基于模糊神經(jīng)網(wǎng)絡(luò)的化工生產(chǎn)車(chē)間火災(zāi)報(bào)警方法

季凱

(上海先幻高科新材料有限公司,上海 201417)

隨著現(xiàn)代科技的發(fā)展,工業(yè)生產(chǎn)、電力輸送、交通運(yùn)輸、能源供應(yīng)等方面對(duì)火災(zāi)探測(cè)技術(shù)的要求越來(lái)越高?；馂?zāi)探測(cè)技術(shù)已成為預(yù)防和控制火災(zāi)的關(guān)鍵,是目前各國(guó)研究的重要內(nèi)容?；馂?zāi)探測(cè)器是由感煙、感溫、可燃?xì)怏w濃度探測(cè)器等組成,其中,感溫、可燃?xì)怏w探測(cè)器可分為手動(dòng)式和自動(dòng)式兩種。據(jù)統(tǒng)計(jì),化工企業(yè)火災(zāi)占各類(lèi)火災(zāi)總數(shù)的70%以上?；て髽I(yè)的生產(chǎn)過(guò)程大多具有高溫、高壓、易燃易爆、有毒有害、腐蝕性強(qiáng),事故危害大,起火后不易撲救等特點(diǎn),加之化工行業(yè)點(diǎn)多面廣,企業(yè)管理水平、員工素質(zhì)參差不齊,在防火工作上存在諸多問(wèn)題?；どa(chǎn)車(chē)間一旦發(fā)生火災(zāi),將會(huì)產(chǎn)生大量有毒有害氣體,危害極大。所以必須加強(qiáng)化工生產(chǎn)車(chē)間火災(zāi)報(bào)警的設(shè)計(jì)研究,保障化工生產(chǎn)車(chē)間消防安全。

在化工生產(chǎn)車(chē)間內(nèi),經(jīng)常采用可燃?xì)怏w探測(cè)器、火焰探測(cè)器和手動(dòng)報(bào)警等多種方法來(lái)監(jiān)測(cè)和控制火災(zāi)。在一些傳統(tǒng)的化工車(chē)間火災(zāi)報(bào)警方法中,對(duì)于無(wú)火起火和陰燃的報(bào)警靈敏性較差,因此本文提出了一種基于模糊神經(jīng)網(wǎng)絡(luò)的火災(zāi)報(bào)警方法。模糊神經(jīng)網(wǎng)絡(luò)是將模糊推理和神經(jīng)網(wǎng)絡(luò)相結(jié)合的一種智能計(jì)算方法,是一種基于模糊控制理論的非線性模式識(shí)別和控制算法。該方法應(yīng)用在化工生產(chǎn)車(chē)間火災(zāi)報(bào)警算法中,以期能夠提升報(bào)警精度。

1 化工生產(chǎn)車(chē)間火災(zāi)報(bào)警方法研究

1.1 火災(zāi)探測(cè)器抗干擾優(yōu)化

化工生產(chǎn)車(chē)間火災(zāi)報(bào)警系統(tǒng)通常由火災(zāi)探測(cè)器、現(xiàn)場(chǎng)控制器、軟件三部分組成?；馂?zāi)探測(cè)器利用I/O口通過(guò)總線將信號(hào)傳輸給現(xiàn)場(chǎng)控制器,火災(zāi)探測(cè)器將檢測(cè)信號(hào)傳給控制器處理,識(shí)別出火災(zāi)信號(hào)。為了保證探測(cè)器工作過(guò)程中所獲取的數(shù)據(jù)干擾最小,需要優(yōu)化火災(zāi)探測(cè)器自身的抗干擾性能。整體的火災(zāi)報(bào)警流程如圖1所示。

