浅析模糊控制在火灾探测信息处理中的应用

摘 要：对火灾过程产生的各种特征信号进行准确检测是确保及时、可靠的火灾探测报警的重要前提，采用有效的火灾探测算法是关键所在。引入专家系统技术的模糊逻辑控制系统能够较好地处理火灾信息的随机性和非结构性等特征，从而达到既能快速探测火灾，又有较低的误报率的目的。

关键词：火灾探测器 火灾信息处理 专家模糊控制

中图分类号：X928.7 文献标识码：A 文章编号：

1 前言

自从100多年前英国人研制成功第一只感温探测器以来，火灾探测器的家族不断壮大，其种类和功能趋于多样化和复杂化。然而火灾发生的随机性、设备使用环境的多变性以及干扰源的不确定性，极易导致火灾的误报，因此改进火灾信息处理方法成为研究重点之一。

80年代后期兴起的总线制火灾探测器和模拟量可寻址技术，以及探测智能、监控智能和抗干扰算法的应用，为火灾探测的智能化发展奠定了良好的基础。90年代研制的早期火灾智能报警系统，引入模糊逻辑控制的方法处理火灾信息，能在火灾发生初期对火灾进行识别并发出报警信号，将火灾抑制在萌芽状态。火灾信号处理技术与人工智能技术和自动控制技术的一体化发展趋势，使得火灾信息处理算法在改进探测系统性能上的作用日益突出。

2 火灾探测信息处理

火灾一旦产生便以接触式(物质流)和非接触式(能量流)的形式向外释放能量，因此火灾探测器或传感器大都通过对火灾发生时产生的各种物理和化学变化特征检测火灾，这些火灾参量包括烟雾、温度、火焰以及气体成分等。不过在非火灾的情况下也可能会产生上述信号，甚至有时其变化规律与火灾发生时出现的特征极为相似，容易引起探测器的误报。火灾自动探测系统的工作流程如图1所示。

图1 火灾自动探测系统的流程

将火灾发生的物理特征通过传感单元转化为电信号以后的一个问题就是判断是否报警，这就需要靠火灾探测算法来实现。

早期进入工程应用的是开关量型火灾探测器，且多采用单个传感器对火灾中出现的某一个火灾参量，如温度、烟雾等进行检测。这类探测器使用的是直观阈值法，就是在传感器中设定一个阈值，如果检测到的参量数值高于这个设定值，探测器就会发出报警信号，典型设备有利用两种热胀系数不同的金属片制成的定温式点型火灾探测器。不过这种方法存在对环境适应性和抗干扰能力较弱、误报率较高等弱点，例如气温的高低对于温度传感器的影响不同，探测器长期暴露于空气中也会影响其判断的灵敏度。

随着现代传感技术的发展，以及出现了能够输出模拟量数据的火灾探测器，于是便产生了模拟量火灾探测算法，又称过程法。火灾的发生是有一定规律的，通过大量实验可以找出它在发生过程中各种物理特征变化的规律，再将探测器探测得到的模拟量数据通过计算机分析与我们掌握的规律进行对比，如果符合，就发出报警信号，反之，则说明没有火灾发生。

火灾探测算法从最初的直观阈值法，经过趋势算法、斜率算法和持续时间算法等，到现代综合了神经网络与模糊逻辑的智能探测算法，使火灾自动探测系统性能不断提高，整个火灾探测算法都在向智能化的方向发展。

3 专家模糊控制

3.1 模糊控制概念

模糊集合和模糊控制的概念是由美国加利福尼亚大学教授L.A.Zadeh在其Fuzzy Sets，Fuzzy Algorithm和A Rationale for Fuzzy Control等论著中首先提出来的，其核心思想是对复杂系统或过程建立一种语言分析的数学模式，使自然语言能直接转化为计算机所能接受的算法语言。模糊控制（FLC）是一种有效的控制策略，其超调小、鲁棒性强以及对系统非线性适应性好，突出优点在于不用知道受控对象的准确模型即可依靠输入采样和输出采样修改控制量而达到稳定控制受控对象的目的。

3.2 专家系统概念

专家系统是人工智能应用研究的主要领域之一，是一个具有大量的专门知识和经验的程序系统，它应用人工智能技术和计算机技术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的决策过程，即模仿人类专家如何运用他们的知识和经验来解决所面临问题的方法、技巧和步骤，以便解决那些需要人类专家处理的复杂问题。

