刍议电气火灾报警系统及其信号处理.doc

刍议电气火灾报警系统及其信号处理 ?刍议电气火灾报警系统及其信号处理 早期的火灾探测报警 这项技术发展趋势针对近年来日益增多电气火灾而造成的高风险、高灾害高损失而提出的，在最开始都是采用开关量来判断火灾信息的。在这个时期一般使用的信号处理方法都是直观法，它是通过对单个传感器的信号进行观察，判断其有无火灾。通过设定一个门限值，凡是超过该门限的则被判断为有火灾，也可以通过电气火灾信号的变化率与门限的大小关系来判断有无火灾。 电气火灾探测器报警的网络化 如何把计算机数据通讯技术及时地运用到电气火灾探测报警系统，以便利用网络协议，充分享用社会信息资源，及时交换系统内部和外部之间的数据信息，从而构成一个动态发展的城市化、社区化的具有多层次功能的火灾探测报警、救援、管理、服务网络信息系统，将是新世纪城市、社区安全保障体系的组成部分，我们对此应有足够的思想准备。 在对电气火灾信号进行处理之前，我们应该先了解电气火灾信号的特征。传感器通过对感知电气火灾发生时生成物的各种物理变化或者化学变化的特征来探测电气火灾是否发生，它们可以通过探测烟雾、温度、光辐射以及气体等，来感知电气火灾有没有产生。这样，我们就非常有必要了解电气火灾信号的特征。 1）随机性。首先，电气火灾信号存在着随机性，它的输出随着火灾的发展而发生变化，而且火灾的早期状态对于不同的火灾类型又有不同的表现形式。2)非结构性。电气火灾的难检测还在于它的非结构性，由于火灾探测到的信号都是随机信号，它们的统计特性随着时间和环境的变化而发生变化；并且由于火灾情况极少出现，火灾传感器平时探测到的都是非火灾情况下的信号，并且在非火灾情况下的背景噪声非常强，有时与火灾探测信号的特征十分相似。就会容易造成误判。3)趋势特征。通过长期的观测和实验，我们可以知道，电气火灾为未发生的时候传感器的输出信号具有明显的稳态值，而一旦发生了火灾，输出信号就会有明显的正向或者负向变化的趋势特征。 电气火灾信号的预处理 1）一般滤波法。由于我们采集的火灾信号受到各个方面的影响，环境因素以及人为因素，而这些变化在很多情况下会影响到火灾特征的提取。因此，我们必须在作出火灾分析判断之前先对传感器采集的信号进行预处理，排除各种噪声的干扰。我们可以先通过分析信号的频谱来分析信号主要的频率范围，来滤去噪声。与前面的传感器输入相比较滤波以后仅除去了一些毛刺，结果仍然有很多毛刺，会影响后面的信号处理。所以我们考虑采用自适应滤波器对信号进行处理。 2）自适应滤波法。当输入信号的统计特性变化时，自适应滤波器可以自动地迭代来调节自身的滤波器参数，用来满足某种准则的要求，从而实现最好的滤波效果。自适应滤波器有很好的自我调节和自我跟踪能力。自适应滤波器主要分为线性自适应滤波器和非线性自适应滤波器。 模糊处理算法 模糊系统是建立在自然语言的基础上的，由于自然语言中常采用一些模糊的概念，如“温度偏高”，“年纪偏大”等。如何描述这些模糊的概念，并对它们进行分析和推理，这就是模糊集合与模糊逻辑所要解决的问题。考虑到火灾判断的准确性，我们至少需要两个或两个以上的输入变量，我们在这里采用两个传感器的输出信号作为输入，得到的输出是火灾发生的概率。 神经网络算法 人工神经网络是由一些简单的处理单元组织的大规模并行网络，它是在现代神经生物学和认知科学对人类信息处理研究的成果基础上提出的对人的神经系统的简化、抽象和模拟的模型，在信息处理机制上和传统的数字计算机有着根本的不同，它具有大规模并行模拟处理、连续时间动力学和网络全局作用等特点，信息的存储方式体现在神经元之间联接的分布上，存储区和操作区合二为一。它具有很强的自适应性、学习能力、容错能力和并行处理能力，使得信号的处理过程更加接近人类的思维活动。 互联型神经网络是指任意两个神经元之间都可能有连接，也就是说输入信号从某一初始状态开始要在神经元之间反复传递，经过多次变化，直到达到一个稳定状态或者周期振荡状态。互联神经网络可以分为联想存储模型和用于模式识别以及优化的网络。联想存储器是指根据内容进行检索，类似于人的记忆方式。我们可以把下面的数据作为神经网络的输入数据，这样我们可以定义输入向量的格式为: =[，，，，，，，，;，，，，，，，，]: =[，，，，，，，，:，，，，，，，，:，，，，，，，，]: 即前面的是两个输入神经元，后面的是三个输出神经元。通过比较和经验，我们选择中间层神经元选择12个。训练步数3000，权系数取，上面的随机数，学习率为，最终误差为。这样我们就可以建立一个期望输出与实际输出的图形来分析神经网络的结果，我们就可以得到下面的图形，其中横坐标为期望输出，纵坐