5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 1/9

ALGORITMI DE DETECŢIE ŞI SIMULAREADETECTOARELOR MULTI-SENZOR

1. Introducere

Structura de bază a unui sistem automat de detecţie este alcătuită dintr-unsenzor capabil să semnalizeze prezenţa unui parametru fizic şi/sau chimic asociatincendiului (fumul, temperatura, căldura, flacăra, etc.) şi un modul de prelucrare asemnalului, care funcţionează după anumite principii, conforme cu procedura deintervenţie. Aceste sisteme şi-au dovedit utilitatea în foarte multe situaţii, dar odată cucreşterea complexităţii instalaţiilor şi spaţiilor de protejat, alarmele false au constituit oproblemă în activitatea de intervenţie pentru stingerea incendiilor. În cazuri extreme,brigăzile de pompieri au întrerupt legăturile cu sistemele de detecţie ale diferitelor instituţii din cauza numărului foarte mare de alarme false transmise.

Un semnal de alarmă falsă este orice semnal transmis de un sistem de detecţieatunci când în spaţiul protejat nu există incendiu. Aceasta se poate datora defectăriiunei componente din sistemul de detecţie, declanşarea nejustificată a unui butonautomat de semnalizare sau procesarea superficială a semnalului provenit de lasenzorii detectoarelor. Pentru rezolvarea acestor probleme, în special cele legate deanaliza semnalului de incendiu şi luarea deciziei de alarmare, s-a impus folosirea pescară din ce în ce mai largă a detectoarelor de incendiu multi-senzor (Multi Sensor based Fire Detection systems - MSbFD). Folosirea mai multor senzori, fiecare sensibilla alt parametru asociat incendiului, permite o analiză mult mai exactă a condiţiilor existente în mediul protejat şi deci o distincţie clară între situaţiile de incendiu şi non-

incendiu. Motivele pentru care s-a trecut la utilizarea detectoarelor multi-senzor au fostnumărul mare al alarmelor false prezente în multe sisteme automate de detecţie şinecesitatea înlocuirii surselor radioactive din detectoarele cu cameră de ionizare, caurmare a creşterii restricţiilor legislaţiei pentru protecţia mediului.

Evident, decizia finală, depinde de modul cum este prelucrat semnalul transmisde detectoare. Acesta poate fi prelucrat digital, se pot utiliza reţele neuronale saulogica vagă (fuzzy). Simularea detecţiei multi-senzor se bazează pe modelareastatistică a semnalelor provenite de la senzorii detectoarelor, utilizând semnalereprezentative din baza de date.

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 2/9

  Figura 1. Structura generală a unui sistem de detecţie multi-senzor 

Un MSbFD este un sistem cu n intrări ce reflectă situaţia din mediulsupravegheat, folosind diverşi senzori. Aceste semnale sunt procesate şi interpretateulterior rezultând separarea între situaţia de incendiu – căreia îi corespunde alarma deincendiu şi situaţia de non-incendiu – respectiv nu avem alarmă. Tehnicile de analizăşi procesare a semnalelor sunt multiple, se folosesc cu precădere procesarea digitală,reţelele neuronale şi logica vagă (fuzzy). Toate aceste procedee sunt perfectaplicabile în tehnica detectării incendiilor, datorită dezvoltării tehnologieimicroelectronice şi informatice şi preţului accesibil al componentelor electronice.

Problema analizei, a procesării sofisticate şi interpretării semnalelor utilizândtehnicile de mai sus, se face prin studii comparative ce presupun o activitateexperimentală susţinută. De aceea, ca în multe alte domenii şi situaţii, este necesarăo tehnică de simulare a funcţionării unui sistem de detecţie pentru studiul detaliat alalgoritmilor MSbDF. Se va prezenta în continuare o tehnică de simulare bazată pemodelarea statistică a semnalelor provenite din algoritmul de detecţie.

2. Considerente privind simularea

 În figura 2 este prezentată structura sistemului de simulare. Cerinţa de bazăpentru acest simulator este existenţa unui set de semnale reprezentative. Acest set

de semnale este folosit pentru comparaţie în raport cu semnalele transmise de senzorişi trebuie să acopere o gamă cât mai largă de situaţii posibile pentru mediul respectiv(incendii pentru capacitatea detecţie şi non-incendii pentru cazul alarmelor false).  Înregistrarea semnalelor trebuie să se facă cu aceeaşi senzori care se vor folosipentru supravegherea mediului respectiv. Prin modelarea statistică a semnalelor   înregistrate, setul reprezentativ de semnale poate fi extins în funcţie de anumiţiparametri, ceea ce este extrem de important pentru cazul de non-incendiu.

