李楠,苏航,张安莉,徐艳
(1.西安交通大学城市学院电气与信息工程系,陕西西安 710018;2.机器人与智能制造陕西省高校工程研究中心,陕西 西安 710018)
火灾是严重危害人民生命财产安全的重大灾害之一,如何在火灾的前期快速识别与消灭火灾成为目前急需解决的问题[1-5]。现阶段对于消防监控系统的研究大多集中在通信方式的创新应用[6-11]、算法的优化[12-15]以及新兴技术的融合应用[16-18],针对数据实时监控方面的研究以及监控数据分析还存在着一定程度的弱化或不足。
该文提出一种基于NB-IoT 和OneNET 云平台的智慧消防监控系统。采用STM32 单片机为主控芯片,外接多传感器采集实时数据并打包上传云平台,完成数据分析及火灾报警,通过移动端APP 实时监控火警情况,实现实时数据显示、火警报警、历史数据存储与查看等功能。
系统总体框架如图1 所示,其分为下位机和上位机两部分。下位机部分:DHT11温湿度传感器采集环境湿度和温度数据,MQ-2 烟雾传感器采集气体数据,ALIM8812 火焰传感器采集火焰数据。主控芯片STM32完成对数据的A/D 转换,并控制通信模块将数据上传至上位机。上位机部分由云平台和移动端APP两部分组成,云平台是上位机的中枢模块,由云平台实现数据接收、数据处理、实时监控、指令下发和报警。并将数据同步于移动端APP。用户可登录APP查看,随时掌握消防状况、接收火警并且一键处置。
图1 系统结构框图
主控芯片采用基于ARM Cortex-M3的STM32F103单片机,其是一个32 位微处理器,工作频率可达48 MHz,存储器可外部扩展,支持SWD 和JTAG 借口的调试模式。通信方式上,提供GPIO、UART、I2C 等通信接口,可与多个外设之间通信,并支持ADC 等外设,可读取传感器传入数据。
DHT11 数字温湿度传感器是由感湿电阻、热敏电阻和一个8 位单片机构成的温湿度传感器。平均工作电流不超过0.5 mA。工作电压为3~5.5 V,采用4 针引脚的封装,连接单片机的I/O 口。温度测量范围为-40~80 ℃,分辨率为0.1 ℃,误差为±0.5 ℃。湿度测量范围为0~100%RH,分辨率为0.1%RH,误差为±2%RH。
ALIM8812 烟雾传感器可检测火焰或波长在760~1 100 nm 范围内的光源,测试距离伴随着火焰增大而增大,探测角度为60°左右,并且对火焰光谱特别敏感。采用比较器输出,具有干净信号和良好的波形,以及驱动能力强、价格低廉等优点。
MQ-2 烟雾传感器主要由二氧化锡半导体气敏材料构成。当该传感器与烟雾接触时,其表面导电率会伴随着烟雾的浓度变化而变化,烟雾的浓度越大,导电率越高,输出的电阻越低,输出的模拟电压也就越高,从而得到烟雾的浓度信息。MQ-2 烟雾传感器对天然气、液化石油气等烟雾敏感,能有效排除非可燃性烟雾的干扰信息。检测烟雾及可燃性气体范围为10-4~10-2。
采用移远BC260Y-CN 芯片作为NB-IoT 无线通信模块,其是一款高性能、低功耗且多频段的LTE Cat NB2 无线通信模块。采用LCC 封装,外观尺寸17.7 mm×15.8 mm×2.0 mm。和传统的WiFi、Zigbee无线通信方式相比,基于NB-IoT 的移远BC260YCN 具有广覆盖、多连接、低功耗的特点。BC260YCN 与STM32 主控芯片之间通过UART2 接口连接,实现数据传输,主控芯片通过AT 指令实现对BC260Y-CN的控制。BC260Y-CN通过MQTT协议接入到OneNET 云平台。
火灾的发生伴随大量有毒气体和烟雾排放、火焰的产生,且环境温度和湿度都会发生明显变化,本系统结合多传感器采集消防环境数据,消防监控流程如图2 所示。
图2 主程序流程图
步骤1:系统初始化,包括初始化串口、初始化GPIO、初始化NB-IoT 模块等。
步骤2:设定各项参数范围。火焰阈值设置为760 nm,烟雾浓度阈值为6×10-5。温度阈值设定为50 ℃,湿度阈值设定为40%RH。
步骤3:下位机上传各项数据,写入云端。
步骤4:判断火焰传感器数据是否超过报警阈值。
步骤5:若火焰数值超阈值,再判断烟雾浓度是否也超过阈值
步骤6:如果以上两项数值都超过阈值,再判断是否出现温度瞬时上升和湿度瞬时波动的情况,或温度高于所设置的阈值50 ℃。
步骤7:以上三重判断都通过,判定为火灾警情,提示报警并控制继电器灭火。
步骤8:数据存储到历史记录模块。
步骤9:进入下一次循环。
采用中国移动提供的OneNET 云平台来实现云平台设计。整体设计流程图如图3 所示,包括云平台账号的注册、产品的创建、设备的添加、可视化监控界面的设计等步骤。
图3 OneNET云平台设计流程图
2.2.1 设备的添加及数据管理
