王慶暉

（四川瀘定縣公安消防大隊(duì)，四川甘孜626100）

火災(zāi)監(jiān)控系統(tǒng)中關(guān)于火災(zāi)信號(hào)處理的結(jié)構(gòu)可分為3層：處理信號(hào)層、判斷信號(hào)層與決策信息層。其中，信號(hào)處理層可以將火災(zāi)識(shí)別的種類分為非火災(zāi)源、陰燃以及明火，并由此在大多數(shù)場(chǎng)合下可推斷出發(fā)生火災(zāi)的概率；而最后的信息決策層則是根據(jù)判斷層所輸出的信息，利用相應(yīng)的判斷規(guī)則以及決策技術(shù)將火災(zāi)的最終結(jié)果決策出來。

1 軟件Matlab 7介紹

20世紀(jì)80年代，美國(guó)的 Math Works公司推出了一款數(shù)學(xué)軟件即Matlab。這款軟件是十分高效的，可用于仿真建模、設(shè)計(jì)算法、設(shè)計(jì)概念，是讓人滿意的一種集成環(huán)境。數(shù)值運(yùn)算的不斷進(jìn)化，使得它漸漸演變成科學(xué)可視化的、各種數(shù)字信號(hào)處理、系統(tǒng)仿真的通用標(biāo)準(zhǔn)語言。作為三大數(shù)學(xué)軟件之一，其強(qiáng)項(xiàng)就是仿真以及強(qiáng)大的矩陣計(jì)算能力。而Matlab的編譯器是自給自足的：兼容了Fortran以及C＋＋兩大語言；因此，可以說 Matlab是研究者或者工程師用作研究的最佳的語言，而且是最佳的環(huán)境以及工具[1]。Matlab通過自我改善，至今為止，已經(jīng)演變成具有非常強(qiáng)大作用的軟件之一。

Matlab 7將文件I／O、數(shù)字計(jì)算、數(shù)據(jù)可視化、代碼效率、編程環(huán)境等方面進(jìn)行了升級(jí)：

（1）開發(fā)環(huán)境

桌面環(huán)境經(jīng)過重新設(shè)計(jì)，就多文檔界面應(yīng)用問題提供了訪問方法和簡(jiǎn)單的管理，增強(qiáng)了工作空間瀏覽器和數(shù)組編輯器功能，提高了M文件編輯器的功能，并支持各種格式源代碼文件的可視化編輯，如Java，HTML，C／C＋＋等。

（2）編程效率提高

支持創(chuàng)建匿名函數(shù)和嵌套函數(shù)功能，并增強(qiáng)了注釋模塊化的功能。

（3）便捷高效的數(shù)學(xué)運(yùn)算

支持單精度的數(shù)據(jù)類型運(yùn)算，如FFT、線性代數(shù)、基本算術(shù)運(yùn)算等，支持整數(shù)的算術(shù)運(yùn)算。

（4）可視化的3D和圖形

圖形在窗體界面上表現(xiàn)出新型化，從圖形的窗體上直接產(chǎn)生M代碼，方便用戶做完繪圖，并為觀測(cè)手段提供了豐富的數(shù)據(jù)。

（5）外部接口和文件I／O

新增加了文件I／O，讓MAT文件具備了數(shù)據(jù)文件快速I／O 的能力，并支持 Unicode，F(xiàn)TP，SOAP，VBS，COM 編碼。

動(dòng)態(tài)交互式系統(tǒng)研究、模擬及建模的圖形環(huán)境，是嵌入式系統(tǒng)研究的基本環(huán)境。

2 信號(hào)處理層

火災(zāi)的發(fā)生后，火情發(fā)展千變?nèi)f化，在這個(gè)過程中還伴隨CO氣體濃度變化、煙霧產(chǎn)生以及溫度升高等特征變化。本文由CO濃度、感煙和感溫3種傳感器測(cè)查各現(xiàn)場(chǎng)。鑒于信號(hào)的范圍是根據(jù)干擾源的變化而變化的；因此，要對(duì)收集到的信號(hào)進(jìn)行預(yù)處理，包含放大、整形濾波等[2]。在輸入神經(jīng)網(wǎng)絡(luò)和模糊控制器之前，還要對(duì)信號(hào)數(shù)據(jù)進(jìn)行歸一化處理。

式中，y′為預(yù)處理數(shù)據(jù)；y 為樣本數(shù)據(jù)；ymin，ymax分別為樣本數(shù)據(jù)的最小值和最大值。

3 處理模糊控制的火災(zāi)信號(hào)

