基于Zigbee技术的复合火灾探测器设计

王 蕊 韩成浩 高 磊 王龙旭

(吉林建筑大学 电气与计算机学院,长春 130118)

0 引言

感温探测器和感烟探测器是最常用的探测器,但都存在缺点.感烟探测器对于产生黑烟或者无烟的环境反应时间长,感温探测器对于阴燃阶段不敏感[1].为了解决这些问题,国内外专家采用探测器复合的方式进行检测,文献[2]设计的复合探测器实现对烟雾探测的同时，对使周围环境温度有明显上升的明火火灾进行探测.但该复合探测器采用有线通信形式,存在施工费用高、工期长、线路维修困难等问题.本文采用Zigbee无线通讯形式传递信号,克服了有线传输的缺点.

1 复合探测器设计方案

复合探测器设计方案如图1所示.控制器采用CC2530无线模块,其内核为51系列,该芯片耗电量低,采用电池供电.复合探测器由DS18B20芯片构成电路采集温度信号，由烟雾采集电路检测烟雾浓度[3].两种信号经过CC2530程序设计并结合模糊神经网络计算达到报警规则后,启动报警器.为了保证CC2530芯片正常工作,外围电路还包括外部时钟源、JTAG接口、32MHZ系统时钟、供电电源和稳压电路.

1.1 烟槽结构设计

烟槽的结构设计会影响烟雾浓度的判断,合理设计烟槽角度和外形结构直接导致火灾报警的灵敏度和可靠性.对于烟槽具体结构设计如图2所示,由接收二极管、发射二极管、迷宫、遮光板组成.在没有烟雾粒子的情况下,接收二极管接收不到光信号.火灾发生时,烟雾粒子扩散到烟槽迷宫中,通过烟雾粒子的散射作用将光信号作用到接收二极管上.实验证明,当θ= 45°时,探测器对于火灾信号的探测效果最好.

图1 复合探测器设计方案Fig.1 Composite detector structure diagram

图2 感烟探测部分的烟槽Fig.2 Smoke tank for smoke detection section

1.2 感烟探测部分

烟雾采集电路和LM324具体工作过程如图3所示.CC2530为发射二极管提供38KHZ晶振.该晶振可以提高红外线的抗干扰能力,避免大气中的红外线干扰,保证探测器稳定工作.发射二极管在发射电路的作用下将光信号传递给接收二极管,微弱的光信号利用光电转换电路转换成电流信号,LM324构成的放大电路将电流信号转为电压信号并放大,最终CC2530芯片处理信号,进行火灾报警.

图3 光电检测部分Fig.3 Photoelectric detection part

1.3 感温探测部分

由于DS18B20芯片具有稳定性高、体积小、费用低、抗干扰能力强等优点，且测量的温度范围在-55℃～+125℃之间.当测量温度在-10℃～+85℃时，精度为±5℃,符合环境设计要求.对于感温探测部分,直接采用DS18B20温度传感器读取被测温度.

2 火灾信号的判断

2.1 复合探测计算方法

探测器采集的火灾信号极不稳定,随着环境条件的不同而发生变化,同时大量的非火灾信号会给火灾信号的辨识带来很大的困难.为了减少误报率,程序设计者在探测器投入使用前会把固定门限设的很高,减少火灾探测器频繁报警.但这种火灾探测器的灵敏度不高,为了提高火灾探测器的灵敏度采用如图4所示方法,将温度值和烟雾值相互补偿,制定一种新的火灾信号的计算方法.图中纵坐标代表烟雾变化率ΔS,横坐标代表温度变化率ΔT,当温度和烟雾的变化参数处于图中阴影部分时进行火灾报警.

从图中可以看出，ΔS,ΔT的变化范围远小于传统的感烟探测器和感温探测器设定的阀值,这说明复合探测器的设计可以提高火灾探测的灵敏度,并且通过改变报警的上限值和下限值，可以调整探测器的报警灵敏度和误报率.

2.2 基于模糊神经网络的火灾信号判断

本文设计的复合探测器主要通过模糊系统和神经网络将温度信息和烟雾信息融合,这两者也是智能控制理论中的重要组成部分[4].另外，神经网络可以将火灾探测信号及时、准确、可靠地做出判断和处理.

图4 复合计算示意图Fig.4 Composite calculation schematic

图5 模糊神经网络算法图Fig.5 Fuzzy neural network algorithm diagram

如图5所示,探测器检测到的温度值(T)、温度变化率(TV)以及烟浓度(S)量纲不同,数值差异也很大,为了方便处理,将各种输入量预处理,幅值归一化.将这三个归一化值送入模糊系统,用三角函数进行变换[5],得到三个隶属度函数值和神经网络的反馈信号(P)做为神经网络的输入.神经网络输出的火灾概率(Y)和火灾信号持续时间(t)作为模糊神经判断的输入量,经过模糊逻辑判断,给出火情发生的概率(A).

在复合探测器中定义三个输入变量:温度值、温度变化率、烟浓度,分别用字母T,TV,S表示.每个输入量定义三种变量术语:正常、热、非常热;正常、慢、快;正常、高、非常高.还需把发生火灾的可能性定义为:小、大、非常大[6].通过神经网络的计算公式可以得出概率分布情况见表1.

表1 模糊IF-THEN规则Table 1 Fuzzy if-then rule

由表1中可以做出以下模糊结果的处理:

(1) 在经过模糊神经判断后如果发现火灾发生的概率非常小时,则输出量为无火警.

(2) 当判断火灾发生的概率为非常大时,则输出火灾报警.

(3) 如果判定结果为火灾发生的概率为大时,则输出警告信息,工作人员必须检查是否有火灾发生.

3 复合探测器软件设计

复合探测器的软件设计流程图如图6所示.为实现该复合探测器的功能,系统采用IAR Embedded Workbench软件实现[7].探测器在检测火灾信号时,首先进行硬件和软件初始化;利用中断程序设置休眠时间使探测器省电.休眠结束后进行信号采样,将检测到的信号进行预处理操作,经过模糊神经系统对预处理信号进行模糊神经判断,当检测到现场烟雾浓度或温度指标通过模糊神经网络算法属于火警信号后,启动报警器,实现复合探测器的全部功能.

图6 系统软件流程图Fig.6 System software flow chart

4 结语

本文设计的复合探测器对环境中的温度值和烟雾浓度值的双重检测,采用神经网络的计算方法,模仿人脑对火灾信号进行智能、准确判断,提高探测器的灵敏度.同时结合Zigbee技术，实现对火灾探测器的无线控制,减少火灾发生后容易造成的线路损坏、施工困难以及成本高等缺点.

参 考 文 献

[1] 王芳,张敏,赵贵昉.复合式智能火灾探测器设计[J].航空精密制造技术,2003,39(6):41-43.

[2] 邵君玲.感烟感温探测器设计[D].秦皇岛:燕山大学,2014.

[3] 魏雅.基于单片机的多功能火灾报警器的设计与研究[J].无线互联科技,2017(6):60-61.

[4] 李北海.中庭式大空间建筑火灾探测与排烟智能控制系统研究[D].重庆:重庆大学,2002.

[5] 姜岩蕾.多传感器信息融合火灾探测器及算法研究[D].焦作:河南理工大学,2005.

[6] 徐凤荣.基于模糊神经网络的智能火灾探测报警系统的研究[D].秦皇岛:燕山大学,2006.

[7] 刘静.基于ZigBee技术的无线火灾报警信息传输系统的设计[D].长沙:中南大学,2007.