梁文康， 吳芷珊， 類 康

（廣州華商學院， 廣東 廣州 511300）

0 引言

隨著人類社會的不斷發(fā)展， 火災已經(jīng)成為了人們不可忽視的多發(fā)性問題。 火災事故一次次地顯示出它對生命和財產(chǎn)造成的巨大破壞， 因此火災的預防和檢測是人類在對抗火災的過程中關注的焦點。 在各類化工場合如易燃易爆氣體的儲存與搬運、 原油的采取和煉制等關鍵場合，如果出現(xiàn)了失火幾乎是摧毀性的打擊。

通過調(diào)查我們發(fā)現(xiàn)， 在廣東有超過70%的電動汽車充電樁產(chǎn)品存在著安全隱患， 雖然有部分是由于人為疏忽而導致火災事故發(fā)生， 但是絕大多數(shù)是因為火焰探測器設備的性能不夠完善而造成火災發(fā)生， 這對人民的生命和財產(chǎn)安全造成了極大的威脅。

面對這些情況， 各個地方政府也紛紛出臺相應的政策措施去解決這一棘手的問題，我們可以看到在各類政策措施嚴格執(zhí)行的大背景下，人們的行為規(guī)范得到了一定程度的改善，由于人為疏忽導致的火災事故發(fā)生率也逐漸下降，但是主要的設備技術難關仍然等待人們?nèi)スタ恕?/p>

1 市場調(diào)研

調(diào)研發(fā)現(xiàn)， 目前國內(nèi)消防報警行業(yè)市場規(guī)模在270億元左右，并且每年以5%～10%的速率穩(wěn)定增長。 但是縱觀目前市場上存在著的比較普遍的火焰探測器都有或多或少的缺陷，例如傳統(tǒng)的感煙、感溫火災探測器因易受溫濕度傳感器等環(huán)境條件影響，存在錯報率較高的問題，容易導致人力物力等資源的浪費； 另一個比較普遍的就是紫外火焰探測器， 由于紫外火焰檢測器的敏感度差且檢測區(qū)域范圍較小，故無法很好滿足消防安全的要求。

相比之下， 屬于感光型的紅外線火災事故傳感器則是目前大多數(shù)人們比較青睞的火災監(jiān)測設備， 因為紅外線照射波段較長，因此造就了其擁有較強的穿透力，能夠檢測區(qū)域的范圍能夠十分廣泛， 適合于所有工業(yè)和居住范圍內(nèi)，同時也經(jīng)常被廣泛應用于森林火災檢測等。

同時我們也可以看到，近些年來，關于火災事故監(jiān)測的算法也受到了許多國內(nèi)專家學者的深入研究。比如，有的研究者提供了融合絕對溫度和根據(jù)相對高度變化的火災事故判定概率模式， 并運用近紅外熱成像技術進行了火災事故預警監(jiān)測。 有的通過構建了一個根據(jù)顏色空間的火災事故辨識概率模型，以提取火災事故目標區(qū)域，并根據(jù)運動特性進行對火災事故鑒定。 有的則提供了一個可以采用層次分析法獲取， 火焰多種動態(tài)特性相互融合的火災事故檢測方式?？偟膩碚f，隨著社會的進步和科技的發(fā)展， 越來越多學者投入到對火災事故檢測算法的研究當中， 這從側面也證明了火災事故帶來的影響和危害不容忽視。

在圖片的火焰檢測系統(tǒng)中， 通常會被圖片采集以外的火焰特征所阻礙， 這是由于每個使用場景還有作業(yè)現(xiàn)場的環(huán)境都不是一樣的， 難免會出現(xiàn)系統(tǒng)對現(xiàn)場的火焰特征沒有實現(xiàn)識別，并且導致檢測的精度降低。正是因為目前市場的火災檢測識別方法沒有能力在特別的環(huán)境下正確分辨火焰的特性，由于誤報率更多的問題，所以本文解釋一種IR3 紅外火焰探測器，并且運用RBF 神經(jīng)網(wǎng)絡作為該火焰探測設備的算法， 以此將干擾于現(xiàn)場的復雜環(huán)境的部分因素進行過濾， 從而達到更加有效的對電阻熱、鹵素燈以及太陽能這些干擾源的誤報。

2 紅外火焰探測系統(tǒng)整體結構

2.1 火焰探測器實現(xiàn)原理

本文中所設計的三波段紅外線火焰檢測器， 是基于3.8μm、4.3μm、5.0μm 三個波段來對火焰的紅外輻射進行探測， 三個紅外傳感元件對火災信息和非火災信息的相關監(jiān)測來實現(xiàn)對火焰與背景干擾的分辨： 第一個紅外傳感器的作用在于探測由碳氫或含碳化合物燃燒產(chǎn)生的紅外輻射， 其在4.3μm 波段的輻射強度明顯比其他的波段大。另一方面，太陽光的紅外輻射由于大氣中的二氧化碳和大地的吸收和反射，在4.3μm 波段的強度較小，因此三波段火焰探測器中選用4.3μm 作為監(jiān)測波段； 第二個紅外傳感器則是用來探測背景輻射， 例如調(diào)制太陽光、照明、電弧焊、自然或人工熱體等非火災紅外輻射。

