基于多传感器数据融合的智能火灾预警系统

冗余信息传感器２传感器１互补信息图１多传感器融合示意图１引言随着社会经济的发展和生活水平的提高，各种场合的电子设备大多长期处于运行状态，电气设备过载、过热、短路的火灾隐患较多，同时火灾过程的复杂性和火灾的损失也越来越大。

火灾自动探测报警系统作为早期探测火灾，将火灾遏制在萌芽状态的重要设备，是实现防消结合、预防为主的消防策略的重要手段。

随着微电子技术、传感器技术、通信和网络技术的飞速发展，使火灾探测报警时间的提前、火灾探测报警可靠性的提高、火灾探测报警系统的网络化等都成为可能。

用最小的代价，实现可靠的火灾探测报警，使火灾损失降到最低限度，是火灾探测报警追求的一个重要的性能指标。

鉴于目前普通类型的感温、感烟火灾探测报警器已不能满足需求，必须采用超早期火灾探测报警技术。

实现火灾报警的提前和提高火灾探测报警的可靠性，首先体现在采用多个传感器全面采集火灾发生前的各种异常信息，并用智能技术处理传感器提供的火灾信息。

多传感器信息融合技术应用于火灾自动报警系统，可以大大地提高整个系统的智能性，有效地提高火灾监测的灵敏度，从而实现火灾的早期预警。

２多传感器数据融合目前，Ｃ３Ｉ（Ｃｏｍｍａｎｄ，Ｃｏｎｔｒｏ１，ＣｏｍｍｕｎｉｃａｔｉｏｎａｎｄＩｎｔｅｌｌｉｇｅｎｃｅ）系统中都在采用多传感器融合技术，但其方法同样适用于自动化控制和智能监测等领域。

多传感器数据融合就是综合利用多传感器信息，采用计算机技术对按时间序列获得的多传感器观测数据，在一定准则下进行分析、综合、支配和使用，通过它们之间的协调和性能互补的优势，克服单个传感器的不确定性和局限性，提高整个传感器系统的有效性能，获得对被测对象的一致性解释与描述，进而实现相应的决策与估计，使系统获得比它的各组成部分更充分的信息。

图１是多传感器数据融合的示意图，传感器之间的冗余数据增强了系统的可靠性，传感器之间的互补数据扩展了单个传感器的性能。

多传感器数据融合分三种层次结构，即数据层、特征层、决策层融合。

一般选择的多个传感器是异质的（观测的不是同一个物理量），数据只能在特征层或者决策层融合。

多传感器系统数据融合过程如图２所示。

由于被测对象多为具有不同特征的非电量，首先将它们通过传感器转换成为电信号，经过Ａ／Ｄ转换将现场参数变为可由微处理器处理的数字量。

数字化后的电信号经过预处理，以滤除数据采集过程中现场环境下的干扰和噪声，经处理后的目标信号作特征提取，根据所提取的特征信作者简介：张兢（１９６５－），女，副教授，主要从事电子技术应用方面的研究与教学工作。

路彦和（１９６５－），男，高级工程师，主要从事通信、计算机应用等方面的研究。

雷刚（１９６７－），男，教授，主要从事测试技术方面的研究。

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４０００５０）Ｅ－ｍａｉｌ：ｚｈｊｉｎｇｃｑ＠ｖｉｐ．ｓｉｎａ．ｃｏｍ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，将多传感器数据融合技术应用在火灾预警系统中。

