基于人工神經(jīng)網(wǎng)絡(luò)的火災(zāi)預(yù)警系統(tǒng)

劉明，曹銀杰

（聊城大學(xué)物理科學(xué)與信息工程學(xué)院，聊城252059）

0 引言

消防安全一直是被人們十分重視的問題，火災(zāi)的提前預(yù)測、報警對保障人們的生命、財產(chǎn)安全十分重要。傳統(tǒng)煙霧報警器是基于閾值報警的原理，只有當(dāng)煙霧濃度和溫度到達閾值時，才進行報警，不能提前預(yù)警，發(fā)現(xiàn)時，火情可能已經(jīng)比較嚴重。

筆者設(shè)計了一套基于人工神經(jīng)網(wǎng)絡(luò)的火災(zāi)預(yù)警系統(tǒng)，將煙霧、溫度變化的曲線數(shù)值輸入到神經(jīng)網(wǎng)絡(luò)中進行學(xué)習(xí)，讓神經(jīng)網(wǎng)絡(luò)記憶不同事件引起煙霧、溫度變化的規(guī)律，比如抽煙時煙霧較小，溫度不會升高；可燃物發(fā)生燃燒時，煙霧數(shù)值升高的速度、溫度升高的速度，這些規(guī)律都作為一種特征值，將這些特征值記憶在神經(jīng)網(wǎng)絡(luò)中。系統(tǒng)進行檢測時，神經(jīng)網(wǎng)絡(luò)會對煙霧、溫度變化的曲線進行分析，判斷是否由于發(fā)生火災(zāi)引起，這樣可以在火情尚未嚴重時，就進行報警，達到預(yù)警的效果。通過實驗室模擬情況下，本系統(tǒng)穩(wěn)定可靠，效率高，誤判率低，能夠滿足各種場合的使用。

1 系統(tǒng)總體設(shè)計方案

系統(tǒng)使用STM32F767 作為系統(tǒng)CPU，搭建循環(huán)神經(jīng)網(wǎng)絡(luò)（Recurrent Neural Network）模型，預(yù)測曲線變化。使用激光粉塵傳感器采集檢測區(qū)域內(nèi)的空氣煙霧變化曲線，以及DS18B20 溫度傳感器采集溫度變化曲線。將空氣煙霧變化曲線和溫度變化曲線輸入到循環(huán)神經(jīng)網(wǎng)絡(luò)中進行識別，通過計算煙霧和溫度變化規(guī)律，預(yù)測火災(zāi)。煙霧數(shù)據(jù)以及溫度數(shù)據(jù)通過RS484 總線傳送至PC 控制臺實時顯示曲線。當(dāng)神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果為即將發(fā)生火災(zāi)時，系統(tǒng)及時向控制臺報警，并閃爍LED 燈，以及使用VS1003b MP3 模塊發(fā)出火災(zāi)警報。

循環(huán)神經(jīng)網(wǎng)絡(luò)選擇使用長短時循環(huán)神經(jīng)網(wǎng)絡(luò)（Long Short-Term Memory，LSTM）。LSTM 神經(jīng)網(wǎng)絡(luò)克服了傳統(tǒng)循環(huán)神經(jīng)網(wǎng)絡(luò)存在梯度消失和梯度爆炸的缺點，能夠更加精確快速地識別分析時序信號。

PC 控制臺端使用C#編程語言設(shè)計上位機軟件，通過選擇不同的地址碼，實現(xiàn)與多個設(shè)備同時通信，監(jiān)控多個房間。上位機軟件可以實時顯示房間內(nèi)的煙霧和溫度變化曲線，并將數(shù)據(jù)存放在本地的SQL 數(shù)據(jù)庫中進行保存。

圖1 系統(tǒng)總體框圖

2 硬件設(shè)計

2.1 系統(tǒng)CPU

選用ST 公司推出的STM32F767 作為系統(tǒng)CPU，選擇理由如下：

（1）基于Cortex-M7 的內(nèi)核具備了DSP 指令以及ARM 公司推出的DSP 庫，使芯片計算速度大大提升，具備在芯片上實現(xiàn)神經(jīng)網(wǎng)絡(luò)的計算速度。

