一種火警態(tài)勢(shì)分析方法技術(shù)

本發(fā)明專利技術(shù)公開了一種火警態(tài)勢(shì)分析方法，包括步驟：步驟1，將多個(gè)傳感器采集的數(shù)據(jù)通過(guò)卡爾曼濾波進(jìn)行平滑處理，之后送入模糊推理系統(tǒng)中，從而改善系統(tǒng)的測(cè)量精度，使其能夠更準(zhǔn)確地進(jìn)行預(yù)報(bào)和決策；步驟2，在模糊推理的自適應(yīng)噪聲調(diào)整處理模塊中，需要對(duì)測(cè)量值進(jìn)行驗(yàn)真，判斷并替換壞值；步驟3，而后根據(jù)模糊規(guī)則和隸屬度函數(shù)給出調(diào)整后的測(cè)量噪聲；步驟4，最后將處理后的每個(gè)傳感器的數(shù)據(jù)送入全局最優(yōu)融合模塊，基于聯(lián)合卡爾曼濾波方式獲得最優(yōu)的融合結(jié)果；將全局最優(yōu)融合結(jié)果反饋送入到每個(gè)傳感器數(shù)據(jù)處理單元，以備后續(xù)的數(shù)據(jù)融合處理。該方法中設(shè)計(jì)了模糊化與解模糊化過(guò)程、模糊規(guī)則、模糊推理方法，并最終使得測(cè)量噪聲更接近于真實(shí)噪聲。

A fire situation analysis method

The invention discloses a fire situation analysis method, including the steps of: 1, multiple sensor data smoothing by Calman filter, and then into the fuzzy inference system, so as to improve the measurement accuracy of the system, so that it can more accurately forecast and decision making; step 2, the adaptive fuzzy inference adjust the noise processing module, the need for measurement test, judgment and replace bad value; step 3, and then according to the fuzzy rules and membership function are adjusted measurement noise; step 4, then each sensor of the processed data to the global optimal fusion module, obtain the optimal fusion result with Calman filter based on the global optimal fusion result; feedback is sent to the data processing unit of each sensor, with subsequent data fusion processing preparation. In this method, defuzzification and defuzzification process, fuzzy rule and fuzzy inference method are designed, and the measurement noise is closer to the real noise.

【技術(shù)實(shí)現(xiàn)步驟摘要】
一種火警態(tài)勢(shì)分析方法
本專利技術(shù)涉及一種消防領(lǐng)域，具體涉及一種火警態(tài)勢(shì)分析方法。
技術(shù)介紹