圖1 火災(zāi)報(bào)警流程示意

1)火災(zāi)探測(cè)器選型中,需要保證數(shù)據(jù)采集的準(zhǔn)確性,且在傳輸過(guò)程中,受到外部干擾較小。由于化工生產(chǎn)車(chē)間環(huán)境比較惡劣,存在各種干擾源,火災(zāi)探測(cè)器會(huì)受到周?chē)h(huán)境的影響,而且火災(zāi)探測(cè)器本身也存在一定的噪聲,因此抗干擾優(yōu)化設(shè)計(jì)至關(guān)重要。對(duì)于復(fù)雜的現(xiàn)場(chǎng)環(huán)境,需要進(jìn)行抗干擾優(yōu)化設(shè)計(jì),獲取精準(zhǔn)的環(huán)境數(shù)據(jù),才能保證探測(cè)器正常穩(wěn)定地運(yùn)行。在火災(zāi)探測(cè)器中加入數(shù)據(jù)采集電路,主要功能是將模擬信號(hào)轉(zhuǎn)換為數(shù)字信號(hào),其優(yōu)點(diǎn)在于抗干擾性強(qiáng),精度高,處理和存儲(chǔ)方便,靈活性、可編程性以及可擴(kuò)展性強(qiáng)等,以保證CO質(zhì)量濃度、煙霧質(zhì)量濃度與溫度信號(hào)采集精度。

2)對(duì)于CO質(zhì)量濃度、煙霧質(zhì)量濃度與溫度信號(hào)進(jìn)行預(yù)處理后,將采集到的信號(hào)通過(guò)無(wú)線傳輸至處理軟件。

3)處理軟件可以從樣本數(shù)據(jù)中提取有用的特征,并根據(jù)特征的相關(guān)性和重要性進(jìn)行選擇,以減少特征維度和提高模型效果?；跇颖緮?shù)據(jù)構(gòu)建模糊神經(jīng)網(wǎng)絡(luò)模型,通過(guò)訓(xùn)練算法對(duì)模型進(jìn)行優(yōu)化和調(diào)整。

4)現(xiàn)場(chǎng)控制器主要由主控板、數(shù)據(jù)采集器、通信器、電源和電池、外殼和接線端子組成。通過(guò)監(jiān)測(cè)火災(zāi)風(fēng)險(xiǎn)、采集和處理數(shù)據(jù),觸發(fā)報(bào)警系統(tǒng)和控制其他設(shè)備,從而實(shí)現(xiàn)化工生產(chǎn)車(chē)間火災(zāi)監(jiān)測(cè)與報(bào)警。

在完成探測(cè)器自身的抗干擾優(yōu)化后,為了減小由噪聲引起的誤報(bào),還需要優(yōu)化數(shù)據(jù)傳輸過(guò)程,本文使用ZigBee協(xié)議棧結(jié)構(gòu)傳輸數(shù)據(jù),結(jié)構(gòu)如圖2所示。

圖2 ZigBee協(xié)議棧結(jié)構(gòu)示意

在圖2的傳輸協(xié)議中,由于采集到的現(xiàn)場(chǎng)圖像具有噪聲大、復(fù)雜性高等特點(diǎn),需對(duì)圖像進(jìn)行降噪處理,否則數(shù)據(jù)大小不一。在訓(xùn)練過(guò)程中,大數(shù)據(jù)將會(huì)掩蓋小數(shù)據(jù),影響訓(xùn)練結(jié)果,需要對(duì)采集到的圖像進(jìn)行歸一化處理。過(guò)程如式(1)所示:

(1)

式中:xi——經(jīng)過(guò)放大、濾波等處理后的數(shù)據(jù)信號(hào);xmax——數(shù)據(jù)集中的最大數(shù)據(jù);xmin——數(shù)據(jù)集中的最小數(shù)據(jù)。經(jīng)過(guò)處理后,數(shù)據(jù)大小經(jīng)過(guò)統(tǒng)一,為后續(xù)神經(jīng)網(wǎng)絡(luò)訓(xùn)練提供穩(wěn)定的數(shù)據(jù)來(lái)源。

1.2 基于模糊神經(jīng)網(wǎng)絡(luò)優(yōu)化火災(zāi)報(bào)警算法

模糊神經(jīng)網(wǎng)絡(luò)(FNN)是一種新型的控制算法,該算法在一定程度上可以近似地描述一個(gè)具有非線性特征的系統(tǒng),由輸入端和輸出端的模糊規(guī)則構(gòu)成。其中,輸入端為模糊變量,輸出端為神經(jīng)節(jié)點(diǎn)。因此,該網(wǎng)絡(luò)既可以采用模糊化方式來(lái)降低計(jì)算難度,又可以采用神經(jīng)網(wǎng)絡(luò)的方法來(lái)逼近輸入變量。FNN模型主要有輸入層、隱含層和輸出層,其中隱含層包含一個(gè)傳遞函數(shù),輸出層包含一個(gè)輸出量,FNN模型如圖3所示。

