徐根祺，曹 寧，謝國坤 ，張正勃，李 璐

(1.西安交通工程學院 機械與電氣工程學院；2.西安交通工程學院 土木工程學院，陜西 西安 710030；3.西安思源學院 電子信息工程學院，陜西 西安 710038)

0 引言

21世紀以來，隨著科技的不斷發(fā)展，人類對水電能源的需求日益增加，水電站開發(fā)建設在全球經(jīng)濟中的重要地位日益顯現(xiàn)[1]。全球水電站工程建設的蓬勃發(fā)展也為我國水電站建設工程的風起云涌帶來了契機。但考慮到水電站多建設于山區(qū)，因此其環(huán)境惡劣、廠房結構復雜、布置分散、施工困難、所需設備眾多且受客觀條件干擾較大，無論是預防或是應對突發(fā)火災的能力均有欠缺。因此，對水利樞紐工程火災自動報警系統(tǒng)的開發(fā)就顯得非常重要，而火災報警系統(tǒng)的準確性與實時性是目前水利工程火災自動報警系統(tǒng)面臨的核心問題[2-3]。

在國外，上世紀后半葉以來，隨著自動化和通信技術的飛速發(fā)展，火災自動報警技術的發(fā)展開始步入加速期[4]。迄今為止，較為常用的火災自動報警技術分為智能和非智能兩種。前者的發(fā)展最迅捷、應用也最廣泛，已經(jīng)成為當下智能火災自動報警技術中的引領技術[5]。

在我國，直至上世紀末期，火災自動報警系統(tǒng)才開始起步，時至今日也不過短短二三十年的時間。隨著黨和政府有關部門對防災、減災工作的高度重視 ，我國在相應領域的研究取得了很大地進展，CAN總線、RS485和RS232等技術在火災自動報警系統(tǒng)中受到設計人員的廣泛關注[6]。且現(xiàn)階段的火災自動報警器已形成了體積小、容量大、信號傳輸迅速、預報準確率高等多方面的優(yōu)勢[7]。

近些年來，火災自動報警發(fā)展趨勢較之以往有了天翻地覆的變化，實時性、強魯棒性、低誤報率、網(wǎng)絡化和智能化成為現(xiàn)階段火災自動報警技術發(fā)展的方向。將智能算法用于火災自動報警系統(tǒng)能夠增加系統(tǒng)識別真假火災的準確率，提高系統(tǒng)可靠性。該文結合人工智能理論和自動化技術，通過將模糊理論融入BP神經(jīng)網(wǎng)絡設計了一整套水利工程火災自動報警系統(tǒng)，以提高系統(tǒng)預報的準確性。

1 火災報警系統(tǒng)設計

1.1 整體方案設計

該文以陜西淳化、禮泉涇河下游的某水電站為例，建設該水利工程的目的主要是為了實現(xiàn)改善生態(tài)、防洪、供水和發(fā)電等功能。該水電站裝機容量約11萬千瓦，輸出約1.5萬千瓦，近年來平均發(fā)電量近2.5億千瓦·時，年利用小時數(shù)2200多小時，發(fā)電引水流量近70 m3/s。

該系統(tǒng)的設計分為地上、地下兩部分，核心控制技術采用集中報警方式。該工程包括地上地下2個消防控制室，分別經(jīng)110 kV GIL管道連接成一體，地上控制室有人監(jiān)控而地下控制室無人監(jiān)控。地上部分共三層，從下至上依次為10 kV配電室、低壓配電室、變壓器室、辦公室、控制室、二次室等，該樓緊鄰110 kV GIS室，下面為 GIL管道夾層，以上為工程的地上部分。

地面中控樓中央控制室內(nèi)設計有消防控制中心，地下部分有2個分控主機，控制中心負責與其通信。報警系統(tǒng)和監(jiān)控系統(tǒng)之間采用RS485方式進行數(shù)據(jù)傳輸?；馂谋O(jiān)控單元設于地面中控室，火警信號均通過火災監(jiān)視模塊顯示。該火災自動報警系統(tǒng)由數(shù)據(jù)傳輸模塊、檢測模塊、報警控制模塊、電源模塊等裝置組成，圖1為系統(tǒng)組成圖。

