基于多傳感融合的智能汽車火災(zāi)預(yù)警系統(tǒng)設(shè)計與實驗研究

中圖分類號：U462 收稿日期：2025-05-28 DOI： 10.19999/j.cnki.1004-0226.2025.08.023

Design and Experimental Research of Intelligent Vehicle Fire Early Warning System Based on Multi-Sensor Fusion

Yang Shuqing Qingdao Shibei District Fire and Rescue Bureau，Qingdao 26oooo，China

Abstract：Inrecentyears，utomoilefireaccidentshaveoccredfrequentlyposigasrious threattothesafeoperatioofvehicles.Thispaperdesignsafireearlywarningsystembasedonmulti-sensorfusion.Multi-soureiformationcolectionisachievedbyestablishingavehicle-mountedsensornetwork.AnimprovedD-Sevidencetheoryfusionalgorithmisproposedforfeatureextractionand fusion，andadplingearlwaingecisio-maingmodelisostuctedtoompletefieskassset.Teealicleicationprovesthatthissystemcanefectivelyachieveearlywaringoffresandprovideanewtechnicalsoutionforimprovingthesafety of automobiles.

KeyWords：Automobile fire early warning;Multi-sensor fusion;D-S Evidence theory;Risk assessment

1前言

汽車火災(zāi)事故頻發(fā)已成為威脅行車安全的重要問題。目前國內(nèi)外火災(zāi)預(yù)警研究主要集中在單一傳感檢測和固定閾值判斷上，存在滯后性和可靠性不足等問題。本文提出一種基于多傳感融合的火災(zāi)預(yù)警方案，通過構(gòu)建車載傳感網(wǎng)絡(luò)、優(yōu)化特征提取算法和設(shè)計深度學習預(yù)警模型，實現(xiàn)對汽車火災(zāi)的早期智能預(yù)警，為提升車輛安全性提供新的技術(shù)途徑。

2基于多傳感器的汽車火災(zāi)監(jiān)測系統(tǒng)設(shè)計

2.1車載傳感器選型與布置

根據(jù)車載環(huán)境特點和火災(zāi)特征，選擇溫度傳感器PT100、煙霧傳感器MQ-2和紅外光譜傳感器MLX90614構(gòu)建多源監(jiān)測網(wǎng)絡(luò)。溫度傳感器測量范圍-200～650^°C ，精度 ±0.1C ；煙霧傳感器檢測濃度范圍200～10000r/min ，響應(yīng)時間 lt;10s ；紅外傳感器波長范圍3～5μm ，測溫精度 ±0.5C 。通過實車測試分析，如表1所示，在發(fā)動機艙布置4個溫度傳感器，分別位于進氣歧管、排氣歧管、機油底殼和變速器殼體；在駕駛艙布置2個煙霧傳感器和1個紅外傳感器，監(jiān)測關(guān)鍵部位溫度和煙霧濃度變化1。實驗數(shù)據(jù)表明，該傳感器配置方案可實現(xiàn)對汽車火災(zāi)早期征兆的全面監(jiān)測，檢測精度達到95% 以上。

表1傳感器布置位置及參數(shù)

2.2傳感器網(wǎng)絡(luò)構(gòu)建

采用CAN總線和 ZigBee 混合網(wǎng)絡(luò)拓撲結(jié)構(gòu)實現(xiàn)傳感器數(shù)據(jù)傳輸。CAN總線采用波特率 500kbps ，最大通信距離達 40m;ZigBee 網(wǎng)絡(luò)工作頻率 2.4GHz ，傳輸速率可達 250kbps 。如圖1所示，通過實車測試驗證，網(wǎng)絡(luò)平均數(shù)據(jù)傳輸延遲小于 15ms ，丟包率低于 0.1% 。網(wǎng)絡(luò)采用星型-樹型混合拓撲，以電控單元為中心節(jié)點，分別連接發(fā)動機艙和駕駛艙傳感器分支[2]。系統(tǒng)運行過程中，傳感器采樣頻率為 10Hz ，通過時分復(fù)用方式進行數(shù)據(jù)傳輸，單個數(shù)據(jù)幀長度為64位，包含傳感器ID、測量值、時間戳等信息。測試結(jié)果顯示，該網(wǎng)絡(luò)架構(gòu)可靠性達 99.9% ，滿足實時監(jiān)測要求。

圖1網(wǎng)絡(luò)傳輸延遲統(tǒng)計

2.3傳感器信號處理

針對多源傳感器信號特點，設(shè)計了自適應(yīng)濾波算法進行數(shù)據(jù)預(yù)處理。采用Kalman濾波對溫度信號進行處理，噪聲方差設(shè)置為0.01，狀態(tài)轉(zhuǎn)移矩陣為單位矩陣；對煙霧信號采用小波變換去噪，選用db4小波，分解層數(shù)為3層[3]。通過對1000組實驗數(shù)據(jù)分析，濾波后信噪比提升 8.5dB ，數(shù)據(jù)平滑度提高 65% 。同時，建立基于閾值的異常檢測模型，溫度閾值設(shè)為標準值的1.5倍，煙霧濃度閾值為 1000r/min^[4] 。實驗結(jié)果表明，該信號處理方案可有效抑制環(huán)境噪聲干擾，異常檢測準確率達到93.2% ，漏報率低于 1% 。信號處理模型如下：