圖3 FNN模型示意

圖3所示的模型中,K表示隱含層中模糊集群的數(shù)量,FNN模型輸入為環(huán)境溫度、ρ(煙霧)及ρ(CO),輸出為火災(zāi)的狀態(tài)特征,即明火、陰燃火以及無(wú)火。BP算法是一種具有高度非線性、局部尋優(yōu)能力強(qiáng)、收斂速度快的算法,但是BP算法的收斂速度受初始權(quán)值、閾值及網(wǎng)絡(luò)參數(shù)調(diào)整等影響很大,不利于火災(zāi)報(bào)警系統(tǒng)的快速反應(yīng)。為了解決該問(wèn)題,本文提出了一種基于FNN優(yōu)化火災(zāi)報(bào)警算法。該方法將模糊邏輯與神經(jīng)網(wǎng)絡(luò)相結(jié)合,采用改進(jìn)的BP算法對(duì)系統(tǒng)模型進(jìn)行訓(xùn)練和學(xué)習(xí),將輸入分為環(huán)境溫度、ρ(煙霧)以及ρ(CO)數(shù)據(jù)三個(gè)部分。在訓(xùn)練時(shí)首先將輸入數(shù)據(jù)模糊化后分別輸入到訓(xùn)練好的網(wǎng)絡(luò)中進(jìn)行訓(xùn)練,最后根據(jù)網(wǎng)絡(luò)輸出值判斷是否發(fā)生火災(zāi),從而實(shí)現(xiàn)火災(zāi)報(bào)警功能。該模型具有高度的非線性能力和對(duì)輸入變量的強(qiáng)適應(yīng)能力,在訓(xùn)練過(guò)程中,各層神經(jīng)元之間存在大量的隱含層連接權(quán)值和隱含層激活函數(shù)。其中的激勵(lì)函數(shù)如式(2)所示:

(2)

式(2)中的激勵(lì)函數(shù)定義域?yàn)?-∞, +∞),在該范圍內(nèi)可導(dǎo),值域?yàn)?0, 1)。輸入量的模糊化處理中,能夠?qū)⑤斎肓烤珳?zhǔn)映射成模糊集合。本文FNN模型的輸出是一個(gè)給定的量,即明火、陰燃火以及無(wú)火判斷結(jié)果。采用模糊神經(jīng)網(wǎng)絡(luò)來(lái)處理模糊控制系統(tǒng)中產(chǎn)生的問(wèn)題具有較好的優(yōu)越性。在模糊控制系統(tǒng)中,通常將輸入量分為兩部分,一部分為輸入數(shù)據(jù)X,X∈1～n,另一部分為數(shù)據(jù)X的隸屬度。當(dāng)系統(tǒng)處于模糊化狀態(tài)時(shí),其輸出為一個(gè)隸屬度函數(shù),本文選擇三角型隸屬函數(shù),在訓(xùn)練過(guò)程中的收斂速度較快。三角型隸屬函數(shù)曲線如圖4所示。

圖4 三角型隸屬函數(shù)曲線示意

按照隸屬度函數(shù)的輸出進(jìn)行模糊化處理,三角型隸屬函數(shù)如式(3)所示:

(3)

采用自組織特征映射(SOM)算法建立模糊規(guī)則,同時(shí)引入自適應(yīng)調(diào)整學(xué)習(xí)率來(lái)提高收斂速度和穩(wěn)定性。在學(xué)習(xí)過(guò)程中,通過(guò)模糊推理系統(tǒng)(FIS)可以對(duì)輸入數(shù)據(jù)進(jìn)行學(xué)習(xí);通過(guò)提取煙霧和火焰等不同火災(zāi)特征,實(shí)現(xiàn)對(duì)煙霧和火焰的有效識(shí)別。模糊邏輯技術(shù)通過(guò)建立模糊規(guī)則和隸屬度函數(shù)來(lái)表達(dá)火災(zāi)特征信息和火災(zāi)發(fā)展情況;神經(jīng)網(wǎng)絡(luò)則是通過(guò)輸入變量之間的非線性關(guān)系,建立訓(xùn)練數(shù)據(jù)與預(yù)測(cè)結(jié)果之間的映射關(guān)系。兩者結(jié)合起來(lái)進(jìn)行模糊推理、在線學(xué)習(xí),實(shí)現(xiàn)對(duì)化工生產(chǎn)車(chē)間火災(zāi)的報(bào)警。

