火災報警系統(tǒng)算法

1、摘 要火災自動報警系統(tǒng)是主動防火的核心部分，它直接關系到能否將火災撲滅在萌芽狀態(tài)，是實現(xiàn)起火不成災的關鍵。它的主要部件有火災探測器、火災報警控制器。對于探測器，火災信號處理算法至關重要，更為科學的算法對減少誤報和漏報的具有十分重要的意義。本文論述了火災自動報警系統(tǒng)的各部分組成，而重點是火災信號的識別算法。對火災信號處理算法的研究對于提高火災探測器乃至整個火災自動報警系統(tǒng)可靠性的作用是不容置疑的。早期，針對某些火災參量，出現(xiàn)眾多算法，但對非線性、非結構化的火災信號，包括趨勢算法在內(nèi)的各種算法仍難以適應千變?nèi)f化的具體場景。模糊系統(tǒng)與人工神經(jīng)網(wǎng)絡都屬于一種數(shù)值化的和非數(shù)學模型的函數(shù)估計和動力學系統(tǒng)，

2、它們都能以一種不精確的方式處理不精確的信息，并獲得相對精確的結果。MLP方法是采用MLP對各種傳感器信號進行判決處理并報警的火災探測方法。隨著復合探測器的出現(xiàn)，融合多種方法的模糊神經(jīng)網(wǎng)絡算法必將在火災信息處理中發(fā)揮重要作用。目前，圍繞如何更早期地快速而準確地發(fā)現(xiàn)火災，減少火災損失，在火災報警及城市聯(lián)動滅火等各方面的技術都在迅速的發(fā)展當中。目 錄1 緒論11.1火災的危害11.2燃燒的要素和類型11.3 火災特征及火災參量11.4我國火災自動報警系統(tǒng)的現(xiàn)狀和未來22 火災信號的識別算法32.1可變窗特定趨勢算法32.2智能識別算法52.2.1 模糊邏輯在火災探測中的應用52.2.2 神經(jīng)網(wǎng)絡算法

3、92.2.3 模糊神經(jīng)網(wǎng)絡算法1123131 緒論1.1火災的危害火的應用，讓人類取得了巨大的成就，但往往失去控制的火，吞食著人們的生命和財富，破壞了生態(tài)環(huán)境，這種在時間和空間上失去人為控制，給人類造成災害的燃燒現(xiàn)象，稱為火災（Fire）。在水災、旱災、地震、風災等眾多災害中，火災造成的直接損失約為地震的5倍，而發(fā)生的頻率位居各災種之首。據(jù)公安部消防局統(tǒng)計，2014年全國共接報火災39.5萬起，死亡1817人，受傷1493人，直接財產(chǎn)損失43.9億元。剛進入2015年，在1月2日，哈爾濱市北方南勛陶瓷大市場倉庫發(fā)生火災，造成了5名消防戰(zhàn)士犧牲，14人受傷，549戶2000多名居民以及部分的臨街

4、商戶受災。1月3日，云南大理州巍山縣南詔鎮(zhèn)發(fā)生火災，這座始建于明洪武二十三年（1390年），距今已有600多年的歷史的拱辰樓被燒壞，造成不可挽回的巨大損失。5月25日20時左右，河南省魯山縣城西琴臺辦事處三里河村的一個老年康復中心發(fā)生火災，亡38人、傷6人。6月25日凌晨，鄭州市西關虎屯小區(qū)發(fā)生火災，事故已造成13人死亡、4人受傷?；馂牟粌H吞食了類的生命和財富，破壞人類賴以生存的環(huán)境和社會的穩(wěn)定，而且是常見、多發(fā)、人為因素為主的災害。1.2燃燒的要素和類型燃燒現(xiàn)象，是可燃物與氧化劑發(fā)生相互作用的一種氧化還原反應，所以產(chǎn)生火災的必要條件有可燃物、氧化劑和著火源，這稱為燃燒三要素?？扇嘉锇l(fā)生著火的

