多传感器数据融合火灾报警系统
基于聚类控制下多传感器数据火灾报警系统的实现
第 ４期
吕秀 江 ， ：基 于 聚 类 控 制 下 多 传 感 器 数 据 火 灾报 警 系 统 的 实 现 等
４７ ４
传 感 器 １ 据 数
传 感 器 ２ 据 数
传 感 器 ａ数据
Байду номын сангаас
教 师指 导
图 １ 多 传 感 器 时 间 序 列 的分 布式 融合 结 构
１ 信 息 的 获 取
Ｋｅ ｙ ｗｏｒ ｓ： ｃｕｓ ｅ ｕｓｏ ｄ ｌ ｔ ｒｆ ｉ ｎ；Ａ Ｒ Ｔ一 ２； ＢＰ ；ｓ ｎ ｏ ． ｅｓｒ
Ｏ 引 言
随着人 们安 全 防范 意识 的提 高 ， 开始 逐 渐 对
第 一次 融合使 用 自适应 谐振 理论 ＡＲ 一 （ Ｔ ２ Ａ～
ｄ ｐｉｅＲｅｏ ａ ｃ ｈ ｏｙ ［２， 用 其 自组 织 、 ａ ｔ ｓ ｎ ｎ ｅ Ｔ ｅ ｒ ）１１ 利 ｖ
（ ｃ ｏ ｆＥｌｃｒｃ ｌ＆ Ｅｌｃｒ ｎｃＥｎ ｎ ｅ ｉｇ，Ｃｈ ｎ ｈ Ｓ ｈｏ ｌｏ ｅ ｔｉａ ｅｔｏ ｉ ｇｉｅ ｒｎ ａ ｇｃ ｕｎＵｎｉｅｓｔ ｆＴｅ ｈ ｏｏ ｙ，Ｃｈａ ｇｃ ｕ ３ ０ ２，Ｃｈｎ ） ｖ ｒｉｙ ｏ ｃ ｎ ｌｇ ｎ ｈ ｎ１ ０ １ ｉａ
作 者 简 介 ：吕 秀 江 （ ５ 一 ）男 ， 族 ， 林 长 春 人 ， 春 工 业 大学 教 授 ， １ ２ ， 汉 ９ 吉 长 主要 从 事 信 息 融 合 、 场 总 线 和 智 能 控 制 方 向研 究 ， ｉ 现 Ｅｍａ ｌ
采用多传感器数据融合技术的消防报警系统
维普资讯
第 Ｏ２卷第 月 ２３ 年 １６期 ｏ ６ １
Ｃ Ｉ Ａ ＭＥ Ｓ Ｒ ＭＥ 技术 Ｈ Ｏ ０ Ｙ Ｈ Ｎ Ａ中国测试Ｎ Ｅ Ｎ Ｌ Ｇ ＵＥ ＴＴＣ
Ｖ １２ Ｎ ． ｏ． ｏ ３ ６
Ｎ ｖ２ ｏ ｏ ．ｏ ６
采用 多传 感器数据 融合技 术的消 防报警 系统
Ｌ Ｕ Ｂｎ ， Ｒ ｈ － ａ ｇ Ｉ ｉ ＡＮ Ｓ ｕ ｙ ｎ ２
（． ｈｏ ｏ ｌｃ ｉａ Ｅ ｇｎｅｉｇ ａｄ Ｉｆｒ ａ ｏ ，ｉｈａ ｎｖｒｉ 。ｈ ｎｄ １０ ５ Ｃ ｉａ １ ｃ ｏｌ ｆＥｅｔｃｌ ｎｉｅｒ ｎ ｎｏｍ ｔ ｎＳｃ ｕｎ Ｕ ｉ ｓ ｙＣ ｅｇ ｕ ６ ０ ６ 。 ｈｎ ； Ｓ ｒ ｎ ｉ ｅ ｔ ２Ｓ ｈｏ ｏ ｉａ ｃ ｄ ｃｔ ｎＳｃ ｕ ｎ Ｕ ｉｅ ｉ ， ｈｎ ｄ １０ ５Ｃ ｉａ ．ｃｏｌ ｆＤｓ ｎｅＥ ｕａ ｏ ，ｉｈ ａ ｎ ｒｔ Ｃ ｅ ｇｕ ６ ０ ６ ， ｈｎ ） ｔ ｉ ｖ ｓｙ
Ｔ ｅ ｂ ｉ ｆ ｍｅ ｆｒ ｔｅ ｆｒ ａａｍ ｂ ｓ ｄ ｏ ｅ ｈ ａ ｃ ｒ ｏ ｅ ｌ ｒ ｓ ａ ｈ ｉ ａｅ ｎ ｔ ｍｕｔ－ ｅ ｓ ｒ ｄ ｔ ｕ ｉｎ ａ ａｓ Ｓｖ ｎＦｎ ｌ ｍｅ ｏ ｒ ｔｅ ｈ ｌ ｓ ｎ ｏ ａａ ｆ ｓｏ Ｗ ｉ ｓ ｌ ｏ ｉｅ ．ｉａｌ ｙ， ｔ ｄ ｆ ｈ ｏ ｈ ｍｕｔ ｓｎ ｏ ａａ ｆ ｓ ｎ ａ ｄ ｈｅ ｉ ｌｍｅ ｔｔ ｎ ｏ ｎ ｇ ｓ ｎ ｌ ｉｃ ｓｅ ． ｌ－ ｓ ｒｄ ｔ ｕ ｉ ｎ ｔ ｍｐｅ ｎａｉ ｆｍａ ａ ｅ ｗａ ｆ ａ ｙ ｄｓｕ ｓ ｄ ｉ ｅ ｏ ｏ ｉ ｌ Ｋｅ ｒ ｓ Ｍｕｔ ｓ ｎ ｏ ；ｉｇｅ ｃ ａａ ｔｒＡｒｈ ｔ ； ｔ ｕ ｉｎ Ｆｒ ｌｒ ； ｉ ｏ ｔ ｌｍａ ａ ｅ ｎ ｙ ｗｏ ｄ ： ｌ － ｅ ｓ ｒＳｎ ｌ ｈ ｒｃｅ ； ｉ ｍｅ ｃ Ｄａａ ｆｓｏ ； ｉ ａａｍ Ｆｒ ｃ ｎｒ ｎ ｇ ｍｅ ｔ ｉ ｔ ｉ ｅ ｅ ｏ
基于多传感器数据融合的火灾报警系统设计
由主控器对多个传感器的信息进行分析 ，判断时根据不同传感器在一定时间间隔 内对烟雾 的不同反应 ，拓
展 了探 测 范 围 ，提高 了灵 敏 度 ，降低 了误 报率 。由于智 能探 测 器 能针 对探 测 器所 处 的特 定 安装 地点 进行 编 程 ，使探 测器 与探 测 环境 互 相 匹配 ，从 而 使探 测 器达 到最 佳 的探 测效 果 ；同时 通过 相 应 的编程 也可 以使探
个 系统 对处 理器 的要 求 。Ｎ ｎ ｌｓ ａ ｄＦａｈ里 固化 了 Ｌｎ ｘ的 Ｂ ｏ ｌａ ｅ、系统 内核 、文 件 系统 、应 用程 序 以及环 ｉｕ ｏｔｏｄ ｒ
境变量 和 系统配 置 文件 等 ；Ｓ ＲＡ 作 为 内存单 元 供 系统运 行 时使 用 。 Ｄ Ｍ 图 １ 系统 原理 方框 图 。 能 探 测 器 内置 多个 传感 器 ， 传感 器互 为 补 充 ， 为 智 各 采用 多 维参 数 的组合 判 断 ，
吴 晓 方 ， 张 志 刚
（ 黑龙江 省齐齐哈尔消 防支队 ，黑龙江 齐齐哈尔 １ １０ ６０ ０）
摘要 ：介绍 了基 于嵌入式 的多传感器数 据融合火灾报警 系统 的硬件及软件设计 方案 ，并利用数据 融合算法 ，对用 于探测火灾信息 的多传感 器 的数据 进行处理 ，使火 灾的判断具有较高 的准确性 和快 速性 。 关键词 ：多传感器 ；数据— ０ ＿
作 者简 介 ：吴 晓方 ，（９２ ） １７ 一，男 ，黑龙 江 齐齐 哈 尔人 ，工 程 师 ，学士 ，主要从 事火 灾监 测及 预 防方 面 的研 究 ，ｘ ｏ ｎｙｎ２０ ＠ｇ ａｌｏ 。 ｉ ｆ ｇｉ ０４ ｍ ｉ ｒ ａａ ｇ ．ｎ ｃ
广泛 应用 。随着火 灾 自动报 警 系统 中使 用 的探测 器 种类 和数 目的增 多 ，信 号 处 理 的难 度也 随之 大 幅增加 ，
多传感器信息融合技术在火灾报警系统的应用
多传感器信息融合技术在火灾报警系统的应用作者：魏宏飞赵慧来源：《现代电子技术》2013年第06期摘要：针对单一普通型火灾探测器的环境适应性和功能局限性，将多传感器信息融合技术应用于火灾报警系统，实施多个传感器同步探测，全面提取火灾信息。
同时，应用智能算法，对提取到的信息进行融合，实现信息的优化，完整地反映环境的信息，准确地预报火灾。
在此采用多传感器信息融合方法中的Bayes理论，给每类火灾探测器的探测结果分配相应的概率，然后运用Bayes理论，进行信息的融合，从而获得最终的判决结果。
有效地降低了误报率和漏报率，提高了整个火灾报警系统的可靠性。
关键词：多传感器信息融合；贝叶斯估计；火灾报警系统；同步探测中图分类号： TN919⁃34； TP277 文献标识码： A 文章编号： 1004⁃373X（2013）06⁃0139⁃02火的出现和使用对人类社会的进步起到极大的作用，没有火也就没有人类今天的繁荣和成就。
然而随着社会的发展和居民生活水平的提高，火，电，油，气使用越来越普遍，火灾的危险性，次数和损失也越来越大，据统计，2011年我国火灾已达12.54万起，造成多达18.8亿元的财产损失。
同时随着我国城镇化步伐的加快，城市的建筑物越来越密集，人口逐渐集中，城市中易燃易爆物品源点多、量大、面积广，带了更多的火灾隐患，一旦发生火灾，就会造成重大的人员伤亡和严重的经济损失以及重大的政治损失。
因此，早期预报火情，及时准确报警，防火于未然就显的极为重要。
火灾发生的时候伴有烟雾、高温、火光及可燃性气体等现象特征，火灾探测器通过检测和捕捉火灾中出现的烟雾、高温、火光及可燃性气体等物理现象和特征信号，获知火灾的发生[1]。
但是，传统的基于某一物理量检测的火灾探测器，有一定的环境适应性和功能局限性，不可避免地会受到周围环境的影响，发生误报和漏报。
针对这一现象，本文采用多传感器信息融合技术来提高火灾报警系统准确率和可靠性[2]。
火灾探测报警系统介绍
无线通信技术的广泛应用，使得火灾探测报警系 统能够实现远程监控和实时报警，提高了系统的 可靠性和安全性。
多传感器融合技术
