公交车多传感器火灾检测方法
【专利摘要】公交车多传感器火灾检测方法，采用一氧化碳传感器、二氧化碳传感器、温度传感器、烟雾传感器、电流传感器、火焰传感器，通过对采集连续数据的离散化获取的支持向量机模型，得出每一个传感器所检测到公交车发生火灾危险的概率，最后通过D-S证据理论对所有传感器检测结果进行信息融合，分别计算多传感器信息融合后公交车发生火灾危险的概率分配函数，并通过公交车发生火灾危险的概率做出预警提示。
【专利说明】公交车多传感器火灾检测方法
【技术领域】
[0001]本发明涉及的是一种多传感器火灾检测领域的方法，具体是一种公交车火灾检测方法。
【背景技术】
[0002]公交车作为广大市民出行的主要交通方式，具有不可替代的作用。公交车也随着电控系统的复杂化、集成化不断提高，再加上城市高温天气不断增加，公交车在运行时发生火灾事故的案例也不断增加。公交车由于具有人员密集、可燃物分布广、运行路线复杂等特点，造就了公交车在发生火灾时人员疏散困难、燃烧速度快、扑救特别困难，从而对乘客的生命财产安全构成巨大的威胁，不利于城市交通的正常运行，具有严重的社会危害性。
[0003]目前，我国对公交车火灾检测预警的研究还比较初步，对于公交车火灾预警主要采用单参量或者多参量使用阀值比较法分别检测预警的方法，例如在车辆内设置烟雾探测器、温度传感器、视频监控等，而使用单一传感活多传感器对分别公交车火灾检测具有准确率很低、使用环境单一、检测实时性差、不能适应恶劣工作环境等特点，不能有效的对公交车火灾危险进行检测预警。
【发明内容】
[0004]本发明要克服目前采用单参量或者多参量使用阀值比较法分别检测预警的方法无法实现对公交车火灾进行准确、及时的检测和识别，致使公交车火灾事故频发的问题，提出一种通过多传感器信息融合，对公交车火灾危险等级进行分类并做出预警的公交车火灾判别方法。
[0005]本发明专利采用一氧化碳传感器、二氧化碳传感器、温度传感器、烟雾传感器、电流传感器、火焰传感器，通过对采集连续数据的离散化获取的支持向量机模型，得出每一个传感器所检测到公交车发生火灾危险的概率，最后通过D-S证据理论对所有传感器检测结果进行信息融合，分别计算多传感器信息融合后公交车发生火灾危险的概率分配函数，并通过公交车发生火灾危险的概率做出预警提示。
[0006]本发明所述的公交车多传感器火灾检测方法，具体包括如下步骤:
[0007]步骤1，采集分布在公交车内合适位置的传感器信息，并通过研究分析对公交车火灾自燃危险作出评估结果，将采集的数据和评估结果一同存储在信息表集合U =(X1, X2, X3, X4, X5, X6, d}中,其中X1, X2> X3> X4> X5> X6分别表示一氧化碳浓度、二氧化碳浓度、温度、烟雾浓度、电流强度、是否有火焰，d e {0,1}表示危险情况，O表示安全，I表示有火灾危险。
[0008]步骤2，对采集的信息表数据进行归一化处理，运用聚类算法结合不相容度一致原则得出不同类型数据信息不同的离散化方式，然后对不同类型数据信息进行编码。
[0009]计算步骤如下:
[0010]21.将火灾检测第i个参量Xi (i = 1,2,-,5)的检测值，投影到区间[0，10]上，计算方法如下
【权利要求】
1.公交车多传感器火灾检测方法，，具体包括如下步骤: 步骤1，采集分布在公交车内合适位置的传感器信息，并通过研究分析对公交车火灾自燃危险作出评估结果，将采集的数据和评估结果一同存储在信息表集合U =(X1, X2, X3, X4, X5, X6, d}中,其中X1, X2> X3> X4> X5> X6分别表示一氧化碳浓度、二氧化碳浓度、温度、烟雾浓度、电流强度、是否有火焰，d e {0,1}表示危险情况，O表示安全，I表示有火灾危险； 步骤2，对采集的信息表数据进行归一化处理，运用聚类算法结合不相容度一致原则得出不同类型数据信息不同的离散化方式，然后对不同类型数据信息进行编码； 计算步骤如下: .21.将火灾检测第i个参量Xi(i = 1,2,-,5)的检测值，投影到区间[0，10]上，计算方法如下
其中Xi表示第i个参量的检测值，Si表示第i个参量的检测量程，Xi'表示第i个参量的投影值； .22.通过样本分析，预定聚类阀值δ=8、所有检测参量不相容度的估计值《=0.04(样本中条件属性一致而危险等级不同的概率称为不相容度)、不相容度的允许误差β =.0.001 ； .23.对于i = 1，2，"'5,重复 a)通过层次聚类法得到区间[0，10]关于Xi'的一种划分； b)计算按划分离散化后的参量Xi"的不相容度Cii; c)判断-?￡:/?是否成立？若成立i = i+1 ;否则转如步骤d; d)若α,>0+夕，则减小聚类阀值δ ;若％<0-声，则增大聚类阀值δ，并转至步奏a ； e)对离散后的参量检测值用离散数据进行编码； .24.通过以上处理，得出检测参量的一组不相容度合理的划分方式为X1" e {x 1 ^ X ^ 8, X E N} > x2;/ E {x 1 < X < 5，X e N}、x3" e {x | O ^ x ^ 5, x e N} >x4" e {x 10 < X < 10，X e N}、x5" e {x 10 < x < 4，x e N}、x6" e {x 10 ^ x ^ 2, x e N}； 步骤3，通过离散化后的公交车火灾危险信息表，求出支持向量机模型，获取某一时间段某个检测参量判别公交车发生某一火灾自燃危险的概率； 其具体的处理步骤包括如下步骤: . 31.求出支持向量机分类超平面，求得分类函数，例如CO浓度对应的分类函数 f (x) = sgn (0.2867x-0.95) . 32.在时间周期T= Is内，对公交车火灾检测参量各检查f = 5次，求出所有检测参量判别的自燃危险概率，算法如下
其中X" ij为第i(i = 1,2,-,6)个检测参量在周期内第j(j = 1,2, 3,4, 5)次检测的离散化结果、为第i个检测参量的分类函数，Hii为第i个检测参量指示公交车火灾自燃危险的概率； 步骤4，将上述所得的不同检测参量得出的公交车火灾危险概率运用D-S信息合成算法，得出多传感器信息融合后的公交车火灾危险等级概率； 更进一步的多传感器信息融合算法如下:
其中夕=式中叫⑴为第ρ(ρ = 1，2，...，6)个检测参量指示公交
车火灾自燃危险d = X(X = O, I)的概率,HitJ(Y)为第q(q = I, 2，…，6)个检测参量指示公交车火灾自燃危险d = Y(Y = 0，I)的概率，Ε(Ε = 0，I)为检测结果，[mp ? mq] (E)为第p个检测参量和第q个检测参量共同指示检测结果为E的概率； 所有检测参量的判别融合规则是m = {[(1? ? m2) ? m3] ?...} ? m6步骤5，根据多传感器信息融合后的公交车火灾危险等级概率，设置公交车火灾危险预警的阀值α，当公交车火灾危险等级概率m> α时，即进行公交车火灾危险预警； 所述α的范围是:0.3-0.5。
【文档编号】G08B17/00GK104200599SQ201410382574
【公开日】2014年12月10日 申请日期:2014年8月6日 优先权日:2014年8月6日
【发明者】董红召, 舒适, 刘东旭, 季行健, 陈宁 申请人:浙江工业大学