火災(zāi)探測(cè)系統(tǒng)主要用于早期疏散、管理及消防部門的及時(shí)準(zhǔn)確告警和火災(zāi)的早期撲滅。業(yè)主單位的樓宇內(nèi)會(huì)部署大量的火警探測(cè)傳感器，如煙感、溫感、可燃?xì)怏w探測(cè)器、手報(bào)等探測(cè)器等。當(dāng)火災(zāi)發(fā)生時(shí)，火災(zāi)探測(cè)傳感器檢測(cè)到火災(zāi)會(huì)發(fā)生報(bào)警。但事實(shí)上，報(bào)警可能是真實(shí)火警，也可能會(huì)是誤報(bào)。火災(zāi)誤報(bào)警可能會(huì)導(dǎo)致城市管理中的災(zāi)難性后果：在商業(yè)建筑中，火災(zāi)報(bào)警可能導(dǎo)致建筑內(nèi)人員的整體疏散，而誤報(bào)不僅會(huì)對(duì)商業(yè)運(yùn)營(yíng)產(chǎn)生影響，而且會(huì)因?yàn)槭枭⑦^(guò)程的恐慌對(duì)建筑內(nèi)人員造成傷害；在居民建筑內(nèi)，反復(fù)的誤報(bào)警的直接后果甚至?xí)?dǎo)致屏蔽報(bào)警系統(tǒng)，這樣整棟建筑就會(huì)處于無(wú)報(bào)警系統(tǒng)的危險(xiǎn)狀況。此外，消防大隊(duì)在無(wú)法確認(rèn)火警的情況下出警會(huì)浪費(fèi)大量的人力物力；即使消防大隊(duì)聯(lián)系聯(lián)網(wǎng)單位確認(rèn)火警，聯(lián)網(wǎng)單位負(fù)責(zé)人也很難描述出火災(zāi)發(fā)展態(tài)勢(shì)，無(wú)法確定出警人力多少。在多樣化火災(zāi)探測(cè)環(huán)境的實(shí)際應(yīng)用，根據(jù)單一的傳感器種類判定火警很容易導(dǎo)致火災(zāi)誤報(bào)警的發(fā)生。大量研究表明，多傳感器火災(zāi)探測(cè)技術(shù)在提高火災(zāi)探測(cè)的靈敏度和可靠性方面已經(jīng)取得了很好的成果。于是，在現(xiàn)有基礎(chǔ)上發(fā)展多傳感器火災(zāi)探測(cè)系統(tǒng)，從而提高火災(zāi)探測(cè)的靈敏度和可靠性是非常可行的。一般來(lái)說(shuō)，多傳感器火災(zāi)探測(cè)技術(shù)的核心是采用信息融合算法完成在多種傳感器數(shù)據(jù)的決策。而決策過(guò)程是將實(shí)際接收的數(shù)據(jù)進(jìn)行數(shù)據(jù)處理，并與先驗(yàn)知識(shí)和經(jīng)驗(yàn)對(duì)比分析，從而進(jìn)行合理的結(jié)果輸出。很顯然，這種通過(guò)不同傳感器的數(shù)據(jù)處理后的結(jié)果，是單一傳感器類型無(wú)法達(dá)到的探測(cè)準(zhǔn)確度。與此同時(shí)，釆用信息融合技術(shù)后，系統(tǒng)能夠有效地低誤報(bào)率，提高抗干擾性，并在火災(zāi)的動(dòng)態(tài)響應(yīng)方面具有潛在的優(yōu)勢(shì)。目前對(duì)多傳感器火災(zāi)探測(cè)中的信息融合技術(shù)有一些不同的分類，具體來(lái)說(shuō)包括：(1)閾值判斷或趨勢(shì)融合算法。這是最簡(jiǎn)單的多傳感器信息融合算法，它可針對(duì)不同傳感器數(shù)據(jù)的閾值或變化趨勢(shì)采用“AND/OR”的判斷算法。但是，由于多種數(shù)據(jù)擬合決策算法的問(wèn)題，此類算法在探測(cè)靈敏度和降低干擾源影響這兩個(gè)方面的平衡上仍然存在一些困難。(2)多種傳感器信號(hào)的關(guān)系式。該方案在多種傳感器信息閾值判斷或趨勢(shì)值判斷的基礎(chǔ)上，將多種傳感器信號(hào)的關(guān)系式用于火災(zāi)探測(cè)的可行性中進(jìn)行了分析。雖然該方案在探測(cè)時(shí)間、干擾源區(qū)分等方面，比閾值判斷算法有更好的性能，但關(guān)系式的參數(shù)需要依靠人為的經(jīng)驗(yàn)進(jìn)行判定。(3)人工神經(jīng)網(wǎng)絡(luò)。需要大量的數(shù)據(jù)來(lái)訓(xùn)練網(wǎng)絡(luò)并調(diào)整網(wǎng)絡(luò)結(jié)構(gòu)、權(quán)重和閾值等參數(shù)，從而產(chǎn)生可靠的火災(zāi)探測(cè)結(jié)果。然而，該類方案采用特征提取算法，將不同傳感器的閾值或趨勢(shì)值作為神經(jīng)網(wǎng)絡(luò)的輸入。但在實(shí)際應(yīng)用中存在著數(shù)據(jù)的波動(dòng)，這會(huì)干擾系統(tǒng)的魯棒性，從而無(wú)法取得滿意的結(jié)果。(4)模糊算法。一些研究對(duì)將模糊邏輯引入多傳感器火災(zāi)探測(cè)進(jìn)行了嘗試。設(shè)計(jì)了基于灰度模糊算法探測(cè)系統(tǒng)，并且獲得了滿意的結(jié)果，將模糊邏輯與灰度預(yù)測(cè)進(jìn)行了結(jié)合，但在探測(cè)效率方面沒(méi)有明顯的優(yōu)勢(shì)。
