基于多源感知数据融合的危化场所火灾预警与保护研究

王亮

摘要：为贯彻“预防为主、防消结合”的消防方针，实现对危化场实时的监控，且当发生火灾时能够及时预警并灭火的目的，本文以油库为仿真背景，研究并设计了一个基于多源感知数据融合的危化场所火灾预警与保护系统。首先阐述了多源数据融合的相关内容，并从油品特性等方面分析了油库的危险性，其次分析了单一传感器在石油罐区安全监控中容易受到外界因素从而产生较大误差，验证了多源感知信息融合在危化场所应用的必要性，最后介绍该系统的整体软硬件设计，得到石油罐区安全监控数据融合模型，为进一步实践打下了基础。

关键词：多源数据 融合 危化场所 火灾

中图分类号： TP393 文献标识码：A 文章编号：1007-9416（2016）05-0000-00

传统对于危化场所区域的安全监控，如对场所内存储罐的液位、温度、压力和可燃气体等的监控和检测，都是通过单一的传感器完成的。单一传感器在复杂的罐区环境下很容易受到外界的干扰，或是由于设备的老化而导致测量上的误差，这样管理人员将很难判断出罐区的安全状态。此外，传统的监测方法未对消防设备的自检功能有所要求，这样可能因消防设备长时间不启动而造成腐蚀、老化等后果，为火灾埋下了安全隐患。所以将多源数据融合的技术应用于危化场所的火灾预警与保护的系统中，研究如何进一步提高油库消防系统的安全预警与应急保障能力，具有十分重要的现实意义。

1相关研究工作

1.1 多源数据融合

多源数据融合（multi-source data fusion）又称为多传感器信息融合（multi-sensor information fusion），是20世纪70年代提出来的。多源数据融合技术研究的是如何将多源的数据信息或相关的辅助数据整合在一起，以得到比用单一的数据更准确、可靠的结果。

多源数据融合按融合的层次分为数据级融合，特征级融合和决策级融合。本文中主要用到就是数据级的融合，首先利用多传感器采集油罐周围的环境信息，然后通过处理单元进行数据融合，提取目标的数据特征，得到属性信息，最后输出相应的决策信息并且驱动执行机构。特征级融合首先需要通过各个传感器收集原始信息，然后对于每一组信息都提取一组特征信息，形成特征矢量，在联合各个特征向量做出属性判决。决策级融合是高层次的融合，先由每个传感器基于自身所采集的数据作出决策，然后在融合中心完成的是局部决策的融合处理。

1.2 危化场所火灾预警与保护

在油库火灾预警与保护系统中，采用多源数据融合技术和自动化技术相结合，利用多个传感器采集油库信息，可以有效的减小误差，提高整个系统的可靠性和灵敏度。整个系统由以下几部分构成：火源自动检测部分、信息处理部分、监测部分、人机交互部分以及执行机构。分别起到检测火灾信息、对采集到的数据进行融合处理、实时显示油库情况、方便工作人员操控以及对火灾预警和消防的作用。

2多源感知数据融合模型

对于底层数据级的融合过程，本文采用目前对于原始数据进行预处理的最优加权平均法进行数据级的融合过程，最优加权平均法考虑了不同传感器所测量数据在最终决策过程中的重要性评价，同时对于整个多源数据融合系统的鲁棒性具有较好的提升与改进作用；此外，基于最优加权方法的数据融合过程对于多源测量信息数据的输入变量数量要求简单，一般以多源传感器测量噪声的方差进行估计模型的构建。考虑有个传感器对同一环境参数值进行协同感知过程，假设第个传感器的测量方差为：（），其中为待测参数的真实值，为测量的实际值，为测量的噪声值，其中测量噪声值的数学期望为0，方差为。令各个不同传感器的加权因子为权值矢量为，。通过构建加权均方差误差最小值方差，求得加权估计的均方误差为：

通过对上式可以看出，若测量噪声值的方差越小，则其对应的传感器的权值就越大，对应的测量数据在加权估计值中的比例就会高一些；反之，则其比例就会低一些，即就会越小。在二级数据融合过程中，采用基于PSO-BP神经网络进行建模过程，其中BP神经网络属于前馈式网络，其可以以任意的精度逼近任何非线性连续函数，同时其具有较好的自适应和容错能力而被广泛应用于故障诊断与非线性系统的建模与辨识中；PSO是经典的智能优化算法，在PSO-BP神经网络中用以优化BP神经网络的各个权值，以有效提升BP神经网络的建模精度。

3系统设计

本系统以油库为仿真背景，采用多传感器检测油库的各项环境数据，并通过多源数据融合技术进行数据处理，最后输出决策信息，能够实现对火灾预警和保护的目的，同时通过自动巡检，减轻并消除了传统的消防设备需要定期检修、保养，以及设备长期不使用而带来的潜在故障增加等问题。本系统主要分为前向通道、处理单元、后向通道和显示装置四大部分，系统框图如图1所示。

