應(yīng)一鎮(zhèn)

摘 要：工業(yè)建筑的火災(zāi)防護(hù)是通過(guò)傳感器系統(tǒng)來(lái)完成，但是隨著火災(zāi)防護(hù)等級(jí)的提升，傳統(tǒng)的有線網(wǎng)絡(luò)故障診斷模式已經(jīng)無(wú)法滿足工業(yè)防護(hù)需求。因此，文章研究在粗糙集結(jié)合神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上，構(gòu)建神經(jīng)網(wǎng)絡(luò)系統(tǒng)，經(jīng)過(guò)綜合診斷，發(fā)現(xiàn)優(yōu)于新系統(tǒng)的優(yōu)化作用，其迭代次數(shù)明顯低于舊神經(jīng)網(wǎng)絡(luò)系統(tǒng)，而在準(zhǔn)確率方面，卻呈現(xiàn)明顯的提升趨勢(shì)。可見，建立新的無(wú)限火災(zāi)傳感網(wǎng)絡(luò)故障診斷系統(tǒng)具有重要的應(yīng)用價(jià)值。

關(guān)鍵詞：工業(yè)建筑；無(wú)線火災(zāi)傳感網(wǎng)絡(luò)；故障診斷

工業(yè)是推動(dòng)社會(huì)發(fā)展的重要產(chǎn)業(yè)，由于工業(yè)建筑具有復(fù)雜性的特點(diǎn)，導(dǎo)致其一旦出現(xiàn)火災(zāi)，降火具有發(fā)展快以及多樣性的特點(diǎn)，嚴(yán)重時(shí)甚至出現(xiàn)爆炸，因而工業(yè)火災(zāi)容易造成巨大的損失[1]。傳統(tǒng)的有線報(bào)警技術(shù)需要較多的線路，且維修和安裝較為困難[2]。隨著我國(guó)《建筑設(shè)計(jì)防火規(guī)范》的頒布，其對(duì)工業(yè)建筑的防火提出了更高的需求[3]。無(wú)線傳感網(wǎng)絡(luò)（Wireless Sensor Networks，WSN）技術(shù)是通過(guò)探測(cè)技術(shù)和無(wú)線技術(shù)相結(jié)合的產(chǎn)物，通過(guò)節(jié)點(diǎn)故障診斷，可以提升故障的診斷效率。本文主要結(jié)合粗糙理論以及神經(jīng)網(wǎng)絡(luò)，采用無(wú)線傳感網(wǎng)絡(luò)來(lái)預(yù)測(cè)故障，以此來(lái)提升故障診斷的準(zhǔn)確率以及處理效率。

1 粗糙集在工業(yè)建筑故障中的約簡(jiǎn)作用

工業(yè)建筑中構(gòu)建無(wú)線傳感網(wǎng)絡(luò)，需要通過(guò)電池來(lái)進(jìn)行供電，因而節(jié)點(diǎn)的處理能力相對(duì)有限，但是其節(jié)點(diǎn)數(shù)量相對(duì)較多，因而在網(wǎng)絡(luò)構(gòu)建的環(huán)境下，必然會(huì)出現(xiàn)冗余的信息，部分?jǐn)?shù)據(jù)在診斷中未出現(xiàn)故障，但是在數(shù)據(jù)增加的情況下，會(huì)增加故障的診斷時(shí)間，并且會(huì)消耗較多的能量，影響診斷效率以及質(zhì)量[4]。在此情況下，采用粗糙集對(duì)數(shù)據(jù)進(jìn)行處理，可以去除冗余信息，保留有用的信息，以此來(lái)提升故障的處理效率。

在無(wú)線傳感網(wǎng)絡(luò)的診斷中，設(shè)定BI=（X，A）是系統(tǒng)，設(shè)定Onxn=（Cij）nxn是差別函數(shù)，給定知識(shí)庫(kù)K=（U，S）和關(guān)系簇，如果IND（G）=IND（T），且G獨(dú)立存在，可以確定G是T的約簡(jiǎn)，如果IND（T-{G}）≠IND（T），則G是T必要因素，T的構(gòu)成因素可以標(biāo)記為COPE（T），稱之為T的核。通過(guò)對(duì)算法的改進(jìn)，可以實(shí)現(xiàn)如下功能：