為了提高探測器的靈敏度和距離， 還需要一個寬頻紅外傳感器用來探測背景紅外輻射， 于是第三個傳感器應運而生，3.8μm、5.0μm 兩個波段則是對人工熱源、背景光輻射等干擾源比較敏感的兩個參考波段。

三個傳感器的信號通過放大和處理后， 由內(nèi)置的CPU 進行輸入信號的分析判斷以及輸出信號的變換，根據(jù)采集的信號，動態(tài)進行閃爍、閾值、相關的比值等分析，作出準確的判斷，幾乎無誤報警。

2.2 硬件整體框架

IR3 紅外火焰探測器通常是由紅外傳感器模塊和三通道式前端擴散集成電路還有信號采集模塊、EEPROM模組、微處理器模塊、遠程標定與復位電路、4～20mA 電流環(huán)電路、Modbus 通信連接模塊等所組成。

傳感器模塊運用的是三個主要的頻段， 分別是3.8μm 和4.3μm 還有5.0μm 頻段的紅外熱釋電傳感器。通過三聲道的前置放大集成電路中， 通常是由信號預處理電路、運算放大電路、二階巴特沃斯帶通濾波電路所構成。 最后通過信號采集模塊完成的模數(shù)變換。

3 火焰識別算法原理分析

3.1 火焰檢測算法

由于在紅外火焰探測器檢驗流程中， 或許會發(fā)生單獨的或非火焰波段信道的特征數(shù)據(jù)損失、畸變、飽和等對樣本特征數(shù)據(jù)結果形成較強影響的情形， 所以本文中設計了使用RBF 的神經(jīng)網(wǎng)絡檢查計算。

（1）輸入層。 輸入整理好的樣本數(shù)據(jù)。 根據(jù)各項數(shù)據(jù)分析出最容易導致火災發(fā)生的物品種類， 以這些物品確定為實驗的研究對象，然后收集這些研究對象的性能、狀態(tài)、形狀等數(shù)據(jù)，按照一定的歸類方法整理好，把這些數(shù)據(jù)經(jīng)過篩選、組合、再歸類，從而確定好樣本數(shù)據(jù)，再將樣本數(shù)據(jù)傳送到輸入層，再進行進一步的分析。

（2）隱蔽層。首先，把所有一起試驗的數(shù)據(jù)內(nèi)容，經(jīng)過聚類算法將其聚為h 類， 把每一種類別都分為n 個高斯隸屬性函數(shù)。 最后把這個h 類函數(shù)的樣本聚類中心為隱含層各高斯隸屬度函數(shù)的初始中心函數(shù)。

（3）歸一化層。 標準的RBF 模糊神經(jīng)網(wǎng)絡盡管在訓練過程中性能很優(yōu)秀，但在測試時的一般化水平并不高，測試出來的結果并沒有能夠很好地反映出樣本數(shù)據(jù)的真實情況，而歸一化后的RBF 模糊神經(jīng)網(wǎng)絡則可以顯著地改善訓練模型的一般化水平。

（4）輸入輸出層次。輸入輸出層的所有入口在計算機網(wǎng)絡中歸一化，適當度構成的線性結構。

3.2 系統(tǒng)軟件設計

系統(tǒng)設計運用的是IAR Embedded workben Ch 平臺，相比于其他的同類平臺， 該平臺對數(shù)據(jù)具有更安全的保密性，同時數(shù)據(jù)傳送速度極快。 另一方面，我們也同時運用嵌入式C 語言編程進行運作， 使整體工作效果能夠更具有科學性。 效能有以下部分組成：系統(tǒng)初始化、系統(tǒng)自檢、傳感器信息收集、處理、通信、告警等若干方面。

（1）系統(tǒng)初始化與自檢。 在EEPROM 中讀取各函數(shù)的值，進行參數(shù)初始化；然后通過檢查硬件電路存不存在運行不通過， 并且所有的參數(shù)初始值有沒有正確的運行系統(tǒng)自檢。

（2） 數(shù)據(jù)采集。一旦控制系統(tǒng)進入正常的工作狀態(tài)后，將完成所有傳感器數(shù)據(jù)采集工作， 本控制系統(tǒng)通過STM32 微處理器的DMA 連續(xù)切換模塊，完成了對全部三個傳感器通道的數(shù)據(jù)采集。

