（仪器科学与技术专业论文）智能化机车火灾探测系统.pdf

：一： 望矍型兰垫查奎兰矍塞耋堡兰堡篁圣 ：一 第一章绪论 1 1 课题研究意义 随着社会进步和人们安全意识提高，人们对火灾预防提出更高的要求。火车是一种移 动的独立豹实体，火车火灾基本立于自救，获得外援的可能性较小但火车上的人力和设 备有限；而且火车结构是狭长的，对于运输旅客和货物的不同设计要求。还要余外占用了 部分交通空间，使消防器材回旋余地少。临时消防人员跨车厢及时救火也相当困难，所以 火车火灾扑救环境恶劣。 机车提供给各种监控系统的工作环境同样恶劣。据统计：火灾发生在火车上，大部分 是火车电气室和动力室的电气火灾，其内部空问拥挤，而且各种仪器的安装都有规定，所 以传感器的安装并不会完全安装在火情最容易发生的所有可疑地点，这就会容易引起遗漏 火情；电气室和动力室的正常工作环境特别恶劣，温度大约在5 0 一8 0 ，这几乎超出现在 所有烟雾传感器技术指标的极限，各种油烟和灰尘也对烟雾传感器造成错误识别；另外由 于机车上特别是电气室和动力室内火灾负荷大、燃烧蔓延猛，一旦在机车上发生火灾，很 难控制火势，如果蔓延将产生难以估计的灾难。 据统计1 9 7 9 1 9 9 0 年阎全鼯共发生火灾3 1 5 8 起，损失5 8 0 0 多万元火车上没有火灾报 警系统，事故频繁发生，例如仅仅株洲机务段自1 9 8 8 年1 月至u 1 9 9 2 年2 月就发生火灾事故9 起，而上饶、向塘两个机务段配属的1 0 1 台东风4 机车自1 9 8 6 年8 月到1 9 8 9 年1 2 月共发生火 灾事故1 0 起，造成的直接经济损失达3 4 万元以上。机车火灾首先造成机车本身的损失，一 辆2 2 型普遁客车的造价增加。一辆2 2 型普通客车车厢平均价值5 0 万元，2 5 型空调客车1 5 0 万元，发电车4 5 q 万元。区间或客车整个场所发生的客车火灾，严重影晌其他客货列车正 常运行和出人库列车正常作业，并产生高额的事故救援费用。机车火灾不仅威胁机车货物 等的安全，严重的还会导致人身伤亡和巨大的财产损失，甚至造成无法估量的环境破坏军 用机车的火灾还可能造成更加不蟮设想的严重后果。 所以一种机车稳定性、可靠性和准确性高的智能探测和报警系统的应用非常必要，另 外智能火灾探测和报警系统在娱乐场所、大型商场、油房仓库、会议厅以及居民住房等场 合也有广泛的应用，军事上飞机、车辆、舰艇机舱的火灾预警也异常关键。 驴2 火灾报警系统发展历史和发展趋势 1 2 1 火灾报警系统发展历史 火灾自动报警系统是由传感技术电子技术、计算技术网络技术和模块化技术密切结合 火灾自动报警系统是由传感技术电子技术、计算技术网络技术和模块化技术密切结合 第l 页 国防科学技术大学研究生院学位论文 的一种高新技术系统，目前国内外大多采用了智能二总线地址编码技术，系统中所采用的 探测器具有火警确认、灵敏度自动调整、污染自动检查等智能功能，这使得误报率很低， 加上报警及控制器信号处理功能及容量探测报警显示、记忆及状态检查等功能越来越强， 实现了技术上的飞跃，目前国际上大多处于这一代技术状态。近几年在此基础上最新发展 起在探测器上安装有c r j 微处理器使探溯器和控制器具备二级自检，系统始终处于正常可 靠的监视状态外，还具有极强的组网功能，快速通信功能。还有对多传感复合探测器的信 息融合研究，关于火的气味、声波、图像等新系统参数的分析研究，人工智能模糊逻辑一 神经网络等新理论技术的研究应用，使系统的容量、智能、功能和可靠性进人一个新的层 次。火灾探测系统使用更方便，显示更生动直观。 国外的情况发展要比我们起步早些，现代火灾探测技术更成熟些。早在1 9 世纪末，英 国人最早利用金属受热膨胀原理制成感温传感器件。2 0 世纪初，英国火灾保险公司委员会 首次发布了具有规范性质的感温火灾探测器安装技术规定。2 0 世纪中叶，英国消防科学研 究所和火灾保险委员会联合制定了b s 3 1 1 6 典型感温探测器标准。迄今为止，感温火灾探测 仍然作为自动探测火灾的传感器件，广泛地应用于火灾自动测控系统中。2 0 世纪4 0 年代， 瑞士人发明了感烟火灾探测器，经过进一步改进，就奠定了瑞士西伯乐斯公司系列产品地 基础。感烟火灾探测器的应用，实现了火灾早期报警，这也是火灾自动报警技术发展的一 大飞跃。从此，火灾自动报警系统较普遍地推广开来。从5 0 年代西伯乐斯公司推出f 5 0 0 感 烟火灾探测器起，发展到9 0 年代初推出f 9 0 0 型感烟火灾探测器产品的灵敏度、可靠性、稳 定性等主要技术指标有了大幅度的提高。6 0 年代，西伯乐斯公司就向美、英、日等国出售 有关火灾自动报警系统的产品专利技术。美、英、日、西德等国于7 0 年代也先后制定了火 灾探测器的有关标准、工程建设标准、产品检验和注册制度等。 我国火灾报警产品起步较发达国家晚几十年，从上世7 0 年代才开始研制生产这类产 品。进入8 0 年代后，国内主要厂家也多是模仿国外的产品，或是引进国外技术进行生产， 没有真正意义上的核心技术，并且市场也剐刚开始发育。火灾报警产品真正发展是在9 0 年代以后，随着政府逐渐开放国门，国外企业开始大量进入中国消防市场，带来先进技术 的同时也不断催化着市场的成熟。