|
鑒于目前單一的普通類型的火災探測報警器已不能滿足需求，采用多個傳感器全面采集火災發生前的各種異常信息，并用多傳感器信息融合技術處理傳感器提供的火災信息，可以大大地提高整個報警監測系統的可靠性。 1 系統硬件設計 本方案硬件系統的核心控制器是采用三星的具有ARM920T核的16/32位多功能、低功耗的嵌入式處理器S3C2440。S3C2440是韓國三星公司推出的一款高檔的，可用于工業控制、智能家電等便攜產品開發的嵌入式微處理器，其主頻處理速度達到400MHz，完全可以滿足火災監控報警的實時性處理要求。其主控制芯片及豐富的外圍接口電路可用于連接各類數字設備從而實現數據交換。基于多傳感器數據融合的火災預警系統采用模塊化結構，主要由傳感器模塊、A/D轉換模塊、S3C2440控制器、報警模塊、執行模塊和控制器必需的電源模塊和存儲器模塊組成，圖1為系統結構圖。 多傳感器模塊由多組傳感器組成，每組傳感器由溫度傳感器，可燃氣體探測器和煙霧探測器組成，在該系統中溫度傳感器采用法國HuMIREL公司的HM500，它們具有成本低、體積小、壽命長、選擇性和穩定性好等特性；可燃氣體探測器選用了深圳市吉安達科技公司最新開發的紅外氣體傳感器，探測器安裝于被測氣體容易泄露的室內、外危險場所，它們能夠靈敏地感知空氣中的低濃度污染氣體，分別對空氣中的異味、CO、H、O有較高的敏感度，甚至能檢測到幾個ppm級污染氣體含量；煙霧探測器采用美國通用GE煙霧探測器514C，具有自診斷功能，漂移補償抗灰塵引起的干擾的能力。以上傳感器完成對火災過程的多參數進行監測，通過A/D轉換模塊將檢測的數據傳送給S3C2440控制器并配以智能判別技術，可以達到提前預警、減少漏報誤報、提高可靠性的目的。本設計中采用的A/D轉換模塊是TI公司的12位高速并行轉換器ADS805，具有采樣速度高，穩定性好的特點。 S3C2440控制器的核采用一款16/32-bitRISC微處理器，采用6層板工藝，具有低功耗，高速的處理計算能力的特點，簡單穩定的設計非常適合對電源要求較高的產品上。采用了新的總線構架（AMBA），其內核為32bit的先進處理器。其主頻最高可達到533MHz,在處理大量傳感器數據情況下，完全可以保證實時性的要求。其電源管理模塊能夠提供系統多種電壓供電，包括芯片內核電壓采用1.8V供電，芯片的I/O部分采用3.3V供電。而片外的一些常規集成電路又采用5V供電。智能電源管理模塊很好地解決了對系統各個部分供電要求的不同,降低了功耗，減少了不同電源之間的干擾噪聲，提高了系統的集成度。它的存儲器模塊包括兩片SDRAM共64MB和一片64MNandflash（K9F1208）并且可根據存儲容量要求選配其他容量Nandflash存儲器，存儲器模塊用來存儲系統運行程序和傳感器采集的火災監控過程的數據。 報警模塊主要當判斷有火險發生時，啟動聲光報警信號來通知值班人員，從而采取相應的措施；執行模塊完成火險發生時啟動附近的滅火裝置，使火災的危害降低到最小的程度。 2 系統軟件設計 該系統的軟件部分主要包括系統的上電初始化、系統自檢、初始化時鐘、中斷設置、外設初始化，然后運行主程序main（）函數，建立任務后，擴展口對ADC進行控制切換通道采集數據。對數據進行平滑濾波、標定補償等預處理后，來通過數據融合算法分析火災發生情況，判斷是否報警并循環檢測。系統軟件流程如圖2所示。 與一般的數據采集處理系統不同。本系統的數據采集軟件和數據處理軟件均在處理器上運行，系統軟件除了要不斷采集最新的火災現場數據外，還要進行實時地數據處理。以8/16位單片機為核心的測控系統。程序一般采用前后臺方式編寫。后臺運行一個大的無限循環。前臺為多個中斷。