3.3 引入专家系统技术的模糊控制

常规模糊控制能在一般传统的数学分析方法不适用时提供一种基于规则结构的控制方法，且简单易行。不过该方法也存在一些局限性：1、由于简单的模糊信息处理，使控制系统的精度较低。要提高精度就必须提高量化程度，因而增大系统的搜索范围；2、模糊控制器结构和知识表示形式均存在单一性，因而难于处理在控制复杂系统时所需要的启发知识，也使应用领域受到限制；3、当系统非线性程度较高时，所建造的模糊控制规则会变得不完全或不确定，因而控制效果会变差。

专家模糊控制器（EFC）是由R.M.Tong首先提出的新概念，由专家控制器（EC）模块和模糊控制器（FC）集成，结构如图2。把专家系统技术引入模糊控制之中，目的是进一步提高模糊控制器的智能水平以便更好的适应对象的变化，提高控制系统的动态品质。专家系统保持了基于规则方法的价值和用模糊处理带来的灵活性，同时结合了本身表达、利用知识的长处。下面对FLC和EFC进行比较。

在现有FLC中，控制规则具有下述形式：

IF THEN

其中表示基本变量的一些模糊命题。这种语言在表达控制知识方面会受到很大的限制，因此基于该语言规则结构的FLC只能被看成是一个将过程状态映射到控制作用的非线性增益控制器。

EFC中允许更复杂的分级规则，如：

IF THEN

……

IF THEN

这里中间变量代表一些隐含的不可测状态，它们能影响到所采用的控制作用。以这种方式构成的规则使用于控制作用的推理更加清楚。

此外，EFC还容许问题的目标及约束函数作为规则的可能性。一种用于目标驱动的规则可用于改变控制器的结构，比如说为了响应生产上所需的变化，过程从一种控制模式转换为另一种控制模式，那么就需要下类形式的规则：

IF THEN

这里是当前目标和新目标之间差别的某种陈述，而则指出应采用完全不同的低级规则集。

总之，EFC较之FLC具备更为丰富地表达过程控制知识和经验，以及处理复杂控制问题的能力。

图2 专家模糊控制系统的结构

4 专家模糊控制在火灾探测信息处理中的应用

处理火灾探测信号的方法虽然很多，但归结到最后还是要根据阈限值确定是否报警。因此，为了减少误报警，提高有效报警成功比率，通常可以设置多个报警级别和延迟报警。不过在实际应用中，如何确定延迟时间的长短是专家们遇到的关键问题之一。延迟时间设定地太短不能有效地减少误报警，太长则会推迟对真实火灾的反应，不利于火灾的扑救。目前普遍采用了模糊逻辑判断代替以往简单的阈限判断，并在此基础上确定合适的延迟时间，而融合专家系统技术的模糊控制使火灾探测系统的输出信号更能满足实际需要。

4.1算法原理

以模糊处理温度探测信号为例，设模式样本集合X={X1，X2，……，Xn}表示所有温度变化的现象参量，Xi表示第i个现象参量的隶属度，满足，且i≠j时有；另设控制模式集合Y= (Y1，Y2)，Y1和Y2分别表示报警和不报警两种控制模式。然后根据设计思想和人工操作经验，建立模式样本集合X和控制模式集合Y之间的关系为控制规则集合。集合R是体现专家经验知识的模糊矩阵，表示了Xi与Yj之间的强度关系。则集合X与Y之间的模糊关系可表示为：，式中“”表示合成规则，即。

简而言之，专家模糊控制系统的工作过程实际上就是根据一定时间内的温度变化信号作为输入量，通过模糊专家系统进行模糊匹配和模糊推理，最终做出火灾或非火灾的判决输出。

5结束语

火灾探测过程具有的时间常数大、随机干扰因数多、非线性和时变等特点，导致火灾信号的非结构性强，对火灾探测算法提出很高的要求。相对直观阈值法等传统的火灾探测算法，专家模糊控制系统综合了模糊推理的灵活性和专家系统的可靠性，属于一种数值化和非数学模型的函数估计和动力学系统。由于专家模糊控制系统能以一种不精确的方式处理不精确的信息，自动调整参数以达到既能快速探测火灾，又有较低的误报率的目的，因而在火灾探测领域必会被广泛应用。

注：文章内所有公式及图表请以PDF形式查看。