基于多傳感器模糊融合的火災檢測*

楊素珍

(1漳州職業技術學院智能制造學院 福建漳州 363000；2福建省特種裝備安全與測控重點實驗室 福建福州 350003)

火災往往給人類帶來了巨大的人員財產損失，為減少火災危害，進行及時有效的早期火災檢測報警是關鍵。已有的火災檢測技術主要分為基于單一傳感器信息的火災檢測和基于多傳感器信息的火災檢測兩大類[1]。Cheng C等人利用多種傳感器分別獲取火災時溫度、煙霧濃度、一氧化碳濃度信息，建立神經網絡進行火災檢測[2]；Luo R C等人提出一種改進自適應融合算法，融合氣體、溫度和紫外線等火災物理特征進行火災檢測[3]；Zervas E等人采用D-S證據理論融合3種傳感器檢測的火災信息，推理判斷火災的發生概率[4]；張鑫等人結合改進的主元分析法(PCA)、粗糙集(RS)理論、支持向量機(SVM)等3種方法對火災探測系統在線和離線信息進行融合互補，提高火災探測的可靠性和準確度[5]；Zhang ZC等人根據Bayesian決策原理在火警預警系統中對火災發生時煙霧、火焰和溫度3個傳感器信息進行融合[6]；ROQUE G等人基于物聯網技術，建立無線傳感器網絡，采集煙霧、氣體和溫度等火災參量實現快速火災探測[7]；Baek J等人提出一種智能多傳感器室內嵌入式實時火災探測系統，該系統采用相似性匹配多信息融合方法，實現高精度的早期火災檢測[8]；Sridhar P等人提出了一種基于高斯概率的閾值卷積神經網絡(GTCNN)模型，融合溫濕度、煙霧、紅外火焰傳感器信息和視頻圖像多特征信息實現高可靠的火災檢測[9]?？梢?，多傳感器信息融合火災檢測方法是目前各國學者的主要研究方向，該方法重點是處理融合傳感器獲取的火災信息，以得到準確的火災檢測結果?，F有多傳感器火災檢測方法融合的信息較少，降低了抗干擾能力，影響檢測精度。同時現有多傳感器融合算法大多過于復雜，不利于火災的實時檢測。有鑒于此，文章提出一種基于多傳感器的火災檢測方法，基于模糊控制系統融合火焰紅外信號、溫度、煙霧濃度等3個火災參量，有效提高了火災檢測的精度和魯棒性。

1多傳感器模糊融合系統原理

模糊系統是一種以模糊數學理論為基礎的非線性智能推理系統，其提供了一種將基于專家知識的語言規則轉化為精確數值解的方法，在解決具有多輸入多輸出、多參數、非線性的復雜系統的求解問題方面具有突出優勢?；灸：到y主要由模糊化接口、知識庫、推理機、去模糊化接口等四個部分組成。在多傳感器融合系統中，各傳感器的測量對象往往各不相同，而由于傳感器處于同一測量環境，所測量數據之間又有相互關聯，因此難以建立精確的數學模型來實現多傳感器融合應用。模糊系統不依賴應用對象的精確數學模型，同時結合了人的專家經驗，具備更強的適應性和抗干擾能力，成為目前應用最多的多傳感器融合方法之一。

對于一個多輸入單輸出的多傳感器模糊融合系統，其組成結構如圖1所示，其輸入為多個傳感器的測量數據。

圖1 多傳感器模糊融合系統組成結構

圖1顯示，模糊化接口是將輸入的傳感器測量數據轉換為隸屬度函數值；知識庫提供輸入模糊化和輸出去模糊化所需的隸屬度函數庫，以及推理機所需的推理規則庫，推理規則庫需結合專家知識或操作人員經驗制定，并使用人的推理語言進行表述，是決定模糊融合系統性能的關鍵部分；推理機根據輸入模糊量和推理規則庫，模擬人的決策過程進行推理決策，獲得多傳感器融合模糊輸出值；去模糊化是基于輸出隸屬度函數將模糊輸出值轉換為實際應用所需的清晰化值。

