CN105741474A - 一种基于多传感器的火灾预警方法 - Google Patents

Abstract

一种基于多传感器的火灾预警方法，采用测温传感器和CO浓度传感器实时探测环境温度值和CO浓度值，分别计算温度值和CO浓度值对应的发生火灾的概率值，然后分别采用D?S证据理论融合方法和Vague模糊集数据融合方法对温度值的对应发生火灾的概率值和CO浓度值的对应发生火灾的概率值进行融合，当两种融合结果的概率值之间的相对误差小于阈值时，即以两种融合结果的概率值的均值为最终火灾概率值，当最终火灾概率值超过50％即发出报警信号；否则，只有当两种融合结果的概率值都超过50％才发出报警信号，本发明采用两种融合方法对传感器采集的数据进行融合，可以弥补每种融合方法的不足，进一步提高火灾报警器的报警准确率和减少误报、漏报的概率，不增加报警器的成本。

Description

一种基于多传感器的火灾预警方法

技术领域

本发明涉及一种基于多传感器的火灾预警方法。

背景技术

火灾一直伴随人类的社会经济活动，可以导致人员伤亡、财产损失、环境污染甚至生态失衡，严重威胁到人类的生命财产安全和自然环境资源，因而进一步提高火灾报警器的报警准确率和减少误报、漏报的概率具有重要的意义。

为了达到减少火灾报警器误报、漏报概率的目的，一般从以下两个途径入手:①提高探测传感器的灵敏度和可靠性；②采用多传感器探测并在软件上采用融合算法。由于单一传感器的火灾报警器价格相对低廉，所以工程应用上大部分还是这种报警器。多传感器报警器需要进行数据融合，同时通常采用组网进行集中监控，所以价格相对较高。在多传感器数据融合的方法上，文献报道未见有采用两种融合方法进行数据融合的案例。

发明目的

本发明的目的在于提供一种基于多传感器的火灾预警方法，能提高火灾报警器的报警准确率和减少误报、漏报的概率，且不增加产品的成本。

本发明一种基于多传感器的火灾预警方法，采用测温传感器和CO浓度传感器实时探测环境温度值和CO浓度值，分别计算该温度值和CO浓度值对应发生火灾的概率值，然后分别采用D-S证据理论融合方法和Vague模糊集数据融合方法对温度值的对应发生火灾的概率值和CO浓度值的对应发生火灾的概率值进行融合，当两种融合结果的概率值之间的相对误差小于阈值时，即以两种融合结果的概率值的均值为最终火灾概率值，当最终火灾概率值超过50％即发出报警信号；否则，只有当两种融合结果的概率值都超过50％才发出报警信号。

具体包括如下步骤：

步骤1、采用测温传感器和CO浓度传感器，实时探测环境温度值和CO浓度值，分别计算出其对应的发生火灾的概率值：

步骤11、将采集的温度值归一化计算，获得该温度值对应发生火灾的概率值：

温度值的归一化公式如下所示：

$M_T\left(C\right)=\left\{\begin{array}{cc}0& x\&le;42\\ e^{0.14\&times;x-9.1}& 42<x<65\\ 1& x\&GreaterEqual;65\end{array}\right.---\left(1\right)$

其中，M_T(C)表示在某一温度x下发生火灾概率的可信度，数值在0-1之间；用M_T(N)表示在某一温度下发生火灾概率的不可信度，数值也在0-1之间，M_T(N)＝1-M_T(C)；式(1)中的温度节点值42℃和65℃是按国家标准GB 4716-2005确定的；42℃～65℃之间发生火灾的概率经过MATLAB仿真计算确定；

步骤12、将采集的CO浓度值归一化计算，获得该CO浓度值对应发生火灾的概率值：

CO浓度值的归一化公式如下所示：

$M_{CO}\left(C\right)=\left\{\begin{array}{cc}0& x\&le;10ppm\\ 0.06(x-10)& 10\&le;x\&le;15\\ 0.3+0.1(x-15)& 15\&le;x\&le;20\\ 0.8+0.04(x-20)& 20\&le;x\&le;25\\ 1& else\end{array}\right.---\left(2\right)$

