1  引言

    火災(zāi)屬于電廠中的重大惡性事故之一，嚴(yán)重影響了電力生產(chǎn)的正常運(yùn)行。特別是隨著機(jī)組容量的不斷增大，電源線和各種控制線路越來(lái)越龐雜，再加上有的部位會(huì)出現(xiàn)煤粉沉積，極易發(fā)生火災(zāi)事故。火災(zāi)探測(cè)是一個(gè)非結(jié)構(gòu)性的問(wèn)題，它與火災(zāi)種類、材料結(jié)構(gòu)、環(huán)境等因素密切相關(guān)，因此，單一傳感器或多傳感器僅采用簡(jiǎn)單的信號(hào)處理方法想要迅速的區(qū)別火災(zāi)和環(huán)境干擾信號(hào)是極其困難的。

    模糊模式識(shí)別[1,2]、神經(jīng)網(wǎng)絡(luò)[3,4]等智能算法的采用，不僅使系統(tǒng)及數(shù)據(jù)可能性更高，性能上大大超過(guò)依靠單一傳感器的系統(tǒng)，而且系統(tǒng)能響應(yīng)多種的火災(zāi)現(xiàn)象特征。由于單獨(dú)采用模糊方式提取完整可靠的模式識(shí)別規(guī)則是非常困難的，而神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)、自適應(yīng)的能力，但是受到訓(xùn)練樣本數(shù)量的限制。

    為此，本文將基于D-S證據(jù)理論的多傳感器信息融合技術(shù)引入到火災(zāi)探測(cè)領(lǐng)域，D-S證據(jù)推理作為Bayes估計(jì)的推廣，可以更為有效和合理地處理不確定性推理的問(wèn)題，而將之用于信息融合，可以有效的處理傳感器所得信息的不確定性，從而大大提高了火災(zāi)檢測(cè)的準(zhǔn)確程度。

2  火災(zāi)檢測(cè)方法及傳感器特性分析

    火災(zāi)檢測(cè)以物質(zhì)燃燒過(guò)程中產(chǎn)生的各種火災(zāi)現(xiàn)象為依據(jù)，以實(shí)現(xiàn)早期發(fā)現(xiàn)火災(zāi)為前提。分析普通可燃物的火災(zāi)特點(diǎn)，以物質(zhì)燃燒過(guò)程中發(fā)生的能量轉(zhuǎn)換和物質(zhì)轉(zhuǎn)換為基礎(chǔ)，可形成不同火災(zāi)檢測(cè)方法。

    煙霧是火災(zāi)的早期現(xiàn)象，利用感煙式火災(zāi)檢測(cè)器可以最早感受火災(zāi)信號(hào)，即火災(zāi)參數(shù)，所以感煙式傳感器是目前世界上應(yīng)用較普及、數(shù)量較多的火災(zāi)檢測(cè)器。據(jù)了解，感煙式傳感器可以檢測(cè) 70% 以上的火災(zāi)。最常用的感煙式火災(zāi)檢測(cè)器是離子感煙式傳感器和光電感煙式傳感器。

    另外，溫升也是火災(zāi)發(fā)生的重要特征之一，根據(jù)物質(zhì)燃燒所釋放出的熱量引起的環(huán)境溫度升高或其變化率的大小，通過(guò)熱敏元件與電子線路來(lái)探測(cè)火災(zāi)，可在火災(zāi)陰燃階段的中后期及火焰燃燒階段和有較大溫度變化的火災(zāi)危險(xiǎn)環(huán)境下實(shí)現(xiàn)有效的火災(zāi)探測(cè)。所以溫度傳感器也是一種有效的火災(zāi)探測(cè)器。

    因此，根據(jù)這些傳感器的不同特性（如表1所示），實(shí)現(xiàn)優(yōu)勢(shì)互補(bǔ)，該多傳感器系統(tǒng)的現(xiàn)場(chǎng)數(shù)據(jù)采集部分由溫度傳感器、離子感煙傳感器和光電感煙傳感器構(gòu)成（如圖1所示）。
表1  不同種類火災(zāi)檢測(cè)傳感器特性

3  多傳感器信息融合算法

    將D-S證據(jù)理論應(yīng)用于多傳感器信息融合，從以上三個(gè)傳感器獲得的相關(guān)輸出就是該理論中的證據(jù)，它可構(gòu)成待識(shí)別目標(biāo)模式的信度函數(shù)分配，表示每個(gè)目標(biāo)模式假設(shè)的可信程度，每一傳感器形成一個(gè)證據(jù)組。所謂多傳感器信息融合，就是通過(guò) D-S聯(lián)合規(guī)則聯(lián)合幾個(gè)證據(jù)組形成一個(gè)新的綜合證據(jù)組，即用D-S聯(lián)合規(guī)則聯(lián)合每個(gè)傳感器的信度函數(shù)分配形成融合的信度函數(shù)分配，從而為目標(biāo)模式的決策提供準(zhǔn)確的綜合信息，如圖1所示。

