基于模糊逻辑和RBF算法的家庭火灾报警系统的研究

赵方飞

摘要：随着科学技术的迅速发展和人们生活水平的提高，家中日常所用的电器设备越来越多。为了防止电器损坏等原因有些家用电器专门设计了短路、过热等保护系统，但是一些电器必定要长期处于工作状态，电器线路的老化和电器设备的老化是不可避免的，进而存在发生火灾的安全隐患。目前的火灾探测系统基本都采用单一的烟雾传感器探测方法，这种方法虽然可以探测出火灾的发生，但是却存在很高的误报率，比如厨房烟雾、吸烟等都会引起报警。该文为了提高探测的准确性和时实性，采用了多种传感器，然后利用模糊逻辑和RBF算法对多个传感器采集的信息进行融合分类，最终得出是否发生火灾的决策。

关键词：火灾报警系统；模糊逻辑；RFB算法；融合算法；传感器

中国分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）29-6945-04

Abstract： With the rapid development of science and technology and people living standard improved， more and more electrical equipments were used in the daily life. In order to prevent electrical appliances short circuit and overheating protection system are specially designed in electrical equipment. But some of the equipments must be in working state for a long time， electrical lines aging and electrical equipment aging is inevitable， then there is existence of security risks of fire. In present， most of the fire detection systems are based in a single smoke sensor method， although this method can detect the occurrence of fire， but there is a high rate of false positives， such as the kitchen smoke and smoking can cause wrong alarm. In this paper， several sensors are used in order to improve the accuracy and real-time of detection. Then using fuzzy logic and RFB algorithm to collect information and classification of the several sensors， finally got the result of the fire occurred or not.

Key words： fire alarm system； fuzzy logic； RFB algorithm； fusion algorithm； sensor

传统的单一传感器火灾检测系统已经不能满足现有的需求，研究更先进的火灾检测系统是必然趋势，稳定性高、可靠性高的火灾检测系统对于家庭防火具有重大的意义。该文研究的目的在于，采用多传感器的手段，综合各传感器采集的参数对火灾进行更准确的判断，打破传统火灾检测系统的思维。这种复合探测的方法具有很高的实用价值，目前较为常用的传感器有温度传感器、烟雾传感器、CO气体传感器，还有多种可燃气体传感器，采用模糊推理系统和RBF神经网络系统融合算法得出火灾是否发生的结果。不仅能够检测出火灾的发生，还能够在早期就检测出火灾，识别率高、准确率高、可靠性高，能够最大限度地减少火灾对生命财产造成的损失。

1 硬件系统分析与设计

本系统主要采用的数据传输方式为ZigBee无线通讯，由于ZigBee无线通讯芯片自带8051内核，内部集成8路输入可配置分辨率12位AD，因此探测器不需要加额外的微控制器，探测器由传感器和ZigBee无线通讯模块组成[1]。主控器由ZigBee无线通讯模块、声光报警模块、GSM模块组成，系统硬件总体框图如图1所示。

2 算法分析与设计

RBF神经网络与常用的BP神经网络相比，具有收敛速度快、精度高等优点[2][3]，因此本系统为了提高火灾检测的准确性和可靠性，降低误报率，采用了多传感器信息融合技术和模糊控制系统与RBF神经网络结合技术，建立了火灾检测的数据融合系统。很多参数都能反映火灾形成的过程，比如温度、CO含量、烟雾浓度、H2含量等等，通过分析可知这些参数值或它们的变化率与火灾形成过程各个阶段都有一定的映射关系。通常情况下，空气中的CO含量是极其低的，对人体不会有任何损害，但是当火焰燃烧时空气中的CO含量会急剧增加；而当火灾发生时，随着燃烧温度必然会升高，烟雾浓度也会随之升高，根据燃烧物的不同烟雾的浓度会有一定程度的不同，因此本系统主要选用了环境温度、烟雾浓度和CO含量三个参数的变化来进行对火灾的检测。

本文的火灾检测系统算法结构分为三层，即信息层、融合处理层和决策层。信息层的主要任务是采集各个传感器的数据；融合处理层的主要任务是对各个传感器数据进行融合并分析，将参数进行分类处理后识别为明火、阴燃火和无火灾三种结果，同时还要给出各种结果的概率；决策层的主要任务是结合融合处理层输出的各类特征信息，选用合适的融合技术进行最终的判断并输出结果。火灾检测算法系统结构如图3所示：

4 结束语

本文采用多传感器信息融合的方式对火灾数据进行采集，采用模糊推理系统和RBF神经网络融合的方式对火灾进行分析判断，数据传输方式为无线传输，并针对用户不在家的情况在系统中加入GSM模块，一旦家中发生火灾则会给预设的手机号码发送警告短信，具有很高的实用性。

参考文献：

[1] 吴旻，谢红福，王晓梅.ZigBee无线通讯技术在物联网系统中的应用研究[J].工业控制计算机，2011（8）.

[2] 海山，张策，何风琴.RBF网络和BP网络在逼近能力方面的研究[J].内蒙古科技与经济，2007（14）.

