（模式识别与智能系统专业论文）基于信息融合技术的火灾探测方法研究.pdf

华北电力人学硕士学位论文 l i l ll l ii i iii il l ll l il li y 1 7 9 6 7 5 1 摘要 火灾探测是安全领域的一个重要课题，研究智能的、具有鲁棒性的火灾探 测技术与系统，具有非常重要的理论和应用价值。本文从多传感器信息融合技 术的基本原理分析入手，阐述了火灾探测原理与基本的火灾探测算法，引入了 一种基于t - s 模型的模糊神经网络特征层融合的火灾探测方法，仿真结果表明 此方法具有识别速度快、正确率高的优点。为了进一步提高系统的抗干扰能力， 本文根据火灾的渐变特性，引入了烟雾信号持续时间特征，利用模糊推理技术 进行了决策层的融合，并且进行了仿真。实验结果显示该方法具有良好的鲁棒 性和有效性。最后我们将该模型运用到智能楼字监控系统中，证明了其实用性。 关键词：火灾探测，信息融合，模糊逻辑，t - s 模型，神经网络 a b s t r a c t f i r ed e t e c t i o ni sa ni m p o r t a n t t o p i ci n t h ef i e l do fs e c u r i t y , r e s e a r c h i n g i n t e l l i g e n ta n dr o b u s t f i r ed e t e c t i o nm e t h o da n ds y s t e mh a v eav e r yi m p o r t a n t t h e o r e t i c a la n da p p l i c a t i o nv a l u e t h i sp a p e rs y s t e m a t i c a l l yd e s c r i b e st h eb a s i c p r i n c i p l eo fm u l t i s e n s o ri n f o r m a t i o nf u s i o nt e c h n o l o g y , t h ep r i n c i p l e so ff i r e d e t e c t i o na n dt h eb a s i cf i r ed e t e c t i o na l g o r i t h m ，a n dt h e np r e s e n t saf u z z yn e u r a l n e t w o r kf i r ed e t e c t i o nm e t h o db a s e do nt - sm o d e li nf e a t u r el e v e lf u s i o n t h e s i m u l a t i o nr e s u l t ss h o wt h a tt h i sm e t h o dh a sa d v a n t a g e so ff a s ti d e n t i f i e ds p e e d a n dh i g ha c c u r a c y i no r d e rt oi m p r o v er o b u s tc a p a b i l i t yo ft h es y s t e ma n db a s e d o nt h ec h a r a c t e r i s t i c so ff i r e ，t h i s p a p e r i n t r o d u c e st h ec h a r a c t e r i s t i c so f s m o k e s i g n a ld u r a t i o n ，a n du s e sf u z z yl o g i ci nd e c i s i o n - m a k i n gl e v e l ，a n dt h e n m a k e sa s i m u l a t i o n e x p e r i m e n t a l r e s u l t ss h o wt h a tt h i sm e t h o dh a sg o o d r o b u s t n e s sa n de f f e c t i v e n e s s w ep u ti ti n t oa p p l i c a t i o no fi n t e l l i g e n tb u i l d i n g m o n i t o r i n gs y s t e m ，a n di t su s e f u l n e s si sp r o v e d l e iq i a n r u ( p a t t e r nr e c o g n i t i o na n di n t e l l i g e n ts y s t e m ) d i r e c t e db yp r o f y a n gg u