CN104200599B - 公交车多传感器火灾检测方法 - Google Patents

Abstract

公交车多传感器火灾检测方法，采用一氧化碳传感器、二氧化碳传感器、温度传感器、烟雾传感器、电流传感器、火焰传感器，通过对采集连续数据的离散化获取的支持向量机模型，得出每一个传感器所检测到公交车发生火灾危险的概率，最后通过D-S证据理论对所有传感器检测结果进行信息融合，分别计算多传感器信息融合后公交车发生火灾危险的概率分配函数，并通过公交车发生火灾危险的概率做出预警提示。

Description

公交车多传感器火灾检测方法

技术领域

本发明涉及的是一种多传感器火灾检测领域的方法，具体是一种公交车火灾检测方法。

背景技术

公交车作为广大市民出行的主要交通方式，具有不可替代的作用。公交车也随着电控系统的复杂化、集成化不断提高，再加上城市高温天气不断增加，公交车在运行时发生火灾事故的案例也不断增加。公交车由于具有人员密集、可燃物分布广、运行路线复杂等特点，造就了公交车在发生火灾时人员疏散困难、燃烧速度快、扑救特别困难，从而对乘客的生命财产安全构成巨大的威胁，不利于城市交通的正常运行，具有严重的社会危害性。

目前，我国对公交车火灾检测预警的研究还比较初步，对于公交车火灾预警主要采用单参量或者多参量使用阀值比较法分别检测预警的方法，例如在车辆内设置烟雾探测器、温度传感器、视频监控等，而使用单一传感活多传感器对分别公交车火灾检测具有准确率很低、使用环境单一、检测实时性差、不能适应恶劣工作环境等特点，不能有效的对公交车火灾危险进行检测预警。

发明内容

本发明要克服目前采用单参量或者多参量使用阀值比较法分别检测预警的方法无法实现对公交车火灾进行准确、及时的检测和识别，致使公交车火灾事故频发的问题，提出一种通过多传感器信息融合，对公交车火灾危险等级进行分类并做出预警的公交车火灾判别方法。

本发明专利采用一氧化碳传感器、二氧化碳传感器、温度传感器、烟雾传感器、电流传感器、火焰传感器，通过对采集连续数据的离散化获取的支持向量机模型，得出每一个传感器所检测到公交车发生火灾危险的概率，最后通过D-S证据理论对所有传感器检测结果进行信息融合，分别计算多传感器信息融合后公交车发生火灾危险的概率分配函数，并通过公交车发生火灾危险的概率做出预警提示。

本发明所述的公交车多传感器火灾检测方法，具体包括如下步骤：

步骤1，采集分布在公交车内合适位置的传感器信息，并通过研究分析对公交车火灾自燃危险作出评估结果，将采集的数据和评估结果一同存储在信息表集合U＝{x₁,x₂,x₃,x₄,x₅,x₆,d}中，其中x₁，x₂、x₃、x₄、x₅、x₆分别表示一氧化碳浓度、二氧化碳浓度、温度、烟雾浓度、电流强度、是否有火焰，d∈{0,1}表示危险情况，0表示安全，1表示有火灾危险。

步骤2，对采集的信息表数据进行归一化处理，运用聚类算法结合不相容度一致原则得出不同类型数据信息不同的离散化方式，然后对不同类型数据信息进行编码。

计算步骤如下：

21.将火灾检测第i个参量x_i(i＝1,2,…,5)的检测值，投影到区间[0，10]上，计算方法如下

${x_i}^{\′}=\frac{x_i}{s_i}\×10$

其中x_i表示第i个参量的检测值，s_i表示第i个参量的检测量程，x_i′表示第i个参量的投影值。

22.通过样本分析，预定聚类阀值δ＝8、所有检测参量不相容度的估计值(样本中条件属性一致而危险等级不同的概率称为不相容度)、不相容度的允许误差β＝0.001。

23.对于i＝1,2,…,5，重复

a)通过层次聚类法得到区间[0,10]关于x_i′的一种划分；

b)计算按划分离散化后的参量x_i″的不相容度α_i；

c)判断是否成立？若成立i＝i+1；否则转如步骤d；

d)若则减小聚类阀值δ；若则增大聚类阀值δ，并转至步奏a；

e)对离散后的参量检测值用离散数据进行编码。

24.通过以上处理，得出检测参量的一组不相容度合理的划分方式为x₁″∈{x|0≤x≤8,x∈N}、x₂″∈{x|0≤x≤5,x∈N}、x₃″∈{x|0≤x≤5,x∈N}、x₄″∈{x|0≤x≤10,x∈N}、x₅″∈{x|0≤x≤4,x∈N}、x₆″∈{x|0≤x≤2,x∈N}。

