多傳感器飛機(jī)貨艙火警探測(cè)系統(tǒng)研究

張紅梅，葉 慧，鄭 罡，周潔敏，肖朝康

(1.南京航空航天大學(xué) 民航學(xué)院， 南京 211106; 2.安陽(yáng)工學(xué)院 飛行學(xué)院, 河南 安陽(yáng) 455000)

?

多傳感器飛機(jī)貨艙火警探測(cè)系統(tǒng)研究

張紅梅1，葉 慧2，鄭 罡1，周潔敏1，肖朝康1

(1.南京航空航天大學(xué) 民航學(xué)院， 南京 211106; 2.安陽(yáng)工學(xué)院 飛行學(xué)院, 河南 安陽(yáng) 455000)

以提高飛機(jī)貨艙火警探測(cè)系統(tǒng)的可靠性為目的，結(jié)合多傳感器數(shù)據(jù)融合理論，分析不同火警探測(cè)器的特性，建立BP神經(jīng)網(wǎng)絡(luò)三融合固定火警探測(cè)系統(tǒng)。針對(duì)飛機(jī)貨艙對(duì)火災(zāi)探測(cè)系統(tǒng)的要求,設(shè)計(jì)便攜式集裝箱火警探測(cè)系統(tǒng)；借助Matlab進(jìn)行仿真，將集裝箱火警探測(cè)系統(tǒng)和三融合火警探測(cè)系統(tǒng)組合成為新型飛機(jī)貨艙火警探測(cè)系統(tǒng)，能夠監(jiān)測(cè)貨艙是否發(fā)生明火警告、陰燃火警告或者集裝箱火警告，創(chuàng)建火警探測(cè)系統(tǒng)GUI界面，將探測(cè)數(shù)據(jù)及融合結(jié)果數(shù)據(jù)呈現(xiàn)在用戶圖形界面。

飛機(jī)貨艙;Matlab;集裝箱火警探測(cè)系統(tǒng);BP神經(jīng)網(wǎng)絡(luò)

貨艙火警探測(cè)系統(tǒng)[1-2]是當(dāng)代飛機(jī)火警探測(cè)系統(tǒng)的一個(gè)重要組成部分，大型客機(jī)的貨艙(C類)在飛行中處于封閉狀態(tài)，通風(fēng)的下層貨艙或上層貨艙需要火警探測(cè)系統(tǒng)和自動(dòng)滅火系統(tǒng)[3]。FAA(美國(guó)聯(lián)邦航空管理局，F(xiàn)ederal Aviation Administration)相關(guān)條例規(guī)定貨艙火警探測(cè)系統(tǒng)必須在火災(zāi)發(fā)生60 s內(nèi)向機(jī)組人員發(fā)出警告[4]，為了保證探測(cè)系統(tǒng)的靈敏性，傳統(tǒng)飛機(jī)貨艙火警探測(cè)系統(tǒng)采用煙霧探測(cè)器，導(dǎo)致貨艙火警探測(cè)系統(tǒng)誤報(bào)率高達(dá)99%。

已有大量研究表明[5-8]，多傳感器火災(zāi)探測(cè)技術(shù)在提高火災(zāi)探測(cè)的靈敏度和可靠性方面取得了可喜的進(jìn)展，被認(rèn)為是正在興起的新一代火災(zāi)探測(cè)技術(shù)。結(jié)合現(xiàn)有火警探測(cè)裝備和數(shù)據(jù)融合理念，在傳統(tǒng)的多傳感器火警探測(cè)系統(tǒng)的基礎(chǔ)上加入便攜式集裝箱火警探測(cè)系統(tǒng)，構(gòu)成新型的飛機(jī)貨艙火警探測(cè)系統(tǒng)。

1 貨艙火警探測(cè)系統(tǒng)模型建立

1.1 火警探測(cè)傳感器的選取

根據(jù)需要探測(cè)的火災(zāi)特征選取傳感器類型，建立多傳感器數(shù)據(jù)融合火災(zāi)探測(cè)系統(tǒng)。常用的傳感器可以分為四大類：煙霧探測(cè)器、熱探測(cè)器、氣體傳感器和視頻火災(zāi)探測(cè)器。

