基于3G无线网络和信息融合的火灾检测系统

基于3G无线网络和信息融合的火灾检测系统
朱芙菁
【摘要】采用温度传感器、烟雾传感器和CO气体传感器三种检测设备采集火灾监控场所的现场数据,并采用当前最先进的3G无线通信网络,保证信息传递突破地域限制,实现远距离传输.同时对火灾监测系统的火灾判断算法进行了设计,利用模糊神经网络算法融合多种传感器监测数据来判断火灾状态.通过仿真实验表明,该火灾检测系统能够有效提高火灾报警的准确性.%Three testing equipments of temperature sensor,smoke sensor and CO gas sensor are used to collect the field data of the fire monitoring area,and the most advanced 3G wireless communication network is applied to ensuring that the informa-tion transmission can break through the geographical restrictions,and realizing the long distance transmission. The fire determi-nation algorithm of the fire monitoring system was designed,in which the monitoring data of the multi-sensor is fused with the fuzzy neural network algorithm to determine the fire conditions. The simulation experiment results show that the fire detection sys-tem can improve the fire alarm accuracy effectively.【期刊名称】《现代电子技术》
【年(卷),期】2016(039)001
【总页数】4页(P31-34)
【关键词】火灾监测;3G通信网络;模糊神经网络;融合算法
【作者】朱芙菁
【作者单位】无锡科技职业学院电子工程学院,江苏无锡 214028
【正文语种】中文
【中图分类】TN711-34
国家对火灾防护工作高度重视，研究并设计稳定性高、误报率低、可靠性高的火灾监控系统对于火灾防护工作具有重要意义。

现有的火灾监控系统大多采用单一的传感器采集监控场所信息，主要采用温度传感器和烟雾传感器采集现场信息用以判断火灾发生与否。

这种采用单一传感器作为火灾监测手段具有较高的误报率，为后续的火灾救援带来许多麻烦[1]。

因此，采用单一传感器的火灾监控系统已经无法满足现有的火灾防护要求，本文研究并设计采用多传感器完成对火灾监控场所数据采集，使用当前较为先进的3G无线网络完成现场采集数据的远程传输，监控中心计算机综合现场各传感器采集的参数对火灾进行更准确的判断。

1.1 火灾监测系统总体结构
根据现场数据采集和数据传输要求，本文研究并设计的基于3G无线网络和信息融合的火灾检测系统总体结构，如图1所示。

本系统采用烟雾传感器、CO传感器、温度传感器完成监控场所原始数据的收集，并经采集数据进行预处理，实现采集数据在一定范围内进行归一化处理。

经过预处理的监控数据通过3G无线网络传送至监控中心计算机。

监控中心计算机对火灾监测建模，并对样本数据进行算法建模，生成规则库；然后对采集的数据进行预处理之后，依据规则库中的规则进行火灾监测，并输出监测结果[2]。

1.2 硬件结构
基于3G无线网络和信息融合的火灾检测系统硬件结构如图2所示，主要包括3G 无线传感网络和智能网关两个部分。

该火灾监控系统监测终端采用烟雾、CO、
温度传感器采集现场数据，三种监测传感器组成一个监测终端，监测终端通过3G
无线网络与Internet交互，实现监控数据的无线传输[3]。

实现3G无线通信的硬件基础是3G通信模块，本系统使用的3G通信模块总体设计图如图3所示，控制器采用了“核心板+接口板”的设计方法，外观上可使用机笼式结构，具备很好的扩展性。

3G通信接口支持两种通信连接，异步串行的接插件方式和USB接口总线方式。

安防探测器与相关测量仪表之间可以通过RS 485或以I/O插件的方式进行硬件连接，内部可采用仪表本身支持的相关协议。

2.1 3G通信接口模块电路设计
2.1.1 SIM5218通信模块简介
控制器网关设备采用“核心板+接口板”的方式，之间通过USB线相连，使用USB通用的串行总线方式通信。

其中，3G通信接口板选用SIMCom公司设计的SIM5218模块，它支持与对微控制器的全速USB 2.0和UART通信，可以完全满足三频/四频网络的无线通信和数据传输速度的要求。

SIM5218器件是完全集成3G的通信模块，在SIM5218模块上进行开发，大大减小了硬件设计的难度，用户只要使用AT指令即可方便地对其进行控制，无需编写复杂的驱动程序。

另外，其内置的USB驱动器支持Windows 2000/XP/Vista，可通过USB更新固件。

2.1.2 SIM5218模块的接口电路设计
SIM5218模块的接口电路如图4所示。

SIM5218模块接口电路原理图中将SIM5218芯片的基本功能引脚引出，包括UART_TXD发送引脚，UART_RXD接收引脚，USB_D+和USB_D⁃引脚，SIM卡的通信引脚CARD_CLK，CARD_V，CARD_RST，CARD_ DATA以及音频输入/输出引脚等。

