基于ARM9的多传感器数据融合火灾报警系统

4 火灾监测的数据融合试验

本设计对火灾监测使用了温度传感器，可燃气体探测器的烟雾探测器，数据融合的方法如图3。



图3基于模糊推理的数据融合的一般方法是在火灾故障监测系统中，首先确定各个传感器的权重，在设计中我们设定温度传感器，可燃气体探测器的权重分别为W1=0.5,W2=0.3,W3=0.2；将最后的判决结果分为两种：有火灾Y1和无火灾Y2；根据当前的工作状态，确定每个传感器X对于每一判决Y的隶属函数；再进行线性变换运算，即可确定最后的结果。

比如，在某时刻，根据温度传感器的数据确定有无火灾的隶属度分别为μ11=0.45，μ12=0.55，根据烟雾传感器的数据确定有无火灾的隶属度分别为μ31=0.9，μ32=0.1，采用线性变换运算得Y,



根据结果得有火灾隐患，应该启动气溶灭火器。表1是模糊融合在火灾故障监测系统中的试验数据。



5 结束语

将模糊推理数据融合方法应用到多传感器的电缆火灾故障监测系统，与单一的传感器相比，具有更高的准确性的可信度。运行结果表明，这种方法对提高火灾故障检测的可靠性是实用和有效的，可降低火灾报警的误报率。但是，这种方法也有一些缺点，比如传感器的权重和每一传感器对判决的隶属度值的分配方面，没有形成统一的理论，需要依靠经验进行设置。