o t i a n k e yw o r d s ：f i r ed e t e c t i o n ，i n f o r m a t i o nf u s i o n ，f u z z yl o g i c ，t - sm o d e l ，n e u r a l n e t w o r k 7 - 华北电力人学硕士学位论文 中文摘要 英文摘要 目录 第一章绪论1 1 1 课题背景l 1 2 火灾探测技术的发展历史1 1 3 多传感器信息融合技术的发展概况3 1 4 本文的主要工作5 第二章火灾探测技术的基本原理6 2 1 火灾产生的机理6 2 2 火灾探测器7 2 2 1 感温探测器7 2 2 2 光电感烟探测器8 2 2 3c o 探测器8 2 2 4 复合式火灾探测器。9 2 3 火灾探测信号的特征9 2 4 火灾信号的探测算法1 0 2 4 1 传统的火灾探测算法1 0 2 4 2 人工智能火灾探测算法1 2 2 5 本章小结1 3 第三章多传感器信息融合的理论基础1 4 3 1 信息融合的基本原理1 4 3 2 信息融合的定义1 4 3 3 多传感器信息融合系统的构成1 6 3 3 1 多传感器信息融合系统结构1 6 3 3 2 多传感器信息融合系统的功能模型1 8 3 3 3 信息融合的公式化描述1 8 3 4 信息融合的层次1 9 3 5 本章小结2 0 第四章火灾探测信息融合系统特征层的实现2 1 4 1 火灾探测中的信息融合2 l 4 1 1 火灾探测中的信息分类2 1 华北电力大学硕+ 学位论文 4 1 2 火灾探测中的信息融合2 2 4 1 3 火灾探测参量的选取2 2 4 2 模糊神经网络2 3 4 3 基于模糊神经网络的火灾探测工作原理2 4 4 4 火灾探测的模糊神经网络设计2 5 4 5 学习算法2 8 4 6 仿真实验3 l 4 7 本章小结3 4 第五章火灾自动探测融合系统决策层的实现3 5 5 1 模糊推理技术3 5 5 2 融合系统决策层的实现3 7 5 2 1 模糊变量的论域及其隶属度函数3 8 5 2 2 仿真实验及结果分析3 8 5 3 本章小结4 l 第六章火灾探测系统的实际应用4 2 6 1 应用实例4 2 6 2 监控界面4 2 6 3 本章小结4 4 结论与展望4 5 参考文献4 7 致谢5 0 攻读硕士学位期间发表学术论文情况5 l n c 华北电力大学硕十学位论文 1 1 课题背景 第一章绪论 安全是人类生存和发展的基本条件，安定的环境是人类一切社会活动、经济活 动、科学研究活动的首要问题。在社会财富不断积累和人民生命价值不断提高的今 天，如何防止火灾对社会财富和人民生命安全造成危害已成为当前一大课题。火灾 探测研究就是为了尽早发现火灾，及时报告，以采取相应措施控制事故的发生。火 灾自动探测系统的性能主要由采集或探测信号的硬件以及相应的信号处理方法决 定。随着硬件水平的提高，相应的信号处理方法的重要性也越来越大。传统的消防 报警控制系统正朝着高度智能化方向发展，其共同特点是系统运行可靠性高、误报 率低、自动化程度高。其中信息融合技术正是体现了这样一种高度智能化特点，它 是将来自系统的多源信息加以智能化合成，产生比单一信息源更精确、更完全的估 计和判断。它不但可以克服单传感器的不稳定性和局限性，而且可以更全面、更准 确地掌握系统信息。 1 2 火灾探测技术的发展历史 早在1 8 4 7 年美国牙科医生钱林( c h a n n i n g ) 和缅因大学教授华迈尔( f a r m e r ) 研究出世界上第一台用于城镇火灾报警的发送装置，1 8 9 0 年英国又研制成功了感温 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。一百五十年来， 世界上科学技术取得了突飞猛进的发展，火灾探测技术也相应迅速发展，各种感温、 感烟、感光等类型的火灾探测器相继问世，并日臻完善【2 1 。 从1 9 世纪4 0 年代至本世纪4 0 年代，在这漫长的一百年中，感温探测器一直 占主导地位，火灾自动报警系统处于初级发展阶段。定温和差温探测器有双金属型、 水银接点型、易熔合金型、玻璃球膜胀型、热电偶型以及半导体型等。由于其灵敏 度比较低，探测火灾的速度也比较慢，尤其对阴燃火灾往往不响应，因此，它一直 无法较好地实现火灾早期报警的要求。 直到上世纪5 0 年代初，瑞士物理学家埃斯特迈里( e r n s t m e i1i ) 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。火势蔓延往往始于烟， 感烟探测技术使人类在实现火灾早期报警向前迈进了一大步，立刻引起了人们的重 视并得到广泛应用。从此感温探测器被排挤到次要地位。随着电子工业的发展，场 效应晶体管代替了阴极射线管，使电路电压能够从2 2 0 v 降低到2 4 v ，用电池也可为 探测器供电。加之集成电路和微机的出现，又为离子感烟探测器的智能化提供了广 华北电力大学硕十学位论文 阔的前景。