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 3/9

Figura 2. Structura sistemului de simulare

 În procedura de analiză, parametrii sunt extraşi (şi salvaţi în baza de date) dinsetul de semnale corespunzător proprietăţilor statistice. Parametrii salvaţi îndeplinesccondiţiile pentru a fi preluaţi de un filtru de sinteză şi procesate continuu pentru aproduce semnale de simulare, care sunt statistic similare cu cele înregistrate dar cufiecare procesare anumite detalii se schimbă (pot fi create arbitrar, cu o anumitălungime).

Intrarea algoritmului de detecţie (conectat cu kitul de simulare, trebuie să fieimplementat ca o funcţiune C) este atacată cu semnalele simulate, iar ieşirea integrată într-un protocol de comunicaţie. Evaluarea simulării permite estimări cantitative pentruprobabilitatea de detecţie şi timpi de răspuns pentru cazul de incendiu, iar în cazulnon-incendiu permite determinarea ratei de apariţie a alarmelor false.

3. Algoritmul de detecţie bazat pe logica vagă (fuzzy)

Având în vedere situaţia curentă în domeniul detecţiei automate a incendiilor,două restricţii s-au impus în proiectarea şi realizarea noilor algoritmi de detecţie:

1. Posibilitatea de a implementa algoritmul pe un microprocesor obişnuit pe8 biţi folosit pe scară largă în construcţia detectoarelor 

2. Pentru protecţia mediului, în concordanţă cu reglementările actuale privindfolosirea senzorilor cu cameră de ionizare, noul algoritm trebuie sămonitorizeze optic densitatea de fum şi temperatura mediului, putând

constitui o alternativă la acestea.Proprietăţile unui sistem de detecţie depind în mare măsură de modul cum se

efectuează procesarea semnalelor primite de la senzori. Se disting două subsistemeimportante: preprocesarea semnalelor (filtrarea analogică şi digitală, procesareastatistică) şi reţeaua pentru luarea deciziei.

 În cazul unui detector simplu cu prag, aceste subsisteme sunt constituite deamplificatorul de semnal analogic şi respectiv dispozitivul de limitare (cel care impunepragul). Reţeaua pentru luarea deciziei în cazul noului algoritm este realizată cuajutorul unui sistem expert fuzzy . Figura 3 ilustrează structura unui detector multi-senzor ce funcţionează pe baza noului algoritm.

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 4/9

Figura 3. Structura unui detector multi-senzor ce funcţionează pe baza nouluialgoritm utilizând logica vagă (fuzzy).

O mulţime clasică (discretă) este definită ca o mulţime de elemente sau obiecte Χ∈ x , care poate fi finită, numărabilă. Fiecare element poate aparţine sau nu unei

mulţimi  A ,  Χ⊆ A .O asemenea mulţime cu elemente discrete poate fi descrisă în mai multe feluri:

se pot enumera (lista) elementele care aparţin mulţimii sau se pot defini elementelemembre cu ajutorul unei funcţii caracteristice, în care 1 indică faptul că elementul estemembru (aparţine unei mulţimi) iar 0 că nu este membru. Pentru o mulţime fuzzy,caracteristica de funcţionare permite mai multe grade de legătură pentru un element

dintr-un set dat.Similar, o mulţime fuzzy≈Α într-o mulţime  X   de obiecte, este un set ordonat

de perechi, fiecare cu primul element  Χ∈ x , şi al doilea element aparţinândintervalului [0, 1]:

( )

∈µ=Α ≈

Α

≈

 X  x x x, (1)

unde ( ) x≈

Α

µ este funcţia de legătură sau gradul de legătură al lui  x în≈Α care îl

proiectează pe  X   în spaţiul de legătură M (când M conţine doar două puncte 0 şi 1,≈Αeste non-fuzzy şi ( ) x≈

Α

µ este identică cu funcţia caracteristică a unei mulţimi non-

fuzzy). Mulţimea valorilor funcţiei de legătură este un subset de numere realenonnegative al cărui suprem este un număr finit.

