软件天地文章编号：１００８－０５７０（２００８）０１－１－０２６３－０２基于模糊神经网络的智能火灾报警系统ＩｎｔｅｌｌｉｇｅｎｔＦｉｒｅＡｌａｒｍＳｙｓｔｅｍｓＢａｓｅｄｏｎＦｕｚｚｙＮｅｕｒａｌＮｅｔｗｏｒｋｓ（南京工业大学）费红举张广明ＦＥＩＨＯＮＧＪＵＺＨＡＮＧＧＵＡＮＧＭＩＮＧ摘要：针对目前建筑物发生火灾事故后果严重、损失大的问题，本文主要设计了基于模糊神经网络的智能火灾报警系统。采用模糊控制理论可以提高报警系统的灵敏度，减少误报率；结合神经网络的自学习功能可以提高整个系统的智能化程度。整个火灾报警系统采用分布智能型结构。关键词：模糊控制；神经网络；火灾报警系统中图分类号：ＴＰ２７３文献标识码：ＡＡｂｓｔｒａｃｔ：ＡｂｕｉｌｄｉｎｇａｌａｒｍＢｙｕｓｉｎｇｔｈｅＦｕｚｚｙｃｏｎｔｒｏｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ，ｔｈｅｗｈｏｌｅＫｅｙｗｏｒｄｓ：Ｆｕｚｚｙｃｏｎｔｒｏｌ；ｓｙｓｔｅｍｂａｓｅｄｏｎｆｕｚｚｙｎｅｕｒａｌｎｅｔｗｏｒｋｓｉｓｐｒｏｐｏｓｅｄｄｕｅｔｏｔｈｅｓｅｒｉｏｕｓｒｅｓｕｌｔｓａｎｄｌｏｓｓｅｓｏｆｆｉｒｅａｃｃｉｄｅｎｔｓ．ｃａｎｉｍｐｒｏｖｅｔｈｅａｌａｒｍｓｙｓｔｅｍｓｅｎｓｉｔｉｖｉｔｙａｎｄｒｅｄｕｃｅｍｉｓｉｎｆｏｒｍａｔｉｏｎ；Ｃｏｍｂｉｎｅｗｉｔｈｔｈｅｓｅｌｆ－ｌｅａｒｎｉｎｇｏｆｔｈｅｉｎｔｅｌｌｉｇｅｎｃｅｄｅｇｒｅｅｏｆｔｈｅｓｙｓｔｅｍｉｓｉｍｐｒｏｖｅｄ．Ｔｈｅｆｉｒｅａｌａｒｍｓｙｓｔｅｍｕｓｅｓｄｉｓｔｒｉｂｕｔｅｄｉｎｔｅｌｌｉｇｅｎｔｓｔｒｕｃｔｕｒｅ．Ｎｅｕｒａｌｎｅｔｗｏｒｋ；ｆｉｒｅａｌａｒｍｓｙｓｔｅｍ（３）管理级：集中报警系统通过ＲＳ４８５协议和各个区域报警器总线相连接，完成集中火灾报警和对区域报警器的管理。一方面，通过ＲＳ４８５和区域报警器进行信息的交换；另一方面，完成信息的存储、删除、显示、打印功能。在确定火灾发生后集中报警器启动声光报警、紧急广播并以一定的通信手段完成远程报警。１引言火灾报警系统关系到建筑物内人群的生命安全。在整个智能建筑中，火灾报警系统起着相当重要的作用。为了避免火灾所导致的灾难性后果，火灾报警系统要求尽可能少的误报警，不允许有漏报警。目前使用的火灾报警探测器多数采取单传感器对烟雾浓度等），系统灵敏度火灾的某一特性进行监测（如气体温度、完全依赖传感器的灵敏度。实际应用中经常会因为受到环境的干误报情况的出现。扰而采集到错误信息，这就导致了漏检、基于模糊神经网络的火灾报警系统充分利用模糊系统推理能力强和神经网络学习适应能力强的优点，提高传感器的灵敏度和整个系统的韧性，大大降低火灾的漏报率和误报率，提高了火灾报警系统的可信度和可靠度。分布智能型火灾报警系统，集合了二总线制集中智能型系统的优点，并将火灾探测信息的处理等功能返还给现场的探测器，减轻了报警控制器处理大量信号的负担，缩短了报警时间，是火灾报警系统的发展方向。技术创新２智能火灾自动报警系统的组成结构采用分布智能型火灾报警系统，结构如图１所示，可分为现场级、控制级和管理级。（１）现场级：主要由火灾探测器组成。单片机和多个传感器结合作为火灾探测器，完成烟雾、温度、气体信号的采集和处理。一些客观的因素可能导致火灾探测器和区域报警器之间的通信发生故障。这个时候为了提高系统的可靠性，可以提高探测器的级别，根据探测器自身的判断，决定是否打开联动系统进行灭火。（２）控制级：主要由工控机组成。区域报警器对探测器进行巡检，发现探测器发生故障及时通知，同时用模糊神经网络对信号进行处理，并根据结果决定是否启动联动灭火。区域报警器还提供输入输出的人机接口，方便工作人员信息的获取。费红举：硕士研究生ＰＬＣ技术应用２００例》图１分布智能型火灾报警系统结构图３基于模糊神经网络的火灾探测原理图２信号处理示意图对从现场采集的信号进行处理，如图２所示。系统从环境状态中提取反映火灾的关键参数ｓ、ｔ、ｇ（烟雾浓度信号、温度信号、气体信号），并经过预处理得到参数...