据统计，至1 9 7 0 年，整个欧洲己安装了近百万只。迄今，它在全世界 范围内仍占已安装探测器的9 0 左右。可以说，它以绝对优势占据中心地位长达三 十年之久。 7 0 年代末，因高寿命的光电元器件技术取得突破，光电感烟探测器才应运而生， 使离子感烟探测器面临新的挑战。十多年来，尽管人们对两种探测器性能上差异的 评价众说纷纭，但国外却一直在大力研制和发展光电感烟探测器，并取得长足的进 展。如在日本、瑞士，它的销售量已上升到9 0 以上，欧洲也在大幅度减少离子感 烟探测器。同样，我国也开始出现类似的倾向。现在这两种探测器每年的销售量大 约是一对一，不相上下，平分秋色了。 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量报警系统。9 0 年代初，我国的智能 化系统也取得较大进展，各种智能型系列产品相继问世。 按智能技术开发的功能和作用的不同，系统应用一般体现在探测智能、监控智 能和抗干扰智能三个主要方面。探测智能是通过探测器中的微处理器进行的，它不 但对火灾信号直接进行检测、分析和信号处理，而且对环境的变化可及时做出响应， 并利用软件中建立的算法进行综合比较，自动调整运行参数，做出恰当的智能判断： 监控智能则是由探测器中计算机自身的软件( 程序块) 来完成的，监控程序周期地 运行，使系统始终保持良好的使用和维护状态。除对各部件间断路、短路给出故障 信号并指示部位外，还对各模块的工作状态、部件的工作状态，主要部件各种监控 功能数十种故障状态给出指示，并将故障部位及时间信息打印记录下来。尤其是对 软件程序执行状态中的错误及内存数据出错也能及时检测和纠正，使设备操作的可 靠性大大提高；抗干扰智能主要对系统的环境变化及内部电路中存在的严重背景干 扰采用各种消除干扰的软件技术，把干扰信号限制到最低限度，使系统的抗干扰能 力显著提高。 然而，单元探测技术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。正因为如此，尽管科研人员为改进和提高火灾探测技术水平进行了艰苦的努 力，使火灾探测器在灵敏度、可靠性和使用性能方面有了许多技术改进，并取得了 可喜的成绩。例如在消除电磁干扰、防虫措施、电子元件可靠性、防止电流泄漏的 涂层技术及无噪声光电感烟探测室等。但是至今仍然没有一种单一参数火灾探测器 能有效地探测各类火情，人们要根据不同的使用场所以及该场所可能会发生的火灾 类型来合理地选择火灾探测器的种类。如果选择不当，就易造成误报或漏报。加之 现实中的火灾多种多样，又具有较大的偶然性和不稳定性，使早期阶段的火灾现象 和虚假火灾现象常常混杂在一起很难及时做出准确的判断。因此，火警误报时有发 生。可以说，如何及时、准确的预报火情从而实现防灾减灾，一直是困扰各国工程 2 华北电力大学硕士学位论文 技术人员的难题。 鉴于此，一种崭新的多元复合探测技术悄然兴起。它既是一种多维的传感器， 又是一种智能型装置。根据其同时测得的不同类型的火灾模拟量参数，并将其转换 成数字信号，然后进行综合智能算法，以判断是否存在火灾危险。这样不但大幅度 提高了可靠辨别真假火灾的能力，还对不同类型的火灾都具有较高的灵敏度。 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，然后做出是否真正发生火灾的判断。这里人 的感官就相当于复合探测器中不同的敏感元件，人的大脑就好比探测器中的微处理 器及其软件。因此，火灾多元复合探测技术提供了一种崭新的火灾探测技术途径， 它更加接近人的感观和思维模式，可以说它已成为当代消防科技领域中最具有发展 前途的高新技术。 到目前为止，火灾探测报警技术已发展成为一门多学科、多专业的综合应用科 学，在建筑、工业、国防和科学技术等各个领域内得到了广泛应用，它已成为人类 同火灾作斗争的重要手段，在预防火灾、保护国家经济建设和人民生命财产安全方 面发挥了巨大的作用。现代火灾报警系统已全面向集成化、智能化、多功能化及总 线传输化的方向发展。火灾探测技术也开始从单元探测向多元复合探测过渡，一种 新型的多功能、高可靠性的多元复合探测技术正在蓬勃兴起，并已取得了较大进 展【3 】【4 】【s 】。 夸 1 3 多传感器信息融合技术的发展概况 任何一种新技术的诞生，其原动力都来源于人类的需求，其目的都是为了满足 人类的需求。信息融合技术当然也不例外。信息融合技术最根本的目的在于增强人 类对复杂的未知环境或事物的认知能力。人通过眼、耳、鼻等感官收集外界环境信 息，利用大脑对这些信息进行综合和分析，从而达到认知外界环境的目的。但人的 感官所能感知的信息是有限的，例如人类就无法感觉到地球磁场的变化，所以人类 单凭自身的感觉器官，对某些事物就无法达到完全认知的目的。因此人类开始利用 传感器来帮助获得更多的信息，但当信息量十分巨大以至超出了人脑的信息综合处 理能力所能达到的极限时，人类的认知活动又受到了阻碍。信息融合技术的出现， 为人类解决了这一难题。 