首先在官网注册用户账号,成功注册之后,在用户账号下创建产品,在产品中就可添加设备了。以该系统为例,添加一台名为“test”的硬件设备,IP 地址分配为183.230.40.39,端口号为6002。将产品ID及设备信息作为登录参数上传至云平台,连接成功后,设备状态显示为在线。
设备数据的管理是通过数据流来实现的,在云端平台搭建数据流模板,下位机通过AT 指令将数据上传到云平台后,数据以数据点的形式存储在数据流中,在设备列表中点击数据流,进入后即可查看各项实时数据和历史数据信息。
2.2.2 预警触发器的设计
设备添加完后,为各设备上传的数据添加触发器功能。分别设置火焰、温湿度、烟雾浓度对应的触发器名称、ID、触发条件、关联设备数等信息。当数值达到触发条件时,云平台会自动发送报警信息。以烟雾浓度触发器为例,当烟雾浓度大于6×10-5时,触发报警信息,接收方式选择为短信接收,信息内容包含触发器信息、触发数据,触发时间等,根据触发器ID 可以快速定位发生火情的位置,根据触发时间可以确定火情发生的准确时间。
2.2.3 可视化界面设计
经过上述的账户注册、设备添加、数据管理及触发器设置后,进入数据可视化操控平台,该系统选取的组件包括设备管理组件、传感器数据组件、数据报警组件、天气预报组件。传感器数据组件采用仪表盘+折线图的设计方案,仪表盘显示实时数据,折线图展示最近一段时间内的数据。移动端同样可以登录OneNET 账号,从而实现手机的远程监控和操作。
该系统研发了一款消防监控APP,图4 为APP设计流程图。通过OneNET 平台提供的Android 应用创建器。采用云平台注册的用户名登录APP,实现云平台与APP 数据实时互通、火警信号实时发送。
图4 APP设计流程图
正常运行时的云平台界面如图5(a)所示。设置可检测温度范围为0~80 ℃、分辨率为0.1 ℃、误差为±2 ℃,湿度检测范围为20~95%RH、分辨率为1%RH、误差为±5%RH,火焰波长在760~1 100 nm 范围内的光源,烟雾浓度范围为0~6×10-5。检测实时数据:温度为26 ℃,湿度为51%RH,烟雾以及可燃性气体浓度为8×10-6。
图5 OneNET云平台测试界面
模拟火灾场景进行测试,如图5(b)所示,实时数据:温度为26 ℃,湿度为49%RH,烟雾浓度为9.1×10-5,触发火灾预警。
设定温度测量范围为0~80 ℃,湿度测量范围为20~95%RH,当火焰传感器被触发后系统测算温湿度系统是否有瞬时上升或下降情况,时间间隔为10 s。温度实时数据如图6(a)、(b)所示;湿度实时数据如图7(a)、(b)所示。下位机中,T代表温度,显示25 ℃,H代表湿度,显示51%RH,实时数据显示,上位机温度在瞬时出现25~26 ℃上升情况,并且湿度出现34~51%RH 的波动情况,触发火灾报警。
图6 温度监测系统
图7 湿度监测系统
设置烟雾浓度测量范围为0~6×10-5。实时监测烟雾浓度为91%,远超阈值,显示此时烟雾浓度异常,触发火灾报警。
分别记录传感器采集的温湿度、浓度、可见光波长数据,并与标准值比较,得到相对误差,如表1所示。
表1 下位机数据测试
数据上传延时情况测试,整体延时在8~50 ms。上位机进行数据分析后,将异常数据发送给用户移动端报警,并控制下位机进行继电器操控消防设备灭火操作。
数据标准值由标准函数表测量,相对误差的计算如式(1)所示:
式中,X为相对误差,Xa为测量值,Xb为标准值。
根据以上测试结果分析,监测系统可见光波长误差范围为0~1.5%,浓度误差范围为0~4%,温度误差范围为0~3.8%,湿度误差范围为0~8.9%。
通过对测量数据进行一阶多项式拟合,提高测量准确度,对拟合后的数据和测量数据分别进行平均相对误差计算。可见光波长测量值平均相对误差为1.3%,拟合后平均相对误差为1.12%;烟雾浓度测量值平均相对误差为3.62%,拟合后平均相对误差为3.49%;温度测量值平均相对误差为3.2%,拟合后平均相对误差为3.02%;湿度测量值平均相对误差为3.89%,拟合值平均相对误差为3.42%。由式(1)可得,系统报警准确率为97.2%。
测量数据表明,拟合后所得到的参数测量误差与相对误差计算值具有较高准确性。因此,将此算法加入对参数测量算法的优化方案中,可让系统火警判定率得到提升。
该文所设计的智慧消防远程监控系统,下位机由STM32 单片机、DHT11 温湿度传感器、MQ-2 烟雾传感器和ALIM8812 火焰传感器构成。上位机由云平台和移动APP 组成,实现数据显示、波形图表、报警、数据查询、数据存储、火警一键处置等功能。测试表明,该系统温度测量范围为0~80 ℃,平均相对误差为3.02%;湿度测量范围为20~95%RH,平均相对误差为3.42%;可见光测量范围为760~1 100 nm,拟合后平均相对误差为1.12%;烟雾浓度测量范围为0~6×10-5,拟合后平均相对误差为3.49%;系统报警准确率为97.2%,数据延迟低于50 ms。满足智慧消防监控系统的设计需求。