步骤3，通过离散化后的公交车火灾危险信息表，求出支持向量机模型，获取某一时间段某个检测参量判别公交车发生某一火灾自燃危险的概率。

其具体的处理步骤包括如下步骤：

31.求出支持向量机分类超平面，求得分类函数，例如CO浓度对应的分类函数

f(x)＝sgn(0.2867x-0.95)

32.在时间周期T＝1s内，对公交车火灾检测参量各检查f＝5次，求出所有检测参量判别的自燃危险概率，算法如下

$m_i=\frac{\underset{j=1}{\overset{5}{\mathrm{\Σ}}}{f}_i\left(x_{\mathrm{ij}}^{\′\′}\right)}{5}$

其中x″_ij为第i(i＝1,2,…,6)个检测参量在周期内第j(j＝1,2,3,4,5)次检测的离散化结果、f_i为第i个检测参量的分类函数，m_i为第i个检测参量指示公交车火灾自燃危险的概率。

步骤4，将上述所得的不同检测参量得出的公交车火灾危险概率运用D-S信息合成算法，得出多传感器信息融合后的公交车火灾危险等级概率。

更进一步的多传感器信息融合算法如下：

$[m_p\⊕m_q]\left(E\right)=\left\{\begin{array}{cc}0& E=\mathrm{\φ}\\ \frac{\underset{X\∩Y\≠E}{\mathrm{\Σ}}{m}_p\left(X\right)m_q\left(Y\right)}{1-k}& E\≠\mathrm{\φ}\end{array}\right.$

其中，式中m_p(X)为第p(p＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝X(X＝0，1)的概率，m_q(Y)为第q(q＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝Y(Y＝0，1)的概率，E(E＝0，1)为检测结果，[m_p⊕m_q](E)为第p个检测参量和第q个检测参量共同指示检测结果为E的概率。

所有检测参量的判别融合规则是m＝{[(m₁⊕m₂)⊕m₃]⊕…}⊕m₆

步骤5，根据多传感器信息融合后的公交车火灾危险等级概率，设置公交车火灾危险预警的阀值α，当公交车火灾危险等级概率m>α时，即进行公交车火灾危险预警。

所述α的范围是：0.3-0.5。

本发明的有益效果是：通过采取层次聚类法对采集的信息表数据进行离散化处理，可以有效降低由于各检测参量噪声造成的检测系统对公交车火灾危险误报的情况，并且保证了采集检测参量信息的可靠性；本方法采用支持向量机法对不同检测参量的危险预警概率进行赋值，可以降低在一般检测方法中由于操作人员误操作或者专家判断不准确造成的人为误差；本方法可以对多传感器检测的多个参量进行融合处理，得出融合后的检测结果，能提高公交车火灾检测的准确率；此D-S多传感器融合方法能分辨主要检测参量和次要检测参量，在某个或者少数几个传感器出现故障时依然能工作，能够适应公交车发动机舱等恶劣的工作环境，保证检测数据的可靠性，并能保证判别结果的真实可靠、判别准确。所以此检测方法，通过对多传感器信息进行融合并作出预警，可以有效降低公交车发生火灾的频率及火灾造成的损失。

附图说明

图1本发明的采集连续数据离散化流程图

图2本发明的支持向量机工作流程图

图3本发明的工作流程图

具体实施方式

参照附图：

本发明所述的公交车多传感器火灾检测方法，，具体包括如下步骤：

步骤1，采集分布在公交车内合适位置的传感器信息，并通过研究分析对公交车火灾自燃危险作出评估结果，将采集的数据和评估结果一同存储在信息表集合U＝{x₁,x₂,x₃,x₄,x₅,x₆,d}中，其中x₁，x₂、x₃、x₄、x₅、x₆分别表示一氧化碳浓度、二氧化碳浓度、温度、烟雾浓度、电流强度、是否有火焰，d∈{0,1}表示危险情况，0表示安全，1表示有火灾危险。