5、最低溫度稱為著火點或燃點。可燃物質(zhì)著火點（）可燃物質(zhì)著火點（）可燃物質(zhì)著火點（）甲烷537甲醇385乙炔305乙烷472乙醇363汽油390以上乙烯450一氧化碳609天燃氣530櫸木426甲醛463焦爐煤氣500表1.1 空氣中某些可燃物的著火點燃燒的類型閃燃：在一定溫度下，液體可以蒸發(fā)成蒸汽或少量固體如樟腦、聚乙烯、聚苯乙烯等表面上能產(chǎn)生足夠的可燃蒸汽，遇到火源能產(chǎn)生一閃即滅的現(xiàn)象。著火：可燃物質(zhì)發(fā)生持續(xù)燃燒的現(xiàn)象。自燃：可燃物在空氣中沒有外來火源，靠自熱和外熱而發(fā)生的燃燒現(xiàn)象。爆炸：由于物質(zhì)極具氧化或是分解反應產(chǎn)生溫度、壓力分別增加或是同時增加的現(xiàn)象。1.3 火災特征及火災參量火災是失去

6、控制的燃燒現(xiàn)象。燃燒是可燃物與氧化劑作用發(fā)生的放熱反應，通常伴有火焰、發(fā)光和（或）發(fā)煙的現(xiàn)象，所以放熱、發(fā)光和生成新物質(zhì)是火災三個主要特征。此外火災還產(chǎn)生電磁波、亞聲波等。表征這些特征的參量稱為火災參量（Fire parameter）。如：煙霧、高溫、火焰及氣體成分等。1.4我國火災自動報警系統(tǒng)的現(xiàn)狀和未來20年前，我國消防報警產(chǎn)品剛剛起步，無論產(chǎn)品技術含量、產(chǎn)品系列完整性、使用性，還是社會影響程度都是相當?shù)偷?。國外的產(chǎn)品和品牌一統(tǒng)天下，占領中國的大部分市場。2001年12月3日，強制性產(chǎn)品認證管理規(guī)定發(fā)布，消防產(chǎn)品作為強制認證，2005年開始，出臺了CCC認證產(chǎn)品各種標準。中華人民共和國消防

7、法已由中華人民共和國第十一屆全國人民代表大會常務委員會第五次會議于年月日修訂通過，自年月日起施行。改革開放以來，我國的火災自動報警系統(tǒng)經(jīng)歷了從無到有、從簡單到復雜的發(fā)展過程，其智能化程度也越來越高。雖然應用的時間并不長，但據(jù)不完全統(tǒng)計，準確報警事例已達數(shù)千次。從上世紀90年代后期才開始進入快速的發(fā)展時期。作為消防行業(yè)的一部分，消防自動報警行業(yè)是消防行業(yè)中技術含金量較高的一部分，并且還是發(fā)展最快的一部分，國際上各種消防報警設備我國消防報警行業(yè)都已能生產(chǎn)。根據(jù)慧聰網(wǎng)及慧聰消防網(wǎng)聯(lián)合調(diào)查顯示，目前國內(nèi)消防自動報警系統(tǒng)的生產(chǎn)廠家超過100家。市場集中度較高，排名前5的企業(yè)占到市場整體份額的25%左右，

8、但整體上企業(yè)規(guī)模仍是以中小企業(yè)為主，市場銷售規(guī)模保持在每年10%-15%的增長率，這說明了消防報警行業(yè)仍在成長期。在這一時期，行業(yè)內(nèi)的競爭將刺激優(yōu)勝劣汰的進程，加速了產(chǎn)品結構、企業(yè)結構乃至產(chǎn)業(yè)結構的改造和調(diào)整，極大地促進消防報警行業(yè)的快速發(fā)展。消防自動報警行業(yè)未來仍將保持較高的增長速度根據(jù)慧聰網(wǎng)預測，2013-2015年，消防報警市場仍將持續(xù)較快增長，復合增長率約在20%左右，到2015年市場規(guī)模將達到230億元。隨著現(xiàn)代科技的發(fā)展，火災探測與報警技術也在不斷提高。目前我國消防報警產(chǎn)品發(fā)展迅速且市場前景可觀，隨著其弊端的攻克以及技術的進一步完善，必將迎來更加廣闊的發(fā)展空間。作為一門多專業(yè)、多學