技術(shù)實(shí)現(xiàn)思路
本專利技術(shù)的目的即在于克服現(xiàn)有技術(shù)的不足，提供一種火警態(tài)勢(shì)分析方法，該方法根據(jù)樓宇內(nèi)多個(gè)探測(cè)器的報(bào)警信息，采用傳統(tǒng)卡爾曼濾波與模糊推理相結(jié)合的方法聯(lián)合分析判斷該報(bào)警信息是否真實(shí)火警，改善系統(tǒng)的測(cè)量精度，使其能夠更準(zhǔn)確地進(jìn)行預(yù)報(bào)和決策，掌握火災(zāi)發(fā)展的態(tài)勢(shì)。本專利技術(shù)通過(guò)下述技術(shù)方案實(shí)現(xiàn)：一種火警態(tài)勢(shì)分析方法，包括步驟：步驟1，將多個(gè)傳感器采集的數(shù)據(jù)通過(guò)卡爾曼濾波進(jìn)行平滑處理，之后送入模糊推理系統(tǒng)中，從而改善系統(tǒng)的測(cè)量精度，使其能夠更準(zhǔn)確地進(jìn)行預(yù)報(bào)和決策；步驟2，在模糊推理的自適應(yīng)噪聲調(diào)整處理模塊中，需要對(duì)測(cè)量值進(jìn)行驗(yàn)真，判斷并替換壞值；步驟3，而后根據(jù)模糊規(guī)則和隸屬度函數(shù)給出調(diào)整后的測(cè)量噪聲；步驟4，最后將處理后的每個(gè)傳感器的數(shù)據(jù)送入全局最優(yōu)融合模塊，基于聯(lián)合卡爾曼濾波方式獲得最優(yōu)的融合結(jié)果；將全局最優(yōu)融合結(jié)果反饋送入到每個(gè)傳感器數(shù)據(jù)處理單元，以備后續(xù)的數(shù)據(jù)融合處理。進(jìn)一步的，所述步驟1，基于卡爾曼濾波算法的數(shù)據(jù)平滑處理：針對(duì)多個(gè)傳感器采集的感知模塊，對(duì)于第i個(gè)傳感器來(lái)說(shuō)，假設(shè)k時(shí)刻的觀測(cè)值為Zi(k)，系統(tǒng)的測(cè)量控制矩陣為Hi(k)，測(cè)量誤差序列為高斯白噪聲型的Vi(k)，根據(jù)卡爾曼濾波可知，系統(tǒng)真實(shí)值Xi(k)與測(cè)量結(jié)果之間的關(guān)系如下所示：Zi(k)＝Hi(k)Xi(k)+Vi(k)(1)基于此，進(jìn)一步使用真實(shí)值描述此多傳感器線性系統(tǒng)，即Xi(k+1)＝Θ(k+1,k)Xi(k)+Wi(k)(2)上式中，Θi(k+1,k)表示此系統(tǒng)中第i個(gè)傳感器的一步轉(zhuǎn)移矩陣，即從第k時(shí)刻到第k+1時(shí)刻的轉(zhuǎn)移值；此外，Wi(k)同樣也是高斯白噪聲型的誤差值；基于公式(1)和(2)，通過(guò)第k-1時(shí)刻的估計(jì)值以及第k個(gè)測(cè)量值可以推導(dǎo)出第k個(gè)估計(jì)值其中，為濾波器增益系數(shù)，而則表示的方差；此外，為了獲得更新后的系統(tǒng)估計(jì)值預(yù)測(cè)的系統(tǒng)狀態(tài)估計(jì)通過(guò)下式得到：同樣地，預(yù)測(cè)的估計(jì)協(xié)方差Pi(k|k-1)由公式(5)計(jì)算得到Pi(k|k-1)＝Θ(k,k-1)Pi(k-1)ΘT(k,k-1)+Qi(k-1)(5)由此，我們得到了傳感器采集數(shù)據(jù)經(jīng)過(guò)卡爾曼濾波處理之后的平滑結(jié)果。