、隸屬度和類中心的公式為：

式中：m為加權(quán)指數(shù)；k為迭代步數(shù)；ε 為誤差閾值。

具體算法流程如圖3所示。

圖3 模糊聚類算法流程圖

4 實驗結(jié)果

以泉州市泉港區(qū)某石化園區(qū)發(fā)生的火災(zāi)為例，通過信號采集模塊采集火災(zāi)發(fā)生前后的CO和CO2濃度，經(jīng)信號處理模塊得到CO和CO2氣體濃度比值α0(i)和比值上升速率α1(i)，作為模糊c均值聚類算法的樣本集合，用集合X={x1，x2，…，xn}表示，n為樣本數(shù)?；馂?zāi)早期預警只需將火災(zāi)辨別為真火災(zāi)或假火災(zāi)即可，因此類別數(shù)c=2，每一個類別均為X上的一個模糊集，記為A1（真火災(zāi)）、A2（假火災(zāi)）。對論域X 中的任一待識別對象xi（xi∈X），把對象xi劃分到與其最相似的一個類別中去，即隸屬度越大的那個類別，圖4所示為已知真/假火災(zāi)數(shù)據(jù)訓練樣本。

在模糊c均值聚類算法中，加權(quán)指數(shù)m對于聚類的效果有重要的影響，Bezdek首先給出一個合適的經(jīng)驗分析范圍1.1≤m≤5；可知m=2時最有意義[8]。由圖3可知，首先要初始化一些參數(shù)，將模糊劃分矩陣為：

圖4 原始火災(zāi)樣本數(shù)據(jù)

設(shè)置誤差目標值ε=0.01，類數(shù)c=2，加權(quán)指數(shù)m=2，通過迭代修正聚類中心[2]，目標函數(shù)值Jm在迭代過程中不斷發(fā)生變化，直至收斂為止。

如圖5所示，迭代至第6代時目標函數(shù)已收斂，收斂速度很快。待識別數(shù)據(jù)樣本對模式A1和A2的隸屬度，如圖6所示，設(shè)定隸屬度閾值α=0.55（工程試驗驗證得來經(jīng)驗值），40組待測樣本都可以被辨別為真火災(zāi)和假火災(zāi)，從散點圖可得出真假火災(zāi)的隸屬度之和為1。最終得出以下結(jié)論：

圖5 目標函數(shù)值與迭代次數(shù)

圖6 待測樣本對真/假火災(zāi)模式的隸屬度

（1）設(shè)定合理的閾值，通過模糊聚類算法可以對火災(zāi)數(shù)據(jù)樣本進行歸類；

（2）通過40組火災(zāi)數(shù)據(jù)樣本進行測試，最后得出的分類結(jié)果跟客觀情況一致，成功率100%；

（3）對閾值α的選擇還需要斟酌，因為其值的大小直接決定了歸類的結(jié)果，存在隸屬度值與閾值α接近的情況，將不可區(qū)分。

5 結(jié)束語

本文介紹了一種基于模糊聚類算法的早期火災(zāi)預警系統(tǒng)，并應(yīng)用于石化巡檢機器人。采用模糊c均值聚類算法，經(jīng)過不斷地迭代，計算出待識實驗數(shù)據(jù)對各類的隸屬度，通過與閾值進行對比，得到分類結(jié)果。經(jīng)過對多組實驗數(shù)據(jù)的模糊聚類分析和模式識別，分類的結(jié)果和客觀實際基本一致。同時模糊聚類算法還存在一些不足之處，如陷入局部最優(yōu)，另外權(quán)值m和閾值的選擇仍是需要后續(xù)進一步考究。