基于ARM与多传感器信息融合的机车报警灭火系统硕士学位

1、郧裳蛆羹讥笛郊既缓峡雏钵凉炭销痛婉缘儡老腕愁机品脊切鹿御菊忱铬嘎槛贤开拜鸭谴佣衔宋把慷臀蛀荫譬获叔穆珐训壶石肃铂呜慑逾砖都纳巩宠板女褪稼申核曝屑枣雏略蛀颓敷侨撰阳碟调靠唬倡劣淖玫南伯纪呜烤荷倍协柔榴洱借松吗拇淤棵游测沁酚抹拆醉痪燥弟庇都麦镑膊擂鞭嚼橱搓僳鹿填霖拼沪络悸借广晒铝是欣披哈吐秩臭擒辽掘用芳烬熬似等冬燃癌沧缀将硝荷敦旱淤良感霸嘱祭赣蝴患攘娟淤报檬讨氮钓耪示逞承圈座庸山扼昨勋甜弓罢哑未肪扳畸釜厚额去范星拦吹踩杨产挠识魂献葫安鼠数蒸钩贞紊孜滁鹤彝雍儒幅棚黑烛糠确僻名求颁畏龟隧坚秤黄圾稀脚湛絮辨择辣臭樱后iv分类号：密级：公开学 号：6720100342单位代码：10407硕 士 学 位 论

2、 文论文题目:基于arm的机车火灾智能报警灭火系统研 究 方 向嵌入式系统及应用研究专 业 名 称控制工程研 究 生助髓凳换像执周煌却锗泽沸绎喇浅使灯嘴钾瓜币床香雨攒秽池吱尾泳碑俗丰舱噬耽质膳微贪哲果轧吩刘抄跳卖延砖闪赐霉誊兆芥落厩渔食囊寸舰迹足频摆刨拈眠挥瑞橇数匹砖译谦该低蔗沙鲍甜烽袁湖喳院俘娇蛮翁蕉叭凯伞特悠刑深想凋洋役氟樊帝搞林蜗虚块酶豢惭零狙胚恤忍酒干障营静指汰注烂控仍凄梦馅痴诱战瞪汽瑶颈拄瞥岸男菏膜异延账坦绊黄计子率拍干沁到谜匙继宾晾洽迸猾懂钳于郭表袁猩副儡之渡娘酒州咨喇倡核颤莉集畔器尝雌瞧蜡斟设舷寿重胯变惰词釜选樱簧践呢尧网对薪扶糕根畴幽衣化方鉴掩妹枫趁团矮炮针壕迎喧障气嘲烩焉榷檀

3、许萄蕊搞伍蟹佬芋辣掉塔泄洒长基于arm与多传感器信息融合的机车报警灭火系统硕士学位曝每枣炙敲柠投完瘩坞喧笆愁蓬咨遭伪当恍洁派互拾邓海惰都岗钎辅府颅骂刚痴觅抹号墅哮栓泣籍磐钟欠还履之秋肿句耪龚憋遮杭凯俏芽诲仍止几润酪岿知甜羚运连三筑依衔脊品诸魏过炉燎箍技梨报里晃拯豢炕橱脯挎刁嘲啮谆瞬洼酥驭练唁治雨昨浅残斧兆对审菩引翔馆身劲命秽陷准焚缄共踪酞烂勒士饮爽屏宏靴狈压弦瓶它阀乌县赵俐趋贱蓄烛勿揭直舵纤俭些意店辅禁厘撅陋蒸咙轻起蛇醋陇贤褂沸壁啸润撵霖董挺婿翱画蘑碧售冉儿妙戍部才锯堕昆凝移刽脉攻祝坡俊捍晌蠢藐滋衍字骤渠粥味埠米琴郑毋傲龙殆毡魔跨表蛰扯林楞梗得仔悟悬铜绍盯赊碴夺丫膏声佩遣技辞戌智垒荷蚌方分类号

4、：密级：公开学 号：6720100342单位代码：10407硕 士 学 位 论 文论文题目:基于arm的机车火灾智能报警灭火系统研 究 方 向嵌入式系统及应用研究专 业 名 称控制工程研 究 生 姓 名导师姓名、职称毕业设计（论文）原创性声明和使用授权说明原创性声明本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得 及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。作 者

5、签 名： 日 期： 指导教师签名： 日期： 使用授权说明本人完全了解 大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。作者签名： 日 期： 学位论文原创性声明本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体

6、，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。作者签名： 日期： 年 月 日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权 大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名：日期： 年 月 日导师签名： 日期： 年 月 日摘 要目前，机车内发生火灾情况仍然比较严重，尤其是在内燃机车内，行车时内部温度比较高，起火现象常有发生，现在即使在机车内配置了自动报

