数据融合技术在公路隧道火灾探测中的应用.pdf

《数据融合技术在公路隧道火灾探测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、ndge＆TunnelEneer_ng桥梁与隧道工程数据融合技术在公路隧道火灾探测中的应用刘鑫(福建省高速公路监控中心仙游分中心，福建仙游351299)摘要：高速公路隧道火灾的早期探测是及时扑救和控制火灾的必要条件。由于传统的探测方法收集的火灾参数单一、误报率高的问题一直难以解决，以数据融合为基础，对高速公路隧道火灾的探测方案进行了设计，以提高高速公路隧道火灾的探测水平。关键词：公路隧道；数据融合技术：火灾探测中图分类号：U458．1文献标识码：A文章编号：1673—8098(2015)04—0222—030引言的发生是一个渐变的过程，同时伴随着火灾现象以数据融

2、合技术为基础的隧道火灾探测系统的特征变化，因此选择基于模拟量的火灾传感的结构系统主要可分为三个层次：一是信息层，器。为了解决信号传输干扰，要对其采集到的数其主要任务是完成对于火灾原始信息的采集与处据进行必要的处理后再将其转换成数字信号。理；二是特征层，其主要任务是对于信息层传来其次是信息层的处理模式设计。由于火灾发的原始数据信号中的数据特征进行提取；三是决生时的烟雾和温度都会迅速增加，因此该层的局策层，这一层是系统的核心结构，其主要任务是部决策器的算法设计采用速率检测法，即通过检以特征层提取的探测对象的特征信息为基础，采测信号的变化速率来鉴别是否发生火情，这样既

3、用数据融合技术进行分析，并得到融合结果。可以做到对火情的早期发现，又可以降低误当隧道发生火灾时，信息层首先将采集到的报率。原始数据传至特征层，特征层对于信息层的数据1．2特征层的设计与实现特征进行提取后传送至决策层，然后决策层利用针对特征层的主要任务，考虑到隧道火灾的数据融合技术得到融合结果。同时管理计算机将特殊性，采用神经网处理手段实现该层的数据融发出报警信号，并将相应的图像切换至监视器，合，对明火和隐燃火进行有效辨别，达到探测对于灭火方案进行选择，并将相关数据进行备份。目的。1．2．1特征层的结构设计1隧道火灾数据融合系统的设计与实现当信息层对于火焰信号、烟

4、雾和温度三个探1．1信息层的设计测量的探测结果进行初步处理后，传人特征层的1．1．1探测参量的选择神经网络融合器，同时传人的还有这三个探测量很显然，探测量的多少是影响探测系统准确的差值之和以及历史信息。性和效率的重要因素，选择过少，将无法对于火1．2．2特征层中的神经网络设计与应用源和非火源进行有效区分；选择过多则会增加计神经网络融合器有六个特征量输入，分别是算的复杂程度，影响系统的反应时间。考虑到隧温度、烟雾、火焰信号以及这三个基本量的探测道火灾的特征，设计选用烟雾浓度、火焰及温度差值之和。神经网络的基本结构包括三层分别是作为探测量完成信息探测。输入层、隐含层

5、以及输出层，输入层包含上述的61．1．2信息层的信号处理模式个基本输入特征量，输出层包含两个输出，分别首先是传感器的信号预处理设计。由于火灾是明火概率以及隐燃火概率。隐含层是神经网的收稿日期：2015—03—03222：交通建设与管理桥梁与隧道工程ridge&TunnelEng．neng核心部分，主要功能是进行数据的初始处理与计对火灾是否发生做出判断。由于神经网络输出的算。火灾概率值代表的是火灾发生的可能性的大小，首先，神经网络设计的核心之一是隐层的节当这一数值很大或者很小时，很容易判断是否发点数的设计。这一数目的确定会对神经网络的整生了火灾。例如，若明火概率值

6、为0．9时，可以体工作状况产生重要影响，节点数的设计并不是确定发生的火灾，若明火概率值为0．1，则可以越多越好，过多的节点数会延长神经网络的学习判断没有发生火灾。但是当明火的概率值在0．5时间，误差反而有可能增大；节点数过少，则神左右时，则难作出是否发生火灾的判断，因此有经网的训练难以完成，不仅严重影响神经网络的必要对系统进行模糊推理的方法对于概率输出值鲁棒性，同时网络的抗干扰能力也会难以达到设进行进一步处理，使系统更为接近人类思维的计要求。因此节点数目的选取不仅要依据相关的判断。经验公式进行计算确定，还要根据实际运行情况判断规则设置如下：进行适当调整，最终达到

7、最佳状态。(1)当明火概率值大于0．8时，直接判断为火其次，要选择合适的学习步长。选择的学习灾发生；步长值过大，会造成权值的快速更新、收敛速度(2)当明火概率值介于0．5～0．8之间时，判别加快，有可能引发系统震荡；步长值过小会造成为有火灾隐患，并进入明火模糊推理模式作进一学习速度慢。因此在系统设计时，采取不设定固步判别；定步长值的方式，初始学习阶段，取较大的步长(3)当明火概率值介于0．2～0．5之间时，判别值，然后逐步减小。为有火灾隐患，并进入隐燃火模糊推理模式作进最后，初始权值的设定。学习开始之前，必一步判别；须给定其初始值，赋值不当会影响神经网的学习(4

8、)当明火概率小于0．2时