这时期我国的火灾报警企业大量出现，部分企业进行了 合资生产、技术合作，取得了不菲的成绩，也造就了现今市场上许多有实力的商家，部分 技术已接近或赶上了国际水平。前不久中国火灾科学国家重点实验室与日本国立消防研究 院共同合作，在合肥完成了迄今国际上最大规模的火阵列羽流与火旋风实验，这标志着中 国火灾科学研究已达到国际领先水平。 在我国，火灾自动设备报警设备的研究、生产和应用起步较晚，5 0 6 0 年代基本上是 空白。7 0 年代开始创建，并逐步有所发展。自8 0 年代中期至今，火灾自动报警技术有了很 大发展，除制定了产品标准。工业建设标准和建立了国家消防电子产品质量监督检验测试 中心外，还有遍及全国各地的近8 0 家生产企业。另外，美、英、日、德、瑞士、奥地利等 国的消防电子产品，也源源不断的打进我国。消防电子产品实际上有了较大的发展。近几 十年来，随着微电子技术的巨大发展，火灾自动报警技术又有了一次飞跃，总线制、多路 第2 页 国防科学技术大学研究生院学位论文 传输技术应用于火灾自动报警装置，致使生产厂家、设计单位、和施工单位，都得到了新 的转机，这就是区n 8 0 年代以前的传统火灾自动报警系统的现代火灾自动报警系统。 现代火灾报警系统在今后几十年内，有可能将取代传统的火灾自动报警系统，获得更 加广泛的应用。但传统的火灾自动报警系统不需要太复杂的探测装置，较突出的优点是： 能够实现早期报警，系统性能较易了解，成本费用较低。如能做到合理设计、正确安装、 经常维护、加强管理，均可发挥监视火情的重要作用。但鉴于系统处于长期工作状态，环 境条件变化，设备元件性能变化以及其它干扰等原因，系统的误报率较高。在英国，传统 系统的误报远远超过真实火警。在我国，误报率也比较高。现代火灾自动报警系统有可能 使误报率至少减少一个数量级。现代系统与传统系统的主要区别在火灾信号的处理，现代 系统做了彻底改进，把火灾探测器中的模拟信号不断地送到控制器中评估和判断，控制器 辨别虚假火灾或真实火灾及其发展等。 1 2 2 火灾智能探测的前景展望 近年来，智能控制技术已取得了突飞猛进的发展，并日益显示出其重要价值。智能控 制已成为人工智能、控制论、系统论、信息论、认知心理学、认知生理学、认知工程学、 语言学、逻辑学、仿生学、机器人学、v l s i 和计算机科学等多种学科的综合与集成，吸引 了全球不同领域、不同学科的众多专家学者，进行着广泛的研究工作，并不断探索新的方 法、新的理论和新的有效的实际应用。人们正努力使智能控制技术进入工程化和实用化的 阶段。智能控制己渐渐渗透到人们生产、生活的各个领域，成为人们生活的重要组成部分。 智能控制今后的发展趋势可以归纳为以下几点： i ) 探索新的理论框架，完善现有的理论体系。 当前，智能控制的研究尚存在一些需要解决的问题，主要表现在：宏观与微观分离， 全局与局部的分割，理论与应用的脱节。这些问题的存在说明：要从根本上了解人脑的结 构与功能，提取人工智能和智能控制的思想，我们需要更加深入地研究智能控制的基本理 论和概念，寻找和建立更新的智能控制框架和理论体系，建立新的更加有效的智能控制机 制。 2 ) 进行更好的技术集成。 如前所述，智能控制是人工智能技术和其它各种信息技术的巧妙集成。目前已有许多 不同的集成方案，如模糊自学习神经网络控制、遗传算法模糊控制器等。但随着智能控制 向着更高的技术水平发展，新的技术不断涌现，我们也必须不断探索新的更好的技术集成 方式，从而加速智能控制技术的进一步发展。 3 ) 开发更成熟的应用方法。 人们研究智能控制的目的就是为了把它应用到人们的生产、生活中，改进生产效率、 提高生活水平。随着智能控制方法的逐渐成熟，及作为其硬件基础和保障的各种微处理器 d s p 芯片电路性能的不断提高，大规模集成电路( a s i c ) 设计的普及，智能控制的应用领域 将进一步扩大。例如，在嵌入式系统方面，智能控制早已不仅仅局限于本文前面介绍的自 第3 页 国防科学技术大学研究生院学位论文 调整智能温度控制器等工业智能控制领域。它己被广泛地应用到了其它多种领域，如家用 电器领域的彩电画质控制器、空调控制器，计算机、网络应用领域的智能路由器，智能接 入器等。 我们可以期望，随着科学技术的发展和社会的进步，以及电子技术、计算机技术等的 革新，智能控制必将迎来其发展的新时期，智能控制的未来一定会更加美好。 1 3 系统实现的功能和技术问题 作为一个比较完整的机车火灾智能检测系统主要功能如下： 1 ) 系统对火灾温度、烟雾巡回探测，c p u 对探测的信号进行数据融合运算和判断。 2 ) 出现故障以及火警立即发出声光报警，并提供正确的故障和火警发生时间和位置。 3 ) 适当延时，确认火警后，自动或手动联动控制警铃、广播、各种风机、油泵等设施， 控制火情蔓延。 4 ) 出现火警立即启动气体灭火系统，最快速度将火扑灭。 5 ) 具备记忆功能，记录火警开始至灭火结束的全过程所发生各个事件，便于全过程 动态分析。 6 ) 具备故障自动检侧，便于系统维修、保养。 需要解决问题： 1 ) 火灾传感器的种类和数量选择和传感器的安装。 2 ) 多传感器探测信息的融合处理和算法研究应用。 3 ) 有效抵抗火车内部干扰，提高探测反应速度和最大限度降低错误以及遗漏报警。 