火災探測是關系人民生命財產安全的重大課題。隨著火災探測技術的不斷發展，人們對火災的認識也越來越深入，不斷涌現出新的探測手段。然而現有的大多數火災探測器只能在火災發生到難以控制的形勢下才發出報警信號。而那些由于長期運行導致設備過載、過熱、短路產生火災的場所，如計算機機房、精密儀器實驗中心、網絡數據中心等，需要對火災進行嚴格控制，確保在火災發生初期就能及時發現火情并進行撲滅，否則造成的損失燃燒物都很少，因此如何能在火災處于萌芽狀態時，準確實現火災早期探測，避免嚴重損失是目前亟待解決的一個重大問題。火災的早期探測難題主要集中在探測對象難以選擇、探測方法單一及準確預警概率低。本系統針對這些問題，在對火災發生的過程和產物作了詳細了解以后，選擇適當的傳感器對具有明顯火災特征的幾個參數進行監測，再利用D-S證據理論對所有監測數據進行融合處理得到更為準確的判定結果。
1 火災探測對象的選定
在火災探測過程中，可以利用的火災信息很多：
(1)固態高溫產物：來源于可燃物中的雜質，以及高溫狀態下可燃物熱裂解所形成的物質。
(2)燃燒音：燃燒過程中產生的高溫，加熱周圍空氣，使之膨脹，產生一種頻率僅在數赫茲左右的壓力聲波，即是燃燒音。
(3)火焰光譜：主要由熾熱微粒的光譜輻射和燃燒氣體的特征輻射所構成。
(4)氣態燃燒產物：氣態燃燒產物的主要成分為H2O、CO、CO2、H2和O2，由于環境中濕度的影響，通常不把H2O作為火災探測參數。
由于前三點火災信息都是在火災已經發生很嚴重的情況下才產生的，且以火焰光譜進行火災探測，雖然可以有效避免環境中大部分干擾因素的影響，但為了進一步消除相關干擾因素的影響，還需要利用火焰的閃爍特征。然而，CO和CO2在空氣中的含量較低，正常大氣環境中CO含量在10 ppm以下，CO2含量大約為360 ppm。從表1中可以看到，絕大多數試驗火的CO含量均在20 ppm以上。根據火災特性，在火災初期陰燃時，CO含量更是達到最高。由圖1可知，各種不同材質在燃燒時，CO2含量也在不斷增加，且在初始成長期間，曲線斜率的變化范圍是2．5～6．5 ppm／s。因此，將氣體作為早期報警探測對象具有明顯優勢，針對以上2種氣體進行監測，將會在很大程度上反映出環境中有無燃燒現象的產生。本系統將CO的濃度、CO2的濃度變化率、環境溫度三者作為探測火災的特征參量。
2 系統總體結構
本系統是基于多傳感器數據融合的火災預警系統，采用C／S結構，通過網絡實現監控室服務器端與校園多個樓宇中的客戶端遠程實時監控各房間火災情況，目前該系統已經在我校試運行。圖2為多傳感器數據融合火災預警系統結構圖，客戶端主要由傳感器模塊、數據采集模塊、數據處理融合模塊、報警模塊和通信模塊組成；服務器端主要由數據處理模塊、報警模塊、參數修改模塊組成。
系統通過不同傳感器對CO濃度、CO2濃度、溫度這3個參數進行監測和數據采集。本文主要介紹在數據處理過程中，如何利用D-S數據融合技術進行數據分析，實現火災提前預警、且減少漏報誤報概率、提高系統可靠性和準確性。
3 火災預警中的數據融合
3．1 D-S證據理論
數據融合的方法很多，其中Dempster-Shafer證據理論是應用得最多的一種。它是一種處理不確定性的推理方法。證據理論可處理由不知道所引起的不確定性。它采用信任函數而不是概率作為度量，通過對一些事件的概率加以約束以建立信任函數而不必說明精確的難以獲得的概率。
定義1 設D為辨別框架，由一完備且互不相容的命題集合組成冪集2D，在其上定義基本信任指派函數(basic probability assignment，BPA)：m(A)[0，1]，A代表辨別框架中任一子集，m(A)表示證據支持命題A發生的程度，m(A)滿足如下條件：
從上面2個式子可以看出，多個證據的結合與次序無關，多個證據結合的計算可以用2個證據結合的計算遞推得到。
3．2 D-S證據理論數據融合方法在多傳感器火災早期探測上的應用
多傳感器數據融合的實質是在同一鑒別框架下，利用Dempster合并規則將各個證據體合并成一個新的證據體，而產生的新的證據體就表示了融合所得的信息，然后根據決策規則進行決策。用D-S理論實現多傳感器數據融合方法見圖3。
在多傳感器數據融合系統中，首先初始給一次基本可信度的分配。然后，每當收到一次傳感器的信息，就進行一次基本可信度的分配，隨著信息的不斷傳回，再不斷地對基本可信度進行分配。最后，依據決策規則得出決策結果。本系統探測的3個對象，根據探測值不同，對斷定是否發生火災的可信度值也不同。表2中對各個探測對象在不同范圍內的值，賦予了不同的信任值，這些信任值不是精確得到的概率值，而是由經驗和我校實驗室火災統計數據得到的。
當CO濃度超過10 ppm時，確定發生火災的概率較小；當超出20 ppm時，確定為火災的準確率可高達85％。從我校實驗室CO2監測數據來看，即使濃度高達1 500 ppm以上，也有可能是房間人數突然增多導致的，所以只從CO2的含量探測數值來斷定火災，會有很大誤差。但根據圖1的結果得知，火災發生時CO2含量是一直在遞增的，且在火災初始成長期間，曲線斜率(即增長速度)的變化范圍是2．5～6．5 ppm／s，因此本系統將CO2的變化率作為數據融合對象。同樣，隨著溫度值變高，能斷定是火災的概率也越大。以CO含量為15～20ppm，CO2變化率是2．0～4．0 ppm／s，溫度為40～50℃這個情況為例，用D-S方法進行數據融合，從表3可以看出，不確定性的概率下降到了可以忽略的程度，即系統的不確定性明顯降低；并且原來的單個傳感器不能準確判定是否發生火災，融合后正確判斷的概率增大，即對來自3個不同傳感器的數據融合提高了系統的判別火災能力。
4 結語
傳感器在采集信息過程中受多種因素的影響，不確定性是普遍存在的。Dempster-Sharer合并規則較好地解決了這種不確定性問題，將多個傳感器獲得的信息準確地合成為對目標(是否火災)判定的一致性，增加了系統的正確決策能力。但是，這種方法的使用仍然存在一些局限性。即每一傳感器對目標判決的概率賦值，需要依靠經驗和數據積累不斷進行更準確的設置。