[发明专利]基于DS证据理论判断火灾的方法

说明书

技术领域

本发明涉及火灾防御领域，具体是一种利用多个传感器数值进行融合判断是否发生火灾的方法。

背景技术

目前，我国经济建设飞速发展，社会生活不断进步，整个社会越来越趋向城市化，带来的直接影响就是，建筑规模不断扩大，各类场所更加集中，人口密度逐渐增大，从而加大了火灾隐患的严重程度。因此，全社会也越来越关注到火灾的预防和救治工作。而作为早期探测重要手段的火灾探测报警系统，其需求量越来越大，应用面也越来越广，人们对火灾探测报警系统其适应性和可靠性的要求也是越来越高。

为了尽早察觉到火灾，尽快扑灭，防止火灾蔓延，减少人员伤亡以及财产损失，无限传感器技术运用到了火灾报警机制中。火灾传感器是利用各类传感器探测到的火灾生成/伴随物，例如温度变化、一氧化碳、烟雾浓度等进行综合判断。但是单一传感器对火灾特征信号响应灵敏度的不均匀性,导致它对实际火灾的探测能力受到了限制。尽管科研人员为改进和提高火灾探测技术水平进行了艰苦的努力,使火灾探测器在灵敏度、可靠性和使用性能方面有了许多技术改进,并取得了可喜的成绩。但是至今仍然没有一种单一参数火灾探测器能有效地探测各类火情。于是，多传感器火灾探测悄然兴起在多传感器数据融合技术中,一个关键的问题是数据融合算法。进行信息融合的算法很多比较成熟的信息融合方法有贝叶斯法、DS证据推理、人工神经网络、模糊集合论方法等, 这些方法都有各自的特点。DS证据推理具有较强的理论基础,既能处理随机性所导致的不确定性, 又能处理模糊性所导致的不确定性, 而且不需要先验概率和条件概率密度, 因此, 在多传感器数据融合中有了广泛应用。

在火灾探测过程中,可以利用的火灾信息很多，考虑到火灾发生时温升的幅度较大,CO、烟雾的含量增加也具有急剧性。我们选择温度，CO，烟雾浓度传感器进行数据融合。但是由于火灾现场的多变性和不确定性，以及火灾现场环境多种多样，人员活动复杂，行为难以预测(如吸烟等)的影响，会给上述的这些特征带来一定干扰和噪声。甚至会提供错误信息，使数据产生冲突，无法有效的融合，给出准确的结果。

对于系统的融合，DS证据理论得到广泛而有效的应用。然而，当证据冲突时，DS证据理论会得到错误的结论，给出错误的信息。对于证据理论的冲突处理，对于传感器得到的数据，如何有效的利用正确数据，避免错误信息带来的的冲突，合理的利用数据进行数据融合是国内外学者研究的主要方向，可以概括为两大类: 一是基于修改 Dempster 组合规则的方法, 主要解决如何将冲突重新分配和管理的问题; 二是基于修改原始证据源的方法， 首先对冲突证据进行预处理, 然后再用证据组合规则融合证据。但对于改进的融合技术，大部分融合算法比较复杂，对于传感器得到的大量数据，融合时间慢，融合效率不高。这样导致的直接后果就是算法的计算量大，因此报警时间以及报警准确度就收到很大的影响。

本发明所采用的技术方案是：基于DS证据理论判断火灾的方法，火灾传感器把接受到的信息传送到数据处理中心进行处理，得出是否发生火灾的判断，数据处理中心按照如下步骤进行处理：

步骤一，数据处理中心根据火灾是否发生，确定安全状况的识别框架，表示为                                               ，代表有火灾，代表无火灾，对于同一识别框架下，为火灾传感器对应数值支持火灾发生概率的基本概率赋值函数，当有类火灾传感器进行测量监控时，每个传感器的基本概率赋值函数记为（重庆理工大学韩菁的硕士学位论文《多传感器数据融合技术在火灾探测中的应用研究》），于识别框架的基本概率赋值函数分别为：和，任意两个火灾传感器对应数值支持火灾发生概率和融合后的对应数值支持火灾发生概率为：和，其中为大于1的自然数，为自然数，，和为常数，且，，和为任意两个不相同的自然数；

步骤二，数据处理中心接收到火灾传感器传回的数据，转化成火灾传感器对应数值支持火灾发生概率的基本概率赋值函数的值，然后先把其中任意两个数值根据步骤一进行融合，融合后再和其它剩余的一一融合，知道得到最终融合结果，根据最终融合结果判断是否有火灾发生。

作为一种优选方式类火灾传感器为三类火灾传感器，分别为CO浓度传感器，温度传感器，烟雾传感器，还可以含有多个其它的火灾传感器。   

本发明的有益效果是：对传感器所得证据，使用简单算法合理高效的对冲突证据进行了融合，得到正确的决策结果，同时大大减少了融合数据所需时间。

具体实施方式