一种基于数据融合的多传感器火灾预警方法技术

本发明专利技术提出一种基于数据融合的多传感器火灾预警方法。其过程为：步骤1：在采样周期Tn内获取各传感器节点的连续采样数据，建立采样节点与其采样数据的X矩阵；步骤2：采用中值滤波滤除采样数据中噪声，在此基础上寻找采样数据中的突变点，得到被节点检测到的火灾信息；步骤3：对同质传感器的采样数据进行求最大突变值处理，得到采样数据的概率分布，并按照D-S证据理论进行二次融合，得到最终火灾概率情况。该方法能有效滤除错误数据以及噪声，大幅提高火灾预警的准确性和可靠性，从而避免误报和漏报的发生。

【技术实现步骤摘要】

本专利技术涉及一种火灾预警方法，具体涉及一种基于数据融合的多传感器火灾预警 方法。
技术介绍
森林、仓库、公园等为火灾频发地区，年年都有一定数量的火情发生，造成了重大 的经济损失和严重的环境污染。这类火灾具有突发性强、破坏性大等特点。 现有的许多火灾预警系统，其传统的单元火灾探测器多采用单元探测技术，且为 单一参数火灾探测器（包括阈值触发式和模拟量式）。这种探测器对火灾特征信号响应灵 敏度的不均匀性，导致其对实际火灾的探测能力受到了限制，使得误报率和漏报率一直居 高不下。随着技术的进步，火灾探测器中开始采用多种类型的传感器共同探测火焰。但是 在实际使用中仍面临许多困难。一、利用传感器得到与火灾状态存在关系的物理信号不仅 随火情而变化，还会受到其它因素干扰，如电子噪声、空气中的灰尘、传感器的安装位置及 其它的人为活动，这些变化往往与火情特征相似，因此容易造成误判。例如光电烟雾探测器 在通风速度较快的场所，探测灵敏度会受到较大影响。因此，如何消除传感器探测数据中的 噪声是得到准确结果首要解决的关键文体。二、不同传感器对火焰燃烧的不同阶段感应也 不一样。例如感知温度的传感器仅对明火产生的温升敏感，对阴燃火不敏感，而且也不能区 分引起温度上升的热量是由火灾产生还是由香烟或者篝火等产生的；又例如光电烟雾探测 器对一般火情均有较高灵敏度，对阴燃火也有极好的探测性，但是对燃烧产生的不可见烟 火（粒径小于0. 4um)或出现明火的黑烟不敏感。这样可能出现不同类型传感器之间探测结 果冲突的情况，此时如何对各传感器的探测结果取舍是必须解决的难题。由于森林、公园、 仓库等实际环境中，火灾往往具有突发性、随机性的特点，传感器容易发生误报和漏报。因 此，亟需一种数据融合的方法，将得到的数据在一定的准则下综合分析，以改善目前传感器 火灾探测系统存在的不可靠性和局限性。
技术实现思路
为了解决现有火灾预警系统存在的上述技术问题，本专利技术提供一种基于数据融合 的多传感器火灾预警方法。本专利技术将各类同质传感器的有效数据进行预处理，并在此基础 上结合改进的D-S证据理论，得到最终概率大小，从而达到减少火灾误报、漏报的目的。 本专利技术解决上述技术问题的技术方案包括以下步骤： 步骤1 :分别获取簇域内温度传感器、烟雾浓度传感器、一氧化碳浓度传感器、紫 外火焰传感器在采样周期内的采样数据；对采样数据进行预处理，判断数据是否应该发送 到融合节点； I. 1 :在簇域内分别布置Z个温度传感器、Z个烟雾浓度传感器、Z个一氧化碳浓度 传感器、z个紫外火焰传感器节点，所布置的传感器的节点总数合计为4z个； 1. 2 :4z个采样节点在采样周期Tn内等间隔采样环境数据n次； 步骤2:建立采样周期内各类传感器节点采样数据的X矩阵； X矩阵表达式如下： 本文档来自技高网...