1 9 5 9 年k o l m o g o l o v 提出了一条关于信息集成的定理：对于一个系统，将多个 单维信息集合成多维信息，其信息量必然会比任何一个单维信息的信息量大； r i c h a t d s o n 从理论上证明了增加传感器，原系统的性能不会降低。在现有已公开的 华北电力人学硕士学位论文 文献资料中，多传感器信息融合一词最早出现在7 0 年代末，自从这个问题一提出， 多传感器信息融合技术就被世界上先进的军事大国所重视，并将其列为军事高技术 研究和发展领域中的一个重要专题。然而在工程实际中应用数据集成与多传感器信 息融合技术是近2 0 年的事。 国外对信息融合技术的研究起步较早，早在1 9 7 3 年，美国的有关机构就在国 防部的资助下，开展了声纳信号理解系统的研究，信息融合技术在该系统中得到了 最早的体现。进入8 0 年代以后，传感器技术的飞速发展和传感器投资的大量增加， 使得在军事系统中所使用的传感器数量急剧增加，因而要求处理更多的信息和数 据，更加强调速度和实时性。美国三军政府组织一实验室理事联席会下面的c 3 i 技 术委员会及时发现了解决这一问题的关键，并于1 9 8 4 年成立了数据融合专家组 ( d f s ，d a t ef u s i o ns u b a n a l ) ，专门指导、组织并协调有关这一国防关键技术的 系统性研究。每年召开有关数据融合的学术专题讨论会，并发表有关数据融合的现 状与展望的技术报告。但在当时，信息融合并不像现在这样受到人们普遍的重视， 研究中所使用的概念和定义也很不统一。在1 9 8 7 1 9 9 7 年1 0 个财政年中，美国国 防部投资9 亿美元进行数据融合技术研究。1 9 8 8 年，美国国防部将多传感器信息融 华北电力大学硕+ 学位论文 息融合这一领域的研究才逐渐形成高潮，一些高校和研究所开始从事这叫支术的研 究工作，从已发表的公开文献来看，近几年我国对多传感器信息融合方面的研究日 益重视。如1 9 9 3 年国家自然科学基金会资助北京航空航天大学的“多传感器数据 融合 项目，电子工业部在成都电子科技大学的预研项目，国防科工委对部队院所 的多传感器数据融合研究也进行了资助等。国内所有这些研究仍是处在起步阶段， 是一种理论上、具体算法上的研究，离实际使用尚远。我国已装备和在研制的c 3 i 系统中，在数据处理中，基本上采用的是单类传感器系统的数据综合方法。军方已 提出对不同类传感器和多信息源的信息进行综合处理，以进行目标识别、态势和威 胁估计、任务区分和火力区分等需求，但目前尚未实现这一点。在工程应用上，一 些院所在多传感器识别、定位等同类信息融合的系统进行了研究与开发，但都还处 于初级阶段【6 】【7 j 1 8 】。 1 4 本文的主要工作 盘 本论文在研究火灾探测技术与多传感器信息融合技术的基础提出了一种基于 多传感器信息融合的火灾探测系统，通过仿真试验证明了其可行性，并将其应用到 实际中，证明了其实用性。具体工作如下： 蘩 ( 1 ) 学习火灾产生的机理、火灾探测信号的特征以及常用的火灾信号的探测算 法，提出了运用信息融合技术进行火灾探测研究。 ( 2 ) 对信息融合技术的基本原理、结构层次及融合算法进行了深入研究，为进 一步设计火灾探测系统打下了理论基础。 ( 3 ) 火灾自动探测信息融合系统的特征层实现，主要研究了基于t - s 模型的模 糊神经网络，并充分利用该网络模型对火灾信息进行融合识别。 ( 4 ) 引入烟雾信号持续时间，运用模糊推理技术对特征层融合的结果进行决策 层的融合判断，并通过仿真实验证明该算法的有效性与可行性。 ( 5 ) 将基于信息融合的火灾探测技术运用到智能楼宇监控系统中，证明其实用 性。 华北电力大学硕士学位论文 第二章火灾探测技术的基本原理 物质在燃烧过程中，会产生燃烧气体、烟雾、热、火焰等一些物理现象，所以 火灾的探测，主要是以物质燃烧过程中产生的各种物理现象为机理来进行探测的。 火灾发生时，由于燃烧物质的不同、燃烧环境的差异，对应燃烧过程产生的各种物 理现象就会大相径庭。由传感器采集的火灾参数是事先未知的或不能确定的信号， 它不仅随时问的变化而变化，其他环境变化和电子噪声等都可能引起它的变化，而 且这种变化往往与火灾参数变化特征基本相似，在探测器的安装位置及环境特征事 先无法确定的情况下，无论采用什么样的固定算法都是不能完全满足要求的。所以 火灾探测是一种非线性结构的问题，用经典的数学建模方法是很难精确描述的。 2 1 火灾产生的机理 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。可燃物以气态、液态和固态三种形态存在，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，可燃气就与空 气均匀混合称为预混燃烧；如果可燃气和空气分掰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质，难与空气均匀混合，它们燃烧的基本过程是当 外部提供一定的能量时，液体或固体先蒸发成蒸汽或分解析出可燃气体( 如c o 、h ： 等) 较大的分子团、灰烬和未燃烧的物质颗粒悬浮在空气中，- 粒子直径一般在 0 0 1 m 左右，这些悬浮物统称为气溶胶。