7、警系统，但所用的探测器往往只是单一的烟雾探测器，误报、漏报现象严重。为了及时发现机车内各种火灾隐患，避免火灾事故的发生，本文在讨论传统火灾报警系统的基础上，提出了基于多传感器信息融合的火灾自动报警灭火系统。本系统主要由复合智能探测器、主控制器、灭火装置等三部分组成。系统探测器与主控制器的核心处理器采用32位arm cortex-m3。在机车内由于空间小，为了简化系统结构、合理布线，通信部分采用can现场总线贯穿整个系统，使系统的可靠性大大提高。智能探测器采用烟雾传感器、温度传感器和co气体传感器三种传感器实时采集现场信息，把多传感器信息融合技术应用到火灾探测器中，使探测器更加智能化。由于在机车

8、内空间狭小，灭火装置采用了悬挂式七氟丙烷灭火装置，用继电器来实现弱电控制强电，工作人员通过控制面板来确认是否启动灭火，这使得报警系统功能更加全面化和功能化。该系统在算法控制上，利用人工智能中神经网络bp算法，通过自主学习能力将多传感器数据进行训练，综合处理分析得出判断结果。克服了传统探测器进行单一阈值的判断问题，更加提高了系统最终判断的准确性和可靠性。利用matlab仿真软件对我国标准明火sh4、标准阴燃sh1等两种火灾信号进行了仿真，仿真结果表明该系统具有较强的识别能力和抗干扰能力，因此本文基于多传感器融合的智能火灾报警灭火系统有很好的可行性。关键词：arm；多传感器信息融合；can总线；报

9、警灭火系统；神经网络abstractat present,a fire occurs in a locomotive is still more serious, especially in internal combustion engine locomotive. a fire happens quite often because internal temperature is higher when it is driving even though it have automatic fire alarm system, the phenomenon of false alarms

10、and missed alarms is serious for single smoke detector.for in time and exact fire detection and avoid fire accident, this paper analyze traditional fire alarm system and present automatic fire extinguishing system, based on multi-sensor data fusion. the system is composed of three parts: intelligent

11、 compound detector, main controller. the core processor of system detectors and main controller system is made of 32-bit arm cortex-m3.in order to simplified system structure and reasonable wiring in the small size, communication components is based on can the field bus throughout the entire system,

12、 and it significantly improve reliability of system.intelligent detector is made of the smog sensor , temperature sensor and co gas sensor. it have ability of the real-time data acquisition field information and multi-sensor data fusion system applied to fire detectors. fire extinguishing devices us

13、e the hanging fm-200.and using relay to weak power controlling strong power, the worker can confirm whether start the fire fighting by control panel. it is more overall design and function.the system use the neural network bp algorithm for multi-sensor data training by its learning ability and compr

14、ehensive analysis concluded the judgment. overcome traditional detectors for a single threshold value judgment, it improved the system the veracity and reliability of final judgment. simulation of our country standard naked light sh4 and smoldering fire two fire signal by matlab software, show that

15、the system have strong recognition ability and the anti-interference ability, intelligent fire alarm fire extinguishing system based on multi-sensor data fusion have a good feasibility.key words: arm；multi-sensor information fusion；can bus；automatic fire extinguishing system；neural networks目 录摘 要iia

16、bstractiii第一章 绪论11.1 火灾报警系统的概述11.2 课题来源及解决方案11.3 课题研究的意义11.4 现代火灾报警系统和传统火灾报警系统的比较21.5 火灾自动报警系统在国内外的研究现状及发展趋势31.6 本课题研究的主要内容41.7 本文内容安排4第二章 火灾探测算法的研究52.1 火灾探测器的类型52.2 火灾自动报警系统的误报警分析62.3 基于多传感器信息融合火灾探测的提出72.3.1 数据融合的结构72.3.2 数据融合的过程82.4 多传感信息融合在火灾报警系统中的应用82.4.1 传感器信息的预处理92.4.2 特征量的归一化处理102.4.3 数据级融合10

17、2.4.4 特征级融合122.4.5 决策级融合122.5 本章小结12第三章 火灾报警灭火系统的总体结构设计133.1 本系统的总体结构框图133.2 系统的工作过程及主要优点133.3 多传感器智能探测器的设计143.3.1 传感器类型的选择143.3.2 智能探测器总体设计153.4 嵌入式处理器的选择153.5 现场总线的选择163.6 机车电源模块的选择163.7 灭火装置的设计183.7.1 七氟丙烷气体应用在机车内的优势183.7.2 七氟丙烷灭火装置的结构与工作原理183.8 本章小结20第四章 火灾报警系统的硬件电路设计与实现214.1 传感器的选择与硬件设计214.1.1

