多信息融合火災探測方法
2023-06-09 19:28:01 2
專利名稱:多信息融合火災探測方法
技術領域:
本發明屬於火災探測技術領域,具體涉及多信息融合的火災識別方法,特別涉 及貧信息、弱信息場景的火災識別。
背景技術:
火災的發生具有雙重性,既有它的隨機性一面,又有它的確定性一面。因此火 災探測信號檢測是一種十分困難的信號檢測,它要求信號處理算法能夠適應各種環境條 件的變化,自動調整參數以達到既能快速探測火災,又有很低的誤報率。因此需要一種 數值化的和非數學模型的函數估計和動力學系統來實現火災探測。利用神經網絡及其與模糊系統融合方法來進行火災探測在90年由於其自學習、 自適應性、自組織特性,引起了消防工程界的極大關注並得到了長足的發展。其中日本 的Y.Okayama提出一種三層前饋BP神經網絡的火災探測算法,具有一定得自學習和自適 應性,但是它對傳感器信號的特點考慮不夠全面,而且僅僅採用簡單的門限直接進行判 決,不利於減少火災的誤報率。S.Nakanishi等人利用模糊邏輯方法處理煙氣溫度、煙氣 濃度和CO (—氧化碳)濃度的複合信號,系統的調節還採用了神經網絡算法,實際結果 顯示誤報率減低了 50%,火災報警時間還有所提前。但其並沒有引入灰色算法和閾值算 法,使得該算法的抗環境幹擾和提前報警的能力受到局限。現有火災探測系統的缺陷是,探測靈敏度低和誤報警率高,缺乏智能性,並且 針對某些弱信息、貧信息的場所不能起到應有的作用,甚至產生不報警的情況。因此, 需要一種方法解決上述問題。
發明內容
本發明的目的旨在至少解決現有技術中的上述問題之一,特別是解決漏報、誤 報和針對弱信息、貧信息火災場景火災探測問題。為此,本發明的實施例提出一種準確、可靠的多信息融合火災探測方法。根據本發明的一個方面,本發明實施例提出了一種多信息融合火災探測方法, 所述方法包括以下步驟對從現場周期採樣得到的火災探測信號序列進行預處理,排除 由於正常環境變化產生的不合理數據;根據預處理後的原始火災探測信號序列進行灰色 模型GM(1,1)建模,對後續時間點的火災探測信號數據進行預測,以得到等維的新信 息灰色預測模型;利用原始火災探測信號序列對預測得到的火災探測信號數據進行後驗 差檢驗,以檢驗利用所述灰色預測模型預測生成的火災探測信號數據是否合格;以及利 用診斷神經網絡對合格的火災探測信號時間序列數據進行診斷,以得到火災探測結果檢 測。根據本發明進一步的實施例,對不合格的時間序列數據建立殘差模型修正,進 而進行預測直至合格,其中建立殘差模型修正的步驟包括根據火災探測信號序列的採 樣時序獲得與火災探測信號序列對應的時序殘差序列;對所述時序殘差序列進行灰色模型GM(1,1)建模,以得到對應的時序殘差序列預測值;以及利用所述時序殘差序列預 測值得到毛(<)),以對不合格的時間序列數據進行修正。根據本發明進一步的實施例,所述灰色GM(1,1)建模的步驟包括對所述火 災探測信號序列進行一次累加;在一次累加後的序列基礎上建立白化形式的微分方程; 根據該微分方程求解出一次累加後的序列對應的下一時刻的預測值;以及對所述預測值 進行一次累減運算,得到對應下一時刻的火災探測信號數據預測值。根據本發明進一步的實施例,所述後驗差檢驗步驟包括計算採集的原始火災 探測信號序列的第一平均值和第一方差;計算每個原始火災探測信號與其對應預測值之 間殘差,以及整個原始火災探測信號序列對應的所有殘差的第二平均值和第二方差;以 及利用所述第一方差與所述第二方差得到後驗差比值,以及利用所述殘差、所述第二平 均值以及所述第一方差得到小誤差頻率,以進行後驗差檢驗。