4 ) 提高系统的可靠性、维修性及安全性。 1 4 作者要做的工作和论文的安排 针对系统要实现的功能，本文介绍了国内外火灾探测的现状，接着对火灾探测算法的 进行了研究和探讨，在此基础上把模糊技术和神经网络进行结合，最后给出系统在软件和 硬件相应的改进。最终火灾智能探测和报警系统能够达到高可靠性和低误报率。 本文主要内容安排如下：第一章主要介绍火灾智能探测系统的意义、历史和发展趋势， 给出系统的主要功能和作者所做工作。第二章介绍了智能信息处理方法的基本理论、方法 和发展趋势。第三章介绍了模糊控制和神经网络相结合在火灾探测中的应用。第四章介绍 了系统的软件和硬件设计。第五章介绍了系统的的抗干扰性、安全性、维修性的设计和建 议。第六章总结作者工作、得出的最终结论和建议设想。 第4 页 国防科学技术大学研究生院学位论文 人工智能、自动控制和运筹学三个主要学科相结合的产物。如图2 1 所示，称为智能 控制的三元结构。 三元结构可用交集形式表示如下： i c = a ina cno r 式中各子集的含义为： i c 一智能控制( i n t e l l i g e n tc o n t r 0 1 ) a i 人工智能( a r t i f i c i a li n t e l l i g e n c e ) a c 自动控制( a u t o m a t i cc o n t r 0 1 ) 0 r 运筹学( o p e r a t i o n sr e s e a r c h ) 人工智能( a i ) 是一个知识处理系统，具有记忆、学习、信息处理、形式语言、启发式 推理等功能。自动控制( a c ) 描述的是系统的动力学特性，是一种动态的反馈。运筹学( o r ) 是一种定量优化方法，如线性规划、网络规划、调度、管理、优化决策和多目标优化方法 等。 这种三元结构理论表明，智能控制就是应用人工智能的理论与技术和运筹学的优化方 法，同控制理论方法与技术相结合，在未知环境下，仿效人的智能，实现对系统的控制。 这里所指的环境是指广义的被控对象或过程及其外界条件。或者说，智能控制是一类无需 ( 或仅需尽可能少的) 人工干预就能够独立地驱动智能机器实现其目标的自动控制。可见智 能控制代表着自动控制科学发展的最新进程。 智能控制的定义可以有多种不同的描述，但从工程控制角度看它的三个基本要素是： 智能信息智能反馈智能决策。从集合论的观点，可以把智能控制和它的三要素关 系表示如下： 智能信息n 智能反馈n 智能决策n 智能控制 因此。智能控制系统可以看作是一类具有复杂性、不确定性、模糊性且一般不存在已 知算法的非传统数学公式化过程，且在过程中，是以知识信息为基础的模仿人类和生物系 统进行推理和学习，用启发式方法来进行求解过程，从而得以在大范围内实现快速自组织 的目标，一般性能优于传统控制系统的复杂系统。同时智能控制又是以知识为基础的系统， 即知识工程是研究智能控制的重要基础。 本文重点研究火灾信号智能探测的内容，作者认为从工程的角度来看，智能火灾探测 是指探测系统采用有模糊逻辑和神经网络技术或者两者结合的技术，能够根据现场环境自 动调整运行参数，即具有自学习功能和自适应能力，同时对信号的处理、报警的确定以及 联动逻辑等功能都采取智能算法，从而更接近人的感观和实际情况，提高火灾报警和联动 控制的准确性和可靠性。 2 1 2 智能控制系统分类 基于智能理论和技术已有的研究成果，以及当前的智能控制系统的研究现可把智能控 制系统分为以下几类： 第6 页 国防科学技术大学研究生院学位论文 1 ) 分级递阶智能控制系统 分级递阶智能控制系统( h i e r a r c h i c a l l yi n t e l l i g e n tc o n t r 0 1 ) 是在研究早期学习控 制系统的基础上，并从工程控制论的角度总结人工智能与自适应、自学习和自组织控制的 关系之后而逐渐形成的，是智能控制的最早理论之一。 目前已经提出两种分级递阶控制理论，即基于知识、解析混合多层智能控制理论以及 “精度递增伴随智能递减”的分级递阶智能控制理论。后者又称为s a r i d i s 分级递阶智能 控制理论。 三级分级递阶智能控制系统是由g n s a r i d i s 于1 9 7 7 年提出的。系统由组织级、协 调级和执行级组成。并遵循“精度递增伴随智能递减”的原则。组织级起主导作用，涉及 知识的表示与处理，主要应用人工智能工作；协调级在组织级和执行级间起连接作用，涉 及决策方式及其表示，采用人工智能及运筹学实现控制；执行级是底层，具有很高的控制 精度，采用常规自动控制。 2 ) 专家控制系统 专家控制系统( e x p e r tc o n t r o ls y s t e m ，e c s ) 是一种已广泛应用于故障诊断、各种工 业过程控制和工业设计的智能控制系统。 工程控制论与专家系统的结合形成了专家控制系统。专家控制系统有专家控制系统和 专家式控制器两种主要形式。前者采用黑板等结构，较为复杂，造价较高，因而目前用得 较少；后者多为工业专家控制器，结构较为简单，又能满足工业过程控制的要求，因而应 用日益广泛。 