通过将多个传感器进行融合，可以进一步提高探 测的准确性和可靠性，减少误报和漏报。
物联网与智能化
物联网技术
物联网技术的应用使得火灾探测报警系统能够与其他智能设备进行互联互通，实现信息共享和协同工 作。
火灾探测报警系统介绍
汇报人：可编辑 2024-01-06
目 录
• 系统概述 • 探测器类型 • 报警系统 • 应用场景与优势 • 安装与维护 • 发展趋势与挑战
01
系统概述
定义与功能
定义
火灾探测报警系统是一种用于检测火 灾并发出警报的自动化系统。
功能
该系统通过探测火灾产生的烟雾、热 量和火焰等信号，及时发现火灾并触 发警报，提醒人员疏散并采取灭火措 施。
报。
消防联动控制
消防联动控制是指将火灾探测器与相关的消防设备进 行连接，实现自动化控制和联动操作。
当火灾探测器检测到火警信号时，消防联动控制器会 自动启动相关的消防设备，如喷水灭火系统、排烟系
统、紧急照明等，以控制火势的蔓延。
消防联动控制可以提高灭火效率，减少人员伤亡和财 产损失。
04
应用场景与优势
优势分析
实时监测
01
火灾探测报警系统能够实时监测环境，及时发现火源，有效预
防火灾事故发生。
快速响应
02
一旦发现火源，系统能够迅速报警并启动灭火措施，减少火灾
造成的损失。
保障安全
03
火灾探测报警系统能够提高场所的安全性，保障人员和财产的
安全。
05
安装与维护
关于火灾自动报警技术新兴研究和发展
关于火灾自动报警技术新兴研究和发展在火灾防控领域，火灾自动报警技术一直是关键的研究方向之一。
随着科技的不断进步与发展，火灾自动报警技术也在不断地更新和完善。
火灾自动报警技术是指利用现代化的感知技术、通信技术、计算机技术和控制技术等手段，实时检测、判断和报警火灾的技术系统。
该技术不仅能够实现对火源的及早发现，还能够提供快速、准确的报警信息，帮助人员在火灾发生时第一时间做出正确的应对措施，有效减少火灾造成的人员伤亡和财产损失。
1. 多传感器融合技术：传统的火灾自动报警系统主要依靠单一的传感器进行火灾监测，存在误报率高、漏报率高等问题。
而多传感器融合技术能够将多个不同类型的传感器进行信息融合，提高火灾的检测准确率和可靠性。
2. 智能分析技术：借助人工智能、机器学习和模式识别等技术手段，对火灾相关数据进行智能化分析，能够提高火灾预测和判断的准确性。
通过对历史火灾数据的分析，可以建立火灾发生的概率模型，并根据当前的环境数据进行实时预测。
3. 大数据技术：火灾现场会产生大量的数据，包括传感器数据、视频数据、图像数据等。
利用大数据技术，可以将这些数据进行有效的存储、管理和分析，提供更准确的火灾报警信息。
4. 无线通信技术：传统的火灾自动报警系统通常采用有线通信方式，但在复杂的建筑环境中，有线通信存在布线困难、信号受干扰等问题。
而利用无线通信技术，可以实现灵活的布局和扩展，提高火灾自动报警系统的覆盖范围和可靠性。
5. 智能监控与管理系统：火灾自动报警技术与其他智能监控和管理系统的结合，可以实现火灾的全面监控和管理。
与视频监控系统结合，可以实现对火灾发生地点实时的视频监控和图像识别，推动火灾自动报警技术向智能化、信息化的方向发展。
火灾自动报警技术的新兴研究和发展方向主要集中在多传感器融合技术、智能分析技术、大数据技术、无线通信技术和智能监控与管理系统等方面。
这些新技术的应用能够提高火灾的检测准确性、报警及时性和智能化水平，为火灾防控工作提供更加可靠和高效的技术支持。
多传感器数据融合技术在火灾报警中的应用
第39卷第4期河北工业大学学报2010年8月V ol.39No.4JOURNAL OF HEBEI UNIVERSITY OF TECHNOLOGYAugust 2010文章编号：1007-2373(2010)04-0035-04多传感器数据融合技术在火灾报警中的应用李光1，2，张铁壁3，4（1.河北工程技术高等专科学校安全稳定处，河北沧州061001；2.河北师范大学政法学院，河北石家庄050016；3.北京科技大学信息学院，北京100083；4.河北工程技术高等专科学校电力工程系，河北沧州061001）摘要针对目前火灾报警中存在的问题，提出了一种基于神经网络和D-S 证据理论的多传感器数据融合技术，并通过模拟实际输入信号的仿真结果进行了证明．这种采用神经网络BP 算法和D-S 证据理论的多传感器数据融合技术，能够显著提高火灾的识别能力，有效降低火灾误报率．关键词火灾报警；BP 神经网络；数据融合；D-S 证据理论中图分类号TP277文献标识码AThe Apply of a Fire Alarm System Basedon Mmultisensor Data Fusion TechnologyLI Guang 1，2，ZHANG Tie-bi 3，4(1.Office o f Security and Stability,Hebei Engin eerin g and Technical College,Hebei Cangzhou 061001,China; 2.College o f Law and Politics,Hebei Normal University ,Hebei Shijiazhuang 050016,China; 3.School of In formation,Un iversity of Science and Technology Beijing,Beijing 100083,China;4.Department of Power Engineering,Hebei Engineering and Technical College,Cangzh ou 061001,China )Abstra ct According to the problems in fire ala rm system,the paper proposed a multi-sensor data fusion technology ba sedon neural network and theory of evidence,and ga ve the proving through the simulation result of input signa l.The technology can greatly improve the fire discrimination capability,and reduce the false positive rate of fir e effectively .Proposed a mul-tisensor data fusion technology,which is based on neural network and D-S evidence theory,it thoroughly abstracts the data f usion technology.The simulated results of imitated really input information confirmed that the multise nsor data fus-ion technology is used BP neural network and D-S evidence theory can accurately forecast fire,effectivly lower false alar m rate,and it reached the expected better results.Key wor dsfire alarm;BP neur al network;data fusion;D-S evidence theory火灾是危害人类生命财产灾害中最常见的一种．