基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)與研發(fā)

摘 要： 以往設(shè)計(jì)的大型火情自動(dòng)識(shí)別系統(tǒng)，受到線(xiàn)路布置、火情識(shí)別硬件等影響，火情識(shí)別能力和定位能力均存在一些問(wèn)題；因此，設(shè)計(jì)基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)，該系統(tǒng)利用傳感器感應(yīng)環(huán)境中存在的不正常信號(hào)，并調(diào)用探測(cè)器識(shí)別不正常信號(hào)中是否存在大型火情隱患?？刂破鲗?duì)探測(cè)器識(shí)別出的隱患信號(hào)進(jìn)行放大、模數(shù)轉(zhuǎn)換和循環(huán)冗余校驗(yàn)等處理，其處理結(jié)果將輸出到報(bào)警裝置，作為報(bào)警依據(jù)傳送給用戶(hù)。系統(tǒng)采用二總線(xiàn)的線(xiàn)路布置方式，將電線(xiàn)與信號(hào)線(xiàn)的功能并入到一條線(xiàn)上，既能降低線(xiàn)路布置難度，又能節(jié)省系統(tǒng)維護(hù)費(fèi)用。系統(tǒng)設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)模型和概率神經(jīng)網(wǎng)絡(luò)模型對(duì)大型火情信號(hào)進(jìn)行處理。實(shí)驗(yàn)結(jié)果表明所設(shè)計(jì)的系統(tǒng)擁有較高的火情識(shí)別能力和火情定位能力。

關(guān)鍵詞： 神經(jīng)網(wǎng)絡(luò)； 火情自動(dòng)識(shí)別系統(tǒng)； 火情定位； 信號(hào)放大

中圖分類(lèi)號(hào)： TN926?34； X924.4 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)： 1004?373X（2016）18?0026?04

Abstract： The fire recognition capacity and positioning ability of large?scale fire automatic identification system designed in the past were influenced by its line layout and fire recognition hardware. Therefore， a new large?scale fire automatic recognition system based on neural network was designed. The system utilizes sensors to induce the abnormal signal existing in the environment， and calls its detector to identify whether there is the large?scale fire hazard in the abnormal signal. Its controller performs amplification， analog?to?digital conversion and cyclic redundancy check of hidden trouble signal identified by the detector. The results are output to the alarm device， and regarded as the alarm basis to send to users. The system uses the arrangement mode with two bus lines， and merges the functions of the cable and the signal wire into a line， which can decrease the difficulty of circuit layout and save the cost of system maintenance. The BP neural network model and the probabilistic neural network model are designed for the system to deal with large?scale fire signal. The experimental results shows that the designed system has high ability of fire recognition and fire positioning.

Keywords： neural network； fire automatic identification system； fire positioning； signal amplification

0 引 言

在日常生活中，火的作用尤為重要。不正當(dāng)?shù)挠没鸱绞綍?huì)造成火情，由火情延續(xù)產(chǎn)生的大型火情給人們的生產(chǎn)、生活帶來(lái)了不小的危害[1?3]。為了避免大型火情的產(chǎn)生，人們?cè)芯砍龈鞣N類(lèi)型的大型火情自動(dòng)識(shí)別系統(tǒng)；但由于火情的不確定性，至今為止所設(shè)計(jì)出的大型火情自動(dòng)識(shí)別系統(tǒng)無(wú)法實(shí)現(xiàn)火情的有效識(shí)別和定位[4?6]。因此，設(shè)計(jì)基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)，為人們的人身和財(cái)產(chǎn)安全提供更為有效的保障。