模糊控制器設(shè)計(jì)包括方面：① 確定模糊控制器的輸出變量和輸入變量；② 設(shè)計(jì)控制器結(jié)構(gòu)；③ 明確隸屬度函數(shù)；④ 設(shè)計(jì)流程方式；⑤ 將控制方式進(jìn)行清晰化或模糊化。具體流程如圖1所示。

圖1 設(shè)計(jì)模糊控制器的流程

3.1 輸入量的模糊化

在啟動(dòng)模糊化運(yùn)算時(shí)，需要尺度來變換輸入量，將尺度變換到一個(gè)適合的區(qū)間。如一個(gè)爐子的溫度是850℃時(shí)，可將其變成為語言的數(shù)值，用高、中、低3種方式表示。通常情況下，操作以一個(gè)物理量分為負(fù)大（NL）、負(fù)中（NM）、負(fù)?。∟S）、零（ZE）、正小（PS）、正中（PM）、正大（PL）7級(jí)變量。語言值需要與每一個(gè)模糊子集一一對(duì)應(yīng)，常采用梯形、三角形或其他形狀的基礎(chǔ)圖形作為其函數(shù)[3]。三角形屬于非常容易計(jì)算的函數(shù)，其圖形非常簡(jiǎn)單，故得到了廣泛使用，其隸屬函數(shù)圖如圖2所示。

隸屬函數(shù)解析式為

圖2 三角形隸屬函數(shù)圖

式中，μ為模糊控制器輸出的隸屬度函數(shù)；a為模糊集的中心；b，c分別為模糊集的2個(gè)端點(diǎn)。

系統(tǒng)采用是三角形隸屬函數(shù)。根據(jù)火災(zāi)發(fā)生時(shí)情況，將CO、煙霧的濃度以及環(huán)境中的溫度這三者的信號(hào)表示為無火情，火情可能性小和火情可能性大。

3.2 創(chuàng)建推理法則

在推理過程中，設(shè)計(jì)規(guī)則庫時(shí)，應(yīng)確定控制規(guī)則的數(shù)目和語言的變量級(jí)數(shù)，并正確地建立規(guī)則形式[4]。

模糊控制規(guī)則是對(duì)系統(tǒng)控制經(jīng)驗(yàn)進(jìn)行的概括總結(jié)，是控制器設(shè)計(jì)最為重要的依據(jù)之一，它對(duì)控制系統(tǒng)有著非常大的影響。所以，制定一套科學(xué)、合理的規(guī)則就顯得尤為重要。在創(chuàng)建相關(guān)規(guī)則時(shí)，必須將控制規(guī)則的特點(diǎn)考慮在內(nèi)。

從以上模糊控制的規(guī)則要求可以系統(tǒng)地得出模糊規(guī)則。

3.3 反模糊化

有各種方法可以進(jìn)行去模糊處理，其中最常用、簡(jiǎn)單的有加權(quán)平均法、中位數(shù)法和最大隸屬度法[5]。其判斷方法為

式中，u′為模糊規(guī)則輸出；μc（ui）是對(duì)應(yīng)用的第i個(gè)規(guī)則的輸出隸屬函數(shù)；ui為模糊集中的離散點(diǎn)；m為規(guī)則數(shù)。

3.4 基于模糊控制的火災(zāi)信號(hào)處理結(jié)果分析

從信息角度分析，模糊的辨識(shí)是非常規(guī)則型的一類權(quán)威型的系統(tǒng)。模糊邏輯可以在火災(zāi)探測(cè)中被采納，需要建立非常規(guī)范的傳輸關(guān)系庫。本文傳輸對(duì)應(yīng)的信號(hào)都是指在傳感器模糊化后的，而傳輸中輸出所對(duì)應(yīng)的是發(fā)生火災(zāi)的概率為多大。整個(gè)算法的重點(diǎn)是建立1個(gè)非常規(guī)范的規(guī)則庫。影響火災(zāi)的因素很多，受不同燃燒的環(huán)境、燃燒物質(zhì)等因素的影響，人們無法從現(xiàn)有的資料中去總結(jié)出相關(guān)的規(guī)律及其函數(shù)。然而模糊技術(shù)最為重要的一點(diǎn)就是確立模糊的規(guī)則[6]。只有當(dāng)規(guī)則精準(zhǔn)、覆蓋全面，才能識(shí)別出正確的結(jié)論。所以，僅依靠模糊邏輯，理想的辨識(shí)結(jié)果是無法達(dá)到的。