9、科的綜合性火災探測與報警技術，近幾年得到了迅速發(fā)展，向著高可靠、智能化、網(wǎng)絡化的超早期火災探測報警技術發(fā)展。目前具有消防報警產(chǎn)品生產(chǎn)能力的企業(yè)有海灣安全技術有限公司、北京利達華信電子有限公司、北大青鳥環(huán)宇消防設備股份有限公司、上海松江飛繁電子有限公司、深圳市泛海三江電子有限公司、深圳市泰和安科技有限公司等企業(yè)，從整個消防報警市場來看，仍是海灣安全技術有限公司，市場占有率達到13.08%。     火災報警行業(yè)經(jīng)過市場競爭、國內(nèi)國際經(jīng)濟環(huán)境因素、國家消防標準要求的提高等原因，在全國市場上作為活躍的國內(nèi)品牌有海灣、利達、青鳥、松江等；在局部市場較為活躍的有久

10、遠、泰和安、泛海三江等。進口企業(yè)有霍尼韋爾、西門子、愛德華（EST）等。目前市場上，中低端產(chǎn)品國內(nèi)企業(yè)占據(jù)壟斷地位，國外產(chǎn)品集中在高端產(chǎn)品需求上。整體市場占有率上國內(nèi)產(chǎn)品不斷地在增長。2 火災信號的識別算法火災探測器利用火災物理和化學變化過程中的各種特征參量信號的變化規(guī)律，實現(xiàn)檢測、識別的目的。煙霧、高溫等火災參量信號易受周圍環(huán)境干擾，電子線路本身往往有電子噪聲，為減少誤報，就須更好地對這些特征參量設計更好的算法?；馂男盘柼幚硭惴▽τ谔岣呋馂奶綔y器乃至整個火災自動報警系統(tǒng)可靠性的作用是至關重要的。早期火災探測器為開關量型火災探測器，且主要針對火災某一個物理參量如溫度、煙霧等進行檢測，當傳感器獲

11、取數(shù)值超過預設的閾值時，則發(fā)出報警信號。這種識別算法使得電路簡單，易于實現(xiàn)和維護，但抗干擾能力弱，誤報率高，主要用的是直觀閾值法，包括固定門限檢測法、變化率檢測法等。后來，人們發(fā)現(xiàn)火災輸出信號具有明顯的上升或下降的趨勢，因此用這種特征對火災信號進行處理，出現(xiàn)了Kendall-趨勢算法、復合Kendall-趨勢算法、特定趨勢算法、可變窗特定趨勢算法、復合特定趨勢算法。這些算法較復雜，探測可靠性更高，但無法定量確定信號變化趨勢的急劇程度，變化速率不同的兩個信號對應的趨勢值很可能相等。為此引入了斜率算法。此外，火災信號還具備另外一個特征，即信號變化的相對持續(xù)性，這是火災信號區(qū)分于同樣具有上升與下降變

12、化趨勢的瞬時脈沖等干擾信號的重要判據(jù)，因此用這一特點構建了基于持續(xù)時間算法的火災探測器。這就出現(xiàn)了單輸入偏置濾波算法，隨著多傳感器或復合傳感器技術的發(fā)展，綜合處理多個信號復合偏置濾波算法也發(fā)展起來了?；馂牡膹碗s性使得火災參量是隨著空間和時間的變化而變化，很難建立一種或幾種數(shù)學模型進行精確描述，人工神經(jīng)網(wǎng)絡與模糊系統(tǒng)都屬于一種數(shù)值化的各非數(shù)學模型的函數(shù)估計和動力學系統(tǒng)，它們都能以一種不精確的方式處理不精確的信息，并獲得相對精確的結果。尤其是將采用模糊與神經(jīng)網(wǎng)絡結合的智能算法，可大大減少火災探測誤報與漏報的可能。下面兩部分內(nèi)容，其一重點介紹可變窗特定趨勢算法，其它趨勢算法基本都包含在內(nèi)了。其二探討

13、模糊神經(jīng)網(wǎng)絡算法。2.1可變窗特定趨勢算法如圖2.1，曲線為火災發(fā)生時傳感器的煙霧或溫度的間隔抽樣輸出信號x(t)，t是離散時間變量。表2.1是圖2.1中曲線對應的離散值X(t)t圖2.1 某信號的變化趨勢特征t01234567891011121314x(t)11.31.41.61.92.02.32.92.82.52.73.23.84.25.8表2.1上圖曲線對應的離散值可見，雖然t=710區(qū)間信號略有下降，但總體上有明顯的上升趨勢。Kendall-趨勢算法最常用，首先求出Kendall-值y(n)如下： （2.1）式中，N是用于觀測數(shù)據(jù)的窗長，u(x)為單位階躍函數(shù)，如式2.2所示。ux=1

