智能消防机器人的融合感知技术

今日制造与升级 51
自动化技术与应用
消防灭火机器人作为特种机器人的一种，可以替代消防人员进入易燃易爆、有毒、缺氧、浓烟等危险灾害事故现场进行火场侦查、化学危险品探测、灭火、冷却、搬移物品、堵漏等作业，大大提高了灭火和救援的效率，也减小了消防人员的危险。

随着工业化及科技不断进步，油品燃气、毒气泄漏爆炸、隧道、地铁坍塌等灾害隐患也随之增加。

智能消防灭火机器人在特定领域的应用起到了关键作用。

本文首先介绍了智能消防机器的组成模块，并着重解释了其融合感知技术和以及规避障碍和火源检测的决策算法。

1 整机结构
机器人一般由处理模块、感知模块、消防模块、行走模块以及控制模块五大模块构成。

处理模块负责收集分析数据，并发布工作指令。

控制模块与操控台以及手持遥控器连接，可通过电子大屏、手机平板以及遥控器对机器人进行人工操作。

行走模块由履带以及独立避震器组成，具有超强的越障，爬坡能力，在复杂多变的救灾作业中具有优越的运动性能。

感知模块配备的红外摄像头与超声波传感器用于探测和避障，气体检测仪搭配升降悬挂系统用以探测不同高度的有毒可燃气体。

发现火源后消防模块装配可灵活活动的喷射炮，通过水或者泡沫进行灭火作业。

2 感知技术
2.1 障碍规避
消防机器人的障碍规避依靠机身装配的红外线摄像机以及超声波避障传感器完成。

机身四面装配的红外摄像机所探测的对象分为“障碍物”和“无障碍区域”。

如图1所示，X 轴与红外射线光束中心的角度均为π/2。

R 为机器人的半径，D i 为障碍物与机器人（红外摄像头）之间的距离，阈值D s 为机器人与障碍物之间的安全距离，表示机器人与障碍物之间有足够距离，不触发障碍规避机制[1]。

由此，可得到障碍检测规避规则如下：如果 D i -R ≤D s ，则机器人发现障碍，如果D i -R ＞D s ，则机器人未发现障碍。

2.2 探测火源
当远程遥控灭火机器人时，火源的探测尤为重要。

在浓烟高亮环境中，光学摄像机图像可能无法提供足够的信息，使用融合火源探测器能更有效地进行检测。

障碍物
障碍物
无障碍区域
超声波避障传感器红外摄像头
11
2
2
3
4
D i
D s R
π
2
图1 传感器布局图
火源探测可以通过火源的几种不同特征完成，如温度、烟雾、燃烧气体和热辐射。

火焰放射出的光波长度随温度变化而改变。

火源放出的辐射有紫外线、可见光和红外线。

火焰探测器通过高分辨率频谱分析仪分析这些射线的特性，从而识别 火源。

常见的烃类燃烧（氧化反应）主要产生处于激发态的水（H 2O ）和二氧化碳（CO 2），
2C 6H 14+19O 2+Energy==>12CO 2*+14H 2O *这些分子通过特定波长的光子辐射回到原本状态：CO 2*==> CO 2+h ν（2.8~4.3µm ）H 2O * =
> H 2O+h ν（2.9µm ）辐射光谱中，存在着一些具有火焰特征的波段，其中包括：在200nm 左右的紫外线辐射，以及在0.4~3µm 之间的近红外线和可见光部分，辐射强弱由燃料的性质决定。

红外探测器是一种热释电传感器，能够检测热辐射，对光信号的变化相当敏感。

钽/锂晶体与运算放大器或场效应晶体管相关联，光学滤光片选定光谱特定波段或波长（2.9µm ，4.3µm ）。

内部晶体感知到火焰在红外波段发出的随机闪烁后，产生一个经过低频带通滤波器（1~20Hz ）处理的信号，然后由微处理器进行解释。

具有良好的信噪比（Signal-Noise Ratio ）的元件有较大的放大系数，因此对火焰辐射具有较高灵敏度[2]。

红外探测器在烟雾环境和燃烧率较低的火灾（例如汽油）中是有效的，但在水环境（霜、雾等）和存在许多其他干扰红外源的场景中效率低下，这些信号源会与火源信号发生重叠。

［摘 要］基于多传感器的融合感知技术是智能消防机器人目前最重要研究课题之一。

首先，对机器人的五大模块进行简述，然后详细介绍感知模块的构成与应用，以及机器人通过融合感知汇集从超声波避障传感器和红外线摄像机收集的环境信息，通过外部无线连接计算机进行决策，并将结果返回机器人指导其进行灭火作业的融合决策机制。