以往設(shè)計(jì)的大型火情自動(dòng)識(shí)別系統(tǒng)，由于受到線(xiàn)路布置、火情識(shí)別硬件等影響，火情識(shí)別能力和定位能力均存在一定問(wèn)題，如文獻(xiàn)[7]設(shè)計(jì)基于離子探測(cè)器的大型火情自動(dòng)識(shí)別系統(tǒng)，其根據(jù)火情發(fā)生初期空氣中會(huì)漂浮某些特定離子這一現(xiàn)象，利用離子探測(cè)器對(duì)離子進(jìn)行檢測(cè)，進(jìn)而實(shí)現(xiàn)系統(tǒng)對(duì)大型火情的自動(dòng)識(shí)別，其火情識(shí)別能力較強(qiáng)，定位能力不強(qiáng)。該系統(tǒng)的產(chǎn)生將大型火情自動(dòng)識(shí)別系統(tǒng)的研發(fā)推向了新的高峰。文獻(xiàn)[8]設(shè)計(jì)了基于光電傳感技術(shù)的大型火情自動(dòng)識(shí)別系統(tǒng)，該系統(tǒng)設(shè)計(jì)了一種性能較強(qiáng)的光電火情傳感器，能夠探測(cè)到火情產(chǎn)生的細(xì)微光電變化，在封閉式的大型火情現(xiàn)場(chǎng)應(yīng)用效果較好。由于該系統(tǒng)的線(xiàn)路布置較為復(fù)雜，使其無(wú)法應(yīng)用于森林火情的探測(cè)，局限性較高。文獻(xiàn)[9]設(shè)計(jì)了基于單片機(jī)的大型火情自動(dòng)識(shí)別系統(tǒng)，該系統(tǒng)利用單片機(jī)控制各項(xiàng)識(shí)別流程，具有較好的火情識(shí)別能力，但由于單片機(jī)的內(nèi)存不高、運(yùn)算能力有限，故該系統(tǒng)對(duì)大型火情的定位能力不強(qiáng)。

1 基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)設(shè)計(jì)

1.1 系統(tǒng)整體設(shè)計(jì)

所設(shè)計(jì)的基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)結(jié)構(gòu)如圖1所示。

由圖1可知，基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)主要由溫度傳感器、氣體傳感器、探測(cè)器、控制器和報(bào)警裝置構(gòu)成，系統(tǒng)利用溫度傳感器和氣體傳感器獲取大型火情信息，并調(diào)用探測(cè)器輔助控制器進(jìn)行信息處理，處理方式選取BP神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)。報(bào)警裝置提供的報(bào)警方式主要有短信和鳴笛，必要時(shí)也可采取人為通知方式。人為通知能夠有效避免報(bào)警裝置漏報(bào)或失效現(xiàn)象的產(chǎn)生。探測(cè)器也能夠進(jìn)行大型火情的初步報(bào)警，以保障人們的人身和財(cái)產(chǎn)安全。系統(tǒng)硬件間的線(xiàn)路布置較為講究，這能夠有效提升系統(tǒng)的火情識(shí)別能力和定位能力。

1.2 探測(cè)器與控制器設(shè)計(jì)

當(dāng)溫度傳感器和氣體傳感器其中之一感應(yīng)到環(huán)境中存在不正常信號(hào)時(shí)，基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)便調(diào)用探測(cè)器對(duì)不正常信號(hào)進(jìn)行探測(cè)，識(shí)別出環(huán)境中是否存在大型火情隱患。探測(cè)器選用ATMEGA128芯片作為其信號(hào)處理工作的硬件支持。ATMEGA128芯片的穩(wěn)定性極高，在惡劣環(huán)境下也能夠正常運(yùn)行，這一特點(diǎn)降低了基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)對(duì)工作環(huán)境的限制，也增強(qiáng)了系統(tǒng)的火情識(shí)別能力。圖2為探測(cè)器ATMEGA128芯片電路圖。

