基于模糊聚類算法的早期火災(zāi)預(yù)警巡檢機(jī)器人*

蔡鐘山

（福建省特種設(shè)備檢驗(yàn)研究院，福州 350008）

0 引言

火災(zāi)是自然和非自然災(zāi)害事件中極具危險(xiǎn)和殺傷性的災(zāi)害之一，其造成的直接經(jīng)濟(jì)損失約為地震等自然災(zāi)害的五倍，造成的直接經(jīng)濟(jì)損失在世界上僅次于干旱和突發(fā)性洪澇[1]。石化園區(qū)產(chǎn)生的火災(zāi)危險(xiǎn)性更為突出，危險(xiǎn)更大，更有必要進(jìn)行火災(zāi)的提前預(yù)警。

本文主要針對(duì)石化園區(qū)的應(yīng)用環(huán)境，以早期火災(zāi)的表征氣體CO 和CO2為研究對(duì)象，采集相關(guān)數(shù)據(jù)并提取其中特征量，設(shè)計(jì)出一種基于模糊聚類算法的早期火災(zāi)預(yù)警系統(tǒng)，并應(yīng)用于石化巡檢機(jī)器人中[2]。

1 硬件設(shè)計(jì)

石化巡檢機(jī)器人主要由機(jī)器人本體、通信模塊、視覺(jué)模塊、電源模塊、云臺(tái)監(jiān)控模塊和傳感器模塊等組成，如圖1所示。本文重點(diǎn)在于巡檢機(jī)器人中火災(zāi)預(yù)警系統(tǒng)設(shè)計(jì)，其在微控制器設(shè)計(jì)上選用飛利浦的一款具有ARM7TDMI2S 內(nèi)核[3]的32 位多功能、低功耗的嵌入式處理器LPC2114，其還帶有4路10 位A/D 模數(shù)轉(zhuǎn)換器，實(shí)現(xiàn)最高為60 MHz 的CPU 主頻[4]，可以滿足火災(zāi)監(jiān)控報(bào)警的實(shí)時(shí)性要求。

通過(guò)對(duì)絕大多數(shù)火災(zāi)中可燃物的分析，發(fā)現(xiàn)CO和CO2氣體存在于多數(shù)火災(zāi)的產(chǎn)物中，將CO和CO2氣體濃度作為被測(cè)對(duì)象，選用CO和CO2傳感器作為傳感器模塊的組成部分。選用CITY 公司型號(hào)為7E/F 的CO 傳感器，其氣體測(cè)量范圍一般為1～1 000 ppm，輸出為標(biāo)準(zhǔn)4～20 mA電流信號(hào)，經(jīng)精密電阻轉(zhuǎn)換為電壓信號(hào)[2]。選用TELAIRE 公司型號(hào)為6004 的CO2傳感器，其集成氣體測(cè)量的范圍一般為0～2 000 ppm，模擬輸出0～4 VDC[2]。

將CO 和CO2傳感器輸出的模擬信號(hào)通過(guò)AD 轉(zhuǎn)換之后輸入到LPC2114 控制器中，經(jīng)過(guò)聚類分析算法判斷是否發(fā)生火災(zāi)，若有，則驅(qū)動(dòng)報(bào)警模塊報(bào)警，通過(guò)機(jī)械臂使用滅火器撲滅火源；若沒(méi)有，則繼續(xù)采集CO和CO2氣體的信號(hào)，重復(fù)以上過(guò)程。

圖1 石化巡檢機(jī)器人

2 系統(tǒng)軟件設(shè)計(jì)

軟件操作系統(tǒng)采用μCOS-Ⅱ操作系統(tǒng)，根據(jù)硬件的各個(gè)模塊進(jìn)行模塊化設(shè)計(jì)，進(jìn)行多任務(wù)處理，程序的模塊化封裝對(duì)系統(tǒng)的穩(wěn)定性和實(shí)時(shí)性更有保障。系統(tǒng)軟件設(shè)計(jì)流程如圖2所示。

2.1 μCOS-Ⅱ操作系統(tǒng)的移植

μCOS-Ⅱ是一種搶先式的多任務(wù)實(shí)時(shí)操作系統(tǒng)，具有內(nèi)核代碼小、可移植性強(qiáng)的特點(diǎn)[4]。μCOS-Ⅱ操作系統(tǒng)移植的關(guān)鍵在于3 個(gè)函數(shù)的移植，這3 個(gè)函數(shù)分別為OS.CPU.H、OS.CPU.C、CPU.A.S，是與處理器及編譯器相關(guān)的函數(shù)[5]。另外還需要對(duì)任務(wù)的堆棧進(jìn)行合理的設(shè)置，需注意當(dāng)多任務(wù)之間切換時(shí)，優(yōu)先級(jí)高的任務(wù)的寄存器數(shù)值需要出棧，任務(wù)低的入棧。

2.2 模塊化軟件設(shè)計(jì)

模塊化軟件設(shè)計(jì)是基于移植成功的μCOS-Ⅱ操作系統(tǒng)，火災(zāi)預(yù)警部分的軟件模塊主要包含信號(hào)采集模塊、信號(hào)處理模塊、聚類分析算法模塊和聲光報(bào)警模塊。

信號(hào)采集模塊通過(guò)LPC2114 的 ADC 轉(zhuǎn) 換 實(shí)現(xiàn)，選擇其中兩個(gè)通道對(duì)CO和CO2氣體濃度進(jìn)行數(shù)據(jù)采集，將模擬電壓量轉(zhuǎn)換為數(shù)字量；信號(hào)處理模塊對(duì)采集到的信號(hào)進(jìn)行歸一化處理，對(duì)歸一化后的數(shù)據(jù)經(jīng)數(shù)學(xué)運(yùn)算得到CO和CO2氣體濃度比值和對(duì)應(yīng)比值上升速率[2]，作為早期火災(zāi)特征量；將特征量輸入聚類分析算法模塊中，進(jìn)行迭代計(jì)算，辨別出真假火災(zāi)。若識(shí)別為真火災(zāi)，則通過(guò)IO口控制LED和蜂鳴器進(jìn)行報(bào)警；若為假火災(zāi)，則不報(bào)警。