De exemplu, mulţimea  X   reprezintă mulţimea numerelor   x ce caracterizează

densitatea fumului,  X   x∈ = {0, 1, 2, ..., 255}. Mulţimea fuzzy≈Α= „mare“ va răspunde

la întrebarea „la ce temperatură densitatea fumului este mare?“. Funcţia de legătură( ) x≈

Α

µ asociază un anumit grad de legătură fiecărei valori măsurate  x a densităţii

fumului şi poate avea următoarea dependenţă:

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 5/9

Figura 4. Funcţia legătură „densitate de fum mare“

Funcţia de legătură este elementul cheie a unei mulţimi fuzzy. Mai departe,operaţiile cu mulţimile fuzzy sunt definite prin intermediul funcţiilor de legătură. Astfel,

funcţia de legătură ( ) xC 

≈µ a intersecţiei ≈≈≈

Β∩Α=C (operatorul logic fuzzy ŞI) este

definită de relaţia:( ) ( ) ( )

µµ=µ ≈≈≈

ΒΑ x x x

C 

,min ,  Χ∈ x . (2)

Funcţia de legătură ( ) xC 

≈µ a reuniunii ≈≈≈

Β∪Α=C (operatorul logic fuzzy SAU)

este definită de relaţia:

( ) ( ) ( )

µµ=µ ≈≈≈ ΒΑ x x x

C  ,max ,  Χ∈ x . (3)Funcţia de legătură ( ) x

C 

≈µ a complementului ≈≈

Α=C (operatorul logic fuzzy NU)

este definită de relaţia:( ) ( ) x x

C 

≈≈Α

µ−=µ 1 ,  Χ∈ x . (4)

Un sistem expert fuzzy, este un sistem expert care lucrează cu familii de funcţiide legătură fuzzy şi operaţii specifice, în locul logicii Booleene. Operaţiile într-unsistem expert fuzzy sunt de regulă de forma:

DACĂ  x  este mic ŞI y este mare ATUNCI z este mediu

unde  Χ∈ x şi Y  y∈ sunt variabile de intrare (valori cunoscute),  Z  z ∈ este variabilade ieşire (valoare ce trebuie determinată), mic este o funcţie de legătură (submulţimefuzzy) definit pe  X   , mare este o funcţie de legătură definită pe Y  şi mediu este ofuncţie de legătură definită pe  Z  . Premisa operaţiei descrie la ce valoare seefectuează operaţia, în timp ce concluzia asociază o funcţie de legătură variabilei deieşire. Setul de operaţii dintr-un sistem expert fuzzy este cunoscut şi sub denumireade operaţii-bază.

Procesul se derulează în patru paşi:

1.  În timpul conversiei vagi, funcţiile de legătură definite cu ajutorul variabilelor 

de intrare, sunt analizate cu valorile din momentul respectiv pentru a sedetermina gradul de adevăr pentru fiecare premisă în parte.

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 6/9

2. Interferenţa este calculul valorii reale pentru premisa fiecărei operaţii şiintroducerea acestei valori în concluzie. Aceasta implică ca o submulţimevagă să fie asociată fiecărei variabile de ieşire pentru fiecare operaţie. Lainterferenţă minimă, funcţia de legătură de ieşire este trunchiată la o  înălţime corespunzătoare cu nivelul de adevăr determinat din premise

(logica vagă ŞI).3. Procesul de structurare (alcătuire) combină toate submulţimile vagi ataşate

fiecărei variabile de ieşire pentru a forma o singură submulţime pentrufiecare variabilă de ieşire. La structurare maximă, submulţimea de ieşirerezultă luând maximele tuturor submulţimilor ataşate variabilei de ieşire prinoperaţia de interferenţă (logica vagă SAU).

4. Conversia inversă ca un ultim pas (opţional), este folosită când se doreşteconversia rezultatului vag obţinut în valori discrete. Se folosesc cuprecădere două metode cunoscute – metoda centrului de gravitate şimetoda maximului.

4. Sistemul expert al algoritmului de detecţie

Un sistem expert pentru detectoarele de incendiu cuprinde informaţii exactedespre o mulţime de parametri caracteristici incendiului, cum ar fi densitatea fumului şitemperatura. De exemplu, informaţiile exacte pentru un simplu detector de fum suntcuprinse în operaţia-bază:

DACĂ densitatea de fum este mare ATUNCI alarma este da

Operaţia bază exprimă în esenţă faptul că dacă este fum atunci este şi foc .Sistemul expert fuzzy folosit cu noul algoritm de detecţie se bazează pe patruvariabile de intrare şi o operaţie-bază ce cuprinde 5 operaţii şi o variabilă de ieşire.Variabilele de intrare sunt temperatura absolută T a, diferenţele de temperatură T d ,densitatea absolută a fumului S a şi fluctuaţia densităţii fumului S f . Operaţia-bază este:

DACĂ T a este mic ŞI T d  este mare ŞI S a este mic  ATUNCI alarma este nu(5a)

DACĂ T a este mic ŞI T d  este mare ŞI S f  este mic  ATUNCI alarma estenu(5b)

DACĂ T a este mare ATUNCI alarma este

da(5c)DACĂ T d  este mare ATUNCI alarma esteda(5d)

DACĂ S a este mare ŞI S f  este mare ATUNCI alarma este da(5e)

Două funcţii de legătură „mare“, „mic “ şi „da“, „nu“ sunt definite pentru fiecarevariabilă de intrare, iar pe variabilă de ieşire este definită funcţia „alarma“. Funcţia delegătură pentru operaţia (5d) este trapezoidală şi controlată de un parametru d T cereprezintă creşterea maximă de temperatură într-un interval de zece minute. Toatecelelalte funcţii de legătură nu au parametri.

