基于数据融合的电气火灾报警系统技术方案

本发明专利技术涉及基于数据融合的电气火灾报警系统；方案是，包括信息层、特征层和决策层，还包括电弧检测装置，电弧检测装置检测到电弧信号时，将检测到的电弧信号经过信号预处理装置、信号传输装置之后分别输送给预警系统实现系统的预警，同时启动特征层对传感器采集的火灾特征信号进行融合处理，当没有电弧产生时，特征层实时采集信息层的数据进行电气火灾的监控；本发明专利技术中利于电气火灾电弧发生超前于火灾信号的产生，因此通过对电弧信号的检测实现系统的预警功能，在采用神经网络算法的同时，引入模糊逻辑能够很大程度上弥补神经网络不易理解的不足，神经网络可以对已有的火灾数据进行精确拟合，模糊逻辑可以利用已知的少量火灾数据进行模糊推理。

【技术实现步骤摘要】

本专利技术涉及火灾报警系统，尤其是一种基于数据融合的电气火灾报警系统。
技术介绍
信息融合技术，也可称为多传感器信息融合技术或数据融合技术，是对人脑综合 处理复杂问题方式的功能模拟。其利用计算机技术按照一定准则对多时空传感器采集到的 信息进行自动分析和优化组合，从而得到对被检测目标的一致性完整解释与描述，完成所 需逻辑处理与决策。 多源信息的多层次处理一般分为信息层融合、特征层融合和决策层融合。每一层 信息融合都对原始数据进行了一定程度的抽象。低层的信息融合对信息的抽象程度低；高 层的信息融合对信息的抽象程度高，因此对原始信息的细节要求就低（数据处理层次为： 数据-信息层融合-特征层融合-决策层融合）。 火灾是在时间和空间上失去人力控制并形成一定灾害的燃烧过程。火灾发生的基 本条件是可燃物、助燃物、点火源以及三者之间的相互作用。助燃剂通常是指空气中的氧 气（或氧化剂），为了维持燃烧，可燃物要有一定的数量，其以固态、气态和液态三种形态存 在。根据可燃性气体在燃烧过程中与空气不同的混合方式，可以分为预混燃烧和扩散燃烧。 预混燃烧是指可燃气体与空气均匀混合进行的燃烧；扩散燃烧是指可燃气体在燃烧区一边 与空气混合一边燃烧。而液态和固态是凝聚态物质，在受到外界加热时，液体蒸发成可燃蒸 汽，固体发生热分解（熔化、蒸发）析出可燃气体，从而发生气相扩散燃烧。 凝聚态物质在发生燃烧时产生的可燃性气体（〇)，4等）、颗粒直径较大的分子团、 灰烬以及未完全燃烧的物质颗粒悬浮在空气中，这些物质的直径通常在〇.〇1 μπι左右，被 总称为气溶胶，同时也会产生离子直径为〇. Ol~10 μm的液体或固体颗粒，即为烟雾。火 灾是可燃物和助燃剂在满足一定的条件下产生的强烈的化学反应，并在燃烧过程中伴有发 热和发光的物理化学现象。此外还会产生燃烧波。火灾过程中产生的特殊现象与物质如气 溶胶、烟雾、光、热以及燃烧波等都被称为火灾参量，火灾探测就是通过这些火灾参量的测 量和分析，来确定火灾的过程。 根据火灾燃烧过程的不同，可分为慢速阴燃、明火以及快速发展火焰等。阴燃是指 在稀疏物质或颗粒环境中进行的缓慢热分解和氧化反应，能较长时间地自我保持或扩散， 并在条件允许的情况下转化为明火或自行熄灭，是引发火灾的重要因素；明火是指燃烧时 迸发出火焰并释放出可燃气体，从而进一步使燃烧扩散；快速发展火焰是指燃烧火焰的扩 散速度极快，这种情况通常发生在燃烧火焰周围分布有大量的可燃气体。 由于火灾早期特征状态的不稳定以及火灾事件的偶然性，传感器输出信号x(t) 是事先未知或不能确定的信号，且由于外界环境如气候、灰尘、湿度、电子噪声等对x(t)的 影响，使得火灾信号具有以下特征：（1)人们对火灾表象十分清楚并能做出准确判断与应 对，但若要用数字语言进行精确地表达却十分困难；(2)以往的火灾范例可以提供参考或 研宄；（3)通过联想可以进行正确识别。因此，火灾检测相比于其他典型信号检测来说是一 种十分困难的信号检测问题。火灾的检测信号特征有以下特点：（1)可检测到的火灾信号 均为随机信号，其统计特性随时间或环境的改变而改变；（2)火灾现象与正常现象相比出 现的几率很小，探测器基本上都是工作在正常情况下；（3)检测环境中的噪声特征与检测 信号特征有时十分相似，因此很容易影响到辨识结果。虽然检测火灾特征信号x(t)比较困 难，但x(t)还是有一定的规律可循，或者说其还是表现出了火灾发生的一些特点，如x(t) 的时间和频谱特性，x(t) -般被认为是一种非平稳随机过程，用函数表达即为：【主权项】1. 一种基于数据融合的电气火灾报警系统，包括信息层、特征层和决策层，其特征在 于，还包括电弧检测装置，当电弧检测装置检测到电弧信号时，将检测到的电弧信号经过信 号预处理装置、信号传输装置之后分别输送给预警系统实现系统的预警，同时启动特征层 对传感器采集的火灾特征信号进行融合处理，当没有电弧产生时，特征层实时采集信息层 的数据进行电气火灾的监控；信息层由烟雾传感器、温度传感器、CO气体浓度传感器和每 个传感器连接的信号预处理器构成，特征层由神经网络特征器和模糊逻辑特征器并联的方 式构成，每个传感器将检测到的火灾特征信号经信号预处理器处理后分别传输给神经网络 特征器和模糊逻辑特征特征器进行火灾概率判断，分别输出火灾概率Pl和P2,当Pl和P2 都大于0. 5时，信号不进入信息层，直接输出报警信号，当Pl与P2都小于0. 5时，认为没有 发生火灾，信号不进入决策层，当Pl和P2其中一个大于或等于0. 5另一个小于或等于0. 5 时，则将火灾概率Pl和P2送入决策层进行最后的火灾辨识。2. 根据权利要求1所述的基于数据融合的电气火灾报警系统，其特征在于，所述信 息层采用变化率检测法，即：设被检测信号经离散化采样后，信号的原始序列为X(n)，，如果Yn>YTOW1，则a i= 0 ;本系统中i = 1，2, 3分别代表温度、烟雾和 CO浓度传感器得到的数据，按照以上方法依次对温度、烟雾和CO浓度传感器得到的数据进 行处理后：A = ai U a2 U a 3，当A = 1时，则表示多传感器采集的多位数据中有一个或多个 数据发生了非平稳的变化，此时将该组信息送入特征层进行特征提取，并进行最终的火灾 判断。3. 根据权利要求1所述的基于数据融合的电气火灾报警系统，其特征在于，所述神经 网络融合器采用多层感知机神经网络。4. 根据权利要求3所述的基于数据融合的电气火灾报警系统，其特征在于，所述多层 感知机由输入层、隐含层和输出层组成的前馈网络，每一层由若干神经元组成，权因子的调 整采用反向传播学习算法，神经网络的层数为两层，输入节点为温度、烟雾和CO气体浓度 三个信号，输入层为一个节点的火灾概率，该两层神经网络权值矩阵分别为wdP w 2，中间层 阈值矩阵为Θ，输入向量为X，期望输出为T，神经网络当前第1页1 2 本文档来自技高网...