4 神經(jīng)網(wǎng)絡(luò)火災(zāi)信號(hào)的處理

神經(jīng)網(wǎng)絡(luò)搭建的方式比較多樣，根據(jù)目前最流行的方法大致可分為反饋、前向的網(wǎng)絡(luò)。多層前向網(wǎng)絡(luò)使用較頻繁，最常見的是徑向基函數(shù)（Radial Basic Function，RBF）神經(jīng)網(wǎng)絡(luò)和誤差反向傳播前饋（Backpropagation，BP）神經(jīng)網(wǎng)絡(luò)模型，此外，還有一種是在這兩者基礎(chǔ)上經(jīng)過多次改進(jìn)的模型[7]。

常見的BP網(wǎng)絡(luò)包含了神經(jīng)網(wǎng)絡(luò)理論中最精華的部分，因?yàn)槠淇伤苄詮?qiáng)、結(jié)構(gòu)簡(jiǎn)單，故在數(shù)據(jù)壓縮、信息分類、模式識(shí)別及函數(shù)逼近等領(lǐng)域被廣泛應(yīng)用。

BP算法步驟如圖4所示。

圖4 BP神經(jīng)網(wǎng)絡(luò)算法流程圖

BP算法的缺陷包括：① 容易形成局部極小而無法達(dá)到全局最優(yōu)；② 由于訓(xùn)練次數(shù)多導(dǎo)致收斂速度減慢，學(xué)習(xí)效率下降；③ 選取隱節(jié)點(diǎn)缺少理論作為支撐；④ 在鍛煉時(shí)忘記老樣本、學(xué)習(xí)新方式的現(xiàn)象頻出。

優(yōu)化BP算法的方法可分為網(wǎng)絡(luò)結(jié)構(gòu)調(diào)整、權(quán)值調(diào)整等。但是使用最多的包括：①Lcvcnberg－Marquart算法；② 共軛梯度算法；③ 學(xué)習(xí)速率調(diào)整；④ 加入動(dòng)量項(xiàng)。除了改進(jìn)算法外，通過調(diào)整誤差、改變網(wǎng)絡(luò)結(jié)構(gòu)等，也可以加快BP算法的收斂速度[8]。

設(shè)計(jì)BP網(wǎng)絡(luò)過程如下：① 輸出層和隱層間的權(quán)值為W2，而隱層和輸入層間的權(quán)值為 W1，第3層為輸出層，第2層為隱層，第1層為輸入層；② 歸一化后的CO的濃度、煙霧濃度和溫度為輸入向量，輸出向量為明火、無火、陰燃的概率，其取值范圍為0～1；③ 雙曲正切的S型的傳遞函數(shù)為隱藏激活函數(shù)，而輸出的相關(guān)函數(shù)為S型對(duì)數(shù)函數(shù)；④ 訓(xùn)練函數(shù)分別選定Levenbeg Marquadt BP訓(xùn)練函數(shù)、準(zhǔn)牛頓函數(shù)以及梯度下降函數(shù)來鍛煉；⑤ 按照經(jīng)驗(yàn)可將隱層結(jié)點(diǎn)數(shù)設(shè)為7～13，并通過比對(duì)來選擇最為合適的；⑥ 網(wǎng)絡(luò)結(jié)構(gòu)是3層前向的網(wǎng)絡(luò)，用BP算法計(jì)算。

對(duì)隱層神經(jīng)元數(shù)目進(jìn)行優(yōu)化是極為困難的問題，設(shè)計(jì)者一般需要根據(jù)自身的經(jīng)驗(yàn)及多方面的實(shí)驗(yàn)來選擇最終的數(shù)目；因此，用理想數(shù)學(xué)表達(dá)式表示是不可能的。但是，隱層神經(jīng)元的數(shù)目、傳輸相關(guān)單元的數(shù)目、問題的要求都應(yīng)該有著直接或間接的影響，最優(yōu)的一個(gè)隱單元數(shù)一定隱藏在這其中。對(duì)隱單元數(shù)作最優(yōu)選擇時(shí)可參考。

