[发明专利]基于数据融合的电气火灾报警系统

权利要求书

1.一种基于数据融合的电气火灾报警系统，包括信息层、特征层和决策层，其特征在于，还包括电弧检测装置，当电弧检测装置检测到电弧信号时，将检测到的电弧信号经过信号预处理装置、信号传输装置之后分别输送给预警系统实现系统的预警，同时启动特征层对传感器采集的火灾特征信号进行融合处理，当没有电弧产生时，特征层实时采集信息层的数据进行电气火灾的监控；信息层由烟雾传感器、温度传感器、CO气体浓度传感器和每个传感器连接的信号预处理器构成，特征层由神经网络特征器和模糊逻辑特征器并联的方式构成，每个传感器将检测到的火灾特征信号经信号预处理器处理后分别传输给神经网络特征器和模糊逻辑特征特征器进行火灾概率判断，分别输出火灾概率P1和P2，当P1和P2都大于0.5时，信号不进入信息层，直接输出报警信号，当P1与P2都小于0.5时，认为没有发生火灾，信号不进入决策层，当P1和P2其中一个大于或等于0.5另一个小于或等于0.5时，则将火灾概率P1和P2送入决策层进行最后的火灾辨识。

2.根据权利要求1所述的基于数据融合的电气火灾报警系统，其特征在于，所述信息层采用变化率检测法，即：设被检测信号经离散化采样后，信号的原始序列为X(n)，如果Y_n>Y_固定阀值，则a_i＝0；本系统中i＝1,2,3分别代表温度、烟雾和CO浓度传感器得到的数据，按照以上方法依次对温度、烟雾和CO浓度传感器得到的数据进行处理后：A＝a₁∪a₂∪a₃，当A＝1时，则表示多传感器采集的多位数据中有一个或多个数据发生了非平稳的变化，此时将该组信息送入特征层进行特征提取，并进行最终的火灾判断。

3.根据权利要求1所述的基于数据融合的电气火灾报警系统，其特征在于，所述神经网络融合器采用多层感知机神经网络。

4.根据权利要求3所述的基于数据融合的电气火灾报警系统，其特征在于，所述多层感知机由输入层、隐含层和输出层组成的前馈网络，每一层由若干神经元组成，权因子的调整采用反向传播学习算法，神经网络的层数为两层，输入节点为温度、烟雾和CO气体浓度三个信号，输入层为一个节点的火灾概率，该两层神经网络权值矩阵分别为w₁和w₂，中间层阈值矩阵为θ，输入向量为x，期望输出为T，神经网络的计算方法是：设有N个样本，输入层的个数为M，假设用其中的某样本P的输入/输出模式对(X和T)网络进行训练，隐含层的第i个样本P的作用下，其输入为：

netiP=Σj=1MwijojP-θi=Σj=1MwijxjP-θi,(i=1,2,...,7)]]>

隐含层第i个神经元的输出为：激活采用Sigmiod型函数，则隐含层第i个神经元的输出将通过权系数向前传播到输出层第K个神经元并作为其输入之一，而输出层的神经元的总输入为：

netkP=Σi=1qwkjoiP-θk,(k=1)]]>

计算期望值与实际输出误差：

JP=12Σk=1L(tkP-okP)2]]>

如果上值不在期限范围内，则将误差从输出端进行反向传播，并在传播过程中对加权系数反复调整，调整输出层加权系数：其中：δkP=OkP(1-OkP)(tkP-okP)]]>调整隐含层的加权系数wij(k+1)=wij(k)+ηδiPojP]]>其中返回计算输出层与隐含层各神经元的输出，直到输出层神经元上得到所需要的期望输出值为止。