式中， K_p 為比例系數(shù)，取值 0.8;K_i 為積分系數(shù)，取值0.3；K_d 為微分系數(shù)，取值0.1。

3汽車火災(zāi)多傳感信息融合算法

3.1車載多源信息特征提取

針對汽車發(fā)動機艙、電氣線路和燃油系統(tǒng)的火災(zāi)特性，對采集的車載溫度、煙霧和紅外信號進行特征提取。如表2所示，通過對500組汽車火災(zāi)實驗數(shù)據(jù)分析，發(fā)動機艙溫度信號主要特征包括熱點溫度均值、溫度場方差和升溫速率，特征貢獻率分別為 45.2%.28.7% 和15.4% ；線路燃燒煙霧信號提取濃度梯度和擴散速率特征，貢獻率為 52.3% 和 35.8% ；燃油系統(tǒng)紅外信號提取熱輻射強度和溫度分布特征，貢獻率為 58.6% 和31.2%^[5] 。特征提取后的數(shù)據(jù)能夠有效表征汽車不同部位的火災(zāi)特征，計算效率提升約 65% 。

3.2多傳感融合模型設(shè)計

針對汽車火災(zāi)多發(fā)區(qū)域的監(jiān)測特點，采用改進D-S證據(jù)理論構(gòu)建融合模型。通過大量汽車火災(zāi)工況數(shù)據(jù)建立基本概率分配函數(shù)：

m（A）=w_em_e（A）+w_cm_c（A）+w_fm_f（A）

式中， w_e 為發(fā)動機艙傳感器權(quán)重； w_c 為電氣線路傳感器權(quán)重； w_f 為燃油系統(tǒng)傳感器權(quán)重。融合規(guī)則考慮汽車火災(zāi)蔓延規(guī)律，引入空間相關(guān)性系數(shù)提升識別精度。經(jīng) 1000 次實車工況驗證，該融合模型對發(fā)動機過熱、線路短路和燃油泄漏導(dǎo)致的火災(zāi)識別準確率達到 96.8% ，較單一傳感器提升 15.3%^[6] 。如圖2所示，不同車型、不同行駛狀態(tài)下均顯示良好的識別效果。

表2汽車火災(zāi)特征提取及貢獻率分析監(jiān)測部位

圖2不同車型火災(zāi)識別效果對比

3.3火災(zāi)預(yù)警決策算法

基于汽車火災(zāi)發(fā)展特征，設(shè)計深度學習預(yù)警決策算法。建立LSTM神經(jīng)網(wǎng)絡(luò)模型，輸入層包含發(fā)動機溫度、線路煙霧、燃油系統(tǒng)輻射等6個特征節(jié)點，隱層采用128個神經(jīng)元，輸出層為火災(zāi)風險等級。預(yù)警決策基于風險概率計算模型，公式如下：

式中， R（t） 為 χ_t 時刻火災(zāi)風險值； W 為第 i 個特征的權(quán)重系數(shù) sf_i（X_t） 為第 i 個特征的LSTM 輸出值; α（t） 為時序衰減因子。當 R（t） 分別位于[0.3，0.6）[0.6，0.8）和 ?0.8 區(qū)間時，觸發(fā)對應(yīng)級別預(yù)警。模型通過2000組真實汽車火災(zāi)數(shù)據(jù)訓(xùn)練優(yōu)化，驗證準確率達 95.7%[7] 。實車道路測試表明，該算法能平均提前15s預(yù)測火災(zāi)風險，尤其對發(fā)動機艙起火、線路起火等典型工況的預(yù)警準確率達 94.3% ，可為車輛應(yīng)急處置預(yù)留充足時間。

4系統(tǒng)實現(xiàn)與車載實驗驗證

4.1系統(tǒng)實現(xiàn)

基于STM32F407主控制器開發(fā)火災(zāi)預(yù)警系統(tǒng)硬件平臺，處理器主頻 168MHz ，內(nèi)置2MBFlash和256KBRAM。系統(tǒng)采用模塊化設(shè)計，包含傳感采集、數(shù)據(jù)處理、無線通信和報警控制模塊。如表3所示，實測系統(tǒng)采樣頻率達到 50Hz ，數(shù)據(jù)處理延時低于 20ms ，報警響應(yīng)時間小于 100ms^[8] 。系統(tǒng)功耗方面，正常工作模式下整機功耗為2.8W，待機模式下降至 0.3W 。系統(tǒng)可靠性測試顯示，在 -40% 至 85°C 溫度范圍內(nèi)穩(wěn)定工作，抗振動性能達到 10g 加速度，防護等級達到IP65，滿足汽車電子產(chǎn)品標準要求。