進(jìn)一步的，所述步驟2：基于歷史信息的壞點(diǎn)替換方法：在此過(guò)程中，對(duì)第i個(gè)通道的第k個(gè)時(shí)刻的殘差ri(k)，采用其前5個(gè)值的平均值作為參考指標(biāo)，即由于傳感器采集的數(shù)據(jù)是連續(xù)變化的，因此當(dāng)ri(k)≥3·rAVG時(shí)，判定當(dāng)前測(cè)量值Zi(k)為壞點(diǎn)，此時(shí)系統(tǒng)使用上一時(shí)刻的測(cè)量值替代該壞點(diǎn)，即Zi(k)＝Zi(k-1)，在去除并替換測(cè)量壞點(diǎn)之后，系統(tǒng)進(jìn)入到模糊推理算法。進(jìn)一步的，所述步驟3：基于模糊推理的自適應(yīng)噪聲調(diào)整，對(duì)于第i個(gè)卡爾曼濾波通道在第k時(shí)刻的觀測(cè)，其測(cè)量誤差協(xié)方差的更新方法如下式所示。公式(6)說(shuō)明了k時(shí)刻的誤差協(xié)方差與前一時(shí)刻的值有關(guān)，且通過(guò)調(diào)整系數(shù)Si(k)進(jìn)行優(yōu)化。系統(tǒng)可以通過(guò)調(diào)整Si(k)的值，自適應(yīng)的更新從而達(dá)到優(yōu)化系統(tǒng)測(cè)量誤差的目的；對(duì)于調(diào)整系數(shù)Si(k)，采取以下的方法自適應(yīng)的更新；首先定義一個(gè)比值，該值由第i通道的第k個(gè)時(shí)刻觀測(cè)的測(cè)量值和理論值之比得到，即上式中的分子部分為M大小的滑動(dòng)平均窗口的殘差平均值，而分母部分是第k個(gè)殘差方差的理論值；通過(guò)公式(8)可知，的值直接受到SRi(k)的影響；即，隨著數(shù)值的增大，SRi(k)的值將減小。考慮到公式(7)，將SRi(k)作為模糊推理系統(tǒng)的輸入，則這一數(shù)值可以對(duì)Si(k)進(jìn)行微調(diào)。也就是說(shuō)，當(dāng)SRi(k)<1的時(shí)候，設(shè)置Si(k)<1，從而減小進(jìn)而影響到SRi(k)并使之增大，從而達(dá)到自適應(yīng)的調(diào)整；這里SRi(k)的微調(diào)通過(guò)三個(gè)模糊子集進(jìn)行，分別為●當(dāng)SRi(k)∈[0.5,0.96)時(shí)，為小于1的子集，那么Si(k)也屬于這個(gè)子集●當(dāng)SRi(k)∈[0.6,1.4)時(shí)，為等于1的子集，那么Si(k)也屬于這個(gè)子集●當(dāng)SRi(k)∈[1.05,1.5)時(shí)，大于1的子集，那么Si(k)也屬于這個(gè)子集通過(guò)這一規(guī)則，構(gòu)建輸入隸屬度函數(shù)，而后采用Mamdani模糊推理方法得到相應(yīng)的輸出隸屬度函數(shù)；最后使用中心平均法進(jìn)行去模糊化，并最終得到Si(k)的輸出清晰值，如下所示。其中，表示第j個(gè)模糊子集中心的，μj(S)表示其所對(duì)應(yīng)的輸出隸屬度函數(shù)中的最大值。由此得到了更新后的Si(k)值，從而通過(guò)公式本文檔來(lái)自技高網(wǎng)...

【技術(shù)保護(hù)點(diǎn)】
一種火警態(tài)勢(shì)分析方法，其特征在于，包括步驟：步驟1，將多個(gè)傳感器采集的數(shù)據(jù)通過(guò)卡爾曼濾波進(jìn)行平滑處理，之后送入模糊推理系統(tǒng)中；步驟2，在模糊推理的自適應(yīng)噪聲調(diào)整處理模塊中，需要對(duì)測(cè)量值進(jìn)行驗(yàn)真，判斷并替換壞值；步驟3，而后，根據(jù)模糊規(guī)則和隸屬度函數(shù)給出調(diào)整后的測(cè)量噪聲；步驟4，最后，將處理后的每個(gè)傳感器的數(shù)據(jù)送入全局最優(yōu)融合模塊，基于聯(lián)合卡爾曼濾波方式獲得最優(yōu)的融合結(jié)果；將全局最優(yōu)融合結(jié)果反饋送入到每個(gè)傳感器數(shù)據(jù)處理單元，以備后續(xù)的數(shù)據(jù)融合處理。

【技術(shù)特征摘要】