14、， x00，x<0 （2.2）N是一個非常重要的參數(shù)，它值的選擇直接影響信號趨勢計算的效果。窗長短，趨勢值對信號變化很敏感，窗長短，則計算出的趨勢值較平滑。為了能同時表征并計算信號的正、負兩種變化趨勢，定義一個符號函數(shù)如下式2.3：sqnx=1, x>00, x=0-1, x<0 (2.3)為了在趨勢計算中讓體現(xiàn)階躍變化的信號，如火災時劇烈增加的顆粒濃度、溫度等，將兩個傳感器的輸出信號xi(h)(i=1,2)進行映射變換，如2.4式min=,min-1+k, xin-mi(n-1)>kxin, |xin-min-1|kmin-1-k, xin-min-1<-k （

15、2.4）參數(shù)k決定了信號變化的最大（或最?。┥仙ɑ蛳陆担┧俾?。綜合以上2.3和2.4式，得到復合探測器的Kendall-值如下yn=N-1i=0N-2j=iN-1sqnm1n-i-m1n-j*sqnm2n-i-m2n-j （2.5）這里m1(n)與m2(n)可以是煙霧與溫度信號，也可以是其它信號，多種信號檢測增加了可靠性與準確性。以上的趨勢檢測算法沒有考慮信號的穩(wěn)態(tài)值，未能區(qū)分信號變化位于穩(wěn)定值上方還是下方。根據(jù)探測器輸出在穩(wěn)態(tài)值以上的正趨勢或穩(wěn)態(tài)值以下的負趨勢進行判斷是否發(fā)生火災的算法，稱為特定趨勢算法。這就有必要引入信號的穩(wěn)態(tài)值（記作RW），為克服趨勢探測器抗干擾較弱的缺點，有必要定義兩

16、個新的符號函數(shù)sqn1(x)和sqn2(x)sqn1x=1, x>S0, -SxS-1, x<-Ssqn2x=1, x>10, -1x1-1, x<-1 （2.6）另外，為使趨勢計算隨信號的不同特征而變化，將窗長N分為兩部分，一部分取固定的較小值，以便快速檢測到信號，另一部分為變化值，隨信號趨勢而逐漸增大，需要引入累加函數(shù)k(n)k(n+1)=kn+1uyn-st, st>0 kn+1ust-yn, st<0 （2.7）式中，st為預警值，u(x)為單位階躍函數(shù)。因此，趨勢計算中總的計算窗長為N=N+k(n)下面就是以 N為窗長的可變窗長特定趨勢算法，計算式

17、為：yn=i=0N+k(n-1)-2j=iN+kn-1-1sqn2sqn1xn-i-xn-j+sqn1xn-i-RW（2.8）2.2智能識別算法火災的復雜性除了事件的隨機性特征，還在于相同的材料在不同的環(huán)境下具有不同的著火溫度，相同的環(huán)境不同的材料，著火條件也不一樣，人類的活動以及環(huán)境的變化事先也無法確定，所以實際的火災參量是隨著空間和時間的變化而變化著的，很難建立一種或幾種數(shù)學模型進行精確描述。模糊系統(tǒng)與人工神經(jīng)網(wǎng)絡都屬于一種數(shù)值化的、非數(shù)學模型的函數(shù)估計和動力學系統(tǒng)。利用火災多種信號作為輸入，采用智能算法，可大大減少火災探測誤報與漏報的可能。2.2.1 模糊邏輯在火災探測中的應用 1 模糊

18、控制的概述在傳統(tǒng)的控制領域里，控制系統(tǒng)動態(tài)模式的精確與否是影響控制優(yōu)劣的最主要關鍵，系統(tǒng)動態(tài)的信息越詳細，則越能達到精確控制的目的。然而，對于復雜的系統(tǒng)，由于變量太多，往往難以正確的描述系統(tǒng)的動態(tài)。換言之，傳統(tǒng)的控制理論對于明確系統(tǒng)有強而有力的控制能力，但對于過于復雜或難以精確描述的系統(tǒng)，則顯得無能為力了。因此便嘗試著以模糊數(shù)學來處理這些控制問題。“模糊”是人類感知萬物，獲取知識，思維推理，決策實施的重要特征?！澳：北取扒逦彼鶕碛械男畔⑷萘扛螅瑑?nèi)涵更豐富，更符合客觀世界。模糊邏輯控制(Fuzzy Logic Control)簡稱模糊控制(Fuzzy Control)，是以模糊集合論、模糊

