基于模糊神经网络的火灾报警系统的设计
1.概述
随着经济建设和城市的迅速发展,工业与民用建筑日趋增多,为了保护人民财产和生
命的安全,消防监控已经成为现代楼宇设计中不可缺少的组成部分。
任何燃烧或火灾,在其初始发展阶段,都将伴随烟雾、热量和火焰的产生,烟、热、
光是物质燃烧的三大特征。火灾早期预报的重要手段,就是通过安装在现场的各类火灾探
测器对火灾产生的烟、热、光等参量做出有效的响应,即应用相应的敏感元件,将表征火
灾参数的物理量转化为电信号,通过电子线路将其放大、变换、传输、处理,发出报警信
号,并以特定的音箱和闪光报警信号引起人们的警觉,呼唤工作人员采取必要的灭火措施
有效地制止火灾的发生。目前使用的火灾报警探测器多数采取单传感器对火灾的某一特性
进行监测(如气体温度、烟雾浓度等),系统灵敏度完全依赖传感器的灵敏度。实际应用中经
常会因为受到环境的干扰而采集到错误信息,这就导致了漏检、误报情况的出现。
基于模糊神经网络的火灾报警系统充分利用模糊系统推理能力强和神经网络学习适应
能力强的优点,提高传感器的灵敏度和整个系统的韧性,大大降低火灾的漏报率和误报率,提
高了火灾报警系统的可信度和可靠度。火灾监控系统一般由火灾探测器、区域报警器和集
中报警器组成。也可以根据工程的要求与各种灭火设施和通信装置联动,形成中心控制系
统,由火灾自动报警、自动灭火、安全疏散诱导、系统过程显示、消防档案管理等组成一
个完整的消防控制系统。
2.系统总体设计
(1)基于模糊神经网络的火灾探测原理
图 1 信号处理示意图
对从现场采集的信号进行处理,如图 1 所示。系统从环境状态中提取反映火灾的关键参
数烟雾浓度信号 s、温度信号 t、气体信号 g,并经过预处理得到参数:烟雾浓度变化信号
、温度变化信号 、气体变化信号 。由于参数数目多,考虑对 6 个信号归一化后进
行信号融合处理,具体处理如下:S=a*s+(1-a)* ;T=b*t+(1-b)* ;G=c*g+(1-
c)* 。a、b、c 均为 0 到 1 之间的数,具体的值可以根据专家经验,在不同的情况进行调
整。
基于模糊神经网络的火灾探测结构如图 2 所示,训练模型和预报模型均采用神经网络,
训练模型将由训练样本得到的神经网络连接弧权值赋予火灾预报模型。火灾预报模型对融
合得到的 S、T、G 信号进行处理:根据规则进行学习,通过调整权值、阈值,使得网络实际
输出与期望输出误差均方值最小。神经网络的输出再经过模糊推理系统,给出火灾报警结果。
评论0