基于多传感器数据融合技术智能消防报警系统的研究

来源:用户上传      作者:

　　摘 要：针对目前市场上的火灾报警系统比较单一，不能保证数据的实时性、准确性和可靠性，设计一种能够弥补以往火灾报警系统缺点的智能消防报警系统。文中主要论述该系统的主要功能，实质性分析多传感器数据融合层次结构，设计研究路线，分析常用数据融合算法在多传感器数据融合中的应用，画出系统模型图，最后总结多传感器数据融合技术在智能消防报警系统中的优点以及应用前景。
　　关键词：多传感器;数据融合;智能消防;火灾报警;层次结构;火灾信号
　　中图分类号：TP309 文献标识码：A 文章编号：2095-1302（2020）02-00-02
　　0 引 言
　　我国持续高速发展了几十年，在这几十年中一直高度重视先进技术的发展。到如今，很多科技领域已领先于其他国家，如量子力学、5G技术等等，并且在数据融合新兴技术方面也取得了较大的成就。多传感器数据融合技术在当前科技发展中占据极为重要的地位，特别是人工智能方面，需要传感器充当人的感觉器官，在有神经网络进行分析判断。这足以说明传感器和数据融合技术的重要性。原本数据融合技术只应用在军事战略方面，直到发展到近20年才逐渐应用到民事领域。现今，数据融合技术已经成为军事战略、农牧业、制造业等多方面关注的热点。消防报警系统采用多传感器数据融合技术可以极大地弥补以往单一报警系统的局限性和误判性，并且可以根据火灾发生前产生的一系列信号进行采集、分析和综合利用，判别火灾发生的可能性。把该技术应用在消防报警系统中，能够更加全面预防火灾的发生，增加整个系统的可信度和安全度。
　　1 多传感器数据融合智能消防报警系统
　　1.1 分析火灾信号特征
　　火灾发生的原因多种多样，具有监测火灾功能的传感器也不尽相同。目前，监测火灾的主要传感器有：火焰传感器、光敏传感器、温度传感器、CO传感器、烟雾传感器和紫外线传感器等。可以结合多种传感器去探测同一时间同一片区域是否有火灾发生，这样可以极大提高消防报警系统的可靠性。在结合多种传感器时，还需要考虑在某一片区域上可能会发生哪种火灾。例如：在森林中可能有人工放火、雷电、温度过高导致火灾等情况。在发生火灾时，常常伴随着温度过高、CO2急剧上升等情况，可以结合烟雾传感器、火焰传感器、CO2传感器和温度传感器去监测森林火灾。这样可以探测出因人为放火前产生大量烟雾，因温度过高引发火灾突然发生的情况产生。
　　多传感器数据融合智能消防报警系统结合了现代微型传感器技术、光电技术、无线传感器技术、无线通信技术、集成芯片技术等多种高科技技术的产品。它不仅能够弥补以往单一传感器火灾探测技术，还能够在火灾监控上，将不同传感器分布在相同或者不同的区域上去监测火灾情况，根据每一个传感器传输的数据进行处理，同和结合多个传感器的数据进行对比、综合，以降低决策的风险程度。
　　1.2 分层采集火灾信号
　　由于火灾发生具有爆发性、可不预测性、数据多样性，将多传感器数据融合技术应用在消防报警系统中，仅仅在一个层次上进行数据处理存在极大危害的，不但不能够及时报警，还可能面临系统鲁棒性差的问题。所以，在研究多传感器数据融合智能消防报警系统的过程中，将该系统的数据融合层技术分为三个层次：对原始数据进行处理的数据层、能够进行特征提取数据的特征层和对采集数据进行综合分析判断得出结论的决策层。
　　1.2.1 数据层
　　数据层处理传感器读取的最初的数据。它根据不同传感器读取到的原始数据未经过预处理过程就直接对数据进行综合、分析、处理的过程，这样可以很好的避免原始数据丢失现象，保证后续数据判断的准确性。但是，这样面临着数据量过大，对于带宽要求高，数据传输慢的问题，如：在一片森林中，部署上千万个传感器节点。研究表明，在没有火灾触发报警系统的情况下，最长时间需要每一分钟采集一次数据，才能保证系统的有效性，这种数据量可想而知，所以为了安全起见，还需要一个不同层的功能进行数据的处理。
　　1.2.2 特征层
　　特征层在数据层和决策层之间进行的数据融合。在这一层次中，先根据传感器读取的信息根据人们意向进行特征提取，在提取数据的基础上进行分析、处理，还可以对有用的数据进行无损压缩，这样有利于实时处理数据，并且能够很好的在特征层中处理数据，进行特征提取。
　　1.2.3 决策层