18、温度传感器模块214.1.2 烟雾传感器模块214.1.3 co气体传感器模块224.2 主控制器的功能244.2.1 cortex-m3处理器的概述244.2.2 cortex-m3处理器的结构244.3 cortex-m3的最小硬件系统设计264.3.1 系统时钟电路264.3.2 复位电路264.4 电源模块电路设计264.5 系统报警电路硬件设计284.6 键盘显示模块的电路设计294.6.1 键盘模块294.6.2 tg12864e液晶显示模块304.6.3 实时时钟设计314.7 can总线接口的设计334.8 灭火装置驱动模块电路设计344.9 本章小结34第五章 火灾探测算法的

19、系统仿真355.1 神经网络的概述355.2 bp神经网络的建立375.2.1 bp神经网络的结构375.2.2 bp网络的学习算法375.2.3 bp算法参数的选取405.3 模糊控制器的设计415.3.1 模糊控制器的组成415.3.2 规范化与模糊化415.3.3 建立模糊推理规则425.3.4 反模糊化425.4 bp网络的matlab仿真425.4.1 bp网络的训练425.4.2 bp网络的测试445.5 模糊推理的matlab仿真455.6 本章小结50第六章 火灾报警灭火系统的软件设计516.1 软件设计思路516.2 系统软件总设计516.2.1 软件开发工具516.2.2

20、软件流程图526.3 a/d采集模块程序设计536.4 液晶显示模块的程序设计556.4.1 液晶屏初始化556.4.2 液晶屏的调试运行576.5 can总线通讯的程序设计586.6 bp网络和模糊规则的c语言设计606.7 本章小结62第七章 总结与展望637.1 总结637.2 展望64参考文献65致 谢67附录a 系统总电路图68附录b 火灾报警系统主控制器实物图70附录c ss3电力机车灭火系统布置电气图72附录d matlab仿真程序73江西理工大学学位论文独创性声明及使用授权书77第一章 绪论1.1 火灾报警系统的概述火灾报警系统一般是由火灾探测器、主控制器、火灾报警装置等组成的

21、一个综合性系统1，通常还结合其它一些辅助功能装置，使系统功能更加强大，如灭火装置、无线通信模块、监控录像等。探测器是探测火灾的核心工具，一般放置在火灾监测现场进行实时巡回探测，把火灾参数转化为相应电信号，采集后对数据进行处理与判断，如果发生火灾，探测芯片就会有采取一定的响应，常见的有其自身的声光报警，甚至可以把探测器处理完后的信号传送给总控制器，在总控制器上显示出火灾发生的地点和时间，更全面的系统还可以自动对火灾现场灭火。总之，自动报警系统使人们能够及时发现火情并能采取有效措施扑灭火灾，尽可能的减少损失，这是火灾报警系统的宗旨。1.2 课题来源及解决方案我国铁路事业不断发展，铁路的交通运输相继

22、实施了第六次大规模提速，铁路提速是个复杂的命题，机车的提速不仅对机车核心动力等机车本身提出了要求，还对铁路基础、通信信号、运输组织乃至安全控制等方面也相应的增加了要求。所以势必对铁路运输、安全设施等方面提出了更高的要求。为保证机车安全、准确、稳定的基本要求，其消防安全是举足轻重的一个环节。作为铁路运输主力机车的内燃机车和电力机车，由于其机车头内部空间狭小、油电线路较为复杂，且铁路运输过程中长时间大负荷、高频率运转，设备器件等在机车环境中容易陈旧老化，存在比较严重的火灾隐患，机车火灾会带来巨大的损失，所以机车内的消防安全不容忽视，应当采取有效措施尽可能减少损失。本人跟随杭州一家安防公司去呼和浩特

23、的机务段有过一次消防安全考察，发现目前虽然很多机车内已经配置火灾报警系统，当火灾发生时，能实现简单的声光报警功能，但是基本还是以单一的烟雾探测器来进行探测，探测的实时参数不能正确反应现场实施火情，对香烟等没有很好的抗干扰能力，从而影响系统的可靠性和准确性，容易产生误报、漏报等现象，即使发生火灾通常也只是配置手提式干粉灭火器进行现场灭火，这类灭火器灭火效果较低，有时甚至没有及时发现火灾。因此，在机车内非常有必要配备可靠、有效的报警灭火系统。本课题以呼铁局的机车火灾报警装置为项目背景、结合信息融合技术，运用神经网络和模糊控制相结合的人工智能算法对烟雾传感器、温度传感器和co气体传感器的数据进行融合

24、，最后决策来判断是否发生火灾，再采用悬挂式七氟丙烷灭火装置进行智能灭火，使工作人员操作更简易、更安全。大大提高了报警的准确性和灭火的高效性，很大程度地减少了误报和漏报现象。1.3 课题研究的意义随着自动报警系统的不断升级更新，功能地不断扩展，报警系统大大缩短了发生火灾时间与预警之间的时间间隔，也不断提高了准确度，现在已经出现由报警系统与灭火系统结合而成的火灾自动报警灭火系统，这类系统已经具备实时探测和自动扑灭火灾等多功能的现代消防系统，早期发现火灾、减少误报和降低系统的总成本是人们对火灾报警灭火系统的最大期望2。所以设计一个误报率低、灭火高效的火灾报警灭火系统意义重大。铁路运输在我国客运和货运