因此早期预报火情、及时报警、防火于未燃是火灾探测系统完成的任务[1]．目前火灾探测器中采用的大多是阈值比较法，它也是传统的火灾检测数据处理方式，特点是简单明了而且易于实现，但环境适应性和抗干扰能力较差；人们对火灾智能报警系统的最大期望是：早期发现火灾、消除误报和降低系统的总成本，这些因素是相互制约的．发生这些情况的主要原因之一就是没有将各传感器获得的数据在一定准则下加以综合分析，因此很有必要将多传感器的数据进行加工处理，即采用多传感器数据融合技术．它利用多个传感器获得的各种信息，得出环境或对象特征的全面、正确的认识．因此，本文将神经网络技术和D-S 证据理论，对多传感器数据进行融合，从而提高识别火灾报警的概率．1数据融合数据融合技术是近年发展起来的一门新技术，并在许多领域获得巨大成功．神经网络作为一种基本的数据融合方法，目前应用较多[2]．它具有归纳、总结、抽取、记忆、联想和容错性，通过训练，获得有关的知识与信息，然后将实测数据与此信息进行模式匹配与比较；神经网络可以滤波出噪声及在有噪声情况下抽取收稿日期：5作者简介：李光（6），男（汉族），硕士生；导师简介：姜密（），女（汉族），副教授．2010-0-08197-1970-36河北工业大学学报第39卷事物本身内在特征，得出正确结论的能力．为克服神经网络的局限性，将其融合结果进一步采用D-S 证据理论进行融合．D-S 证据理论的关键在于证据的基本可信度分配问题，而目前的获取方法如专家经验法、模糊化法等都有不同长度的存在主观性[3,4]．因此为了更加客观地得到一个证据体对不同命题的可信度分配，可以将各个独立的低维神经网络的输出值处理后作为辨识框架上命题的基本可信度，经过证据理论的再次融合后得到最终的诊断结果．该方法理由在一定程度上提高辨识的准确率，消除单一数据源包含信息的不全面性以及模糊性等．本文将神经网络、D-S 证据理论等技术，成功应用在基于多传感器数据融合技术的火灾报警系统中．系统的结构图如图1所示，即首先将火灾传感器数据进行预处理，然后将处理后的数据送入神经网络模块进行初级判别火灾发生的概率，最后通过D-S 证据理论模块进行进一步决策，直到得出最终的结论．2多传感器数据的神经网络处理2.1神经网络结构确定在本火灾自动探测报警系统中，利用前向多层网络模型，采用BP 算法，通过调节权值使实际输出与期望输出的总均方差最小．为了使神经网络能够准确判断火灾，需要确定训练模式对，并对网络进行训练．模式对由输入信号和导师信号组成，它根据传感器对标准试验火和各种实际环境下获取的信号来确定．根据标准试验火以及由明火火灾概率和阴燃火火概率组成的导师信号，确定出了训练模式对，它由对应的火灾判决表表示，即神经网络的归一化处理，如图1所示，其转化范围在0和1之间．由选取的欧洲的4种标准不同环境下的火灾响应曲线[5]可以得到火灾判决表1，它描述了4个输入和两个输出组成的4种模式对．通过反向传播（即BP ）学习方法，将判决表1转化到神经网络的连接权矩阵中．这种转换具有信号处理、特征提取、自适应、分布式存储和延拓性．BP 神经网络结构如图2所示，采用了3层的网络结构．输入层的4个输入1，2，3，4分别来自离子感烟探测器、光电感烟探测器、模拟感温火灾探测器和模拟量气敏探测器；输入层与输出层之间的隐层选取了6个神经元节点1～6，输出层有两个节点1和2分别代表明火火灾概率和阴燃火火灾概率，值域为0~1．2.2神经网络仿真实验结果利用图2所示神经网络结构使用MA TLAB 语言对欧洲4种标准火数据和无火情况下的部分数据进行训练，分别选取了木柴明火和棉绳阴燃火两种情况进行实验仿真，训练模式数据结构如表1所示，共利用了100个典型的模式对，在具体神经网络训练中，需要对火灾数据多次测试，针对性地修正模式对结构表，以达到神经网络的输出正常为止．经过多次迭代运算，得到网络的参数包括第1层权系数、第2层权系数、隐层阈值和输出层阈值．图1神经网络和证据理论融合决策系统结构图Fig .1Fusion decisio n s y s tem construction o f neu ral network and D-S evidence theory被测对象四路传感器传感器数据的归一化处理BP 神经网络确定基本可信度分配证据合成决策输出表1对应欧洲标准火灾曲线的数据表Tab.1Corresponding data of Europe fire curve模式序号离子感烟探测量1光学感烟探测量2模拟感温探测量3模拟气敏传感器4明火火灾概率1阴燃火灾概率210.40.30.80.90.90.920.60.30.30.80.80.730.40.50.20.50.70.640.20.10.00.10.10.05图系统的神经网络结构F N f f y 输入层隐含层输出层1233IN1~6OUT 1火灾概率2阴燃概率2ig.2eural network rame o the s stem37李光，等：多传感器数据融合技术在火灾报警中的应用第4期=1.345 3.059 1.469 1.0450.0440.1180.017 1.2850.7670.953 1.5080.9830.358 1.4800.3270.0302.0610.9600.1570.4652.779 2.2481.683 3.923=1.3850.659 1.0720.1290.5420.5730.0060.9730.2800.0820.0911.362=0.7340.807由于所给的100个模式对都是富有代表性的孤立点，加上神经网络的强大学习功能和推广能力，神经网络基本能处理实验中遇到的各种输入，而且处理效果明显．模式对并不是一成不变的，需要对火灾数据不断测试，对于不合理的现象，针对性地修改模式表．直到神经网络输出正常为止．在求得以上权值和阈值后，又根据所选各传感器对火灾发生时响应的速度进行了现场火灾的模拟．表2为向已经训练好的BP 神经网络输入一组阴燃火数据．从识别结果可以看到，火灾最大的不确定度达到了0.13．这是因为在训练神经网络时，不可能穷尽所有的传感器样本；每个传感器获得的识别信息具有片面性和不精确性；而且每个传感器对火灾的敏感程度存在差异，因而每个传感器获得的识别结果的可靠性不同，有必要对输出火灾预警结果进行再次融合，以期获得更为准确的结果．3用D-S 证据理论实现传感器数据融合3.1D-S 证据理论基本概率赋值设为一识别框架，则函数2[0,1]在满足下列条件时1）=0；2）=1称为的基本概率值．表示对命题的精确信任程度，表示了对的直接支持．3.2信任函数和似然函数2[0,1]是上的基本概率赋值，定义函数B E L ：2[0,1]BEL=(1)称该函数是上的信任函数（Belief function ）．PL:2[0,1]，为PL=1BEL=（2）PL 称为似然（似真度）函数（plausibility function ）．3.3证据组合证据理论中的组合规则提供了组合两个证据的规则．设1，2是2上的两个相互独立的基本概率赋值，其组合后的基本概率赋值：=．设B L 和B L 是同一识别框架上的两个信任度函数，，分别是其对应的基本概率赋值，焦元分表2模拟火灾输入数据BP 神经网络检测结果Tab.2Mesurement results of fire imitated input data by BP neural network模式序号离子感烟探测量1光学感烟探测量2模拟感温探测量3模拟气敏传感器4明火火灾概率1阴燃火灾概率2不确定度10.540.450.870.930.810.100.0920.670.380.390.870.780.120.1030.550.570.340.740.250.620.1312E 1E 21238河北工业大学学报第39卷别为1，…，和1，…，，又设1=,=12<1(3)则=,=1211(4)式中：若11，则确定为一个基本概率值；若1=1，则认为1，2矛盾，不能对基本概率进行组合．