（电气工程专业论文）模糊神经网络在火灾检测中的应用研究.pdf

辽宁工程技术大学硕士学位论文 摘要 本文分析了火灾信号检测系统的发展过程，重点研究了模糊逻辑理论、神经网络 理论和控制理论。通过分析它们的优缺点和互补关系，得出了可利用模糊系统中专家的 经验来确定神经网络的初始权值，以加快神经网络的学习速度；反过来，再用此神经网 络来构造高性能的模糊逻辑系统。在分析传统火灾信号探测方法的不足和模糊逻辑与神 经网络理论特点的基础上，提出了一种基于模糊神经网络的火灾信号探测数学模型，得 出了它的一种学习算法，并进行了计算机仿真。计算机仿真表明这种算法学习速度快、 收敛平稳。利用该模型，确定了一种多元火灾信号探测方法，并设计了火灾信号的数字 滤波算法，确保了对火情的实时、准确和可靠预报，增强了系统的抗干扰能力。 研究了微处理器的接口技术，应用现代电子技术设计了基于所提出模型的火灾信号 检测与控制系统的体系结构，编制了算法程序和系统程序，实现了提出的方法。实验数 据表明：该方法具有抗干扰能力强，误报率低等优点。 而且，该模型还具有很强的通用性，经过适当的调整参数它可应用于其它领域。 关键词；模型、算法，模糊控制、人工神经网络、数字滤波、多元火灾探测 堑主三塞垫查查兰堡主堂堡笙苎 一 a b s t r a c t t h ed e v e l o p m e n to ff i r es i g n a ld e t e c t i o ns y s t e mi sa n a l y z e di nt h i sp a p e r t h ee m p h a s i si s p u to nt h es t u d yo ft h ec o m p l e m e n t a r yr e l a t i o nb e t w e e nf u z z yl o g i ca n da r t i f i c i a l n e u r a l n e t w o r k w ef i n dt h a ta na n nc a nb ei n i t i a l i z e db yt h ee x p e r i e n c eo faf u z z ys y s t e ma n da 如z z ys y s t e m c a nb ec o n s t r u c t e db ya i ia n n b ya n a l y z i n gt h es h o r t a g eo f t h e t r a d i t i o n a lf i r e s i g n a ld e t e c t i o nm e t h o da n dt h es p e c i a l t yo ff u z z yl o g i ca n da r t i f i c i a ln e u r a ln e t w o r k ，w e e s t a b l i s haf i r es i g n a ld e t e c t i o nm o d e lb a s e do nf u z z yn e u r a ln e t w o r k , a n dp r e s e n ti t sl e a r n i n g a l g o r i t h m i ti sd e m o n s t r a t e db yc o m p u t e r s i m u l a t i o nt h a tt h ea l g o r i t h mh a sm a n ym e r i t s , s u c h a s ：l e a r n i n gq u i c k l y , c o n v e r g i n ga s y m p t o t i c a l l y b a s e do nt h i sm o d e l ，af i r es i g n a ld e t e c t i o n m e t h o di sp u tf o r w a r d d i g i t a lf i l t e ra l g o r i t h mo f t h i ss y s t e mi sd e s i g n e d ，i ti n s u r e st h a tt h ef i r e r 臌鹊ti sr e a l t i m e 。e x a c ta n dr e l i a b l e a n di ti n c r e a s e st h ea n t i - j a m m i n ga b i l i t yo f t h es y s t e m a n dt h e i n t e r f a c eo fm c ui ss t u d i e d ，u s i n gt o d a y se l e c t r o n i ct e c h n o l o g y , v c ed e s i g nah a r d w a r e c i r c u i tb a s e do nm c ut oa c t u a l i z et h em e t h o d i ti sd e m