式中，m為輸出單元數(shù)，n為輸入單元數(shù)；n1為隱單元數(shù)。

式中，k為樣本數(shù)；若i＞n1，則Cini＝0。

理論上，最佳的連續(xù)函數(shù)逼近是RBF網(wǎng)絡(luò)。RBF有較好的泛化能力，只需改變少量的權(quán)值以及節(jié)點(diǎn)[9]，學(xué)習(xí)會(huì)比一般的BP算法提升數(shù)千倍的速度，更容易掌握和了解新的數(shù)據(jù)和資料，其收斂性也比BP網(wǎng)絡(luò)好，可以得到最優(yōu)解。

5 控制與網(wǎng)絡(luò)的有機(jī)合并

模糊邏輯最習(xí)慣使用的運(yùn)算法則被稱之為最大、最小規(guī)則，如果使用最大、最小法則就有可能丟失了部分信息，然而這種運(yùn)算對(duì)于抓住相關(guān)的主要信息并且迅速做出回應(yīng)或處理是十分有利的[10]。因?yàn)闄?quán)重是可以用學(xué)習(xí)來更改相關(guān)數(shù)值的量，起到增加數(shù)據(jù)獲取以及存儲(chǔ)的作用。

將實(shí)現(xiàn)高級(jí)智能作為最終的發(fā)展方向，把模糊控制技術(shù)以及人工神經(jīng)網(wǎng)絡(luò)相輔相成地融合在一起，以彌補(bǔ)其中不足，是研究者們值得研究并且完善的主要目標(biāo)。

依據(jù)神經(jīng)網(wǎng)絡(luò)連接、模糊系統(tǒng)的運(yùn)用的方式及相關(guān)的使用功能，將兩者合并的方法大致可分為并聯(lián)型結(jié)合、松散型結(jié)合等5種[11]。

5.1 采用模糊神經(jīng)網(wǎng)絡(luò)的系統(tǒng)

3種不同的探測(cè)器從不同的角度探測(cè)火災(zāi)的相關(guān)信息，并將測(cè)量到的相關(guān)信號(hào)作為火災(zāi)信號(hào)的警戒信息，為探測(cè)火災(zāi)提供了充實(shí)的依據(jù)；為進(jìn)一步提升響應(yīng)時(shí)間的靈敏度和可靠性，分別將輸入信號(hào)送入神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)，再經(jīng)過模糊邏輯判斷后輸出。實(shí)現(xiàn)框圖如圖5所示。

圖5 模糊神經(jīng)網(wǎng)絡(luò)火災(zāi)信號(hào)的處理框圖圖示

5.2 信息決策層

根據(jù)神經(jīng)網(wǎng)絡(luò)系統(tǒng)、模糊控制系統(tǒng)得出的結(jié)論，通過系統(tǒng)的分析并且使用一定的模糊邏輯進(jìn)行判定，得到最后目標(biāo)是信息決策層主要的任務(wù)。神經(jīng)網(wǎng)絡(luò)系統(tǒng)輸出明火的概率設(shè)為m1，陰燃火的概率設(shè)為m2，無火的概率設(shè)為m3，以及模糊控制器所得到的火災(zāi)概率這幾者存在一定的沖突。不難得到以下結(jié)論：當(dāng)神經(jīng)網(wǎng)絡(luò)判斷為無火m3并且模糊邏輯傳輸出的信息，火災(zāi)概率k＞0.6時(shí)，可以確定有火災(zāi)出現(xiàn)；可是，當(dāng)神經(jīng)網(wǎng)絡(luò)認(rèn)為火災(zāi)是非火災(zāi)源而且模糊邏輯所傳輸?shù)幕馂?zāi)概率k＞0.3時(shí)，就難以判斷是否出現(xiàn)了火災(zāi)[12]。由于得到的實(shí)際火災(zāi)數(shù)據(jù)較少，無法代表所有的火情，再加上神經(jīng)網(wǎng)絡(luò)的泛化能力有限，對(duì)于模糊邏輯控制器的規(guī)律的了解也不夠深入。同時(shí)，模糊神經(jīng)網(wǎng)絡(luò)輸出當(dāng)做判定火災(zāi)的依據(jù)的標(biāo)準(zhǔn)還有明顯的局限性，故往往是將神經(jīng)網(wǎng)絡(luò)系統(tǒng)輸出明火的概率m1與模糊邏輯所傳輸?shù)幕馂?zāi)概率k再次融合，并結(jié)合人們的經(jīng)驗(yàn)判斷，最終得到火災(zāi)概率。