其中,M_CO(C)表示在某一一氧化碳浓度x下发生火灾概率的可信度，数值在0-1之间；用M_CO(N)表示在某一一氧化碳浓度下发生火灾概率的不可信度，数值也在0-1之间，M_CO(N)＝1-M_CO(C)；式(2)中的CO浓度节点值10ppm、15ppm、20ppm和25ppm是参照欧洲6种标准火CO最大生成量，上述各区间对应的发生火灾的概率经过MATLAB仿真计算确定；

步骤2、分别采用D-S证据理论融合计算和Vague模糊集数据融合计算对步骤1所采集的温度值和CO浓度值对应发生火灾的概率值进行融合，当两种融合结果的概率值之间的相对误差小于阈值时，即以两种融合结果的概率值的均值为最终火灾概率值，该最终火灾概率值超过50％即发出报警信号；否则，只有当两种融合结果的概率值都超过50％，取两者的均值为融合结果，并发出报警信号；

步骤21、利用D-S证据理论融合计算所采集的温度值和CO浓度值对应的发生火灾的概率值：

步骤211、利用D-S证据融合规则可以计算这两个证据共同作用产生的能够较好地反映数据融合结果的基本概率分配函数：

可信度m(C)＝M_T(C)×M_CO(C) (3)

不可信度m(N)＝M_T(N)×M_CO(N) (4)

模糊度m(φ)＝M_T(C)×M_CO(N)+M_T(N)×M_CO(C) (5)

不一致因子K＝1-m(φ) (6)

式中不一致因子K表示2个证据体矛盾的程度，D-S证据融合规则的结果根据K值进行归一化，如果K＝1，则表示几个证据体完全矛盾；

步骤212、计算发生火灾的概率：

M(C)＝m(C)/(1-K)(7)

如果当M(C)≥0.5时，表示会出现火灾；

步骤22、利用Vague模糊集融合计算所采集的温度值和CO浓度值对应的发生火灾的概率值：

设U是论域，x∈U，对于论域U称满足下述条件的集合A＝{＜x,M_A(x),N_A(x)＞|x∈U}

可信度范围M_A(x)＝[u_A(x),1-v_A(x)]

不可信度范围N_A(x)＝[v_A(x),1-u_A(x)]

模糊度范围P_A(x)＝[0,π_A(x)]，π_A(x)＝1-u_A(x)-v_A(x)；

首先利用步骤1的归一化算法对采样所得到的温度值和CO浓度值进行归一化处理，转化为Vague模糊集的表达方式：

temp＝{u_A1(x),v_A1(x),π_A1(x)}，其中x为温度传感器采集的温度值，u_A1(x)代表支持度，v_A1(x)代表反对度、π_A1(x)代表不确定度；

CO＝{u_A2(x),v_A2(x),π_A2(x)}，其中x为CO传感器采集的CO浓度值，u_A2(x)代表支持度、v_A2(x)代表反对度、π_A2(x)代表不确定度；

根据实际情况，对温度传感器和CO浓度传感器给予的权重分别为W＝(0.45,0.55)，根据条件属性，做出系统有火灾、无火灾、无法确定的概率，即：

$B=W\&times;A=(0.45,0.55)\&times;\left(\begin{array}{c}{u}_{A1}\left(x\right),v_{A1}\left(x\right),{\mathrm{\&pi;}}_{A1}\left(x\right)\\ u_{A2}\left(x\right),v_{A2}\left(x\right),{\mathrm{\&pi;}}_{A2}\left(x\right)\end{array}\right)=\left(u_A\right(x),v_A(x),{\mathrm{\&pi;}}_A(x\left)\right)$