对于多个证据组合，可对证据进行两两组合．3.4基于D-S证据理论融合决策在用D-S证据理论进行融合决策时，以明火和阴燃火为D-S证据理论的识别框架，将神经网络的输出结果处理后作为D-S证据的基本概率赋值．设第个证据的第个输出值为，则有==1(5)=1=1,2,,(6)式中：为第个证据对状态证据的概率分配；为不确定性的基本概率分配函数；为每个证据可靠性系数，表示对专家决策结果的信任度．将表2数据，又经过D-S证据理论融合后的结果如表3所示．对比表2与表3可以看到，用BP神经网络的输出结果不确定度较高，有时甚至不能准确识别火灾．相比而言，利用多个证据体的融合信息，可以使得分类结果更加准确，不确定度也大大降低，从而提高了系统的识别能力．4结论本文研究了一种基于数据融合技术的火灾报警系统，根据火灾发生时环境的复杂性，利用多种传感器组探测火灾特征信号，在数据进行处理时，采用了BP神经网络进行仿真，然后将BP神经网络仿真结果进一步采用D-S证据理论融合算法，结果证明：该技术不仅减少了数据的不确定性，而且增加了系统工作的可靠性，从而大大提高了火灾探测系统的智能化水平．另外，还有效降低了火灾报警系统中容易出现的误报问题，提高了处理数据的速度，并为火灾智能报警系统提供了一个有力的工具，因而具有良好的应用前景．参考文献：[1]高金辉，陈玉珠，汪晓晨．多传感器信息融合技术在智能火灾报警系统中的应用[J]．传感器世界，2008（6）：41-44．[2]路海娟，程乃伟，刘晓光．基于多传感器数据融合的智能火灾预警系统[J]．计算机工程与应用，2006（6）：206-209．[3]杨福平，白振兴．BP神经网络和D-S证据理论的目标识别[J]．火力与指挥控制，2006，31（10）：80-88．[4]张丽莉，储江伟．基于神经网络和D-S证据理论的汽车电控系统故障融合诊断[J]．公路交通科技，2009（9）：141-144．[5]Haha R K D．Self-learning Fuzzy Neural Networks and Computer Visio n for Con trol of Pulsed GTAW[J]．IVD Technology，2005（5）：201-209．[6]王润生．信息融合[M]．北京：科学技术出版社，2007．[7]康耀红．数据融合理论及应用[M]．第二版．西安：西安电子科技大学出版社，2006．[8]杨万海．多传感器数据融合及其应用[M]．西安：西安电子科技大学出版社，2004．[]D L．M T q M D F[M]．L B：，．[责任编辑张颖志]表3D-S证据理论融合结果Tab.3Results of D-S evidence the ory fusion模式序号离子感烟探测量1光学感烟探测量2模拟感温探测量3模拟气敏传感器4明火火灾概率1阴燃火灾概率2不确定度10.540.450.870.930.8720.1040.02420.670.380.390.870.8140.0840.02230.550.570.340.740.2520.7250.0239Hal athematical echni ues in ultisensor ata usion ondon oston Artech House2008。
基于多源信息融合的火灾检测与预警系统研究
基于多源信息融合的火灾检测与预警系统研究随着城市建设规模的不断扩大和人口的不断增加，火灾已成为现代城市中难以避免的安全隐患之一。
因此，火灾检测与预警技术的研究与应用变得尤为重要。
而基于多源信息的火灾检测与预警系统，便是一种新的应对方式，被广泛应用于城市建设领域。
一、多源信息融合技术多源信息融合技术，是将来自不同来源的数据信息进行整合、分析和探索，以提高信息的准确性和可信度，从而应对复杂系统的一种技术。
在火灾检测与预警系统中，多源信息融合技术将传感器、视频监控、天气数据、人员密度等多种信息进行融合，从而提高了火灾检测和预警系统的精度和可靠性。
二、火灾检测与预警系统的组成部分火灾检测与预警系统主要由传感器、视频监控、预警设施、智能分析软件等组成。
其中，传感器可以实时监测火灾发生前的环境变化，视频监控可以监测到火灾的实时动态，预警设施可以在火灾发生时及时报警，智能分析软件可以分析传感器、视频监控等多源信息，以快速准确地识别火灾。
三、多源信息融合的优势利用多源信息融合技术，火灾检测与预警系统的优势在于：1. 高效性：多源信息融合技术可以大大缩短火灾检测与预警系统的响应时间，从而增强了系统的高效性。
2. 可靠性：传感器、视频监控等多种信息可以互相验证，提高数据的可靠性和准确性。
3. 精度性：多源信息融合技术可以对多种信息进行分析和研究，从而定位火灾的位置和范围，提高精度性。
四、火灾检测与预警系统在实际应用中的需求在火灾检测和预警系统的实际应用过程中，需要考虑以下因素：1. 系统的整合性：不同传感器、视频监控等信息需要集成成一个灵活高效的系统，以便在火灾发生前进行监测和预警。
2. 系统的可靠性：系统需要在一定范围内实现对火灾的快速、准确的检测和预警，以提高系统的可靠性和有效性。
3. 系统的稳定性：在系统运行中，需要长时间运行而不出现故障，以确保系统的稳定性和持续稳定的预警和监测。
五、火灾检测与预警系统的未来发展趋势未来，火灾检测与预警系统的发展趋势将更加综合、智能、高效。
火灾报警系统的功能特点和性能要求是什么
火灾报警系统的功能特点和性能要求是什么在我们的日常生活和工作环境中，火灾始终是一个潜在的巨大威胁。
为了能够在火灾发生的早期及时发现并采取有效的应对措施，火灾报警系统应运而生。
火灾报警系统就如同一位警惕的“哨兵”，时刻守护着我们的生命和财产安全。
那么，它到底具有哪些功能特点，又有怎样的性能要求呢？一、火灾报警系统的功能特点1、早期预警功能火灾报警系统最关键的功能之一就是能够在火灾发生的初期，甚至是在还没有出现明显火焰的时候，就检测到异常情况并发出警报。
这主要依赖于系统中的各种传感器，如烟雾传感器、温度传感器等。
这些传感器能够敏锐地感知到环境中的细微变化，一旦检测到烟雾浓度升高或温度异常上升，就会立即触发报警装置，为人们争取宝贵的逃生和灭火时间。
2、多传感器融合检测为了提高检测的准确性和可靠性，现代火灾报警系统往往采用多种传感器融合的方式。
除了常见的烟雾和温度传感器，还可能包括一氧化碳传感器、光线传感器等。
不同类型的传感器可以从不同的角度监测火灾的迹象，相互补充和验证，从而降低误报的概率，提高报警的准确性。
3、分区报警功能对于较大的建筑物或场所，火灾报警系统通常会进行分区设置。
这样一来，当某个区域发生火灾时，系统能够准确地指出火灾发生的具体位置，方便救援人员快速定位并采取针对性的救援措施，同时也能避免其他无关区域的人员产生不必要的恐慌。
4、远程监控与通知随着科技的发展，很多火灾报警系统具备了远程监控和通知的功能。
通过网络连接，相关人员可以在手机、电脑等终端设备上实时查看系统的运行状态和报警信息。
即使不在现场，也能第一时间得知火灾的发生，并及时做出相应的决策和安排。
5、联动控制功能火灾报警系统不仅仅是发出警报，还能够与其他消防设备进行联动控制。
例如，当系统发出火灾报警信号时，自动启动消防喷淋系统、排烟风机、防火卷帘门等设备，协同工作，有效地控制火势的蔓延，提高灭火的效率。
6、数据记录与分析为了便于对火灾事故进行调查和分析，火灾报警系统会记录下报警的时间、地点、传感器数据等相关信息。