o n s t r a t e db ye x p e r i m e n tt h a tt h e m e t h o dh a ss t r o n ga b i l i t yo fa n t i - j a m m i n ga n dl o wr a t eo fm i s i n f o r m a t i o n f u r t h e r m o r e ，t h e m o d e li sv e r ym u l t i p u r p o s e i tc a nb eu s e di no t h e rf i e l d s ，s u c ha se r r o rd e t e c t i o n ，b ya d j u s t i n g i t sp a r a m e t e r s k e y1 w o r d s ：m o d e l ，a l g o r i t h m ，f u z z yc o n t r o l ，a n n ，d i g i t a l 伺t e r , m u l t i v a r i a t e f i r e d e t e c t i o n 辽宁工程技术大学硕士学位论文 一1 - l绪论 1 1 火灾信号检测技术国外发展状况 火灾信号检测技术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。早在1 8 4 7 年，美国牙科医生c h a n n i n g 和缅因大学教授f a r m e r 研究出世界第一台 用于城镇火灾报警的发送装置，1 8 9 0 年英国又成功研制了感温式火灾探测器。从此人类 开创了火灾自动探测报警技术的新纪元。 从1 9 世纪4 0 年代至本世纪4 0 年代，经过漫长的一百年来，感温探测器一直占主 导地为，火灾探测技术以单元探测技术为主。直到本世纪5 0 年代初，瑞士物理学家e r n s t m e i l i 研究离子型感烟探测器获得成功，感烟火灾探测器开始登上历史舞台。感烟火灾 探测技术使人类在实现火灾早期报警向前迈进了一大步。8 0 年代中期，在总线制火灾自 动报警系统出现后不久，随着微处理器、计算机及智能技术的最新发展，又推出了智能 化模拟报警系统。在探测方法上，由于受传感器技术和处理器技术的限制，早期的火灾 探测方法以单元探测方法为主，近年来，随着现代电子技术的发展和理论水平的进步， 多元火灾探测方法逐渐成为时代的主流。现代火灾报警系统己全面向集成化、智能化、 多功能化及总线传输化的方向发展。具体发展状况如表1 1 所示： 表1 1国外火灾信号检测系统发展情况表 年代发展状况 1 8 4 7 盆 1 8 9 0 焦 二十世纪五十年代 二十世纪七十年代 二十世纪八十年代 今天 第一台城镇火灾报警发送装置出现 感温式火灾探测器出现 离子型感烟探测器出现 光电感烟探测器出现 总线制式火灾报警系统出现 智能探测系统出现 1 2 火灾信号检测技术国内发展状况 国内这方面的研究起步较晚，高档次的建筑、智能化楼宇的出现，对火灾探测提出 了要求，使得近年来发展较快，尤其进入9 0 年代后，我国推出了自行研制的智能化火 灾探测系统。如今，国内已有多家企业致力于这方面的研究和开发工作。比较著名的有： 辽宁工程技术大学硕士学位论文 北京中安，山东保安等。他们的产品已达到或接近国际先进水平。 1 3 防火系统的要求 随着科学技术的飞速发展，微电子技术、检测技术、自动技术和计算机技术在消防 领域中得到了广泛的应用，火灾探测技术、自动报警技术、消防设备连动控制技术、火 灾监控系统等也有了长足的发展。防火系统从过去的简单、被动的消防体系，演变为今 天自动探测、自动报警的智能消防系统。楼宇自动化的不断发展，对楼宇的火灾防范提 出了迫切严格的要求，所以智能防火系统必须具备以下特点： 1 ) 能够准确的发现火灾。通过各类感烟传感器和温度传感器将火灾传到火灾报警 控制器，由其及早的发现和判断采取正确、适当的措施。 2 ) 能够迅速的发出报警信号。由火灾报警控制器发出火灾报警并正确的显示报警 位置，指出发生火灾的地点及状况，保证以最快速度采取正确适当的措施。 3 ) 系统的高可靠性。在楼字的不同楼层的不同地点采用中间继电器建立分级性维 护结构，保证即使某一出探测器火探测线路出问题，系统仍然可以维持正常的功能，同 时系统通过其自测功能，尽早提供故障排除方法。 4 ) 系统的综合系性。防火系统除了火灾自动报警系统以外，还包括火灾广播通讯 与人群疏散、消防排烟与连动控制、自动灭火等功能。 1 4 火灾检测的发展趋势 早期，由于火灾信号传感器的灵敏度比较低，探测速度也比较慢，因此它一直无法 较好的实现火灾早期报警的要求。而且早期的火灾探测技术以单元探测技术为主，它所 采用的单一参数火灾探测器( 包括阈值触发式和模拟量式) 对火灾特征信号响应灵敏度 的不均匀性，导致它对实际火灾的探测能力受到了限制。 时代的发展使得老式的基于模拟量式的单元火灾信号检测系统已无法满足现实火 灾报警的需要。正因为如此，科研人员一方面提高火灾探测器的灵敏度和可靠性，另一 方面，提出了一种多元火灾探测方法。