基于嵌入式系统和模糊神经网络的森林火灾报警系统设计

邓亦骁

（武汉理工大学 机电工程学院，湖北 武汉 430070）

森林火灾极大地威胁着森林资源安全，造成当地生态平衡严重破坏，影响生物多样性，同时严重损害了人们的生命财产安全。监测森林火灾的发生是及时有效扑灭林火并防止火势进一步蔓延的重要措施，因此，需要对森林火灾进行及时、准确的监测与定位。

森林火灾的出现和火势蔓延与林区地理特征、当地气候变化规律以及人类活动有极大关系，同时由于森林地形、气候情况复杂，林火不易第一时间有效察觉[1]，这都给有效监测森林火灾带来了极大的困难。现有监测森林火灾的方法主要有4 种：地面人工巡护监测、传统地面设备监控、航空巡查、卫星探测[2]。但现有方法仍存在准确率不高、智能化水平有待提高等问题。

针对上述存在问题，需要一种智能化程度高、准确有效的森林火情地面监测系统对林区进行监测，准确探测森林火灾的发生和判断火情的发展，并将情况和相关数据及时报告给当地林业、消防和公安部门。

1 森林火灾报警系统硬件设计

森林火灾报警系统主要包括火灾探测模块、无线通讯模块、火灾报警控制器[3]等。

1.1 火灾探测模块硬件设计

森林火灾探测模块是一种集合烟雾、温度、CO 浓度和明火监测为一体的综合探测模块，通过无线通信模块与火灾报警控制器通信。

1.1.1 传感器部分设计

本系统中的探测节点的前端传感器部分由离子烟雾传感器NIS-05A、负温度系数NTC 热敏电阻-温度传感器MF61系列、NAP-505 型电化学CO 气体传感器和明火传感器JC-MH-ZN01 组成。这些传感器均可采用电池驱动，且具有高精度、高灵敏度、稳定性好和低功耗等优良性能，使用时不会对森林环境造成影响。其中，明火传感器可探测明火中的紫外线，对火焰反应快，且内置单片机，采用智能算法，既可以实现快速报警，又可以降低误报率。

1.1.2 信号调理电路及处理单元电路

传感器采集的信号不可避免地包含杂波，而且传感器采集到的微弱模拟信号不适合直接进行A/D 转换，需要先经过信号调理再输入单片机ADC 的输入端中转换成数字量。模块中有烟雾浓度、温度和CO 浓度3 路传感器信号采集通道，采用MAX407 构成调理电路对这3 路信号进行调理后送入MSP430F4794 微控制器中进行模数转换并进行初步判断。MSP430F4794 微控制器与无线通信模块相连进行串行通信，将采集到的异常信号通过无线通信模块发送给对应的火灾报警控制器做进一步的分析处理。

1.2 无线通信模块硬件设计

无线通信模块的设计采用AI-Thinker 公司的A9G 模块。A9G 模块具有GPRS 通信功能，可利用现有基站进行通信，而且模块功耗低、传输速率高，可由锂电池供电，非常适合作为森林火灾报警系统的无线通信模块。本系统中采用4 V锂电池给A9G 模块供电，选用高增益天线，使无线通信网络覆盖更大范围，并选用900 MHz 作为A9G 模块的工作频段。A9G 模块可使用AT 指令进行编程设置，从而实现与远程服务器建立TCP 通信，发送探测模块的数据，接收火灾报警控制器的指令并与微控制器进行同步串口通信。

1.3 火灾报警控制器硬件设计

火灾报警控制器是森林火灾报警系统中的关键部分，控制器除了具有基本功能，还具有基于算法的智能化火灾识别能力。本系统选用包含ARM Cortex-M7 内核的STM32H743作为火灾报警控制器的核心。STM32H743 的CPU 工作频率为480 MHz，具有双精度浮点单元，有极高的综合性能，适应本系统神经网络的庞大计算需求。在其控制核心基础上还扩展了串行通信功能、人机界面和以太网控制器功能等。

1.3.1 液晶显示控制器

LCD 是控制器人机交互功能的一个重要组成部分。本系统中所选的控制器STM32H743 自带LCD-TFT 显示控制器，采用ATK-35’TFT-LCD 显示模块与控制器上LCD-TFT外部信号接口连接，并通过软件配置STM32H743 上的寄存器，使显示模块与控制器之间实现串行通信。