3 ) 模糊控制系统( 见2 2 介绍) 4 ) 神经网络控制系统( 见2 3 介绍) 5 ) 基于规则的仿人智能控制 从广义上说，各种智能控制方法研究的共同点，就是使工程控制系统具有某种“仿人” 的智能，即研究人脑的微观或宏观的结构功能，并把它移植到工程控制系统。事实上，控 制理论本身的研究，如p i d 比例、积分、微分控制，就是从模仿人的控制行为开始的。 k s f u ( 傅京孙) 阐述智能控制的研究背景时，首先提出的是人作为控制器的系统。 仿人智能控制所要研究的主要目标不是被控对象，而是控制器本身，即直接对人的控 制经验、技巧和各种直觉推理逻辑进行测辫、概括和总结，使控制器的结构和功能更好地 从宏观上模拟控制专家的功能行为。从而实现对缺乏精确数学模型的对象进行有效的控 制。 6 ) 集成智能控制系统 由几种智能控制方法或机理融合在一起而构成的智能控制系统称为集成智能控制系 统，举例如下： ( 1 ) 模糊神经( f n n ) 控制系统 模糊系统具有容易被人理解的表达能力，而神经网络则有极强的自适应学习能力。模 糊神经控制系统根据模糊系统的结构，决定等价结构的神经网络，即将模糊系统转换为对 第7 页 国防科学技术大学研究生院学位论文 输入变量x 。 n p s pp ov pl p 输 n pn p s pp ov pv p 入s ps ps pp ov pl p 变p op op ov pl pl p 量v p p op ov pl pl p x 2 l pp ol pl pl pl p 图2 4 控制规则的矩阵表 工程上为了便于微机实现模糊推理，通常采用“或”运算处理这种较为简单的推理访 法。m a m d a n i 推理方法是一种广泛采用的方法。它包含三个过程：隶属度聚集 ( a g g r e g a t i o n ) ，规则激活( a c t i v a t i o n ) 和输出总合a c c u m u l a t i o n ) 。 ( 1 ) 推理条件前提隶属度的聚集 设第k 条控制规则为： 其中心 0 ，1 是规则的权系数( 置信度) ，若缺省则默认w k = l ，令q 1 ，口七2 ， 分别是模糊集只l ，最2 ，最3 的隶属度。推理规则的前提条件可以聚集为最，即 最= 最i a n d 1 2 1 k 2 0 r ( n d 缘) 。或用合成度表示为 a = m i n a “，口1 2 枷( 1 一口) = m a x m i n a t t ，口1 2 ，( 1 一口i ) 】 考虑规则的置信度时，合成度为反= w k a k 。 ( 2 ) 规则激活 控制规则可写成如下形式： i f b ( 条件) t h e ng ( 结论) ，( 只= 最la n d 最2 ) 规则被激活的原则是，若某规则的前提条件p 。得到满足，则该规则被激活，通过模糊 变换得到结论输出g 。激活的操作通常取m i n 或p r o d ( 取小或代数乘) 运算，如图2 5 所示 图2 5 ( a ) 为一条规则的取小运算规则激活，图2 5 ( b ) 为一条规则的代数乘运算规则激活。 第1 l 页 国防科学技术大学研究生院学位论文 一j取u 。f m i a ( 口i ) ，c i 。m i n ( 靠，h ) ( ) 取小遗算( r a i n a k e , m i n ( ，a k ) q = p t 0 dc 鲰，如) ( b ) 代教秉逢募( p r o d ) 图2 5 规则激活方法 ( 3 ) 输出总合 模糊系统工作时，可能同时有若干条规则被激活，每一条规则会产生一 l o ( 权系数吼= i k - - i ，2 ，”) 图2 6 输出综合原理( m a x ) ( 群) 个结论，即推理输出，对所有被激活的规则结论取m a x 运算，就得到模糊推理结果，如图 2 6 所示。其中，乇 ) ， ) ，卢乞0 ) ，白0 ) ，分别为四条被激活规则的结论，g a t e 。 ) 是四条规则取大运算( m a x ) 后总的模糊规则输出综合。这是一个以模糊集表示的推理输出。 目前在许多应用软件中常有的推理方法就是最大一最小推理法( m a x m i n i n f e r e n c e ) 第1 2 页 、一旷 盈旷氏强 一 轧 一 国防科学技术大学研究生院学位论文 ( m a x - m i n - i n f e r e n c e ) 和最大乘积推理法( m a x - p r o d - i n f e r e n c e ) 。两种推理方法的差 别并不是很大。 3 ) 清晰化接口 清晰化( d e f u z z i f i c a ti o n ) 又称去模糊和反模糊。模糊推理所得的结果是一个模糊集 或者是它的隶属函数，不能直接作为控制量，因而还必须作一次转换，将模糊量转换为清 晰的数字量。清晰化有各种方法，其中最简单的一种是最大隶属度法。在控制技术中最常 用的方法还有重心法( c e n t e ro f g r a v i t y ( c o g ) m e t h o d ) 、面积重、u 法( c e n t e ro f a r e a ( c o a ) m e t h o d ) 、左取大法( l e f tm o s tm a x i m u ，l m ) 、右取大法( r i g h tm o s tm a x i m u m ，r m ) 、最 大平均值法( m e a no fm a x i m u m ，m o m ) 等。 