专利名称：一种基于电子鼻技术的密闭空间火灾探测报警系统及方法
技术领域：
本发明属于火灾探测技术领域，具体涉及基于电子鼻技术的密闭空间火灾探测报警系统及方法。
背景技术：
密闭空间是指进出口受限，自然通风不良，与外界相对隔离的非常规有限空间。常见的密闭空间主要包括某些配电柜、机房、物资货仓、飞机货舱和航天舱等。此类密闭空间一旦发生火灾，生成的烟雾、毒气和热量势必会在短时间内大量聚集，对人员和设备造成极大的损害。因此，早期的火灾探测报警显得尤为重要。目前，在密闭空间内主要针对火灾时可见烟雾浓度的变化实现报警，比较容易受空气中粉尘、水汽等干扰产生误报、漏报。火灾特征气体产生于火灾发生极早期，先于可见烟雾的出现。并且，真实火灾产生的CO和CO2等特征气体浓度变化非常有规律，利于探测。但是，气体传感器具有选择性(即对于多种气体交叉敏感)，运用单一的传感器进行火灾特征气体探测报警容易受其它气体或环境因素的影响而引起误报。而利用电子鼻技术能够很好地解决这个问题。电子鼻技术主要由气体传感器阵列、信号预处理和模式识别三部分组成。目前应用于火灾探测领域的电子鼻技术采用的模式识别算法主要有BP神经网络、支持向量机(SVM)等。此类算法训练时间长，结构复杂，不利于在线更新网络模型，从而导致误报、漏报的发生。
发明内容
本发明技术解决问题:克服现有技术的不足，提供一种基于电子鼻技术的密闭空间火灾探测报警系统及方法，提取火灾特征气体02、CO、CO2变化规律，实时在线分析、学习，智能判断，以便于在极早期发现火灾，并减少误报、漏报率，更大限度的减少火灾对密闭空间人员和设备的损害。本发明技术解决方案:一种基于电子鼻技术的密闭空间火灾探测报警系统，其结构如
图1所示，它由采样管、过滤装置、三个气体传感器、温度传感器、传感器供电单元、传感器控制单元、信号采集单元、信号调理单元、监控主机、声光报警装置、流量计、真空泵、三通电磁阀、尾气处理装置等构成。气体传感器经采样管采集被监控现场的02、CO、CO2等信号，经数据预处理后输入已经训练好的PNN网络模型，预测火灾发生概率U”若火灾发生概率大于给定阀值Udl，则开始记录预警时间t (i)，反之则将数据输入PNN网络模型在线训练程序。进行二次判断，若火灾发生概率大于等于给定阀值Ud2，则直接开启声光报警装置并接通尾气处理装置；反之，则判断预警时间t(i)是否大于等于给定阀值td:是，则开启声光报警装置并接通尾气处理装置；否，则将数据输入PNN网络模型在线训练程序。图2为本发明中实时火灾识别算法流程图。本发明基于电子鼻技术，采用三个对02、CO、CO2交叉敏感的气体传感器及一个温度传感器组成传感器阵列采集数据，采用概率神经网络(PNN)作为其模式识别算法。为了减少模型复杂度及训练难度，在采样管末端加入过滤装置并采用流量计控制通过传感器的气体流速。过滤装置有两个目的:(I)过滤采样气体中的烟雾颗粒，延长传感器寿命；(2)干燥采样气体，减少水蒸气对气体传感器的影响。在确定最佳气体流速时，可配置多组02、CO、CO2混合气体样本，改变流量，获取多流速下气体传感器响应曲线进行判断。本发明采用概率神经网络模型(PNN)进行模式识别。PNN基于贝叶斯分类理论决策，利用Parzen窗方法来估计概率密度函数，具有许多优良的性能:(I )PNN训练速度快，利于实时应用；(2)决策可以实现贝叶斯最优；(3)容错能力强；(4)添加新的训练样本时，不必对网络进行重新训练。在采用PNN网络模型前需对其进行离线训练。离线训练流程如图3所示。首先对密闭空间现场火灾隐患进行调查，并以此进行模拟火灾实验。通过气体传感器及温度传感器获得模拟火灾现场数据。由于本发明致力于实时监控，因此只能选取气体传感器响应值S1、气体传感器变化率Λ Si和温度响应值Ti作为相应特征进行预处理。数据预处理方法也直接影响着系统的工作特性。采用阵列归一化可以达到很好的效果，计算公式为:
权利要求