【技术保护点】
一种基于数据融合的电气火灾报警系统，包括信息层、特征层和决策层，其特征在于，还包括电弧检测装置，当电弧检测装置检测到电弧信号时，将检测到的电弧信号经过信号预处理装置、信号传输装置之后分别输送给预警系统实现系统的预警，同时启动特征层对传感器采集的火灾特征信号进行融合处理，当没有电弧产生时，特征层实时采集信息层的数据进行电气火灾的监控；信息层由烟雾传感器、温度传感器、CO气体浓度传感器和每个传感器连接的信号预处理器构成，特征层由神经网络特征器和模糊逻辑特征器并联的方式构成，每个传感器将检测到的火灾特征信号经信号预处理器处理后分别传输给神经网络特征器和模糊逻辑特征特征器进行火灾概率判断，分别输出火灾概率P1和P2，当P1和P2都大于0.5时，信号不进入信息层，直接输出报警信号，当P1与P2都小于0.5时，认为没有发生火灾，信号不进入决策层，当P1和P2其中一个大于或等于0.5另一个小于或等于0.5时，则将火灾概率P1和P2送入决策层进行最后的火灾辨识。

【技术特征摘要】

【专利技术属性】
技术研发人员：余琼芳，张晓辉，余琼霞，
申请(专利权)人：河南理工大学，
类型：发明
国别省市：河南;41