基于多传感器的智能火灾报警器的设计

有以下功能与特点:1)安全可靠:安全性由三方面构成:a.S QL数据库是大型的、多用户的数据库,它的安全性高;b.系统对用户实现分级授权管理功能;c.防火墙功能及完善的数据备份功能,防备系统受到人为的恶意攻击。

2)完善的系统日志:系统日志记录了进入系统,离开系统,收费,设置硬件,改变运行参数操作等及操作者,操作时间,凡是改变数据库的操作都被记录下来;3)抄表速度快:抄表快、数据准确,抄表时PC机只读采集器的数据,保证了传输的准确性;4)广播对时功能:该功能可使系统中的所有电能表的时间基准与PC机保持一致。

只要保证在对时时刻,PC机的时间是正确的;5)自动抄表功能:按照设置的抄表开始时间和抄表间隔,到预定的抄表时刻,系统便会依次拨号去抄采集器或电表内的数据;6)设备管理功能:如告警:开箱告警、停电告警、逆相告警、超温告警、过载告警、倾斜或移动报警等;控制:对欠费用户进行拉闸等;7)用户界面清晰美观,操作简单,具有完善的在线帮助功能:对数据进行统计,分析,绘制负荷曲线,作平衡分析,具有与银行,客服中心的联网功能。

4 结论远程无线自动抄表系统利用GPRS通信技术,实现了多表数据抄收的功能,解决了实时性、抄收成本及通信距离等间题,本系统已运用于现场。

参考文献[1]蒋俊峰.自动抄表技术研究[J],电测与仪表,2003,(10)[2]胡大可等.基于单片机8051的嵌入式开发指南[M].北京:电子工业出版社,2003.[3]任哲等.嵌入式操作系统基础 C/OS-II和Linux[M].北京:北京航空航天大学出版社,2006.[4]沈文等.AVR单片机C语言开发应用实例---TCP/IP篇[M].清华大学出版社,2005.[5](美)R.J.(Bud)B at es著,朱洪波[等]译.通用分组无线业务(GPRS)技术与应用.[M]北京:人民邮电出版社,2004:105~130.[6]范成军,杨德芳,吴杰,董兴欣.基于GPRS的电能表的设计与实现[J].仪表技术,2005,(6):21~23.[7]吕捷.GP RS技术[M].北京:北京邮电大学出版社,2001:132~151.[8]OLI VER T.W.YU.End to E nd Adap tive QoS Provis i on i ng overGPRS W i rel essM ob il e N et w ork.M ob il e Net w ork s&App lications,2003,(3):75~78.[9]马彪,杨建华,刘文琦.基于GPRS的嵌入式数据采集系统[J].中国仪器仪表,2005,(11):84~86.作者简介:苏培力,男,河北省栾城县供电公司,华中科技大学硕士研究生,研究方向:信息与控制。

收稿日期:2009-02-17(9045)do:i10.3969/.j issn.1671-1041.2009.04.028基于多传感器的智能火灾报警器的设计张红兰,李 扬(广东工业大学信息工程学院,广州510006)摘要:同时采用烟雾传感器,温度传感器和火焰传感器来探测火灾现场,使用神经网络对多个传感器探测到的数据进行处理和识别。

仿真结果表明,该多传感器的智能火灾报警器能够比较准确的识别火灾信号,准确性较高,误报率较低。

关键词:多传感器;火灾探测;神经网络中图分类号:TP373 文献标识码:ADesign of i n tellitive fire alar m basedon m ulti sensorZHANG H ong lan,L I Y ang(G uangdong U ni versit y of Technology G uangzhou510006,Ch i na)Abstrac:t Smoke sensor,t e m pr e t ure sensor and fla m e sensor ar e co m bined as a w hole t o de t ec t t he condition.The data,acquir ed by t he multi sensor,is pr ocessed and ana l y sed by t he neural net work. It is proved t hat this int e lliti v e fire alar m can identif y fire co mparetive w ell and tru l y.It has re l a ti v ely hi g h rate o f true a l a r m and l o w rat e o f f a l s e alar m.Key w or ds:multi sensor;fire det ec;t neural net w ork0 引言火灾是危害人类生命,财产灾害中最常见的一种。

燃烧是一种伴随有热和光的化学反应,物质在燃烧过程中一般会出现火焰、烟雾、热等物理现象,人们已经根据火灾发生时所产生的这些现象研制出了各种探测器。

但是由于火灾报警器的传感器大多为单一形式的传感器,所以误报率较高。

本次设计采用多种传感器,并使用神经网络的方法对传感器探测的信息进行处理,从而大大减少了报警器的误报率。

1 系统硬件的组成本次设计的硬件包括温度传感器模块,烟雾传感器模块,火焰传感器模块和智能处理模块。

1.1 温度传感器模块物质在燃烧过程中会释放出大量的热量,从而使环境温度升高。

本次设计采用DALLA S公司生产的单线数字温度传感器DS18B20做感温模块,它具有经济性好、抗干扰能力强和使用方便,测温范围宽,精度高等优点,而且它是数字式温度值,可以直接读取数值不需要再进行AD转换,这样就大大简化了外接电路。