几乎在产生气溶胶的同时，产生粒子直 径为o o l 1 0 m 的液体或固体微粒，称为烟雾。气相形式的可燃物与空气混合， 在较强火源作用下产生预混燃烧。着火后，燃烧火焰产生的热量使液体或固体的表 面继续放出可燃气体，并形成扩散燃烧。同时，发出含有红外线或紫外线的火焰， 散发出大量的热量。气溶胶、烟雾、火焰和热量都称为火灾参量，通过对这些参量 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，使火从起火部位向周围蔓延，这就是常说的火蔓延，火蔓延导致了火势 的扩大，形成火灾。 根据火灾发生时所产生现象的不同，可将火灾分为慢速阴燃、明火和快速发展 火焰等。阴燃就是在疏松或颗粒介质中形成的缓慢进行的热解和氧化反应，它能长 时间自行维持并传播，而当条件有一定变化时，或者转化为明火，或者自行熄灭。 研究表明阴燃是诱发火灾的重要原因。明火则是火灾发生时燃烧火焰产生的热量使 液体或固体的表面放出可燃气体，并形成扩散燃烧，同时发出含有红外线或紫外线 的火焰。快速发展火焰则是火灾扩散的速度特别快，这种类型的火灾一般为空气中 6 华北屯力大学硕士学位论文 混有大量可燃气体【9 1 。 2 2 火灾探测器 物质在燃烧过程中，通常会产生烟雾，同时释放出称之谓气溶胶的燃烧气体， 它们与空气中的氧发生化学反应，形成含有大量红外线和紫外线的火焰，导致周围 环境温度逐渐升高。这些烟雾、温度、火焰和燃烧气体称为火灾参量。火灾探测器 的基本功能就是对烟雾、温度、火焰和燃烧气体等火灾参量做出有效反应，通过敏 感元件，将表征火灾参量的物理量转化为电信号，送到火灾报警控制器。 衡量火灾探测器产品质量的主要技术指标：灵敏度，既响应火灾参量的敏感程 度、可靠性、稳定性和抗干扰能力。国家技术监督局颁布了国家标难：如g b 4 7 1 5 9 3 点型感烟火灾探测器技术要求及试验方法，g b 4 7 1 6 - 9 3 点型感温火灾探测器技 术要求及试验方法等，国际标准如i s 0 7 2 4 0 - l 火灾探测和报警系统等。 根据监测的火灾特性不同，火灾探测器可分为感烟、感温、感光、复合和可燃 气体等五种类型。感烟探测器可分为离子型、光电型、激光型和红外线束型四种。 感温探测器根据其感热效果和结构型式可分为定温式、差温式及差定温式三种。目 前，大多数火灾报警系统中使用的是离子感烟探测器、光电感烟探测器、感温探测 器及c o 探测器l i 。 2 2 1 感温探测器 该种探测器主要是利用热敏元件来探测火灾。在火灾初始阶段，除有大量烟雾 产生外，物质在燃烧过程中会释放出大量的热量，周围环境温度急剧上升。该种类 探测器中热敏元件的阻值随温差发生变化，从而将温度信号转变成电信号，并进行 报警处理。 对警戒范围中火灾热( 温度) 参量，即环境气流的异常高温或( 和) 升温速度 做出响应的探测器。感温火灾探测器的特点是：结构简单，电路少，与感烟探测器 相比可靠性高、误报率低，且可以做成密封结构，防潮防火防腐蚀性好，可在恶劣 环境( 风速大、多灰尘、潮湿等) 使用，但是灵敏度低，报警时间迟。感温式火灾 探测器的响应过程是环境气温温度的升高使探测器中的热敏元件发生物理变化经 机械电路处理后转化为电信号。由于热敏元件的种类较多，所以感温火灾探测器的 型式也较多，大体可分两种【m 】： ( 1 ) 点型： 1 ) 定温式：双金属型、易熔合金型、酒精玻璃球型； 2 ) 水银接点型：热敏电阻型、半导体型等； 7 华北电力大学硕士学位论文 3 ) 差温式：膜盒型、热敏电阻型、双金属型、半导体型等； 4 ) 差定温型：膜盒型、热敏电阻型、双金属型等。 ( 2 ) 线型： 1 ) 定温式：缆式型、多点型等； 2 ) 差温式：空气管型等： 3 ) 差定温式：空气管型。 2 2 2 光电感烟探测器 该种探测器主要响应燃烧或热解产生的固体液体微粒即烟雾粒子，主要用来探 测可见或不可见的燃烧产物及起火速度缓慢的初期火灾离子型主要是利用烟雾粒 子改变电离室电流原理而设计的，探测器内部装有一放射源的电离室为传感器件； 光电型主要是应用烟雾粒子对光线产生散射及折射、吸收或遮挡的原理而设 计，有减光型和散射型：减光式光电感烟探测器，该探测器的检测室内装有发光元 件和受光元件。在正常情况下，受光元件接收到发光元件发出的一定光量，产生一 定的光电流。但当有烟雾进入检测室时， 少，光电流降低，探测器发出报警信号 由于烟雾的遮挡受光元件接受的光量减 目前这种探测器已很少l 散射式光电感烟 火灾探测器，该探测器的检测室内也装有发光元件和受光元件。在正常情况下，受 光元件接收不到发光元件发出的光，不产生光电流。但当有烟雾进入检测室时，由 于烟雾粒子的散射作用，有一定的光被受光元件所接受，产生光电流，探测器发出 报警信号( 如图2 1 ) 【1 0 1 。 