1) 煙霧探測(cè)器

煙霧探測(cè)器有光電式和離子型兩個(gè)重要類別，光電式煙霧探測(cè)器是利用煙霧對(duì)光的折射及吸收原理制成的，廣泛用于貨艙和電子設(shè)備。離子型煙霧探測(cè)器一般用于廁所煙霧探測(cè)，安裝在每個(gè)廁所的天花板上。

2) 熱探測(cè)技術(shù)

熱輻射探測(cè)和對(duì)流熱探測(cè)是熱探測(cè)技術(shù)的兩個(gè)重要研究領(lǐng)域。在熱輻射探測(cè)領(lǐng)域有研究者提出了微波探測(cè)方法，盡管火災(zāi)的微波特性不如紅外特征明顯，但微波可以穿透非金屬材質(zhì)，為便攜式火災(zāi)探測(cè)設(shè)備和火源定位的發(fā)展提供很好的前景。對(duì)流式熱傳感器對(duì)明火較敏感，但是對(duì)慢速火或陰燃火的探測(cè)可能超過幾個(gè)小時(shí)甚至幾天。

3) 氣體傳感器

氣體傳感器是一種將氣體的成分、濃度等信息轉(zhuǎn)換成可以被人員、儀器儀表、計(jì)算機(jī)等利用的信息的裝置。火災(zāi)可以帶來多種氣體組分的變化，這些變化稱為演變氣體特征。火災(zāi)發(fā)生時(shí)，大氣中O2和CO氣體含量的變化比較顯著，氧耗特征和CO演變特征常被用來分析火災(zāi)發(fā)生概率。由于CO本身是有毒危險(xiǎn)氣體，在人員密集的重要場(chǎng)所CO氣體探測(cè)器的存在非常重要。

4) 視頻火災(zāi)探測(cè)

視頻火災(zāi)探測(cè)是一種新興的火災(zāi)探測(cè)技術(shù)，優(yōu)勢(shì)在于探測(cè)迅速，保護(hù)區(qū)域大，并且提供了定位火源和計(jì)算火源功率的功能，但是易受建筑結(jié)構(gòu)的影響，成本和對(duì)空間開闊性要求較高。

在火災(zāi)探測(cè)技術(shù)的發(fā)展中出現(xiàn)過一些典型的多種火災(zāi)探測(cè)特征組合。CO和離子感煙組合，這種組合效率很高，可以找到利用閾值或者趨勢(shì)值的不同信息融合算法，但該組合的免疫性沒有得到有效分析；溫升和CO(或CO2)濃度作為火災(zāi)探測(cè)特征組合，但是在多數(shù)情況下，這種組合在火災(zāi)探測(cè)中的性能與采用單一類別的氣體傳感器類似；溫度、CO2、紅外火焰脈動(dòng)結(jié)合的火災(zāi)探測(cè)，可以在明火的早期探測(cè)到火災(zāi)，但對(duì)陰燃火的探測(cè)不是很理想。結(jié)合飛機(jī)貨艙結(jié)構(gòu)特征和運(yùn)行特性，選取光電式煙霧探測(cè)器、溫度傳感器和CO氣體探測(cè)器構(gòu)建多傳感器數(shù)據(jù)融合系統(tǒng)[9]。

1.2 飛機(jī)貨艙火警探測(cè)系統(tǒng)模型建立

飛機(jī)貨艙火警探測(cè)系統(tǒng)劃分為三融合火災(zāi)探測(cè)系統(tǒng)和集裝箱火災(zāi)探測(cè)系統(tǒng)兩部分。三融合火災(zāi)探測(cè)系統(tǒng)是指3種探測(cè)器組成的飛機(jī)貨艙固定火災(zāi)探測(cè)系統(tǒng)，借助BP神經(jīng)網(wǎng)絡(luò)將3種探測(cè)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合[10-12]；集裝箱火災(zāi)探測(cè)器使用微波探測(cè)器，主要用于探測(cè)有特殊運(yùn)載需求和相對(duì)危險(xiǎn)的集裝箱。構(gòu)建貨艙火警探測(cè)系統(tǒng)模型框架圖，如圖1所示。