【技术保护点】
一种基于数据融合的多传感器火灾预警方法，包括以下步骤：步骤1：分别获取簇域内温度传感器、烟雾浓度传感器、一氧化碳浓度传感器、紫外火焰传感器在采样周期内的采样数据；对采样数据进行预处理，判断数据是否应该发送到融合节点；1.1：在簇域内分别布置z个温度传感器、z个烟雾浓度传感器、z个一氧化碳浓度传感器、z个紫外火焰传感器节点，所布置的传感器的节点总数合计为4z个；1.2：4z个采样节点在采样周期Tn内等间隔采样环境数据n次；步骤2：建立采样周期内各类传感器节点采样数据的X矩阵；X矩阵表达式如下：XA=x11x12Λx1nΛΛΛΛxi1xi2ΛxinΛΛΛΛxz1xz2ΛxznA=(1,2,3,4)---(1)]]>其中(A＝1,2,3,4)表示传感器的种类，分别表示温度传感器、烟雾浓度传感器、一氧化碳气体浓度传感器、紫外火焰传感器；矩阵的行分别表示第i(i＝1,2,Λ,z)个节点在采样周期Tn内连续采集的n个采样数据，记为xi1,xi2,...,xin；步骤3：对X矩阵的每一行数据进行中值滤波处理，在此基础上寻找采样数据中的突变点，得到被节点检测到的火灾信息。对矩阵XA的行XAi数据处理的步骤如下：3.1：建立窗口长度为s(s为奇数，且S能被n整除)的一维中值滤波器。以行XAi的最左边为起点，对窗口内的数据取中值，并记为QAi(r)，其中(A＝1,2,3,4),(i＝1,2,Λ z)，r表示取中值的次数，此时r＝0；3.2：以步长s向右滑动窗口一次，令r＝r+1，对窗口内的数据取中值QAi(r)，按照公式(2)对前后两次中值进行判断，即：αAi＝[QAi(r+1)‑QAi(r)]‑δA>0  (A＝1,2,3,4；i＝1,2,Λ,z)   (2)其中δA(A＝1,2,3,4)表示4类传感器预判断阈值，若满足公式(2)，即αA大于零，说明从该次采样开始，数据出现非平稳变化，将该点记为非稳定点XAir，并跳到步骤3.3继续下一步处理；反之，丢弃数据QAi(r)并重新执行步骤3.2；若同类传感器在采样周期有部分节点的采样数据不能满足式(2)，则本周期丢弃该部分节点的采样数据；3.3：取消对第r次中值操作的采样数据的加窗。对保留下来的采样数据，以采样点XAir为坐标原点建立采样数据关于采样次数的坐标系；3.4：在该坐标系下，通过曲线拟合得到采样数据关于采样次数的函数FA(xw)，并对该曲线上相对每一个采样数据求一阶导数。通过求max[F′A(xw)]得到各采样节点斜率最大值，将其对应的采样数据YA(xi)送入步骤3.5，因为该值最能反映出实际环境中火灾的突变情况；3.5：求取同类传感器节点在Tn周期时间内通过中值滤波以及求导处理后得到输出值的最大值：m1＝max{Y1(x1)，Y1(x2)，Λ，Y1(xz)}m2＝max{Y2(x1)，Y2(x2)，Λ，Y2(xz)}m3＝max{Y3(x1)，Y3(x2)，Λ，Y3(xz)}        (3)m4＝max{Y4(x1)，Y4(x2)，Λ，Y4(xz)}其中max{}表示取最大值操作，将步骤3.5输出的最大值送入下一环节进行融合；步骤4：按照改进的D‑S证据理论方法对均值进行融合；4.1：定义事件类型Θ＝{u1,u2,u3}＝{有火灾，无火灾，不确定}；定义表1为不同采样融合值下的事件发生概率；对于步骤3.5所输出的四类传感器采样融合值，根据表1得到相应证据的基本概率情况为：m1(u1)＝p1,1；m1(u2)＝p1,2；m1(u3)＝p1,3m2(u1)＝p2,1；m2(u2)＝p2,2；m2(u3)＝p2,3m3(u1)＝p3,1；m3(u2)＝p3,2；m3(u3)＝p3,3m4(u1)＝p4,1；m4(u2)＝p4,2；m4(u3)＝p4,3其中，m1，m2，m3，m4表示四类传感器的证据，即m1：一氧化碳浓度，m2：烟雾浓度，m3：温度，m4：火焰紫外光强度；4.2：计算任意两个传感器的证据关于uk的相容系数为：Rs,j(uk)=ms(uk)×mj(uk)ms(uk)2+mj(uk)22(k=1,2,3;s,j=1,2,3,4)---(4)]]>s,j表示任意两类传感器，例：当k＝1时，计算两两传感器之间的证据关于u1(有火灾)的相容系数；根据公式(5)计算所有传感器之间两两证据相容系数，得到相容矩阵：R1,1R1,2R1,3R1,4R2,1R2,2R2,3R2,4R3,1R3,2R3,3R3,4R4,1R4,2R4,3R4,4---(5)]]>4.3：计算每条证据的绝对相容度为：Ds(uk)=&Sigma...