2 2 3c o 探测器 烟 件 图2 - i 散射式光电感烟探测器原理图 在无火灾发生情况下的一般场所，c o 的含量几乎没有。大多数火灾发生时，特 8 圣 华北电力大学硕十学位论文 别是在阴燃阶段，c o 浓度均超过正常大气当中甚至是c o 浓度较高的场所得含量。 火灾发生初期若能及时探测出有大量c o ，就可以极早探测到火灾信号。c 0 气体探 测器是采用一氧化碳传感器作为c o 敏感元件，目前实际使用的是半导体材料的气 敏元件，它利用c o 气体在半导体表面的氧化和还原反应导致敏感元件阻值变化， 阻值变化幅度代表了c 0 气体浓度，从而实现了把难以测量的c o 浓度转化为电信号。 2 2 4 复合式火灾探测器 以上是单一传感器获取单一环境参量用于火灾探测，主要应用于家庭及小空间 的建筑物，但在重要性很高、危险性很大的场合比如电子计算机房、通讯房、电影 电视放映房、书库及档案馆特别要求火灾探测的极早性和准确性，以尽可能减少损 失。随着科学技术的发展，特别是微电子技术、集成电路及其设计技术、计算机技 术、近代信号处理技术和传感器技术的发展，利用多传感器复合的火灾探测器弥补 了单一参量探测的不足，复合式火灾探测器是利用多传感器视角观察环境特征能够 完整及时的反映准确的火灾信息。复合火灾探测器是一种智能探测器，复合火灾探 测器还没有被消防法规列为安装项目，但复合探测的准确报警更能满足市场的需 要，随着半导体技术的发展，器件成本的不断降低，复合探测也正走向市场，基于 复合探测的火灾探测技术也是国内外学者一直研究的热点。 2 3 火灾探测信号的特征 人们用于探测火灾的探测器或传感器都只能通过火灾发生时产生的各种物理 和化学变化特征来间接探测火灾，例如通过探测火灾产生的烟雾、火灾引起的高温、 火焰和气体等，而这些特征参数在非火灾情况下也会发生变化，而且有时变化规律 与火灾发生时是极其相似的，为了从火灾传感器信号中正确区分出真实火灾信号、 尽量减少误报警，就必须了解火灾探测信号的特征。 传感器的输出信号x ( t ) 随火灾发展而变化，但是火灾早期特征状态是不稳定的 并具有不同的表现形式，如慢速阴燃、明火和快速发展的火焰等，这些不同的火灾 信号的变化量又是不一样的，而且由于火灾事件很偶然，很少有观察数据，因此x ( t ) 是事先未知的或不能确定的信号。此外，传感器输出信号x ( t ) 并不仅仅只是随火灾 特征而变化，环境变化如气候、湿度、灰尘、电子噪声和人为的其他活动都可能引 起x ( t ) 的变化，而这种变化的特征往往与火灾参数变化的特征基本相似，况且探测 器的安装位置和人的活动是事先无法确定的，因此严格说来火灾探测是一种非结构 问题： ( 1 ) 人知道怎样处理，但难于用数学语言精确描述； 9 华北电力大学硕士学位论文 ( 2 ) 存在实际范例可供学习； ( 3 ) 识别是一种联想过程。所以火灾检测与其它典型的信号检测相比是一种十 分困难的信号检测问题。 应该说对火灾探测信号包括其他安全防范系统都普遍存在的并尚未完全解决 的问题是：可得到的信号都是随机信号，它们的统计特征随时间或环境变化而变化； 需要被检测的情况( 如火灾) 极少出现，探测器几乎总是在输出j 下常情况下的信号； 探测信号的背景噪声很强，其特征有时与需要探测的信号极其相似。 尽管对传感器输出信号x ( f ) 的检测是困难的，它们的变化还是表现了火灾早期 的一些特征，如工( f ) 的时间和频谱特性，由于其变化的不确定性和受环境等各种噪 声信号的影响，我们有时可以把x ( f ) 近似看作是一种非平稳的随机过程，主要由火 灾信号和非火灾信号两部分组成： m ) = 州鬻o ( 2 - 1 ) 式中，x s ( t ) 表示火灾特征参数信号，吒( f ) 表示其他因素引起的非火灾信号，这里 统称为噪声，x f ( t ) 与x n ( t ) 是互不影响的，在火灾发生时我们无法从x ( t ) 中分离出 x i ( t ) ，但是在非火灾情况下，( f ) 却有可能产生类似x ，( f ) 的变化【1 1 1 。 2 4 火灾信号的探测算法 早期问世的火灾探测器都是开关量式的，即探测器将火灾敏感元件的信号放大 后直输出探测结果：“火灾 或“非火灾”，由于技术水平和元器件限制，这时的信 号处理电路都很简单，因此大量的探测器都使用信号处理的直观方法。随着科学技 术的发展，模拟火灾探测器问世了，这种火灾探测器可以称为火灾传感器了，给进 一步处理火灾探测信号创造了条件，因此火灾信号处理的系统方法得以很快地发 展，使火灾探测系统的性能大大提高。 2 4 1 传统的火灾探测算法 传统的火灾探测算法的主要有三大类：直观算法、系统算法和统计检测算法。 2 4 1 1 直观算法 它是最早使用和实际运用最多的一种方法。通常它都是对单传感器信号进行处 l o 华北电力大学硕士学位论文 理，通过对典型的火灾和非火灾信号的观察，由直接处理信号幅值来完成火灾探测。 通常有两种形式：固定门限的识别方法和信号变化率的识别方法。