圖1中：A表示對(duì)探測(cè)到的數(shù)據(jù)進(jìn)行歸一化處理;X、Y、Z、R為數(shù)據(jù)歸一化處理后的結(jié)果；“判斷條件1”為X、Y、Z、R四個(gè)數(shù)據(jù)中至少有一個(gè)大于等于0.5；“判斷條件2”表示在1 mim內(nèi)數(shù)據(jù)R大于等于0.5的時(shí)間超過16 s。

圖1 貨艙火警探測(cè)系統(tǒng)模型框架

1.3 模型分析

微波探測(cè)器由于其獨(dú)特的便攜性質(zhì)，安裝在含有相對(duì)危險(xiǎn)貨物的集裝箱，不存在于所有的航班，鑒于集裝箱火警探測(cè)系統(tǒng)的特殊性，將其作為多傳感器火警探測(cè)系統(tǒng)的一個(gè)激活分支和單獨(dú)的數(shù)據(jù)采集分析系統(tǒng)。光電式煙霧探測(cè)器、CO氣體探測(cè)器、溫升探測(cè)器都是比較傳統(tǒng)的火災(zāi)探測(cè)器，在火災(zāi)特征的探測(cè)方面比較成熟，具有穩(wěn)定的探測(cè)性能。對(duì)三種探測(cè)器獲得的火災(zāi)特征數(shù)據(jù)進(jìn)行數(shù)據(jù)融合，能夠提高火災(zāi)探測(cè)系統(tǒng)的靈敏度和可靠性。R、X、Y、Z存在數(shù)據(jù)大于等于0.5時(shí)激活三融合火災(zāi)探測(cè)模塊，融合數(shù)據(jù)達(dá)到報(bào)警值時(shí)發(fā)出明火或陰燃火警告；若三融合火災(zāi)探測(cè)系統(tǒng)未發(fā)出火災(zāi)警告，數(shù)據(jù)R大于等于0.5持續(xù)時(shí)間超過 16 s 時(shí)，發(fā)出貨艙集裝箱火災(zāi)警告。

2 基于BP神經(jīng)網(wǎng)絡(luò)的三融合火警探測(cè)系統(tǒng)

多種火災(zāi)特征進(jìn)行融合需要有恰當(dāng)?shù)乃惴ǎ腔鹁畔⒕哂胁淮_定性，無法得到一個(gè)具體的融合決策的判決公式。為此選用神經(jīng)網(wǎng)絡(luò)的自組織非限制性學(xué)習(xí)逼近的能力和自學(xué)習(xí)功能，實(shí)現(xiàn)3種火災(zāi)特征數(shù)據(jù)融合過程。

2.1 構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

采用3層前饋BP神經(jīng)網(wǎng)絡(luò)，網(wǎng)絡(luò)結(jié)構(gòu)見圖2。輸入層的3個(gè)單元分別對(duì)應(yīng)煙霧、CO含量、溫度信號(hào)的歸一化數(shù)值，隱層有7個(gè)神經(jīng)元，輸出層為明火、陰燃火和無火災(zāi)發(fā)生的概率。輸入層與隱層間的判決矩陣為W1，隱層與輸出層間的判決矩陣為W2。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)的建設(shè)過程為：確定合理的訓(xùn)練模式對(duì)，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化處理。模式對(duì)指的是網(wǎng)絡(luò)的輸入信號(hào)和對(duì)應(yīng)得到輸出信號(hào)。研究中確定了50組訓(xùn)練模式對(duì)，其中40組用于對(duì)已建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，10組用于驗(yàn)證訓(xùn)練結(jié)果。表1給出了其中10組的訓(xùn)練對(duì)示例。

表1 訓(xùn)練模式對(duì)事例

溫度煙霧CO濃度明火陰燃火無火10.950.210.750.850.120.0320.880.200.010.780.080.1430.750.150.750.700.250.0540.630.160.300.650.250.1050.220.750.800.350.65060.310.370.680.070.920.0170.410.670.750.030.960.00180.240.530.680.300.650.0590.200.300.100.080.120.80100.150.080.230.040.200.76