2火災檢測多傳感器模糊融合系統設計

燃燒是火災最重要表現形式之一，其過程將伴隨著各種物理和化學的變化。大多數的火災檢測就是檢測環境中火災燃燒而引起的特征量變化，常見的火災特征參量包括紫外線、紅外線、溫度、煙霧、氣體等。傳統通過單一傳感器采集的環境參量來判斷火災發生與否容易出現誤判，通過模糊融合多傳感器的多種信息，綜合考慮不同空間和時間上的互補、冗余信息，可以大大提高火災檢測的準確性。文章火災檢測多傳感器模糊融合系統的設計步驟如下：

(1)確定輸入量與輸出量。文章選取火焰紅外信號F、溫度T、煙霧濃度SC等3個火災參量作為模糊融合系統的輸入，并以火災發生概率P作為模糊融合系統的輸出。

(2)進行輸入量的歸一化處理。模糊融合系統的輸入量在同一論域時才可以保證融合的準確性。由于不同參量使用的傳感器規格各不相同，加上應用環境影響的差異，輸入量一般具有不同的論域，因此需對傳感器采集到的火災參量進行歸一化處理來保證不同輸入量論域的統一性。

(3)對輸入量和輸出量進行模糊化。模糊化是將輸入或輸出變量的精確值轉化為給定論域上的模糊子集。變量模糊化首先要確定變量不同狀態的變化范圍，即把相應論域劃分為若干區間，進而確定模糊化等級。文章將輸入量、輸出量的模糊化等級劃分如下：

①輸入量：火焰紅外信號F的不同狀態劃分為2級：有(y)、無(n)；溫度T的不同狀態劃分為3級：室溫(rts)、略高于室溫(rtm)、遠高于室溫(rtl)；煙霧濃度SC的不同狀態劃分為3級：大(l)、中(m)、小(s)。

②輸出量：火災概率FP的不同狀態劃分為3級：可能(pm)、極有可能(pl)、一定會(pa)。

模糊化還需要建立變量的隸屬度函數。設給定論域U和U到[0，1]的任一映射μA：U→[0，1]，則μA確定U的一個模糊子集，μA為A的隸屬度函數。由于高斯型隸屬度函數更符合人們的期望，光滑性較好，故文章選用高斯型隸屬度函數對溫度、煙霧濃度進行模糊化，以及對火災概率進行模糊化，而火焰紅外信號只能判斷火焰有無，故采用三角形隸屬度函數對其進行模糊化。

高斯隸屬度函數的表達式為：

(1)

式(1)中：x為歸一化后的溫度、煙霧等火災參量值或火災概率值，a決定函數曲線的寬度，c決定函數曲線的中心。

三角形隸屬度函數的表達式為

(2)

式(2)中：e、h、g為正的常數。

文章取a=0.2，溫度rts、rtm、rtl對應的c值分別取0、0.5和、1。煙霧濃度s、m、l對應的c值分別取0.2、0.5和0.2。e=h=g=0和e=h=g=1分別對應火焰紅外信號的2個模糊化狀態。輸出概率pm、pl、pa對應的c值分別取0.1、0.7和1。溫度、煙霧濃度、火焰紅外信號和火災概率對應的隸屬度曲線分別如圖2、圖3、圖4和圖5所示。

圖2 溫度的隸屬度

圖3 煙霧濃度的隸屬度

圖4 火焰紅外信號的隸屬度

圖5 火災概率的隸屬度

(4)建立模糊規則庫。模糊規則庫是模糊融合系統推理的依據。文章按照以下原則進行模糊推理規則設計：①將火災參量優先級設定為：火焰信號>溫度>煙霧濃度；②火災參量的每一種輸入狀態都有一條規則與其對應；③當規則中出現火焰紅外信號有無對推理結論沒有影響的情況，將火焰紅外信號有無兩條規則合并為一條規則，減少規則復雜度，來提高規則庫魯棒性和運行效率。

文章推理規則描述采用“R：if A and B and C then D”的結構形式，其中A、B、C為不同論域上的模糊子集，R為根據人工經驗制定的決策規則，D為輸出模糊子集，文章模糊規則庫的具體規則為：