圖1 火災自動報警系統(tǒng)組成

1.2 系統(tǒng)硬件設計

1.2.1 主控芯片

火災自動報警系統(tǒng)在數(shù)據(jù)分析時需要進行龐大的計算。此處選用STM32F103ZET6芯片作為微處理器，該芯片是基于Cortex-M3內(nèi)核的32位單片機，其供電電壓為2～3.6 V，具有512 K的FLASH和64 K的SRAM，可以在線編程。該處理器外接頻率72 Hz的高速時鐘一個和頻率為32.768 kHz的低速時鐘一個。有包括JTAG、SWD和ISP等在內(nèi)的多種下載方式可供選擇，該文選用SWD方式下載代碼，該方式下載速度快且調(diào)試方便[8-9]。此外，該芯片還包括16通道12位AD輸入3個、定時器4個、通用IO口112個、SPI口3個、高級定時器2個、UART5個和2通道12位DA輸出2個。共有外部中斷線19個，可根據(jù)分配的不同搶占優(yōu)先級和響應優(yōu)先級先后執(zhí)行中斷服務程序[10]。由此可見，STM32F103ZET6微處理器可以作為本系統(tǒng)的主控芯片，能夠滿足本系統(tǒng)的需求。

1.2.2 數(shù)據(jù)采集模塊

系統(tǒng)需要采集海量的數(shù)據(jù)信息，比如溫度、一氧化碳氣體濃度和煙霧濃度等，需要數(shù)據(jù)采集接口負責系統(tǒng)數(shù)據(jù)的采集和傳輸，該系統(tǒng)采用RS485作為數(shù)據(jù)采集接口通訊方式。RS485采用差分信號負邏輯，遵循MODBUS協(xié)議，支持的傳感器多，實施較為便捷，符合本系統(tǒng)設計需求。圖2為RS485接口電路圖，UART2和MAX485芯片共同組成RS485接口。

圖2 RS485接口電路圖

1.2.3 最小系統(tǒng)

STM32F103ZET6微處理器最小系統(tǒng)電路圖如圖3所示，采用 DC3.3 V信號作為電源，芯片引腳與電源之間通過濾波電容來抑制電源干擾，采用8 MHz的外部高速時鐘和32.768 kHz的外部低速時鐘，復位電路中采用充放電電容和限流電阻。

圖3 最小系統(tǒng)電路圖

1.3 系統(tǒng)軟件設計

該系統(tǒng)軟件包括數(shù)據(jù)采集終端和數(shù)據(jù)接收終端兩個子程序，均經(jīng)過初始化、發(fā)射和接收三個過程。系統(tǒng)上電后，首先對各模塊進行初始化處理，然后將數(shù)據(jù)包發(fā)射至發(fā)射模塊，最后實現(xiàn)數(shù)據(jù)接收并對接收的數(shù)據(jù)進行處理。圖4和圖5分別為數(shù)據(jù)采集流程圖和數(shù)據(jù)接收流程圖。

圖4 數(shù)據(jù)采集端流程

圖5 數(shù)據(jù)接收端流程

2 自動報警系統(tǒng)模型

BP神經(jīng)網(wǎng)絡結構包括輸入層、隱層和輸出層[11]。其中，隱層神經(jīng)元的數(shù)量根據(jù)實際需要確定，各層之間通過一對多的方式連接，同一層的神經(jīng)元之間互不相連[12]。該文采用常用的三層結構，反向傳播算法通過梯度對連接權值進行更新?？紤]到這里要求輸出函數(shù)必須連續(xù)且可微，故輸出層使用Sigmoid 函數(shù)作為激活函數(shù)。BP神經(jīng)網(wǎng)絡結構見圖6。

圖6 BP神經(jīng)網(wǎng)絡結構

用xi代表輸入層中某個神經(jīng)元信號，yh代表隱層神經(jīng)元的輸出，z代表輸出層神經(jīng)元信號，Tj代表目標信號，wih代表輸入層神經(jīng)元到隱層神經(jīng)元的權值，Δ代表實際輸出與預期輸出之間的誤差，Ni,i=1,2,3分別代表輸入、隱層和輸出神經(jīng)元個數(shù)，則隱層神經(jīng)元輸出可用式(1)、式(2)表示：

(1)

yh=f(neth)

(2)

輸出層神經(jīng)元輸出用式(3)、式(4)表示：

(3)

zj=f(netj)

(4)

其中：θh，γi分別表示輸入至隱層和隱層至輸出的閾值。

誤差函數(shù)用式(5)表示：

(5)

