家庭消防报警系统的设计研究

2021-09-24徐诚朴梅英杰

自动化与仪表 2021年9期

徐诚朴，王龙，梅英杰

（1.中科芯集成电路有限公司，无锡214072；2 哈尔滨工业大学仪器科学与工程学院，哈尔滨150001）

由于近些年住宅区火灾频发，现代家庭式消防监控越来越得到人们的重视。住宅区具有人口密集、易燃物较多等特点，火灾发生时人员疏散比较困难，并且由于住户教育水平、健康状况不同，面对火灾的反应能力也各不相同，因此现代家庭式消防报警系统的技术要求、人性化水平都需要得到相应的提高[1]。

传统的家庭消防报警系统缺乏系统性，报警装置单一，应急措施较少，已经无法满足现代家庭的需求。本文利用STM32F103C8T6 单片机，结合烟雾传感器、红外火焰探头、CCD 摄像头、温度传感器、CO 传感器等，实时获取家庭消防环境数据。红外火焰探头和CCD 视频火焰监测共同作用，可以保证火焰的精确探测。并采用RS485 通讯，将数据实时传输到PC 机，实现上位机监控；采用GPRS 技术，将数据传输到移动终端，实现远程监控报警[2-3]。

1 测量原理

1.1 烟雾传感器测量原理

本文采用气敏型烟雾传感器MQ-2 来实现烟雾探测，该传感器属于表面离子式N 型半导体，由SnO2半导体气敏材料构成[4-5]。其原理为高温下氧离子会受到SnO2的吸附作用，导致半导体中的电子密度降低，其电阻值会迅速增加。同时传感器接触到烟雾时，晶粒间势垒会产生变化，导致表面电导率值的变化，烟雾浓度越高，电导率越大。利用该原理，传感器可以准确得知周围环境烟雾浓度的变化。MQ-2 烟雾传感器的计算公式为

式中：R 表示电阻；C 表示烟雾浓度；m，n 均为常数，m 表示气体分离率，一般在1/2 至1/3 之间，n 与气体检测的灵敏度有关。

1.2 红外火焰探头测量原理

本文采用A715UV/IR2 火焰探测器对火焰进行探测。该传感器使用3 个热释电传感元来进行三波段探测，可以对火焰的热光信号和背景光信号同时作出响应。当有火焰产生时，微处理器会迅速对3种信号进行处理分析，从而判断火焰是否存在[6]。

1.3 CCD 视频火焰探测原理

本文采用海康威视CCD 摄像头。CCD 成像具有抗强光、灵敏度高等特点。利用CCD 成像结合图像处理技术，对火焰图像进行分割、特征提取，再根据阈值识别火焰[6]。

1.4 温度传感器测量原理

测温探头采用Pt100（Pt1000）自适应探头。其测量原理为金属铂（Pt）的电阻值会根据环境温度的变化而产生相应的变化，具有很好的重现性以及稳定性[7]。

1.5 CO 传感器测量原理

采用ME2-CO 型电化学传感器对环境CO 进行探测[8]。CO 在电解池中会发生氧化反应产生电流，根据法拉第定律，电化学反应产生的电流和CO 浓度成正比，故根据电流大小可知CO 浓度[9]。

2 硬件设计

2.1 测量原理框架

如图1所示，系统以STM32F103C8T6 单片机为控制核心，MQ-2 烟雾传感器测量烟雾浓度，利用稳压芯片LM1117 构成电压转换电路，将烟雾传感器的0～5 V 电压信号转换成0～3.3 V，并将模拟信号通过AD 转换得到数值信号，然后在单片机中进行数值处理。测温探头采用Pt100（Pt1000）自适应探头，电子模拟开关控制测温探头Pt100 和Pt1000 之间的切换，测量电路采用三线制接法消除导线电阻，数据通过测温电路[10]进行放大和滤波后传输到单片机。CO 测量电路需要对CO 传感器的输出电流（0～5 μA）进行放大和滤波，并且对信号进行模数转换。红外火焰探头通过ISO 协议连接单片机，其输出电流需要进行I/V 转换。对CCD 摄像头的图像数据，转换成电信号，利用图像识别的方式，监测火焰存在，若红外火焰探头与CCD 同时探测到火焰存在，则进行火焰报警。

图1 测量框架Fig.1 Measurement frame

将各参数值在液晶屏上显示，并进行实时监控报警。通过RS485 接口，采用MODBUS 协议，在上位机界面中对各参数数据进行监控，利用GPRS 模块进行远程数据传输。

2.2 硬件介绍

ST 公司的STM32F103 系列具有32 位的ARM核心，包括7 个定时器，3 个USART 接口，2 个SPI接口（18 M/s），2 个I2C 接口，CAN 接口，USB2.0 接口，7 个DMA 接口，2 个A/D 转换器。所用消防传感器为MQ-2 烟雾传感器、A715UV/IR2 火焰探测器、Pt100（Pt1000）自适应测温探头、ME2-CO 型电化学传感器。防火门联动闭门器选取六瑞公司的SABM65 型号，单片机外接RS485 通讯模块和华为的MG323 模块，分别实现和上位机的通讯以及移动终端的通讯。

2.3 烟雾测量电路

MQ-2 的供电电压为5 V，P1 的3 号脚输出0～5 V 电压信号（烟雾浓度越高，电压越高），输入到比较器的2 号脚上，Rp通过调节电阻来改变比较器的门槛电压，以此控制传感器的灵敏度[11]。当3 号脚电压高于比较器门槛电压，LED 灯亮报警。R1电阻用于保护加热丝。测量电路如图2所示。