如果把神經(jīng)網(wǎng)絡(luò)輸出的無火概率m1，陰燃火概率m2，明火概率m3以及模糊控制器所推斷的火災(zāi)概率0當(dāng)做模糊邏輯判決進(jìn)行分析并且輸入。其判定的標(biāo)準(zhǔn)可規(guī)定如下：

當(dāng)m3≥0.6，且0.3≤k≤0.6，判斷為延時(shí)t s再進(jìn)行判斷；

當(dāng)m3≥0.6，且k≥0.6，則可以判斷為明火火災(zāi)；

當(dāng)0.3≤m1≤0.6，且k≥0.6，判斷為延時(shí)t s再進(jìn)行判斷；

當(dāng)m2≥0.6，且k≥0.3，判斷為陰燃火火災(zāi)；

當(dāng)0.3≤m2≤0.6，且k≥0.3，判斷為延時(shí)t s再進(jìn)行判斷；

當(dāng)m2≥0.6，且k≤0.3，判斷為延時(shí)t s再進(jìn)行判斷；

當(dāng)m1≥0.6，且k≤0.3，則判斷為無火災(zāi)發(fā)生；

當(dāng)m1≥0.6，且k≥0.3，判斷為延時(shí)t s再判斷。

6 結(jié) 語

本文闡述了火災(zāi)監(jiān)控的相關(guān)系統(tǒng)及火災(zāi)相關(guān)信號(hào)處理系統(tǒng)的3個(gè)層面上的結(jié)構(gòu)，其中對(duì)于信號(hào)的判斷層進(jìn)行詳細(xì)地分析介紹，利用模糊系統(tǒng)及人工神經(jīng)網(wǎng)絡(luò)依次對(duì)處理層進(jìn)行相關(guān)的預(yù)處理，然后傳輸相關(guān)的信號(hào)作為火災(zāi)判斷的依據(jù)。提出了決策層中對(duì)神經(jīng)網(wǎng)絡(luò)輸出用模糊邏輯的推理系統(tǒng)及采用模糊邏輯系統(tǒng)的輸出方式，對(duì)模糊邏輯進(jìn)行再次推理分析，最終無論推斷出何種結(jié)論，利用延長(zhǎng)t s，再次采集相關(guān)的火災(zāi)信號(hào)的方式來獲得最有說服力的結(jié)論。

[1] 李 峰，田繼東，楊冬永.火災(zāi)早期探測(cè)技術(shù)的發(fā)展及其展望[J].機(jī)械管理開發(fā)，2008，18（12）：62－63.

[2] 許 東，吳 錚.基于 MATLAB6.X的系統(tǒng)分析與設(shè)計(jì)——神經(jīng)網(wǎng)絡(luò)[M].2版.西安：西安電子科技大學(xué)出版社，2002.

[3] 徐金明.MATLAB實(shí)用教程[M].北京：清華大學(xué)出版社，2005.

[4] 王 娜，徐風(fēng)榮，劉海龍.火災(zāi)探測(cè)的模糊神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合技術(shù)[J].控制工程，2007，23（5）：44－49.

[5] 劉 維.精通 MATLAB與 C／C＋＋混合程序設(shè)計(jì)[M].北京：北京航空航天大學(xué)出版社，2005.

[6] 趙玉寶.火災(zāi)報(bào)警技術(shù)分析[J].消防技術(shù)與產(chǎn)品信息，2009，17（2）：38－40.

[7] 王沐然.MATLAB與科學(xué)計(jì)算[M].北京：清華大學(xué)出版社，2008.

[8] 馬偉明，秦科雁.極早期火災(zāi)智能預(yù)警系統(tǒng)的分析研究[J].消防科學(xué)與技術(shù)，2009，34（3）：33－36.

[9] 張國(guó)良.模糊控制及其 MATLAB應(yīng)用[M].西安：西安交通大學(xué)出版社，2007.

[10] 谷建榮，社成寶.模糊控制技術(shù)在模擬量火災(zāi)報(bào)警系統(tǒng)中的應(yīng)用[J].原子能科學(xué)技術(shù)，2000，34（5）：439－444.

[11] 羅云林，朱瑞平.基于數(shù)字圖像處理的火警監(jiān)測(cè)系統(tǒng)研究[J].遼寧工程技術(shù)大學(xué)學(xué)報(bào)：自然科學(xué)版，2002，21（6）：754－756.

[12] 陳 濤，袁水宏，范維澄.火災(zāi)探測(cè)技術(shù)研究的展望[J].火災(zāi)科學(xué)，2001，2（10）：108－110.