基于模糊神经网络的火灾自动报警研究

(武汉理工大学自动化学院 湖北 武汉 430070)

一、概述

火灾燃烧时温度、烟雾、CO都会发生明显变化，目前生活中火灾自动报警采用的火灾探测器都是单一类型的探测器，只对温度、烟雾、CO中的某一个特征量作为探测对象，且采用的火灾算法都是阈值法，当探测到的信息数据值超过设定的值时就会发出报警信号。在火灾发生初期，这些现象变化都不够明显，探测器往往会探测不到以至于错过最佳报警救援时机，造成更多的财产损失，而且在不同环境下，火灾燃烧时表现出的信息变化也不一样，所以单一的火灾探测器并不能有效的探测到所有火灾[1]。

二、信息收集

火灾发生时其燃烧原理一样，都伴随着热量、烟雾和气体的产生，将这些特征信息合并在一个探测器上检测，会使火灾发生前期判断时更加准确。复合探测就是将这些特征信号收集处理并综合分析的一种方式。单一的火灾探测器只有一个传感器，只监测温度或烟雾浓度或CO气体浓度并传达信号，多元复合探测器有多个传感器，可以同时检测多个特征信号[2]。一般性多元复合探测器只复合三种探测信息，太多会增加制造成本和难度，因此本文使用光电感烟探测、感温探测和CO气体探测三种探测方式进行火灾复合探测。

本文利用传感器检测技术，设计将感烟、感温、感CO三种传感器安装在一个火灾探测器中，能够对烟雾浓度、温度、CO气体浓度这三个特征信号同时进行探测，对监控现场进行实时检测。……