模糊控制作为一种仿人思维的智能控制技术，人们在实际应用过程中，为了取得更好 的控制效果，已提出了多种改进的模糊控制器，如p i d 模糊控制器、变结构模糊控制器、 复合型模糊控制器、自校正模糊控制器、神经网络自学习模糊控制器、遗传算法寻优模糊 控制器等。 2 3 神经元网络 人工神经网络控制( a n n b a s e dc o n t r 0 1 ) 简称神经控制( n e u r a lc o n t r 0 1 ) 。神经网络 是由大量人工神经元广泛互联而成的网络，它是在现代神经生物学和认识科学对人类信息 处理研究的基拙上提出来的，具有很强的自适应性和学习能力、非线形映射能力、鲁棒性 和容错能力。 2 3 1 人工神经元网络 人工神经元是利用物理器件对生物神经元的模拟和简化的结果，它是神经网络的基本 处理单元。 ，l - i 图2 - 7 神经元的结构图形 图2 7 显示了一种简化的神经元结构。它是一个多输入、单输出的非线性元件。其输入输 出关系可描述为 jj ：罡whx i 其中w ”2 一e i ，x o 2l j 。0 第1 3 页 国防科学技术大学研究生院学位论文 y ，=厂( i ，) 其中x ，( j = 1 ，2 ，3 ，n ) 是从其它神经元传来的输入信号，口，为闲值，一f 表 示从神经元j 到神经元i 的连接权值，厂( 卓) 成为传递函数。 传递函数f ( x ) 可为线性函数，但通常取为阶跃函数或s 状曲线等非线性函数。现将 常用的神经元非线性函数列举如下： 1 ) 阈值性函数：当儿取0 或1 时，f ( x ) 为阶跃函数 m ，= f 誓：? 当y 取一1 或1 时，f ( x ) 为s g n 函数 m ，= 一誊i ： 2 ) s 状函数：通常是在( 0 。1 ) 或( 一1 ，1 ) 内连续取值的单调可微分的函数，常用指 数或正切等一类s 状函数曲线( s i g m o i d ) 来表示，如 ( z ) = l 1 + e x p ( 一x )( 0 ) 或者，( x ) = t a n ( x ) 3 ) 高斯函数： r 2 f ( x ) = e x p ( 一) 4 ) 饱和型函数： il 当x 一1 k 厂( x ) = k x 当一1 k x l k i 1 当x i k 就神经元计算式本身而言，并没有很强大的功能，但是按多种不同方式连接以后，可 以在变量之问建立不同的关系，得到强大的信息处理能力。人工神经网络是一个并行和分 布式的信息处理网络结构，该网络结构一般由许多个神经元组成，每个神经元有一个单一 的输出，它可以连接到很多其它的神经元，其输入有多个连接通道，每个连接通道对应一 第1 4 页 国防科学技术大学研究生院学位论文 图2 9 反馈神经网络结构 前馈网络是静态非线形映射，通过简单非线形处理单元的复合映射，可获得复杂的非 线形处理能力，而且其结构简单易于编程实现，是一种强有力的学习系统。典型的前馈网 络有感知器网络、b p 网络等。 反馈神经网络是一种反馈动力学系统，比较典型的反馈型神经网络有h o p f i e l d 网络 等。 2 4 模糊控制与神经网络的结合 模糊控制和神经网络是两种不同智能控制思想和方法，它们各自的长处可简单指明 如下： 神经网络的长处在于最重要的两点： 1 ) 能够生成无需明确表现知识的规则。 2 ) 具有自学习功能。 模糊技术的长处在于最重要的两点： 1 ) 可以用模糊性的自然语言表现知识。 2 ) 可以用m a x 、m i n 这类简单运算实现知识的模糊推理。 另外，用神经网络去解决人工智能问题，在知识的推理上还存在相当大的困难；而在 知识的获取方面，模糊技术也显得十分软弱。显然，把神经网络和模糊技术结合起来，就 能互相弥补它们的不足，发挥它们各自的长处，使知识的获取和加工成为一种容易实现的 事情。同时对人工智能的发展也将产生巨大的作用，并能取得明显的实用效果。 神经网络和模糊技术的结合在目前有下列方法和动向： 1 ) 利用神经网络调节隶属函数。在一般的模糊控制中，模糊推理是在隶属函数不变 的情况下进行的。但是，客观的情况是随时间的变化而变化的，因此，隶属函数不变的推 理就显得有所不足。为了使模糊推理能适应环境的变化情况，就需要随系统的状态改变隶 属函数。改变隶属函数有很多方法，但最实用最有前途的方法是用神经网络进行隶属函数 调节。在主观经验给出的模糊推理规则较粗糙时，通过神经网络学习，可以产生较好的适 合情况的隶属函数。这时候，用神经网络驱动型推理可以构造合理的隶属函数。 2 ) 知识的获取和表达。在实际应用中，被控对象有时是变化的，或是没有恒定可表 国防科学技术大学研究生院学位论文 示的数学模型的，或是数学模型无法求取的非线性系统。这时，系统无法采用一种不变的 控制方法，否则难以取得最佳效果。而以神经网络对系统的变化进行学习，以获取变化的 有关知识：也可以神经网络对控制方式进行分类，并同时用神经网络去表现控制系统的动 态特性知识，从而进行自组织模糊控制，达到期望的最佳控制效果。 两种模式比较和选择。