前者设定一个固 定阈值，探测到的信号超过该阈值一段时间后，判断是火灾。而后者根据探测到的 信号的变化快慢来决定是否有火灾发生。直观法的优点是简便明了和易于实现，但 j 下是由于这种过于简单的处理，当噪声信号也超过门限时，同样会被判断为火灾， 因此对环境适应性和抗干扰能力较差，对采集到的信号能够响应，但对火灾信号和 非火灾信号的识别，不是很有效，误报警率较高。 2 4 1 2 系统算法 试图将信号的特征用完整的数学式来描述的方法称为系统算法。该类算法把采 集的信号作为参数输入数学模型，用数学公式对它进行分析辨别，输出分析结果， 以此判别火灾或非火灾。最早应用于火灾探测的系统算法是信号检测的非参数检测 方法，其中趋势算法最先应用【12 1 。最方便实现的趋势算法是k e n d a l l 一r 趋势算法【13 1 。 还有其他几种著名的算法例如：利用火灾信号持续性的持续时间检测算法【1 4 1 ；利用 火灾发生时信号的相关性区别非火灾信号以进行火灾探测的火灾信号的相关滤波 算法【1 5 】；利用火灾情况下不同传感器信号趋势的相关性的复合趋势算法等【16 1 。 2 4 1 3 统计检测算法 利用火灾信号的统计特性，将信号的统计检测方法应用于火灾探测信号处理之 中，由此产生了火灾信号的统计检测算法。其中之一是功率谱火灾检测算法，这一 类算法将火灾信号认为是非平稳的随机过程，对这类随机信号用信号的二次统计方 法来处理。j k l o s e 等人提出了利用信号的短时自相关函数或功率谱密度的检测算 法【l7 1 。另一种统计检测方法是参数模型算法，其中的现代功率谱估计的方法【l8 】也被 引入到火灾信号检测领域中来。 从上面可以看到：随着8 0 年代初模拟量火灾探测系统的出现，火灾探测器输 出的信号不再只是开关量，而是反映火灾特征的模拟量即真正的传感器信号，各种 信号处理算法开始应用于火灾探测之中，使得火灾探测系统的性能大大提高。 但目前所研究的无论是单输入还是多输入( 包括复合) 的火灾探测算法都是针 对信号的确定值如幅度、趋势和持续时间等特性进行的，处理方法是简单的阈值比 较、积分、滤波平滑和趋势及斜率计算等，即使是比较复杂的统计检测算法也是用 统计的方法来构建固定的数学模型对火灾进行识别。 因此，传统的火灾探测算法存在两大主要的缺点：一是对环境的适应性和抗干 扰能力较差，如果环境变化了，算法不能自行做出有效的调整；二是对虚假火灾的 识别能力较差，经常引起误报。 随着火灾自动探测系统应用的扩大，经典逻辑的输出已不能满足应用要求，非 华北电力大学硕士学位论文 火灾的复杂情况，也使得固定的一种算法不能满足要求，需要具有学习功能的算法。 2 4 2 人工智能火灾探测算法 火灾探测是一种特殊类型的信号检测，由传感器采集的火灾参数是事先未知的 或不能确定的信号，它不仅随火灾特征而变化，其它环境变化和电子噪声等都有可 能引起它的变化，而且往往与火灾参数变化特征基本相似，所以，火灾探测与其它 典型的信号检测相比是一种十分困难的信号检测问题，它要求信号处理算法能够适 应各种环境情况的变化，自动调整参数以达到既能快速探测火灾又有很低的误报警 率。而且，在探测器的安装位置和人的活动以及环境影响事先无法确定的情况下， 无论采用什么样的固定算法程序都是不能满足要求的。我们通常把带有微处理器或 微计算机的火灾探测系统都称为智能火灾探测系统，其实绝大部分不能算作真正的 智能系统，因为它只能按照预定的算法和程序运行，即使它的一些功能可以在现场 调整，那也只是一种选择预先设定的若干程序中的一个的过程。真正的智能系统应 该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。 2 4 2 1 神经网络算法 对于火灾探测这种非结构问题，人的识别能力最强，而人的判断是由其大脑的 神经网络完成的，因此联想到采用类似人的神经网络的处理方法实现火灾探测也就 十分自然了。人工神经网络自八十年代复兴以来，以其具有自适应性、学习能力、 容错能力和并行处理等特性而迅速在信息处理领域得到应用，并为火灾信号处理开 辟了崭新的发展途径。 人工神经网络是由一些简单的处理单元( 神经元) 组织的大规模并行网络，它 是在现代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，在信息处理机制上与传统的数字计算机有着 根本的不同，它具有大规模并行模拟处理、连续时间动力学和网络全局作用等特点， 信息的存贮方式体现在神经元之间联接的分布上，存储区与操作区合二为一。神经 网络具有很强的自适应性、学习能力、容错能力和并行处理能力，使信号处理过程 更接近于人类思维活动。 神经元处理信号是通过首先完成输入信号与神经元联接强度的内积运算，然后 将其结果通过激活函数，再经过阈值函数判决，以决定该神经元是否被激活或抑制。 根据这些神经元连接的不同拓扑结构、神经元特性和网络学习规则，可以构成不同 的神经网络模型，最基本的模型有四种：霍佩菲尔德( h o p f i e l d ) 神经网络、多层 感知机、自组织神经网络和概率神经网络。 