[3] 刘永，张立毅.BP和RBF神经网络的实现及其性能比较[J].电子测量技术，2007（4）.endprint

摘要：随着科学技术的迅速发展和人们生活水平的提高，家中日常所用的电器设备越来越多。为了防止电器损坏等原因有些家用电器专门设计了短路、过热等保护系统，但是一些电器必定要长期处于工作状态，电器线路的老化和电器设备的老化是不可避免的，进而存在发生火灾的安全隐患。目前的火灾探测系统基本都采用单一的烟雾传感器探测方法，这种方法虽然可以探测出火灾的发生，但是却存在很高的误报率，比如厨房烟雾、吸烟等都会引起报警。该文为了提高探测的准确性和时实性，采用了多种传感器，然后利用模糊逻辑和RBF算法对多个传感器采集的信息进行融合分类，最终得出是否发生火灾的决策。

关键词：火灾报警系统；模糊逻辑；RFB算法；融合算法；传感器

中国分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）29-6945-04

Abstract： With the rapid development of science and technology and people living standard improved， more and more electrical equipments were used in the daily life. In order to prevent electrical appliances short circuit and overheating protection system are specially designed in electrical equipment. But some of the equipments must be in working state for a long time， electrical lines aging and electrical equipment aging is inevitable， then there is existence of security risks of fire. In present， most of the fire detection systems are based in a single smoke sensor method， although this method can detect the occurrence of fire， but there is a high rate of false positives， such as the kitchen smoke and smoking can cause wrong alarm. In this paper， several sensors are used in order to improve the accuracy and real-time of detection. Then using fuzzy logic and RFB algorithm to collect information and classification of the several sensors， finally got the result of the fire occurred or not.

Key words： fire alarm system； fuzzy logic； RFB algorithm； fusion algorithm； sensor

传统的单一传感器火灾检测系统已经不能满足现有的需求，研究更先进的火灾检测系统是必然趋势，稳定性高、可靠性高的火灾检测系统对于家庭防火具有重大的意义。该文研究的目的在于，采用多传感器的手段，综合各传感器采集的参数对火灾进行更准确的判断，打破传统火灾检测系统的思维。这种复合探测的方法具有很高的实用价值，目前较为常用的传感器有温度传感器、烟雾传感器、CO气体传感器，还有多种可燃气体传感器，采用模糊推理系统和RBF神经网络系统融合算法得出火灾是否发生的结果。不仅能够检测出火灾的发生，还能够在早期就检测出火灾，识别率高、准确率高、可靠性高，能够最大限度地减少火灾对生命财产造成的损失。

1 硬件系统分析与设计

本系统主要采用的数据传输方式为ZigBee无线通讯，由于ZigBee无线通讯芯片自带8051内核，内部集成8路输入可配置分辨率12位AD，因此探测器不需要加额外的微控制器，探测器由传感器和ZigBee无线通讯模块组成[1]。主控器由ZigBee无线通讯模块、声光报警模块、GSM模块组成，系统硬件总体框图如图1所示。

2 算法分析与设计

RBF神经网络与常用的BP神经网络相比，具有收敛速度快、精度高等优点[2][3]，因此本系统为了提高火灾检测的准确性和可靠性，降低误报率，采用了多传感器信息融合技术和模糊控制系统与RBF神经网络结合技术，建立了火灾检测的数据融合系统。很多参数都能反映火灾形成的过程，比如温度、CO含量、烟雾浓度、H2含量等等，通过分析可知这些参数值或它们的变化率与火灾形成过程各个阶段都有一定的映射关系。通常情况下，空气中的CO含量是极其低的，对人体不会有任何损害，但是当火焰燃烧时空气中的CO含量会急剧增加；而当火灾发生时，随着燃烧温度必然会升高，烟雾浓度也会随之升高，根据燃烧物的不同烟雾的浓度会有一定程度的不同，因此本系统主要选用了环境温度、烟雾浓度和CO含量三个参数的变化来进行对火灾的检测。

本文的火灾检测系统算法结构分为三层，即信息层、融合处理层和决策层。信息层的主要任务是采集各个传感器的数据；融合处理层的主要任务是对各个传感器数据进行融合并分析，将参数进行分类处理后识别为明火、阴燃火和无火灾三种结果，同时还要给出各种结果的概率；决策层的主要任务是结合融合处理层输出的各类特征信息，选用合适的融合技术进行最终的判断并输出结果。火灾检测算法系统结构如图3所示：

4 结束语

本文采用多传感器信息融合的方式对火灾数据进行采集，采用模糊推理系统和RBF神经网络融合的方式对火灾进行分析判断，数据传输方式为无线传输，并针对用户不在家的情况在系统中加入GSM模块，一旦家中发生火灾则会给预设的手机号码发送警告短信，具有很高的实用性。

参考文献：

[1] 吴旻，谢红福，王晓梅.ZigBee无线通讯技术在物联网系统中的应用研究[J].工业控制计算机，2011（8）.

[2] 海山，张策，何风琴.RBF网络和BP网络在逼近能力方面的研究[J].内蒙古科技与经济，2007（14）.

