一种环境参量感知的火灾判定方法

摘要

一种环境参量感知的火灾判定方法，包括如下步骤：（1）建立三层前馈的BP神经网络和常数的T-S型模糊推理系统；（2）通过传感器采集被监测现场的红外、烟雾、温度、湿度、光强数据；（3）通过光强传感器计算出自然光中的红外数值，并对红外数值进行自然光引起的背景红外消除处理，得到处理后的红外数值；（4）将烟雾读数值、经步骤（3）处理后的红外数值输入到已训练好的三层前馈的BP神经网络中，输出火灾发生度；（5）将温度、湿度读数值输入到常数的T-S型模糊推理系统，输出火灾判决阈值；（6）火灾发生度与火灾判决阈值进行比较，当火灾发生大于火灾判决阈值，判定发生火灾。本发明具有环境参量感知功能、适应性良好。

主权项

一种环境参量感知的火灾判定方法，其特征在于：所述火灾判定方法包括如下步骤：(1)建立三层前馈的BP神经网络，所述BP神经网络的输入值为烟雾读数值和红外数值，所述BP神经网络的输出值为火灾发生度，在BP神经网络的训练阶段，将归一化处理后的光强传感器读数值作为训练的输出期望值；同时建立输出为常数的T‑S型模糊推理系统，所述模糊推理系统的输入量为温度和湿度，所述模糊推理系统的输出量为火灾判决阈值；所述常数的T‑S型模糊推理系统中，模糊规则如下：$\begin{array}{cccccccccc}\mathrm{if}& x_3& \mathrm{is}& A_1^i& \mathrm{and}& x_4& \mathrm{is}& A_2^i& \mathrm{then}& y_i=k_i\end{array}---\left(1.12\right)$其中，x₃、x₄表示温度和湿度输入量，表示模糊集，y_i表示第i条规则的输出值，k_i表示输出值y_i为常数；每条规则的权重由两个输入量属于各自的模糊集的隶属度相乘得到，其值代表了这两个输入量满足这条规则的程度，表达式如下：${\omega }_i=A_1^i\left(x_3\right)A_2^i\left(x_4\right)---\left(1.13\right)$模糊系统的最终输出为九条规则的加权平均，即：$O=\underset{i=1}{\overset{9}{\Sigma }}{\omega }_i{y}_i---\left(1.14\right)$O表示当前环境参数条件下的火灾判决阈值，y_i表示第i条规则的输出值；(2)通过传感器采集被监测现场的红外、烟雾、温度、湿度、光强数据，其中，红外、烟雾被设定为火灾特征传感器，分别用X₁，X₂表示其读数值；温度、湿度、光强为环境特征传感器，分别用x₃，x₄，L表示其读数值；(3)通过光强传感器计算出自然光中的红外数值，并对红外数值进行自然光引起的背景红外消除处理，处理后的红外数值用x₁表示；所述红外消除处理的函数关系为：X’_1＝X₁‑0.43θ(L)，X’₁表示背景红外消除后的红外读数值，θ(L)表示光强单位量与红外单位量的换算函数，对X’₁归一化得到处理后的红外数值x₁；(4)将烟雾读数值、经步骤(3)处理后的红外数值输入到已训练好的三层前馈的BP神经网络中，所述神经网络计算输出火灾发生度；(5)将温度、湿度读数值输入到常数的T‑S型模糊推理系统，所述模糊推理系统计算输出当前环境参数条件下的火灾判决阈值；(6)将步骤(4)中输出的火灾发生度与步骤(5)中输出的火灾判决阈值进行比较，当火灾发生度大于所述火灾判决阈值，判定发生火灾。