基于OneNET 云平臺的智慧消防遠程監(jiān)控系統(tǒng)的設(shè)計

李楠，蘇航，張安莉，徐艷

（1.西安交通大學(xué)城市學(xué)院電氣與信息工程系，陜西西安 710018；2.機器人與智能制造陜西省高校工程研究中心，陜西 西安 710018）

火災(zāi)是嚴(yán)重危害人民生命財產(chǎn)安全的重大災(zāi)害之一，如何在火災(zāi)的前期快速識別與消滅火災(zāi)成為目前急需解決的問題[1-5]。現(xiàn)階段對于消防監(jiān)控系統(tǒng)的研究大多集中在通信方式的創(chuàng)新應(yīng)用[6-11]、算法的優(yōu)化[12-15]以及新興技術(shù)的融合應(yīng)用[16-18]，針對數(shù)據(jù)實時監(jiān)控方面的研究以及監(jiān)控數(shù)據(jù)分析還存在著一定程度的弱化或不足。

該文提出一種基于NB-IoT 和OneNET 云平臺的智慧消防監(jiān)控系統(tǒng)。采用STM32 單片機為主控芯片，外接多傳感器采集實時數(shù)據(jù)并打包上傳云平臺，完成數(shù)據(jù)分析及火災(zāi)報警，通過移動端APP 實時監(jiān)控火警情況，實現(xiàn)實時數(shù)據(jù)顯示、火警報警、歷史數(shù)據(jù)存儲與查看等功能。

1 總體方案設(shè)計

系統(tǒng)總體框架如圖1 所示，其分為下位機和上位機兩部分。下位機部分：DHT11溫濕度傳感器采集環(huán)境濕度和溫度數(shù)據(jù)，MQ-2 煙霧傳感器采集氣體數(shù)據(jù)，ALIM8812 火焰?zhèn)鞲衅鞑杉鹧鏀?shù)據(jù)。主控芯片STM32完成對數(shù)據(jù)的A/D 轉(zhuǎn)換，并控制通信模塊將數(shù)據(jù)上傳至上位機。上位機部分由云平臺和移動端APP兩部分組成，云平臺是上位機的中樞模塊，由云平臺實現(xiàn)數(shù)據(jù)接收、數(shù)據(jù)處理、實時監(jiān)控、指令下發(fā)和報警。并將數(shù)據(jù)同步于移動端APP。用戶可登錄APP查看，隨時掌握消防狀況、接收火警并且一鍵處置。

圖1 系統(tǒng)結(jié)構(gòu)框圖

1.1 主控芯片

主控芯片采用基于ARM Cortex-M3的STM32F103單片機，其是一個32 位微處理器，工作頻率可達48 MHz，存儲器可外部擴展，支持SWD 和JTAG 借口的調(diào)試模式。通信方式上，提供GPIO、UART、I2C 等通信接口，可與多個外設(shè)之間通信，并支持ADC 等外設(shè)，可讀取傳感器傳入數(shù)據(jù)。

1.2 溫濕度傳感器

DHT11 數(shù)字溫濕度傳感器是由感濕電阻、熱敏電阻和一個8 位單片機構(gòu)成的溫濕度傳感器。平均工作電流不超過0.5 mA。工作電壓為3～5.5 V，采用4 針引腳的封裝，連接單片機的I/O 口。溫度測量范圍為-40～80 ℃，分辨率為0.1 ℃，誤差為±0.5 ℃。濕度測量范圍為0～100%RH，分辨率為0.1%RH，誤差為±2%RH。

1.3 火焰?zhèn)鞲衅?/h3>

ALIM8812 煙霧傳感器可檢測火焰或波長在760～1 100 nm 范圍內(nèi)的光源，測試距離伴隨著火焰增大而增大，探測角度為60°左右，并且對火焰光譜特別敏感。采用比較器輸出，具有干凈信號和良好的波形，以及驅(qū)動能力強、價格低廉等優(yōu)點。