由于火灾信号早期特征状态是极不稳定的，而且 环境变化如气候、温度、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 号的变化，单元火灾探测技术已无法满足现实火灾报警的需要。多元复合探测技术并不 辽宁工程技术大学硕士学位论文 - 3 一 是原有单一参数火灾探测器的简单组合，而是实施多元同步探测，并及时进行综合智能 信号处理，使两种或三种以上不同类型探测器的功能协调地复合在一个探测器中。因此 它能有效的检测出真实的火灾信号，识别出非火灾信号，并将其抑制到最低限度。 当代电子技术的发展和应用，为高性能的火灾信号检测系统的出现提供了可能。首 先，出现了许多性能优越的微处理器，它们己广泛的应用于航空航天、交通运输、工业 控制等领域。同时，它们的出现和在火灾探测领域的应用，开辟了火灾探测系统智能化 的新篇章。伴随着微处理器在火灾信号探测器中的应用，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系统算法已逐渐取代传统的火灾信号处理方法成为火 灾信号检测领域的主流和发展趋势。各种高性价比的微处理器的出现，为智能化的实现 创造了物质基础；其次，出现了各种高灵敏度的火灾信号传感器，使得在不利的环境干 扰下，仍能准确的检测出由于火灾引起的烟雾浓度变化，温度变化等。依据物理和化学 的原理设计的各种传感器，是系统实现的可靠保障；尤其是现代通信技术的发展，为各 种功能传感器和控制主机间架起了高速可靠的联系的桥梁，使得分布式火灾探测系统得 以实现。 近年来，人工智能理论出现并成为智能火灾信号检测领域新的曙光。因为从某种意 义上说：人就是一种“最高级的”火灾多元复合探测系统。人的眼睛可以看到火灾产生 的光和烟雾，人的鼻子可以嗅到烟的气味，人的耳朵可以听到火焰燃烧或爆炸的声音， 人的皮肤可感受到火的温度。当经过人的感官多方面的观察，并运用大脑进行全面综合 分析、比较，然后作出是否真正发生火灾的判断。在智能控制领域，模糊控制理论和神 经网络理论相融合产生了模糊神经网络理论，为模拟和综合人的智能提供了可能。从而 为研制智能火灾信号检测系统，并使之更加接近人的感官和思维模式创造了理论条件； 在信号处理领域，数字信号处理技术为有效的检测出真实火灾信号、滤除干扰提供了可 靠保障；在火灾探测方法上，传统的单元火灾探测技术已逐渐为多元火灾探测技术所取 代。 综上所述，多元探测与探测智能汇集于一身是现代智能探测报警系统发展的必然趋 势和主导发展方向。而设计和制造高可靠性、低误报率的新型火灾信号检测系统是满足 人们有效实现防灾减灾的需要的先决条件。 辽宁工程技术大学硕士学位论文 4 1 5 本文的主要工作及意义 1 ) 通过分析模糊逻辑理论、神经网络理论和控制理论的优缺点和互补关系，得出 了可利用模糊系统中专家的经验来确定神经网络的初始权值，加快了神经网络的学习速 度，并用此神经网络来构造高性能的模糊逻辑系统。 2 ) 在分析传统火灾信号探测方法的不足和模糊逻辑与神经网络理论特点的基础 上，提出了一种基于模糊神经网络的火灾信号探测数学模型。 3 ) 得出了火灾信号探测数学模型的一种学习算法，并进行了计算机仿真 4 ) 利用该模型，确定了一种多元火灾信号探测方法，并设计了火灾信号的数字滤 波算法。 5 ) 研究了微处理器的接口技术，应用现代电子技术设计了基于所提出模型的火灾 信号检测与控制系统的体系结构，编制了算法程序和系统程序，实现了提出的方法。 火灾的发生每年都会对国家和人民的生命财产造成严重的损失，解决这一问题的关 键在于防患于未然。火灾检测技术的研究正是基于这种需要而设立的一个课题。本课题 的研究确定了一种多元火灾信号探测方法，确保了对火情的实时、准确和可靠预报，增 强了系统的抗干扰能力。实验表明；该方法具有抗干扰能力强，误报率低等优点。 辽宁工程技术大学硕士学位论文 5 - 2 模糊控制和神经网络概述 2 1 智能控制的产生与发展 从2 0 世纪6 0 年代起，由于空间技术、计算机技术及人工智能技术的发展，控制界 学者在研究自组织、自学习控制的基础上，为了提高控制系统的自学习能力，开始注意 将人工智能技术与方法应用于控制系统。 1 9 6 5 年，美国著名控制理论专家l a z a d e h 创立了模糊集合论，为解决复杂系统的 控制问题提供了有利的数学工具；同年美国著名科学家f e i g e n b a u m 着手研制了世界上 第一个专家系统；就在同年，傅京孙首先提出把人工智能中的直觉推理方法用于学习控 制系统。1 9 6 6 年，m e n d e l 进一步在空间飞行器的学习控制系统中应用了人工智能技术， 并提出了“人工智能控制”的概念。直到1 9 6 7 年，l e o n d e s 和m e n d e l 才首先正式使用 “智能控制”一词，并把记忆、目标分解等一些简单的人工智能技术用于学习控制系统， 提高了系统处理不确定问题的能力。这标志着智能控制思想的萌芽。 从2 0 世纪7 0 年代开始，傅京孙、g l o r i s o 和s a r i d i s 等人从控制角度进一步总结 了人工智能技术与自适应、自组织、自学习控制的关系，正式提出了智能控制就是人工 智能技术与控制理论的交叉，并创立了人一机交互式分级递阶智能控制的系统结构，为 分级递阶智能控制的形成奠定了基础。 