摘要：針對傳統(tǒng)火災預警系統(tǒng)中單一傳感器數(shù)據(jù)檢測的缺陷，提出一種基于反向傳播神經(jīng)網(wǎng)絡模型的無線多傳感信息融合火災預警系統(tǒng)。該模型借助Matlab平臺進行信息融合算法模擬，并經(jīng)過試驗驗證，大大提高了火災預警系統(tǒng)的準確率和可靠性。
關鍵詞：反向傳播神經(jīng)網(wǎng)絡；信息融合；ZigBee；火災預警

0 引言
    提出一種基于反向傳播神經(jīng)網(wǎng)絡的無線多傳感信息融合火災預警系統(tǒng)。通過對溫度、火焰、煙霧和CO濃度等多類同構或異構傳感器的冗余信息和互補信息進行多級別和多方面融合處理，從而獲得比單一或單類傳感器更為準確、可靠的檢測。同時，采用無線方式，系統(tǒng)組網(wǎng)靈活，且便于施工。系統(tǒng)模型借助Matlah平臺進行建構和模擬仿真，從而大大提高了開發(fā)效率。

1 系統(tǒng)設計
    基于反向傳播神經(jīng)網(wǎng)絡的無線火災預警系統(tǒng)由預處理單元、ZigBee無線傳感網(wǎng)絡、信息融合處理單元和預警發(fā)布四部分構成。預處理單元首先承擔來自多傳感器陣列的初級信息處理，主要是數(shù)據(jù)清洗、初級信息處理和應急控制。然后通過ZigBee無線傳感網(wǎng)絡上傳預處理數(shù)據(jù)至信息融合處理單元，處理后的數(shù)據(jù)進行保存并經(jīng)過預警發(fā)布單元輸出。其預警系統(tǒng)原理框圖如圖1所示。

2 系統(tǒng)算法模型
2．1 反向傳播神經(jīng)網(wǎng)絡算法模型
    信息融合處理單元的信息融合決策部分是系統(tǒng)實現(xiàn)的關鍵結點，其決策單元是整個火災預警系統(tǒng)的核心單元，建立在神經(jīng)網(wǎng)絡的數(shù)學模型基礎上。
    本文采用基于三層網(wǎng)絡結構的反向傳播神經(jīng)網(wǎng)絡模型。反向傳播神經(jīng)網(wǎng)絡(簡稱BP網(wǎng)絡)是將W-H學習規(guī)則一般化，對非線性可微分函數(shù)進行權值訓練的多層網(wǎng)絡。該BP網(wǎng)絡是一種多層前向反饋神經(jīng)網(wǎng)絡，其神經(jīng)元的變換函數(shù)選取S型函數(shù)，因此輸出量為0～1之間的連續(xù)量，它可以實現(xiàn)從輸入到輸出任意非線性的映射，其權值的調(diào)整采用反向傳播的學習算法模型。
    該模型通過訓練樣本訓練網(wǎng)絡中的權值系數(shù)，直到隨機學習誤差趨于穩(wěn)定且滿足學習誤差閾值的時候，停止訓練，取當前的權值系數(shù)作為最終的判斷系數(shù)。
    其網(wǎng)絡模型結構如圖2所示。

    隨機反向傳播神經(jīng)網(wǎng)絡模型主要由輸入層、隱含層和輸出層三部分組成，如圖2所示。
    選取x1，x2，x3，x4四個節(jié)點組成輸入層，由y1，y2，y3，y4組成隱含層(中間層)，輸出層則由z1，z2，z3三個輸出端組成。其中，x1，x2，x3，x4四個節(jié)點分別代表溫度、火焰、煙霧濃度和CO濃度四個傳感器信息，進行模糊歸一化處理后的數(shù)據(jù)輸入，z1，Z2．z3三個輸出端則分別代表常溫無火、發(fā)生陰燃和明火火災三種狀態(tài)。
    根據(jù)火災預警系統(tǒng)的特征，選取神經(jīng)網(wǎng)絡各層之間的映射函數(shù)如下：
    (1)輸入層到隱含層節(jié)點j的值為：
   
    式中：ωji為輸入層到隱含層的權值；d為輸入樣本維數(shù)，d=4，即輸入層節(jié)點數(shù)。
    (2)輸入層到隱含層的激活函數(shù)為S型函數(shù)，即：
   
    式中：a，b為常數(shù)，a=1．716，b=2／3，a，b的取值保證f’(0)≈0．5，并且線性范圍為-1<net<+1，以及二階導數(shù)的極值大致發(fā)生在net≈±2處。
    (3)隱含層的輸出yj為：
    yj=f／(netj)           (4)
    (4)隱含層到輸出層節(jié)點k的值為：
    netk=yjωkj，j=1，2，3，4；k=1，2，3，4           (5)
    式中ωkj，為輸入層到隱含層的權值。
    (5)隱含層到輸出層的激函數(shù)亦為S型函數(shù)：
     f(netk)=atanh(b*netk)             (6)
    式中tanh(x)如式(3)所示；a，b為常數(shù)，取值同式(2)。
    (6)輸出層的最后輸出zj為：
    zk=f(netk)          (7)
2．2 借助Matlab平臺模擬仿真
    本研究在Matlab平臺上對基于三層反向傳播神經(jīng)網(wǎng)絡結構的火災預警系統(tǒng)模型進行仿真模擬。
    根據(jù)火災實際發(fā)生時，選取各種傳感器實際數(shù)據(jù)中的600組典型數(shù)據(jù)作為訓練樣本對網(wǎng)絡模型進行訓練。訓練過程中通過不斷調(diào)整神經(jīng)網(wǎng)絡模型的相關常數(shù)取值，經(jīng)過多次反復訓練后，使得神經(jīng)網(wǎng)絡模型的輸出值與測試樣本輸出值之問的誤差小于某一預置值。得到的訓練誤差下降曲線如圖3所示。