基于模糊神经网络融合技术的智能火灾预警系统
关
键
词： 多传感 器 ； 数据融合 ； 模糊神经 网络 ； 火灾预警
文 献标 识 码 ： Ａ 文 章 编 号 ：６ １ ９４ ２ｏ ） 一０４ — ４ １７ 一ｏ２ （ｏ８ ￣ １１ ０
中 图 分 类 号 ：Ｐ １ ． Ｔ ２ ２９
Ｉ ｔｌｉｅ ｔＦｉ－ Ａｌ ｒ ｙ ｔｍ ｓ ｄ ｎ ｚ ｙ ｎ ｅｌ ｎ Ｉ ａ ｍ Ｓ ｓｅ Ｂａ ｅ ｏ Ｆｕ ｚ ｇ ｅ
传感 器 转换 成 为 电信 号 ， 过 Ａ Ｄ转 换 将 现 场 参 经 ／
ｏ ｙ ｔｍａｉ ｒ ｉｇ ｉ ｔｅ ｇｈ ｎ ｄ， Ｓ ｉ ｏ ａ ｌ ｒ ｉｇ ｍａ ｅ ａ ｈ ｅ ｅ ｆｓ ｓｅ ｔｃｗａ ｎ ｓ ｓｒ ｎ ｔｅ ｅ ｎ Ｏ ａｍ ｆｅ ｒ ｗａｎ ｎ ｙ ｂ ｃ ｉｖ ｄ． ｙ Ｋ ｅ ｒ ｓ ｍｕｔ—ｅ ｓ ｒ ｄ ｔ ｕ ｉｎ； ｆ ｚ ｅ ｒｌｎ ｔ ｏｋ；ｆｒ ａ ｍ ｙ ｗｏ ｄ ： ｌ ｓ ｎ ｏ ； ａ ｆｓｏ ｉ ａ ｚ ｕ ｙ ｎ ｕ ａ ｅ ｒ ｉｅ ａ ｒ ｗ ｌ
维普资讯
１２ ４
重 庆 工 学 院 学 报 由于被 测对 象 多 为 具 有 不 同特 征 的非 电量 ， 过 通
随着经 济 的发 展 和 生 活 水 平 的 日益 提 高 ， 人
们对 居住 环境 的要 求 也 日益 增 高 ， 望住 宅 不仅 希 更便利 、 适 ， 且 更 安 全 ． 灾 报 警 系 统 己 成 为 舒 而 火
收 稿 日期 ： ０ —０ —０ ２ ８ ６ ９ ０ 基金项 目： 重庆市 自然科学基金资 助项 目（ Ｊ７ ６６ ． Ｋ０ ００ ） 作者简介 ： 侯旭东 （９ ３ ）男 ， １８一 ， 河北 秦皇岛人 ， 硕士研究 生 ， 主要从 事信号 与信息 处理研 究 ； 张兢 （９ ５ ） 女 ， １６一 ， 教 授 ， 士生导师 ， 硕 主要从事 电子信 息技 术应用方面 的研究 ．
火灾报警新技术
维普资讯
５ ４
油 气 田地 面 工 程 第 ２ ６卷 第 ５期 （ ０ ７ ５ ２０． ）
工 艺 管 线估 算 指 标 编 制 方 法 的创 新
何莱 （ 大庆油田 采油二厂）
随 着油 田开 发进入 中后 期 ，转 油站 的改造大 修
从表 ｌ 指标 可 以清晰地 看 出每 米站 内工艺 管线 的工 程造价 ，它的意 义在 于指导 今后 转油 站 内工艺 管线投 资 的快 速估算 以及便 于检查 转 油站 管线概 算
火有极 好 的探 测效 果 ，但 对 明火 却不 敏感 。 因此 ，
至 今仍 然没 有一 种单 一 的火灾传 感器 能有 效地探 测
各 类火 情 ，火警 误报 漏报 时有 发生 。 ２ ．大空 间智 能消 防炮 灭火 系统
随 着计算 机技 术 、数字 化 图像 处理 技术 、人工 智 能技术 的发 展 ，使 火灾报 警 的有效 、准确 、及 时
行 融合 。
产生 的还 是空 调产 生 的 又 如感 烟传感 器是 一种对
一
般 火情 均有 的消 防报警 系统 与单传 感器 数据 的消 防报警 系统 相 比有很 多优 点 ，除 了将 同 源 数据 进行组 合而得 到统 计上 的优 势之外 ，使 用 多种 传感 器可 以提高精 度 ，提高 报警 信息 的可信 度 ，提 高 系统 的可靠 性 ，加快对 火 灾信 息的处 理 速度 。 （ ）系统 工作 流程 。本 系统开 启后 将 自动进 入 ３
已经 成为 可能 。为 了达 到上述 目的 ，可 从两个 方 面
循 环工作 ，其 工作 流程如 图 １所示 。多传 感 器数 据
融合 部件 不停地 将各种 传感 器所 产生 的数 据信 息进 行综 合分 析 ，如 果分 析无 火警 ，则再 重新 探 测 ；如 果分 析有 火警 ，则通 知 中央控制 系统 。此 时 ，中央 控制 系统立 即发 出声光 报警 ，并通 知 消防联 动 系统
基于多传感器数据融合的智能火灾预警系统
基于多传感器数据融合的智能火灾预警 系统
张 兢 路彦 和 雷 刚
（ 重庆 工学 院 电子 信 息与 自动 化 学院 ， 重庆 ４ ０５ ） ００ ０
Ｅ ｍ ｉ： ｊ ｇｑ ｉ．ｎ． ｎ － ａｌｚ ｉ ｃ ＠ｖ ｓ ａ ｏ ｈｎ ｐｉ ｃ 摘 要 根据 当今 火灾探测 的现状和 实现 火灾早期探 测的需求， 多传感器数据融合技术应用在 火灾预警 系统 中。 将 选择
Ａｂ ｔａ ｔ Ａｃｏｄｎ ｏ ｃ ｒｅ ｔｓｔａｉｎ ｆ ｍｏ ｅ ｆ ｅ ｍｏ ｉ ｒｎ ｎ ｅ ｎ ｓ ｆ ｅ ｒ ｗ ｒ ｉｇ ｏ ｒ ｍｕｔ－ ｅ ｓｒ ｓｒ ｃ ： ｃ ｒ ｉｇ ｔ ｕ ｒｎ ｉ ｔ ｏ ｄ ｍ ｒ ｎｔ ｉｇ ａ ｄ ｄ ｍａ ｄ ｏ ａｌ ａｎ ｎ ｆ ｆｅ， ｌ ｓｎ ｏ ｕ ｏ ｉ ｏ ｙ ｉ ｉ
ｄ ｔ ｕ ｉ ｎ ｉ ａ ｐ ｉ ｄ ｆ ｒ Ｆ ｒ ｌ ｒ ｓ ｓｅ ． ｔｃ ｉ ｇ ｍｕ ｔ ｐ ｒ ｍｅｅ ｆ ｆ ｅ ｃ ｕ ｓ ｙ ｍｕ ｔ ｓ ｎ ｏ ， ｓ ｅ ｉｌ ｏ ｎ ｌ ａａ ｆ ｓｏ ｓ ｐ ｌｅ ｏ ｉ ａ ａｍ ｙ ｔ ｍｓＤｅｅ ｔ ｌ — ａ ａ ｔ ｒ ｏ ｒ ｏ ｒ ｅ ｂ ｌ — ｅ ｓ ｒ ｅ ｐ ｃ ａｌ ｒ ｕ ｄ ｙ ｅ ｎ ｉ ｉ ｉ ｙ
一
致 性 解 释 与 描 述 ． 而 实 现 相 应 的 决 策 与 估 计 ． 系 统 获 得 进 使
ｒ ｎ ｅ ｆ ｒ ｔ ｏ ｉ ａ ｄ ｐ ｃ ｄ ｍａｎ Ｉ ｔｉ ｐ ｐ ｒ ａ ａ ａ ｔ ｅ ｗｅｇ ｔｄ ｕ ｉ ｎ ｓｉ ｔ ｇ ｍｅｈ ｄ ｗｉ ｎｅ ｌ ｅ ｔ ａ ｇ ｉ ｏ ｍｅ ｄ ｍａ ｎ ｎ ｓ ａ ｅ ｏ ｉ ． ｎ ｈ ｓ ａ ｅ ， ｎ ｄ ｐ ｉ ｉｈ ｅ ｆ ｓｏ ｅ ｔ ｖ ｍａ ｉ ｔ ｏ ｔ ｉ ｔｌｉ ｎ ｎ ｈ ｇ ｄ ｓｉ ｇ ｉｈｎ ｅ ｈ ｏｏ ｙ ｉ ｐ ｌ ｄ， ｎ ｅ ｓｔ ｉ ｎ ｅｉｂ ｌ ｙ ｆ ｓ ｓ ｍａｉ ｗ ｒ ｉ ｇ ｉ ｔｅ ｇｈ ｎ ｄ，Ｏ ａｍ ｏ ａ ｌ ｉｔ ｕ ｓ ｉ ｇ ｔ ｃ ｎ ｌｇ ｓ ｎ ａ ｐ ｉ ａ ｄ ｓ ｎ ｉ ｖｔ ａ ｄ ｒ ｌ ｉ ｔ ｏ ｙ ｔ ｅ ｉ ｙ ａ ｉ ｅ ｔ ｃ ａ ｎ ｓ ｓｒ ｎ ｔ ｅ ｅ Ｓ ｉ ｎ ｆ ｅ ｒｙ
火灾预警系统中的信息融合
据 ，可得 出均方 误差最小 的数据 融合值 。
ｘｌ ｘ２
估 计 算法 模 型 图
２ 火灾预 警系统 中的 多传 感器 数据 融合
多传 感 器数据 融 合 采用 计 算机 按 时 间序 列观 测数据 ，克服 了单个传感器 的不确 定性和局 限性 ， 通过对被测对象＿致性解释 与描述 ，实现决策与估 计 ，图 １ ，由于被测对象 多为具有不 同特征 的非 电 量 ，将 它们通 过传 感器 转换成 为 电信 号 ，经 Ａ Ｄ ／ 转换将现场参数变为 由微 处理器 处理 的数字量 ，再 经 预 处 理 滤 除 数 据 采 集 中 的 干 扰 和 噪 声 ， 以提 取 处 理后的 目标信号进行数据 融合，最终输 出结果 。
２ Ｓ ｈ ｏ ｆ ｔｍｏ ｉ ， ｏ ｇ ｉｇＩｓ ｔｔ ｆ ｅ ｈ ｏｏ ｙ Ｃ ｏ ｇ ｉｇ４ ０ ５ ， ｉａ ． ｃ ｏ ｌ ｏ ｂｌ Ｃｈ ｎ ｑｎ ｔｕｅ ｃ ｎ ｌｇ ， ｈ ｎ ｑｎ ０ ０ ０ Ｃｈｎ ） ｏ Ａｕ ｅ ｎｉ ｏＴ
Ａｂ ｔａ ｔ Ｆｉｅ ａａｍ ｙ ｔｍ ａ ｅ ｎ ｍｕ ｔ—ｅ ｓ ｒｉ ｆ ｒ ａｉｎ ｆ ｓｏ Ｓ ｃ ｍｐ ｓ ｄ ｏ ｅ ｓ ｒ ． ａａ ｆ ｓｏ ｒ ｃ ｓｏ ， ｓｒ ｃ ： ｒ ｌｒ ｓ ｓｅ ｂ ｓｄ ｏ ｌｉｓ ｎ ｏ ｎ ｍ ｔ ｕ ｉｎ ｉ ｏ ｏ ｅ ｆｓ ｎ ｏ ｓ ｄ ｔ ｕ ｉ ｎ ｐ ｏ ｅ ｓ ｒ ｏ ｏ