R1：If (T is rtl)and (SC is l)and (F is y)then (FP is pa)；

R2：If (T is rtl)and (SC is l)and (F is n)then (FP is pl)；

R3：If (T is rtl)and (SC is m)and (F is y)then (FP is pa)；

R4：If (T is rtl)and (SC is m)and (F is n)then (FP is pl)；

R5：If (T is rtl)and (SC is s)and (F is y)then (FP is pl)；

R6：If (T is rtl)and (SC is s)and (F is n)then (FP is pm)；

R7：If (T is rtm)and (SC is l)and (F is y)then (FP is pa)；

R8：If (T is rtm)and (SC is l)and (F is n)then (FP is pl)；

R9：If (T is rtm)and (SC is m)then (FP is pl)；

R10：If (T is rtm)and (SC is s)and (F is y)then (FP is pl)；

R11：If (T is rtm)and (SC is s)and (F is n)then (FP is pm)；

R12：If (T is rts)and (SC is l)and (F is y)then (FP is pl)；

R13：If (T is rts)and (SC is l)and (F is n)then (FP is pm)；

R14：If (T is rts)and (SC is m)and (F is y)then (FP is pl)；

R15：If (T is rts)and (SC is m)and (F is n)then (FP is pm)；

R16：If (T is rts)and (SC is s)then (FP is pm)。

對于推理機的輸出模糊值，文章采用“與”邏輯，選擇較小數作為去模糊化的隸屬度值。

(5)去模糊化。模糊融合系統通過去模糊化處理可獲得用于判斷火災發生與否的火災概率值。文章采用加權平均法對輸出模糊子集進行去模糊化，該方法的表達式為：

(3)

式(3)中：η0為去模糊化后的輸出值，pi為輸出模糊子集的元素，μ(i)為元素對應的隸屬度值。

3實驗

搭建如圖6所示的火災檢測系統對文章多傳感器融合火災檢測算法進行實驗驗證。該系統硬件包含火災檢測傳感器、數據采集器和上位機等，數據采集器以單片機為控制核心，分別使用紅外火焰檢測傳感器、MQ-2傳感器、DS18B20數字溫度傳感器對火災時的火焰信號、煙霧濃度、溫度等火災參量進行采集。紅外火焰檢測傳感器可檢測火焰的紅外波段，檢測結果以IO數字量輸出給數據采集器。MQ-2傳感器可檢測空氣中煙霧的濃度，量程范圍為10000ppm以內，通過SPI總線與數據采集器進行數據交互。DS18B20數字溫度傳感器的測量范圍為-55℃～+125℃，通過單線總線與數據采集器進行數據交互。數據采集器采集的數據再通過485總線發送至上位機，在Matlab軟件環境下構建上位機程序，多傳感器模糊融合火災檢測算法運行于上位機，最終得到火災概率。

圖6 火災檢測系統

通過調用Matlab串行通信庫函數實現與數據采集器的485總線實時通信交互，使用Matlab模糊控制工具箱設計文章模糊融合系統，并生成FIS文件，如圖7所示。上位機通過調用FIS文件實現多傳感器模糊融合計算。

(a)輸入輸出模糊化配置

該實驗在室內環境下進行，如圖8所示。在固定點點燃面積約為500cm2的火堆，燃燒物為普通A4打印紙，進行火災檢測實驗。

圖8 火災檢測實驗環境

上位機對火災代表性階段的數據進行采集和記錄，數據如表1所示。由表1可以看出，受室內環境和火堆大小限制，溫度和火焰信號變化較為明顯，而煙霧濃度變化不大。上位機對采集數據進行歸一化，然后按照文章算法進行火災檢測多傳感器模糊融合，當火災概率大于0.5時，則判別為發生火災，檢測結果如表2所示。

表1 火災代表性階段的數據

表2 火災檢測結果

由表2可以看出，發生火災與未發生火災的火災概率差異明顯，容易確定發生火災的火災概率閾值，而在室內環境煙霧濃度不明顯的情況下，文章算法仍能夠進行準確的火災檢測，有效避免使用單一傳感器信息時出現的誤判，提高了火災檢測的準確性。

4結語

文章提出的基于多傳感器模糊融合的火災檢測方法，選取3個火災發生時的典型參量：紅外火焰信號、溫度、煙霧濃度，僅使用16條推理規則，通過融合多傳感器信息提高了火災檢測的實時性和魯棒性。構建了火災檢測系統對算法進行實驗驗證，實驗結果表明文章算法可以實現準確火災檢測，具備實際應用價值。