19、語言變量和模糊邏輯推理為基礎的一種計算機數(shù)字控制技術。1965年，美國的L.A.Zadeh創(chuàng)立了模糊集合論；1973年他給出了模糊邏輯控制的定義和相關的定理。1974年，英國的E.H.Mamdani首次根據(jù)模糊控制語句組成模糊控制器，并將它應用于鍋爐和蒸汽機的控制，獲得了實驗室的成功。這一開拓性的工作標志著模糊控制論的誕生。模糊控制實質(zhì)上是一種非線性控制，從屬于智能控制的范疇。模糊控制的一大特點是既有系統(tǒng)化的理論，又有大量的實際應用背景。模糊控制的發(fā)展最初在西方遇到了較大的阻力；然而在東方尤其是日本，得到了迅速而廣泛的推廣應用。近20多年來，模糊控制不論在理論上還是技術上都有了長足的進步，成為

20、自動控制領域一個非?；钴S而又碩果累累的分支。其典型應用涉及生產(chǎn)和生活的許多方面，例如在家用電器設備中有模糊洗衣機、空調(diào)、微波爐、吸塵器、照相機和攝錄機等；在工業(yè)控制領域中有水凈化處理、發(fā)酵過程、化學反應釜、水泥窯爐等；在專用系統(tǒng)和其它方面有地鐵靠站停車、汽車駕駛、電梯、自動扶梯、蒸汽引擎以及機器人的模糊控制。模糊控制是以模糊集合論、模糊語言變量及模糊推理為基礎的一種計算機數(shù)字控制。它基于被控系統(tǒng)的物理特性，模擬人的思維方式和人的控制經(jīng)驗來實現(xiàn)的一種智能控制。經(jīng)典控制理論對那些復雜、不能精確建立數(shù)字模型的被控對象經(jīng)常是無能為力的，所以很多人一直在思考，對于這一類被控過程，能否讓計算機模擬人的思維

21、方式，接受人的操作規(guī)則去進行控制呢？回答是可能的，模糊控制正式源于這種樸素的思想。2 模糊控制的結構與算法模糊控制系統(tǒng)的原理框圖如圖2-2所示。 圖2-2 模糊控制原理框圖可以看出其結構與一般計算機數(shù)字控制系統(tǒng)基本類似。只是其控制器為模糊控制器。模糊控制系統(tǒng)由以下幾部分組成：輸入輸出接口、執(zhí)行機構、檢測裝置、被控對象及模糊控制器。模糊控制器是模糊控制系統(tǒng)的核心，也是模糊控制系統(tǒng)區(qū)別于其他自動控制系統(tǒng)的主要標志，下面對模糊控制器三個主要階段做簡要的介紹：第一，輸入模糊化。模糊化是把系統(tǒng)輸入的精確量轉化為模糊控制器中所需的模糊量的過程，為了完成輸入的模糊化，我們必須知道輸入精確值對模糊集的隸屬函數(shù)

22、（這里不作說明）。模糊集的個數(shù)可根據(jù)被控對象的不同而不同，例如，可分成正大，正中，正小，零，負小，負中，負大七種。隸屬函數(shù)的形狀可根據(jù)實際情況而定，要求不高的一般可取三角形或梯形。第二，模糊推理決策。模糊控制器的主要工作是依據(jù)語言規(guī)則進行模糊推理決策。因此在進行模糊規(guī)則推理之前，先要指定好語言控制規(guī)則。實際上控制規(guī)則是根據(jù)操作者或專家的經(jīng)驗知識來確定的，它們也可以在試驗過程中不斷進行修正和完善。規(guī)則的形式很像計算機程序設計語言常用到的條件語句“IFTHEN”。模糊控制規(guī)則隨著模糊控制器的輸入輸出維數(shù)的不同采用不同的形式。（1）單輸入單輸出型：其控制規(guī)則為 IF X=A, THEN Y=B。（2