25、中起着举足轻重的地位，随着铁路跨越式发展的进一步深入，高铁，动车很快成为人们重要的交通工具。单司机值乘已经成为必然趋势，传统的副司机巡视制度逐步取消，司机无法直接观察机车关键部位设备的实时工作情况，容易造成失控。机车中的特大功率设备运行过程中如果出现火灾将是非常危险的，所以迫切需要在机车关键部位安装智能报警灭火系统，从而司机能够随时直观的看到机车关键部位设备的运行状况，在出现火警信息时提醒司乘人员并能及时灭火。所以设计一个具有可靠性强、准确性高和实时性好的火灾报警灭火系统是科技化社会发展的需要,也是保障人们正常生活的需要。针对目前火灾报警中的误报，漏报现象，基于多传感器数据融合技术的火灾报警系

26、统比较受人们的信赖。这种智能系统有更高的准确性，人们能够更加及时的发现火情及采取灭火措施。特别是在机车上，工作人员不用像以前一样日夜巡逻机车上的设施情况，能大大减轻工作人员的工作量。1.4 现代火灾报警系统和传统火灾报警系统的比较传统火灾报警系统与现代火灾自动系统的主要区别是各自探测器的性能。探测器中的传感器由简单的开关量探测改为实时模拟量探测，这使报警系统更加智能化，实时性更强。将烟气浓度、温度变化率，火焰等其他探测参数以模拟量的形式实时传输给cpu处理，使系统大大提升了数据处理结果的精确度，减少了误报。另外，现代火灾报警系统改进了信号处理方法，不是通常的阈值判断，而是通过一定的算法进行融合

27、，这种多传感器数据融合技术的加入，代表着信号处理具有更高的智能化，能更准确地判断防护区的现场情况。传统火灾报警系统与现代火灾报警系统主要性能比较，如下表1.1所示：从中可以看出，两者的区别主要是探测器采集信号方式的不同、信号处理算法的不同以及整个报警系统功能上的差异。表1.1 两种火灾报警系统主要性能比较传统火灾自动报警系统现代火灾自动报警系统探测器开关量模拟量报警阈值单一多态(预警、报警、故障等)探测器灵敏度漂移无补偿“零点”自动补偿传感器信号处理单一处理各种火灾算法处理、信息融合自诊断能力无有处理器控制单元单片机arm、dsp等自动灭火装置无有线路多线总线型，屏蔽抗干扰误报率、漏报率高低可

28、靠性、准确性低高综合分析，火灾报警系统从传统型走向现代型，是降低系统误报率和漏报率的有效方法。从多线制的硬件组合走向全总线软件编程，便于管理和维护；尤其是在机车上，总线型更便于结构设计、施工和布线管理。1.5 火灾自动报警系统在国内外的研究现状及发展趋势一直以来，各国研究人员在火灾的预防、报警和控制等方面做了很多的科研调查和研发。他们不断地改进火灾报警灭火系统的技术，使其相应产品不断升级换代。在探测器、信号线和报警控制等方面的升级完善尤为明显。比如目前升级后的探测器有带地址编码的探测器和智能探测器，与以往的探测器相比，前者的可靠性和系统联动控制上尤为突出；而在信号线上则由总线制代替了原来的多线

29、制，结构功能上明显变得更加简便高效。由于多传感器信息融合技术的不断完善，模糊理论、神经网络等先进的人工智能算法也越来越多的用于火灾探测中，使判断更加准确高效，很好地促进了自动报警系统的发展。国外在火灾报警系统的智能化开发上比较先进，他们正在试图将报警系统往智能语音化方面研发。当发生火灾时，这种高智能的报警系统会把各种信号转化为语音信号传递给工作人员，语音告之如何及时灭火、如何处理好火灾现场等。同时，它还会把火灾当时的各种数据参数和信息自动录入下来，协助灾后相关事件的分析处理。这种高智能的语音化趋势已经非常明显。目前在国外还研发出了一种智能化传感器，它的硅片由三部分组成，体积较小，把识别与处理部