【技术特征摘要】
1. 一种基于数据融合的多传感器火灾预警方法，包括以下步骤： 步骤1 :分别获取簇域内温度传感器、烟雾浓度传感器、一氧化碳浓度传感器、紫外火 焰传感器在采样周期内的采样数据；对采样数据进行预处理，判断数据是否应该发送到融 合节点； 1. 1 :在簇域内分别布置Z个温度传感器、Z个烟雾浓度传感器、Z个一氧化碳浓度传感 器、Z个紫外火焰传感器节点，所布置的传感器的节点总数合计为4Z个； I. 2 :4z个采样节点在采样周期Tn内等间隔采样环境数据η次； 步骤2 :建立采样周期内各类传感器节点采样数据的X矩阵； X矩阵表达式如下：其中（Α= 1，2, 3, 4)表示传感器的种类，分别表示温度传感器、烟雾浓度传感器、一氧 化碳气体浓度传感器、紫外火焰传感器；矩阵的行分别表示第i(i= 1，2,Λ，ζ)个节点在采 样周期Tn内连续采集的η个采样数据，记为xn，xi2,. . .，Xin ; 步骤3 :对X矩阵的每一行数据进行中值滤波处理，在此基础上寻找采样数据中的突变 点，得到被节点检测到的火灾信息。对矩阵Xa的行XAi数据处理的步骤如下： 3. 1 :建立窗口长度为s(s为奇数，且S能被η整除）的一维中值滤波器。以行XAi的最 左边为起点，对窗口内的数据取中值，并记为QAi (r)，其中（A= 1，2, 3, 4)，（i= 1，2,Λζ)， r表示取中值的次数，此时r=O; 3. 2 :以步长s向右滑动窗口一次，令r=r+Ι，对窗口内的数据取中值QAi (r)，按照公式 (2)对前后两次中值进行判断，即： aAi= [Qai(r+D_Qai(r) ] -δA>0(A=I, 2, 3, 4；i=I, 2,A,z) (2) 其中δΑ(Α= 1，2,3,4)表示4类传感器预判断阈值，若满足公式（2)，即〇4大于零， 说明从该次采样开始，数据出现非平稳变化，将该点记为非稳定点Xto，并跳到步骤3. 3继 续下一步处理；反之，丢弃数据QAi (r)并重新执行步骤3. 2 ;若同类传感器在采样周期有部 分节点的采样数据不能满足式（2)，则本周期丢弃该部分节点的采样数据； 3. 3 :取消对第r次中值操作的采样数据的加窗。对保留下来的采样数据，以采样点Xto 为坐标原点建立采样数据关于采样次数的坐标系； 3. 4 :在该坐标系下，通过曲线拟合得到采样数据关于采样次数的函数Fa(Xw)，并对该 曲线上相对每一个采样数据求一阶导数。通过求max[F'Α〇〇]得到各采样节点斜率最大 值，将其对应的采样数据Ya(Xi)送入步骤3. 5,因为该值最能反映出实际环境中火灾的突变 情况； 3. 5 :求取同类传感器节点在Tn周期时间内通过中值滤波以及求导处理后得到输出值 的最大值： III1 = max (Y1 (X1)，Y1 (X2)，Λ，Y1 (Xz)} m2 = max {Y2 (X1),Y2 (x2),Λ，Y2 (χζ)} m3 = max {Y3 (X1)，Y3 (x2)，Λ，Y3 (χζ)} (3) m4 = max {Y4 (X1),Y4 (x2),Λ...

【专利技术属性】
技术研发人员：裴廷睿，李孟瑶，朱江，曹江莲，田淑娟，
申请(专利权)人：湘潭大学，
类型：发明
国别省市：湖南;43