    圖3中三層反向神經(jīng)網(wǎng)絡模型隨著訓練次數(shù)的增加訓練誤差呈明顯的收斂趨勢，而且訓練速度快，經(jīng)過20余次訓練即可完成。
    然后對訓練后的神經(jīng)網(wǎng)絡模型進行驗證。分別選取無火測試樣本10組、陰燃測試樣本20組和有火測試樣本20組，經(jīng)過測試，全部符合預期結果。

3 系統(tǒng)實現(xiàn)
3．1 ZigBee無線傳感網(wǎng)絡設計
    ZigBee無線傳感網(wǎng)絡主要由MC13192及輔助電路構成。MC13192是Freescale公司推出的符合ZigBee標準的射頻芯片，其工作頻率是2．405～2．480GHz，該頻帶劃分為16個信道，每個信道占用5 MHz的帶寬；采用直接序列擴頻方式，數(shù)據(jù)傳輸速率為250 Kb／s。芯片采用可編程功率輸出模式，發(fā)送功率為0～4 dBm，接收靈敏度可以達到-92 dBm，傳輸距離30～70 m。
    為滿足低功耗要求，MC13192除接收、發(fā)送和空閑三種工作狀態(tài)外，低功耗運行模式還有：
    (1)掉電模式，芯片電流小于1μA；
    (2)睡眠模式，芯片電流在3μA左右；
    (3)休眠模式，芯片電流約為35μA。從而有利于降低MCU處理功率和縮短執(zhí)行周期。
3．2 預處理單元
    預處理單元首先承擔來自多傳感器陣列的初級信息處理，主要由MC9S08GT60A8位單片機、ZigBee無線傳感模塊MC1319、傳感器接口和電源電路組成。微控制器MC9S08GT60A通過傳感器接口電路定期采集來自各類傳感器的數(shù)據(jù)，并負責把模擬數(shù)據(jù)進行A／D轉換，然后對數(shù)據(jù)進行清洗等初級處理，之后把數(shù)據(jù)經(jīng)過ZigBee無線網(wǎng)絡送至信息融合處理單元進行進一步處理，并且在出現(xiàn)ZigBee網(wǎng)絡中斷等異常情況下，承擔起應急控制的任務。
    預處理單元采用電池供電模式，因此功耗是單元設計必須考慮的問題。MC9S08GT60A是Freescale公司生產(chǎn)的一款低成本、高性能的HCS08系列8位微控制器單元(MCU)。該系列的所有MCU均采用增強型HCS08內(nèi)核，并提供多種模塊、內(nèi)存大小、類型和封裝形式，內(nèi)帶64 KB的FLASH和4 KB的RAM。當預處理單元數(shù)據(jù)接收、處理和發(fā)送結束后，MC9S08GT60A立即關閉射頻收發(fā)器，然后迅速進入休眠模式，以最大限度節(jié)約電能。
3．3 信息融合處理單元設計
    信息融合處理單元是整個火災預警系統(tǒng)的核心單元。主要由微處理器MCF52233，ZigBee收發(fā)模塊MC13192，RS 232串口收發(fā)電路、RJ45 網(wǎng)絡接口電路、GSM短信模塊、聲光報警模塊及電源模塊組成。其原理圖如圖4所示。

    其中，微處理器MCF52233是信息融合處理單元核心器件，承擔所有傳感數(shù)據(jù)的接收、融合判斷、遠程數(shù)據(jù)分發(fā)和各種輸出控制等功能。  MCF52233是Freescale公司基于Coldfire核的32位微控制器，主要性能特點適合本系統(tǒng)的設計需求，其主要功能模塊包括8 KB SRAM、直接內(nèi)存存取控制器DMAC、中斷控制器ITC、可編程定時器計數(shù)器Programmable Timer、脈寬調(diào)制電路PWM、串行接口電路SIO、MD轉換器等。還包含高速的晶振電路0SC3、鎖相環(huán)(PLL)、低速晶振電路和一個實時時鐘；串行接口電路則用于系統(tǒng)的配置及現(xiàn)場調(diào)試；RJ45網(wǎng)絡接口電路主要包括H1102濾波器和RJ45接口，完成監(jiān)控信息的網(wǎng)絡分發(fā)及遠程監(jiān)控和系統(tǒng)參數(shù)配置；報警功能包含GSM短信及現(xiàn)場聲光報警方式，以適應現(xiàn)場值班及無人值守兩種情況。

4 結語
    基于反向傳播神經(jīng)網(wǎng)絡的無線火災預警系統(tǒng)發(fā)揮多傳感器信息資源的優(yōu)勢，通過對這些傳感器在空間或時間上的冗余或互補信息依據(jù)人工神經(jīng)網(wǎng)絡算法進行融合，以獲得對被測對象更為準確檢測和一致性描述，提高了火災預警系統(tǒng)的可靠性，使得該模型的監(jiān)測結果比單一傳感器所構成的火災監(jiān)測系統(tǒng)具有明顯的優(yōu)越性能。