利用激励-惩罚带参数的方式对无法确定部分进行划分，将π_A(x)部分划分到u_A(x)中： 即为Vague模糊集支持的发生火灾的概率；

步骤23、参考步骤21和23的计算结果进行火灾预警决策：

a)如果则 表示发生火灾的概率大于50％；

b)如果则需M(C)和都大于50％，才表示发生火灾的概率大于50％，报警器报警，发生火灾的概率

若采用更多的传感器进行数据采集时，多次循环步骤1至2。

本发明采用两种融合方法对传感器采集的数据进行融合，不但可以弥补每种融合方法的不足，进一步提高火灾报警器的报警准确率和减少误报、漏报的概率，不增加报警器的成本。

具体实施方式

本发明一种基于多传感器的火灾预警方法，采用测温传感器和一氧化碳(CO)浓度传感器实时探测环境温度值和CO浓度值，温度值与发生火灾的关系参照国家标准GB 4716-2005(点型感温火灾探测器)计算出其对应的发生火灾的概率；CO浓度值与发生火灾的关系由于没有国家标准，所以，参照欧洲6种标准火CO最大生成量(即木材明火、木材热解火、棉绳阴火、聚氨酯塑料明火、正庚烷火和酒精明火)计算出其对应的发生火灾的概率(准确的数值需要根据经验并按具体监测对象的不同和空间大小进行适当调整)；然后分别采用D-S证据理论融合方法和Vague模糊集数据融合方法对温度值的对应发生火灾的概率值和CO浓度值的对应发生火灾的概率值进行融合，当两种融合结果的概率值之间的相对误差小于阈值时，即以两种融合结果的概率值的均值为最终火灾概率值，当最终火灾概率值超过50％即发出报警信号；否则，只有当两种融合结果的概率值都超过50％才发出报警信号；具体包括如下步骤：

步骤1、采用测温传感器和一氧化碳(CO)浓度传感器，实时探测环境温度值和CO浓度值，分别计算出其对应的发生火灾的概率值：

步骤11、将采集的温度值归一化计算，获得该温度值对应发生火灾的概率值：

温度值的归一化公式如下所示：

$M_T\left(C\right)=\left\{\begin{array}{cc}0& x\&le;42\\ e^{0.14\&times;x-9.1}& 42<x<65\\ 1& x\&GreaterEqual;65\end{array}\right.---\left(1\right)$

其中，M_T(C)表示在某一温度x下发生火灾概率的可信度，数值在0-1之间；用M_T(N)表示在某一温度下发生火灾概率的不可信度，数值也在0-1之间，M_T(N)＝1-M_T(C)；式(1)中的温度节点值42℃和65℃是按国家标准GB 4716-2005(点型感温火灾探测器)确定的；42℃～65℃之间发生火灾的概率经过MATLAB仿真计算确定；

步骤12、将采集的CO浓度值归一化计算，获得该CO浓度值对应发生火灾的概率值：

由于一般情况下，CO在空气中的含量极低，只有燃烧发生时才使空气中CO的含量急剧增加，所以针对CO气体进行检测，将会在很大程度上反映出环境中有无燃烧现象的发生，能够大大减少误判率。CO浓度值的归一化公式如下所示：

$M_{CO}\left(C\right)=\left\{\begin{array}{cc}0& x\&le;10ppm\\ 0.06(x-10)& 10\&le;x\&le;15\\ 0.3+0.1(x-15)& 15\&le;x\&le;20\\ 0.8+0.04(x-20)& 20\&le;x\&le;25\\ 1& else\end{array}\right.---\left(2\right)$

其中,M_CO(C)表示在某一一氧化碳浓度x下发生火灾概率的可信度，数值在0-1之间；用M_CO(N)表示在某一一氧化碳浓度下发生火灾概率的不可信度，数值也在0-1之间，M_CO(N)＝1-M_CO(C)；式(2)中的CO浓度节点值10ppm、15ppm、20ppm和25ppm是参照欧洲6种标准火CO最大生成量，上述各区间对应的发生火灾的概率经过MATLAB仿真计算确定；

步骤2、分别采用D-S证据理论融合计算和Vague模糊集数据融合计算对步骤1所采集的温度值和CO浓度值对应发生火灾的概率进行融合，当两种融合结果的概率值之间的相对误差小于阈值时，即以两种融合结果的概率值的均值为最终火灾概率值，该最终火灾概率值超过50％即发出报警信号；否则，只有当两种融合结果的概率值都超过50％，取两者的均值为融合结果，并发出报警信号；