2.2 對(duì)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練

BP神經(jīng)網(wǎng)絡(luò)算法是在BP神經(jīng)網(wǎng)絡(luò)現(xiàn)有算法基礎(chǔ)上提出的，是通過任意選定一組權(quán)值，將給定的目標(biāo)輸出直接作為線性方程的代數(shù)和建立線性方程組，解得待求權(quán)，避免了傳統(tǒng)的局部極小和收斂速度慢的問題。具體學(xué)習(xí)過程如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)過程

借助Matlab編程，對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，具體程序如下：

P=[0.24 0.45 0.6 … 0.2 0.4 0.1];

T=[0.2 0.5 0.6 … 0.1 0.1 0.77];

net=newff([0 1;0 1;0 1],[7 3],{′logsig′,

′purelin′},′trainLM′);

net=init(net);

net.trainParam.epochs=1000;

net.trainParam.show = 20;

net.trainParam.goal = 0.001;

net.trainParam.lr = 0.5;

[net,tr]=train(net,P,T)

iw1=net.IW{1}

b1=net.b{1}

lw2=net.LW{2}

b2=net.b{2}

其中：[0,1;0,1]為網(wǎng)絡(luò)輸入向量取值范圍矩陣；[7,3]表示隱含層和輸出層神經(jīng)元個(gè)數(shù)；logsig,purelin分別表示隱含層和輸出層的傳輸函數(shù)；trainLM是網(wǎng)絡(luò)的訓(xùn)練函數(shù)。

Train函數(shù)的調(diào)用形式是[net,tr]=train(net,P,T),P表示輸入樣本集、T表示輸出樣本集,等號(hào)兩邊的net分別表示訓(xùn)練前和訓(xùn)練后的網(wǎng)絡(luò),步數(shù)和誤差信息放置在tr中。當(dāng)達(dá)到第40次訓(xùn)練時(shí)，神經(jīng)網(wǎng)絡(luò)的均方誤差穩(wěn)定，達(dá)到最小值 0.000 632 59，訓(xùn)練過程誤差曲線圖如圖4所示。隱含層和輸出層的權(quán)值訓(xùn)練結(jié)果為W1、W2、b1、b2。

圖4 訓(xùn)練誤差曲線界面

驗(yàn)證訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)，建立實(shí)際輸出與期望輸出對(duì)比表，見表2，使用Matlab做出對(duì)比圖形，如圖5所示。

表2 實(shí)際輸出與期望輸出

圖5 實(shí)際輸出與期望輸出對(duì)比

3 集裝箱火警探測(cè)系統(tǒng)

集裝箱火警探測(cè)選用便攜式的微波火警探測(cè)器，假設(shè)2 s 傳輸一次數(shù)據(jù)，即每分鐘能夠獲得30個(gè)數(shù)據(jù)，對(duì)獲得的數(shù)據(jù)進(jìn)行歸一化數(shù)據(jù)處理。文中構(gòu)建的飛機(jī)貨艙火警探測(cè)系統(tǒng)采用冗余設(shè)計(jì)，由于在貨艙中已經(jīng)放置足夠的火警探測(cè)器，并且設(shè)計(jì)了先進(jìn)的三融合火警系統(tǒng)，為了減少誤報(bào)帶來的財(cái)產(chǎn)和航線的損失，集裝箱火警探測(cè)系統(tǒng)以1 min內(nèi)達(dá)到某一數(shù)值的次數(shù)作為標(biāo)準(zhǔn)來判斷火災(zāi)發(fā)生的有無，本實(shí)驗(yàn)以8次為標(biāo)準(zhǔn)。在Matlab中建立動(dòng)態(tài)模型，將1 min內(nèi)的歸一化后的火警探測(cè)數(shù)據(jù)存儲(chǔ)在1×30的矩陣中，并統(tǒng)計(jì)微波探測(cè)數(shù)據(jù)1 min內(nèi)不小于0.5的數(shù)據(jù)個(gè)數(shù)，當(dāng)數(shù)據(jù)個(gè)數(shù)不小于8時(shí)，將輸出“集裝箱火警警告”。