Algoritmul de detecţie rezultat în urma implementării acestei operaţii-bază pe

un sistem expert fuzzy, poate fi folosit cu succes într-un sistem de detectare aincendiilor utilizând detectoare multi-senzor. Pentru un detector cu doi senzori ce

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 7/9

supraveghează optic densitatea de fum şi temperatura, utilizând algoritmul prezentat,s-au obţinut, în condiţii reale de testare următoarele rezultate:

1. Situaţia de incendiu – s-au efectuat 72 de teste la foc, câte 12 teste TF1 –TF6, în conformitate cu normele EN 54/9.

Figura 5 prezintă rezultatele obţinute eşantionând semnalul de ieşire al unuisenzor optic de fum funcţionând pe principiul difuziei luminii (a) şi al unui senzor detemperatură (b) la frecvenţa de 1 Hz, pe o lungime de observaţie de  N = 600eşantioane. Ieşirea sistemului expert fuzzy care reprezintă decizia luată, estereprezentată de graficul (c). Maximul şi minimul sunt determinate folosind metodacentrului de gravitate a funcţiilor de legătură „da“ şi „nu“. Aceste funcţii de legăturăsunt definite de mulţimea  X  = {0, 1, 2, ...., 31}.

Figura 5.a. Semnalul de ieşire eşantionat pentru un senzor optic de fum(incendiu)

Figura 5.b. Semnalul de ieşire eşantionat pentru un senzor de temperatură(incendiu)

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 8/9

Figura 5.c. Semnalul de ieşire eşantionat al sistemului expert fuzzy (incendiu);alarma este declanşată când sunt întrunite condiţiile de incendiu

2. Situaţia de non-incendiu

Figura 6 prezintă rezultatele obţinute eşantionând semnalul de ieşire al unuisenzor optic de fum funcţionând pe principiul difuziei luminii (a) şi al unui senzor detemperatură (b) la frecvenţa de 1 Hz, pe o lungime de observaţie de  N = 3000eşantioane. Ieşirea sistemului expert fuzzy care reprezintă decizia luată, estereprezentată de graficul (c). Pe toată durata de observaţie, rezultatul a fost egal cucentrul de gravitate al funcţiei de legătură „nu“.

Figura 6.a. Semnalul de ieşire eşantionat pentru un senzor optic de fum(non-incendiu)

Figura 6.b. Semnalul de ieşire eşantionat pentru un senzor de temperatură(non-incendiu)

Figura 6.c. Semnalul de ieşire eşantionat al sistemului expert fuzzy(non-incendiu); alarma nu este declanşată.

5/13/2018 Algoritmi de detectie - slidepdf.com

http://slidepdf.com/reader/full/algoritmi-de-detectie 9/9

5. Concluzii

Detectarea incendiilor utilizând mai multe tipuri de detectoare cu prelucrareainteligentă a semnalelor, constituie un pas foarte important în domeniul detecţieiautomate a incendiilor.

Utilizarea mai multor senzori, fiecare sensibil la diferiţi parametri ai incendiului,oferă mai multe informaţii din mediul respectiv şi permite (dar nu implică) o diferenţieremai exactă între situaţiile generatoare de alarme false şi cele adevărate. Acest lucruse traduce printr-un număr mai scăzut de alarme false, deci printr-o acurateţe maibună a detecţiei.

Prin modelarea statistică a semnalelor înregistrate, se pot studia performanţeleunui detector, utilizând simularea pe calculator şi interpretând parametrii cantitativirezultaţi. Folosirea algoritmilor de detecţie bazaţi pe logica vagă (fuzzy), reprezintă osoluţie modernă, cu rezultate excepţionale în tehnica detecţiei automate a incendiilor,ce este utilizată de foarte multe firme consacrate în domeniu.

Bibliografie

1. CEN Comitetul European de Satndardizare – EN 54/9 – componente alesistemelor automate de detectare a incendiilor, 1984;

2. Fischer A – Studiul algoritmilor de detecţie a incendiilor, EUSAS Newsletter,1994;3. International Fire and Security News, 1997 – 1998.4. Resurse Internet