在实际应用中，通常要对模式进行识别。利用模糊逻辑和神经 网络结合的方法实现模式识别有两种基本方式： 1 ) 把模糊技术用于神经网络，将神经元模型改进成模糊神经元模型，突出的权重以 隶属函数来表示。 2 ) 把模糊逻辑和神经网络做成专门的模式识别芯片，芯片内的模糊逻辑和神经网络 各自的功能不同，确定的模式从芯片的基准端输入，作为模式的标准：而多个样本从多个 比较端输入，模糊逻辑对被识别的样本和标准进行比较，从而产生多个结果信息。 模糊技术和神经网络的结合还有各种各样的研究，包括模糊技术与神经网络组成的在 经济管理上的模糊认知图，用神经网络读模糊规则的抽出研究，把模糊推理结果再加到神 经网络中去求最优化的研究。模糊技术与神经网络结合是一种把经验与数学模型结 合，把心理与数理运算结合，把抽象与具体结合的研究，这种研究打破了过去人们所进行 的各种学科在逻辑上的独立性，进行了创造性的理论和技术上的反差融合，加快了人工智 能的研究和实用过程的逼近，解决了大量过去曾一度令人们感到困难的一些问题。同时， 将会产生一种新的学科，即模糊神经网络学科，或神经网络模糊技术。这种研究向人们预 示了人工智能的光明前景和希望。 2 5 机车火灾发生原因 火灾是一种失去人为控制的燃烧过程，产生火灾的基本要素是可燃物、助燃物和点火 源。可燃物以固态、液态和气态三种形式而存在，助燃剂通常是空气中的氧气。根据可燃 气体与空气混合方式不同有两种燃烧方式，如果在燃烧前，可燃气体就与空气均匀混合称 为预混合燃烧：如果可燃气体和空气分别进入燃烧区边混合边燃烧称为扩散燃烧。液体和 固体是凝聚态物资，很难与空气均匀混合，他们燃烧的基本过程是当外部提供的物质颗粒 悬浮在空气中，粒子直径一般在0 0 1 微米左右，这些悬浮物统称为气溶胶。几乎在产生气 溶胶同时，产生离子直径为0 0 1 1 0 微米的液体和固体微粒，称为烟雾。气体形式的可燃 物与空气相混合后，在较强火源作用下产生预先混合燃烧。着火以后，燃烧火焰产生的热 量使液体和固体继续释放出可燃气体，液体和固体先蒸发成蒸汽和分解成可燃气体( 如一 氧化碳、氢气) 、较大的分子团、灰烬和未燃烧形成扩散燃烧。同时，发出含有红外线和 紫外线的火焰，散发出大量的热量。气溶胶、烟雾、火焰和热量都称之为火灾的参变量， 通过对这些参变量的测定便可确定是否存在火灾。大量热量通过可燃物的直接燃烧、热传 导、热辐射和热对流，失火从起火部位向周围蔓延，这就是我们通常说的火蔓延，火蔓延 导致火势扩大，形成火灾。 第1 7 页 国防科学技术大学研究生院学位论文 机车上的火灾发生原因调研表明引起火灾的主要原因是内部电气设备的局部过热，据 统计，火灾主要发生在以下部位： 1 ) 增压器安全阀及机油表管： 2 ) 过渡电阻； 3 ) 牵引电机通风帆布罩、转向架旁承帆布； 4 ) 空气压缩机降压电阻： 5 ) 车体通风机： 6 ) 高压油管； 7 ) d l s 线圈； 8 ) 电阻制动通风网、帆布罩： 9 ) 柴油机呼吸管。 火灾的原因分析( 见附录b 安装环境) ： 1 ) 增压器固定在柴油机上，增压器转动速度又随柴油机的转速变化而变化，易产生 激烈振动，造成附在增压器上面的管道容易产生振动。而连接的机油安全阀根部有一过深 的退刀槽，机油表管又是铜管、跨度过长，更易产生振动而裂断。其接头方向又对着废气 总管、支管，裂断后喷射出的机油直接喷向温度高达几百摄氏度的柴油机废气总管、支管 而燃烧起来。 2 ) 由于过渡电阻接触器的风缸节片或触头超程过小，造成过渡电阻接触器触头x c l 不释放或释放慢，使过渡电阻r x l 与牵引电机主极形成闭合回路。过渡电阻通流电流过大， 造成过渡电阻发红，烤燃附近的电线等。 3 ) 牵引电机通风帆布罩、转向架旁承帆布罩不清洁，上面附着污油、棉丝等易燃物 品，机车制动或牵引电机环火时产生的火星飞溅到牵引电机通风帆布罩、转向架旁承帆布 罩上而引燃。 4 ) 空压机电机采用的是并励电动机，由于空压机接触器触头安装不正等，造成空压 机接触器r y c 不释放，长时间接入降压电阻易产生过热而发红。 5 ) 车体通风机工作环境恶劣，当机械间被抽成真空度很低时，车体通风机处于高负 荷运转。长期过载运转，引起车体通风机的自动跳闸开关烧结；工作环境恶劣造成很多脏 东西极易附在电刷架上，碳刷又过短，易使电机环火，当电机环火、电机过载时便引起电 线短路。 6 ) 由于高压燃油管破裂、接头松，引起燃油向外喷射，雾化的柴油喷到柴油机废气 总管、支管、燃油泵电机处燃烧。 7 ) d l s 经济电阻的电阻调整值过小，d l s 质量差，通过线圈电流过大而引起线圈烧损。 8 ) 使用制动电阻调整机车功率时，制动电阻产生的高温异物掉落到防火失效的电阻 制动帆布罩或有油污的电阻制动通风网上，机车在运行中制动时产生的火星飞溅到有油污 的电阻制动通风网而起火。 9 ) 机油或燃油在燃烧室内燃烧不完全，增压器烟筒螺丝松动，废气总管、支管漏烟， 第1 8 页 国防科学技术大学研究生院学位论文 呼吸管污油过多，不完全燃烧的机油或燃油在废气总管、增压器内燃烧，并向机械间喷出 火而引燃附近的易燃物( 如棉丝、粘满污油的呼吸管帆布罩等) 。 