[發明專利]基于DS證據理論判斷火災的方法

有效

• 申請號: 201410067387.2
• 申請日: 2014-02-27
• 公開（公告）號: CN103810809A
• 公開（公告）日: 2014-05-21
• 發明（設計）人: 白靜;王力;張怡然
• 申請（專利權）人: 太原理工大學
• 主分類號: G08B17/00
• 分類號: G08B17/00
• 代理公司: 太原市科瑞達專利代理有限公司 14101
• 代理人: 李富元

技術領域

本發明涉及火災防御領域，具體是一種利用多個傳感器數值進行融合判斷是否發生火災的方法。

背景技術

目前，我國經濟建設飛速發展，社會生活不斷進步，整個社會越來越趨向城市化，帶來的直接影響就是，建筑規模不斷擴大，各類場所更加集中，人口密度逐漸增大，從而加大了火災隱患的嚴重程度。因此，全社會也越來越關注到火災的預防和救治工作。而作為早期探測重要手段的火災探測報警系統，其需求量越來越大，應用面也越來越廣，人們對火災探測報警系統其適應性和可靠性的要求也是越來越高。

為了盡早察覺到火災，盡快撲滅，防止火災蔓延，減少人員傷亡以及財產損失，無限傳感器技術運用到了火災報警機制中。火災傳感器是利用各類傳感器探測到的火災生成/伴隨物，例如溫度變化、一氧化碳、煙霧濃度等進行綜合判斷。但是單一傳感器對火災特征信號響應靈敏度的不均勻性,導致它對實際火災的探測能力受到了限制。盡管科研人員為改進和提高火災探測技術水平進行了艱苦的努力,使火災探測器在靈敏度、可靠性和使用性能方面有了許多技術改進,并取得了可喜的成績。但是至今仍然沒有一種單一參數火災探測器能有效地探測各類火情。于是，多傳感器火災探測悄然興起在多傳感器數據融合技術中,一個關鍵的問題是數據融合算法。進行信息融合的算法很多比較成熟的信息融合方法有貝葉斯法、DS證據推理、人工神經網絡、模糊集合論方法等,?這些方法都有各自的特點。DS證據推理具有較強的理論基礎,既能處理隨機性所導致的不確定性,?又能處理模糊性所導致的不確定性,?而且不需要先驗概率和條件概率密度,?因此,?在多傳感器數據融合中有了廣泛應用。

在火災探測過程中,可以利用的火災信息很多，考慮到火災發生時溫升的幅度較大,CO、煙霧的含量增加也具有急劇性。我們選擇溫度，CO，煙霧濃度傳感器進行數據融合。但是由于火災現場的多變性和不確定性，以及火災現場環境多種多樣，人員活動復雜，行為難以預測(如吸煙等)的影響，會給上述的這些特征帶來一定干擾和噪聲。甚至會提供錯誤信息，使數據產生沖突，無法有效的融合，給出準確的結果。

對于系統的融合，DS證據理論得到廣泛而有效的應用。然而，當證據沖突時，DS證據理論會得到錯誤的結論，給出錯誤的信息。對于證據理論的沖突處理，對于傳感器得到的數據，如何有效的利用正確數據，避免錯誤信息帶來的的沖突，合理的利用數據進行數據融合是國內外學者研究的主要方向，可以概括為兩大類:?一是基于修改?Dempster?組合規則的方法,?主要解決如何將沖突重新分配和管理的問題;?二是基于修改原始證據源的方法，?首先對沖突證據進行預處理,?然后再用證據組合規則融合證據。但對于改進的融合技術，大部分融合算法比較復雜，對于傳感器得到的大量數據，融合時間慢，融合效率不高。這樣導致的直接后果就是算法的計算量大，因此報警時間以及報警準確度就收到很大的影響。

本發明所采用的技術方案是：基于DS證據理論判斷火災的方法，火災傳感器把接受到的信息傳送到數據處理中心進行處理，得出是否發生火災的判斷，數據處理中心按照如下步驟進行處理：

步驟一，數據處理中心根據火災是否發生，確定安全狀況的識別框架，表示為???????????????????????????????????????????????，代表有火災，代表無火災，對于同一識別框架下，為火災傳感器對應數值支持火災發生概率的基本概率賦值函數，當有類火災傳感器進行測量監控時，每個傳感器的基本概率賦值函數記為（重慶理工大學韓菁的碩士學位論文《多傳感器數據融合技術在火災探測中的應用研究》），于識別框架的基本概率賦值函數分別為：和，任意兩個火災傳感器對應數值支持火災發生概率和融合后的對應數值支持火災發生概率為：和，其中為大于1的自然數，為自然數，，和為常數，且，，和為任意兩個不相同的自然數；

步驟二，數據處理中心接收到火災傳感器傳回的數據，轉化成火災傳感器對應數值支持火災發生概率的基本概率賦值函數的值，然后先把其中任意兩個數值根據步驟一進行融合，融合后再和其它剩余的一一融合，知道得到最終融合結果，根據最終融合結果判斷是否有火災發生。

作為一種優選方式類火災傳感器為三類火災傳感器，分別為CO濃度傳感器，溫度傳感器，煙霧傳感器，還可以含有多個其它的火災傳感器。???

本發明的有益效果是：對傳感器所得證據，使用簡單算法合理高效的對沖突證據進行了融合，得到正確的決策結果，同時大大減少了融合數據所需時間。

具體實施方式