在2 0 世纪7 0 年代中期前后，以模糊集合论为基础，从模仿人的控制决策思想出发， 智能控制在规则控制上取得了重要的进展。1 9 7 4 年，英国e h m a m d a n i 将模糊集和模糊 语言逻辑用于控制，创立了基于模糊语言描述控制规则的模糊控制器，并被成功地用于 工业过程控制。 进入2 0 世纪8 0 年代，由于微机的迅速发展以及人工智能的重要领域专家系统 技术的逐渐成熟，使得智能控制和决策的研究及应用领域逐步扩大，并取得了一些应用 成果。 2 0 世纪8 0 年代中后期，由于神经网络的研究获得了重要进展，于是这一领域吸引 了众多学科的科学家、学者。如今在控制、计算机、神经生理学等学科的密切配合下， 智能控制又在寻求新的合作，神经网络理论和应用研究为智能控制的研究起到了重要的 促进作用。 进入2 0 世纪9 0 年代以来，智能控制的研究异常迅猛。模糊系统、神经网络、进化 辽宁工程技术大学硕士学位论文6 计算这三个新学科已成为研究智能控制的重要基础。目前，将神经网络与模糊控制技术 相互结合，取长补短，形成一种模糊神经网络技术，由此可以组成一组更接近于人脑的 智能信息处理系统，其发展前景十分诱人。 在众多新兴学科和新技术的有力推动下，智能控制从中汲取了许多营养，结出了丰 硕的果实，可以形象地用图2 一l 所示的智能控制成果树来表达。 图2 一l 智能控制成果树 2 2 传统控制与智能控制 传统控制是经典控制和现代控制理论的统称。传统的控制方式是基于被控对象精确 模型的控制方式，实际上往往是利用不精确的模型，又采用传统的控制算法，使整个控 制系统置于模型框架下，缺乏灵活性和应变能力，因而很难胜任对复杂系统的控制。传 统控制适于解决线性、时不变等相对简单的问题。而对于复杂性、非线性、时变性、不 确定性和不完全性的实际系统则难以获得满意的静、动态性能，甚至无能为力。 辽宁工程技术大学硕士学位论文 7 智能控制是一个新兴的科学领域，它是控制理论发展的高级阶段，是许多学科的交 叉。傅京孙在1 9 7 1 年的文章中称它是人工智能与自动控制的交叉。后来萨里迪斯加进 了运筹学，认为智能控制是人工智能、运筹学和自动控制三者的交叉，并用图2 2 所示 来形象的 一点。 说明这 图2 2 智能控制的多学科交叉 智能控制是把控制理论的方法和人工智能的灵活框架结合起来，改变控制策略去适 应对象的复杂性和不确定性，相对于传统控制可称智能控制为“控制 论”。它主要用来解决那些用传统方法难以解决的复杂系统的控制问题。其中包括智能 机器人系统、计算机集成制造系统( c i m s ) 、复杂的工业过程控制系统、社会经济管理 系统、交通运输系统、环保及能源系统等。 在传统控制理论中，线性系统理论比较成熟。但对非线性控制理论还不成熟，而且 方法比较复杂。采用智能控制的方法往往可以较好的解决非线性系统的控制问题。 在传统的控制系统中，控制任务或者是要求输出量为定值( 调节系统) ，或者是要 求输出量跟随期望的运动轨迹( 跟踪系统) 。因此控制任务的要求比较单一。对于智能 辽宁工程技术大学硕士学位论文8 控制系统，任务的要求往往比较复杂。在复杂的工业过程控制系统中，它除了要求对各 被控物理量实现定值调节外，还要求能实现整个系统的自动启停、故障的自动诊断以及 紧急情况的自动处理等功能。 因此，智能控制系统的开发与研究就显得越来越重要，同时它也是今后控制领域研 究的主要方向。 2 3 模糊控制的发展概况 模糊控制作为智能控制中的一个子系统，它的发展和应用是相当迅速的。自从1 9 6 5 年美国l a z a d e h 教授首先提出模糊集合和模糊控制的概念后，关于模糊理论和算法、 模糊推理、工业控制应用、模糊硬件与集成、以及稳定性研究等方面的许多重要论文都 极大地促进了模糊控制理论的应用与发展。 最近几年，对于经典模糊控制系统稳态性能的改善，模糊集成控制，模糊自适应控 制、专家模糊控制与多变量模糊控制的研究，特别是针对复杂系统的自学习与参数( 或 规则) 自调整模糊系统方面的研究，尤其受到各国学者的重视。 英国伦敦大学教授e h m a m d a n i ，1 9 7 4 年他利用模糊控制语句构成模糊控制器，首 次将模糊控制理论应用于蒸汽机及锅炉的控制，取得了优于常规调节器的控制品质。其 后产生了许多应用的例子。其中比较典型的有：热交换过程的控制，暖水工厂的控制， 压力与液面的控制，污水处理过程的控制，交通路口控制，水泥窑控制，飞船飞行控制， 机器人控制，模型小车的停靠和转弯控制，汽车速度控制，水质净化控制，电梯控制， 电流，航天航空和核反应堆的控制，并且生产出了专用的模糊芯片和模糊计算机。 2 4 模糊数学和模糊控制 2 4 1 模糊数学 1 9 6 5 年，美国的自动控制专家l a z a d e h 教授，首先提出用隶属函数( m e m b e r s h i p f u n c t i o n ) 来描述模糊概念，创立了模糊集合论，从而突破了古典集合论中属于或不属于 的绝对关系，同时也标志着数学的一个新的分支模糊数学的诞生。 在数千年的发展过程中，数学一向以精确和严谨著称。