如圖2所示，ATMEGA128芯片的程序是可利用神經(jīng)網(wǎng)絡(luò)進(jìn)行編譯的，因此其功能也是能夠不斷完善的。R1～R4為熱敏電阻，其阻值與溫度有關(guān)。溫度傳感器和氣體傳感器的感應(yīng)信號(hào)都將經(jīng)由探測(cè)器電路轉(zhuǎn)換成溫度信號(hào)，當(dāng)探測(cè)器感應(yīng)到溫度信號(hào)的變化程度較低時(shí)，ATMEGA128芯片僅通過(guò)測(cè)試包對(duì)溫度信號(hào)進(jìn)行探測(cè)。隨著溫度信號(hào)變化程度的不斷上升，ATMEGA128芯片將依次調(diào)用技術(shù)處理、遠(yuǎn)程維護(hù)、傳輸驅(qū)動(dòng)對(duì)其進(jìn)行探測(cè)。如果探測(cè)器將傳感器感應(yīng)到的不正常信號(hào)識(shí)別為大型火情隱患，控制器將介入處理?？刂破鞯慕Y(jié)構(gòu)圖如圖3所示。

由圖3可知，控制器由運(yùn)算放大器、寄存器、A/D轉(zhuǎn)換器和二線(xiàn)串行數(shù)字接口組成。大型火情隱患信號(hào)將首先經(jīng)由運(yùn)算放大器進(jìn)行信號(hào)放大，便于控制器更為直觀(guān)的進(jìn)行處理工作。A/D轉(zhuǎn)換器將放大后的信號(hào)轉(zhuǎn)換為數(shù)字信號(hào)，控制器通過(guò)二線(xiàn)串行數(shù)字接口傳輸數(shù)字信號(hào)，并對(duì)其進(jìn)行循環(huán)冗余校驗(yàn)。在基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)的工作中，信號(hào)的傳輸必然存在偏差，通過(guò)循環(huán)冗余校驗(yàn)便能夠?qū)⑿盘?hào)的傳輸偏差修正。循環(huán)冗余校驗(yàn)在信號(hào)后加入（n-k）FCS，使其構(gòu)成對(duì)比信號(hào)，將對(duì)比信號(hào)與數(shù)據(jù)庫(kù)中的標(biāo)準(zhǔn)信號(hào)進(jìn)行對(duì)比，校驗(yàn)出其中的錯(cuò)誤。二線(xiàn)串行數(shù)字接口直接與時(shí)鐘控制線(xiàn)相連，為循環(huán)冗余校驗(yàn)進(jìn)行計(jì)時(shí)，保證系統(tǒng)的整體效率?？刂破鞯碾娫床捎?4 V直流電，其處理結(jié)果將輸出到報(bào)警裝置，作為報(bào)警依據(jù)傳送給用戶(hù)。

1.3 線(xiàn)路布置設(shè)計(jì)

以往設(shè)計(jì)的大型火情自動(dòng)識(shí)別系統(tǒng)的線(xiàn)路布置常選擇多線(xiàn)制和二線(xiàn)制。多線(xiàn)制和二線(xiàn)制擁有布線(xiàn)程序少、連接監(jiān)控設(shè)備多的特點(diǎn)，但卻在一定程度上限制了系統(tǒng)的火情識(shí)別能力和定位能力。所設(shè)計(jì)的基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)采用二總線(xiàn)的線(xiàn)路布置方式，將電線(xiàn)與信號(hào)線(xiàn)的功能并入到一條線(xiàn)上，既降低了線(xiàn)路布置難度，又節(jié)省了系統(tǒng)的維護(hù)費(fèi)用。圖4為系統(tǒng)線(xiàn)路布置示意圖。

由圖4可知，處于上機(jī)位的探測(cè)器的連接方式分為有線(xiàn)連接和無(wú)線(xiàn)連接，二總線(xiàn)能夠同時(shí)連接260個(gè)探測(cè)器的有線(xiàn)終端，這大大增強(qiáng)了基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)的火情識(shí)別能力和定位能力，也能夠防止信號(hào)的傳輸擁堵現(xiàn)象。在系統(tǒng)進(jìn)行遠(yuǎn)距離工作時(shí)，無(wú)線(xiàn)連接為系統(tǒng)解決了其對(duì)探測(cè)器各無(wú)線(xiàn)終端的控制難點(diǎn)。