圖2 系統(tǒng)軟件設(shè)計(jì)流程圖

3 模糊聚類算法

本文采用模糊c 均值聚類算法（簡(jiǎn)稱FCMA 或FCM），其主要是以模糊控制理論算法為基礎(chǔ)，通過(guò)優(yōu)化模糊控制目標(biāo)函數(shù)，計(jì)算樣本對(duì)類中心的隸屬度大小，實(shí)現(xiàn)模糊目標(biāo)的分類[6]。隸屬度函數(shù)是表示一個(gè)樣本隸屬于某一集合程度的函數(shù)，取值范圍為0～1。首先，定義具有d 維特征的一個(gè)樣本X，μij為其中第i個(gè)樣本xi對(duì)j類的隸屬程度，cj為類的中心，m為類的簇?cái)?shù)，模糊c均值聚類就是不斷迭代隸屬度和類中心，直到達(dá)到最優(yōu)值為止[7]。目標(biāo)函數(shù)、隸屬度和類中心的公式為：

式中：m為加權(quán)指數(shù)；k為迭代步數(shù)；ε 為誤差閾值。

具體算法流程如圖3所示。

圖3 模糊聚類算法流程圖

4 實(shí)驗(yàn)結(jié)果

以泉州市泉港區(qū)某石化園區(qū)發(fā)生的火災(zāi)為例，通過(guò)信號(hào)采集模塊采集火災(zāi)發(fā)生前后的CO和CO2濃度，經(jīng)信號(hào)處理模塊得到CO和CO2氣體濃度比值α0(i)和比值上升速率α1(i)，作為模糊c均值聚類算法的樣本集合，用集合X={x1，x2，…，xn}表示，n為樣本數(shù)?；馂?zāi)早期預(yù)警只需將火災(zāi)辨別為真火災(zāi)或假火災(zāi)即可，因此類別數(shù)c=2，每一個(gè)類別均為X上的一個(gè)模糊集，記為A1（真火災(zāi)）、A2（假火災(zāi)）。對(duì)論域X 中的任一待識(shí)別對(duì)象xi（xi∈X），把對(duì)象xi劃分到與其最相似的一個(gè)類別中去，即隸屬度越大的那個(gè)類別，圖4所示為已知真/假火災(zāi)數(shù)據(jù)訓(xùn)練樣本。

在模糊c均值聚類算法中，加權(quán)指數(shù)m對(duì)于聚類的效果有重要的影響，Bezdek首先給出一個(gè)合適的經(jīng)驗(yàn)分析范圍1.1≤m≤5；可知m=2時(shí)最有意義[8]。由圖3可知，首先要初始化一些參數(shù)，將模糊劃分矩陣為：

圖4 原始火災(zāi)樣本數(shù)據(jù)

設(shè)置誤差目標(biāo)值ε=0.01，類數(shù)c=2，加權(quán)指數(shù)m=2，通過(guò)迭代修正聚類中心[2]，目標(biāo)函數(shù)值Jm在迭代過(guò)程中不斷發(fā)生變化，直至收斂為止。

如圖5所示，迭代至第6代時(shí)目標(biāo)函數(shù)已收斂，收斂速度很快。待識(shí)別數(shù)據(jù)樣本對(duì)模式A1和A2的隸屬度，如圖6所示，設(shè)定隸屬度閾值α=0.55（工程試驗(yàn)驗(yàn)證得來(lái)經(jīng)驗(yàn)值），40組待測(cè)樣本都可以被辨別為真火災(zāi)和假火災(zāi)，從散點(diǎn)圖可得出真假火災(zāi)的隸屬度之和為1。最終得出以下結(jié)論：

圖5 目標(biāo)函數(shù)值與迭代次數(shù)

圖6 待測(cè)樣本對(duì)真/假火災(zāi)模式的隸屬度

（1）設(shè)定合理的閾值，通過(guò)模糊聚類算法可以對(duì)火災(zāi)數(shù)據(jù)樣本進(jìn)行歸類；

（2）通過(guò)40組火災(zāi)數(shù)據(jù)樣本進(jìn)行測(cè)試，最后得出的分類結(jié)果跟客觀情況一致，成功率100%；

（3）對(duì)閾值α的選擇還需要斟酌，因?yàn)槠渲档拇笮≈苯記Q定了歸類的結(jié)果，存在隸屬度值與閾值α接近的情況，將不可區(qū)分。

5 結(jié)束語(yǔ)

本文介紹了一種基于模糊聚類算法的早期火災(zāi)預(yù)警系統(tǒng)，并應(yīng)用于石化巡檢機(jī)器人。采用模糊c均值聚類算法，經(jīng)過(guò)不斷地迭代，計(jì)算出待識(shí)實(shí)驗(yàn)數(shù)據(jù)對(duì)各類的隸屬度，通過(guò)與閾值進(jìn)行對(duì)比，得到分類結(jié)果。經(jīng)過(guò)對(duì)多組實(shí)驗(yàn)數(shù)據(jù)的模糊聚類分析和模式識(shí)別，分類的結(jié)果和客觀實(shí)際基本一致。同時(shí)模糊聚類算法還存在一些不足之處，如陷入局部最優(yōu)，另外權(quán)值m和閾值的選擇仍是需要后續(xù)進(jìn)一步考究。