（2）具備低功耗模式，CPU 使用HCLK 提供時鐘，并執(zhí)行程序代碼，降低系統(tǒng)耗電。

（3）內(nèi)部具有CRC 循環(huán)冗余校驗計算單元，方便RS-485 通信使用。

基于以上3 點，能夠滿足本系統(tǒng)設(shè)計的需求。

2.2 數(shù)據(jù)采集傳感器

煙霧傳感器使用激光粉塵傳感器PMS3003（G3）傳感器，該傳感器使用功耗低、體積小、采樣時間短、靈敏高，可獲得單位體積內(nèi)空氣中的煙霧濃度。使用RS-485 接口，ModBus 通信協(xié)議進行數(shù)據(jù)傳輸，確保了數(shù)據(jù)安全性。

溫度傳感器使用DS18B20 傳感器，DS18B20 是一款常用的數(shù)字溫度傳感器，輸出數(shù)字信號，具有體積小，便于封裝，抗干擾能力強，使用3V-5V 的工作電壓，使用方便。

2.3 RS-485通信模塊

采用SP3485 芯片作為RS-485 通信的收發(fā)器，該芯片支持3.3V 供電，最大傳輸效率為10Mbps，支持多達32 個節(jié)點，并有輸出短路保護。

圖2 SP3485引腳圖

圖2 中，A、B 總線用于連接485 接口。RO 是接收輸出端，DI 是發(fā)送數(shù)據(jù)收入端，RE 是接收使能信號，低電平有效，DE 是發(fā)送使能信號，高電平有效。使用時，將RE 與DE 相連接。

3 系統(tǒng)軟件設(shè)計

3.1 系統(tǒng)軟件設(shè)計總體流程

STM32F767 采集傳感器數(shù)據(jù)，將數(shù)據(jù)輸入到LSTM循環(huán)神經(jīng)網(wǎng)絡(luò)中，同時由STM32F767 上傳到PC 控制臺。循環(huán)神經(jīng)網(wǎng)絡(luò)通過使用已經(jīng)訓(xùn)練好的網(wǎng)絡(luò)模型，分析出煙霧、溫度變化的原因，如果分析出是由于發(fā)生火災(zāi)，引起的煙霧、溫度變化，則LED 燈進行閃爍，同時進行語音警報，并向控制臺進行警告。

圖3 系統(tǒng)總體流程圖

3.2 LSTM神經(jīng)網(wǎng)絡(luò)

LSTM 中主要使用3 個門遺忘門、輸入門、輸出門以及即時狀態(tài)來控制長期狀態(tài)，遺忘門負責(zé)決定之前的長期狀態(tài)對當(dāng)前的長期狀態(tài)影響的程度；輸入門與即時狀態(tài)共同負責(zé)決定當(dāng)前輸入對長期狀態(tài)的影響程度；輸出門決定當(dāng)前長期狀態(tài)對輸出的影響程度。

圖4 LSTM神經(jīng)元

圖中的Wf、Wi、Wc、Wo分別表示遺忘門、輸入門、即時狀態(tài)、輸出門的權(quán)重矩陣。這些權(quán)重矩陣由Wh、Wx兩部分組成。前向傳播過程需要計算遺忘門輸出ft，輸入門輸出it，即時狀態(tài)輸出以及輸出門輸出Ot。長期狀態(tài)Ct由遺忘門輸出ft、輸入門輸出Ot、即時狀態(tài)輸出和上一時刻的長期狀態(tài)Ct-1共同決定。

LSTM 神經(jīng)元的最終輸出是由長期狀態(tài)、輸出門的輸出共同決定的。

其中°符號表示按元素乘。這個計算過程也是LSTM 的前向傳播的計算過程。

本系統(tǒng)中，LSTM 的反向傳播在計算機上進行，使用本實驗室之前的研究數(shù)據(jù)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)，將訓(xùn)練完成的權(quán)重矩陣移植到STM32F767 芯片中。煙霧、溫度變化有很多，訓(xùn)練完成權(quán)重矩陣記錄了煙霧、溫度變化的規(guī)律，能夠分析出這些變化是由于何種原因引起的，從而能夠在火災(zāi)還未發(fā)生，在有要發(fā)生火災(zāi)的趨勢時，進行預(yù)警，達到了及時防控火災(zāi)的作用。