步骤21、利用D-S证据理论融合计算所采集的温度值和CO浓度值对应的发生火灾的概率值：

步骤211、利用D-S证据融合规则可以计算这两个证据共同作用产生的能够较好地反映数据融合结果的基本概率分配函数：

可信度m(C)＝M_T(C)×M_CO(C) (3)

不可信度m(N)＝M_T(N)×M_CO(N) (4)

模糊度m(φ)＝M_T(C)×M_CO(N)+M_T(N)×M_CO(C) (5)

不一致因子K＝1-m(φ) (6)

式中不一致因子K表示2个证据体矛盾的程度，D-S证据融合规则的结果根据K值进行归一化，如果K＝1，则表示几个证据体完全矛盾；

步骤212、计算发生火灾的概率：

M(C)＝m(C)/(1-K)(7)

如果当M(C)≥0.5时，表示会出现火灾，用户就要做好灭火的准备。从上面的分析可以看出，利用D-S证据理论方面可以更为明确地给出火灾的发生情况。

步骤213、当采用更多的传感器进行数据采集时，再次循环步骤1-2；

举例说明：

利用温度、烟雾传感器对木材热解阴燃火和SH2-棉绳阴燃火环境参数进行采集，并对所采集的数据归一化处理转换成两个传感器有无火灾发生的可信度，对于温度传感器有无火灾的概率用M_T(C)、M_T(N)表示，烟雾传感器有无火灾的概率用M_CO(C)、M_CO(N)表示；再利用D-S证据理论对M_T、M_CO进行融合处理，得到火灾险情发生的基本可信度m，最后将这一判决结果送给控制器做出响应，具体过程如下：

设令某时刻采集到的温度为62度，根据公式(1)可得此时发生火灾的可信度M_T(C)＝0.66，不可信度为M_T(N)＝1-0.66＝0.34,采集到CO浓度值为16.5ppm,根据公式(2)可得此时发生火灾的可信度为M_CO(C)＝0.45，不可信度为M_CO(N)＝1-0.45＝0.55；

根据公式(3)(4)计算发生火灾的可信度m(C)、模糊度m(φ)和不可信度m(N):

根据上面的结果可知M_T和M_CO的不一致因子K为：

K＝1-(m₁(φ)+m₂(φ))

最终得到发生火灾的概率为

$M\left(C\right)=\frac{m\left(C\right)}{1-K}=\frac{m\left(C\right)}{m_1\left(\mathrm{\&phi;}\right)+m_2\left(\mathrm{\&phi;}\right)}=\frac{0.3}{0.49}=0.61$

当M(C)≥0.5时就可以说明会出现火灾，用户就要做好灭火的准备。从上面的分析可以看出，利用D-S证据理论方面可以更为明确地给出火灾的发生情况。

步骤22、利用Vague模糊集融合计算所采集的温度值和CO浓度值对应的发生火灾的概率值：

Vague模糊集的特点是同时考虑了证据的可信度、不可信度和模糊度三方面的影响因素，能够利用三元组表示决策者对事物的支持、反对和弃权三方面的信息，使得其在处理不确定信息时比传统的融合方法具有更强的表示能力；Vague模糊集是利用区间表达形式，它表示了决策者对事物的最小---最大支持度、最小---最大犹豫度和最小---最大反对度，对于不确定信息的表达更为全面。

设U是论域，x∈U，对于论域U称满足下述条件的集合A＝{＜x,M_A(x),N_A(x)＞|x∈U}

可信度范围M_A(x)＝[u_A(x),1-v_A(x)]

不可信度范围N_A(x)＝[v_A(x),1-u_A(x)]

模糊度范围P_A(x)＝[0,π_A(x)]，π_A(x)＝1-u_A(x)-v_A(x)；

首先利用步骤1的归一化算法对采样所得到的温度值和CO浓度值进行归一化处理，转化为Vague模糊集的表达方式：

temp＝{u_A1(x),v_A1(x),π_A1(x)}，其中x为温度传感器采集的温度值，u_A1(x)代表支持度，v_A1(x)代表反对度、π_A1(x)代表不确定度；

