基于聲音信號室內(nèi)火災(zāi)分級預(yù)警系統(tǒng)

沈曉波， 王留留， 劉 音

(淮南師范學(xué)院 電子工程學(xué)院, 安徽 淮南 232038)

0 引 言

隨著人們生活水平提高，室內(nèi)物品逐年增多，尤其是電、氣、熱三個方面設(shè)備，在給生活帶來便利的同時埋藏了火災(zāi)隱患，室內(nèi)火災(zāi)發(fā)生的原因多為電器設(shè)備老化、短路、操作違規(guī)、燃氣泄漏、環(huán)境高溫干燥等，防火、滅火工作是當(dāng)前火警工作的重點，火災(zāi)一旦發(fā)生，100 s是關(guān)鍵，但實際室內(nèi)環(huán)境中往往缺乏滅火設(shè)備，難以做到及時滅火，造成大量的人員傷亡和財產(chǎn)損失。如何充分利用火災(zāi)發(fā)生前的關(guān)鍵30 s，做好預(yù)警就成了當(dāng)務(wù)之急的事情，目前室內(nèi)環(huán)境多數(shù)采用傳統(tǒng)的煙霧、燃氣、溫度、光強、離子探測方式，少數(shù)采用圖像識別探測方式，缺少價格合理的智能化預(yù)警系統(tǒng)。

傳統(tǒng)火災(zāi)探測設(shè)備均要求火災(zāi)前期達到一定程度后才開始報警，與實際發(fā)生火災(zāi)時間貼近，缺少預(yù)警及時性；近年來,國內(nèi)智能火災(zāi)探測系統(tǒng)發(fā)展迅速，由江蘇安科瑞、北大青鳥、深圳泛海三江、霍尼韋爾、西門子等公司研發(fā)的新一代智能探測系統(tǒng)，能夠?qū)崿F(xiàn)遠程網(wǎng)絡(luò)管理，性價比不高，多數(shù)僅考慮集中化、遠程化操作，未考慮實際預(yù)警需求和多種發(fā)生因素統(tǒng)一性。為此文中依據(jù)電、氣、熱三種設(shè)備火災(zāi)隱患的共同因素聲音信號作為研究對象，燃氣泄漏會產(chǎn)生聲波信號，陰燃會產(chǎn)生燃燒音聲波信號，監(jiān)測聲音信號變化，利用智能識別算法分類識別，實現(xiàn)低成本、人性化、智能化的火災(zāi)預(yù)警系統(tǒng)。

1 系統(tǒng)整體設(shè)計

火災(zāi)分級預(yù)警系統(tǒng)分為五部分：分別是智能控制系統(tǒng)、CAN總線、電腦管理系統(tǒng)、WiFi通信系統(tǒng)、手機端接收系統(tǒng)。整體系統(tǒng)框圖如圖1所示。

圖1 系統(tǒng)框圖

其中聲音傳感器矩陣數(shù)量依據(jù)監(jiān)控空間大小而定，聲音信號經(jīng)處理器程控放大和處理，依據(jù)算法進行傳感器高低度調(diào)整，將聲音采樣數(shù)據(jù)通過CAN總線上傳給電腦管理系統(tǒng)，電腦管理系統(tǒng)實時對數(shù)據(jù)進行模式識別分類，顯示各房間預(yù)警狀態(tài)，電腦管理系統(tǒng)可以人工操作向各房間智能控制系統(tǒng)發(fā)送指令，實現(xiàn)遠程集中控制，同時可以通過WiFi通信系統(tǒng)將預(yù)警狀態(tài)發(fā)送給附近的工作人員，避免工作人員長期面對電腦勞累或者是臨時有事錯過關(guān)鍵30 s的情況發(fā)生。