1.4 煙霧傳感器

MQ-2 煙霧傳感器主要由二氧化錫半導(dǎo)體氣敏材料構(gòu)成。當(dāng)該傳感器與煙霧接觸時，其表面導(dǎo)電率會伴隨著煙霧的濃度變化而變化，煙霧的濃度越大，導(dǎo)電率越高，輸出的電阻越低，輸出的模擬電壓也就越高，從而得到煙霧的濃度信息。MQ-2 煙霧傳感器對天然氣、液化石油氣等煙霧敏感，能有效排除非可燃性煙霧的干擾信息。檢測煙霧及可燃性氣體范圍為10-4～10-2。

1.5 NB-IoT通信模塊

采用移遠BC260Y-CN 芯片作為NB-IoT 無線通信模塊，其是一款高性能、低功耗且多頻段的LTE Cat NB2 無線通信模塊。采用LCC 封裝，外觀尺寸17.7 mm×15.8 mm×2.0 mm。和傳統(tǒng)的WiFi、Zigbee無線通信方式相比，基于NB-IoT 的移遠BC260YCN 具有廣覆蓋、多連接、低功耗的特點。BC260YCN 與STM32 主控芯片之間通過UART2 接口連接，實現(xiàn)數(shù)據(jù)傳輸，主控芯片通過AT 指令實現(xiàn)對BC260Y-CN的控制。BC260Y-CN通過MQTT協(xié)議接入到OneNET 云平臺。

2 系統(tǒng)軟件設(shè)計

2.1 監(jiān)控系統(tǒng)主程序

火災(zāi)的發(fā)生伴隨大量有毒氣體和煙霧排放、火焰的產(chǎn)生，且環(huán)境溫度和濕度都會發(fā)生明顯變化，本系統(tǒng)結(jié)合多傳感器采集消防環(huán)境數(shù)據(jù)，消防監(jiān)控流程如圖2 所示。

圖2 主程序流程圖

步驟1：系統(tǒng)初始化，包括初始化串口、初始化GPIO、初始化NB-IoT 模塊等。

步驟2：設(shè)定各項參數(shù)范圍。火焰閾值設(shè)置為760 nm，煙霧濃度閾值為6×10-5。溫度閾值設(shè)定為50 ℃，濕度閾值設(shè)定為40%RH。

步驟3：下位機上傳各項數(shù)據(jù)，寫入云端。

步驟4：判斷火焰?zhèn)鞲衅鲾?shù)據(jù)是否超過報警閾值。

步驟5：若火焰數(shù)值超閾值，再判斷煙霧濃度是否也超過閾值

步驟6：如果以上兩項數(shù)值都超過閾值，再判斷是否出現(xiàn)溫度瞬時上升和濕度瞬時波動的情況，或溫度高于所設(shè)置的閾值50 ℃。

步驟7：以上三重判斷都通過，判定為火災(zāi)警情，提示報警并控制繼電器滅火。

步驟8：數(shù)據(jù)存儲到歷史記錄模塊。

步驟9：進入下一次循環(huán)。

2.2 云平臺設(shè)計

采用中國移動提供的OneNET 云平臺來實現(xiàn)云平臺設(shè)計。整體設(shè)計流程圖如圖3 所示，包括云平臺賬號的注冊、產(chǎn)品的創(chuàng)建、設(shè)備的添加、可視化監(jiān)控界面的設(shè)計等步驟。

圖3 OneNET云平臺設(shè)計流程圖

2.2.1 設(shè)備的添加及數(shù)據(jù)管理

首先在官網(wǎng)注冊用戶賬號，成功注冊之后，在用戶賬號下創(chuàng)建產(chǎn)品，在產(chǎn)品中就可添加設(shè)備了。以該系統(tǒng)為例，添加一臺名為“test”的硬件設(shè)備，IP 地址分配為183.230.40.39，端口號為6002。將產(chǎn)品ID及設(shè)備信息作為登錄參數(shù)上傳至云平臺，連接成功后，設(shè)備狀態(tài)顯示為在線。