定義forward 函數(shù)，輸入為輸入向量，為了記錄前向傳播的次數(shù)，使用全局變量times 來記錄前向傳播的次數(shù)，也就是時刻times。根據(jù)LSTM 門的計算理論公式，編寫程序計算遺忘門、輸入門、輸出門以及即時狀態(tài)的輸出，并將輸出的結(jié)果保存到相對應(yīng)的結(jié)構(gòu)體數(shù)組中的times 位置。使用計算所得的遺忘門、輸出門、即時狀態(tài)的輸出以及上一時刻的長期狀態(tài)，計算當(dāng)前時刻的長期狀態(tài)。

將當(dāng)前時刻的長期狀態(tài)c 保存到結(jié)構(gòu)體數(shù)組c_list[]中，存放在times 位置，即c_list[times]。使用計算所得的輸出門的輸出以及長期狀態(tài)，計算當(dāng)前時刻LSTM神經(jīng)元的輸出。

這里的°表示按元素相乘，此處使用之前定義好的矩陣按元素相乘函數(shù)mul2，將Ot、tanh(c)輸入mul2，輸出結(jié)果賦值給ht。將LSTM 神經(jīng)元的輸出ht保存在h_list[]中，存放位置為times，即h_list[times]。合理設(shè)置權(quán)重矩陣大小，達到既能滿足使用需求，又不過產(chǎn)生過擬合的效果。

4 實驗結(jié)果

將本系統(tǒng)與傳統(tǒng)煙霧報警器放在同實驗條件下，進行多次實驗，模擬生活中抽煙、點燃可燃物、做飯等可能遇到的情況。本系統(tǒng)可以分辨出抽煙、做飯等場景，并且在點燃可燃物實驗中，本系統(tǒng)并未和傳統(tǒng)煙霧傳感器一樣，達到某個閾值后才進行報警，而是分析出由于火災(zāi)因為的煙霧、溫度的變化，并提前進行預(yù)警，能夠提前煙霧報警器進行報警。

該實驗證明，本系統(tǒng)能夠分析煙霧、溫度變化是由于何種原因引起，如果是由火災(zāi)引起的變化，則會在火災(zāi)尚未過大時，進行預(yù)警，不依賴閾值等方法，能夠靈活、靈敏、準確地預(yù)警火災(zāi)的情況。

5 結(jié)語

本系統(tǒng)使用人工智能的方法，分析煙霧、溫度變化，判斷是否由于火災(zāi)引起，不依賴閾值，能夠及早發(fā)現(xiàn)火災(zāi)，達到真正的智能火災(zāi)預(yù)警，最終的實驗，也證實本系統(tǒng)能夠較傳統(tǒng)煙霧報警器提前發(fā)現(xiàn)火情，具有較好的火情預(yù)警效果。上位機PC 控制臺既可以試試觀測不同房間的煙霧溫度變化，也能及時接收到下位機發(fā)送的火情警報。在未發(fā)生火災(zāi)時，經(jīng)數(shù)據(jù)存入數(shù)據(jù)庫，以備人們查看，以及未來研究的使用。本系統(tǒng)繼承自實驗室的基于粉塵濃度傳感器的火災(zāi)預(yù)警系統(tǒng)，并進行更新改進，使用粉塵濃度傳感器的火災(zāi)預(yù)警系統(tǒng)數(shù)據(jù)庫的大量歷史數(shù)據(jù)，訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，確保了本系統(tǒng)權(quán)重矩陣能夠盡可能地記錄生活中煙霧、溫度變化的規(guī)律、以及多次試驗時記錄下的火災(zāi)煙霧、溫度變化規(guī)律。本系統(tǒng)還具備繼續(xù)優(yōu)化的潛力，可以通過優(yōu)化網(wǎng)路模型，提高運算速度和準確性以及更早的預(yù)警火災(zāi)。