1.2 烟雾传感器模块在物资的燃烧过程中,会产生大量的烟雾,本次设计采用是离子式烟雾传感器N IS-05A。

这种烟雾传感器具有极小的电池功耗,结构简单,比光电式烟雾传感器更便宜,更耐用,输出不依赖于烟雾的颜色,放射能很小。

该传感器的检测电路如图1所示。

当烟雾进入传感器内室的时候,烟尘粒子就会被压制成阴阳双粒子,从而上层室的电离电流就会减弱,最终导致对烟尘密度的输入电压比例降低。

这种传感器在空气中的输出为5V左右,烟雾敏感度在1.2V左右,所以基本不需要外接放大电路,这样就简化了电路。

科研设计成果 仪器仪表用户欢迎光临本刊网站h tt p://www.e 欢迎订阅欢迎撰稿欢迎发布产品广告信息49图1 离子式烟雾传感器检测电路1.3 火焰传感器模块火焰是物质着火产生灼热气体而发出的光,是一种辐射能量,物质从燃烧开始到发光,是物质的全燃烧阶段。

在这个阶段中,火焰的光谱从紫外、可见光到红外都有能量辐射,但在红外波段内的4.35 m附近有一个峰值,同时由于此波长的太阳辐射因大气的吸收作用而强烈衰减,因此该波段是用于火焰探测的重要波段。

本次设计采用的是一种红外热释电传感器,这种传感器一般是用于人体探测器的,能探测的波长为5~14 m,虽然不是专门用于火焰探测,但它也能感应火焰的部分光谱,而且在价格上比专门的火焰探测器要便宜得多,比较经济实用[2]。

由于热释电红外传感器的输出信号十分微弱,因此在进行信号的处理之前要介入前置放大电路,又由于火焰的闪烁信号频率为低频信号,传感器的输出信号也以该频率变化,因此将放大器接成低通形式,具体的接口电路如图2所示。

图2 热释电红外传感器接口电路1.4 神经网络部分在人工神经网络的实际应用当中,绝大部分的神经网络模型是采用BP网络和它的变化形式,她也是前向网络的核心部分,体现了人工神经网络最精华的部分[3]。

本系统中使用了BP网络作为系统的处理核心,这也是本次设计中的核心部分。

将经过处理以后的传感器信号输入神经网络之中,神经网络根据事先学习好的参数来判断是否有火灾发生,从而决定是否报警。

本次设计采用标准的三层BP神经网络,输入层的神经元为三个,分别是温度信号,烟雾信号和火焰信号,输出层的神经元为三个,分别是无火输出,明火输出和暗火输出,如图3所示。

图3 BP神经网络结构2 系统的软件设计本次实验采用的是A T M EL公司ATm ega16L单片机来进行信号的处理。

选用该单片机作为信号处理的一个重要原因是该单片机内部带有8路12位转换精度的AD转换,使用片内A D转换能够提高系统的转换速度和抗干扰能力,此外,还能简化电路。

系统在上电以后,首先是对多个传感器传出的模拟信号进行AD转换,然后采用神经网络的方法对信号进行处理。

具体的流程图如图4。

图4 系统流程图2.1 数据获取AVR单片机I/O口的A口可以作为通用输入输出端口,也可以用作A D转换的输入口,本次设计就使用的是A口作为AD转换的输入口的功能,在进行AD转换之前要对A口进行设置。

分别选用PA0,PA1作为烟雾信号和火焰信号的AD转换口。

烟雾信号的AD转换设置程序如下:PORTA=OXOO;DDRA=0XOO;//设置PA口位输入,无上拉ADCSR=0XAD;//ADC位自由模式且32分频AD MUX=0X00;//选择0通道作为烟雾信号的AD转换通道ADCSR=0XED;//开启AD转换火焰信号的A D转换设置程序与烟雾信号的设置相似。

选用PA2作为DS18B20温度传感器的接口。

完成D S18B20温度转换必须要经过4个步骤:复位初始化,发送一条ROM指令,发送一条存储器指令,数据通信。

在进行编写程序时,必须要保证严格的时序。

温度传感器的复位子程序如下:uchar onli ne;PORTA&=~B I T(PA2);//拉低数据线DELAY(480);//延时480usPORTA|=BI T(PA2);//释放数据线DELAY(30);//等待响应onli ne=DDRA&0X04;//读取响应DELAY(100);re t urn(on line);2.2 信号处理首先读取温度信号和采集离子式烟雾传感器信号。

在明火情况下,温度会有大幅度的升高,在暗火的情况下,烟雾传感器的信号会有较大的变化,将读取到的温度信号和烟雾信号经神经网路处理后,判断当前是否能够确定火灾的发生,如果能确定则输出火警信号,如果不能则进一步关注温度和烟雾信号的变化,并且采集火焰传感器信号,将3种信号输入神经网络再进行判断。

3 结论将经过训练后的隐层权值和输出层权值编入软件之中并植入单片机之中,通过三种传感器的有机结合以及神经网络算法,就可以实现多传感器火灾探测器的智能化。

经过训练后的火灾探测系统具有较高的火灾识别能力,火灾报警系统报警的准确率较高,误报率较低,达到了预期的目的。