2.1.3 复位监控电路设计
复位监控电路采用CATALYST公司的CAT1023器件，复位监控电路如图5所示。

该器件集合了E2PROM和看门狗输入引脚PIN7，可以有效监测电源以及内部固
件程序的运行状态，当内部固件程序跑飞时产生可设定宽度的复位信号，令设备及时复位运行，从而有效监控SIM5218接口板。

2.1.4 电源设计
电源电压为3.0～4.8 V采用双电源设计，包括电池供电和电网供电两部分，正常
情况下由电网电源供电，在断电情况下由电池供电，如图6所示。

2.2 3G通信程序设计
本平台使用厦门才茂工业级TD⁃SCDMA+ZigBee网格终端TD⁃SCDMAZTU
CM2591，它可以通过RS 232，RS 485，TTL，RS 422串行接口进行通信连接，本装置选
用RS 485串行接口。

因此，3G模块能轻松地通过此接口与单片机连接，并实现
接收、发送和管理等功能。

图7为通信发送流程图，图8为通信接收流程图。

为了提高火灾监测的准确性和可靠性，降低误报率，采用了多传感器信息融合技术和模糊控制系统与神经网络结合技术，建立了火灾监测的数据融合系统[4]。

在火灾检测中很多参数都能反映火灾形成的过程，比如温度、CO含量、烟雾浓度、H2含量等，通过分析可知这些参数值或它们的变化率与火灾形成过程各个阶段都有一定的映射关系。

通常情况下，空气中的CO含量极低，对人体不会有任何损害，但是当火焰燃烧时空气中的CO含量会急剧增加；而当火灾发生时，随着燃烧温度升高，烟雾浓度也会随之升高，根据燃烧物的不同，烟雾的浓度会有一定程度的不同，因此本系统主要选用环境温度、烟雾浓度和CO含量三个参数的变化对火灾进行监测。

本文的火灾监测系统结构分为三层，即信息层、融合处理层和决策层。

信息层的主要任务是采集各个传感器的数据；
融合处理层的主要任务是对各个传感器数据进行融合并分析，将参数进行分类处理后识别为明火、阴燃火和无火灾三种结果，同时还要给出各种结果的概率；
决策层的主要任务是结合融合处理层输出的各类特征信息，选用合适的融合技术进行最终的判断并输出结果。

火灾监测算法系统结构如图9所示。

本系统中决策层的主要任务是根据模糊神经网络融合算法对上一层的输出结果做出最终判断。

本算法设定神经网络输入层的输出明火概率为Q1，阴燃火概率为Q2，无火概率为Q3，模糊推理系统输出的火灾概率为G，两个子系统的输出会有一定的矛盾性。

从神经网络系统输出的特征来看，当明火概率大于0.6时，可以肯定火灾已经发生；但是当神经网络系统输出为无火概率大于0.6并且模糊逻辑系统的输出火灾概率P > 0.3时，就很难判断出是否发生了火灾。

鉴于这种现象的存在，以神经网络和模糊系统的输出为基础的决策层，对输出的结果进行融合处理，根据模糊神经网络推理系统最终进行判断火灾的发生。

本文使用Matlab 7的模糊神经网络工具箱对设计的模糊神经网络融合算法的火灾监控系统进行仿真，仿真结果表明，模糊神经网络融合算法的火灾判定结果准确性更高。

图10为模糊神经网络训练后的收敛结果，从图中可以看出训练后达到收敛，收敛速度较快，精度达到了0.000 000 7。

综上结果可知，模糊神经网络不仅收敛速度比神经网络快，其精度相比神经网络也更高。

说明模糊神经网络的性能好、准确性高。

本文采用多传感器完成监测场所数据采集，并以3G无线网络实现监测数据的传输，保证了现场信息采集的完整性和数据传输的准确性。

通过采用模糊推理系统和神经网络融合的方式对火灾进行分析判断，对该判断方法进行仿真，结果表明模糊神经网络信息融合的火灾检测系统能够有效提高火灾报警的准确性。

【相关文献】
[1]李强.基于ARM的综合火灾探测报警系统的研究[D].广州：暨南大学，2010.
[2]杨宗凯，王殊，何建华.一种基于前馈神经网络的火灾探测方法[J].华中理工大学学报，2010，25（2）：5⁃8.
[3]梁礼明，万孟森.基于多传感器数据融合技术在集员辨识方面的应用[J].传感器与微系统，2010，39（1）：60⁃61．
[4]何建华，杨宗凯，王殊.基于模糊逻辑和神经网络的智能火灾探测[J].华中理工大学学报，2012，25（2）：9⁃12.
[5] CHUNYUE B I. Research and application of SQLite embedded database technology [J]. WSEAS Transactions on Computers，2009，8（1）：83⁃92.
[6]王丽萍，方厚辉，李亨.基于多传感器融合技术的高大空间火灾探测[J].科学技术与工程，2006，6（1）：35⁃38.
[7] MA Shuguang. Construction of wireless fire alarm system based on ZigBee technology [J]. Procedia Engineering，2011，11：308⁃313.
[8]刘卫华.火灾探测报警系统现状分析[J].消防技术与产品信息，2000（10）：20⁃21.。