局部梯度用式(6)表示：

(6)

誤差對連接權值的偏微分為：

(7)

修正量如下式所示：

Δwih=-ηδhyh

(8)

wih(t+1)=wih(t)+Δwih(t)

(9)

對于Sigmoid函數(shù)：y=f(x)=1/1+exp(-x)，

成立：f(x)=exp(-x)/(1+exp(-x))2=y(1-y)

為加速網(wǎng)絡收斂的速度，式(8)中權值修正量用式(10)表示：

Δwih(t)=-ηδhyh+αΔwih(t-1)

(10)

其中：η表示步長;α表示慣性系數(shù)。

3 工程算例

根據(jù)第二部分設計的火災自動報警系統(tǒng)原理，選取溫度、一氧化碳氣體濃度和煙霧濃度作為BP神經(jīng)網(wǎng)絡輸入，火災發(fā)生概率為輸出。為了更加準確的描述輸入信號，這里結合模糊理論對輸入信號進行處理，選取Gauss隸屬度函數(shù)將各輸入信號描述為低、正常、高3個語言變量。根據(jù)第三部分的理論，可確定輸入神經(jīng)元總數(shù)為17個，隱層神經(jīng)元數(shù)n由下式確定：

(11)

其中：ni，no分別表示輸入和輸出神經(jīng)元數(shù)，c∈R且c∈[1,10]。于是隱層神經(jīng)元數(shù)在區(qū)間[6,20]內(nèi)取值，當其取值為20時系統(tǒng)最優(yōu)，故隱層神經(jīng)元數(shù)設為20。

至此，BP神經(jīng)網(wǎng)絡結構已經(jīng)確定。網(wǎng)絡開始訓練之前還需要設置閾值和初始權值，在區(qū)間(-1,1)內(nèi)取值，這里取為0.5，將輸出限定為[-1,1]，選用tanh作為隱層激活函數(shù)，對數(shù)S型函數(shù)作為輸出激活函數(shù)。選取100 組故障數(shù)據(jù)作為實驗樣本集，其中90組用于訓練，10組用于測試，表1中列出了部分實驗數(shù)據(jù)，訓練誤差曲線如圖7所示。

表1 實驗數(shù)據(jù)

圖7 訓練誤差曲線

圖7中的誤差曲線顯示，對原始數(shù)據(jù)直接使用BP神經(jīng)網(wǎng)絡進行訓練，需要迭代17次才會收斂，對輸入變量進行模糊處理后，只需迭代9次就能夠收斂。本設計所用的模糊-BP神經(jīng)網(wǎng)絡收斂更快。

訓練完成后，通過測試集數(shù)據(jù)對火災發(fā)生概率進行預測，實驗重復進行10次，圖8為10次實驗的平均預測擬合效果圖。

圖8 預測擬合效果圖

從圖8可以看出，BP神經(jīng)網(wǎng)絡的擬合曲線與實際值的偏差較大，經(jīng)過模糊化處理后的輸入用于預測的結果更接近于實際值，說明本設計使用的方法能夠較準確地對火災進行預測。另外，以標準差和均方根誤差作為評價指標，對預測效果進行分析，結果見表2。

表2 BP神經(jīng)網(wǎng)絡和模糊-BP神經(jīng)網(wǎng)絡誤差比較

從表2中兩種方法預測誤差的比較可以看出，無論是從標準差分析還是從均方根誤差來看，模糊-BP神經(jīng)網(wǎng)絡比單一BP神經(jīng)網(wǎng)絡的誤差更小，精度更高。

4 結論

該文根據(jù)實際工程情況，設計了一套自動火災報警系統(tǒng)，設計內(nèi)容包括硬件、軟件和模型設計。其中模型設計部分將模糊理論融入BP神經(jīng)網(wǎng)絡，解決了單一BP神經(jīng)網(wǎng)絡學習效率欠缺且選擇盲目性的問題。工程算例實驗結果表明，對輸入數(shù)據(jù)進行模糊處理后的預測值比使用單一BP神經(jīng)網(wǎng)絡的預測結果更接近真實值，且標準差和均方根誤差更小，預測效果更好。將該系統(tǒng)用于水電站火災報警是可行的，由于神經(jīng)網(wǎng)絡自身的特性，該系統(tǒng)還擁有對大規(guī)模數(shù)據(jù)進行處理的能力，而且可靠性較高。