計(jì)算差別矩陣Onxn（BI）。

根據(jù)差別矩陣，對(duì)BI的核進(jìn)行計(jì)算，設(shè)定B=CORE（T）。

a（xi，xj），其中i和j=（1，2，...，n），并且a與B的交集不是空集，則可以確定a（xi，xj）=0。

統(tǒng)計(jì)差別矩陣，確定出現(xiàn)次數(shù)最多的屬性納入到B中，確定B和a的并集包含B，則重新計(jì)算第三步驟。

獲取約簡(jiǎn)B，結(jié)束算法。

通過(guò)對(duì)改進(jìn)算法的分析，可以獲取屬性約簡(jiǎn)的算法，并且可以對(duì)故障信息進(jìn)行約簡(jiǎn)，去除冗余信息，提升故障的處理效率。

2 基于粗糙神經(jīng)網(wǎng)絡(luò)的無(wú)線傳感網(wǎng)絡(luò)故障診斷

對(duì)于粗糙神經(jīng)網(wǎng)絡(luò)無(wú)線傳感網(wǎng)絡(luò)的故障診斷，包括工業(yè)建筑故障診斷網(wǎng)絡(luò)以及人工神經(jīng)網(wǎng)絡(luò)與粗糙集的結(jié)合[5]。對(duì)于診斷網(wǎng)絡(luò)的確定，需要建立故障診斷樣本，對(duì)其進(jìn)行粗糙集處理，之后將相關(guān)信息傳輸?shù)紹P神經(jīng)網(wǎng)絡(luò)，通過(guò)RS-BP的方式來(lái)確定故障的類型[6]。對(duì)于人工神經(jīng)網(wǎng)絡(luò)與粗糙集的結(jié)合，工業(yè)建筑由于具有差異性，因而具有模糊性和不完整的特征，人工神經(jīng)網(wǎng)絡(luò)具有較高的容錯(cuò)以及組織能力，但是對(duì)于冗余信息的處理能力不足，粗糙集可以進(jìn)行簡(jiǎn)約處理，但是不具有干擾能力，因此，將兩種方式結(jié)合起來(lái)，通過(guò)粗糙集對(duì)數(shù)據(jù)信息進(jìn)行預(yù)處理，分辨出系統(tǒng)的冗余信息，之后通過(guò)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行分析，可以較好地確定故障類型，從而為故障的診斷提供科學(xué)的依據(jù)。

3 工業(yè)建筑無(wú)線傳感網(wǎng)絡(luò)故障診斷實(shí)驗(yàn)

3.1 系統(tǒng)設(shè)計(jì)

某工業(yè)建筑采用無(wú)線傳感網(wǎng)絡(luò)構(gòu)建火災(zāi)預(yù)警診斷體系，在該建筑中，共具有N個(gè)地區(qū)，均采用無(wú)線溫度和濕度探測(cè)器，其主要結(jié)構(gòu)為SHT11溫濕傳感器以及中央處理器（MC13213）。對(duì)于兩者之間的通信，主要是采用CC1000無(wú)線通信芯片（Chipcon公司生產(chǎn)）來(lái)實(shí)現(xiàn)，其主要包括中央處理器、火災(zāi)傳感器、無(wú)線通信芯片以及能量模塊4個(gè)組成部分，其通過(guò)傳感器的節(jié)點(diǎn)位置分析來(lái)確定工業(yè)建筑中的故障。