[3] 刘永，张立毅.BP和RBF神经网络的实现及其性能比较[J].电子测量技术，2007（4）.endprint

摘要：随着科学技术的迅速发展和人们生活水平的提高，家中日常所用的电器设备越来越多。为了防止电器损坏等原因有些家用电器专门设计了短路、过热等保护系统，但是一些电器必定要长期处于工作状态，电器线路的老化和电器设备的老化是不可避免的，进而存在发生火灾的安全隐患。目前的火灾探测系统基本都采用单一的烟雾传感器探测方法，这种方法虽然可以探测出火灾的发生，但是却存在很高的误报率，比如厨房烟雾、吸烟等都会引起报警。该文为了提高探测的准确性和时实性，采用了多种传感器，然后利用模糊逻辑和RBF算法对多个传感器采集的信息进行融合分类，最终得出是否发生火灾的决策。

关键词：火灾报警系统；模糊逻辑；RFB算法；融合算法；传感器

中国分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）29-6945-04

Abstract： With the rapid development of science and technology and people living standard improved， more and more electrical equipments were used in the daily life. In order to prevent electrical appliances short circuit and overheating protection system are specially designed in electrical equipment. But some of the equipments must be in working state for a long time， electrical lines aging and electrical equipment aging is inevitable， then there is existence of security risks of fire. In present， most of the fire detection systems are based in a single smoke sensor method， although this method can detect the occurrence of fire， but there is a high rate of false positives， such as the kitchen smoke and smoking can cause wrong alarm. In this paper， several sensors are used in order to improve the accuracy and real-time of detection. Then using fuzzy logic and RFB algorithm to collect information and classification of the several sensors， finally got the result of the fire occurred or not.

Key words： fire alarm system； fuzzy logic； RFB algorithm； fusion algorithm； sensor

传统的单一传感器火灾检测系统已经不能满足现有的需求，研究更先进的火灾检测系统是必然趋势，稳定性高、可靠性高的火灾检测系统对于家庭防火具有重大的意义。该文研究的目的在于，采用多传感器的手段，综合各传感器采集的参数对火灾进行更准确的判断，打破传统火灾检测系统的思维。这种复合探测的方法具有很高的实用价值，目前较为常用的传感器有温度传感器、烟雾传感器、CO气体传感器，还有多种可燃气体传感器，采用模糊推理系统和RBF神经网络系统融合算法得出火灾是否发生的结果。不仅能够检测出火灾的发生，还能够在早期就检测出火灾，识别率高、准确率高、可靠性高，能够最大限度地减少火灾对生命财产造成的损失。

1 硬件系统分析与设计

本系统主要采用的数据传输方式为ZigBee无线通讯，由于ZigBee无线通讯芯片自带8051内核，内部集成8路输入可配置分辨率12位AD，因此探测器不需要加额外的微控制器，探测器由传感器和ZigBee无线通讯模块组成[1]。主控器由ZigBee无线通讯模块、声光报警模块、GSM模块组成，系统硬件总体框图如图1所示。

2 算法分析与设计

RBF神经网络与常用的BP神经网络相比，具有收敛速度快、精度高等优点[2][3]，因此本系统为了提高火灾检测的准确性和可靠性，降低误报率，采用了多传感器信息融合技术和模糊控制系统与RBF神经网络结合技术，建立了火灾检测的数据融合系统。很多参数都能反映火灾形成的过程，比如温度、CO含量、烟雾浓度、H2含量等等，通过分析可知这些参数值或它们的变化率与火灾形成过程各个阶段都有一定的映射关系。通常情况下，空气中的CO含量是极其低的，对人体不会有任何损害，但是当火焰燃烧时空气中的CO含量会急剧增加；而当火灾发生时，随着燃烧温度必然会升高，烟雾浓度也会随之升高，根据燃烧物的不同烟雾的浓度会有一定程度的不同，因此本系统主要选用了环境温度、烟雾浓度和CO含量三个参数的变化来进行对火灾的检测。

本文的火灾检测系统算法结构分为三层，即信息层、融合处理层和决策层。信息层的主要任务是采集各个传感器的数据；融合处理层的主要任务是对各个传感器数据进行融合并分析，将参数进行分类处理后识别为明火、阴燃火和无火灾三种结果，同时还要给出各种结果的概率；决策层的主要任务是结合融合处理层输出的各类特征信息，选用合适的融合技术进行最终的判断并输出结果。火灾检测算法系统结构如图3所示：

4 结束语

本文采用多传感器信息融合的方式对火灾数据进行采集，采用模糊推理系统和RBF神经网络融合的方式对火灾进行分析判断，数据传输方式为无线传输，并针对用户不在家的情况在系统中加入GSM模块，一旦家中发生火灾则会给预设的手机号码发送警告短信，具有很高的实用性。

参考文献：

[1] 吴旻，谢红福，王晓梅.ZigBee无线通讯技术在物联网系统中的应用研究[J].工业控制计算机，2011（8）.

[2] 海山，张策，何风琴.RBF网络和BP网络在逼近能力方面的研究[J].内蒙古科技与经济，2007（14）.

[3] 刘永，张立毅.BP和RBF神经网络的实现及其性能比较[J].电子测量技术，2007（4）.endprint