路由中繼的主要作用是保證大型火情信號(hào)傳輸?shù)某掷m(xù)、安全和穩(wěn)定?；谏窠?jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)將傳感器和報(bào)警裝置布置在下機(jī)位，便于傳感器和報(bào)警裝置進(jìn)行大型火情信號(hào)的感應(yīng)和報(bào)警，也節(jié)省了線(xiàn)路布置空間。

2 軟件設(shè)計(jì)

所設(shè)計(jì)的基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)，選取BP神經(jīng)網(wǎng)絡(luò)和概率神經(jīng)網(wǎng)絡(luò)兩種處理方式并設(shè)計(jì)網(wǎng)絡(luò)模型，為大型火情信號(hào)自動(dòng)識(shí)別工作提供軟件支持。

2.1 BP神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)是一種依靠偏差逆運(yùn)算進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練的前饋控制網(wǎng)絡(luò)，其可以自動(dòng)進(jìn)行海量特定映射模式的自學(xué)和存儲(chǔ)。BP神經(jīng)網(wǎng)絡(luò)根據(jù)梯度下降法使網(wǎng)絡(luò)中的權(quán)值、閾值相互平衡，進(jìn)而實(shí)現(xiàn)超低標(biāo)準(zhǔn)的網(wǎng)絡(luò)偏差平方和。所設(shè)計(jì)的BP神經(jīng)網(wǎng)絡(luò)模型由節(jié)點(diǎn)輸出模型、偏差運(yùn)算模型和自訓(xùn)練模型組成。

節(jié)點(diǎn)輸出模型包含隱藏節(jié)點(diǎn)輸出模型[Oj]和標(biāo)準(zhǔn)節(jié)點(diǎn)輸出模型[Yk]，其表達(dá)式如下：

由圖5、圖6可得出，在縱火過(guò)程中，實(shí)驗(yàn)室環(huán)境的溫度和氣體物質(zhì)含量均在不斷升高，實(shí)驗(yàn)進(jìn)行到135 s和170 s時(shí)，兩次縱火的實(shí)驗(yàn)室溫度均穩(wěn)定在某一特定范圍，此時(shí)可確定大型火情已開(kāi)始蔓延；實(shí)驗(yàn)進(jìn)行到100 s和150 s時(shí)，兩次縱火的實(shí)驗(yàn)室中氣體物質(zhì)開(kāi)始在某特定范圍內(nèi)波動(dòng)，這是由氣體物質(zhì)的擴(kuò)散性造成的。將圖5、圖6中的數(shù)據(jù)作為本文系統(tǒng)神經(jīng)網(wǎng)絡(luò)模型的輸入信號(hào)，對(duì)兩次縱火的大型火情進(jìn)行識(shí)別，其結(jié)果如表1所示。

由表1可知，本文系統(tǒng)對(duì)實(shí)驗(yàn)中的兩次縱火識(shí)別情況為：識(shí)別縱火1為典型明火，識(shí)別能力為0.998；識(shí)別縱火2為典型陰燃火，識(shí)別能力為0.995。即本文系統(tǒng)對(duì)兩次縱火的識(shí)別能力均在99.5%以上，驗(yàn)證了本文系統(tǒng)擁有較強(qiáng)的火情識(shí)別能力。

3.2 系統(tǒng)火情定位能力驗(yàn)證

利用本文系統(tǒng)和基于趨勢(shì)算法的大型火情自動(dòng)識(shí)別系統(tǒng)，分別對(duì)上述實(shí)驗(yàn)的縱火點(diǎn)進(jìn)行定位，定位結(jié)果如表2所示。

表2 定位能力對(duì)比表

由表2可知，基于趨勢(shì)算法的大型火情自動(dòng)識(shí)別系統(tǒng)對(duì)明火的定位能力較強(qiáng)，但對(duì)陰燃火的定位能力仍有可提升余地；本文系統(tǒng)對(duì)明火和陰燃火的定位能力相差不大，且均高于基于趨勢(shì)算法的大型火情自動(dòng)識(shí)別系統(tǒng)的定位能力。以上結(jié)果驗(yàn)證了本文系統(tǒng)擁有較強(qiáng)的火情定位能力。