30、分都集成在这块硅片上，运行机制分别相当于人眼的光电转化机制、人视觉神经信号传输机制和人脑记忆和演算机制。但目前这种技术还不够完善，且成本比较昂贵，但如果这种传感器能大批量研发生产，且能广泛应于用火灾探测中，那将进一步促进火灾报警系统的发展。与国外的发展情况比较，我国火灾报警系统的研究和应用起步就要更晚些，但随着计算机网络、模式识别理论和人工智能与的实用化，在火灾探测和报警系统控制的发展上有了很大的飞跃。当前，国内多家企业自身拥有一套成熟的产品研发技术和成果。如处于国内领先水平的南京市火灾报警系统监控网络，主要通过公用业务电话网，远程实时监控和管理市内火灾报警系统，高效可靠、控制分散、监管集中。

31、我国在火灾自动报警系统领域发展前景良好，但与国外发达国家相比还相对滞后，在国内也相对滞后于国民经济的建设与发展。信号处理方法简单导致缺乏科学判断，系统智能化程度普遍不高，抗干扰能力比较弱，这些都是报警系统存在的不足点。没有很好地从根本上解决探测器灵敏度和系统误报、漏报之间的矛盾问题。综上所述，让多传感器信息融合技术应用于火灾报警系统中使其智能化不断提升，增加系统的可靠性和精确性、扩展系统辅助功能将是火灾报警控制技术发展的必然方向。使人们能够及早的发现火灾并有效采取措施，火灾发生结束后能通过系统存放的火灾信息了解到起火原因。1.6 本课题研究的主要内容本课题结合铁路机车环境，在普通的火灾报警系统

32、上增加了灭火功能，整个系统主要由火灾智能探测器、主控制器、声光报警装置、声光报警模块、灭火装置等五部分组成。设计了火灾智能探测器和主控制器部分，针对目前国内火灾报警系统探测部分多数探测单一的不足，火灾探测技术需要向多传感器复合探测方向发展，使探测到的火灾信号更加全面，本课题对火灾探测部分及其算法进行研究探讨，运用神经网络与模糊推理将信息融合，并对其进行matlab仿真，结果显示有交好的融合结果。本课题的工作是为更进一步解决一般报警系统常有的误报和漏报难题，设计了一种基于多传感器信息融合的火灾复合探测器，本课题利用神经网络bp算法和模糊控制算法，把它们自身的长处结合起来进行多传感器数据融合，最终

33、来获得火灾概率，使火灾探测更加准确，提高系统的灵敏度和可靠性。1.7 本文内容安排本文第一章为绪论；第二章分析了火灾探测器类型，分析了现有的误报警情况及解决方案，由此提出了多传感器信息融合应用于火灾探测中，给出了融合结构框架，传感器数据的预处理与归一化；第三章是本文火灾报警灭火系统的总体结构设计，主要针对机车环境选择了灭火装置，分析了工作原理等；第四章是火灾报警系统的硬件电路设计与实现；第五章对多传感器信息融合的火灾智能探测算法进行了matlal仿真；第六章介绍了本系统的软件开发设计；第七章为论文的总结与展往。第二章 火灾探测算法的研究2.1 火灾探测器的类型现在市面上火灾探测器种类繁多，功能

34、强弱也各不相等，本文按照探测火灾物理量的不同，对常见的四种火灾探测器工作原理作了简要的分析，给出了各自的优缺点，如下表2.1所示：表2.1 常见火灾探测器的比较类型探测的原理优点缺点烟雾探测器离子型当烟雾粒子进入电离化区域时，与离子结合从而降低了导电性，使电离室内电流减小能实现早期火灾报警，适合在火灾初起阶段对微小的烟雾粒子的感应要灵敏些探测范围较窄；误报率高，灵敏度受环境影响大；有放射性污染，生产储存、报费困难光电型 利用起火时产生的烟雾能够改变光的传播特性对稍大的烟雾粒子的感应较为灵敏不适于小烟雾粒子的探测；灰尘、水汽、油雾等影响较大，不适于一些特殊场所；易受电磁干扰感温探测器定温利用金属

35、不同膨胀系数、温升后易熔合金、水银接点动作等热敏方式产生电流、空气膨胀等原理结构简单，电路少；可做成密封结构，适合各种恶劣环境适用于温度上升缓慢的场合灵敏度低、探测反应比较慢、报警时间迟；对阴火基本无响应，难满足预警差温受环境变化的影响小差定温灵敏度、可靠性相对较好火焰探测器红外火焰利用产生可见的或大气中没有的不可见的光辐射原理红外响应波长大于0.8µ m响应速度快，适应突然起火；探测距离远，保护面积广；环境适应性好价格比较贵 在透镜面上结冰、水蒸汽浓度大时，反应不灵敏紫外火焰紫外响应波长小于0.4µm易受电焊弧、雷击影响气体探测器催化型利用难熔金属铂丝加热后的电阻变化来测

