ZigBee技术和支持向量机下室内火灾自动报警系统

摘" 要： 室内火灾报警系统只能基于少量传感器的数据进行判断，容易受到烟雾、温度等干扰，导致误判率较高。为此，基于ZigBee技术和支持向量机设计一种室内火灾自动报警系统。采用传感器节点采集室内烟雾浓度与温度信息，通过ZigBee路由设备将采集的信息转发至ZigBee协调器内。利用基于负载均衡的ZigBee网络多径路由算法建立信息传输路径，将ZigBee路由设备转发的信息传输至支持向量机处理模块内。使用支持向量机算法处理烟雾浓度与温度信息，获取高校室内火灾类型的发生概率，并与事先设置的判别阈值进行比较，当火灾发生概率大于阈值，自动报警模块会自动发出警报。实验结果表明：所设计系统火灾信息采集精度较高，无线网络生存周期长，具备较优的信息传输效果，且能够有效计算高校室内火灾类型发生概率并自动发出警报。

关键词： ZigBee技术； 支持向量机； 室内火灾； 自动报警； 协调器； 信息传输； 多径路由算法

中图分类号： TN925⁃34" " " " " " " " " " " " " " 文献标识码： A" " " " " " " " " " " "文章编号： 1004⁃373X（2025）02⁃0148⁃05

Indoor fire automatic alarm system based on ZigBee technology

and support vector machine

ZOU Feng

（Changzhou University， Changzhou 213159， China）

Abstract： The indoor fire alarm system can only make judgments based on a small amount of sensor data， and is susceptible to interference from smoke， temperature， and other factors， leading to an increase in 1 alarm rates. On this basis， an indoor fire automatic alarm system is designed based on ZigBee technology and support vector machines. The sensor nodes are used to collect indoor smoke concentration and temperature information， and the collected information is forwarded to the ZigBee coordinator by means of ZigBee routing devices. The ZigBee network multipath routing algorithm based on load balancing is used to establish the information transmission path， and the information forwarded by the ZigBee routing device is transmitted into the support vector machine processing module. The support vector machine algorithm is used to process smoke concentration and temperature information to obtain the probability of indoor fire types in universities， and compare it with preset discrimination thresholds. When the probability of fire occurrence exceeds the threshold， the automatic alarm module will automatically issue an alarm. The experimental results show that the designed system has high accuracy in collecting fire information， long wireless network life cycle， excellent information transmission effect， and can effectively calculate the probability of indoor fire types in universities and automatically issue alarms.

Keywords： ZigBee technology; support vector machine; indoor fire; automatic alarm; coordinator; information transmission; multipath routing algorithm

0" 引" 言

随着高校规模的扩大和建筑密度的增加，火灾安全问题已经成为高校管理中的重要环节[1⁃2]。为了保障师生的生命和财产安全，主要采用室内火灾自动报警系统实时监测室内火灾隐患并及时发出警报[3]，降低损失。因此，室内火灾自动报警系统研究具有重要意义。

文献[4]利用火灾探测器采集室内与火灾相关的信息，通过WiFi模块将采集的信息传输至语音单片机内，通过深度学习算法处理接收的信息，分析是否存在火灾隐患，若存在则以语音的方式进行火灾自动报警。但该系统在有噪声的环境下，信息传输的稳定性较差，影响了火灾自动报警精度。文献[5]通过在室内布置多个平面传感阵列，实现对火灾的全方位、多角度监测。通过智能化算法分析火灾的发展趋势，及时发出警报，但平面传感阵列对环境的依赖性较强，如温度、湿度等环境因素均会影响其性能。文献[6]通过多个烟雾报警器采集室内烟雾浓度数据，结合贝叶斯估计方法预测火灾发生概率。但该系统实时性差，贝叶斯估计的方法需要进行一定的数据积累和分析，在火灾发生的瞬间无法及时发出警报。文献[7]利用多种探测器采集火灾信号，通过比较信号相似度来确定是否发生火灾。但基于信号相似度的判断方法对环境变化较为敏感，如温度、湿度等环境因素会影响信号特征和相似度比较的结果。

为了解决上述问题，本文设计一种基于ZigBee技术和支持向量机下室内火灾自动报警系统。利用传感器节点采集高校室内火灾信号相关信息，通过负载均衡的ZigBee网络建立信息传输路径，并将采集的信息传输到支持向量机处理模块内，从而提高向量机处理模块的工作效率和响应速度。使用支持向量机算法处理烟雾浓度与温度信息，获取高校室内火灾类型的发生概率，并设置判别阈值进行比较。本文系统可为高校火灾防控提供参考。