23、) 多輸入單輸出型：其控制規(guī)則為 IF X1=A1,AND(OR) X2=A2,AND(OR)XN=AN,THEN Y=B。（3) 多輸入多輸出型：IF X1=A1, AND(OR) X2=A2,AND(OR)XN=AN,THEN Y=B1，AND(OR)Y2=B2,AND(OR)YN=BN。這里的AND和OR在模糊推理中相應于“交”“并”運算。第三，逆模糊化。輸出逆模糊化就是將語言表達的模糊量恢復到精確的數(shù)值，也就是根據(jù)輸出模糊子集的隸屬度計算出確定的數(shù)值。下面介紹三種主要的方法（1）最大隸屬度法：這種方法就是選取模糊子集隸屬度最大的元素作為控制量。如果最大點有幾個，則取它們的平均值。例如有

24、兩個模糊子集分別為， ,在U1中，元素1的隸屬度最大，則取u=1為輸出量；而在U2中，元素0和1的隸屬度都為最大，則取u=(0+1)/2=0.5作為輸出量。選擇最大隸屬度方法簡單易行，算法實時性好，但它利用的信息量較少，會引起一定的不確定性。(2）加權平均法：此法又稱重心法，有兩種形式。第一種是普通加權平均法，其控制量的精確值u由下式?jīng)Q定：.第二種是算術加權平均法，其控制量的精確值u由下式求出: ,其中k的選擇可根據(jù)實際情況來決定。（3）取中位法：為了充分利用所有信息，求出將模糊集隸屬函數(shù)曲線與橫坐標之間的面積平分為兩等的數(shù)，用此數(shù)作為逆模糊化的結果。模糊控制的算法步驟(1) 根據(jù)當前采樣得到

25、的系統(tǒng)的輸出值，計算所選擇的系統(tǒng)的輸入變量。(2) 將輸入變量的精確值變?yōu)槟：浚茨：幚怼?3）根據(jù)輸入模糊變量及模糊控制規(guī)則，按模糊推理合成規(guī)則計算控制模糊量，即進行推理決策。(4）由上述得到的控制模糊量計算精確的控制量，即模糊化處理。 模糊控制在檢測系統(tǒng)中的應用模糊數(shù)學模仿人腦邏輯思維的特點進行分析判斷，具有對不確定性，不完全模糊信息的處理能力，能獲取并融合多源信息。對于涉及人的自身知識和經(jīng)驗測量問題，傳統(tǒng)的檢測難以進行，而模糊檢測則顯示出其獨特的優(yōu)越性。傳統(tǒng)的測量通過試驗和計算直接給出被測量的數(shù)值描述，但在工程實際中會存在不確定性和復雜性，一些重要的信息難以通過傳感器直接測出或通過

26、函數(shù)關系間接求出，而只能根據(jù)人們的先驗知識并經(jīng)過人腦的推理過程才能得出正確的結論。4 單輸入火災探測信號的模糊處理使用模糊邏輯方法進行火災信號處理，首先應定義判斷規(guī)則。以模糊處理煙霧探測信號為例，模糊邏輯可以對一定時間內(nèi)的煙霧濃度信號進行火災和非火災的判斷識別，以控制報警延遲時間，圖2-3顯示了對某光電煙霧探測器輸出信號的延遲時間控制。圖2-3煙感輸出信號的延遲時間為了實現(xiàn)其控制過程，定義輸入變量表如表2-2所示。X定義1減光率從1.0%上升到5.0%2從5.0%上升到10.0%（報警）3報警前1min的煙霧平均濃度4報警前3min的煙霧平均濃度5報警前1min內(nèi)前30s和后30s的平均煙霧濃

27、度差表2-2 模糊邏輯變量函數(shù)處理過程為：(1) 首先判斷輸入信號的大小，根據(jù)其大小做出火災或非火災的，對于大和小的隸屬函數(shù)可采用梯形分布。(2) 做火災或非火災的邏輯判斷，由輸入變量進行模糊邏輯“與”運算，得到輸出變量的隸屬度，然后對隸屬度進行判斷，即模糊化處理。(3）根據(jù)輸入隸屬度確定延遲時間的長短。若隸屬度>0.5, 判斷為火災，延遲10s；若隸屬度0.5，判斷為非火災，延遲20s-50s。(4）在判斷延遲期間，采用非模糊邏輯方法判斷，如果輸入信號減小，則輸出非火災，如果輸入信號增大，則輸出火災。當延遲結束時，輸入信號仍維持報警水平，則發(fā)出報警信號。5 復合火災量算法的模糊處理設輸