根據本發明進一步的實施例,利用診斷神經網絡對合格的火災探測信號時間序 列數據進行診斷的步驟包括利用預定數量的學習樣本作為輸入和輸出樣本對神經網絡 進行離線訓練,直至網絡收斂以得到所述診斷神經網絡,其中所述輸入樣本為包括煙氣 溫度、煙氣濃度和一氧化碳CO濃度的火災探測特徵信號,所述輸出樣本包括定義好的與 所述輸入樣本對應的明火概率、火災危險性和陰燃概率;以及將所述合格的火災探測信 號時間序列數據輸入到所述診斷神經網絡。根據本發明進一步的實施例,還包括對診斷神經網絡檢測的火災探測結果中的 模糊集的火災概率進行模式識別的步驟,其中所述模式識別步驟包括分別計算火災探 測結果的火災模糊集和非火災模糊集的正態分布隸屬函數值;比較火災模糊集的正態分 布隸屬函數值與非火災模糊集的正態分布隸屬函數值大小;以及根據比較結果確定最終 火災識別。本發明通過採用較低的閾值和趨勢設定,排除了正常環境變化的幹擾,由於等 維新信息灰色模型對後期火災信號發展的預測,使得該算法適用於貧信息、弱信息的場 所,模糊神經網絡的自適應性、學習能力、容錯能力和並行處理能力,使得網絡能夠充 分利用給出的特徵信號值,給出可靠的故障診斷,同時多信息融合的火災探測技術減少 了誤報率。因此,適用的範圍更加廣泛並能給出比其他火災探測算法更早、更準確的報 警信號。本發明附加的方面和優點將在下面的描述中部分給出,部分將從下面的描述中 變得明顯,或通過本發明的實踐了解到。
本發明的上述和/或附加的方面和優點從下面結合附圖對實施例的描述中將變 得明顯和容易理解,其中圖1為本發明實施例的多信息融合火災探測方法流程圖。
具體實施例方式下面詳細描述本發明的實施例,所述實施例的示例在附圖中示出,其中自始至 終相同或類似的標號表示相同或類似的元件或具有相同或類似功能的元件。下面通過參考附圖描述的實施例是示例性的,僅用於解釋本發明,而不能解釋為對本發明的限制。現在參考圖1,該圖為本發明實施例的多信息融合火災探測方法流程圖。包括以 下步驟步驟102,對現場周期採集的火災探測特徵信號進行例如趨勢和閾值判斷的預處 理,排除由於正常環境變化產生的不合理數據。現場探測器採集的數據先經過閾值和趨勢算法判定,這裡閾值和趨勢的設定要 遠低於採用閾值型或者趨勢型探測器報警值。此設定主要目的是過濾掉探測場所內由於 正常環境變化產生的不合理數據。步驟104,根據預處理後的原始火災探測信號序列進行灰色模型GM(1,1)建 模,對後續時間點的火災探測信號數據進行預測,以得到等維的新信息灰色預測模型。設剔除不合理數據後周期採集到的火災探測信號序列為x(°) x(°)=丨x(°) (1), x(°)(2),…,x(0) (i),…,χ(0) (η)},對其進行一次累加(I-AGO)以生成序列χω χω =
{χ ⑴(1),χ ⑴(2),…,χ ⑴(i),…,χ ⑴(n)},其中 x(1)⑷二 i>(°)(0,k= 1,2,…,η。
(=1式中5 =
Yn= (χ(0) (2),χ(0) (3),…,χ(ω (η))τ,對於生成的序列χ⑴可以建立白化形式的微分方程,它成為一階灰色微分
Λ·⑴
方程,記為GM(1,1):丨+ αχ(1) 二 u,其中&和1!為待定參數。該方程的解為
dt
χ⑴(A: +1) = 0(1) (1) — u / d)eak + w / α ,該式稱為時間響應方程。記參數列為A = [a, uf,可以利用最小二乘法求解A A = (BtB)4BtYi^
權利要求