［关键词］消防机器人；
感知技术；融合算法；火源检测［中图分类号］TP242 ［文献标志码］A
智能消防机器人的融合感知技术
于瑞强，史欣然，李绍刚
（亿嘉和科技股份有限公司，江苏南京 210012）
52 今日制造与升级
Technology 技术
为了防止探测器过于灵敏和降低虚警率，使用由多种多个传感器组成的融合探测器可提高检测准确性。

对于从不同传感器传回的信号和数据，机器人采用融合算法对火源位置做整合计算。

在检测系统中，P D 为传感器的火源检测概率，P E 为检测器的错误警报概率，P M 为检测器的遗漏概率[3]。

检测规则的分布图如图2所示。

P (y i -W 0=ξ|H 0)
P (y i -W 0=ξ|H 1)
P (H 0|H 0
)P (H 1|H 1
)P (H 0|H 1)P (H 1|H 0)
y i -W 0
P M
P E P D
阈值
^^^^图2 检测规则分布图
首先，提出以下两个假设：
H 0为检测到火源信号；H 1为未检测到火源信号。

则两个假设的先验概率定义为 P （H 0）=P 0 和P （H 1）=P 1，由此可得权值初值如式（1）和（2）所示：
（1）（2）
，由此，条件概率为P （H i |H j ）；i =1，2，3；j =0，1。

单个传感器使用的决策算法U i 如式（3）：
 （3）
U 1U 2U 3
W 0
U
Σ
w 1w 2w 3
图3 数据融合算法图
如图3所示，最终决策算法U 基于数据融合算法的每个独立决策之上，由此，其计算公式如式（4）、（5）、（6）所示： y i =w 0+w 1u 1+w 2u 2+w 3u 3 （4） y i =w 0+
w i u i
（5）
y i -w 0=w i u i （6）
y i 的取值范围分为可靠范围和不可靠范围。

如图3所示，其可靠范围的上下分界线为τ1和τ2。

通常τ1 ≤ 0，τ2 ≥ 0，τ1和τ2为可靠性阈值[4]。

当y i >τ2时，
由决策器制定的决策为可靠决策，并用H ^
1表示，当y i <τ1时，
该决策亦为可靠决策，并用H ^
0表示。

当τ1 < y i <τ2时，决策为不可靠决策，并用H ^
x 表示。

P （H ^
1）+P （H ^0）+P （H ^
x ）=1 
（7）
在实际作业中，融合感知的计算由后台计算机完成。

消防机器人通过无线传输将传传感器接收的信号传输到监控计算机上，之后由计算机将决策传回消防机器人。

多传感器融合感知
结构如图4所示，S 1、S 2和S 3代表三个传感器。

传感器的信号经过比较电路后生成二进制信息。

当传感器探测到火源时，传感器信号为强，反之信号则为弱[5]。

s 1
w 1W 0
+1-1
Σ
新优化规则
工作环境
w 2w 3
s 2s 3
图4 融合检测结构
3 结束语
智能消防机器人拥有巨大市场价值及应用前景机器人的感知技术对于规避障碍和火源探测起到决定性作用。

因此，在智能消防需求与日俱增的情况下，提高消防机器人的融合感知技术，优化融合规则算法，增强机器人分析理解环境信息的能力是消防机器人的今后研究的重中之重，也是其未来发展的主要趋势。

参考文献
[1] 林建斌.障碍场中集群微机器人的运动控制研究[D].上海：上海交通大学，2016.
[2] Ian Campbell，Andrew Phillips，Teledyne Gas and Flame Detection[Z]，AZO Sensors，2017.
[3] Kim，B.Keller，ttimer，Sensor fusion based seek-and-find fire algorithm for intelligent firefighting robot[J]，Wollongong，NSW，2013.
[4] Cortés，D.，Gil，D.，Azorín，J.，Vandecasteele，F.，Verstockt，A review of modelling and simulation methods for flashover prediction in confined space fires Applied Sciences[J]，
Switzerland，2020.
[5] 刘立婷.航空发动机传感器故障实时诊断方法研究[D].南京：南京航空航天大学，2018.
作者简介
于瑞强（1987—），男，山东泰安人，硕士研究生，工程师，主要研究方向为特种机器人。