室 内 - t - 均 强 度 r 2 6 火灾产生过程 时阃， 图2 1 0 室内火灾温度时间曲线 机车内部火灾最初发生在某个车间( 主要电气室) 或者局部区域，然后蔓延到相邻车 间或者区域，最后迅速蔓延于整个列车。为了说明火灾的发展过程，在此仅介绍耐火建筑 物具有代表性的室内火灾的发展过程。室内火灾的发展过程可以用室内烟气的平均温度随 时间变化来描述，如图2 1 0 所示：根据室内火灾温度随时间变化的特点，可以将火灾发展 过程分成三个阶段，火灾初始阶段( 图中0 a 段) 、火灾全面发展阶段( b c 段) 、火灾熄灭阶段 ( c 点以后) 。机车智能化探测系统要在b c 阶段或更早探测到火情作出决策才能来的急预防 和制止火灾的产生。 2 7 火灾传感器 火灾探测器发展到现在已经有了一百多年的历史，从十九世纪4 0 年代到二十世纪4 0 年代的一百年间，感温探测器一直占据着主导地位，但也只是处于初级阶段。在这期间逐 渐出现了定温探测器、差温探测器和差定温组合式探测器。二十世纪5 0 年代至7 0 年代期间， 出现了感烟火灾探测器。8 0 年代后期，总线制火灾探测器开始兴起，其后又出现了模拟量 可寻址技术，给火灾探测技术注入了新的活力，为火灾探测的智能化发展奠定了良好的 基础。n 9 0 年代开始倡导极早期火灾智能报警系统，它能在火灾发生初期对火灾进行识别 并发出报警信号，将火灾抑制在萌芽状态。如今又发展起来的许多新型的火灾探测器，对 于火灾探测也越来越准确可靠。下面介绍了几种常用的火灾传感器。 1 ) 感温式火灾探测器 火灾时物质的燃烧产生大量的热量，使周围温度发生变化。感温式火灾探测器是对警 戒范围中某一点或某一线路周围温度变化时响应的火灾探测器。它是将温度的变化转换为 国防科学技术大学研究生院学位论文 电信号以达到报警目的。根据监测温度参数的不同，一般用于工业和民用建筑中的感温式 火灾探测器有定温式、差温式、差定温式等几种。 2 ) 感烟式火灾探测器 火灾的起火过程一般都伴有烟、热、光三种燃烧产物。在火灾初期，由于温度较低， 物质多处于阴燃阶段，所以产生大量烟雾。烟雾是早期火灾的重要特征之一，感烟式火灾 探测器是能对可见的或不可见的烟雾粒子响应的火灾探测器。它是将探测部位烟雾浓度的 变化转换为电信号实现报警目的一种器件。感烟式火灾探测器有离子感烟式、光电感烟式、 激光感烟式等几种型式。 3 ) 感光式火灾探测器 物质燃烧时，在产生烟雾和放出热量的同时，也产生可见或不可见的光辐射。感光式 火灾探测器又称火焰探测器，它是用于响应火灾的光特性。即扩散火焰燃烧的光照强度和 火焰的闪烁频率的一种火灾探测器。根据火焰的光特性，目前使用的火焰探测器有两种： 一种是对波长较短的光辐射敏感的紫外探测器，另一种是对波长较长的光辐射敏感的红外 探测器。 紫外火焰探测器是敏感高强度火焰发射紫外光谱的一种探测器，它使用一种固态物质 作为敏感元件，如碳化硅或硝酸铝，也可使用一种充气管作为敏感元件。 红外光探测器基本上包括一个过滤装雹和透镜系统，用来筛除不需要的波长，而将收 进来的光能聚集在对红外光敏感的光电管或光敏电阻上。 4 ) 可燃气体探测器 可燃气体探测器是对单一或多种可燃气体浓度响应的探测器。可燃气体探测器有催化 型和半导体型两种类型。 这几种传感器的探测都是片面的，要想准确探测火情只有联合应用多传感器，提取火 灾各个参量，才。能完善的分析火情，详细解释见3 1 1 。 第2 0 页 国防科学技术人学研究生院学位论文 第三章模糊控制和神经网络结合在火灾探测系统的应用 3 1 基于神经网络和模糊逻辑的火灾探测 火灾自动探测技术可以认为是一种特殊的在噪声环境中检测和识别早期火灾特征信 号的技术。它通过火灾发生时物质燃烧过程中所产生的各种物理和化学变化特征来问接探 测火灾实现早期发现和报警。例如通过探测火灾产生的烟、热、光和某些特殊气体等。 由于这些早期火灾特征参数在非火灾情况下也常常发生，而且有时其变化规律与火灾发生 时极为相似。因此，如何迅速、准确地将真实火灾信号与非火灾信号区别开来，减少误报， 一直成为火灾探测技术所面临的首要任务。一般说来，火灾的早期特征状态是极不稳定 的，并具有很多不同的表现形式，如慢速阴燃、明火、速燃明火和爆炸性火灾等。这些不 同的火灾信号的变化量又显著的不一样，它将随着火灾燃烧物质的种类、数量、燃烧条件、 燃烧增长率、房间几何形状及通风条件等的不同而发生变化。具有明显的不确定性。此外， 火灾探测器检测的输出信号，不仅只是火灾特征的函数，而且环境变化如气候、湿度、灰 尘、电磁干扰以及人为的其它活动都可能引起探测信号发生变化。它又是环境因素的函数。 这些变化的特征往往与火灾变化特征基本相似，无疑给火灾信号的检测大大增加了难度。 因此，严格地说，火灾探测信号具有非平稳的随机过程的性质。它们主要由火灾信号和非 火灾信号两部分组成。火灾探测技术的作用就是通过纯技术手段，从中有效地检测出真实 火灾信号，识别出非火灾信号，并将其抑制到最低限度。可以说 2 2 模糊控制系统 在智能控制的领域中，模糊控制的发展和|复喧港蠢珏j韩批蚴鼙力勤，1965好；圳， 妻美系统 的可信度及可靠性。在确保正确检验火灾的同时又具有极低的误报率。