分布式火灾自动报警系统的探测算法.docVIP

分布式火灾自动报警系统的探测算法 1 引言 随着模拟量火灾探测系统的出现 2 火灾探测信息处理算法的实现方式 火灾探测算法在模拟量火灾探测系统中十分重要，而实现火灾探测信息处理算法的方式[1]也是不可忽视的问题，它直接关系到火灾探测系统的响应速度、可靠性、兼容性、维护和升级及成本等性能指标。火灾探测算法的实现方式可分为以下三种：集中式、探测器式和分布式。 ① 集中式信息处理方式：指信息处理算法软件设置在火灾报警控制器中的微处理器内，探测器随时将采集到的信号传递给控制器，控制器分别对这些信号进行处理，根据处理结果输出报警或非报警信息。 ② 探测器信息处理方式：将信息处理算法软件设置在探测器中的微处理器内，探测器不再需要向控制器传送传感信息，只需传送火灾或非火灾的开关量信号。 ③ 分布式信息处理方式：分布式信息处理是前面两种信息处理方式的结合。它是在探测器和控制器中均设置微处理器和相应的信息处理算法软件，探测器采集的信号首先在探测器内进行预处理(如信号滤波等)，然后进行初步的火灾判断，探测器平时只需向控制器传送开关量正常或异常信息，异常时控制器调取探测器的信息进行进一步的分析判断。 总体上，分布式综合了集中式和探测器信息处理方式的优点，具有信息处理灵活、可靠性高、兼容性好、抗干扰能力强、软件升级方便等特点。它代表了当今智能传感技术的发展方向, 具有极其广泛的应用前景。 3 基于分布式信息处理的火灾探测算法 单传感器的火灾探测系统，不可避免的会受到环境的干扰，系统的高误报率问题比较突出。对于任何探测对象，单用一方面信息来反映其状态行为都是不完整的，只有从多方面获得关于同一对象的多维信息，并加以融合利用，才能对其进行准确的探测。因此多判据的火灾探测方法[2] [3] [4] [5]成为目前火灾探测领域的主要研究方向。它不是原有单一参数火灾探测器的简单“与”，“或”组合，而是实施多元同步探测，对两种或两种以上火灾参数进行综合处理，以判断是否存在火灾危险。本文选用的火灾特征参数为温度，烟雾浓度，CO浓度。 3.1 探测器内的信息处理 3.1.1 信息的局部决策 探测器首先对单个特征信息进行分析，做出局部决策。只有判断为异常时，才提示火灾报警控制器对该探测器内的同组特征信息进行提取。这样可大大减少火灾报警控制器的火灾特征信息的计算处理量，提高系统整体性能。 在不同的探测区域、不同时间段，正常环境中各参量的含量各不相同。因此，局部决策采用了变阈值算法，根据实测单位时间段的参量平均值，实时调整判决门限。公式如下： （1） 其中， ——参量j的局部决策结果； ——单位阶跃函数； ——参量j的输入值； ——单位时间段内参量j实际测量值的平均值； ——标准环境下参量j的实验基准值； ——参量j的基准门限； 但环境修正值不能无限的增大，其值超过1.2以后，则可认为探测器故障。 当局部决策结果中任意一个出现输出为1时，则表示温度、烟雾或CO信号中出现异常情况，提示控制器对该保护区域同组的特征信息进行提取，进行火灾特征识别。 3.1.2 特征量的归一化 在不同的条件下，各参量值集中的范围也各不相同。为了使各类特征参量所起作用大致相等，需对特征参量进行归一化处理。另外，不同的可燃物燃烧，同一种参量值有时也相差很大，而对于火灾探测而言，并不须对可燃物类型进行区分。因此，为了防止大数值掩盖了小数值，在归一化的同时，还需对特征量最大值进行了限幅。 计算公式如下： （2） 其中， ——参量j输入的归一化的值； ——根据实验数据确定的参量j的限幅值； ——参量j的基准门限； ——参量j的输入值； ——单位时间段内参量j实际测量值的平均值； ——标准环境下参量j的实验基准值； 3.2火灾报警控制器内的信息处理 火灾报警控制器将探测器送来的各种特征信息，运用模式识别的方法进行融合，实现多元特征向量的关联，完成目标对象特征的识别。在火灾的过程中，阴燃火和明火作为火情的两种状态，其表现特征有明显的不同，所要求的救灾措施也不尽相同。因此，本文将阴燃火和明火分别作为识别目标对象。 3.2.1 识别算法研究 为了使所用的识别算法符合火灾探测的要求，需对火灾的特点进行分析。首先，火灾具有确定性规律，对于确定的条件，我们可以获得确定的火灾特征参数变化曲线。我们能以这些特征参数曲线作为学习范例，将现场的探测值与我们知识库中的范例进行比较，从而判断火灾的可能性。火灾同样具有随机性规律，在千变万化的环境中，无论多少学习范例都不能完全的满足实际需求。因此，火灾探测算法需要根据有限的知识推测更多的情况。另外，在使用过程中，要求算法能有较快的处理速度。 综合上面的分析，可以总结出