1.3.2 基站串行通信

控制器与相连的基站进行通信，基站再与无线通信模块进行GPRS 通信。将STM32H743 的SPI 设置为全双工通信，控制器和基站中的移位寄存器通过MOSI 和MISO 引脚之间的两条单向线连接。在SPI 通信过程中，数据随控制器提供的SCK 时钟边沿同步移位。

1.3.3 以太网控制器

每一管理区域的火灾报警控制器都通过以太网向总控平台传递火情信息。STM32H743 自身即带有以太网模块，可通过ST 公司开发的STM32CubeMx 软件对微控制器进行相关配置，同时选择LAN8720 芯片作为物理层芯片，用来为 STM32H743 提供 PHY 层。

2 森林火灾报警系统软件设计

本系统采用模糊神经网络判断森林火灾是否发生，同时为有效预防森林火灾，根据该林区具体的天气变化，动态评估发生火灾的概率，从而有针对性地加大地面-天空一体化的巡查监视力度。

2.1 火灾探测模块软件设计

火灾探测模块的主要任务是由微控制器MSP430F4794来控制火灾参量信号的采集与AD 转换，并向火灾报警控制器发送数据。探测节点上电或复位后，首先需要进行硬件和软件的初始化工作，同时A9G 模块向基站建立连接。传感器每隔一定时间（由总控平台根据天气情况动态调整）采集周围环境中的火灾参数信号并发送给单片机进行处理。

传感器采集到的数据是微弱的模拟量信号，经过放大调理电路的信号放大和调理后，由单片机内置的ADC 进行模拟/数字转换，得到数字信号，当判断出现明火或温度、烟雾浓度、CO 浓度超过阈值时，单片机通过无线通信模块向控制器发送现场数据作进一步分析处理。

2.2 火灾报警控制器软件设计

火灾报警控制器具有强大的浮点数处理能力、分析能力强、处理运算速度快，因此可由火灾报警控制器实现模糊神经网络算法、完成复杂数据的处理以及对数据采集单元的控制与管理。当火灾报警控制器收到能明显判断存在火情的数据时，控制器立即将情况上报给总控平台；当收到的火灾参量数据存在异常但不能做出立即判断时，则利用模糊神经网络进行进一步计算分析，如果发生了火灾，则上报总控平台，否则中断返回。

火灾状态判断程序运用了模糊神经网络算法，从而实现森林火灾的智能化判断。探测模块将探测到的各种火灾参量数据传递到对应区域内的火灾报警控制器，模糊神经网络通过隶属函数将其模糊化，然后经过神经网络学习对网络权值进行修改，计算输出模糊逻辑的语言变量无火、阴燃和有火。

2.3 总控平台软件设计

总控平台接收来自各个火灾报警控制器发送的火灾情况，并在人机交互界面上显示火灾发生的具体位置地点以及火情数据信息，同时发出警报。

本系统利用历年来森林火灾提供的相关数据建立并训练神经网络，并运用遗传算法改进的BP 神经网络的权值和阈值[4]，从而提高BP 神经网络的准确性和运算速度。总控平台根据当地气象部门实时提供的该地区的温度、湿度、风力等气象数据输入训练好的神经网络中计算此时发生森林火灾的概率。当动态估计的火灾发生概率在某一时刻超过事先设定好的警戒值时，则立即通过该区域内的火灾报警控制器调整提高区域内探测模块轮询采集信号的频率，增大对森林火灾的监测力度。同时总控平台上传有关情况给管理部门，请求增加对该林区的情况航空、卫星、地面巡逻等一体化监测，防止大规模森林火灾的发生。

3 结束语

本系统通过探测节点及无线通信模块、火灾报警控制器和总控平台，构成了森林火灾监测一体化系统。火灾报警控制器中运用模糊神经网络提高了对森林火灾状态判断的准确性，基于遗传算法改进的BP 神经网络则根据气象数据动态分析森林火灾的发生概率并动态调整探测节点的数据采集频率。控制器与探测节点间采用GPRS 通信技术，控制器与总控平台则通过以太网互联，构成了完整高效的数据传输网络。本系统可以准确、有效地监测森林火灾状态并及时发出警报，具有广阔的应用前景。