CO＝{u_A2(x),v_A2(x),π_A2(x)}，其中x为CO传感器采集的CO浓度值，u_A2(x)代表支持度、v_A2(x)代表反对度、π_A2(x)代表不确定度；

根据实际情况，对两个传感器(温度和CO)给予的权重分别为W＝(0.45,0.55)，根据条件属性，做出系统有火灾、无火灾、无法确定的概率，即：

$B=W\&times;A=(0.45,0.55)\&times;\left(\begin{array}{c}{u}_{A1}\left(x\right),v_{A1}\left(x\right),{\mathrm{\&pi;}}_{A1}\left(x\right)\\ u_{A2}\left(x\right),v_{A2}\left(x\right),{\mathrm{\&pi;}}_{A2}\left(x\right)\end{array}\right)=\left(u_A\right(x),v_A(x),{\mathrm{\&pi;}}_A(x\left)\right)$

利用激励-惩罚带参数的方式对无法确定部分进行划分，将π_A(x)部分划分到u_A(x)中： 即为Vague模糊集支持的发生火灾的概率；

步骤23、参考步骤21和23的计算结果进行火灾预警决策：

a)如果则 表示发生火灾的概率大于50％；

b)如果则需M(C)和都大于50％，才表示发生火灾的概率大于50％，报警器报警，发生火灾的概率按照经验值，这里阈值取8％。

结果说明：火灾的误报和漏报情形最容易发生在融合结果处于50％左右的概率。单一的融合方法虽然可以在一定程度上降低了误报和漏报的概率，但是综合了两种融合方法，取不同融合方法的优点，可以更有效的降低误报和漏报的概率。

以上所述，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (3)

1.一种基于多传感器的火灾预警方法，其特征在于：采用测温传感器和CO浓度传感器实时探测环境温度值和CO浓度值，分别计算该温度值和CO浓度值对应发生火灾的概率值，然后分别采用D-S证据理论融合方法和Vague模糊集数据融合方法对温度值的对应发生火灾的概率值和CO浓度值的对应发生火灾的概率值进行融合，当两种融合结果的概率值之间的相对误差小于阈值时，即以两种融合结果的概率值的均值为最终火灾概率值，当最终火灾概率值超过50％即发出报警信号；否则，只有当两种融合结果的概率值都超过50％才发出报警信号。

2.根据权利要求1所述的一种基于多传感器的火灾预警方法，其特征在于具体包括如下步骤：

步骤1、采用测温传感器和CO浓度传感器，实时探测环境温度值和CO浓度值，分别计算出其对应的发生火灾的概率值：

步骤11、将采集的温度值归一化计算，获得该温度值对应发生火灾的概率值：

温度值的归一化公式如下所示：

$M_T\left(C\right)=\left\{\begin{array}{cc}0& x\&le;42\\ e^{0.14\&times;x-9.1}& 42<x<65\\ 1& x\&GreaterEqual;65\end{array}\right.---\left(1\right)$

其中，M_T(C)表示在某一温度x下发生火灾概率的可信度，数值在0-1之间；用M_T(N)表示在某一温度下发生火灾概率的不可信度，数值也在0-1之间，M_T(N)＝1-M_T(C)；式(1)中的温度节点值42℃和65℃是按国家标准GB 4716-2005确定的；42℃～65℃之间发生火灾的概率经过MATLAB仿真计算确定；

步骤12、将采集的CO浓度值归一化计算，获得该CO浓度值对应发生火灾的概率值：

CO浓度值的归一化公式如下所示：

$M_{CO}\left(C\right)=\left\{\begin{array}{cc}0& x\&le;10ppm\\ 0.06(x-10)& 10\&le;x\&le;15\\ 0.3+0.1(x-15)& 15\&le;x\&le;20\\ 0.8+0.04(x-20)& 20\&le;x\&le;25\\ 1& else\end{array}\right.---\left(2\right)$