28、入煙霧信號為XR(n),溫度信號為XT(n)，火災量計算門限為SRB,對于煙霧信號火災量計算，有 BRn=BRn-1+XRn-SRB, SRB<XRn 0, SRB<XRn （2.9)設溫度火災量計算門限為STR，考慮到一般使用暖氣等人為因素造成的溫度變化十分緩慢，因此溫度的火災量計算應該在一段區(qū)間內(nèi)考慮，既有BTn=BTn-1+XTn-XTn-1, tpo的系統(tǒng)，由于變量太多，往往難以正確的描述系統(tǒng)的動態(tài)，1010101010101010101010101010101010101010101010101010101010101010101010101010101010101010

29、10101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010101010XTn-XTn-1 STB0, XTn-XTn-1 STB （2.10)計算區(qū)間條件為XTn-k-XTn-k-10,0k<L ，L為區(qū)間長度。對于火災量大小的判斷采用模糊集定義方法，選定煙霧和溫度信號火災量“大”的隸屬函數(shù)分別如圖2-4和2-5所示。圖2-4中定義了兩種煙霧火災量隸屬函數(shù)12，相當于兩級火災報警處理。 圖2-4 煙霧火災量“大”的隸屬函數(shù) 圖2-5 溫度火災量“大”的

30、隸屬函數(shù) 設最后的火災報警門限為S，模糊邏輯輸出：Zn=maxmin1BRN,tBTN,2BRN （ 2. 11）當經(jīng)過模糊邏輯運算后所得結果Z(n)超過門限S時，探測器輸出火災警報。2.2.2 神經(jīng)網(wǎng)絡算法BP（Back Propagation）網(wǎng)絡是一種按誤差逆向傳播算法訓練的多層前饋網(wǎng)絡，是目前應用最廣泛的神經(jīng)網(wǎng)絡模型之一。BP網(wǎng)絡能學習和存貯大量的輸入-輸出模式映射關系，而無需事前揭示描述這種映射關系的數(shù)學方程。它的學習規(guī)則是使用最速下降法，通過反向傳播來不斷調(diào)整網(wǎng)絡的權值和閾值，使網(wǎng)絡的誤差平方和最小。BP神經(jīng)網(wǎng)絡模型拓撲結構包括輸入層、隱含層和輸出層。輸入層各神經(jīng)元負責接收來自外界

31、的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負責信息變換，根據(jù)信息變化能力的需求，中間層可以設計為單隱含層或者多隱含層結構；最后一個隱含層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進一步處理后，完成一次學習的正向傳播處理過程，由輸出層向外界輸出信息處理結果。當實際輸出與期望輸出不符時，進入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權值，向隱含層、輸入層逐層反傳。周而復始的信息正向傳播和誤差反向傳播過程，是各層權值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡學習訓練的過程，此過程一直進行到網(wǎng)絡輸出的誤差減少到可以接受的程度，或者預先設定的學習次數(shù)為止。1 BP神經(jīng)網(wǎng)絡的結構及算法BP網(wǎng)絡可以有多層，但為敘述簡捷以三層為例導出計算公式。設BP網(wǎng)絡為三層網(wǎng)絡，輸入神經(jīng)元以i編號，隱蔽層神經(jīng)元以j編號，輸出層神經(jīng)元以k編號，示意圖如圖2-3所示，其具體形式在下面給出，隱蔽層第j個神經(jīng)元的輸入為：，第j個神經(jīng)元的輸出為，輸出層第k個神經(jīng)元的輸入為，相應的輸出為，式中g為sigmoid型函數(shù)，g(x)=,式中為閾值或偏置值。0則使sigmoid曲線沿橫坐標左移，反之則右移。因此，各神經(jīng)元的輸出應為、輸入層隱蔽層輸出層 圖2-3 神經(jīng)網(wǎng)絡結構圖BP網(wǎng)絡學習過