梁文康， 吴芷珊， 类 康

（广州华商学院， 广东 广州 511300）

0 引言

随着人类社会的不断发展， 火灾已经成为了人们不可忽视的多发性问题。 火灾事故一次次地显示出它对生命和财产造成的巨大破坏， 因此火灾的预防和检测是人类在对抗火灾的过程中关注的焦点。 在各类化工场合如易燃易爆气体的储存与搬运、 原油的采取和炼制等关键场合，如果出现了失火几乎是摧毁性的打击。

通过调查我们发现， 在广东有超过70%的电动汽车充电桩产品存在着安全隐患， 虽然有部分是由于人为疏忽而导致火灾事故发生， 但是绝大多数是因为火焰探测器设备的性能不够完善而造成火灾发生， 这对人民的生命和财产安全造成了极大的威胁。

面对这些情况， 各个地方政府也纷纷出台相应的政策措施去解决这一棘手的问题，我们可以看到在各类政策措施严格执行的大背景下，人们的行为规范得到了一定程度的改善，由于人为疏忽导致的火灾事故发生率也逐渐下降，但是主要的设备技术难关仍然等待人们去攻克。

1 市场调研

调研发现， 目前国内消防报警行业市场规模在270亿元左右，并且每年以5%～10%的速率稳定增长。 但是纵观目前市场上存在着的比较普遍的火焰探测器都有或多或少的缺陷，例如传统的感烟、感温火灾探测器因易受温湿度传感器等环境条件影响，存在错报率较高的问题，容易导致人力物力等资源的浪费； 另一个比较普遍的就是紫外火焰探测器， 由于紫外火焰检测器的敏感度差且检测区域范围较小，故无法很好满足消防安全的要求。

相比之下， 属于感光型的红外线火灾事故传感器则是目前大多数人们比较青睐的火灾监测设备， 因为红外线照射波段较长，因此造就了其拥有较强的穿透力，能够检测区域的范围能够十分广泛， 适合于所有工业和居住范围内，同时也经常被广泛应用于森林火灾检测等。

同时我们也可以看到，近些年来，关于火灾事故监测的算法也受到了许多国内专家学者的深入研究。比如，有的研究者提供了融合绝对温度和根据相对高度变化的火灾事故判定概率模式， 并运用近红外热成像技术进行了火灾事故预警监测。 有的通过构建了一个根据颜色空间的火灾事故辨识概率模型，以提取火灾事故目标区域，并根据运动特性进行对火灾事故鉴定。 有的则提供了一个可以采用层次分析法获取， 火焰多种动态特性相互融合的火灾事故检测方式。总的来说，随着社会的进步和科技的发展， 越来越多学者投入到对火灾事故检测算法的研究当中， 这从侧面也证明了火灾事故带来的影响和危害不容忽视。

在图片的火焰检测系统中， 通常会被图片采集以外的火焰特征所阻碍， 这是由于每个使用场景还有作业现场的环境都不是一样的， 难免会出现系统对现场的火焰特征没有实现识别，并且导致检测的精度降低。正是因为目前市场的火灾检测识别方法没有能力在特别的环境下正确分辨火焰的特性，由于误报率更多的问题，所以本文解释一种IR3 红外火焰探测器，并且运用RBF 神经网络作为该火焰探测设备的算法， 以此将干扰于现场的复杂环境的部分因素进行过滤， 从而达到更加有效的对电阻热、卤素灯以及太阳能这些干扰源的误报。

2 红外火焰探测系统整体结构

2.1 火焰探测器实现原理

本文中所设计的三波段红外线火焰检测器， 是基于3.8μm、4.3μm、5.0μm 三个波段来对火焰的红外辐射进行探测， 三个红外传感元件对火灾信息和非火灾信息的相关监测来实现对火焰与背景干扰的分辨： 第一个红外传感器的作用在于探测由碳氢或含碳化合物燃烧产生的红外辐射， 其在4.3μm 波段的辐射强度明显比其他的波段大。另一方面，太阳光的红外辐射由于大气中的二氧化碳和大地的吸收和反射，在4.3μm 波段的强度较小，因此三波段火焰探测器中选用4.3μm 作为监测波段； 第二个红外传感器则是用来探测背景辐射， 例如调制太阳光、照明、电弧焊、自然或人工热体等非火灾红外辐射。