4 硬件電路設(shè)計(jì)

根據(jù)構(gòu)建的貨艙火警探測(cè)系統(tǒng)模型框架圖，以C8051F310單片機(jī)為核心，CO探測(cè)器、煙霧探測(cè)器、感溫探測(cè)器和微波探測(cè)器組成構(gòu)成火災(zāi)探測(cè)單元，按照設(shè)定的多傳感器飛機(jī)貨艙火警探測(cè)目標(biāo)充分利用單片機(jī)內(nèi)部資源，將單片機(jī)的內(nèi)部電路最大程度的簡(jiǎn)化，使系統(tǒng)具有較高的可靠性和靈敏度，圖6為飛機(jī)貨艙火警探測(cè)系統(tǒng)硬件結(jié)構(gòu)。

圖6 飛機(jī)貨艙火警探測(cè)系統(tǒng)硬件結(jié)構(gòu)

5 模型分析和編程

借助已經(jīng)訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型和集裝箱火警探測(cè)系統(tǒng)，進(jìn)行綜合編程設(shè)計(jì)，從三個(gè)角度對(duì)設(shè)計(jì)好的整體模型進(jìn)行驗(yàn)證，可假設(shè)如下：

1) 神經(jīng)網(wǎng)絡(luò)火警探測(cè)系統(tǒng)激活后，歸一化處理后的煙霧濃度、CO濃度和溫度，經(jīng)過BP神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合，判斷是否發(fā)生“明火”或者是“陰燃火”；

2) 數(shù)據(jù)經(jīng)BP神經(jīng)網(wǎng)絡(luò)融合處理后，未發(fā)現(xiàn)有發(fā)生火災(zāi)的跡象，檢測(cè)集裝箱火災(zāi)探測(cè)系統(tǒng)，對(duì)1 min內(nèi)出現(xiàn)微波探測(cè)數(shù)據(jù)進(jìn)行統(tǒng)計(jì)，當(dāng)不小于0.5的數(shù)據(jù)達(dá)到8次就發(fā)出“集裝箱火警警告”；

3) 火警探測(cè)系統(tǒng)激活之后，并未出現(xiàn)上述兩種情況，但是鑒于激活探測(cè)裝置數(shù)據(jù)的存在，在飛機(jī)安全著陸之前，飛機(jī)貨艙火警探測(cè)系統(tǒng)將一直處于警戒工作狀態(tài)。

根據(jù)條件，借助Matlab設(shè)計(jì)GUI界面，如圖6所示。

圖6 火警探測(cè)圖形界面

依據(jù)假設(shè)，設(shè)計(jì)系統(tǒng)整體火災(zāi)探測(cè)響應(yīng)機(jī)制，核心仿真判斷程序如下:

if C(1)>=0.5

L=′明火′

elseif C(2)>=0.5

L=′陰燃火′

else R=input(′Enter the R:′);

A(1,[1:1:29])=A(1,[2:1:30]);

A(1,30)=R;

n1=find(A>=0.6);

gs1=length(n1);

if gs1>=8;

L=′集裝箱火警警告′

else L=′無火警′

6 結(jié)論

針對(duì)現(xiàn)有飛機(jī)貨艙火警探測(cè)系統(tǒng)的高誤報(bào)率，借助Matlab進(jìn)行編程，將三融合火警探測(cè)系統(tǒng)與固定貨艙火警探測(cè)系統(tǒng)整合，建立了飛機(jī)貨艙多傳感器數(shù)據(jù)融合火警探測(cè)系統(tǒng)模型，不僅能夠降低飛機(jī)貨艙火災(zāi)警告的誤報(bào)率，而且能夠完善對(duì)相對(duì)危險(xiǎn)貨物的安全監(jiān)管。

[1] 李麗,王玉梅,陳戰(zhàn)斌.民用飛機(jī)貨艙滅火系統(tǒng)試航符合性實(shí)驗(yàn)方法研究[J].航空科學(xué)技術(shù),2015,26(08):62-66.

[2] 李東琪,劉敏,李東立.飛機(jī)貨艙火災(zāi)探測(cè)器設(shè)計(jì)探討[J].消防科學(xué)與技術(shù)，2014，33(11):1313-1316.