1" 室内火灾自动报警系统

为防止火灾并保证高校室内师生安全，设计了室内火灾自动报警系统，该系统的总体设计方案如图1所示。

利用传感器节点采集高校室内火灾信号相关信息，即烟雾浓度与温度信息。ZigBee路由设备属于数据中继站，负责接收传感器节点采集的信息，并将其转发到ZigBee协调器内，确保信息的可靠传输。协调器负责创建无线网络，并利用基于负载均衡的ZigBee网络多径路由算法建立信息传输路径，将ZigBee路由设备转发的信息传输至支持向量机处理模块内。支持向量机处理模块接收烟雾浓度与温度信息后，利用支持向量机算法对其进行处理，获取高校室内火灾类型的发生概率，并与事先设置的判别阈值进行对比，决定是否触发报警。若判别结果为存在火灾，则利用自动报警模块发出警报。

1.1" 基于ZigBee技术的传感器节点设计

利用ZigBee技术设计传感器节点，用于采集高校室内与火灾信号相关的信息，其结构如图2所示。

通过电池电压单元监测电池的供电情况，避免电池电量过低，影响传感器节点的信息采集效果。传感器节点利用烟雾与温度传感器实时采集高校室内的烟雾浓度与温度信息[8]。温度传感器测温范围为-50～130 ℃，精度是±0.5 ℃。利用A/D转换器模数转换采集的信息，并由微处理器对其进行滤波处理，保存至存储单元内[9⁃10]；再通过ZigBee射频单元将处理后的烟雾浓度与温度信息传输至ZigBee路由设备内。

传感器节点的实现流程如图3所示。

当传感器节点完成初始化后，查找协调器并进行联网，各传感器节点会自动采集高校室内烟雾浓度与温度信息，同时上传至ZigBee路由设备内。

1.2" 基于ZigBee技术的协调器设计

协调器负责创建网络，属于高校室内火灾自动报警系统的核心，协调器的实现流程如图4所示。

当信息传输路径建立完成，需要对ZigBee路由设备转发的烟雾浓度与温度信息进行分析，判断其是否可以进行信息传输。若可以进行信息传输，则依据建立的路径将烟雾浓度与温度信息传输至支持向量机处理模块内。

ZigBee协调器通过基于负载均衡的ZigBee网络多径路由算法来建立信息传输路径[11⁃12]，将ZigBee路由设备转发的烟雾浓度与温度信息传输至支持向量机处理模块内。ZigBee网络多径路由算法能够解决信息传输过程中的干扰问题，提升信息传输的稳定性[13]。本文中令使用标志位为M1，干扰标志位为M2，利用该算法构造多路径的具体步骤如下。

步骤1：源节点依据树路由传输ID寻路信息分组，树路径中的节点会提醒邻居节点其已参与信息传输路径的构造。

步骤2：更新对应的邻居表信息。令该邻居节点的M1为1，即其不可建立新路径，并发送干扰节点信息至其邻居节点，将邻居表内相应的M2改成1，即该节点是干扰节点。

步骤3：当源节点接收Sink节点的主路径确认信息后，完成主路径构造，并重复步骤1，构造从路径。

步骤4：构造从路径时，选取邻居表内使用与干扰标志位均是0的节点作为下一跳节点。

步骤5：在一个节点接收同一ID号的寻路信息分组情况下，剔除后抵达的烟雾浓度与温度信息分组，不实施信息传输。

步骤6：在寻路信息分组成功抵达Sink节点情况下，该节点会原路返回确认烟雾浓度与温度信息，完成路径构造。

信息传输路径构造完成后，便可传输烟雾浓度与温度信息，提升信息传输的稳定性与抗干扰性。

1.3" 基于支持向量机的室内火灾检测

支持向量机处理模块依据协调器传输的烟雾浓度与温度信息，检测高校室内火灾类型。

令协调器传输的烟雾浓度与温度信息样本为[X=xi，i=1，2，…，N]；对应的高校室内火灾类型是[yi（i=1，2，3）]，[y1]、[y2]、[y3]分别代表常温无火、发生阴燃与明火火灾。令权重为[w]，则高校室内火灾类型检测的决策函数为：

[gx=wTφx]" " " " " "（1）

式中[φx]为多项式核函数。

将式（1）转换成优化问题，公式如下：

[min" φw，h=Ci=1Nhi+wTw2s.t." yi-wTφxi≤ε+hihi≥0]" " " " （2）

式中：[ε]为不敏感损失函数；[C]为惩罚参数；[h]为松弛变量。

令[qi]为Lagrange乘子，通过Lagrange函数转换式（2）得到对偶问题，公式如下：

[maxLqi，q*i=εi=1Nyiqi+q*i-i=1Nqi-i=1Nq*iKxi，xj2] （3）

式中：[q*i]为[qi]的最佳值；[Kxi，xj]为核函数。

通过求解式（3）便可获取最终的高校室内火灾检测决策函数，公式如下：

[gx=i=1Nqi-i=1Nq*iKxi，xj]" " "（4）

通过式（4）计算获取高校室内各火灾类型的发生概率。令高校室内火灾发生概率阈值是0.5，当阴燃与明火发生概率大于0.5时，即[gxgt;0.5]，则利用自动报警模块自动发出警报。