3.1 硬件系统设计

本系统的硬件部分主要由火灾自动检测系统、数据处理系统、火灾预警系统、自动灭火系统、监控显示系统和消防泵自动巡检系统等多个子系统构成，其中火灾自动检测系统由可燃气体检测系统、火焰检测系统和油罐温度检测系统组成。

火灾自动检测系统：即进行火源的探测，具备灵敏的采集信号的能力，包括温度传感器DS18B20、烟雾传感器MQ2、紫外线传感器和时间模块DS1302。由于石油燃烧后能迅速释放能量使环境的温度升高，并且释放大量烟雾，因此采用温度传感器、烟雾传感器和紫外线传感器分别采集油库温度、烟雾浓度和紫外线的信息。综合这三个数据并与提前设定的阈值相比较，判断是否有火灾发生，减小了误报警的可能性。

数据处理系统：单片机是信号处理单元，也是整个系统的核心部分。传感器将采集到的信息经各自的A/D转换器转换数据格式后输入单片机内，单片机根据设定的指令进行数据处理和阈值判断，当有数据超过阈值时，单片机发出驱动指令使执行机构动作，否则不动作。本装置采用STC12C5A60S2单片机模拟实现。

火灾预警和自动灭火系统：包括声光报警模块、风机模块和电机模块。当单片机处理完数据确认有火灾发生时，输出驱动命令，各个执行机构动作，声光报警模块通过亮灯和声响提醒人们火灾发生安全疏散。风机模块转动对油库降温，同时驱散烟雾，采用低电平驱动小风扇实现。电机转动带动消防泵灭火，采用L298驱动模块驱动电机，利用PWM波调节电机的转速。消防设备还配备手动启停的功能，以防止检测系统发生异常不能及时检测到火灾的发生而造成无法挽回的后果。在整个预警和灭火过程中可实时监控油库信息，直到数据低于阈值，解除预警并停止灭火。

监控显示系统：利用LCD12864液晶显示屏和与之匹配的按键模块实现。能够实时显示各项指标，调节上限设置，当火灾发生时也能直观的显示出来，方便工作人员监控和记录。

消防泵自动巡检系统：消防泵系统能够周期性自检，防止消防泵长期不启动而出现功能性故障。本系统设定为每日早八点以低速自动启动消防泵，20秒之后停止。

本系统由几个模块相互配合，从而在多源感知数据的基础上，实现对整个油库火灾的预警和保护功能。

3.2 系统软件设计

本系统采用STC12C5A60SA单片机作为核心处理器，搭配各个硬件模块最终在显示屏上显示，共有初始化界面、时间显示界面、参数显示界面、阈值调整界面以及报警界面，主要负责将采集到的初始数据进行A/D转换，并进行数据融合与判别。本系统的软件程序中，将各个功能的程序模块化，每个模块都有其对应的子程序，再通过主程序连接贯通所有的子程序，使系统的各个模块能够结合完成所有的要求。

4仿真结果与分析

4.1 火灾预警与保护系统的联动工作流程

（1）信息采集：在油库环境中，采用温度传感器、烟雾传感器和紫外线传感器检测温度、烟雾浓度和紫外线信息，并将该信息在显示中心显示。

（2）灾情确认：当油库范围内的温度传感器检测到罐体温度过高，可燃气体监控系统检测到某区域的烟雾浓度超限或者是紫外线探测器探测到紫外线过多时，报警信号传送到监控中心的报警器，发出声光报警，确认发生火灾。

（3）启动灭火：当有灾情发生的情况下，自动启动灭火控制设备、降温设备和驱散烟雾设备；如若系统因故障未能及时检测到火灾的发生，工作人员可通过手动开启消防泵进行灭火。直到灾情解除，报警和灭火设备关闭。

4.2 仿真结果

本设备性能主要由动作灵敏性和准确度两方面来衡量。分别在通风环境下和封闭环境下进行模拟测试。因考虑到真实制造火灾的危险性，所以该实验仅模拟了火灾情况的高温和烟雾环境，用打火机点火测试，并且设定模拟温度报警阈值为30.0℃，模拟烟雾报警阈值为5.00%。将该设备与单一传感器设备分别在通风和封闭环境中进行比较实验，实验结果如表1和表2所示：

多源传感器的火灾预警与保护系统在每日早8时自动低速启动消防泵进行自检，20s后自动关闭。

5 结语

本文针对危化场所的火灾预警与保护问题展开研究，利用多源感知数据融合技术，研究并设计了一个油库全自动火灾预警与保护装置。本装置利用多种传感器对油库进行检测，仿真模拟实验结果表明，本系统较单一传感器系统的灵敏度有所提高，误报率降低，并且具有自动巡检的功能，降低了消防系统的故障率。本系统具有一定的应用价值。

参考文献

[1]王婕，张网，吕东 等.易燃液体使用场所的火灾危险性半定量评价[J].消防科学与技术，2010（1）.

[2]吴永莉，孙金玲，罗雄麟.油田中心处理站火灾和气体监测报警系统设计[J].化工自动化及仪表，2013（2）.