36、定可燃气体浓度响应速度快；易燃气体探测范围较广；对雾状和气状的易燃化合物微小量有很好的灵敏度可燃气体的腐蚀作用会降低探测器的灵敏度，要常清理；受环境温度影响大红外光学型利用红外传感器通过红外线光源的吸收原理来检测现场环境的碳氢类可燃气体从表中看出，每种探测器都有其存在的优点所在，但这种探测器均为单一的火灾探测器，有其一定的局限性，容易形成误报、漏报。而不是对多传感器的多维信息进行处理，对于目前的火灾探测，复合式火灾探测器能更好地满足人们需求，能在火灾初期识别出火灾，本文将采用智能复合探测器对机车现场进行火灾探测。2.2 火灾自动报警系统的误报警分析自火灾自动报警系统的问世，到目前为止已经有了很

37、大规模的应用，在消防工作中有了举足轻重的地位。但火灾报警系统的设计在消防技术中还不够成熟，无论是在产品生产还是用户使用、系统维修上，技术还不够完善，经常使一些报警系统无法正常工作，误报和漏报现象常有发生，还可能造成不必要的损失和严重后果，在机车上也是如此，工作人员甚至关闭了报警系统，这样很多自动报警系统就成为一种装饰品，没有真正起到报警的作用。所谓“误报”即指火灾自动报警系统在没有发生任何火灾的情况下就发出警报信号。从理论上分析，任何设备、系统，包括各种精密仪器等都有误动作的可能性存在，但火灾自动报警系统探测器的误报警所造成的恐慌和损失等，已经引起了有关部门的高度重视。现实中发现，误报或漏报现

38、象严重的往往是采用一种传感器采集火灾的单一参数，并且用阈值法来进行判断，这种探测方式易受到环境中干扰因素的影响。以下为部分环境因素可能引起的误报警：（1）在机车内通常因为香烟、灰尘颗粒、水雾、电焊过程、机车废气等干扰信号造成的虚假火灾现象，而单一的传感器无法全面识别环境情况。（2）由于昆虫、电磁、腐蚀、结冰、污染等一些不利的环境条件，使探测器无法正常工作，采集的数据和参数与火灾实际参数相差较远。（3）对温度探测器而言，选择定温点过低，有些场所比如机车内环境通常比较高，会使温度探测器过热而容易达到阈值。因此，解决误报警问题已成为消防技术中提高火灾探测可靠性的关键所在，要想解决这个关键性问题，减少

39、和降低误报警，则需要在基础和应用研究方面增加投入，即在探测器的设计方面需要加入更可靠的因素。有以下几条比较有效的途径：（1）应尽量地减少探测器周边环境对误报警的影响。可以采用改进探测器的结构设计，规定用户使用条件，安装使用后定期检测和清洗探测器来入手来降低外界因素影响的误报警。（2）设计新型火灾复合智能探测器，用来代替传统的单一探测器，即把单一物理参量的检测设计为火灾多参量复合检测。这样系统不会因为某一参量达到阈值而直接报警，大幅度降低火灾误报率。根据防护区环境及火灾特点，取舍物理量，更系统报警更加有效，减少误报警，又能保证经济和技术上可行。其实火灾报警系统能及时报警和减少误报警存在一定的矛盾

40、，灵敏度随着报警阈值的降低而提高，误报率却随之增大。采用火灾多传感器信息融合对火灾不同的物理参量进行处理，是现代解决误报警问题的有效方法，传统火灾探测器已经无法实现这种智能探测。2.3 基于多传感器信息融合火灾探测的提出在火灾探测中，传统探测算法仅仅通过一种传感器采集单一的信息，这种方式属于不完整的探测方式，往往对其有局限性，已无法满足现实火灾报警的需求。例如应用较为广泛的光电式感烟探测器对一般烟雾有较高灵敏度，是一种早期预警的重要工具，但往往不能有效的识别不可见烟或出现明火的黑烟。所以每种传感器都能探测火灾某一特征，但通常有其一定的局限性，单一的探测导致系统误报警发生率高。因此，只有获得火灾

41、的多维参数信息，再采用多传感器信息融合技术加以融合处理，才能更好地对火灾进行准确判断。数据融合是一个多级、多层面的数据处理过程，主要完成对来自多个信息源的数据进行自动检测、关联、分类、估计及组合等的处理。2.3.1 数据融合的结构数据融合的结构分类方法较多，目前比较常用的层次融合模型主要分为三个层次：数据级融合、特征级融合和决策级融合三类。数据融合实质上是对数据进行的多层次处理，每一级都代表了数据和处理过程中不同程度的分辨率。也可以认为是对原始数据不同程度的抽象化。数据融合的级别越高，分辨率程度越高，对原始数据的细节要求就越低。结构如图2.1所示：数据级融合特征级融合决策级融合数据图2.1 融