维普资讯
＾ 工 ●恸 化
圈描曹■撞ｍ
Ｎｅｗｏ ｋＩｆ ｒ ｔ ｎＴ ｃ ｎｑ ｅ ｔ ｒ ｎ ｏｍａｉ ｅ ｈ ｉ ｕ ｏ
０． ． ｔ ｍ ａ ｉ ｎ Ｉ Ａｕ ｏ ｔ ｏ
２０ ０ ６年第 ２ ５卷第 ３期
文 章 编 号 ： １０ ５ ６（ ０ ６ ３ ０ ０ ８ ０ ０ ６ １７ ２０ ）０ — ０ ４ — ２
多传感器融合技术在火灾报警系统设计中的应用
保证传感器在 相对 真实 的环 境下 动作 。实验 建立 的燃烧 室为
９ ｍ×８ ｍＸ４ ｍ的密 闭空 间， 顶 棚为水 平平 面 ， 用 耐 热 隔 热 材
入后 ， 报警系统 的多 传感器 数据融 合值应 为 ： 一
Ｗ Ｘ 。
＝ｉ
料制成 。燃烧室具 有通 风设备 ， 在 点火前不 允许 有气 流流 动 。 不 同类型 的火源放置在屋 内靠近地 面的地方 ， 传 感器放 置在天
２ 火 灾 报警 实 验分 析
２ ． １ 数 据记 录
为 了直观地观测传感器采集 到的数据 ， 本实验将传感 器 的 集器 ， 再通过 ＵＳ Ｂ接 口送 入计 算机 ， 以便 记 录数 据和 观测 波 形 。分别 以以上传 感器 的响应 时间和变化幅度作 为横 、 纵 坐标
建立波形图 ， 如图 １ 所示 。
备众 多， 对防火提 出了严格 要求 。近 十几年 来 ， 世界 各 国都对 幅 输 的同时 ， 还直接输入 ＮＲ ２ ０ ０ ０采 度∞ ０ 出信号送入预处理融合模块 Ｏ 加 Ｏ 加 ０ 传感器在火 灾预 防 、 报警 和 控制 等领 域 的应 用进行 了大量 研 究， 但 由于火灾报警器 的传感 器大 多为单 一形式 ， 所 以误 报率 较高 。单一参数传 感器 （ 包括 阐值触 发式 和模 拟量式 ） 对火 灾 特征信号 响应 的灵 敏 度不 均匀 ， 导致 其对 实 际 火灾 的探测 能力 受到 了限制 。为 此 ， 多元 探 测 融合技术在火灾报警 中的应用悄然 兴起 。本 文
器系统的有效性能 ， 获得对被测对象的一致性 解释与描用 温度 传感 器 、 烟雾传 感 器
和Ｃ Ｏ传感器 。设计 中这 ３种传感器 均为模拟 信号传感 器 ， 模 破 项 目在设计 中采 了 自适应加 权融合估 计算 法对传感 器数据 ㈣ 瑚 ㈣ 用 。 拟信 号 通 过放 大整 形 电路 与 Ａ／ Ｄ 转 换 后 作 为 送 入 ＭＣ Ｕ 处 理 进 行 融合 。 的数 据。
多传感器信息融合技术在火灾探测中的应用研究
传感器融合技术的火灾探测 ，将多传感器的火灾特 征参数信息与辅助信息进行分层融合，在不同层次 上应用智能算法 ， 使火灾探测算法模块化 、 信息融合
层 次化 。多传感 器信 息融合 技术 在一定 程度上解 决 了 目前火 灾探 测领域存 在 的部分难 点 ，为该研 究领
式来 完成 火灾特 征层 的融合 。 ２ － ３ 基 于决 策层 的多传 感 器信 息 融合 技 术火 灾 探测 算法 的选取
项新技术 ， 简称数据融合 ， 它是一种多层次 、 多方
面 的处理 过程 。 将 它运 用在火 灾探测 中 ， 可 以很好 地
解决单一参数传感器不可避免受到环境因素的干扰
融合 ， 并 对信 息进 行预 处理 ， 以达 到尽 量多 的保持 景
但是算法的复杂度却增加了。所以对火灾探测系统 而言 ， 从信息层 、 特征层 、 决策层三个层次上运用智
物信 息 。 这 是最低 层次 的融 合 。 它 的优 点在 于尽 可能
多地保存现场环境信息 ， 基本不发生信息丢失或遗 漏， 能提供其他融合层次所不能提供的细微信息。 但 差， 同时原始信息有很大的不稳定性 ， 要求在像素级
模糊变量变成真实火警这一确定量输 出。它能很好
地协 调其他 判决 因子 和报警 门限之 间的关 系 ，大 大 提高 火灾报 警 系统 智能 化水平 。
３ 结束语
多传感器信息融合技术是近几十年发展起来的
一
学习多少范例都难以应付所有的实际需求 。针对特
征识别率不高 、 系统的决策和适应能力不强的问题 ， 我们引入了神经网络算法。它的特点就是在处理和 解决问题时， 不需要对象的精确数学模型； 具有较强 的学 习能力 ； 作为并行计算 ， 处理速度快。因此 ， 运 用神经网络算法实现火灾识别十分适合。我们可采 用Ｂ Ｐ 神经网络融合器和模糊逻辑融合器并联的形
基于多传感器融合技术的高大空间火灾探测
图 １ 基 于多 传 感 器 数 据 融 合 的 系统 结 构
２１ 基 于模 糊神 经 网络的 局部决 策 ．
由于火 灾 信号 是 一种 事 先 未 知 的不 确 定信 号 ， 具有 非结 构性 ． 自身 的数学 描述 不 易得 到 ， 其 冈此 我 们 在局 部 决策 阶段可 采 用模 糊 神 经 网 络 ， 它结 合 了
度在 １ 以下 还是 可 以应用 的 ：但 一旦 遇 到高 度 ２ｍ 超过 １ 的高 大空 间 建筑 时 ．烟气 Ｊ 升 到 探测 器 ２ｍ ＿
ｙ （） 。￡
位置并 让探 测器 动作 的 时间 大大延 长；也 就 是说 常
常 当火灾 发展 到 了相 当 的程度 。 探测 器 才 能感 应 动 作 。所 以对 于高 大空 间建 筑 ， 其是 存 在 遮挡 和 环 尤
维普资讯
第 ６卷
第 １ 期
２０ ０ ６年 １ 月
科
学
技
术
与
工
程
Ｖ １ ６ Ｎｏ １ Ｊ ｎ ２ ０ ｏ． ． ａ． ０ ６
１７ １ １ ２ ０ Ｏ — ０ ５— ４ ６ １— ８ ５（ ０ ６） １ ０ ３ ０
Ｓ ｉｎ ｅ Ｔ ｃ ｎ ｌｇ ａ ｄ Ｅｎ ｉ ｅ ｒ ｇ ｃｅ ｃ ｅ ｈ ｏｏ ｙ ｎ ｇｎ ｅｉ ｎ
１ 高大空 问火灾发生过程分析
高 大空 间建 筑火 灾最 初是发 生在 建筑 内 的局 部 区域 ， 后蔓延 到相邻 区域 ， 然 以至整个 建筑 。火灾 是
一
感烟和 Ｃ Ｏ探 测器 进 行多 传感 器 复合 探测 ，既克 服
采用 了多参量 探测提 高 了系 统 的可靠性 。
个失 去 控制 的燃 烧 过程 ， 据 它 的表 现 形式 可 分 根
基于多传感器数据融合技术智能消防报警系统的研究
基于多传感器数据融合技术智能消防报警系统的研究1. 引言1.1 研究背景消防报警系统在现代社会中起着至关重要的作用，它能够及时发现火灾并采取相应的措施保护人们的生命和财产安全。
传统的消防报警系统存在着一些问题，比如误报率高、反应速度慢、对不同类型火灾的识别能力有限等。
为了解决这些问题，基于多传感器数据融合技术的智能消防报警系统应运而生。
多传感器数据融合技术能够将来自不同传感器的信息进行有效整合和分析，提高火灾探测的准确性和可靠性。
通过融合各种传感器数据，包括烟雾传感器、温度传感器、气体传感器等，智能消防报警系统能够实现对火灾的更加精准的监测和识别，从而减少误报率和漏报率，提高报警反应速度，保障人们的生命财产安全。
开展基于多传感器数据融合技术的智能消防报警系统研究具有十分重要的意义。
通过深入探讨多传感器数据融合技术的原理和方法，设计和实现智能消防报警系统，评估系统性能并进行可靠性分析，以及不断优化和改进系统功能，将有助于提高消防预警系统的效率和可靠性，促进消防安全领域的发展。
1.2 研究意义智能消防报警系统是一种利用先进技术手段对火灾进行预测和监测的系统，能够及时发现火灾隐患并及时进行报警，有助于减少火灾带来的财产损失和人员伤亡。
随着科技的不断发展，传感器技术也得到了大幅度的提升，多传感器数据融合技术的应用在智能消防领域具有广阔的应用前景。
研究在于通过将多个传感器采集的数据进行融合，提高火灾预测和监测的准确性和效率。