圖1  基于D-S證據(jù)理論的多傳感器融合算法

3.1  信度函數(shù)基本概念

    證據(jù)理論的論域成為識(shí)別框架，記為θ；其中包括有限個(gè)基本命題，記為{u0，u1，…，ui}；對(duì)應(yīng)于概率論中的基本事件成為基元，它在火災(zāi)檢測(cè)中對(duì)應(yīng)著火災(zāi)的有/無(wú)/不確定三種模式狀態(tài)。

設(shè)θ為識(shí)別框架，如果集合函數(shù)m：2θ     [0,1]（2θ為θ的冪級(jí)）滿足
                         

    則稱m為框架θ上的基本概率分配。此處Φ為空集，對(duì)于u∈θ，m(u)稱為u的基本概率分配函數(shù)。當(dāng)m(u)≠0時(shí)，則稱為焦元，u的基本概率分配函數(shù)值反映了對(duì)u信任度的大小，即確切地分配到u上的基本概率賦值。

3.2  基本概率分配函數(shù)的獲取

    基本概率分配表示對(duì)目標(biāo)模式假設(shè)的可信程度，是人的一種判斷。這種判斷受各種因素的影響，不同的想法會(huì)構(gòu)成不同的信度函數(shù)分配方案，具有一定的主觀性。這里以模糊數(shù)學(xué)中隸屬函數(shù)的形式給出。目標(biāo)命題模式共有3個(gè)，分別為有火災(zāi)發(fā)生、無(wú)火災(zāi)發(fā)生、不確定狀態(tài)。圖2顯示了某個(gè)傳感器（證據(jù)）對(duì)上述三個(gè)目標(biāo)模式的基本概率賦值。

圖2   基本概率分配函數(shù)

3.3  基本概率分配函數(shù)的確定

    隸屬度函數(shù)主要由傳感器本身的工作特性及被測(cè)參數(shù)的特性而確定。以本文中提到的溫度傳感器（第k條證據(jù)）為例，當(dāng)外界環(huán)境正常，無(wú)火災(zāi)發(fā)生時(shí)，溫度會(huì)在一定范圍（T－∞，T1）內(nèi)變動(dòng)；有火災(zāi)發(fā)生時(shí)，溫度的變化區(qū)間變?yōu)椋═2，T＋∞）。結(jié)合文獻(xiàn)[6]的隸屬函數(shù)待定系數(shù)法和具體實(shí)驗(yàn)結(jié)果，定義該各個(gè)證據(jù)的基本概率分配函數(shù)如下：
                                                                                            

      (3)
 
                                                                                           

     (4)

mk3(x)＝1－uk1(x)－uk2(x)   T-∞<x<T＋∞                                 (5)

    其中：k=1,2,…,N，其中N為傳感器總數(shù)；R為溫度傳感器的可靠度；u1，u2，u3分別對(duì)應(yīng)著有火災(zāi)發(fā)生、無(wú)火災(zāi)發(fā)生和不確定三種模式。

3.4  D-S融合算法

    根據(jù)D-S聯(lián)合規(guī)則，設(shè)m1和m2分別對(duì)應(yīng)于同一識(shí)別框架θ上的基本概率分配，焦元分別為A1,…,Ak和B1,…,Bk。設(shè)
，則由下式定義的函數(shù)m：2θ→[0,1]：

 (6)
當(dāng)A=Φ時(shí)，有
m(A)＝0，(7)

    針對(duì)本火災(zāi)檢測(cè)模型，焦元A1,…,Ak和B1,…,Bk對(duì)應(yīng)于前述待識(shí)別火災(zāi)模式u1，u2，u3，而m(A)是融合之后分配到各個(gè)待檢測(cè)的火災(zāi)模式的基本概率賦值。

4  火災(zāi)檢測(cè)仿真實(shí)例

    目前的火災(zāi)檢測(cè)系統(tǒng)只能判斷溫度或煙霧濃度是否達(dá)到了某種閾值，用于判斷的準(zhǔn)則是一個(gè)溫度和煙霧濃度的火災(zāi)靈敏度表，因此智能程度極其低下。將D-S證據(jù)理論引入火災(zāi)檢測(cè)，采用上述三個(gè)傳感器從不同角度探測(cè)，再進(jìn)行D-S信息融合，以判斷火災(zāi)的有無(wú)，這種方法極大的提高了智能化程度和判別準(zhǔn)確度。

4.1 基本概率分配函數(shù)具體實(shí)現(xiàn)

    上面已經(jīng)給出了一個(gè)信度函數(shù)分配的例子，結(jié)合大量專家經(jīng)驗(yàn)以及發(fā)生火災(zāi)事故大量經(jīng)驗(yàn)的總結(jié)，下面給出所用到的三類傳感器對(duì)不同目標(biāo)模式的基本概率賦值mij(x)。

    根據(jù)給出的溫度傳感器的例子，設(shè)定T－∞＝0，T1＝70，T2＝30，T＋∞＝100，R＝0.95，由公式(3)(4)(5)得到溫度傳感器的基本概率分配函數(shù)。