對(duì)于系統(tǒng)拓?fù)浣Y(jié)構(gòu)的設(shè)計(jì)，采用樹形結(jié)構(gòu)，通過(guò)ZigBee協(xié)議來(lái)構(gòu)建數(shù)據(jù)網(wǎng)絡(luò)，將采集的信息發(fā)送到服務(wù)器，實(shí)現(xiàn)對(duì)建筑的整體監(jiān)控，通過(guò)感知節(jié)點(diǎn)，可以實(shí)現(xiàn)對(duì)故障的收集，并且在匯聚節(jié)點(diǎn)程序的設(shè)計(jì)下，可以實(shí)現(xiàn)對(duì)故障類型的診斷，從而便于對(duì)工業(yè)建筑火災(zāi)的監(jiān)控和預(yù)防。

3.2 故障分類

在對(duì)故障分類處理中，通過(guò)預(yù)警系統(tǒng)以及故障診斷系統(tǒng)，采用無(wú)線發(fā)送模塊將數(shù)據(jù)發(fā)送到服務(wù)器，通過(guò)仿真實(shí)驗(yàn)，可以將故障類型進(jìn)行分類，其主要包括以下5種故障類型：（1）未發(fā)生故障；（2）能量不足；（3）CC1000故障；（4）SHT11故障；（5）MC13213故障。在故障分析中，結(jié)合粗糙集，可以建立傳感器故障診斷系統(tǒng)，在系統(tǒng)中，K=（T，C），在數(shù)據(jù)集中，C=W∪V，2個(gè)子集的條件屬性為W，而其結(jié)果屬性為V，T是系統(tǒng)的論域，將故障節(jié)點(diǎn)信息作為征兆，將其屬性值設(shè)定為0和1，其中0表示未發(fā)生故障，1表示出現(xiàn)故障，經(jīng)過(guò)對(duì)屬性的分析，可以確定故障的類型。其節(jié)點(diǎn)故障類型情況如表1所示。

在表1中，W1—W9分別表示：周期循環(huán)數(shù)據(jù)、節(jié)點(diǎn)接收數(shù)據(jù)、節(jié)點(diǎn)發(fā)送命令、節(jié)點(diǎn)具有通信功能、參數(shù)是否超過(guò)閾值、節(jié)點(diǎn)對(duì)發(fā)射頻率是否響應(yīng)、節(jié)點(diǎn)是否存在誤碼、溫度是否正常以及濕度是否正常。從表1中可以看出，幾種故障類型之間存在重疊的現(xiàn)象。

在確定故障類型后，對(duì)故障決策情況進(jìn)行分析，為了保證結(jié)果的簡(jiǎn)潔性，通過(guò)約簡(jiǎn)規(guī)則，去除冗余屬性，確定最為簡(jiǎn)單的集合{W2，W4，W5，W6}，結(jié)果如表2所示。

通過(guò)表2的分析，可以將向量位數(shù)縮小到4維，通過(guò)人工神經(jīng)網(wǎng)絡(luò)建立仿真系統(tǒng)，在舊版本的神經(jīng)網(wǎng)絡(luò)中，向量維數(shù)為4，神經(jīng)元為9，輸出個(gè)數(shù)為3，向量范圍[0，1]，通過(guò)S對(duì)數(shù)函數(shù)，可以確定其迭代次數(shù)為1 000。而新版本的神經(jīng)網(wǎng)絡(luò)中，通過(guò)相同的參數(shù)設(shè)置，并且在Matlab7.12的基礎(chǔ)上，可以對(duì)兩者的參數(shù)進(jìn)行對(duì)比。發(fā)現(xiàn)舊版本的神經(jīng)網(wǎng)絡(luò)迭代次數(shù)為98，準(zhǔn)確率為91.2%，RS-old神經(jīng)網(wǎng)絡(luò)迭代次數(shù)為54，準(zhǔn)確率為95.2%。新版本神經(jīng)網(wǎng)絡(luò)迭代次數(shù)為73，準(zhǔn)確率為93.4%，RS-newBP的迭代次數(shù)為37，準(zhǔn)確率為98.4%?？梢?，新系統(tǒng)的迭代次數(shù)低于以往系統(tǒng)，但是準(zhǔn)確率較高。