选择多个传感器对火灾过程的多参数进行监测，特别对火灾发生初期产生的异常信息进行全面监控，弥补了采用单一传感器的不足，扩展了时间上和空间上的观测范围。

采用自适应加权融合估算法配合智能判别技术，增强了系统报警输出的灵敏度和可靠性，使系统达到了实现提前预警的目的。

关键词火灾探测多传感器数据融合火灾预警文章编号１００２－８３３１－（２００６）０６－０２０６－０３文献标识码Ａ中图分类号ＴＰ２１２．９ＩｎｔｅｌｌｅｃｔｉｖｅＦｉｒｅＡｌａｒｍＳｙｓｔｅｍＢａｓｅｄｏｎＭｕｌｔｉ－ＳｅｎｓｏｒＤａｔａＦｕｓｉｏｎＺｈａｎｇＪｉｎｇＬｕＹａｎｈｅＬｅｉＧａｎｇ（ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃｓａｎｄＡｕｔｏｍａｔｉｏｎ，ＣｈｏｎｇｑｉｎｇＩｎｓｔｉｔｕｔｅｏｆＴｅｃｈｎｏｌｏｇｙ，Ｃｈｏｎｇｑｉｎｇ４０００５０）Ａｂｓｔｒａｃｔ：Ａｃｃｏｒｄｉｎｇｔｏｃｕｒｒｅｎｔｓｉｔｕａｔｉｏｎｏｆｍｏｄｅｒｎｆｉｒｅｍｏｎｉｔｏｒｉｎｇａｎｄｄｅｍａｎｄｓｏｆｅａｒｌｙｗａｒｎｉｎｇｏｆｆｉｒｅ，ｍｕｌｔｉ－ｓｅｎｓｏｒｄａｔａｆｕｓｉｏｎｉｓａｐｐｌｉｅｄｆｏｒＦｉｒｅａｌａｒｍｓｙｓｔｅｍｓ．Ｄｅｔｅｃｔｉｎｇｍｕｌｔｉ－ｐａｒａｍｅｔｅｒｏｆｆｉｒｅｃｏｕｒｓｅｂｙｍｕｌｔｉ－ｓｅｎｓｏｒ，ｅｓｐｅｃｉａｌｌｙｒｏｕｎｄｌｙｄｅｔｅｃｔｉｎｇａｂｎｏｒｍａｌｉｎｆｏｒｍａｔｉｏｎｏｆｉｎｉｔｉａｌｓｔａｇｅｓｏｆｆｉｒｅ，ｃａｎｍａｋｅｕｐｌａｃｋｏｆｓｉｎｇｌｅｓｅｎｓｏｒ，ａｎｄｃａｎｅｘｔｅｎｄｍｏｎｉｔｏｒｉｎｇｒａｎｇｅｆｏｒｔｉｍｅｄｏｍａｉｎａｎｄｓｐａｃｅｄｏｍａｉｎ．Ｉｎｔｈｉｓｐａｐｅｒ，ａｎａｄａｐｔｉｖｅｗｅｉｇｈｔｅｄｆｕｓｉｏｎｅｓｔｉｍａｔｉｎｇｍｅｔｈｏｄｗｉｔｈｉｎｔｅｌｌｉｇｅｎｔｄｉｓｔｉｎｇｕｉｓｈｉｎｇｔｅｃｈｎｏｌｏｇｙｉｓａｐｐｌｉｅｄ，ａｎｄｓｅｎｓｉｔｉｖｉｔｙａｎｄｒｅｌｉａｂｉｌｉｔｙｏｆｓｙｓｔｅｍａｔｉｃｗａｒｎｉｎｇｉｓｓｔｒｅｎｇｔｈｅｎｅｄ，ｓｏａｉｍｏｆｅａｒｌｙｗａｒｎｉｎｇｍａｙｃｏｍｅｔｒｕｅ．Ｋｅｙｗｏｒｄｓ：ｆｉｒｅｄｅｔｅｃｔｉｏｎ，ｍｕｌｔｉ－ｓｅｎｓｏｒ，ｄａｔａｆｕｓｉｏｎ，ｆｉｒｅａｌａｒｍ火灾信息多传感器数据预处理特征提取融合计算火灾预报模型模糊推理系统输出结果Ａ／Ｄ图２多传感器数据融合原理传感器２—Ｗ２传感器１—Ｗ１传感器３—Ｗ３……Ｘ１Ｘ２Ｘ３数据融合∑Ｘ!图３自适应加权融合估计算法模型图多传感器多传感器预处理预处理数据融合数据融合手机通信模块执行模块报警模块ＧＳＭＬｏｎｗｏｒｋｓ总线集中控制器…………图４火灾预警系统结构图号，进行数据融合，最终输出结果。

多传感器融合系统具有以下优点：（１）提高系统的可靠性和鲁棒性；（２）扩展时间上和空间上的观测范围；（３）增强数据的可信任度，增强系统的分辨能力。

３火灾预警系统的数据融合方法多传感器数据融合方法有加权平均法、卡尔曼滤波、贝叶斯估计、统计决策理论、产生式规则、模糊逻辑、Ｓｈａｆｅｒ－Ｄｅｍｐｓｔｅｒ证据推理、神经网络等。

本系统的数据融合方法采用了经典的自适应加权融合估计算法，它的模型如图３所示。

这种数据融合方法不要求知道传感器测量数据的任何先验知识，只是靠传感器所提供的测量数据，就可得出均方误差最小的数据融合值。

因为系统中不同的传感器都有相应的加权数，在总均方误差最小这一最优条件下，根据各个传感器所得到的测量值以自适应的方式寻找其对应的权数，可使融合后的Ｘ!达到最优。

设ｎ个传感器的方差分别为σ１２、σ２２…σｎ２，各传感器的测量值分别为Ｘ１、Ｘ２…Ｘｎ，它们彼此相互独立，各传感器的加权因子分别为Ｗ１、Ｗ２…Ｗｎ，那么加权因子引入后，系统的传感器数据的融合值为：Ｘ!＝ｎｉ＝１!ＷｉＸｉ其中ｎｉ＝１!Ｗｉ＝１。

总均方差为：σ２＝ＥＸ－Ｘ!"#２$%＝Ｅｎｉ＝１!Ｗｉ２（Ｘ－Ｘｉ）２＋２Ｅｎｉ＝１，ｊ＝１，ｉ＝ｊ!ＷｉＷｊ（Ｘ－Ｘｉ）（Ｘ－Ｘｊ）因为Ｘ１、Ｘ２…Ｘｎ彼此相互独立，并且是Ｘ的无偏估计，所以：Ｅ,（Ｘ－Ｘｉ）（Ｘ－Ｘｊ）」＝０（ｉ≠ｊ，ｉ，ｊ＝１，２，…，ｎ）故σ２可以写成：σ２＝Ｅｎｉ＝１!Ｗｉ（Ｘ－Ｘｉ）２$%－ｎｉ＝１!Ｗｉ２σｉ２上式中的σ２是各加权因子Ｗｉ的多元二次函数，其最小值的求取就是加权因子Ｗ１、Ｗ２…Ｗｎ满足归一化约束条件的多元函数极值的求取。