（3）數(shù)據(jù)處理。 采集完數(shù)據(jù)樣本之后，從先前的數(shù)據(jù)中將試驗的火焰特征提取出來再運行系統(tǒng)自檢。 一般來說采集的火焰特征越多， 對真火焰的檢測精度也會更加高， 同時誤報率一樣會大大降低， 不過特征數(shù)據(jù)變多的話，系統(tǒng)軟件的運行負荷越大，判斷所用的時間就更長，也會影響對探測器實時性的要求。但經(jīng)過研究分析后，本系列所獲得的火災特性大致有： ①三個波段數(shù)據(jù)的電壓峰值；②從三個通道采集數(shù)據(jù)相互間的差值；③頻譜中各頻率段幅值之和；④頻譜中峰值對應的頻率和幅值大小。

本檢測器因采用了三種不同波段的通道，從而使用三種通道間的交叉特性能夠更有效減少因距離遠近而造成的誤報。 而且，由于檢測儀采用了Modbus 通信協(xié)議和集總控制器實現(xiàn)的數(shù)據(jù)， 故能夠利用上位機查詢各個輔助寄存器中的數(shù)據(jù)，從而真實的監(jiān)控檢測儀的運行工作狀況。

4 實驗結果與分析

此次實驗主要對酒精燈、正庚烷、高溫電烙鐵、白熾燈、鹵素燈、太陽能等各種動火和干擾源，進行了數(shù)據(jù)收集和模擬訓練。

試驗過程中共使用了621 組的取樣數(shù)據(jù)結果 （每組200 個數(shù)據(jù)結果），每組試驗數(shù)據(jù)結果均被歸一化在[-1，1]的范圍。為便于對比，分別選擇了三百六十五組作為RBF模型與BP 模型的訓練集，之所以選擇BP 模型是因為BP模型是目前在火焰識別中比較普遍運用的一種識別算法，兩者相比較能夠突顯出RBF 模型的優(yōu)越性，實驗樣本數(shù)據(jù)主要由陽性樣本一百八十四組和陰性樣本一百八十一組這兩者有機組成， 其輸出結果分為1 和-1 兩類，“1”是代表“有火”，“-1”則表示“無火”。 此外，為了有效防止過渡擬合， 該實驗還選擇了另外一百零一組作為訓練驗證集，并且在此基礎上選擇了最佳的匹配模式，其中則包括了五十三組有陽性樣本和48 組有陰性樣本。

研究結果表明， 探測器中無論存在火災或干擾源的狀態(tài)下，RBF 網(wǎng)絡系統(tǒng)檢測精度均高于BP 網(wǎng)絡， 且對高熱電烙鐵、白熱燈、鹵素燈、太陽能等干擾無誤報情況，證明了RBF 網(wǎng)絡系統(tǒng)在火災監(jiān)測中有良好的魯棒性，并顯示出了很好的火焰監(jiān)測特性。

另外，本文還對火源和干擾源做了角度位移在45°狀態(tài)下的精度檢驗。實測結果表明，大距離位移對信號特性的獲得有輕微障礙，而RBF 神經(jīng)網(wǎng)絡的檢測方式是能夠很高效、快捷、方便地解決此類障礙，更重要的是在這個基礎上，RBF 還能保證較好的測量精度。

5 結論

本文采用了RBF 神經(jīng)網(wǎng)絡火災探測技術，使用了三個紅外波段完成了對火災的精確探測， 從而高效地消除了各種擾動源，也大幅增強了火探測器對告警的準確度。比較于常規(guī)的BP 網(wǎng)絡技術，已經(jīng)證明了該檢測算法對于強干擾源問題， 有著更佳的魯棒性以及更精確的測試特性。在硬件設計方面，前置通道可以針對模擬信號的大小而自行調(diào)整增益，從而達到了對信息的最佳使用，也有效地防止了因信息過弱引起的數(shù)據(jù)損失和因信息飽和引起的數(shù)據(jù)丟失，從而提高了較優(yōu)火焰識別算法的實現(xiàn)。

總的來說，消防器械行業(yè)在保障人民生命財產(chǎn)安全中扮演著極其重要的角色，對社會的穩(wěn)定發(fā)展具有舉足輕重的地位，而火焰探測設備優(yōu)勢直接影響消防器械行業(yè)的關鍵設備。 本文的基于IR3 點型式紅外火焰探測器及RBF神經(jīng)網(wǎng)絡數(shù)學算法的新型火焰檢測設備研究旨在更科學高效地解決電動自行車充電時易發(fā)生火災的隱患，保障人民群眾的生命和財產(chǎn)安全，而且能夠改善電動自行車隨意擺放及居家充電的雜亂場面，推動文明城市建設。未來，該設備將不僅僅局限于目前的社區(qū)電動自行車充電樁雨棚，還可以應用于更加廣闊的領域中，更精準、更高效的保障更多區(qū)域的消防安全，用實際行動做到真正意義上的用科技改善人民的生活水平，讓更多的人們能過上安居樂業(yè)的幸福生活。