步骤2，对采集的信息表数据进行归一化处理，运用聚类算法结合不相容度一致原则得出不同类型数据信息不同的离散化方式，然后对不同类型数据信息进行编码。

计算步骤如下：

24.将火灾检测第i个参量x_i(i＝1,2,…,5)的检测值，投影到区间[0，10]上，计算方法如下

${x_i}^{\′}=\frac{x_i}{s_i}\×10$

其中x_i表示第i个参量的检测值，s_i表示第i个参量的检测量程，x_i′表示第i个参量的投影值。

25.通过样本分析，预定聚类阀值δ＝8、所有检测参量不相容度的估计值(样本中条件属性一致而危险等级不同的概率称为不相容度)、不相容度的允许误差β＝0.001。

26.对于i＝1,2,…,5，重复

a)通过层次聚类法得到区间[0,10]关于x_i′的一种划分；

b)计算按划分离散化后的参量x_i″的不相容度α_i；

c)判断是否成立？若成立i＝i+1；否则转如步骤d；

d)若则减小聚类阀值δ；若则增大聚类阀值δ，并转至步奏a；

e)对离散后的参量检测值用离散数据进行编码。

24.通过以上处理，得出检测参量的一组不相容度合理的划分方式为x₁″∈{x|0≤x≤8,x∈N}、x₂″∈{x|0≤x≤5,x∈N}、x₃″∈{x|0≤x≤5,x∈N}、x₄″∈{x|0≤x≤10,x∈N}、x₅″∈{x|0≤x≤4,x∈N}、x₆″∈{x|0≤x≤2,x∈N}。

步骤3，通过离散化后的公交车火灾危险信息表，求出支持向量机模型，获取某一时间段某个检测参量判别公交车发生某一火灾自燃危险的概率。

其具体的处理步骤包括如下步骤：

32.求出支持向量机分类超平面，求得分类函数，例如CO浓度对应的分类函数

f(x)＝sgn(0.2867x-0.95)

32.在时间周期T＝1s内，对公交车火灾检测参量各检查f＝5次，求出所有检测参量判别的自燃危险概率，算法如下

$m_i=\frac{\underset{j=1}{\overset{5}{\mathrm{\Σ}}}{f}_i\left(x_{\mathrm{ij}}^{\′\′}\right)}{5}$

其中x″_ij为第i(i＝1,2,…,6)个检测参量在周期内第j(j＝1,2,3,4,5)次检测的离散化结果、f_i为第i个检测参量的分类函数，m_i为第i个检测参量指示公交车火灾自燃危险的概率。

步骤4，将上述所得的不同检测参量得出的公交车火灾危险概率运用D-S信息合成算法，得出多传感器信息融合后的公交车火灾危险等级概率。

更进一步的多传感器信息融合算法如下：

$[m_p\⊕m_q]\left(E\right)=\left\{\begin{array}{cc}0& E=\mathrm{\φ}\\ \frac{\underset{X\∩Y\≠E}{\mathrm{\Σ}}{m}_p\left(X\right)m_q\left(Y\right)}{1-k}& E\≠\mathrm{\φ}\end{array}\right.$

其中，式中m_p(X)为第p(p＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝X(X＝0，1)的概率，m_q(Y)为第q(q＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝Y(Y＝0，1)的概率，E(E＝0，1)为检测结果，[m_p⊕m_q](E)为第p个检测参量和第q个检测参量共同指示检测结果为E的概率。

所有检测参量的判别融合规则是m＝{[(m₁⊕m₂)⊕m₃]⊕…}⊕m₆

步骤5，根据多传感器信息融合后的公交车火灾危险等级概率，设置公交车火灾危险预警的阀值α，当公交车火灾危险等级概率m>α时，即进行公交车火灾危险预警。

所述α的范围是：0.3-0.5。

本说明书实施例所述的内容仅仅是对发明构思的实现形式的列举，本发明的保护范围不应当被视为仅限于实施例所陈述的具体形式，本发明的保护范围也及于本领域技术人员根据本发明构思所能够想到的等同技术手段。

Claims (1)