根据多元函数求极值理论，当加权因子为：Ｗｉ′＝１σｉ２ｎｉ＝１!１σｉ２则有：σｍｉｎ２＝１ｎｉ＝１!σｉ２以上是根据各传感器在某一时刻的测量值而进行的估计，当估计真值Ｘ为常量时，则可根据各个传感器历史数据的均值来进行估计。

设Ｘ’（ｋ）＝１ｋｋｑ＝１!Ｘｑ，ｉ＝１，２，…，ｎ此时的估计值为：Ｘ’∧＝ｎｉ＝１!ＷｉＸ’ｉ（ｋ）总均方误差为：σ’２＝ＥＸ－Ｘ’∧)*２$%＝Ｅｎｉ＝１!Ｗｉ２（Ｘ－Ｘ’ｉ（ｋ））２＋２Ｅｎｉ＝１，ｊ＝１，ｉ＝ｊ!ＷｉＷｊ（Ｘ－Ｘ’ｉ）（Ｘ－Ｘ’ｊ（ｋ））同理，因为Ｘ１、Ｘ２…Ｘｎ为无偏估计，所以Ｘ’１（ｋ）、Ｘ’２（ｋ）…Ｘ’ｎ（ｋ）也一定是Ｘ的无偏估计，故：σ’２＝Ｅｎｉ＝１!Ｗｉ２Ｘ－Ｘ’ｉ（ｋ）)*２$%＝１ｋｎｉ＝１!Ｗｉ２σｉ２＝σｍｉｎ２Ｋ显而易见，σ’ｍｉｎ２＜σｍｉｎ２，而且，随着ｋ的增加，σ’２逐渐减小。

４系统的硬件总体结构４．１系统构成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、数据处理融合模块、集中控制器、报警模块、执行模块和通信模块组成。

图４为系统结构图。

在该系统中选用了日本ＦＩＧＡＲＯ公司最新开发的半导体气体传感器，有气味传感器ＴＧＳ２６００，ＣＯ传感器ＴＧＳ２４４２，Ｈ２传感器ＴＧＳ８２１，Ｏ２传感器ＫＥ－２５，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、Ｈ２、Ｏ２有较高的敏感度，甚至能检测到几个ｐｐｍ级污染气体含量。

温度传感器采用法国ＨＵＭＩＲＥＬ公司的ＨＭ１５００。

它们具有成本低、体积小、寿命长、选择性和稳定性好等特性。

以上传感器对火灾过程的多参数进行监测，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。

４．２Ｌｏｎｗｏｒｋｓ总线下数据融合的实现传感器、处理器和控制器之间采用Ｌｏｎｗｏｒｋｓ总线。

Ｌｏｎｗｏｒｋｓ技术通过提供Ｎｅｕｒｏｎ芯片、ＬｏｎＴａｌｋ协议、ＬｏｎＭａｒｋ互操作标准、Ｌｏｎｗｏｒｋｓ收发器、ＬｏｎＢｕｉｌｄｅｒ开发工具、ＬｏｎＷｏｒｋｓ网络服务体系架构ＬＮＳ和ＮｅｕｒｏｎＣ编程语言等完整平台，为设计和生产具有低成本、智能化的远程监控产品，组建造价低廉、智能分布和远程测控功能的现场总线控制网络提供了极大的便利。

在ＬｏｎＴａｌｋ协议的协调下，以往那些孤立的系统和产品可以融为一体，形成一个网络控制系统，它具有可靠性高、传输距离远等特点。

Ｎｅｕｒｏｎ神经元芯片实质为网络型微控制器，Ｎｅｕｒｏｎ芯片既能管理通信，同时又具有输入／输出以及控制的功能。

在该火灾预警系统中，利用Ｌｏｎｗｏｒｋｓ的ＮｅｕｒｏｎＣ芯片对数据进行预处理，然后用通信网络进行数据传输，再由上层的芯片对压缩的数据进行融合。

因此，神经元芯片可看作Ｌｏｎ总线的分散式通信处理器，而在数据融合理论的应用中，Ｎｅｕｒｏｎ芯片也作为多传感器的数据融合中心。

数据融合方法采用自适应加权融合估计算法，以充分提取火灾特征（参见图２）；融合处理后的传感器信息和火灾预报模型进行参考比较，再经过模糊推理系统推理就可以得出火灾的发生概率，以便及时地作出报警和推动执行机构的动作。

当判断有火灾发生时，采用紧急广播、警灯警铃等报警手段，更可以利用ＧＳＭ网络将火警信息及时地通知到管理人员或者户主的手机上；并可以根据已经设计好的联动逻辑关系，根据火灾发生情况，由区域报警控制器启动联动灭火装置，实现自动灭火。