基于DSP 的多傳感器信息融合的廚房火災檢測系統

黃圓明 徐 澤

(東北林業大學機電工程學院，黑龍江 哈爾濱150040)

1 廚房火災檢測系統的設計

1.1 檢測系統的設計背景。隨著社會的快速發展，人們的生活也因油、電、氣等的使用使生活更加便捷，但方便的同時，有關設備的使用可能會導致火災的發生，其中廚房作為火災最可能的發生地，若發生火災，對人身安全和財產安全都會造成很大影響。因此針對這樣的具體問題：對廚房中溫度、氣體的檢測可以判斷廚房當前環境的安全情況，早期預知火災的發生，并及時準確報警，從而建立一個安全的居家環境使十分必要的。

1.2 檢測系統的比較。a.有線型火災檢測系統，其控制器和傳感器之間的信號傳輸采用多線型結構，由于線路復雜，對布線的安裝和維護都很困難，可靠性較低；

b.單參數傳感器系統多采用感光或感煙探測器，當檢測超過設定的閾值就會發出報警信號，但這只能檢測出單一方面的數據，且數據可能不準確。

c.基于總線型的多參數傳感器系統，信號的傳輸和處理由微處理器或DSP 芯片來實現，降低了系統布線的工作量和難度，可以通過各個單一模塊來對多個傳感器實現數據間的聯系，基于各種數據融合算法如BP 神經網絡算法，可以對信息進行整合篩選，更準確的給出決策，且容錯性較好

綜上：本設計選擇基于總線型的多參數傳感器檢測系統，并將數據融合算法加入在信息處理的過程中。

1.3 檢測系統的總體設計分析。本設計采用一種TMS320LF2407A 型號的DSP 芯片，也稱數字信號處理器，它是一種具有將程序和數據分開處理功能的微處理器，并且可以將各種數字信號處理算法快速實現。

在廚房火災檢測防護系統中安裝有多種傳感器：火焰傳感器、溫度傳感器、煙霧傳感器、一氧化碳傳感器。這些傳感器組成了廚房火災感知系統。為此，我們設計了一套基于DSP 的多傳感器數據采集融合和傳輸系統，以實時地采集和融合多傳感器信息，得出火災的可能發生的狀態，并把這一狀態傳輸給報警系統和顯示模塊。所設計的廚房火災檢測防護系統主要由數據采集模塊、DSP 處理模塊、CAN 通信模塊組成，如圖1 所示。

1.3.1 數據采集模塊采集火焰傳感器、溫度傳感器、煙霧傳感器、一氧化碳傳感器四種傳感器在對應物理量下輸出的電壓值的大小，經DSP 芯片自帶的模數轉換模塊可以將模擬量轉換成數字量，經DSP 的數字I/O 口輸入。

1.3.2 DSP 處理模塊基于神經網絡算法進行數據的融合處理，給出環境安全，環境較安全以及有發生火災的風險三種情況，將數據融合處理后的狀態輸送給報警電路，若有發生火災的危險，則由DSP 的PWM輸出引腳所接的蜂鳴器報警。

圖1 總體設計流程圖

1.3.3 融合處理后的數據經CAN 總線將4 個物理量的指標狀態在顯示模塊中顯示，并顯示當前環境的狀態。由于本系統所采用的TMS320LF2407A 片內集成了CAN 控制器，因此可以很方便地將 DSP 控制系統設計成 CAN 總線上的一個節點，并且整個設計只占用 DSP 的兩根 I/O 口線。這樣，TMS320LF2407A 不但可以完成各類控制功能，還可以通過CAN 總線實現通信功能，將各個傳感器所測物理量的實時檢測值和當前環境的狀態通過顯示裝置顯示出來。

圖2 傳感器檢測電路原理圖

圖3 基于神經網絡的多傳感器信息融合

圖4 BP 神經網絡訓練曲線

2 檢測系統的傳感器融合

2.1 傳感器的安裝位置

a.對于火焰傳感器，可以安裝在煤氣灶的附近的墻壁上；

b.溫度傳感器也可以安裝在火焰傳感器附近，感知廚房的溫度變化；

c.煙霧傳感器和一氧化碳傳感器可以安放在天花析上方，它們所檢測的氣體密度比空氣小，若發生火災，產生的煙霧和一氧化碳會飄向上方。

2.2 四種傳感器原理分析。這四種傳感器均以如圖2 所示的檢測電路為基礎，在傳感器輸出模擬電壓分別達到各自的閾值電壓時，使LED 指示燈亮，告知某一項指標達到報警值，但不排除誤報的可能，最后的決策由后面介紹的數據融合處理后的輸出值做出。

表1 多種因素對環境安全性權重分配

表2 期望值與實際輸出值的對比

由于DSP 芯片有16 個ADC 的模擬輸入口，可以將這四種傳感器輸出的模擬電壓信號接入4 個ADC 轉換輸入口將模擬量轉換成數字量，再經DSP 的數字I/O 口輸入進入數據的融合處理部分。

2.3 傳感器信息融合過程

2.3.1 技術過程。傳感器信息融合是個信息處理的過程，信息融合實際上是對處理復雜問題的一個模擬過程、對客觀的實物的一種認知過程。人類通過感官器官實現對世界的未知問題進行多方位的認知和感受，然后將認知的信息和數據，通過一定的規則進行處理，進而實現對客觀實物的認知，整個過程是一種自適應的過程。

對于廚房火災檢測防護系統的研究，首先通過相關傳感器對廚房的火焰、溫度、煙霧濃度、一氧化碳濃度等環境參數進行檢測，然后將獲取的數據信息經過歸一化處理，作為輸入送至神經網絡的輸入端，經訓練后的人工神經網絡，將對應的結果輸出，如圖3 所示。

BP 神經網絡是一種學習算法，包含了正向和反向傳播數據流，分為三層結構：輸入層、隱含層和輸出層，三層之間通過神經元相互連接。輸入層的神經元接收輸入信號，并將接收到的數據傳遞到中間層的各個神經單元；隱含層一般為多層結構，一般通過數據信息變換能力而改變；輸出層中的神經元最終將處理完成的數據結果輸出。本設計采用基本的三層的BP 神經網絡結構。

2.3.2 仿真測試與實驗結果。本文設計的智能家居安全系統，采用Matlab 來驗證基于BP 神經網絡的信息融合在廚房火災檢測系統中的有效性和可靠性。根據室內環境國家標準，我們擬定了對環境安全影響的指標，確定了BP 神經網絡的訓練樣本，將該樣本歸一化得到表1 所示的數據。

選用已知期望輸出的樣本作為測試數據，測試數據，通過訓練后，BP 神經網絡訓練后的曲線如圖4 所示。

將標準期望值與實際輸出值進行對比，對比數據如表2 所示。

從表2 中數據對比可知，通過BP 神經網絡訓練得出的結果來看，期望數據與BP 神經網絡的實際輸出誤差較小，能夠較為準確的判斷出廚房安全情況。

3 結論

本文從火災的特征和傳感器信號特點出發，設計了一種基于DSP 的多傳感器融合的廚房火災檢測系統，該系統使用4 種可以檢測火災發生的傳感器來探測火災的發生，并用神經網絡算法方法來處理各傳感器的融合和競爭，較普通傳感器探測系統，該系統具有更快的探測速度和更明顯的準備度，且對普通干擾產生誤判斷的概率較低。

該廚房火災檢測系統使用了DSP 和CAN 總線技術，使得系統的可靠性大大提高。較之傳統火災檢測系統，該系統具有準確度高、反應迅速、安全程度高等優點，符合安全系統的要求。