2 仿真測(cè)試

2.1 仿真環(huán)境設(shè)計(jì)

為驗(yàn)證本文設(shè)計(jì)的報(bào)警方法在實(shí)際應(yīng)用中的有效性,選擇在化工生產(chǎn)車(chē)間仿真環(huán)境中進(jìn)行測(cè)試。選擇某真實(shí)化工廠生產(chǎn)車(chē)間作為仿真對(duì)象,該區(qū)域?yàn)橐粋€(gè)8 m×8 m的正方形,其布局結(jié)構(gòu)如圖5所示。

圖5 某化工廠生產(chǎn)車(chē)間布局示意

在圖5所示的車(chē)間中部署火災(zāi)探測(cè)器,保證所有區(qū)域都在探測(cè)器的監(jiān)控之下,同時(shí)在全范圍覆蓋的基礎(chǔ)上,盡量減少探測(cè)器的數(shù)量以節(jié)約成本。仿真測(cè)試探測(cè)器的選擇: 溫度探測(cè)器4個(gè),監(jiān)測(cè)半徑為3.6 m;煙霧探測(cè)器1個(gè),監(jiān)測(cè)半徑為5.8 m;CO探測(cè)器4個(gè),監(jiān)測(cè)半徑為3.5 m。仿真化工生產(chǎn)車(chē)間探測(cè)器布署如圖6所示。

圖6 仿真化工生產(chǎn)車(chē)間探測(cè)感應(yīng)器部署示意

在該仿真環(huán)境下對(duì)報(bào)警方法進(jìn)行訓(xùn)練,訓(xùn)練集數(shù)據(jù)使用的是SH3聚氨酯塑料火數(shù)據(jù),經(jīng)過(guò)預(yù)處理之后,得到的樣本數(shù)據(jù)見(jiàn)表1所列。

表1 化工生產(chǎn)車(chē)間火災(zāi)樣本數(shù)據(jù)

在表1數(shù)據(jù)集下,分別使用本文設(shè)計(jì)的基于FNN的化工生產(chǎn)車(chē)間火災(zāi)報(bào)警方法和基于CAN總線的火災(zāi)報(bào)警方法進(jìn)行測(cè)試,并對(duì)比分析仿真結(jié)果。

2.2 實(shí)驗(yàn)結(jié)果對(duì)比與分析

在該仿真環(huán)境下,對(duì)兩種報(bào)警方法進(jìn)行訓(xùn)練,得到兩種方法的收斂結(jié)果如圖7所示。

圖7 兩種報(bào)警方法訓(xùn)練收斂結(jié)果示意

圖7中為兩種報(bào)警方法的訓(xùn)練后的收斂結(jié)果,由圖7可以看出,本文報(bào)警方法在訓(xùn)練過(guò)程中收斂速度快,最后的均方誤差更低。兩種方法的仿真訓(xùn)練結(jié)果見(jiàn)表2所列。

表2 兩種報(bào)警方法仿真訓(xùn)練結(jié)果

從表2的數(shù)據(jù)可以看出,與期望輸出的概率相比,本文方法輸出的結(jié)果精度更高,說(shuō)明本文設(shè)計(jì)的基于FNN的化工生產(chǎn)車(chē)間火災(zāi)報(bào)警方法性能更好,對(duì)于保障化工生產(chǎn)車(chē)間安全穩(wěn)定生產(chǎn)起到很好的效果。

3 結(jié)束語(yǔ)

本文針對(duì)傳統(tǒng)火災(zāi)報(bào)警對(duì)于不同起火類(lèi)型的局限性,將FNN算法應(yīng)用在火災(zāi)報(bào)警方法中?；诙喾N環(huán)境數(shù)據(jù)來(lái)分析火災(zāi)特征,利用FNN算法對(duì)火災(zāi)情況進(jìn)行訓(xùn)練,仿真實(shí)驗(yàn)的結(jié)果,也驗(yàn)證了本文方法在化工生產(chǎn)車(chē)間不同火災(zāi)類(lèi)型下具有較高的報(bào)警精度。