這種方式在程序規模增大、系統功能較復雜，尤其是系統中的并發模塊較多的情況下，主顯得力不從心，很難保證測量、控制的實時性。而且編程困難、不便于增加功能。綜合考慮軟件復雜度、運算量、實時性要求，系統采用μCOS-II操作系統。 本系統中大部分任務通過調用OSTimeDly（）實現定時運行，每個任務都可通過系統函數賦予不同的定時時間間隔。ADC數據采集程序，數據處理程序和數據融合算法程序主要由嵌入式C語言來編寫。 3 數據融合算法 將多傳感器信息融合技術應用于工業過程監測系統中，已經取得了一些工程應用。在這類系統中，傳感器從對象和環境中采集到數據后，先進行數據融合處理，然后再參與控制策略運算。目前，常用的信息融合方法大致分為以下幾類：一是基于估計和統計的經典方法，包括加權平均法、最小二乘法和D-S證據理論等；二是信息論的融合，包括模板法、聚類分析的熵理論等；三是人工智能的融合方法，包括模糊邏輯、產生式規則、神經網絡、遺傳算法和模糊積分理論以及專家系統等。 在應用于多傳感器信息融合時，我們將A看作系統可能決策的集合，B看作傳感器的集合，A和B的關系矩陣RA+B中的元素μi表示由傳感器i推斷決策為i的可能性，X表示各傳感器判斷的可信度，經過模糊變換得到的Y就是各決策的可能性。 具體的，我們假設有m個傳感器對系統進行觀測，而系統的決策可能有n個，則： A:｛y1/決策、y2/決策、…、yn/決策n｝ B:｛x1/傳感器、x2/傳感器、…、xn/傳感器m｝ 傳感器對各個決策的判斷用定義在A上的隸屬函數表示，設傳感器i對系統的判斷結果是： μi1/決策，μi2/決策,…,μin/決策n,0≤μy≤1 即認為結果為決策j的可能性為μij,記作向量μi1，μi2，μi3，…μin,則m個傳感器構成A×B的關系矩陣為： 將各傳感器判斷的可信度用B上的隸屬度：X=｛x1/傳感器1×x2/傳感器2…、xn/傳感器n｝表示，那么，根據Y=X＊RA＊B進行模糊變換，就可得出：y=（y1,y2,y3,…,yn） 即綜合判斷后的各決策的可能性為y，最后，對各可能判決按照一定的準則（比如最大隸屬度方法、中心法等）進行選擇，得出最優結果。根據運算的y值，采用以下規則進行判決應注意：①判決結果應有最大的隸屬度。②判決結果的隸屬度與必須大于某一閥值（一般情況取0.5）。③判決結果的隸屬度與其它判決的隸屬度值的差必須大于某一閥值（比如0.1）。 4 火災監測的數據融合試驗 本設計對火災監測使用了溫度傳感器，可燃氣體探測器的煙霧探測器，數據融合的方法如圖3。 圖3基于模糊推理的數據融合的一般方法是在火災故障監測系統中，首先確定各個傳感器的權重，在設計中我們設定溫度傳感器，可燃氣體探測器的權重分別為W1=0.5,W2=0.3,W3=0.2；將最后的判決結果分為兩種：有火災Y1和無火災Y2；根據當前的工作狀態，確定每個傳感器X對于每一判決Y的隸屬函數；再進行線性變換運算，即可確定最后的結果。 比如，在某時刻，根據溫度傳感器的數據確定有無火災的隸屬度分別為μ11=0.45，μ12=0.55，根據煙霧傳感器的數據確定有無火災的隸屬度分別為μ31=0.9，μ32=0.1，采用線性變換運算得Y, 根據結果得有火災隱患，應該啟動氣溶滅火器。表1是模糊融合在火災故障監測系統中的試驗數據。 5 結束語 將模糊推理數據融合方法應用到多傳感器的電纜火災故障監測系統，與單一的傳感器相比，具有更高的準確性的可信度。運行結果表明，這種方法對提高火災故障檢測的可靠性是實用和有效的，可降低火災報警的誤報率。但是，這種方法也有一些缺點，比如傳感器的權重和每一傳感器對判決的隸屬度值的分配方面，沒有形成統一的理論，需要依靠經驗進行設置。 |