而模糊的英文名字是f u z z y ， 它具有“不分明”，“边界不清”的意思。两个看上去水火不融的概念是如何找到共同点 的呢? 在我们的社会和自然界中，诸事万物都有各种特征或属性，其中有些是严格而清 晰的，但也有很多是模糊的。模糊数学就是用来描述、研究、处理事物所具有的模糊特 辽宁工程技术大学硕士学位论文 9 一 征的数学，“模糊”是它的研究对象，而“数学”是它的研究方法，二者并不矛盾。模 糊数学产生后，客观事物的不确定性就能以量的形式表现，使部分自然语言作为算法语 言直接进入计算机程序，从而使计算机能够模拟人脑思维的模糊性特点，能对模糊事务 进行识别和判决。 模糊数学的核心是隶属函数和模糊集合的概念。传统的集合论认为，一个元素只能 属于或不属于某个集合，而不存在第三种情况。隶属函数概念的提出打破了这种局限。 模糊集合论认为，论域u 上的一个模糊集合是指：对于论域u 中的任一个元素u 都 指定【o ，l 】区间中的一个数：鸬【q q 与之对应，它叫作u 对a 的隶属度。这意味着定 义了一个映射： t 。：u 一【o ，1 j 却斗。0 ) ( 2 1 ) 这个映射称为模糊集合a 的隶属函数。如果给论域中的任一元素指定0 或1 与之 对应，则模糊集合就成为了传统意义上的集合，由此可见，传统意义上的集合是模糊集 台的特例。 2 4 2 模糊控制 1 9 7 4 年，印度裔的英国学者e h m a m d a n i 首先将模糊理论用于锅炉和蒸汽机的控 制，从而开创了模糊控制这一新的领域。 自从维纳创立控制论以来，经过数十年的发展传统的基于模型的控制方法以趋于成 熟，并广泛的应用于工业控制领域。但进入二十世纪八十年代后，自动控制系统被控对 象的复杂化不仅表现在控制系统具有多输入多输出的强耦合性、参数时变性和严重的非 线性特性，更突出的是从系统对象所能获得的知识信息量相对的减少，以及与此相反的 对控制性能的要求却日益高度化。因此，要想精确的描述复杂对象与系统的任何物理现 象和运动状态，实际上已经是不可能的。关键的是如何使准确和简明之间取得平衡，而 使问题的描述具有实际意义。模糊控制理论的出现为解决这类问题提供了有效的方法。 由于这一特点，模糊技术在地铁机车、机器人、过程控制、故障诊断、交通管理、医疗 诊断、声音识别、图像处理、市场预测等领域中表现出巨大的应用前景。 模糊控制系统是一种自动控制系统，它以模糊数学、模糊语言形式的知识表示和模 辽宁工程技术大学硕士学位论文 - 1 0 一 糊逻辑的规则推理为理论基础；采用计算机控制技术构成的一种具有反馈通道的闭环结 构的数字控制系统。模糊控制系统与传统的控制系统的区别在于采用了模糊控制器。模 糊控制系统组成如图2 - 3 所示。模糊控制器的核心是模糊控制规则库与模糊推理器。模 糊控制规则的建立要依赖于以往的手动控制经验或专家的经验或实验中的样本数据。模 糊控制器的组成如图2 4 所示。 近年来，随着智能控制理论的发展，模糊控制理论和学习算法呈现出融合的趋势， 出现了自适应模糊系统。为这一理论在更广阔领域的应用开辟了道路。 图2 - 3 模糊控制系统组成图 臣璺一 一模糊化接口h 推理机卜一解模糊接口 模糊控制器 图2 - 4 模糊控制器组成 2 5 神经网络发展概况 古今中外，许许多多科学家为了揭开大脑机能的奥秘，从不同角度进行着长期的不 懈努力和探索，逐渐形成了一个多学科交叉的前沿技术领域神经网络。今天，随着 科学技术的迅猛发展，它正在以极大的魅力吸引着世界上众多专家、学者为之奋斗。在 世界范围内再次掀起了神经网络的研究热潮，甚至有国际权威人士评论时指出，目前对 神经网络的研究其重要意义不亚于第二次世界大战对原子弹的研究。 所谓神经网络系统是指利用工程技术手段模拟人脑神经网络的结构和功能的一种 技术系统，它是一种大规模并行的非线性动力学系统。可简记为n n ( n e u r a ln e t w o r k s ) 。 由于神经网络具有信息的分布存储、并行处理以及自学习能力等优点，所以它在信息处 辽宁工程技术大学硕士学位论文 1 1 - 理、模式识别、智能控制等领域有着广阔的应用前景。 如今，神经网络的研究无论是在国际和国内，都受到了空前的关注并引起了许多领 域研究人员的极大兴趣。可以说，在世界范围内已经形成了研究神经网络的前所未有的 热潮。 2 6 神经网络理论 1 9 4 3 年，心理学家m c c u l l o c h 和数学家p i t t s 首先提出了形式神经元模型( 简称m p 模型) ，把神经元作为双态开关，并应用布尔逻辑的数学工具研究客观事件的形式神经 网络的模型。这一模型的提出标志着神经网络理论的开端。 从生理解剖的角度来看，人脑是由及大量的基本单元( 称之为神经元) 经过复杂的 互相连接而成的一种高度复杂、非线性、并行处理的信息处理系统。它对有些问题的处 理速度要比计算机快的多。因此，人们自然会想到，大脑的组织结构和运行机制必有其 绝妙的特点。这就促使人们研究人工神经网络。( 人工神经网络模型结构如图2 5 所示) x 1 x 2 图2 - 5 人工神经网络模型 人工神经网络的基本要素为： ( 1 )一组连接权( 对应于生物神经元的突起) 连接强度由各连接上的权值表示权值 为正表示激励，为负表示抑制。 ( 2 )一个求和单元，用于求取各输入信息的加权和( 线性组合) 。 ( 3 )一个非线性激励函数，起非线性映射作用并限制神经元的输出幅度在一定的范 围之内( 一般限制在【0 ，l 】或【- 1 ，+ 1 1 之间) 。 人工神经网络模型用于模拟人脑神经元活动的过程，其中包括对信息的加工、处理、 辽宁工程技术大学硕士学位论文1 2 - 存储和搜索等过程。首先，它具有分布式存储信息的特点。它存储信息的方式与传统的 计算机的思维方式是不同的，一个信息不是存在一个地方，而是分布在不同的位置。网 络的某一部分也不只存储一个信息，它的信息是分布式存储的。神经网络是用大量神经 元之间的连接及对各连接权值的分布来表示特定的信息。因此，这种分布式存储方式即 使当局部网络受损时，仍具有能够恢复原来的信息的优点。其次，神经网络对信息的处 理及推理的过程具有并行的特点。每个神经元都可根据接收到的信息作独立的运算和处 理，然后将结果传输出去，这体现了一种并行处理。神经网络对于一个特定的输入模式， 通过前向计算产生一个输出模式，各个输出节点代表的逻辑概念被同时计算出来。在输 出模式中，通过输出节点的比较和本身信号的强弱而得到特定的解，同时排除其余的解。 这体现了神经网络并行推理的特点。再次，神经网络对信息的处理具有白组织、自学习 的特点。神经网络中各神经元之间的连接强度用权值大小来表示，这种权值可以事先定 出，也可以为适应周围环境而不断的变化，这种过程称为神经元的学习过程。常用的学 习方式有：监督学习、非监督学习、再励学习等，常用的学习算法有：误差纠正学习算 法、h e b b 学习算法、竞争学习算法、b p 学习算法等。 人工神经网络自二十世纪四十年代创立始，经过数十年的发展已成为智能控制领域 内的重要分支。它和模糊系统、遗传算法一块被人们称为“计算智能”。尤其是这几门 学科之间相互交叉产生的边缘学科，它们一出现就表现出很强的发展势头，可以预言： 它们将成为未来的世纪的主流。 2 7 模糊神经网络 通过上两节的论述，我们不难发现：模糊系统是模糊数学在自动控制、信息处理、 系统工程等领域的应用，属于系统论的范畴，而神经网络是人工智能的一个分支，属于 计算机科学。那么它们为什么会走到一起来了呢? 我们先对二者作一番比较。如表2 所 示： 通过上述比较，我们不难发现模糊系统和神经网络在概念和内涵上存在明显区别。 但我们也应看到，二者有许多共同之处：它们都着眼于模拟处理人的思维；在处理和解 决问题时，不需要对象的精确数学模型；在对信息的加工处理过程中，均表现出很强的 容错能力。通过进一步的分析我们还可发现模糊系统和神经网络在一些方面存在很强的 互补性。比如：我们可利用模糊系统中专家的经验来确定神经网络的初始权值，以加快 辽宁工程技术大学硕士学位论文 - 1 3 神经网络的学习速度；反过来，再用此神经网络来构造高性能的模糊逻辑系统。因此， 模糊神经网络的出现决非偶然。模糊神经网络一经出现，起理论水平和应用价值得到了 许多著名学者的认可。人们在模糊控制规则的获取、细化与模糊神经网络的实现技术及 改善神经网络学习性能的模糊控制技术等方面进行了不懈的努力。拓展模糊神经网络的 应用范围，寻找一般模糊集的模糊神经网络的学习算法是模糊神经网络未来的研究方向 之一。 表2 1模糊系统与神经网络的比较 目前已经提出了许多种模糊神经网络，比较著名的有：尼“m ( 模糊联想记忆) 、只以尺r ( 模糊自适应谐振理论) 、月c m ( 模糊认知图) 、f m l p ( 模糊多层感知机) 等。 辽宁工程技术大学硕士学位论文 一1 4 3 基于模糊神经网络的火灾信号检测模型 3 1 引言 火灾信号探测技术是一种在噪声环境中检测和识别早期火灾特征信号，从而实现防 灾和减灾的一门技术。时代的发展使得基于模拟量式和阅值式的单元火灾信号探测方 法，己无法满足当今火灾可靠预报的需要。 数学理论和控制理论的发展，模糊逻辑理论和神经网络理论相融合，产生了模糊神 经网络理论，其理论水平和应用价值，得到了许多著名学者的认可，其成果已应用于国 民经济的各个方面。在火灾探测方法上，传统的单元火灾探测技术已逐渐被多元火灾探 测技术所取代，多元探测技术与模糊神经网络理论融合于一体，是现代智能火灾探测预 报方法发展的一种趋势和发展方向。 本文就是在这种发展趋势下，提出了一种基于模糊神经网络的火灾信号检测系统模 型并给出了它的学习算法。 3 2 模型的建立 模糊系统善于表达人的经验性知识，可以处理带模糊性的信息，但模糊系统的规则 集和隶属函数只能靠经验来选择，很难自动设计和调整。如果利用神经网络的学习方法， 根据输入输出样本来自动设计和调整模糊系统的设计参数，就能实现模糊系统的自学习 和自适应功能。基于这种思路日本名古屋大学h o r i k a w a 等人提出了一种神经网络模型。 它在结构上像m l p 网络，但在功能上是模糊系统，因此被称为f m l p 。本文建立的模 型就是在上述模型基础上，为符合火灾信号探测需要对它进行了一种改进。 多元火灾探测方法的基本思路是：要想有效的探测火情，至少需对两个或两个以上 的火灾参数作出判断。从满足探测方法需要和简化系统这方面考虑，我们在模型中只采 用了两个参数( 工，4 朋。