传统的消防报警系统往往只使用一个或少数传感器进行监测，容易受到环境影响造成误报或漏报的情况。
而基于多传感器数据融合技术的智能消防报警系统，能够综合利用不同类型传感器的数据，提高监测系统的鲁棒性和准确性，大大降低误报和漏报的概率。
本研究旨在探索基于多传感器数据融合技术的智能消防报警系统的设计与实现，为提升火灾监测预警能力，降低火灾风险和提高社会安全水平提供技术支持和保障。
通过本研究的开展，将为智能消防领域的发展和技术应用带来新的思路和方法。
多特征量数据融合嵌入式火灾早期预警系统
Journal o f C om puter A p p lica tio n s计算机应用，2018, 38( S I):249 - 252ISSN 1001-9081CODEN JYIIDU2018-06-15文章编号：1001 -9081 (2018) S I- 249- 04多特征量数据融合嵌入式火灾早期预警系统张兴\席廷宇\张恩华\坪选兵”，彭英\李传亮\魏计林\王高2(1.太原科技大学应用科学学院，太原030024; 2.仪器科学与动态测试教育部重点实验室（中北大学），太原030051)(*通信作者电子邮箱qiuxb@ tyust. edu. cn)摘要：为了解决传统单一点式烟气传感器识别率低、误报率高、可靠性差等不足,提出了一种嵌入式低功耗的 多特征火灾早期预警系统。
利用相对湿度、C0浓度、C02农度和02浓度等四种火灾早期特征量，研制了基于C ortex-M3内核的采集和处理系统。
对榉木、棉、纸3种火灾试验材料进行了火灾早期阴燃实验,采集并分析了阴燃过程中的 4个特征量,采用多特征量对数回归算法对不同温度和不同燃烧物的阴燃实验数据进行了有监督的学习。
实验表明，该预警系统的识别率在90%以上，误报率在3%以下,提高了火灾早期预警的准确性和稳定性。
关键词：火灾早期预警;嵌入式系统；多特征量融合;对数回归中图分类号：T N248.4;TP273 文献标志码:AEmbedded early fire warning system by using multi-feature data fusionZHANG Xing1, XITingyu1, ZHANG Enhua1, QIU Xuanbing1%PENG Ying1, H Chuanliang1, WEI Jilin1, WANG Gao2(1. School of A pplied Science, Taiyuan JJnwersity of S cience and Technology, Taiyuan Shanxi(B0Q24, China;2.Key Laboratory of I nstrumentation Science & Dynamic Measurement，Ministry of E ducation (North University of China), Taiyuan Shaiixi(B0Q51, China)Abstract：In order to overcome the disadvantages o f tra d itio n a l single smoke sensor such as low accuracy,h igh false alarm rate and poor re lia b ility,an E a rly F ire W a rn in g System(E FW S)by using the m u ltip le features based on em bedded and low power system was proposed in th is paper.R elative h u m id ity,the concentrations o f C O,C02and02were extracted as the fire features.M e anw hile,hardware and software o f w arn ing system were constructed based on C ortex-M3 core.Three types o f m aterials o f standardized fire te st,such as beech,cotton and pa per,were used in the process o f sm o ld erin g.The experim ental data o f d iffe re n t tem peratures and d iffe re n t com bustibles were supervised tra in e d by m u lti-fe a tu re s lo g a rith m ic regressiona lg o rith m.E xperim enta l results show th a t the re cognitio n rate o f the EFW S is m ore than90%and the false alarm rate is below3%,w h ich im proves the accuracy and s ta b ility o f the E F W S.Key words：early fire w a rn in g;em bedded system;m u lti-fe a tu re fu s io n;lo g a rith m ic regression〇引言火灾破坏了生态环境，而且严重危害社会发展。
火灾报警技术的前沿研究领域和开展方向
火灾报警技术的前沿研究领域和开展方向火灾是一种常见而严重的灾害，给人们的生命财产安全带来了巨大威胁。
为了更好地预防和控制火灾事故，火灾报警技术一直在不断发展和创新。
本文将探讨火灾报警技术的前沿研究领域和开展方向。
首先，火灾报警技术的前沿研究领域之一是智能化与网络化。
随着物联网技术的快速发展，智能化和网络化成为了火灾报警技术的新趋势。
传统的火灾报警系统主要通过感烟、感温等传感器检测火灾信号，但这些传感器的布置和维护都需要人工操作，效率低下且容易出错。
而智能化的火灾报警系统可以通过智能传感器和人工智能算法实现自动监测和分析火灾信号，大大提高了火灾报警的准确性和响应速度。
此外，网络化的火灾报警系统可以实现远程监控和管理，方便了对大型建筑物和分布式场所的火灾监测。
其次，火灾报警技术的另一个前沿研究领域是多传感器融合与数据分析。
传统的火灾报警系统通常只采用单一类型的传感器进行火灾信号检测，容易受到环境干扰和误报。
而多传感器融合技术可以将不同类型的传感器数据进行融合和分析，提高了火灾信号的可靠性和准确性。
例如，可以将烟雾、温度、气体等多种传感器数据进行综合判断，减少误报率。
同时，通过对大量实时火灾数据进行深度学习和数据挖掘，可以建立更精准的火灾预测模型，提前发现和预警火灾风险。
第三，火灾报警技术的开展方向之一是无线传输与远程控制。
传统的火灾报警系统通常采用有线传输方式，需要铺设大量电缆，不仅造成了工程成本的浪费，还限制了系统的灵活性和扩展性。
而无线传输技术的应用可以解决这些问题，使火灾报警系统更加便捷和可靠。
同时，通过远程控制技术，可以实现对火灾报警系统的远程监控、操作和管理，方便了对分布式场所的火灾预防和控制。
最后，火灾报警技术的另一个开展方向是与其他安全系统的融合。
火灾报警系统与视频监控、入侵报警等其他安全系统的融合可以提高整体安全防护能力。
例如，通过将火灾报警系统与视频监控系统相结合，可以实现对火灾现场的实时监控和录像，为事故调查和责任追究提供重要证据。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