2 4 2 2 模糊理论算法 1 2 华北电力大学硕+ 学位论文 由于火灾信号的不确定性，或者获得的信息不完整，因此出现了基于模糊理论 的探测方法。将探测器探测的火灾参数变成模糊变量，即将其模糊化，形成前提模 糊变量，作为模糊推理的输入，为模糊判断做准备。根据各前提模糊变量的模糊逻 辑关系进行推理，判断该前提模糊变量能否构成结论模糊变量，即能否达到输出要 求，也就是指探测器传来的火灾参数模糊化后是否满足火灾报警这一模糊集合的要 求。将模糊推理得到的结论模糊变量变成确定量输出，即将模糊推理得到的这一结 论模糊变量变成真实火警这一确定量输出【i9 1 。 2 4 2 3 视觉理论 火灾的很多现象，在视觉上都有被识别的特征，人的视觉根据视网膜上的成像， 经过大脑的判断分析，非常准确迅捷的得出结论，人类学会这种识别本领是如此的 自然轻松。目前，中国科技大学火灾研究重点实验室已经成功研制出图像型火灾探 测系统，把视觉理论应用到了火灾探测领域，但因为此种系统造价很大并没有广泛 采用。 2 5 本章小结 本章主要介绍了火灾产生的机理、火灾探测器的应用以及火灾探测信号的特征r 和探测算法。通过研究与分析，我们发现可以将多传感器信息融合技术应用到火灾 探测系统中。 罩 华北电力人学硕士学位论文 第三章多传感器信息融合的理论基础 3 1 信息融合的基本原理 信息融合是人类或其他逻辑系统中常见的基本功能。人类能够非常自然的运用 这一能力把来自人体各个传感器( 眼、耳、鼻、四肢) 的信息( 景物、声音、气味、 触觉) 组合起来，并使用先验知识去估计、理解周围环境和正在发生的事件。由于 人类感官具有不同的度量特征，因而可测出不同空间范围内的各种物理现象，这一 过程是复杂的，也是自适应的。把各种信息或数据( 图像、声音、气味以及物理形 状或上下文) 转换成对环境有价值的解释，需要大量不同的智能处理，以及适用于 解释组合信息的知识库。 在信息融合系统中，各种传感器的信息可能是实时的或者非实时的，快变的或 者缓变的，模糊的或者确定的，相互支持或互补，也可能相互矛盾或竞争。而信息 融合的基本原理也就像人脑综合处理信息一样，充分利用多个传感器资源，通过对 这些传感器及其观测信息的合理支配和使用，把多个传感器在空间或时间上的冗余 或互补信息依据某种准则来进行组合，以获得被测对象的一致性解释或描述。由于 在机器人研究领域信息融合技术得到了广泛的直接应用，因此该技术也被比拟为是 对人脑综合处理复杂问题的一种较全面的高水平的模仿。 信息融合的基本目标是利用多个传感器共同或联合操作的优势，提高传感器系 统的有效性，获得比它的各组成部分的子集所构成的系统更优越的性能，即信息的 最佳协同作用，而不是由出现在输入信息中的任何个别元素推导出更多的信息。 多传感器信息融合系统与所有单传感器信号处理或低层次的多传感器信息处 理方式相比，可以更大程度地获得被测目标和环境的信息。另外，多传感器信息融 合与经典信号处理方法之间也存在本质的区别，其关键在于信息融合所处理的多传 感器信息有更复杂的形式，而且可以在不同的信息层次上出现。这些信息抽象层次 包括信息层( 即像素层) 、特征层和决策层( 即证据层) 2 0 】。 3 2 信息融合的定义 信息融合( i n f o r m a t i o nf u s i o n ) 技术，也称为多传感器信息融合技术或数据融 合技术，其较确切的定义可概括为：充分利用不同时间和空间的多传感器信息资源， 采用计算机技术对按时序获得的多传感器观测信息在一定的准则下加以自动分析、 优化综合、支配和使用，获得被测对象的一致性解释与描述，以完成所需的决策和 估计任务，使系统获得比他的各组成部分更优越的性能。故多传感器系统是信息融 1 4 华北电力大学硕士学位论文 合的硬件基础，多源信息是信息融合的加工对象，协调优化和综合处理是信息融合 的核心。 融合是将来自多传感器或多源的信息和数据模仿专家的综合信息处理能力进 行智能化处理，从而得出更准确可信的结论。因此，有关信息融合有多种译名，如 多传感器相关、多源相关、多传感器混合、多传感器融合、信息融合、数据融合等。 随着多传感器信息融合技术研究在我国的发展，“信息融合 和“数据融合逐渐 成为公认名称。 信息融合有串联、并联和混合融合三种形式【6 】： 串联融合( 如图3 1 ) 时，当前传感器接收前一级传感器的输出结果，每个传 感器既有接收信息处理信息的功能，又有信息融合的功能。各个传感器的处理同前 一级传感器输出的信息形式有很大的关系。最后一个传感器综合了所有前级传感器 输出的信息，得到的输出将作为串联融合系统的结论。因此，串联融合时，前级传 感器的输出对后级传感器输出的影响大。 传感器2 的输入 传感器n 的输入 _ ， 传感器i 的输入 幕 l 传感器1 i il 传感器， l 传感器2 l 传感器： ； 上上 i 传感器n 的输出 的输出 融合输出结果 图3 - 1 串联