对这两个参数，我们为它们各定义了三个模糊集合。对于j 而言，它们为：4 ，4 2 ，j 4 3 ，分别代表l ( 大) 、m ( 中) 、s ( 小) ；对于z l x 而言，它 们为：占，、b 2 ，b 3 ，分别代表z ( 增加) 、p ( 平缓) 、j ( 减少) 。考虑到要用且p 学习 算法，隶属函数必须是可微的，这里采用的是s ( s i g m o i d ) 函数。各模糊集合的隶属函 数分别是； 辽宁工程技术大学硕士学位论文 1 5 a3 ( 工) ； a 2 ( x ) = 爿i ( x ) = 一1 1 + c x p 【一形g l ( j wc 1 + 1 !。一，。：!一 1 + c x p 【一wg l ( 工一wc l w1 + e x p 一wg l ( j wc 2 w 1 + 唧【一wg l ( x we 2 ) l 蹦堋2 两而瓦去f 而“ 口2 ( a x ) = 1 + e - x p 一w 9 2 ( a x w c 3 ) 】 州2 鬲再瓦云万而 一 一l 1 + e x p 一w 9 2 ( a x w c 4 ) 1 ( 3 1 ) ( 3 - 2 ) 其中，耽是s 函数的中心，豫决定s 函数的斜度。二者的隶属函数如图3 一l 、3 2 所示： 0 5 图3 - 1 输入变量x 的隶属函数 b 1 、厂 爿。 图3 - 2 输入变量a x 的隶属函数 辽宁工程技术大学硕士学位论文 在这个模糊系统中最多有九条推理规则，规则的一般形式为： “尺fi fxi sa ia n d4 xi s 彩，t h e n 有火情的概率为口岩” 系统中的每一次输入都可看成模糊单点，其模糊推理方法如下： 。( ：) = y o t ， l z 。0 ) ( 3 3 ) 口，= m i n 。) 。( a x ) ) ( 3 4 ) 。( ：) = 口 ( 3 5 ) 其中八采用r a i n 算法，u 采用m a x 算法。采用的模糊推理方法为：m a x - r a i n 。 通过上面的论述，我们已经建立了火灾信号检测系统的一整套模糊逻辑，下面我们 将在此基础上提出系统的模糊神经网络模型( f k l l p ) 。模型的网络结构如图3 - 3 所示： 图中的符号及各层的功能为 1 ，5 】： 翻) 输入层：空白的圆圈表示在节点内对输入信号未做处理，方框中的1 表示固定输 入。由方框到第二层节点的权为w c ( 分别为w c l ，w c 2 ，w c 3 ，w c 4 ) ，由圆圈到第 二层节点的权为l 。 圆夕偏移层；共八个节点，每个节点有两个输入，分别为x ( 或4 肋和w c ( w c l ，w c 2 ， w c 3 或w c 4 ) 在节点内作求和运算，第二、三层之间的权均为阡留( 豫，或w 9 2 ) 。 佑，) s 函数层：共有八个结点，每个节点只有一个输入阡客( x - w c ) , 在节点内计算出函 数值+ e x p - 降客( x - w c ) 刀。第三、四层之间的权为1 或1 。 ) 合成层：共有六个节点，其中第二和第五个节点内作求和运算，第一和第四个节点 内做加l 运算。至此完成了模糊化的工作。第四、五层之间的权为1 。 但) 规则层：共九个节点，分别对应九条规则，每个节点有两个输入，在节点内做m i n 运算。其输出为经该条规则推理后得出的发生火情的概率。 伊，网络输出层：该层只有一个节点，有九个输入和一个输出。其作用函数为阈值函数。 在节点内先对九个输入进行m a x 运算，运算结果再和所设定的闽值0 比较。这个模 糊神经网络输出没有解模糊层，网络的输出以1 和0 指示火警是否发生。 辽宁工程技术大学硕士学位论文 x a x 图3 - 3网络结构 至此，我们建立了一个模糊神经网络模型。这种f m l p 网络是一种前馈型结构，它 有两类权系数( w e 、w g ) 是可调整的，而且，它们都具有明确的物理意义，可根据经验 设计相当好的初值，以加快网络的学习速度和收敛速度。另外，在网络输出层，阙值口 可根据专家的经验来设定。 3 3 网络学习算法 从网络结构可以看出，f m l p 中需学习的参数集中在前三层中，而且，前三层网络 在结构上很有规律，即在整个前三层中包含一个特殊的网络结构，如图3 - 4 所示： 图3 4神经元结构 上述网络结构当处于正向传播信息状态时，能将输入变量模糊化；当处于反向状态 时，能传播误差信号，从而根据它来调整网络参数，使网络具有学习功能。我们研究整 个网络的学习算法，其实只需研究这一部分网络的学习算法。 这部分神经网络属于典型的前馈型网络结构，可采用传统的b p 算法来调整网络参 数。 ( 1 ) 根据专家经验给耽，阡留设计初值。 ( 2 ) 前向计算 辽宁工程技术大学颈士学位论文 设这部分神经元的输入为v ，则： 矿2 。( x 一形) 设这部分神经元的输出为y ，则有： y ：j 一 1 + e x p 一w s ( x w j 】 ( 3 )反向计算 设该神经元第1 次迭代的理想输出为： p ( 聍) = d ( 打) 一y ( 帕 定义单元的平方误差为： ( 3 6 ) ( 3 7 ) d ( 刀) ，则该单元的误差信号为： ( 3 - 8 ) 荆= i 1 p 2 ( 聆) 设训练集中样本总数为n 个，则平方误差的均值为： f 。