1.一種火警態(tài)勢(shì)分析方法，其特征在于，包括步驟：步驟1，將多個(gè)傳感器采集的數(shù)據(jù)通過(guò)卡爾曼濾波進(jìn)行平滑處理，之后送入模糊推理系統(tǒng)中；步驟2，在模糊推理的自適應(yīng)噪聲調(diào)整處理模塊中，需要對(duì)測(cè)量值進(jìn)行驗(yàn)真，判斷并替換壞值；步驟3，而后，根據(jù)模糊規(guī)則和隸屬度函數(shù)給出調(diào)整后的測(cè)量噪聲；步驟4，最后，將處理后的每個(gè)傳感器的數(shù)據(jù)送入全局最優(yōu)融合模塊，基于聯(lián)合卡爾曼濾波方式獲得最優(yōu)的融合結(jié)果；將全局最優(yōu)融合結(jié)果反饋送入到每個(gè)傳感器數(shù)據(jù)處理單元，以備后續(xù)的數(shù)據(jù)融合處理。2.根據(jù)權(quán)利要求1所述的一種火警態(tài)勢(shì)分析方法，其特征在于，所述步驟1，基于卡爾曼濾波算法的數(shù)據(jù)平滑處理：針對(duì)多個(gè)傳感器采集的感知模塊，對(duì)于第i個(gè)傳感器來(lái)說(shuō)，假設(shè)k時(shí)刻的觀測(cè)值為Zi(k)，系統(tǒng)的測(cè)量控制矩陣為Hi(k)，測(cè)量誤差序列為高斯白噪聲型的Vi(k)，根據(jù)卡爾曼濾波可知，系統(tǒng)真實(shí)值Xi(k)與測(cè)量結(jié)果之間的關(guān)系如下所示：Zi(k)＝Hi(k)Xi(k)+Vi(k)(1)基于此，進(jìn)一步使用真實(shí)值描述此多傳感器線性系統(tǒng)，即Xi(k+1)＝Θ(k+1,k)Xi(k)+Wi(k)(2)上式中，Θi(k+1,k)表示此系統(tǒng)中第i個(gè)傳感器的一步轉(zhuǎn)移矩陣，即從第k時(shí)刻到第k+1時(shí)刻的轉(zhuǎn)移值；此外，Wi(k)同樣也是高斯白噪聲型的誤差值；基于公式(1)和(2)，通過(guò)第k-1時(shí)刻的估計(jì)值以及第k個(gè)測(cè)量值可以推導(dǎo)出第k個(gè)估計(jì)值其中，為濾波器增益系數(shù)，而則表示的方差；此外，為了獲得更新后的系統(tǒng)估計(jì)值預(yù)測(cè)的系統(tǒng)狀態(tài)估計(jì)通過(guò)下式得到：同樣地，預(yù)測(cè)的估計(jì)協(xié)方差Pi(k|k-1)由公式(5)計(jì)算得到Pi(k|k-1)＝Θ(k,k-1)Pi(k-1)ΘT(k,k-1)+Qi(k-1)(5)由此，我們得到了傳感器采集數(shù)據(jù)經(jīng)過(guò)卡爾曼濾波處理之后的平滑結(jié)果。3.根據(jù)權(quán)利要求1所述的一種火警態(tài)勢(shì)分析方法，其特征在于，所述步驟2：基于歷史信息的壞點(diǎn)替換方法：在此過(guò)程中，對(duì)第i個(gè)通道的第k個(gè)時(shí)刻的殘差ri(k)，采用其前5個(gè)值的平均值作為參考指標(biāo)，即由于傳感器采集的數(shù)據(jù)是連續(xù)變化的，因此當(dāng)ri(k)≥3·rAVG時(shí)，判定當(dāng)前測(cè)量值Zi(k)為壞點(diǎn)，此時(shí)系統(tǒng)使用上一時(shí)刻的測(cè)量值替代該壞點(diǎn)，即Zi(k)＝Zi(k-1)，在去除并替換測(cè)量壞點(diǎn)之后，系統(tǒng)進(jìn)入到模糊推理算法。4.根據(jù)權(quán)利要求1所述的一種火警態(tài)勢(shì)分析方法，其特征在于，所述步驟3：基于模糊推理的自適應(yīng)噪聲調(diào)整，對(duì)于第i個(gè)卡爾曼濾波通道在第k時(shí)刻的觀測(cè)，其測(cè)量誤差協(xié)方差的更新方法如下式所示。公式(6)說(shuō)明了k時(shí)刻的誤差協(xié)方差與前一時(shí)刻的值有關(guān)，且通過(guò)調(diào)整系數(shù)Si(k)進(jìn)行優(yōu)化。系統(tǒng)可...

【專利技術(shù)屬性】
技術(shù)研發(fā)人員：劉卓華，何云華，孫春梁，
申請(qǐng)(專利權(quán))人：北京富邦智慧物聯(lián)科技有限公司，
類型：發(fā)明
國(guó)別省市：北京,11