基于ARM9多传感器数据融合火灾报警系统的实现（2） 报警系统, 系统软件, 数据采集, 后台运行, 处理器

yuyang911220

与一般的数据采集处理系统不同。本系统的数据采集软件和数据处理软件均在处理器上运行，系统软件除了要不断采集最新的火灾现场数据外，还要进行实时地数据处理。以8/16位单片机为核心的测控系统。程序一般采用前后台方式编写。后台运行一个大的无限循环。前台为多个中断。这种方式在程序规模增大、系统功能较复杂，尤其是系统中的并发模块较多的情况下，主显得力不从心，很难保证测量、控制的实时性。而且编程困难、不便于增加功能。综合考虑软件复杂度、运算量、实时性要求，系统采用μCOS-II操作系统。
本系统中大部分任务通过调用OSTimeDly（）实现定时运行，每个任务都可通过系统函数赋予不同的定时时间间隔。ADC数据采集程序，数据处理程序和数据融合算法程序主要由嵌入式C语言来编写。
3  数据融合算法
将多传感器信息融合技术应用于工业过程监测系统中，已经取得了一些工程应用。在这类系统中，传感器从对象和环境中采集到数据后，先进行数据融合处理，然后再参与控制策略运算。目前，常用的信息融合方法大致分为以下几类：一是基于估计和统计的经典方法，包括加权平均法、最小二乘法和D-S证据理论等；二是信息论的融合，包括模板法、聚类分析的熵理论等；三是人工智能的融合方法，包括模糊逻辑、产生式规则、神经网络、遗传算法和模糊积分理论以及专家系统等。
在应用于多传感器信息融合时，我们将A看作系统可能决策的集合，B看作传感器的集合，A和B的关系矩阵R A+B中的元素μi表示由传感器i推断决策为i的可能性，X表示各传感器判断的可信度，经过模糊变换得到的Y就是各决策的可能性。
具体的，我们假设有m个传感器对系统进行观测，而系统的决策可能有n个，则：
A:｛y1/决策、y2/决策、…、yn/决策n｝
B:｛x1/传感器、x2/传感器、…、xn/传感器m｝
传感器对各个决策的判断用定义在A上的隶属函数表示，设传感器i对系统的判断结果是：
μi1/决策，μi2/决策,…,μin/决策n,0≤μy≤1
即认为结果为决策j的可能性为μij,记作向量μi1，μi2，μi3，…μin,则m个传感器构成A×B的关系矩阵为：

将各传感器判断的可信度用B上的隶属度：X=｛x1/传感器1×x2/传感器2…、xn/传感器n｝表示，那么，根据Y=X＊R A＊B进行模糊变换，就可得出：y=（y1,y2,y3,…,yn）
即综合判断后的各决策的可能性为y，最后，对各可能判决按照一定的准则（比如最大隶属度方法、中心法等）进行选择，得出最优结果。根据运算的y值，采用以下规则进行判决应注意：①判决结果应有最大的隶属度。②判决结果的隶属度与必须大于某一阀值（一般情况取0.5）。③判决结果的隶属度与其它判决的隶属度值的差必须大于某一阀值（比如0.1）。
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。