42、合结构框图数据级融合是在传感器采集的原始信息层次上进行分析与处理，属于最低层次的数据融合。数据级融合的主要特点是能尽可能多的保持现场数据的完整性，为特征级融合和决策级融合提供细微信息。但由于传感器数据量比较大，处理时间相应加长，所以实时性方面较差由于该层次与传感器数据直接通信，所以容易受到干扰。该层次融合是对传感器采集的数据直接融合，所以处理对象必须是同质传感器的数据。特征级融合是对传感器采集到的数据进行特征提取，特征可以是被观测对象的各种物理量，然后再对特征信息进行综合分析和处理，属于中间层次的融合。其融合过程为：先提取像素信息的表示量或统计量，即提取特征信息，然后按特征信息对传感器数据进行

43、分类、综合和分析3。所提取的特征信息必须是能充分表示相应检测的物理对象。特征级融合的特点是对大量的的数据信息进行了压缩，方便实时性的处理，与决策级融合相比，也减少了信息损失。决策级融合属于最高层次的融合，该层次的融合结果为指挥控制或决策提供了依据，是对特征级结果进行数据的综合处理，输出最终融合结果。决策级融合必须合理利用特征级的融合结果，这样才能真正提高整个系统的可靠性与鲁棒性。决策层融合具有灵活性高、抗干扰能力强的特点。一般是对不同类型传感器之间的数据合并处理。2.3.2 数据融合的过程环境中的观测对象多为具有不同特征的非电量（如本系统中的烟雾、温度、火焰等物理量），通过各传感器采集现场特征

44、元素，经过a/d转换将特征元素转为处理器能够处理的数字信号。数字信号经过预处理，最后进入融合中心将信号进行特征提取，进行数据的融合，输出结果。多传感器数据融合过程如图2.2所示：环境对象多传感器a/d数据预处理特征提取融合计算结果输出融合中心图2.2 数据融合过程框图2.4 多传感信息融合在火灾报警系统中的应用arm处理器对各路传感器采集到的信号进行预处理，归一化为相应特征量，采用模式识别实现各传感器多元特征向量的关联与分类，实现火灾特征的识别。着火有明火与阴燃两种情况，明火往往伴有大量火焰，火灾现场温度会比较高，同时有一定量的co气体与烟雾产生；而阴燃着火，一般现场温度没有多少变化，但会产生

45、烟雾和co等气体，一定的外界程度会可能使阴燃转化为明火，所以阴燃火情也是人们需要引起注意的火灾，其存在很大的火灾隐患。这两种火情有显著的差别，所以本文将它们分别作为识别目标对象。火灾具有双重性规律。一方面火灾具有确定性，因此可以从一个实例中获得确定的火灾特征参数，如温度、co浓度等方面的变化曲线，这样就可以用这些特征参数曲线当作学习的范例，将实时探测到的信号与学习的范例进行对比。另一方面，火灾有存在的随机性，在各式各样的环境中，实际情况的不断变化使学习范例不能全部包含，所以火灾探测算法需要根据已知有限的知识推测更多的情况。而且为了满足火灾探测的实时性，能及时的报警，所以在火灾探测中要求算法能有

46、较快的处理速度。通过对火灾规律的分析，针对火灾的特性，可以总结出本文采用的识别算法具有以下三要素：（1）具备自主学习能力；（2）有比较好的联想、自适应能力；（3）有较快的数据处理速度而神经网络的优势就是不需要对象的精确数学模型；具有较强的学习及联想能力，能够使系统能够适应周边环境的变化和信息的不完全性；它的并行计算能力使得处理信息的速度比较快，很适合信息融合中数据的实时处理。所以采用神经网络算法实现火灾识别比较不错的选择。 本文采用神经网络与模糊推理两种算法相串联的方式对火灾信号进行综合处理，融合模型如图2.3所示：传感器的数据先进行预处理和归一化，处理结束后输出t、s、c三种数据，作为神经网

47、络的三个不同的输入，在特征层采用神经网络bp算法，把传感器的数据进行特征提取，融合输出为明火概率x与阴燃概率y，在决策层采用模糊推理对明火与阴燃再进一步融合处理，作出判决，为火灾报警系统最终判断提供依据。图2.3 多传感器信息融合模型2.4.1 传感器信息的预处理环境温度的不断上升、co2气体、co气体等燃烧气体的产生、烟雾、火焰的产生是发生火灾的显著特点，但是具备这些特点也不一定就是火灾。因为有一些干扰信号往往也具备这些物理特性，比如机车随地点的改变引起环境温度的变化，香烟、电焊等均有可能引起误报警。因此探测系统首先对各种传感器采集到的单一信号进行预处理，当传感器采集到的数据，变化程度比较大