其中,M_CO(C)表示在某一一氧化碳浓度x下发生火灾概率的可信度，数值在0-1之间；用M_CO(N)表示在某一一氧化碳浓度下发生火灾概率的不可信度，数值也在0-1之间，M_CO(N)＝1-M_CO(C)；式(2)中的CO浓度节点值10ppm、15ppm、20ppm和25ppm是参照欧洲6种标准火CO最大生成量，上述各区间对应的发生火灾的概率经过MATLAB仿真计算确定；

步骤2、分别采用D-S证据理论融合计算和Vague模糊集数据融合计算对步骤1所采集的温度值和CO浓度值对应发生火灾的概率值进行融合，当两种融合结果的概率值之间的相对误差小于阈值时，即以两种融合结果的概率值的均值为最终火灾概率值，该最终火灾概率值超过50％即发出报警信号；否则，只有当两种融合结果的概率值都超过50％，取两者的均值为融合结果，并发出报警信号；

步骤21、利用D-S证据理论融合计算所采集的温度值和CO浓度值对应的发生火灾的概率值：

步骤211、利用D-S证据融合规则可以计算这两个证据共同作用产生的能够较好地反映数据融合结果的基本概率分配函数：

可信度m(C)＝M_T(C)×M_CO(C) (3)

不可信度m(N)＝M_T(N)×M_CO(N) (4)

模糊度m(φ)＝M_T(C)×M_CO(N)+M_T(N)×M_CO(C) (5)

不一致因子K＝1-m(φ) (6)

式中不一致因子K表示2个证据体矛盾的程度，D-S证据融合规则的结果根据K值进行归一化，如果K＝1，则表示几个证据体完全矛盾；

步骤212、计算发生火灾的概率：

M(C)＝m(C)/(1-K) (7)

如果当M(C)≥0.5时，表示会出现火灾；

步骤22、利用Vague模糊集融合计算所采集的温度值和CO浓度值对应的发生火灾的概率值：

设U是论域，x∈U，对于论域U称满足下述条件的集合A＝{＜x,M_A(x),N_A(x)＞|x∈U}

可信度范围M_A(x)＝[u_A(x),1-v_A(x)]

不可信度范围N_A(x)＝[v_A(x),1-u_A(x)]

模糊度范围P_A(x)＝[0,π_A(x)]，π_A(x)＝1-u_A(x)-v_A(x)；

首先利用步骤1的归一化算法对采样所得到的温度值和CO浓度值进行归一化处理，转化为Vague模糊集的表达方式：

temp＝{u_A1(x),v_A1(x),π_A1(x)}，其中x为温度传感器采集的温度值，u_A1(x)代表支持度，v_A1(x)代表反对度、π_A1(x)代表不确定度；

CO＝{u_A2(x),v_A2(x),π_A2(x)}，其中x为CO传感器采集的CO浓度值，u_A2(x)代表支持度、v_A2(x)代表反对度、π_A2(x)代表不确定度；

根据实际情况，对温度传感器和CO浓度传感器给予的权重分别为W＝(0.45,0.55)，根据条件属性，做出系统有火灾、无火灾、无法确定的概率，即：

$B=W\&times;A=(0.45,0.55)\&times;\left(\begin{array}{c}{u}_{A1}\left(x\right),v_{A1}\left(x\right),{\mathrm{\&pi;}}_{A1}\left(x\right)\\ u_{A2}\left(x\right),v_{A2}\left(x\right),{\mathrm{\&pi;}}_{A2}\left(x\right)\end{array}\right)=\left(u_A\right(x),v_A(x),{\mathrm{\&pi;}}_A(x\left)\right)$

利用激励-惩罚带参数的方式对无法确定部分进行划分，将π_A(x)部分划分到u_A(x)中： 即为Vague模糊集支持的发生火灾的概率；

步骤23、参考步骤21和23的计算结果进行火灾预警决策：

a)如果则 表示发生火灾的概率大于50％；

b)如果则需M(C)和都大于50％，才表示发生火灾的概率大于50％，报警器报警，发生火灾的概率

3.根据权利要求2所述的一种基于多传感器的火灾预警方法，其特征在于：若采用更多的传感器进行数据采集时，多次循环步骤1至2。