智能火灾探测系统设计及实现.docVIP

智能火灾探测系统设计及实现摘要:介绍了基于模糊神经网络的火灾探测系统设计原理。硬件完成了数据采集、火灾报警、故障报警等功能。软件包括火灾探测器和区域报警控制器软件设计。利用神经网络算法的学习与联想能力,对阴燃火和明火进行目标识别,然后用模糊推理算法将明火、阴燃火概率、持续时间进行融合,依照由专家经验制定的控制规则,最终做出火灾探测系统的决策输出。仿真结果证明了该方法的可行性 关键词: 火灾探测;神经网络;模糊规则 DOI:10.3969/j.issn.1672-8289.2010.10.057 引言 火灾自动报警系统领域中网络化、自动化技术虽已日臻完善,但火灾探测器还存在着误报和漏报等问题。火灾探测器探测火灾的准确性将直接影响整个自动报警系统的性能。因此,火灾探测器技术已成为该领域的主要发展方向 针对烟火探测非线性复杂系统,本课题利用模糊神经网络的自适应性对不同环境进行学习,自动生成适应与现场的隶属度函数和模糊规则,从而提高探测器灵敏度、减少误报率 1.智能火灾探测系统结构 火灾探测系统硬件主要由单片机,A/D转换,烟雾传感器,CO气体传感器,温度传感器,输出显示电路,报警电路以及稳压电路组成 图1 火灾探测系统结构 探测系统是一种复合式火灾探测系统。烟雾传感器和CO气体传感器输出模拟信号经过放大器放大信号再由A/D转换器为单片机提供数字信号。DS18B20数字温度传感器在与单片机连接时仅需要一条口线即可实现微处理器与DS18B20的双向通讯,测量结果以9~12位数字量方式串行传送,自带高速暂存器RAM和可电擦除RAM。采用液晶显示屏显示当前环境的烟雾,CO气体和温度值,并且在传感器发生故障,单片机检测不到输入信号时会及时显示故障和报警。探测系统检测或预测到火灾发生立即驱动蜂鸣器报警和输出信号驱动灭火装置并显示当前情况 1.1 温度传感器模块 采用DALLAS公司生产的单线数字温度传感器DSI8B20为感温模块,它具有经济性好、抗干扰能力强和使用方便,测温范围宽,精度高等优点,而且它是数字式温度值,可以直接读取数值不需要再进行AD转换,这样就大大简化了外接电路 1.2 烟雾传感器模块 采用国产型号HQ22 型气敏元件,其结构如图3 所示。HQ22 气敏管A～B 之间的电阻,在无烟环境下为几十千欧,在有烟环境 图2 烟雾探测电路图 中阻值可下降到几千欧,一旦气敏管检测到周围环境中有烟雾存在,A～B 间电阻迅速减小 1.3CO 探测电路 采用TGS813 型旁热式SnO2 气敏元件,它对co 有很高的灵敏度,有较好的选择性、且稳定性好 图3 CO探测电路图 由于SnO2 气敏元件易受环境湿度的影响,因此在使用时,为了提高仪器和设备的可靠性,在电路中要加湿度补偿,并选用温湿度性能好的元件,温湿度补偿电路由RT 和R2～R6 组成,热敏电阻RT 与气敏元件共接于运算放大器UI 的反相端,与Vr 、R7 、R8 构成差动放大电路,经二阶带通滤波后输入到AD7705 ,图中要求热敏电阻RT 的电阻温度系数与气敏元件温度系数相同或相近,当周围环境温度升高时,绝对温度升高,气敏器件阻值降低,其分压降低;此时热敏电阻阻值降低,则R3 分压增大,从而实现补偿,这样可以减少温度对CO 传感器输出的影响,提高了电路的检测精度 2. 模糊神经网络算法 网络结构如图4所示 图4 模糊神经网络结构图 首先对信号进行归一到[ 0 ,1 ]之间任一值,利用神经网络学习和联想能力对输入的信号数据记忆、存储、比较、分析、统计处理,并输出相应的无火、阴燃火、明火的隶属度函数;然后利用模糊推理系统对神经网络的输出进一步推理判断、最后经过非模糊化得到火灾或非火灾的最终判别输出 2.1.2 BP神经网络算法 网络隐含层与输出层的神经元均采用正切函数作为传递函数,即 则隐层的输出为: 网络输出为: 以上各式中 为输入; 为输入节点与隐含层节点间的网络权值, 为隐含层节点与输出层节点间的网络权值; , 分别为隐含层和输出层节点阈值; 为网络的输出 误差计算公式为 其中, t为网络期望输出值, 为网络实际输出值, 为平 方和误差。采用标准的BP学习算法,通过学习训练修改权值 和阀值 最终使误差达到最小,训练方法采用梯度下降法 输出层权值修正公式为 式中 为迭代次数, 为输出层权值修正值的函数误差的梯度下降系数, 为输入节点误差, 为隐层节点输出 输出层阈值修正公式为 隐层节点各权值修正为: 式中 为隐含层权值修正值的函数误差的梯度下降系数, 为输出节点误差 隐层节点阀值修正公式为