1.一種多信息融合火災探測方法,其特徵在於,所述方法包括以下步驟對從現場周期採樣得到的火災探測信號序列進行預處理,排除由於正常環境變化產 生的不合理數據;根據預處理後的原始火災探測信號序列進行灰色模型GM(1,1)建模,對後續時間 點的火災探測信號數據進行預測,以得到等維的新信息灰色預測模型;利用原始火災探測信號序列對預測得到的火災探測信號數據進行後驗差檢驗,以檢 驗利用所述灰色預測模型預測生成的火災探測信號數據是否合格;以及利用診斷神經網絡對合格的火災探測信號時間序列數據進行診斷,以得到火災探測 結果檢測。
2.如權利要求1所述的多信息融合火災探測方法,其特徵在於,對不合格的時間序列 數據建立殘差模型修正,進而進行預測直至合格,其中建立殘差模型修正的步驟包括根據火災探測信號序列的採樣時序獲得與火災探測信號序列對應的時序殘差序列; 對所述時序殘差序列進行灰色模型GM(1,1)建模,以得到對應的時序殘差序列預 測值;以及利用所述時序殘差序列預測值得到殘差修正後的數值毛W,以對不合格的時間序列數 據進行修正。
3.如權利要求1所述的多信息融合火災探測方法,其特徵在於,所述灰色GM(1,1) 建模的步驟包括對所述火災探測信號序列進行一次累加;在一次累加後的序列基礎上建立白化形式的微分方程;根據該微分方程求解出一次累加後的序列對應的下一時刻的預測值;以及對所述預測值進行一次累減運算,得到對應下一時刻的火災探測信號數據預測值。
4.如權利要求1所述的多信息融合火災探測方法,其特徵在於,所述後驗差檢驗步驟 包括計算採集的原始火災探測信號序列的第一平均值和第一方差; 計算每個原始火災探測信號與其對應預測值之間殘差,以及整個原始火災探測信號 序列對應的所有殘差的第二平均值和第二方差;以及利用所述第一方差與所述第二方差得到後驗差比值,以及利用所述殘差、所述第二 平均值以及所述第一方差得到小誤差頻率,以進行後驗差檢驗。
5.如權利要求1所述的多信息融合火災探測方法,其特徵在於,利用診斷神經網絡對 合格的火災探測信號時間序列數據進行診斷的步驟包括利用預定數量的學習樣本作為輸入和輸出樣本對神經網絡進行離線訓練,直至網絡 收斂以得到所述診斷神經網絡,其中所述輸入樣本為包括煙氣溫度、煙氣濃度和一氧化 碳CO濃度的火災探測特徵信號,所述輸出樣本包括定義好的與所述輸入樣本對應的明火 概率、火災危險性和陰燃概率;以及將所述合格的火災探測信號時間序列數據輸入到所述診斷神經網絡。
6.如權利要求1或5所述的多信息融合火災探測方法,其特徵在於,還包括對診斷神 經網絡檢測的火災探測結果中的模糊集的火災概率進行模式識別的步驟,其中所述模式 識別步驟包括分別計算火災探測結果的火災模糊集和非火災模糊集的正態分布隸屬函數值; 比較火災模糊集的正態分布隸屬函數值與非火災模糊集的正態分布隸屬函數值大 以及根據比較結果確定最終火災識別。
全文摘要
本發明公開了一種多信息融合火災探測方法,包括以下步驟對從現場周期採樣得到的火災探測信號序列進行預處理,排除由於正常環境變化產生的不合理數據;根據預處理後的原始火災探測信號序列進行灰色模型GM(1,1)建模,對後續時間點的火災探測信號數據進行預測,以得到等維的新信息灰色預測模型;利用原始火災探測信號序列對預測得到的火災探測信號數據進行後驗差檢驗,以檢驗利用灰色預測模型預測生成的火災探測信號數據是否合格;以及利用診斷神經網絡對合格的火災探測信號時間序列數據進行診斷,以得到火災探測結果檢測。本發明能夠提供可靠的故障診斷以及降低火災探測結果的誤報率。
文檔編號G08B17/00GK102013148SQ201010529308
公開日2011年4月13日 申請日期2010年10月28日 優先權日2010年10月28日
發明者張永明, 方俊, 王彥, 王進軍 申請人:中國科學技術大學