为了提高探测器的灵敏度和距离， 还需要一个宽频红外传感器用来探测背景红外辐射， 于是第三个传感器应运而生，3.8μm、5.0μm 两个波段则是对人工热源、背景光辐射等干扰源比较敏感的两个参考波段。

三个传感器的信号通过放大和处理后， 由内置的CPU 进行输入信号的分析判断以及输出信号的变换，根据采集的信号，动态进行闪烁、阈值、相关的比值等分析，作出准确的判断，几乎无误报警。

2.2 硬件整体框架

IR3 红外火焰探测器通常是由红外传感器模块和三通道式前端扩散集成电路还有信号采集模块、EEPROM模组、微处理器模块、远程标定与复位电路、4～20mA 电流环电路、Modbus 通信连接模块等所组成。

传感器模块运用的是三个主要的频段， 分别是3.8μm 和4.3μm 还有5.0μm 频段的红外热释电传感器。通过三声道的前置放大集成电路中， 通常是由信号预处理电路、运算放大电路、二阶巴特沃斯带通滤波电路所构成。 最后通过信号采集模块完成的模数变换。

3 火焰识别算法原理分析

3.1 火焰检测算法

由于在红外火焰探测器检验流程中， 或许会发生单独的或非火焰波段信道的特征数据损失、畸变、饱和等对样本特征数据结果形成较强影响的情形， 所以本文中设计了使用RBF 的神经网络检查计算。

（1）输入层。 输入整理好的样本数据。 根据各项数据分析出最容易导致火灾发生的物品种类， 以这些物品确定为实验的研究对象，然后收集这些研究对象的性能、状态、形状等数据，按照一定的归类方法整理好，把这些数据经过筛选、组合、再归类，从而确定好样本数据，再将样本数据传送到输入层，再进行进一步的分析。

（2）隐蔽层。首先，把所有一起试验的数据内容，经过聚类算法将其聚为h 类， 把每一种类别都分为n 个高斯隶属性函数。 最后把这个h 类函数的样本聚类中心为隐含层各高斯隶属度函数的初始中心函数。

（3）归一化层。 标准的RBF 模糊神经网络尽管在训练过程中性能很优秀，但在测试时的一般化水平并不高，测试出来的结果并没有能够很好地反映出样本数据的真实情况，而归一化后的RBF 模糊神经网络则可以显著地改善训练模型的一般化水平。

（4）输入输出层次。输入输出层的所有入口在计算机网络中归一化，适当度构成的线性结构。

3.2 系统软件设计

系统设计运用的是IAR Embedded workben Ch 平台，相比于其他的同类平台， 该平台对数据具有更安全的保密性，同时数据传送速度极快。 另一方面，我们也同时运用嵌入式C 语言编程进行运作， 使整体工作效果能够更具有科学性。 效能有以下部分组成：系统初始化、系统自检、传感器信息收集、处理、通信、告警等若干方面。

（1）系统初始化与自检。 在EEPROM 中读取各函数的值，进行参数初始化；然后通过检查硬件电路存不存在运行不通过， 并且所有的参数初始值有没有正确的运行系统自检。

（2） 数据采集。一旦控制系统进入正常的工作状态后，将完成所有传感器数据采集工作， 本控制系统通过STM32 微处理器的DMA 连续切换模块，完成了对全部三个传感器通道的数据采集。