設(shè)備數(shù)據(jù)的管理是通過數(shù)據(jù)流來實現(xiàn)的，在云端平臺搭建數(shù)據(jù)流模板，下位機通過AT 指令將數(shù)據(jù)上傳到云平臺后，數(shù)據(jù)以數(shù)據(jù)點的形式存儲在數(shù)據(jù)流中，在設(shè)備列表中點擊數(shù)據(jù)流，進入后即可查看各項實時數(shù)據(jù)和歷史數(shù)據(jù)信息。

2.2.2 預(yù)警觸發(fā)器的設(shè)計

設(shè)備添加完后，為各設(shè)備上傳的數(shù)據(jù)添加觸發(fā)器功能。分別設(shè)置火焰、溫濕度、煙霧濃度對應(yīng)的觸發(fā)器名稱、ID、觸發(fā)條件、關(guān)聯(lián)設(shè)備數(shù)等信息。當(dāng)數(shù)值達到觸發(fā)條件時，云平臺會自動發(fā)送報警信息。以煙霧濃度觸發(fā)器為例，當(dāng)煙霧濃度大于6×10-5時，觸發(fā)報警信息，接收方式選擇為短信接收，信息內(nèi)容包含觸發(fā)器信息、觸發(fā)數(shù)據(jù)，觸發(fā)時間等，根據(jù)觸發(fā)器ID 可以快速定位發(fā)生火情的位置，根據(jù)觸發(fā)時間可以確定火情發(fā)生的準(zhǔn)確時間。

2.2.3 可視化界面設(shè)計

經(jīng)過上述的賬戶注冊、設(shè)備添加、數(shù)據(jù)管理及觸發(fā)器設(shè)置后，進入數(shù)據(jù)可視化操控平臺，該系統(tǒng)選取的組件包括設(shè)備管理組件、傳感器數(shù)據(jù)組件、數(shù)據(jù)報警組件、天氣預(yù)報組件。傳感器數(shù)據(jù)組件采用儀表盤+折線圖的設(shè)計方案，儀表盤顯示實時數(shù)據(jù)，折線圖展示最近一段時間內(nèi)的數(shù)據(jù)。移動端同樣可以登錄OneNET 賬號，從而實現(xiàn)手機的遠程監(jiān)控和操作。

2.3 移動端APP設(shè)計

該系統(tǒng)研發(fā)了一款消防監(jiān)控APP，圖4 為APP設(shè)計流程圖。通過OneNET 平臺提供的Android 應(yīng)用創(chuàng)建器。采用云平臺注冊的用戶名登錄APP，實現(xiàn)云平臺與APP 數(shù)據(jù)實時互通、火警信號實時發(fā)送。

圖4 APP設(shè)計流程圖

3 系統(tǒng)測試

3.1 系統(tǒng)整體性能測試

正常運行時的云平臺界面如圖5(a)所示。設(shè)置可檢測溫度范圍為0～80 ℃、分辨率為0.1 ℃、誤差為±2 ℃，濕度檢測范圍為20～95%RH、分辨率為1%RH、誤差為±5%RH，火焰波長在760～1 100 nm 范圍內(nèi)的光源，煙霧濃度范圍為0～6×10-5。檢測實時數(shù)據(jù)：溫度為26 ℃，濕度為51%RH，煙霧以及可燃性氣體濃度為8×10-6。

圖5 OneNET云平臺測試界面

模擬火災(zāi)場景進行測試，如圖5(b)所示，實時數(shù)據(jù)：溫度為26 ℃，濕度為49%RH，煙霧濃度為9.1×10-5，觸發(fā)火災(zāi)預(yù)警。