2" 实验分析

以某高校教学楼为实验对象，在该高校教学楼内应用本文系统来确保师生的生命安全。该高校内共有5座教学楼，各教学楼的相关参数如表1所示。

利用本文系统对该高校教学楼进行实验，系统的烟雾传感器实物图如图5所示。

本文系统利用图5的烟雾传感器实时采集该高校教学楼室内的烟雾浓度与温度信息。以第一教学楼内某间教室为例，该教室无火灾，利用本文系统采集该教室的烟雾浓度与温度信息，信息采集结果如图6所示。

分析图6a）与图6b）可知，本文系统可有效采集教室内部与火灾相关的信息，且采集的信息均与实际信息非常接近，说明本文系统的信息采集精度较高。

利用网络生存周期衡量本文系统的信息传输效果，其值越大说明信息传输效果越佳。本文系统在不同流量负载时的网络生存周期分析结果如图7所示。

分析图7可知，随着流量负载的提升，本文系统的网络生存周期呈下降趋势，当流量负载在55 pps左右时，网络生存周期已降至最低并趋于稳定，稳定在80 s左右。在不同流量负载时，本文系统的网络生存周期均明显高于网络生存周期阈值，说明在不同流量负载时，本文系统的网络生存周期均较高，即本文系统的信息传输效果较优。

在该高校5座教学楼内各随机选择3间教室，利用本文系统计算这15间教室火灾类型的发生概率，并与设定阈值进行比较，若大于阈值则报警模块自动报警。火灾类型发生概率计算结果与自动报警结果如表2所示，其中，设置第三教学楼存在明火火灾，第五教学楼存在阴燃，其余3座教学楼均为常温无火。

表2中，第三教学楼3间教室的明火概率均大于设定阈值0.5时，说明第三教学楼存在明火火灾，与实际情况一致；第五教学楼的阴燃概率均大于设定阈值0.5时，说明第五教学楼存在阴燃火灾，与实际情况一致。分析表2可知，本文系统可有效计算室内火灾类型的发生概率，对于大于设定阈值的阴燃与明火类型可以进行自动报警，说明该系统具有较高的火灾自动报警精度，可有效降低火灾造成的损失。

3" 结" 论

为提高室内火灾自动报警系统的准确性和可靠性，设计一种基于ZigBee技术和支持向量机下室内火灾自动报警系统。利用ZigBee技术设计传感器节点，采集火灾信号信息；构造信息传输路径，将信息传输至支持向量机处理模块内，对采集到的火灾信号进行高效、准确的分类和识别。实验结果表明，本文系统信息采集精度较高，信息传输效果较优，可以实时监测火灾迹象，从而降低误报率，提高火灾报警的准确性和可靠性。

参考文献

[1] 门茂琛，杜雨佳，徐铭铭，等.基于剩余电流波形特征量的智能电气火灾监控研究[J].消防科学与技术，2023，42（4）：549⁃554.

[2] 崔鹏飞.火灾自动报警系统消防监督检查要点及典型隐患研究[J].消防科学与技术，2022，41（4）：530⁃532.

[3] 陈硕，范恒，周茂磊.基于循环神经网络的火灾风险预测及应用[J].消防科学与技术，2022，41（5）：655⁃657.

[4] 毕晓君，孙梓玮，刘进.高层火灾智能报警及逃生指导系统[J].智能系统学报，2022，17（4）：814⁃823.

[5] 张素萍，王莉，孟庆宜，等.基于平面传感阵列的大型仓储火灾报警系统研究[J].电子器件，2023，46（3）：866⁃876.

[6] KIM B， LEE J. A Bayesian network⁃based information fusion combined with DNNs for robust video fire detection [J]. Applied sciences， 2021， 11（16）： 7620⁃7624.

[7] BAEK J， ALHINDI T J， JEONG Y S， et al. Intelligent multi⁃sensor detection system for monitoring indoor building fires [J]. IEEE sensors journal， 2021， 21（24）： 27982⁃27992.

[8] 舒舜，张羽杨，陆梓萍，等.基于机器学习的热释放速率实时预测方法[J].火灾科学，2022，31（1）：8⁃14.

[9] 蒋飞宇，朱璨，俞宙，等.一种超宽带光电混合结构A/D转换器[J].微电子学，2021，51（4）：466⁃470.

[10] 陈玺，付东兵，刘璐，等.一种四通道16位250 MS/s A/D转换器[J].微电子学，2022，52（4）：533⁃538.

[11] 蔡鹏，陆俊，肖振锋，等.考虑负载均衡的系统保护通信专网路由规划方法[J].光通信技术，2021，45（1）：36⁃41.

[12] 王洋.基于ZigBee与云平台的皮革企业智慧管理系统[J].中国皮革，2021，50（7）：36⁃38.

[13] 谢文兰.混合光无线传感网络节能路由算法优化[J].激光杂志，2022，43（4）：130⁃134.