表3系統(tǒng)性能指標測試結(jié)果

4.2車載實驗驗證

通過實車道路測試驗證系統(tǒng)性能，測試車輛包含不同排量發(fā)動機型號，測試路段覆蓋城市、高速和山區(qū)道路。實驗?zāi)M發(fā)動機艙過熱、線路短路和燃油泄漏等典型故障工況，如圖3所示，系統(tǒng)對三類故障識別的準確率分別達到 95.8%.94.3% 和 93.7% 。在 100km/h 高速工況下，系統(tǒng)仍保持穩(wěn)定工作，數(shù)據(jù)傳輸成功率維持在99.5% 以上[9]。長期可靠性測試累計行駛里程超過50000km ，系統(tǒng)零部件無故障發(fā)生，驗證了系統(tǒng)在實際應(yīng)用環(huán)境下的可靠性。

圖3不同故障工況識別準確率統(tǒng)計

4.3系統(tǒng)性能評估

采用失效模式分析方法評估系統(tǒng)性能，重點考察火災(zāi)預(yù)警準確性、實時性和可靠性等指標。經(jīng)過 3000h 連續(xù)運行測試，系統(tǒng)平均故障間隔時間MTBF達到12 000h ，誤報率低于 0.8% ，漏報率控制在 1.2% 以內(nèi)。相比現(xiàn)有同類產(chǎn)品，本系統(tǒng)在預(yù)警提前量方面提升約35% ，達到平均15s預(yù)警時間；在誤報率方面降低約45% ，大幅提升了系統(tǒng)適用性[10]。系統(tǒng)成本控制在2000元以內(nèi)，具備規(guī)模化推廣應(yīng)用價值。通過整車碰撞試驗驗證，系統(tǒng)在 25km/h 正面碰撞工況下仍能正常工作，滿足汽車安全性要求。

5結(jié)語

針對汽車火災(zāi)事故頻發(fā)的問題，設(shè)計了基于多傳感融合的火災(zāi)預(yù)警系統(tǒng)。通過車載傳感網(wǎng)絡(luò)構(gòu)建、特征提取算法優(yōu)化和深度學習預(yù)警模型，實現(xiàn)了對發(fā)動機艙、線路和燃油系統(tǒng)火災(zāi)的早期預(yù)警。實車驗證表明，系統(tǒng)預(yù)警準確率達 95.7% ，平均提前15s預(yù)警，誤報率降至0.8% 。研究成果為提升汽車安全性提供了新思路，后續(xù)將進一步優(yōu)化算法模型，提高系統(tǒng)在極端工況下的適應(yīng)性。

參考文獻：

[1]侯志華，劉小兵.基于物聯(lián)網(wǎng)技術(shù)的新能源汽車充電樁電氣火災(zāi)預(yù)警系統(tǒng)研究[J].農(nóng)業(yè)裝備與車輛工程，2024，62（12）：75-78.

[2]岳聚欣，劉景哲，李春輝，等.基于物聯(lián)網(wǎng)的智能監(jiān)測破窗系統(tǒng)設(shè)計[J].科技創(chuàng)新與應(yīng)用，2023，13（8）：41-44.

[3]周洲，陳力超，曹子強，等.一種電動汽車電池火災(zāi)防范系統(tǒng)[P]：CN202220374785.9.2023-01-24.

[4]盧慧清，何之倬，張衛(wèi)紅，等.電動汽車充電站箱變電氣安全物聯(lián)監(jiān)測系統(tǒng)設(shè)計與應(yīng)用[J].電工技術(shù)，2023（13）：218-220.

[5]許敏.汽車消防系統(tǒng)優(yōu)化研究[J].汽車測試報告，2023（21）：152-154.

[6]董武堂.新能源汽車自燃火災(zāi)的原因及預(yù)防措施探析[J].專用汽車，2023（4）：96-99.

[7]惠中衛(wèi).新能源汽車火災(zāi)事故的消防救援策略研究[J].今日消防，2024，9（7）：54-56.

[8]劉彪杰，李文靜，王雁輝，等.N（2）智能網(wǎng)聯(lián)物流車消防監(jiān)控管理系統(tǒng)研究[J].汽車實用技術(shù)，2023，48（18）：1-4.

[9]高娟，張俊，許修行.基于物聯(lián)網(wǎng)技術(shù)的新能源車輛智慧消防系統(tǒng)研究[J].青島職業(yè)技術(shù)學院學報，2023，36（6）：31-36.

[10]李洪躍，王全作，朱孔杰，等.一種用于客滾船汽車艙內(nèi)的智能火災(zāi)監(jiān)測系統(tǒng)及方法[P]：CN202311462422.6.2024-01-05.