　　决策层处理最高层次的数据。决策层不同与数据层，它能够较好的填补数据层的局限性。根据每种传感器不同的特征采集同一目标的信息进行特征变换，以建立对传感器采集目标的初步判定。在通过一定的相關算法处理进行数据融合，获得最优的处理结果。并且决策层融合有很高的鲁棒性和可靠性。对于硬件依赖非常小，不受外界环境因素的影响，带宽要求低。
　　1.3 研究路线
　　在研制多传感器数据融合技术的智能消防探头，需要一个完整的技术路线，才能够有效分析出在智能消防系统中需要解决哪些方面的问题所在。技术路线如图1所示。
　　1.4 常用算法分析
　　数据融合技术发展到目前为止，各个领域中已经提出了比较成熟的融合算法。常用算法有：加权平均法、神经网络法、Kalman滤波算法、贝叶斯估计算法和多贝叶斯估计算法等。结合其它论文与个人实践，本文主要介绍卡尔曼滤波算法和贝叶斯估计算法对提取的数据进行融合和特征提取。
　　卡尔曼滤波算法主要应用在数据层。在火灾监控中，时时刻刻受到外界噪声的干扰，如在监测家庭煤气泄漏时，如何去除因做饭而产生的煤气气体。利用卡尔曼滤波除燥[14]，可以实现数据的分解除燥和最优估计。
　　贝叶斯估计算法在数据融合技术中，主要应用在所部署的各个传感器上。在规定的某一片区域上，获取每一个传感器读取到的数据，结合不同传感器的关联概率分布得出一个总体概率分布函数，除去差异较大的数据，得到一个最终的融合值。可以根据卡尔曼滤波算法和贝叶斯估计算法排除失效数据和出现故障的传感器，提高系统的可靠性。 　　1.5 系统模型
　　多传感器数据融合的智能消防报警系统主要通过各种传感器获取某一片区域的信息，在通过处理器进行特征融合，得到一个较为可靠的数据。最后在决策层进行数据融合，得到最终结果决策输出。智能消防报警系统还可以通过无线或者有线方式将数据传输到数据库，经过相关部门严格计算，健全火灾监测的基础设施。模型图如图2所示。
　　2 基于多传感器数据融合技术智能消防报警系统的优点及应用前景
　　智能消防报警系统通过不同传感器采集数据，进行数据融合，决策输出，可降低消防报警系统的误报率，提高准确性。通过采集到的数据，分析火灾发生的综合因素，能够让有关部门制定更好的防火制度。智能消防不仅有传统消防报警系统的功能，还弥补了传统消防报警系统的优点，在以后的发展过程中，会有越来越多的人去发展智能消防报警系统。
　　3 结 语
　　多传感器数据融合技术作为当前广泛应用新兴领域，有着其他技术不可替代的优点，通过与传统技术和当前科技相结合，多传感器数据融合技术在智能消防中的应用能够极大提高消防监测力度，能够很好避免一些不必要火灾的发生，给广大人民群众一个安心的生活環境。
　　参 考 文 献
　　[1]罗小权，潘善亮.多传感器数据融合在火灾检测中的应用研究[J].无线通信技术，2019，28（3）：57-62.
　　[2]赵红亮.建筑火灾监测系统技术浅谈[J].电脑知识与技术，2019，15（16）：225.
　　[3]王晨.高层建筑火灾救生舱监测系统研究[D].天津：天津理工大学，2019.
　　[4]钱蕾.基于WSN的多传感器数据融合的火灾监控系统设计[J].安徽电子信息职业技术学院学报，2018，17（6）：1-7.
　　[5]贾峰.基于多传感器信息融合的无人机火灾监测技术研究[D].南京：南京航空航天大学，2019.
　　[6]向彬彬.基于极限学习机的林区火灾多感监测研究[D].合肥：安徽理工大学，2018.
　　[7]梅思梦. 面向森林防火的无线传感器网络数据融合技术研究[D].重庆：重庆邮电大学，2018.
　　[8]杜磊.基于多传感器数据融合的智能家居安防研究与设计[D].成都：电子科技大学，2018.
　　[9]张华. 多数据融合在火灾预警中的应用[D].哈尔滨：哈尔滨工程大学，2018.
　　[10]王顺.基于本体的多源异构数据融合方法的研究与应用[D].南京：南京航空航天大学，2018.
　　[11]邹平辉.无线传感器网络安全及数据融合技术研究[D].北京：北京交通大学，2018.
　　[12]夏辉.多传感器协议融合技术研究[D].沈阳：沈阳理工大学，2018.
　　[13]乔杰.基于多传感器融合的汽车火灾报警系统设计与实现[D].北京：中国矿业大学，2017.
　　[14]刘兆惠，李倩，王超，等.基于小波卡尔曼滤波的高速公路交通数据融合去噪算法研究[J].公路工程，2018，43（6）：71-75.
转载注明来源:https://www.xzbu.com/8/view-15153428.htm