（3）数据处理。 采集完数据样本之后，从先前的数据中将试验的火焰特征提取出来再运行系统自检。 一般来说采集的火焰特征越多， 对真火焰的检测精度也会更加高， 同时误报率一样会大大降低， 不过特征数据变多的话，系统软件的运行负荷越大，判断所用的时间就更长，也会影响对探测器实时性的要求。但经过研究分析后，本系列所获得的火灾特性大致有： ①三个波段数据的电压峰值；②从三个通道采集数据相互间的差值；③频谱中各频率段幅值之和；④频谱中峰值对应的频率和幅值大小。

本检测器因采用了三种不同波段的通道，从而使用三种通道间的交叉特性能够更有效减少因距离远近而造成的误报。 而且，由于检测仪采用了Modbus 通信协议和集总控制器实现的数据， 故能够利用上位机查询各个辅助寄存器中的数据，从而真实的监控检测仪的运行工作状况。

4 实验结果与分析

此次实验主要对酒精灯、正庚烷、高温电烙铁、白炽灯、卤素灯、太阳能等各种动火和干扰源，进行了数据收集和模拟训练。

试验过程中共使用了621 组的取样数据结果 （每组200 个数据结果），每组试验数据结果均被归一化在[-1，1]的范围。为便于对比，分别选择了三百六十五组作为RBF模型与BP 模型的训练集，之所以选择BP 模型是因为BP模型是目前在火焰识别中比较普遍运用的一种识别算法，两者相比较能够突显出RBF 模型的优越性，实验样本数据主要由阳性样本一百八十四组和阴性样本一百八十一组这两者有机组成， 其输出结果分为1 和-1 两类，“1”是代表“有火”，“-1”则表示“无火”。 此外，为了有效防止过渡拟合， 该实验还选择了另外一百零一组作为训练验证集，并且在此基础上选择了最佳的匹配模式，其中则包括了五十三组有阳性样本和48 组有阴性样本。

研究结果表明， 探测器中无论存在火灾或干扰源的状态下，RBF 网络系统检测精度均高于BP 网络， 且对高热电烙铁、白热灯、卤素灯、太阳能等干扰无误报情况，证明了RBF 网络系统在火灾监测中有良好的鲁棒性，并显示出了很好的火焰监测特性。

另外，本文还对火源和干扰源做了角度位移在45°状态下的精度检验。实测结果表明，大距离位移对信号特性的获得有轻微障碍，而RBF 神经网络的检测方式是能够很高效、快捷、方便地解决此类障碍，更重要的是在这个基础上，RBF 还能保证较好的测量精度。

5 结论

本文采用了RBF 神经网络火灾探测技术，使用了三个红外波段完成了对火灾的精确探测， 从而高效地消除了各种扰动源，也大幅增强了火探测器对告警的准确度。比较于常规的BP 网络技术，已经证明了该检测算法对于强干扰源问题， 有着更佳的鲁棒性以及更精确的测试特性。在硬件设计方面，前置通道可以针对模拟信号的大小而自行调整增益，从而达到了对信息的最佳使用，也有效地防止了因信息过弱引起的数据损失和因信息饱和引起的数据丢失，从而提高了较优火焰识别算法的实现。

总的来说，消防器械行业在保障人民生命财产安全中扮演着极其重要的角色，对社会的稳定发展具有举足轻重的地位，而火焰探测设备优势直接影响消防器械行业的关键设备。 本文的基于IR3 点型式红外火焰探测器及RBF神经网络数学算法的新型火焰检测设备研究旨在更科学高效地解决电动自行车充电时易发生火灾的隐患，保障人民群众的生命和财产安全，而且能够改善电动自行车随意摆放及居家充电的杂乱场面，推动文明城市建设。未来，该设备将不仅仅局限于目前的社区电动自行车充电桩雨棚，还可以应用于更加广阔的领域中，更精准、更高效的保障更多区域的消防安全，用实际行动做到真正意义上的用科技改善人民的生活水平，让更多的人们能过上安居乐业的幸福生活。