1.一种基于电子鼻技术的密闭空间火灾探测报警系统，其特征在于包括:采样管、过滤装置、三个气体传感器、温度传感器、传感器供电单元、传感器控制单元、信号采集单元、信号调理单元、监控主机、声光报警装置、流量计、真空泵、三通电磁阀和尾气处理装置； 传感器供电单元为三个气体传感器和温度传感器提供电源，其输出端连接传感器；传感器控制单元控制三个气体传感器和温度传感器的开启、关闭，其输出端连接传感器；三个传感器分别为O2传感器、CO传感器和CO2传感器；信号采集单元用来采集三个气体传感器和温度传感器的数据，其输入端与传感器连接，输出端与信号调理单元连接；信号调理单元对采集到的信号进行放大、滤波，其输入端与信号采集单元连接，输出端与监控主机连接；监控主机设置有火灾监控主程序和PNN神经网络在线训练算法，能够实时识别火灾并给出报警、在线更新PNN神经网络和储存数据，其输出端连接声光报警装置和三通电磁阀； 采样管采集、输送密闭空间现场气体数据，其一端至于密闭空间中，另一端连接过滤装置；过滤装置过滤气体中的水蒸气和烟颗粒，减少对传感器的影响，其一端连接采样管，另一端经管路连接气体分析腔；气体分析腔用来放置三个气体传感器和温度传感器，其另一端经管路连接流量计；流量计控制管路中的流速，其另一端经管路连接真空泵；真空泵抽气，为系统采样提供动力，其另一端经管路连接三通电磁阀；三通电磁阀控制尾气的流向，其另一端经管路连接尾气处理装置；尾气处理装置可处理采样气体中的CO、CO2有害气体，防止污染； 监控主机实现过程:被监控现场的o2、co、co2和温度信号，经数据预处理后输入已经训练好的PNN神经网络模型，预测火灾发生概率并进行预警时间判断，如果判断发生火灾，则开启声光报警装置，接通尾气处理装置，并将数据输入已经训练好的PNN网络模型在线训练程序；如果判断未发生火灾，则继续监控，并将数据输入PNN网络模型在线训练程序；进行在线训练前，进行稳态判断，如果判断处于稳态，则返回火灾监控主程序；如果否，则将样本加入PNN神经网络模型的训练，得到新的PNN网络模型，并写入火灾监控主程序。
2.根据权利要求1所述的基于电子鼻技术的密闭空间火灾探测报警系统，其特征在于:所述已经训练好的PNN网络模型采用离线训练方式，离线训练过程为:首先对密闭空间现场火灾隐患进行调查，并以此进行模拟火灾实验；通过气体传感器及温度传感器获得模拟火灾现场数据，选取气体传感器响应值Sp气体传感器变化率△ Si和温度响应值Ti作为相应特征进行预处理，数据预处理方法采用阵列归一化方法，计算公式为:
3.根据权利要求1所述的基于电子鼻技术的密闭空间火灾探测报警系统，其特征在于:所述PNN网络模型在线训练程序实现为:对系统是否处于稳态进行判断；设定阀值Θ，当满足:Il x(i+l)-x⑴ Il < Θ 认为系统进入稳态，从而停止在线训练，维持PNN网络模型不变；当系统并未处于稳态时，则将火灾监控主程序的输出作为该样本的期望输出，加入PNN网络模型的训练样本集进行在线训练，直到测试样本期望输出满足条件为止；得到的新的PNN网络模型重新写入监控主机，进行后续监控。
4.根据权利要求1所述的基于电子鼻技术的密闭空间火灾探测报警系统，其特征在于:所述预警时间t(i)定义如下:
5.一种基于电子鼻技术的密闭空间火灾探测报警方法，其特征在于实现步骤如下: (1)首先对密闭空间进行火灾事故调查，找出其主要火灾风险，并针对这几种主要风险进行|吴拟实验； (2)根据模拟实验所得数据，对PNN网络模型进行离线训练； 对数据归一化后，进行PCA主成分分析，并应用于新建PNN网络模型的训练；当输出期望满足要求时，终止训练，将形成的PNN网络模型输入到监控主机中； (3)将训练好的PNN网络模型写入监控主机； 将系统采样管置于待监测密闭空间，三通电磁阀接通空气，开启传感器供电单元和控制单元，打开真空泵开始抽气，并启动监控主机。从监控现场采集的数据通过PNN网络模型获得火灾发生概率，结合预警时间判断机制进行实时火灾识别； (4)利用获得的监控现场实时数据对PNN网络模型进行在线训练； 首先对系统是否处于稳态进行判断；当系统处于稳态时，停止在线训练，维持PNN网络模型不变；当系统并未处于稳态时，则将数据加入PNN网络模型的训练样本集进行在线训练，得到新的PNN网络模型，并重新写入监控主机，以便进行后续监控。
全文摘要
一种基于电子鼻技术的密闭空间火灾探测报警系统及方法，包括采样管、过滤装置、三个气体传感器、温度传感器、传感器供电单元、传感器控制单元、信号采集单元、信号调理单元、监控主机、声光报警装置、流量计、真空泵、三通电磁阀和尾气处理装置。本发明能够实时在线分析、学习，智能判断，以便于在极早期发现火灾，并减少误报、漏报率，更大限度的减少火灾对密闭空间人员和设备的损害。
文档编号G08B17/117GK103116961SQ20131002614
公开日2013年5月22日 申请日期2013年1月21日 优先权日2013年1月21日
发明者张永明, 王晓伟, 方俊, 王进军 申请人:中国科学技术大学