[3] 周潔敏.飛機(jī)電氣系統(tǒng)原理和維護(hù)[M].北京：北京航空航天大學(xué)出版社,2015.

[4] DEPARTMENT OF TRANSPORTATION.Federal Aviation Administration.Code of Federal Regulations 14 CFR Part 25.858[EB/OL].[1997-06-09].http://www.faa.gov/avr/arm/n97-10.txt.

[5] 王學(xué)貴.基于多傳感器信息融合的火災(zāi)危險(xiǎn)度分布確定系統(tǒng)研究[D].合肥：中國(guó)科學(xué)技術(shù)大學(xué)，2013.

[6] KEITH M,RICHARD S.System and method of notification of an aircraet cargo fire within a container:USA,US 2013/0120162 A1[P].2013-05-16.

[7] SANKAR G S,RAMESH B N,SUYASH J.Design and Analysis of Neural Network Algorithm for Intelligent Fire Detection System[J].International Journal of Applied Engineering Research,2014,9(9):1145-1154.

[8] 王越，韓菁.信息融合技術(shù)在火災(zāi)探測(cè)中的應(yīng)用[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué)),2011,25(1):44-48.

[9] WANG Yue,HAN Jing.Application of Date Fusion Technology to Fire Detection[J].Journal of Chongqing University of Technology(Natural Science),2011,25(1):44-48.

[10]PHUA M H,TSUYUKI S,LEE J S,et al.Simultaneous detection of burned areas of multiple fires in the tropics using multisensor remote-sensing data[J].International Journal of Remote Sensing,2012,33:4312-4333.

[11]KYLE J,JAMES S.Multi-Sensor Data Fusion in Non-Gaussian Orbit Determination[JEB/OL].[2014-08-07].AIAA/AAS Astrodynamics Specialist Conference,http://dx.doi.org/10.2514/6.2014-4310.

[12]周成容.BP神經(jīng)網(wǎng)絡(luò)的模糊改進(jìn)及應(yīng)用[J].重慶工學(xué)院學(xué)報(bào)(自然科學(xué)),2008,22(6):153-158.

(責(zé)任編輯 楊黎麗)

Research on the Multi Sensor Fire Detection System in Aircraft Cargo

ZHANG Hongmei1, YE Hui2, ZHENG Gang1, ZHOU Jiemin1, XIAO Chaokang1

(1.College of Civil Aviation, Nanjing University of Aeronautics and Astronautics,Nanjing 211106, China; 2.Flight College, Anyang Institute of Technology,Anyang 455000, China)

On the basis of multi-sensor data fusion theory and the characteristics of different fire detectors,a fire detection system of three fixed fire detector based on BP neural network is founded, and a portable container fire detection system according to the requirements of aircraft cargo fire detection system is designed for the purpose of improving the reliability of aircraft cargo fire detection system. The simulation with Matlab can help to combine container fire detection system and three fusion fire detection system into aircraft cargo fire detection system, which can be used to judge whether open fire, smoldering fire or container fire is happening. GUI interface of fire detection system is built to show user the result data of detection and fusion.

aircraft cargo; Matlab;container fire detection system; BP neural network

2017-03-03

國(guó)防基礎(chǔ)預(yù)研基金(609)資助項(xiàng)目(APSC NJZX D201301 J03)

張紅梅(1990—),女,河南商丘人,碩士, 主要從事民航運(yùn)輸安全研究，E-mail:1977328004@qq.com。

張紅梅，葉慧，鄭罡，等.多傳感器飛機(jī)貨艙火警探測(cè)系統(tǒng)研究[J].重慶理工大學(xué)學(xué)報(bào)(自然科學(xué))，2017(7):176-181.

format：ZHANG Hongmei, YE Hui, ZHENG Gang,et al.Research on the Multi Sensor Fire Detection System in Aircraft Cargo[J].Journal of Chongqing University of Technology(Natural Science)，2017(7):176-181.

10.3969/j.issn.1674-8425(z).2017.07.028

TP183

A

1674-8425(2017)07-0176-06