2 系統(tǒng)硬件設(shè)計

2.1 傳感器矩陣設(shè)計

傳感器矩陣如圖2所示。

由圖2可知，設(shè)定室內(nèi)空間長寬高為x，y,z，定義入門處為0點坐標，為安裝方便，傳感器安裝在空間頂部，矩陣行列數(shù)量依據(jù)探測精度而定，取x,y的m，n個均分點交匯處作為初始定位點，計算出總傳感器數(shù)量為N,每個聲音傳感器位置坐標為：

i=0,1,2，…,m；j=0,1,2，…,n

圖2 傳感器矩陣示意圖

因為室內(nèi)聲音傳播為一個非線性變換過程，考慮系統(tǒng)的工程特性，本系統(tǒng)的高度z僅依據(jù)聲音傳感器檢測到的聲強I大小和檢測閾值θ決定，具體由下式推算決定：

(1)

(2)

其中，P為有效聲壓，ρ0為空氣密度，c為聲音在空氣中的速度，P0為基準聲壓，K為轉(zhuǎn)換系數(shù)。由實驗數(shù)據(jù)推算而定，主控系統(tǒng)通過電機上下調(diào)動吊繩高度z，可改變?nèi)炕虿糠謧鞲衅鳈z測聲音強度，使聲音信號最為清晰，達到檢測閾值θ的要求，考慮系統(tǒng)成功率，本次聲音傳感器采用高精度澄科AWA14421聲級計。

2.2 主控通信系統(tǒng)設(shè)計

主控系統(tǒng)采用主流STM32作為微處理器，使用LC型5階巴特沃斯濾波器無源濾波器進行濾波，OPA847固定增益放大器和VCA821可變放大器級聯(lián)實現(xiàn)0～40 dB程控放大，AD8361完成有效值采樣，TJA1040實現(xiàn) CAN收發(fā)通信，具體如圖3和圖4所示。

圖3 主控系統(tǒng)框圖

圖4 檢波器電路圖

主控系統(tǒng)有被控、主控兩種工作模式。被控模式時，主控系統(tǒng)僅執(zhí)行電腦端管理系統(tǒng)指令，調(diào)整聲音傳感器位置、執(zhí)行報警動作，可通過模式選擇鍵退出；主控模式時，各房間主控系統(tǒng)可獨立通過聲音傳感器監(jiān)測聲強，通過電機調(diào)整傳感器高度，聲強達到算法約定超過閾值次數(shù)后，通過繼電器開啟報警、滅火系統(tǒng)。

2.3 WiFi通信系統(tǒng)設(shè)計

WiFi通信由ESP8266模塊實現(xiàn)無線通信數(shù)據(jù)不失真?zhèn)鬏敚撃K可將用戶的物理設(shè)備連接到WiFi無線網(wǎng)絡(luò)上，進行互聯(lián)網(wǎng)通信，實現(xiàn)短距離通信功能。

3 系統(tǒng)軟件設(shè)計

本系統(tǒng)軟件設(shè)計分為STM32主程序設(shè)計、電腦管理軟件設(shè)計、手機MB終端應(yīng)用程序設(shè)計三部分。主程序利用C語言在RealViewMDK工具下開發(fā)，電腦管理軟件利用Matlab語言完成，手機MB終端應(yīng)用程序采用JAVA語言完成。

3.1 主程序流程圖

系統(tǒng)主控程序流程如圖5所示。

主程序通過查詢的方法接收數(shù)據(jù)，采用中斷方式發(fā)送數(shù)據(jù)。

3.2 電腦管理系統(tǒng)算法設(shè)計

3.2.1 火災(zāi)聲音特征量AR模型提取

室內(nèi)安靜環(huán)境下聲音信號為平穩(wěn)隨機信號，設(shè)定智能控制器采樣值為x(n),n=0,1,…,N-1,采用8階AR模型提取特征參數(shù)，利用Yule-Walker自相關(guān)算法計算系數(shù)，依據(jù)基本公式為最小平方時間平均準則：

(3)

(4)

(5)

