[发明专利]基于多传感器数据融合技术的隧道火灾预警控制方法及其系统

说明书

技术领域

本发明涉及隧道火警预警方法及其系统。 

背景技术

隧道是一种相对特殊的建筑物，一旦发生火灾，逃生和救援工作相当困难。因此，高效的隧道火灾预警系统对于消除火灾隐患、保护人民群众的生命和财产安全具有重要的意义。 

目前，常用的隧道火灾报警系统主要采用热敏合金线式、光纤式和双波长火焰探测器式等探测和检测方式。而随着传感器技术的发展，多传感器数据融合技术逐步应用到隧道火灾预警系统中。与传统火灾探测相比，多传感器数据融合技术能够有效地降低火灾预警系统的漏报率。 

但是，现有文献报道的采用多传感器数据融合技术的隧道火灾预警系统只是将各个独立的传感器做简单的并列、叠加处理。如《一种新型隧道火灾预警系统及控制方法》（公开号：CN200610025959.6）仅将火焰传感器、温度传感器、烟雾传感器并列分布在预警系统上。各个传感器只是独立的检测对应的信号，然后系统将采集自传感器的信号值与固定阈值进行比较以判断是否有火灾发生。这种方法的不足之处在于预警系统无法感知环境参数的变化。有些隧道火灾预警系统考虑到了环境参数变化对系统性能的影响，如《城市长隧道监控系统 中的多传感器融合方法》（公开号：CN200710052839.X）。但是这种方法将环境因素与火灾报警分开考虑，用于不同的报警模块，而并未将两者有机的结合在一起，达到精确火灾预警的目的。 

发明内容

本发明要解决现有隧道火灾预警系统中传感器设置结构单一、系统感知环境参数变化性能不足、系统报警阈值无法根据环境参数变化调整的缺点，提出了一种新型的基于多传感器数据融合技术的隧道火灾预警控制方法及系统。 

1.基于多传感器数据融合技术的隧道火灾预警系统控制方法包括： 

1）主传感器组历史数据记录，数据处理装置以5分钟为时间间隔记录过去24小时内的主传感器组数据； 

2）定时读取副传感器组数据，数据处理装置以60分钟为时间间隔定时读取副传感器组数据； 

3）神经网络，指数据处理装置通过预置的一种运算规则，以主传感器组历史数据和副传感器组数据作为输入数据，计算得到当前环境参数下的主传感器组火灾阈值； 

4）计算结果回传，指数据处理装置将当前环境参数下的主传感器组火灾阈值传输到现场检测装置。 

5)由现场检测装置执行的控制,包括： 

5.1）主传感器组火灾阈值修正,指现场检测装置将数据处理装置 的回传结果设置为当前的主传感器组火灾阈值；5.2）火灾发生判断,指现场检测装置将当前主传感器组的信号量与火灾阈值进行比较。如果连续3次检测到当前主传感器组的信号量超出火灾阈值，那么判定火灾发生；否则，判定没有火灾发生。 

2.如权利要求1所述的方法，其特征在于：所述的步骤3）神经网络，包括一种复合神经网络模型，所述的复合神经网络模型分为两大部分：主神经网络和辅神经网络；所述辅神经网络根据辅神经网络输入和权值决定并输出主神经网络中隐含层和输出层的各个权值，所述主神经网络根据主神经网络的输入和权值决定和输出火灾阈值；其中，主神经网络和辅神经网络通过主神经网络的权值和辅神经网络的输出相联系；对于复合式BP神经网络隐含层节点个数，通过改变隐含层节点数，找出网络误差的极小值，从而确定该网络隐含层节点数。 

3.如权利要求2所述的方法，其特征在于：复合神经网络模型的应用过程分为：A.权值嵌套的复合式BP神经网络的具体训练，复合BP神经网络每半年进行一次训练，训练数据除原有数据外，还增加半年内该隧道记录数据；B.日常值嵌套的复合式BP神经网络的具体计算，神经网络通过学习和训练得到最终总输入输出关系，半年内火灾预测情况由该输入输出关系得到，最终输出为火灾阀值。 

4.如权利要求3所述的方法，其特征在于：步骤A所述权值嵌套的复合式BP神经网络的具体训练步骤如下： 

A1初始化，置辅助网络的权值系数为随机数； 

A2将传感器数据尺度变换，得到的主辅神经网络的输入； 

A3通过辅助网络得到输出，将输出数据尺度变换，得到主神经网络的各个权值； 

A4主神经网络根据网络的权值计算出最终输出； 

A5计算主神经网络输出和期望的误差，并反向传播回主神经网络，得到调整后的权值； 

A6将主神经网络调整后的权值尺度变换后作为辅神经网络的输出期望，并计算辅神经网络输出与期望的误差； 

A7反向传播回辅神经网络，调整网络的权值，并返回计算步骤4），直到误差满足要求。