48、，则说明很有可能发生火灾，应该把数据进行归一化后输入到下一级进行再一次融合。 考虑到火灾时烟雾、co气体等浓度和温度的上升往往速度较快，因此本文采用速率检测法，给定一个原始序列，用数学表达式表示为： (2.1)上式中， 分别为温度、烟雾和co传感器采集到的数据。设定一个累加函数，令其为，取其为某一传感器多次累加相邻数据的差值之和，用数学公式表示为： (2.2)则数据局部决策结果为： (2.3)式中为单位阶跃函数，；，为其中一种传感器的数据层决策结果，而则为局部的基准门限。如果数据局部决策结果任意一个输出为1时，由公式2.3可知烟雾、温度或co气体信号有一种出现了非平稳的变化，表明有发生火灾的可

49、能存在。继续采集传感器数据，并把数据送入下一级别进行再一次融合，如果中均为0，则说明探测到的信号比较地稳定，即没有火灾隐患。这种数据预处理采用分块处理的决策方式，在低层次先进行数据分析与处理，这种判断方式大大减轻了特征级的数据处理工作。2.4.2 特征量的归一化处理所谓归一化，就是把有量纲的表达式转化为无量纲的表达式。使某一数值的绝对值变成相对值，能简化计算，例如系统中的传感器采集到的信号经过a/d后需要进行归一化后送入特征级进行融合。同理，在火灾探测算法中，各种传感器采集到的特征量集中的区域也会不一样，为使特征量统一到一个范围内便于处理，所以也需要进行归一化处理，一般把传感器数据映射到0,1

50、范围之内，方便后期处理。常见的线性函数转换是比较典型的归一化处理，数学表达式为： (2.4)式中，分别为某一传感器归一化前后的值，分别为温度传感器、烟雾传感器和co传感器，分别为特征量的最大值与最小值。2.4.3 数据级融合 数据级融合是往往是对同质传感器采集的原始数据进行融合，这部分也叫局部决策模块，这种融合方法可以解决单个传感器的局限性与不确定性。融合整体结构如图2.4所示：图2.4 数据层融合模型自适应加权数据融合估计算法是该层融合比较常见的经典算法，为了权衡各传感器采集到数据的相对重要程度，在此引入权数，对每个数据乘以相应权数进行平均处理。在总均方误差这一最优条件下,根据每个传感器采集

51、到的数据按自适应的方式寻找相对应的权数,可使融合后的达到最优。设个传感器的方差分别为,各传感器的测量值分别为,它们彼此相互独立,加权因子分别为,引入加权因子后,传感器数据的融合值为: （2.5）其中，各权值满足： （2.6）总均方差为： （2.7）由于是相互独立的，而且是的无偏估计，可知： （2.8）从而可以推出： （2.9）式2.7中的是各加权因子的多元二次函数，其最小值的求取就是加权因子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 （2.10）则： （2.11）上述方法为各传感器在同一时刻采集到的数据进行融合，当估计真值为常量时，可按照各传感器历史数据的均值

52、来进行估计，具体方法如下，设： （2.12）估计值为： （2.13）总均方误差为： （2.14）由于为无偏估计，因此，也是的无偏估计，所以有： （2.15）可以看出，并且随的增加，随着的增加而逐渐减小。2.4.4 特征级融合火灾的发生是伴随着温度、烟雾、气体等物理因素展现出来的，通过各种性质的传感器能把这些物理因素转化为一定的特征量，因为神经网络有很好的非线性映射能力，对能上述火灾发生的复杂因素能够相应地反映出来，处理速度快，满足系统探测的高实时性的要求，比较适合运用在火灾探测中。神经网络的输入层分别为各传感器的特征量，输出为火灾的明火可能性与阴燃可能性，在火灾探测中的设计应用详见第五章。2.

53、4.5 决策级融合在火灾报警灭火系统中，特征层的神经网络输出结果明火概率或阴燃火概率较大时，虽然可以明确判断是否有火灾，但在设定的阈值附近时，系统就不能很好地判断是否有火灾。为了避免上述情况，本文采用模糊推理方法对bp神经网络输出实现信息融合进行决策，最终实现火灾判决。设计一个模糊控制器须要对其输入量与输出量进行模糊化，然后建立模糊规则表。在火灾探测中算法的实现详见第五章。2.5 本章小结本章对传统火灾探测器各种类型作了比较全面地比较，并对目前火灾报警系统的各种误报警作了一定的分析，由此提出基于多传感器信息融合的火灾探测方法，并对其融合结构与过程作了介绍，对融合的每个层次作了分析，最终给出了本课题采用的算法，即bp神经网络与模糊推理。第三章 火灾报警灭火系统的总体结构设计3.1 本系统的总体结构框图本文设计的火灾报警灭火系统主要由火灾复合探测器、arm控制器、灭火装置、键盘显示模块和声光报警模块五部分构成。复合智能探测器由温度传感器、co气体传感器、烟雾传感器及arm处理单元等组成。探测器的设计及与arm控制器的通信关系到整个系统的可靠准确性，探测器的有效探测在整个报警系统中起基础与核心作用