式中：ε——預(yù)測誤差功率；

a——AR[p]模型參數(shù)。

3）對應(yīng)精控壓裂能夠解決薄差油層難以動用的問題，該井通過加大壓裂規(guī)模，穿透比達到20%～25%，壓后井組注采井距縮小至80 m，有效保證了薄差層建立驅(qū)替關(guān)系，并應(yīng)用新型壓裂管柱、采取水井超前壓裂注水、壓后及時調(diào)整等手段，措施后增油效果明顯。

依據(jù)每秒采集N個樣本，形成輸入樣本xk。

3.2.2 分級預(yù)警等級設(shè)定

依據(jù)室內(nèi)火災(zāi)預(yù)防標準，本次分4級預(yù)警，分別為00代表正常，01代表預(yù)警，10代表警告，11代表火警。

圖5 主程序流程圖

3.2.3 分級預(yù)警算法設(shè)計

1)對原數(shù)據(jù)矩陣進行平移和標準差變換，形成樣本數(shù)據(jù)，具體如下：

(6)

(7)

(8)

式中：xik1——每種輸入數(shù)據(jù)在不同時段的Z分數(shù)；

sk——標準差。

(9)

其中i=1,2,…,n；k=1,2,…,m,得到0≤xik2≤1，xik2為新的樣本數(shù)據(jù)矩陣。

2)確定主體BP神經(jīng)網(wǎng)絡(luò)類型，分別訓(xùn)練，誤差的反向傳播過程系統(tǒng)對P個訓(xùn)練樣本的總誤差準則函數(shù)為：

(10)

式中：ok——輸出層K節(jié)點輸出;

Tk——輸出層K節(jié)點目標輸出。

3)確定激勵網(wǎng)絡(luò)，單獨訓(xùn)練。

4)將集成網(wǎng)絡(luò)輸出進行聚類，得到最終預(yù)警分級結(jié)果。聚類準則依據(jù)J(U,V)最小值計算。

(11)

式中：dik——歐式距離,dik=‖xk-ci‖ ；

uik——隸屬度。

對于未知的采樣樣本用貼近度來判別屬于哪一類。

4 系統(tǒng)測試

4.1 測試環(huán)境

100 m2房間安靜環(huán)境，排除干擾因素，檢測火災(zāi)前中后聲音信號。

4.2 測試對象

依據(jù)室內(nèi)火災(zāi)源種類，文中選擇天然氣泄漏作為火災(zāi)預(yù)警測試對象。

4.3 測試樣本

學(xué)習(xí)、檢驗樣本各100個，依據(jù)燃燒物和室內(nèi)火災(zāi)國家標準制定C類火災(zāi)預(yù)警測試數(shù)據(jù)范圍，進行AR模型參數(shù)提取，部分數(shù)據(jù)見表1。

表1 部分AR系數(shù)向量

4.4 測試方法

首先分析單種神經(jīng)網(wǎng)絡(luò)預(yù)警正確率，然后統(tǒng)計集成主體網(wǎng)絡(luò)預(yù)警正確率，最后為加入激勵網(wǎng)絡(luò)的整體BNNG網(wǎng)絡(luò)的預(yù)警正確率，具體數(shù)據(jù)見表2。

表2 系統(tǒng)測試結(jié)果

由表2數(shù)據(jù)可以看出,本系統(tǒng)最低正確預(yù)警率可以達到90%，誤警率控制在10%以內(nèi)，仿生態(tài)神經(jīng)網(wǎng)絡(luò)群算法正確率高于單一神經(jīng)網(wǎng)絡(luò)，說明集成網(wǎng)絡(luò)在平穩(wěn)隨機信號模式識別中具有一定的優(yōu)勢。

5 結(jié) 語

依據(jù)火災(zāi)產(chǎn)生過程中的聲音信號進行分級預(yù)警，經(jīng)過模擬測試，安靜室內(nèi)環(huán)境火災(zāi)預(yù)警精度能夠達到要求，但在復(fù)雜聲音環(huán)境的預(yù)警識別率存在不確定性，后期將會在聲音特征量提取，預(yù)警模型方面做出新的改進，為智能化火災(zāi)預(yù)警設(shè)備研制提供經(jīng)驗支持。