    另外兩種感煙式傳感器輸出均為布爾量，檢測(cè)到煙霧時(shí)的輸出為1，否則為0。同理結(jié)合實(shí)際經(jīng)驗(yàn)和傳感器本身性質(zhì)，根據(jù)選定的閾值，也給出了這兩類傳感器的基本概率賦值。

4.2 決策規(guī)則

    對(duì)應(yīng)用D-S合成規(guī)則得到的最后基本概率賦值至今尚無(wú)一個(gè)統(tǒng)一的方法，必須具體問(wèn)題具體分析。在解決此類火災(zāi)檢測(cè)問(wèn)題時(shí)，可采用基于基本概率賦值的決策。即火災(zāi)類別應(yīng)用最大的BPA，火災(zāi)類別BPA和其他類別BPA的差值必須大于某一閾值，不確定區(qū)間的程度小于某一閾值。具體描述如下：

假設(shè) 滿足：
(8)
 (9)
若有
                                                                                           
(10)

    則A1即為最終決策結(jié)果, 其中ε1，ε2為預(yù)先設(shè)定的閾值。

4.3  多傳感器信息融合實(shí)例

    為了檢驗(yàn)信息融合的有效性和正確性，筆者進(jìn)行了模擬測(cè)試實(shí)驗(yàn)。收集各種老化的廢舊電纜進(jìn)行焚燒，虛擬火災(zāi)線場(chǎng)，將火災(zāi)探測(cè)器置于火點(diǎn)1000mm的正上方。假設(shè)在某一環(huán)境條件下，根據(jù)各個(gè)傳感器的輸出計(jì)算出實(shí)際的基本概率分配，再按照D-S信息融合算法進(jìn)行融合，然后分別對(duì)單個(gè)傳感器和融合結(jié)果應(yīng)用相同的決策規(guī)則進(jìn)行判決（表3）。
由此，可以看出結(jié)果的不確定度大大降低，判別準(zhǔn)確度獲得了較大的提高。

    為了檢驗(yàn)該火災(zāi)單元的可靠性，假設(shè)靈敏度較高但工作不太穩(wěn)定的離子感煙傳感器傳感器發(fā)生錯(cuò)誤，但是融合結(jié)果并沒(méi)有因此而改變，如表3所示。

5 結(jié)論

    本文針對(duì)火災(zāi)檢測(cè)問(wèn)題，將D-S證據(jù)理論應(yīng)用于多傳感器信息融合。從實(shí)驗(yàn)結(jié)果可以看出，只要基本概率分配函數(shù)選得合適，并且信號(hào)能夠被準(zhǔn)確采集，該方法能夠非常準(zhǔn)確得出正確結(jié)論，系統(tǒng)工作的可靠性得到大幅提升。實(shí)際上對(duì)于D-S證據(jù)理論而言，當(dāng)融合方法一定時(shí)，實(shí)際的結(jié)果只取決于這三個(gè)傳感器輸出對(duì)目標(biāo)模式的基本概率賦值。因此根據(jù)專家經(jīng)驗(yàn)設(shè)計(jì)出合理的基本概率分配函數(shù)是系統(tǒng)能夠做出準(zhǔn)確判斷的關(guān)鍵，也是一個(gè)值得繼續(xù)探討和研究的問(wèn)題。

其他作者

    李洪黨，1998年畢業(yè)于河北理工大學(xué)工業(yè)自動(dòng)化專業(yè)，工程師。

參考文獻(xiàn)

[1] 馬良玉,王兵樹(shù),等. 對(duì)分式凝汽器典型故障模式及其神經(jīng)網(wǎng)絡(luò)診斷[J]. 華北電力大學(xué)學(xué)報(bào),2001,28(2): 40-45.

[2] 唐曉軍,崔波,等. 基于BP神經(jīng)網(wǎng)絡(luò)的凝汽器故障診斷方法研究[J]. 華東電力,2002,(1): 9-11.

[3] Ma Liangyu, Wang Bingshu, ete. Research on Fault Sample Knowledge Abstraction and Fault Fuzzy Diagnosis for Large
Power Station Havling-style Condenser[A]. Power System Technology, 2000. Proceedings. Power Con 2000. International Conference on 2000[C]. 2000. 351-356.

[4] 王培紅,朱玉娜,等. 模糊模式識(shí)別在凝汽器故障診斷中的應(yīng)用[J]. 中國(guó)電機(jī)工程學(xué)報(bào),1999,19(10): 46-49.

[5] 陳虹. 樓宇自動(dòng)化技術(shù)與應(yīng)用[M]. 北京: 機(jī)械出版社, 2003.

[6] 朱大奇. 航空電子設(shè)備故障診斷新技術(shù)研究[D]. 南京: 南京航空航天大學(xué), 2002.

[7] 孫建業(yè),王輝.  BP神經(jīng)網(wǎng)絡(luò)算法的改進(jìn)[J]. 計(jì)算機(jī)應(yīng)用,1995(5):31-32.

[8] 田亮,曾德良,劉鑫屏. 數(shù)據(jù)融合方法在火災(zāi)監(jiān)測(cè)系統(tǒng)中的應(yīng)用[J]. 傳感器技術(shù),2003,22(9):58-59.