基于反向传播神经网络的无线火灾预警系统

摘要：针对传统火灾预警系统中单一传感器数据检测的缺陷，提出一种基于反向传播神经网络模型的无线多传感信息融合火灾预警系统。该模型借助Matlab平台进行信息融合算法模拟，并经过试验验证，大大提高了火灾预警系统的准确率和可靠性。
关键词：反向传播神经网络；信息融合；ZigBee；火灾预警

0 引言
提出一种基于反向传播神经网络的无线多传感信息融合火灾预警系统。通过对温度、火焰、烟雾和CO浓度等多类同构或异构传感器的冗余信息和互补信息进行多级别和多方面融合处理，从而获得比单一或单类传感器更为准确、可靠的检测。同时，采用无线方式，系统组网灵活，且便于施工。系统模型借助Matlah平台进行建构和模拟仿真，从而大大提高了开发效率。

1 系统设计
基于反向传播神经网络的无线火灾预警系统由预处理单元、ZigBee无线传感网络、信息融合处理单元和预警发布四部分构成。预处理单元首先承担来自多传感器阵列的初级信息处理，主要是数据清洗、初级信息处理和应急控制。然后通过ZigBee无线传感网络上传预处理数据至信息融合处理单元，处理后的数据进行保存并经过预警发布单元输出。其预警系统原理框图如图1所示。

2 系统算法模型
2．1 反向传播神经网络算法模型
信息融合处理单元的信息融合决策部分是系统实现的关键结点，其决策单元是整个火灾预警系统的核心单元，建立在神经网络的数学模型基础上。
本文采用基于三层网络结构的反向传播神经网络模型。反向传播神经网络(简称BP网络)是将W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。该BP网络是一种多层前向反馈神经网络，其神经元的变换函数选取S型函数，因此输出量为0～1之间的连续量，它可以实现从输入到输出任意非线性的映射，其权值的调整采用反向传播的学习算法模型。
该模型通过训练样本训练网络中的权值系数，直到随机学习误差趋于稳定且满足学习误差阈值的时候，停止训练，取当前的权值系数作为最终的判断系数。
其网络模型结构如图2所示。