随着计算机、集成电 路和信号处理技术的飞速发展，火灾探测已出传统型开关量式跃进到模拟量式，其信 号处理方法也由简单的直观法相应跨入了趋势算法、斜率算法、持续时间算法以及神经网 络智能算法等一些较为复杂的系统算法，使火灾探测系统的性能水平 大大提高。神经网络 智能算法是出一些简单的处理单元( 神经元) 组织的大规模并行网络，它是神经生物学 和认知科学对人类信息处理研究的成果基础上提出的对人的神经系统的简化、抽象和模拟 的模型，它具有并行模拟处理、连续时问动力学和网络全局作用的特点。神经网络 有很强的环境适应性，学习能力、容错能力和并行处理能力。使信号处理过程更接近 于人类的思维活动。因此，神经网络智能算法确实提供了一种崭新的现代火灾探 国防科学技术人学研究生院学位论文 上面的分析中包含了一个传感器数据触合的概念。数据融合主要解决多传感器信息处 理问题。目前传感器的种类和数量越来越多。每种传感器都有一定特点，但它只能在某一 范围内、从某一方面描述被测对象由于受外界干扰噪声的影响，有时会产生较大的测量误 差。因此没有任何一种传感器可以保证在任何时候都能提供全面的准确无误的信息。单个 传感器只能提供部分的、不精确的信息。多传感器数据融合就是综合利用多传感器信息， 通过它们之间的协调和性能互补的优势，克服单个传感器的不确定性和局限性，提高整个 传感器系统有效性能全面准确地描述分析被测对象以便进行分类、判断和决策。多传感器 数据融合具有如下一些优点： 1 ) 能够更加准确地获得被测对象或环境的信息。而且比任何单一传感器所获得的信息 具有更高的精度与可靠性。这一点已在理论上得到证明。 2 ) 通过各传感器性能的互补，获得某单一传感器所不能获得的独立的特征信息。 3 ) 和传统的单一传感器系统相比能够以更少的时间、更少的代价获得同样的信息。 4 ) 根据系统的先验知识，通过对多传感器信息的融合处理，可以完成分类、判断、决 策等任务。数据融合技术将促进智能传感器及智能传感系统的发展。 下面所要介绍的就是按照数据融合的概念根据火灾探测系统的特点把烟、温度以及气 体信号传感器等测量数据利用“基于神经网络和模糊逻辑的智能火灾探测”进行综合分析 评判以确定火灾的发生与否。 3 1 2 基于神经网络和模糊逻辑的智能火灾探测 报警， 不报警 图3 一l 串联型模糊神经网络火灾探测 串联型神经网络和模糊逻辑推理算法基本结构如图3 1 所示，传感器采集到的信号经 过数字滤波、归一化和特征提取等信号预处理后，进入神经网络进行运算处理，神经网络 输出“火灾概率”、“火灾危险”和“阴燃火概率”，然后对神经网络的输出根据隶属函 数进行模糊化处理号。再根据控制规则推理，推理结果经非模糊化后，输出火灾报警或非 火灾信号。 3 2 1 火灾多传感器信息预处理 3 2 预处理 在机车电气房和动力房安装的的传感器有温度、烟雾和c o 传感器几种，而且温度和 烟雾传感器数量上也不仅仅只有一个，所以单片机巡回采集来的每路数据不可能都加以智 能处理。现场的实际监控系统表明：未发生火灾与发生火灾两种情况下每种传感器的实时 采集数据都有很大差别。据此，我们可根据现场实际情况对温度、烟雾和c o 传感器设定 鹕2 2 吹 国防科学技术大学研究生院学位论文 一个阈值( 该阈值比通常火灾监测系统中传感器设定的阈值小) 。将每次采集到的数据( 经 过数字滤波等软件抗干扰处理后) 与其进行比较，如超过该设定阈值，则将该传感器及其 周围相距较近的另外几种传感器的信息值一起送入模糊神经网络处理单元。综合判断并决 定是否报警。处理完后，再对超过阈值的下一个传感器数据进行同样的处理。直到处理完 毕，然后再开始下一轮数据采集与处理。 3 2 2 采集信息的模糊化 在模糊控制中，模糊规则是由若干语言变量构成的模糊条件语句，它们反映了人类的 某种思维方式。精确量的模糊化就是把物理量的精确值转换成语言变量值。 1 ) 语言变量的分档：语言变量是用语言而不是符号表示一个物理量的当用语言变 量值表示一个语言变量时，必须考虑用多少个语言变量去描述语言变量，这就是语言变量 的分档问题，或确定语言变量的值。 一个语言变量的语言值越多，对事物的描述就越准确，可能得到的效果就越好，但同时过 细的划分将使模糊运算和推理变得复杂。考虑实际情况，我们将温度、烟雾和光强信号分 成五档：n p = n op o s s i b l e ( 没有可能) ，s p = s m a l lp o s s i b l e ( 可能性小) ，p o = p o s s i b l e ( 有可能) ，v p = v e r yp o s s i b l e ( 可能性大) ，”= l a r g ep o s s i b l e ( 可能性很大) 。 上述传感器信号的物理论域为 0 ，1 0 0 ，则进行线性划分时各档的范围均为2 5 。 输入变量x l n ps pp 0v pl p 输 n pn p s p p 0v pv p 入s ps ps pp ov pl p 变p op op ov pl pl p 量v pp 0p 0v pl pl p x 2 l pp 0l pl pl pl p 图3 2 控制规则数据表 确定语言变量的隶属函数：模糊语言值是一个模糊子集，而语言值最终是通过隶属函 数来描述的。语言变量的隶属函数有很多种形式，由于模糊控制实践证明。模糊控制过程 对于语言变量的隶属函数形状并不