，= 万1 荟n 善 平方误差的均值为学习的目标函数，学习的目的应使它达到最小。 求单元误差对w c 的梯度： ! 圭盟：! i ! 1 2 垡竺! 望! ! 1 2 翌! 尘塑 a 。o e ( n ) a f ( n ) a v ( n ) aw 。 由于 梨：。( 功 ( 甩) 一 o e ( n ) ：一1 o r ( n ) 旦兰盟：驴( 矿伽) ) 翌a v ( n ) 2 缈( 伽) ) 芴a v 矿( n ) = 一w 。 a 缈。 。 所以 垦。塑=。(拧)缈(矿)矾w口、7 y ”g ( 3 - - 9 ) ( 3 一l o ) ( 3 - 1 1 ) ( 3 - 1 2 ) 辽宁工程技术大学硕士学位论文 1 9 一 权值w e 的修正量为： 坝叫鬻一删痧帆( 3 - 1 3 ) 同理可得权值w g 的修正量为： 眠叫鬻一删妒( 删卜j ( 3 - 1 4 ) ( 4 )修正权值 传统的b p 算法在最后修正权值时采用如下方法： 印) = 矿。一1 ) 一，r i 百o t ( n ) ( 3 - 1 5 ) 在实际应用中，如果r 值选得太小则存在收敛速度慢的问题：如果r 值选得太大则 容易7 1 起振荡，出现局部极小。而用加动量项的方法可有效的解决这一问题( 参考文献 1 ，2 ，3 ) 。推理如下： a w ( n ) = a a w ( n - 1 ) 一玎等 上式对形) 求解可得； ( 3 1 6 ) 训加一嚷口“等( 3 - 1 7 ) 当本次的第与前一次同号时，其加权求和值增大，使a 缈) 较大，结果在稳定 调节时加速了矿的调节速度。当望婴与前一次符号相反时说明有一定振荡，此时指数 o w 加权求和结果使a w ( n ) 减小，起到稳定作用。 因此，这部分神经元在调整参数时按下式进行 即研? ) 唾口”1 器( 3 - 1 8 ) 黜研舻1 ) - 町喜口“努( 3 - 1 9 ) r = 0 vr r 其中r l 为学习步长，口为动量项系数。 坐习笪浩洧起园加图1 s 所呆 y e s 3 - 5 学习算法流程图 s 3 4 网络的训练 对于上述的网络结构，为使它达到较好的推广能力，需要选择一定量的训练样本对 它进行训练。前人经过研究，得出以下结论【l ，2 ，8 ，9 】： ( 1 )设网络可用一无环路的有向图表示，令= e + ，其中e 为图的边数，为节点 数，d ，f 耽，当随机抽取的样本数肘满足肘丝丝i n3 2 w 帝l ，其中为权值 个数，能找到一组合适的权值，使得至少能以j e 2 的概率对训练样本正确分类， 则该网络对取自同一分布的其它样本的错分率不大于p 的概率至少1 - s e x p ( - 1 6 w ) ， 辽宁工程技术大学硕士学位论文 ( 2 )只有一个隐层的权连接的前馈网络，如果训练样本数小于w e 数量级( 删口o w l f 力，则在选择适当权值使其对其它样本错分率小于p 时，至少以某一固定概率 要失败。 一般来说，样本量应当比可调参数数量大几倍，学习结果才是可靠的。对我们建立 的这个模型而言，可调参数共有8 个，因此，我们采用的样本量为4 0 ，同时为了检验网 络性能还需一个样本量为4 0 的测试集，从而一共需8 0 个样本。样本来源于专家的 经验和各项统计资料。 3 5 仿真实例 给定数学模型： y ：! 一( 3 2 0 ) l + e x p 一2 5 ( x 一3 ) 】 采用加动量项的b p 算法进行仿真，结果如图3 - 6 、3 - 7 所示。仿真结果证明：采用 加动量项的b p 算法，网络快速而平稳的收敛于给定的误差限，达n - f 对模型的拟合效 果。 拟合曲线 图3 - 6 拟合曲线 辽宁工程技术大学硕士学位论文2 2 学习曲线 e p o c h 图3 7 学习曲线 -罢山，9-暑， 辽宁工程技术大学硕士学位论文 2 3 4 探测方法 4 1 方法概述 多元探测与探测智能汇集于一身是现代智能探测报警系统发展的必然趋势和主导 发展方向。通过前面章节的叙述，我们建立了基于模糊神经网络的火灾信号探测数学模 型，并给出了它的学习算法。接下来，基于此模型提出一种先进的火灾信号探测方法。 该方法分两步进行。 ( 1 )火灾特征信号的检测：火灾特征信号是指，火灾发生过程中所引起的温度、烟雾 浓度、光等参数的变化。这些量可通过传感器来检测。但由于现场存在许多干扰， 如：电磁干扰、元器件老化、灰尘、人为因素等。所以给信号的正确检测带来了 困难。解决的方法是：设计使用智能传感器。智能传感器，能将检测到的信号进 行数字滤波，有效的滤除混杂在有用信号中的干扰；另外，它还能通过智能算法 补偿由于元器件老化带来的检测误差。 ( 2 )火警的判断：传感器检测的火灾特征信号经过传输媒质传送到主处理单元，在这 里进行火警的判断。传统的判断算法有：阈值算法、趋势算法等。本文采用的是 基于模糊神经网络的智能算法。第一步：对火灾特征信号进行预处理，得到信号 特征值x 和信号变化斜率x ( 多元探测的需要) ；第二步：神经网络的前四层对 信号特征值和信号变化斜率模糊化