摘要：針對傳統(tǒng)火災(zāi)預(yù)警系統(tǒng)中單一傳感器數(shù)據(jù)檢測的缺陷，提出一種基于反向傳播神經(jīng)網(wǎng)絡(luò)模型的無線多傳感信息融合火災(zāi)預(yù)警系統(tǒng)。該模型借助Matlab平臺進(jìn)行信息融合算法模擬，并經(jīng)過試驗(yàn)驗(yàn)證，大大提高了火災(zāi)預(yù)警系統(tǒng)的準(zhǔn)確率和可靠性。
關(guān)鍵詞：反向傳播神經(jīng)網(wǎng)絡(luò)；信息融合；ZigBee；火災(zāi)預(yù)警

0 引言
提出一種基于反向傳播神經(jīng)網(wǎng)絡(luò)的無線多傳感信息融合火災(zāi)預(yù)警系統(tǒng)。通過對溫度、火焰、煙霧和CO濃度等多類同構(gòu)或異構(gòu)傳感器的冗余信息和互補(bǔ)信息進(jìn)行多級別和多方面融合處理，從而獲得比單一或單類傳感器更為準(zhǔn)確、可靠的檢測。同時(shí)，采用無線方式，系統(tǒng)組網(wǎng)靈活，且便于施工。系統(tǒng)模型借助Matlah平臺進(jìn)行建構(gòu)和模擬仿真，從而大大提高了開發(fā)效率。

1 系統(tǒng)設(shè)計(jì)
基于反向傳播神經(jīng)網(wǎng)絡(luò)的無線火災(zāi)預(yù)警系統(tǒng)由預(yù)處理單元、ZigBee無線傳感網(wǎng)絡(luò)、信息融合處理單元和預(yù)警發(fā)布四部分構(gòu)成。預(yù)處理單元首先承擔(dān)來自多傳感器陣列的初級信息處理，主要是數(shù)據(jù)清洗、初級信息處理和應(yīng)急控制。然后通過ZigBee無線傳感網(wǎng)絡(luò)上傳預(yù)處理數(shù)據(jù)至信息融合處理單元，處理后的數(shù)據(jù)進(jìn)行保存并經(jīng)過預(yù)警發(fā)布單元輸出。其預(yù)警系統(tǒng)原理框圖如圖1所示。

2 系統(tǒng)算法模型
2．1 反向傳播神經(jīng)網(wǎng)絡(luò)算法模型
信息融合處理單元的信息融合決策部分是系統(tǒng)實(shí)現(xiàn)的關(guān)鍵結(jié)點(diǎn)，其決策單元是整個(gè)火災(zāi)預(yù)警系統(tǒng)的核心單元，建立在神經(jīng)網(wǎng)絡(luò)的數(shù)學(xué)模型基礎(chǔ)上。
本文采用基于三層網(wǎng)絡(luò)結(jié)構(gòu)的反向傳播神經(jīng)網(wǎng)絡(luò)模型。反向傳播神經(jīng)網(wǎng)絡(luò)(簡稱BP網(wǎng)絡(luò))是將W-H學(xué)習(xí)規(guī)則一般化，對非線性可微分函數(shù)進(jìn)行權(quán)值訓(xùn)練的多層網(wǎng)絡(luò)。該BP網(wǎng)絡(luò)是一種多層前向反饋神經(jīng)網(wǎng)絡(luò)，其神經(jīng)元的變換函數(shù)選取S型函數(shù)，因此輸出量為0～1之間的連續(xù)量，它可以實(shí)現(xiàn)從輸入到輸出任意非線性的映射，其權(quán)值的調(diào)整采用反向傳播的學(xué)習(xí)算法模型。
該模型通過訓(xùn)練樣本訓(xùn)練網(wǎng)絡(luò)中的權(quán)值系數(shù)，直到隨機(jī)學(xué)習(xí)誤差趨于穩(wěn)定且滿足學(xué)習(xí)誤差閾值的時(shí)候，停止訓(xùn)練，取當(dāng)前的權(quán)值系數(shù)作為最終的判斷系數(shù)。
其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖2所示。