图2 烟雾测量电路Fig.2 Smoke measurement circuit

2.4 I/V 转换电路

由于温度信号、CO 信号和红外火焰探头信号都是4～20 mA 电流信号，所以需要I/V 转换电路将其转换成0～3.3 V 的电压信号才能传输给单片机[12]。设计一种I/V 转换电路，如图3所示。

图3 I/V 转换电路Fig.3 I/V conversion circuit

I/V 转换电路数学表达式为

式中：V 为电路的输出电压；I 为电路的输入电流；利用可调电阻Rw将Vf设定为2.63 V。根据式（2）、式（3）即可将4～20 mA 电流信号转换成0～3.3 V 电压信号。

3 软件设计

消防报警系统主要实现的功能包括：液晶显示参数，主要有烟雾浓度、环境温度、CO 浓度等；液晶显示环境温度变化曲线图和数据；能对消防门、防排烟系统、喷水系统进行控制；能和计算机实现实时通信，数据和曲线由计算机打印；能和移动终端远程通讯；具有多种报警显示。

单片机采用C 语言进行程序模块化编写，包括初始化子程序、烟雾浓度采样程序、温度采样程序、CO 浓度采样程序、红外火焰信号采样程序、数据处理程序、键值处理程序、LCD 屏显程序、通讯驱动程序等。系统程序流程如图4所示。

图4 系统程序流程图Fig.4 System program flow chart

在上位机监控方面，利用VB 的mscomm 串口控件，实现和单片机之间的数据交互，并用VB 编写监控界面，以实时显示烟雾浓度、环境温度、CO 浓度。界面记录各参数历史曲线和实时曲线，连接打印机，可以实现计算机实时打印数据。

在无线通讯方面，采用华为的MG323 模块进行无线通讯。该模块支持4 种频段，工作电压为3.3～4.8 V，正常工作温度为-20 ℃～70 ℃。可以使用3 种AT 命令进行初始化以及获取动态IP 地址，支持短信、语音和GPRS，数据传输稳定，具有很高的实用性。一旦系统发生报警，数据以及报警会迅速通过模块向用户手机发送短信，实时显示家庭消防情况，除了系统自动消防外，用户也可手动发送信号，进行消防操作。

4 卡尔曼滤波和卡尔曼平滑

生活噪声特别是火灾发生时会对传感器测量的数据产生比较大的干扰，为保证数据的准确性，对各测量数据进行滤波去干扰。利用卡尔曼滤波的预测能力，对含有大量干扰信息的系统进行数据处理，可以保证复杂环境下系统数值的稳定性。

4.1 卡尔曼滤波理论

卡尔曼滤波的思想就是预测和反馈[13]。首先确定系统的状态方程和测量方程如下：

式中：Xk、Uk、Zk分别表示k 时刻系统的状态、输入量以及测量值；A、B 和H 是系统参数；qk和rk分别表示过程噪声和测量噪声，设定qk、rk的协方差矩阵为Qk、Rk。

Predict：

Update：

式中：Pk|k-1表示对应的协方差矩阵；Pk|k表示对应的协方差矩阵；Gk表示k 时刻的卡尔曼增益。

4.2 卡尔曼平滑理论

与卡尔曼滤波向前递归相反，卡尔曼平滑[14]是结合卡尔曼滤波后的数据进行向后递归[15]。

4.3 卡尔曼滤波以及滤波后平滑效果

图5是对室内温度值的变化跟踪以及突发火灾情况下对室内温度的变化的追随情况，可以发现，相比于卡尔曼滤波，卡尔曼滤波后平滑不仅误差控制的很小，更贴近理想值，产生的曲线也更加平滑。

图5 温度变化曲线（理想值、测量值、滤波值、平滑值）Fig.5 Temperature change curve（ideal value，measurement value，filter value，smooth value）

图6为卡尔曼滤波后平滑的数据和理想值之间的误差变化曲线。

图6 平滑后误差变化曲线Fig.6 Error curve after smoothing

表1中显示的是所测数据与卡尔曼滤波以及卡尔曼平滑滤波后的数据和理想值之间的误差均值和均方差，显然卡尔曼滤波后平滑的数据更好。

表1 三组数据的均值和均方差Tab.1 Mean and mean square deviation of three groups of data

5 图像识别火焰

5.1 mean-shift 聚类算法

mean-shift 聚类算法是一种基于核密度估计的爬山算法，它利用范围内的点位置的偏移值确定迭代方向[16]。其主要步骤如下：

确定其多元核密度估计函数为

式中：h 表示高维区域的半径即窗口半径；n 表示落在该区域的点数；核函数K（x）=ck，d·k （‖ x‖2）。

对多元核密度函数求导，即可得到其梯度估计函数：

令：

因为多元核密度函数的极值点为类的最集中值，所以当即时可求得极值点。

5.2 结合mean-shift 聚类算法对火焰进行特征提取

利用CCD 摄像头对家庭环境进行实时监控。利用关键帧提取的方法，捕捉视频的动态信息，当出现疑似火焰时，截取单帧图。CCD 捕捉的图像是彩色图像，所以需要对其图片进行预处理。整个火焰图像识别步骤如下所述。

首先将彩色图片进行灰度处理。利用mean-shift聚类法将图像的特征进行提取，然后人工设定阈值，实现图像的阈值分割，将火焰主体从图像中标识出来[17-18]，流程如图7所示。

图7 火焰识别流程Fig.7 Flame identification flow chart

本文对照实现了图像灰度化后直接进行阈值分割处理与图像灰度化后先进行mean-shift 聚类再进行阈值分割两种分割方式，图8是mean-shift 聚类后图像的直方图。图9是图像处理后的效果，可以发现图像先进行mean-shift 聚类再进行阈值分割，可以对火焰的主体有更清晰的保留，为精准灭火提供有效位置数据。