4 結(jié) 論

本文設(shè)計(jì)基于神經(jīng)網(wǎng)絡(luò)的大型火情自動(dòng)識(shí)別系統(tǒng)，該系統(tǒng)利用傳感器感應(yīng)環(huán)境中存在的不正常信號(hào)，并調(diào)用探測(cè)器識(shí)別不正常信號(hào)中是否存在大型火情隱患?？刂破鲗?duì)探測(cè)器識(shí)別出的隱患信號(hào)進(jìn)行放大、模數(shù)轉(zhuǎn)換和循環(huán)冗余校驗(yàn)等處理，其處理結(jié)果將輸出到報(bào)警裝置，作為報(bào)警依據(jù)傳送給用戶(hù)。系統(tǒng)采用二總線(xiàn)的線(xiàn)路布置方式，將電線(xiàn)與信號(hào)線(xiàn)的功能并入到一條線(xiàn)上，既能降低線(xiàn)路布置難度，又能節(jié)省系統(tǒng)維護(hù)費(fèi)用。系統(tǒng)設(shè)計(jì)BP神經(jīng)網(wǎng)絡(luò)模型和概率神經(jīng)網(wǎng)絡(luò)模型對(duì)大型火情信號(hào)進(jìn)行處理。實(shí)驗(yàn)結(jié)果說(shuō)明，所設(shè)計(jì)的系統(tǒng)擁有較高的火情識(shí)別能力和火情定位能力。

參考文獻(xiàn)

[1] 王博.凸增量極限學(xué)習(xí)機(jī)的逼近階[J].西安工程大學(xué)學(xué)報(bào)，2015，29（6）：756?760.

[2] 王曉東，趙月圓，梅麗.基于白噪聲擾動(dòng)的CS?BP網(wǎng)絡(luò)的波動(dòng)率[J].西安工程大學(xué)學(xué)報(bào)，2015，29（6）：761?764.

[3] 徐富新，王晶，黃玉秀，等.神經(jīng)網(wǎng)絡(luò)和模板匹配在自動(dòng)打分系統(tǒng)中的應(yīng)用[J].計(jì)算機(jī)工程與應(yīng)用，2015，51（5）：251?254.

[4] 郭紅轉(zhuǎn)，羅劉敏.火情自動(dòng)視覺(jué)檢測(cè)系統(tǒng)的設(shè)計(jì)[J].計(jì)算機(jī)測(cè)量與控制，2015，23（7）：2495?2496.

[5] 李正周，繆鵬飛，劉勇，等.基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的大型場(chǎng)所火情檢測(cè)與定位算法[J].數(shù)據(jù)采集與處理，2014，29（6）：964?969.

[6] 李靜，陳金元，徐冰.基于MSP430單片機(jī)的宿舍智能防盜防火報(bào)警系統(tǒng)設(shè)計(jì)[J].自動(dòng)化技術(shù)與應(yīng)用，2014，33（1）：103?106.

[7] 張飛，李景富.基于智能視覺(jué)的高空?qǐng)D像搜集系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J].計(jì)算機(jī)測(cè)量與控制，2015，23（3）：939?941.

[8] 肖霞，石芳菲，呂赟，等.風(fēng)電機(jī)艙火災(zāi)探測(cè)試驗(yàn)研究[J].消防科學(xué)與技術(shù)，2014，33（3）：306?310.

[9] 黃凱寧.城市智能消火栓監(jiān)控系統(tǒng)設(shè)計(jì)與應(yīng)用[J].供水技術(shù)，2015，9（5）：50?54.

[10] 朱利，劉尚合，張悅，等.基于虛擬儀器技術(shù)和神經(jīng)網(wǎng)絡(luò)的電暈輻射場(chǎng)監(jiān)測(cè)系統(tǒng)設(shè)計(jì)[J].高電壓技術(shù)，2015，41（1）：333?338.