基于ARM9多传感器数据融合火灾报警系统的实现
时间：2009-06-25 11:37:15 来源：中国传动网作者：柳小军鲍鸿
鉴于目前单一的普通类型的火灾探测报警器已不能满足需求，采用多个传感器全面采集火灾发生前的各种异常信息，并用多传感器信息融合技术处理传感器提供的火灾信息，可以大大地提高整个报警监测系统的可靠性。
1 系统硬件设计
本方案硬件系统的核心控制器是采用三星的具有ARM920T核的16/32位多功能、低功耗的嵌入式处理器
S3C2440。
S3C2440是韩国三星公司推出的一款高档的，可用于工业控制、智能家电等便携产品开发的嵌入式微处理器，其主频处理速度达到400MHz，完全可以满足火灾监控报警的实时性处理要求。
其主控制芯片及丰富的外围接口电路可用于连接各类数字设备从而实现数据交换。
基于多传感器数据融合的火灾预警系统采用模块化结构，主要由传感器模块、A/D转换模块、S3C2440控制器、报警模块、执行模块和控制器必需的电源模块和存储器模块组成，图1为系统结构图。
多传感器模块由多组传感器组成，每组传感器由温度传感器，可燃气体探测器和烟雾探测器组成，在该系统中温度传感器采用法国HuMIREL公司的HM500，它们具有成本低、体积小、寿命长、选择性和稳定性好等特性；可燃气体探测器选用了深圳市吉安达科技公司最新开发的红外气体传感器，探测器安装于被测气体容易泄露的室内、外危险场所，它们能够灵敏地感知空气中的低浓度污染气体，分别对空气中的异味、CO、H、O有较高的敏感度，甚至能检测到几个ppm级污染气体含量；烟雾探测器采用美国通用GE烟雾探测器514C，具有自诊断功能，漂移补偿抗灰尘引起的干扰的能力。
以上传感器完成对火灾过程的多参数进行监测，通过A/D转换模块将检测的数据传送给S3C2440控制器并配以智能判别技术，可以达到提前预警、减少漏报误报、提高可靠性的目的。
本设计中采用的A/D转换模块是TI公司的12位高速并行转换器ADS805，具有采样速度高，稳定性好的特点。
S3C2440控制器的核采用一款16/32-bit RISC微处理器，采用6层板工艺，具有低功耗，高速的处理计算能力的特点，简单稳定的设计非常适合对电源要求较高的产品上。
采用了新的总线构架（AMBA），其内核为32bit的先进处理器。
其主频最高可达到533MHz,在处理大量传感器数据情况下，完全可以保证实时性的要求。
其电源管理模块能够提供系统多种电压供电，包括芯片内核电压采用1.8V供电，芯片的I/O部分采用3.3V供电。
而片外的一些常规集成电路又采用5V供电。
智能电源管理模块很好地解决了对系统各个部分供电要求的不同,降低了功耗，减少了不同电源之间的干扰噪声，提高了系统的集成度。
它的存储器模块包括两片SDRAM共64MB和一片64MNandflash（K9F1208）并且可根据存储容量要求选配其他容量Nandflas h存储器，存储器模块用来存储系统运行程序和传感器采集的火灾监控过程的数据。
报警模块主要当判断有火险发生时，启动声光报警信号来通知值班人员，从而采取相应的措施；执行模块完成火险发生时启动附近的灭火装置，使火灾的危害降低到最小的程度。
2 系统软件设计
该系统的软件部分主要包括系统的上电初始化、系统自检、初始化时钟、中断设置、外设初始化，然后运行主程序main（）函数，建立任务后，扩展口对A DC进行控制切换通道采集数据。
对数据进行平滑滤波、标定补偿等预处理后，来通过数据融合算法分析火灾发生情况，判断是否报警并循环检测。
系统软件流程如图2所示。
与一般的数据采集处理系统不同。
本系统的数据采集软件和数据处理软件均在处理器上运行，系统软件除了要不断采集最新的火灾现场数据外，还要进行实时地数据处理。
以8/16位单片机为核心的测控系统。
程序一般采用前后台方式编写。
后台运行一个大的无限循环。
前台为多个中断。
这种方式在程序规模增大、系统功能较复杂，尤其是系统中的并发模块较多的情况下，主显得力不从心，很难保证测量、控制的实时性。
而且编程困难、不便于增加功能。
综合考虑软件复杂度、运算量、实时性要求，系统采用μCOS-II操作系统。
本系统中大部分任务通过调用OSTimeDly（）实现定时运行，每个任务都可通过系统函数赋予不同的定时时间间隔。
ADC数据采集程序，数据处理程序和数据融合算法程序主要由嵌入式C语言来编写。
3 数据融合算法
将多传感器信息融合技术应用于工业过程监测系统中，已经取得了一些工程应用。
在这类系统中，传感器从对象和环境中采集到数据后，先进行数据融合处理，然后再参与控制策略运算。
目前，常用的信息融合方法大致分为以下几类：一是基于估计和统计的经典方法，包括加权平均法、最小二乘法和D-S证据理论等；二是信息论的融合，包括模板法、聚类分析的熵理论等；三是人工智能的融合方法，包括模糊逻辑、产生式规则、神经网络、遗传算法和模糊积分理论以及专家系统等。
在应用于多传感器信息融合时，我们将A看作系统可能决策的集合，B看作传感器的集合，A和B的关系矩阵R A+B中的元素μi表示由传感器i推断决策为i的可能性，X表示各传感器判断的可信度，经过模糊变换得到的Y 就是各决策的可能性。
具体的，我们假设有m个传感器对系统进行观测，而系统的决策可能有n个，则：
A:｛y1/决策、y2/决策、…、yn/决策n｝
B:｛x1/传感器、x2/传感器、…、xn/传感器m｝
传感器对各个决策的判断用定义在A上的隶属函数表示，设传感器i对系统的判断结果是：
μi1/决策，μi2/决策,…,μin/决策n,0≤μy≤1
即认为结果为决策j的可能性为μi j,记作向量μi1，μi2，μi3，…μin,则m个传感器构成A×B的关系矩阵为：
将各传感器判断的可信度用B上的隶属度：X=｛x1/传感器1×x2/传感器2…、xn/传感器n｝表示，那么，根据Y=X＊R A＊B进行模糊变换，就可得出：y=（y1,y2,y3,…,yn）
即综合判断后的各决策的可能性为y，最后，对各可能判决按照一定的准则（比如最大隶属度方法、中心法等）进行选择，得出最优结果。
根据运算的y值，采用以下规则进行判决应注意：①判决结果应有最大的隶属度。
②判决结果的隶属度与必须大于某一阀值（一般情况取0.5）。
③判决结果的隶属度与其它判决的隶属度值的差必须大于某一阀值（比如0.1）。
4 火灾监测的数据融合试验
本设计对火灾监测使用了温度传感器，可燃气体探测器的烟雾探测器，数据融合的方法如图3。
图3基于模糊推理的数据融合的一般方法是在火灾故障监测系统中，首先确定各个传感器的权重，在设计中我们设定温度传感器，可燃气体探测器的权重分别为W1=0.5,W2=0.3,W3=0.2；将最后的判决结果分为两种：有火灾Y1和无火灾Y2；根据当前的工作状态，确定每个传感器X对于每一判决Y的隶属函数；再进行线性变换运算，即可确定最后的结果。
比如，在某时刻，根据温度传感器的数据确定有无火灾的隶属度分别为μ11=0.45，μ12=0.55，根据烟雾传感器的数据确定有无火灾的隶属度分别为μ31=0.9，μ32=0.1，采用线性变换运算得Y,
根据结果得有火灾隐患，应该启动气溶灭火器。
表1是模糊融合在火灾故障监测系统中的试验数据。
5 结束语
将模糊推理数据融合方法应用到多传感器的电缆火灾故障监测系统，与单一的传感器相比，具有更高的准确性的可信度。
运行结果表明，这种方法对提高火灾故障检测的可靠性是实用和有效的，可降低火灾报警的误报率。
但是，这种方法也有一些缺点，比如传感器的权重和每一传感器对判决的隶属度值的分配方面，没有形成统一的理论，需要依靠经验进行设置。