公交车多传感器火灾检测方法

摘要

公交车多传感器火灾检测方法，采用一氧化碳传感器、二氧化碳传感器、温度传感器、烟雾传感器、电流传感器、火焰传感器，通过对采集连续数据的离散化获取的支持向量机模型，得出每一个传感器所检测到公交车发生火灾危险的概率，最后通过D-S证据理论对所有传感器检测结果进行信息融合，分别计算多传感器信息融合后公交车发生火灾危险的概率分配函数，并通过公交车发生火灾危险的概率做出预警提示。

主权项

公交车多传感器火灾检测方法，，具体包括如下步骤：步骤1，采集分布在公交车内合适位置的传感器信息，并通过研究分析对公交车火灾自燃危险作出评估结果，将采集的数据和评估结果一同存储在信息表集合U＝{x₁,x₂,x₃,x₄,x₅,x₆,d}中，其中x₁，x₂、x₃、x₄、x₅、x₆分别表示一氧化碳浓度、二氧化碳浓度、温度、烟雾浓度、电流强度、是否有火焰，d∈{0,1}表示危险情况，0表示安全，1表示有火灾危险；步骤2，对采集的信息表数据进行归一化处理，运用聚类算法结合不相容度一致原则得出不同类型数据信息不同的离散化方式，然后对不同类型数据信息进行编码；计算步骤如下：21.将火灾检测第i个参量x_i(i＝1,2,…,5)的检测值，投影到区间[0，10]上，计算方法如下${x_i}^{\prime }=\frac{x_i}{s_i}\times 10$其中x_i表示第i个参量的检测值，s_i表示第i个参量的检测量程，x_i′表示第i个参量的投影值；22.通过样本分析，预定聚类阀值δ＝8、所有检测参量不相容度的估计值(样本中条件属性一致而危险等级不同的概率称为不相容度)、不相容度的允许误差β＝0.001；23.对于i＝1,2,…,5，重复a)通过层次聚类法得到区间[0,10]关于x_i′的一种划分；b)计算按划分离散化后的参量x_i″的不相容度α_i；c)判断是否成立若成立i＝i+1；否则转如步骤d；d)若则减小聚类阀值δ；若则增大聚类阀值δ，并转至步奏a；e)对离散后的参量检测值用离散数据进行编码；24.通过以上处理，得出检测参量的一组不相容度合理的划分方式为x₁″∈{x|0≤x≤8,x∈N}、x₂″∈{x|0≤x≤5,x∈N}、x₃″∈{x|0≤x≤5,x∈N}、x₄″∈{x|0≤x≤10,x∈N}、x₅″∈{x|0≤x≤4,x∈N}、x₆″∈{x|0≤x≤2,x∈N}；步骤3，通过离散化后的公交车火灾危险信息表，求出支持向量机模型，获取某一时间段某个检测参量判别公交车发生某一火灾自燃危险的概率；其具体的处理步骤包括如下步骤：31.求出支持向量机分类超平面，求得分类函数，例如CO浓度对应的分类函数f(x)＝sgn(0.2867x‑0.95)32.在时间周期T＝1s内，对公交车火灾检测参量各检查f＝5次，求出所有检测参量判别的自燃危险概率，算法如下$m_i=\frac{\underset{j=1}{\overset{5}{\Sigma }}{f}_i\left(x_{\mathrm{ij}}^{\prime \prime }\right)}{5}$其中x″_ij为第i(i＝1,2,…,6)个检测参量在周期内第j(j＝1,2,3,4,5)次检测的离散化结果、f_i为第i个检测参量的分类函数，m_i为第i个检测参量指示公交车火灾自燃危险的概率；步骤4，将上述所得的不同检测参量得出的公交车火灾危险概率运用D‑S信息合成算法，得出多传感器信息融合后的公交车火灾危险等级概率；更进一步的多传感器信息融合算法如下：$[m_p\oplus m_q]\left(E\right)=\left\{\begin{array}{cc}0& E=\phi \\ \frac{\underset{X\cap Y\ne E}{\Sigma }{m}_p\left(X\right)m_q\left(Y\right)}{1-k}& E\ne \phi \end{array}\right.$其中，式中m_p(X)为第p(p＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝X(X＝0，1)的概率，m_q(Y)为第q(q＝1,2,…,6)个检测参量指示公交车火灾自燃危险d＝Y(Y＝0，1)的概率，E(E＝0，1)为检测结果，[m_p⊕m_q](E)为第p个检测参量和第q个检测参量共同指示检测结果为E的概率；所有检测参量的判别融合规则是m＝{[(m₁⊕m₂)⊕m₃]⊕…}⊕m₆步骤5，根据多传感器信息融合后的公交车火灾危险等级概率，设置公交车火灾危险预警的阀值α，当公交车火灾危险等级概率m>α时，即进行公交车火灾危险预警；所述α的范围是：0.3‑0.5。