3.2 溫濕度報警

設(shè)定溫度測量范圍為0～80 ℃，濕度測量范圍為20～95%RH，當(dāng)火焰?zhèn)鞲衅鞅挥|發(fā)后系統(tǒng)測算溫濕度系統(tǒng)是否有瞬時上升或下降情況，時間間隔為10 s。溫度實時數(shù)據(jù)如圖6(a)、(b)所示；濕度實時數(shù)據(jù)如圖7(a)、(b)所示。下位機中，T代表溫度，顯示25 ℃，H代表濕度，顯示51%RH，實時數(shù)據(jù)顯示，上位機溫度在瞬時出現(xiàn)25～26 ℃上升情況，并且濕度出現(xiàn)34～51%RH 的波動情況，觸發(fā)火災(zāi)報警。

圖6 溫度監(jiān)測系統(tǒng)

圖7 濕度監(jiān)測系統(tǒng)

3.3 煙霧濃度報警

設(shè)置煙霧濃度測量范圍為0～6×10-5。實時監(jiān)測煙霧濃度為91%，遠超閾值，顯示此時煙霧濃度異常，觸發(fā)火災(zāi)報警。

3.4 下位機測試

分別記錄傳感器采集的溫濕度、濃度、可見光波長數(shù)據(jù)，并與標(biāo)準(zhǔn)值比較，得到相對誤差，如表1所示。

表1 下位機數(shù)據(jù)測試

3.5 上位機測試

數(shù)據(jù)上傳延時情況測試，整體延時在8～50 ms。上位機進行數(shù)據(jù)分析后，將異常數(shù)據(jù)發(fā)送給用戶移動端報警，并控制下位機進行繼電器操控消防設(shè)備滅火操作。

3.6 誤差分析

數(shù)據(jù)標(biāo)準(zhǔn)值由標(biāo)準(zhǔn)函數(shù)表測量，相對誤差的計算如式（1）所示：

式中，X為相對誤差，Xa為測量值，Xb為標(biāo)準(zhǔn)值。

根據(jù)以上測試結(jié)果分析，監(jiān)測系統(tǒng)可見光波長誤差范圍為0～1.5%，濃度誤差范圍為0～4%，溫度誤差范圍為0～3.8%，濕度誤差范圍為0～8.9%。

通過對測量數(shù)據(jù)進行一階多項式擬合，提高測量準(zhǔn)確度，對擬合后的數(shù)據(jù)和測量數(shù)據(jù)分別進行平均相對誤差計算。可見光波長測量值平均相對誤差為1.3%，擬合后平均相對誤差為1.12%；煙霧濃度測量值平均相對誤差為3.62%，擬合后平均相對誤差為3.49%；溫度測量值平均相對誤差為3.2%，擬合后平均相對誤差為3.02%；濕度測量值平均相對誤差為3.89%，擬合值平均相對誤差為3.42%。由式（1）可得，系統(tǒng)報警準(zhǔn)確率為97.2%。

測量數(shù)據(jù)表明，擬合后所得到的參數(shù)測量誤差與相對誤差計算值具有較高準(zhǔn)確性。因此，將此算法加入對參數(shù)測量算法的優(yōu)化方案中，可讓系統(tǒng)火警判定率得到提升。

4 結(jié)論

該文所設(shè)計的智慧消防遠程監(jiān)控系統(tǒng)，下位機由STM32 單片機、DHT11 溫濕度傳感器、MQ-2 煙霧傳感器和ALIM8812 火焰?zhèn)鞲衅鳂?gòu)成。上位機由云平臺和移動APP 組成，實現(xiàn)數(shù)據(jù)顯示、波形圖表、報警、數(shù)據(jù)查詢、數(shù)據(jù)存儲、火警一鍵處置等功能。測試表明，該系統(tǒng)溫度測量范圍為0～80 ℃，平均相對誤差為3.02%；濕度測量范圍為20～95%RH，平均相對誤差為3.42%；可見光測量范圍為760～1 100 nm，擬合后平均相對誤差為1.12%；煙霧濃度測量范圍為0～6×10-5，擬合后平均相對誤差為3.49%；系統(tǒng)報警準(zhǔn)確率為97.2%，數(shù)據(jù)延遲低于50 ms。滿足智慧消防監(jiān)控系統(tǒng)的設(shè)計需求。