1.公交车多传感器火灾检测方法，具体包括如下步骤：

步骤1，采集分布在公交车内合适位置的传感器信息，并通过研究分析对公交车火灾自燃危险作出评估结果，将采集的数据和评估结果一同存储在信息表集合U＝{x₁,x₂,x₃,x₄,x₅,x₆,d}中，其中x₁，x₂、x₃、x₄、x₅、x₆分别表示一氧化碳浓度、二氧化碳浓度、温度、烟雾浓度、电流强度、是否有火焰，d∈{0,1}表示危险情况，0表示安全，1表示有火灾危险；

步骤2，对采集的信息表数据进行归一化处理，运用聚类算法结合不相容度一致原则得出不同类型数据信息不同的离散化方式，然后对不同类型数据信息进行编码；

计算步骤如下：

21.将火灾检测第i个参量x_i(i＝1,2,…,5)的检测值，投影到区间[0，10]上，计算方法如下

${x_i}^{\′}=\frac{x_i}{s_i}\×10$

其中x_i表示第i个参量的检测值，s_i表示第i个参量的检测量程，

x_i′表示第i个参量的投影值；

22.通过样本分析，预定聚类阀值δ＝8、所有检测参量不相容度的估计值(样本中条件属性一致而危险等级不同的概率称为不相容度)、不相容度的允许误差β＝0.001；

23.对于i＝1,2,…,5，重复

a)通过层次聚类法得到区间[0,10]关于x_i′的一种划分；

b)计算按划分离散化后的参量x_i″的不相容度α_i；

c)判断是否成立？若成立i＝i+1；否则转入步骤d；

d)若则减小聚类阀值δ；若则增大聚类阀值δ，并转至步骤a；

e)对离散后的参量检测值用离散数据进行编码；

24.通过以上处理，得出检测参量的一组不相容度合理的划分方式为x₁″∈{x|0≤x≤8,x∈N}、x₂″∈{x|0≤x≤5,x∈N}、x₃″∈{x|0≤x≤5,x∈N}、x₄″∈{x|0≤x≤10,x∈N}、x₅″∈{x|0≤x≤4,x∈N}、x₆″∈{x|0≤x≤2,x∈N}；

步骤3，通过离散化后的公交车火灾危险信息表，求出支持向量机模型，获取某一时间段某个检测参量判别公交车发生某一火灾自燃危险的概率；

其具体的处理步骤包括如下步骤：

31.求出支持向量机分类超平面，求得分类函数，CO浓度对应的分类函数为

f(x)＝sgn(0.2867x-0.95)

32.在时间周期T＝1s内，对公交车火灾检测参量各检查f＝5次，求出所有检测参量判别的自燃危险概率，算法如下

$m_i=\frac{\underset{j=1}{\overset{5}{\Σ}}{f}_i\left(x_{ij}^{\′\′}\right)}{5}$

其中x″_ij为第i(i＝1,2,…,6)个检测参量在周期内第j(j＝1,2,3,4,5)次检测的离散化结果、f_i为第i个检测参量的分类函数，m_i为第i个检测参量指示公交车火灾自燃危险的概率；

步骤4，将上述所得的不同检测参量得出的公交车火灾危险概率运用D-S信息合成算法，得出多传感器信息融合后的公交车火灾危险等级概率；

更进一步的多传感器信息融合算法如下：

$\[m_p\⊕m_q\]\left(E\right)=\left\{\begin{array}{cc}0& E=\mathrm{\φ}\\ \frac{\underset{X\∩Y\≠E}{\Σ}{m}_p\left(X\right)m_q\left(Y\right)}{1-k}& E\≠\mathrm{\φ}\end{array}\right.$

其中， $k=\underset{X\∩Y=\mathrm{\φ}}{\Σ}{m}_1\left(X_i\right)m_2\left(Y_j\right);$ 式中m_p(X)为第p(p＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝X(X＝0，1)的概率，m_q(Y)为第q(q＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝Y(Y＝0，1)的概率，E(E＝0，1)为检测结果，[m_p⊕m_q](E)为第p个检测参量和第q个检测参量共同指示检测结果为E的概率；

所有检测参量的判别融合规则是m＝{[(m₁⊕m₂)⊕m₃]⊕…}⊕m₆

步骤5，根据多传感器信息融合后的公交车火灾危险等级概率，设置公交车火灾危险预警的阀值α，当公交车火灾危险等级概率m>α时，即进行公交车火灾危险预警；

所述α的范围是：0.3-0.5。