ZigBee技術和支持向量機下室內火災自動報警系統

摘" 要： 室內火災報警系統只能基于少量傳感器的數據進行判斷，容易受到煙霧、溫度等干擾，導致誤判率較高。為此，基于ZigBee技術和支持向量機設計一種室內火災自動報警系統。采用傳感器節點采集室內煙霧濃度與溫度信息，通過ZigBee路由設備將采集的信息轉發至ZigBee協調器內。利用基于負載均衡的ZigBee網絡多徑路由算法建立信息傳輸路徑，將ZigBee路由設備轉發的信息傳輸至支持向量機處理模塊內。使用支持向量機算法處理煙霧濃度與溫度信息，獲取高校室內火災類型的發生概率，并與事先設置的判別閾值進行比較，當火災發生概率大于閾值，自動報警模塊會自動發出警報。實驗結果表明：所設計系統火災信息采集精度較高，無線網絡生存周期長，具備較優的信息傳輸效果，且能夠有效計算高校室內火災類型發生概率并自動發出警報。

關鍵詞： ZigBee技術； 支持向量機； 室內火災； 自動報警； 協調器； 信息傳輸； 多徑路由算法

中圖分類號： TN925?34" " " " " " " " " " " " " " 文獻標識碼： A" " " " " " " " " " " "文章編號： 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

隨著高校規模的擴大和建筑密度的增加，火災安全問題已經成為高校管理中的重要環節[1?2]。為了保障師生的生命和財產安全，主要采用室內火災自動報警系統實時監測室內火災隱患并及時發出警報[3]，降低損失。因此，室內火災自動報警系統研究具有重要意義。

文獻[4]利用火災探測器采集室內與火災相關的信息，通過WiFi模塊將采集的信息傳輸至語音單片機內，通過深度學習算法處理接收的信息，分析是否存在火災隱患，若存在則以語音的方式進行火災自動報警。但該系統在有噪聲的環境下，信息傳輸的穩定性較差，影響了火災自動報警精度。文獻[5]通過在室內布置多個平面傳感陣列，實現對火災的全方位、多角度監測。通過智能化算法分析火災的發展趨勢，及時發出警報，但平面傳感陣列對環境的依賴性較強，如溫度、濕度等環境因素均會影響其性能。文獻[6]通過多個煙霧報警器采集室內煙霧濃度數據，結合貝葉斯估計方法預測火災發生概率。但該系統實時性差，貝葉斯估計的方法需要進行一定的數據積累和分析，在火災發生的瞬間無法及時發出警報。文獻[7]利用多種探測器采集火災信號，通過比較信號相似度來確定是否發生火災。但基于信號相似度的判斷方法對環境變化較為敏感，如溫度、濕度等環境因素會影響信號特征和相似度比較的結果。

為了解決上述問題，本文設計一種基于ZigBee技術和支持向量機下室內火災自動報警系統。利用傳感器節點采集高校室內火災信號相關信息，通過負載均衡的ZigBee網絡建立信息傳輸路徑，并將采集的信息傳輸到支持向量機處理模塊內，從而提高向量機處理模塊的工作效率和響應速度。使用支持向量機算法處理煙霧濃度與溫度信息，獲取高校室內火災類型的發生概率，并設置判別閾值進行比較。本文系統可為高校火災防控提供參考。

1" 室內火災自動報警系統

為防止火災并保證高校室內師生安全，設計了室內火災自動報警系統，該系統的總體設計方案如圖1所示。

利用傳感器節點采集高校室內火災信號相關信息，即煙霧濃度與溫度信息。ZigBee路由設備屬于數據中繼站，負責接收傳感器節點采集的信息，并將其轉發到ZigBee協調器內，確保信息的可靠傳輸。協調器負責創建無線網絡，并利用基于負載均衡的ZigBee網絡多徑路由算法建立信息傳輸路徑，將ZigBee路由設備轉發的信息傳輸至支持向量機處理模塊內。支持向量機處理模塊接收煙霧濃度與溫度信息后，利用支持向量機算法對其進行處理，獲取高校室內火災類型的發生概率，并與事先設置的判別閾值進行對比，決定是否觸發報警。若判別結果為存在火災，則利用自動報警模塊發出警報。

1.1" 基于ZigBee技術的傳感器節點設計

利用ZigBee技術設計傳感器節點，用于采集高校室內與火災信號相關的信息，其結構如圖2所示。

通過電池電壓單元監測電池的供電情況，避免電池電量過低，影響傳感器節點的信息采集效果。傳感器節點利用煙霧與溫度傳感器實時采集高校室內的煙霧濃度與溫度信息[8]。溫度傳感器測溫范圍為-50～130 ℃，精度是±0.5 ℃。利用A/D轉換器模數轉換采集的信息，并由微處理器對其進行濾波處理，保存至存儲單元內[9?10]；再通過ZigBee射頻單元將處理后的煙霧濃度與溫度信息傳輸至ZigBee路由設備內。

傳感器節點的實現流程如圖3所示。

當傳感器節點完成初始化后，查找協調器并進行聯網，各傳感器節點會自動采集高校室內煙霧濃度與溫度信息，同時上傳至ZigBee路由設備內。

1.2" 基于ZigBee技術的協調器設計

協調器負責創建網絡，屬于高校室內火災自動報警系統的核心，協調器的實現流程如圖4所示。

當信息傳輸路徑建立完成，需要對ZigBee路由設備轉發的煙霧濃度與溫度信息進行分析，判斷其是否可以進行信息傳輸。若可以進行信息傳輸，則依據建立的路徑將煙霧濃度與溫度信息傳輸至支持向量機處理模塊內。

ZigBee協調器通過基于負載均衡的ZigBee網絡多徑路由算法來建立信息傳輸路徑[11?12]，將ZigBee路由設備轉發的煙霧濃度與溫度信息傳輸至支持向量機處理模塊內。ZigBee網絡多徑路由算法能夠解決信息傳輸過程中的干擾問題，提升信息傳輸的穩定性[13]。本文中令使用標志位為M1，干擾標志位為M2，利用該算法構造多路徑的具體步驟如下。

步驟1：源節點依據樹路由傳輸ID尋路信息分組，樹路徑中的節點會提醒鄰居節點其已參與信息傳輸路徑的構造。

步驟2：更新對應的鄰居表信息。令該鄰居節點的M1為1，即其不可建立新路徑，并發送干擾節點信息至其鄰居節點，將鄰居表內相應的M2改成1，即該節點是干擾節點。

步驟3：當源節點接收Sink節點的主路徑確認信息后，完成主路徑構造，并重復步驟1，構造從路徑。

步驟4：構造從路徑時，選取鄰居表內使用與干擾標志位均是0的節點作為下一跳節點。

步驟5：在一個節點接收同一ID號的尋路信息分組情況下，剔除后抵達的煙霧濃度與溫度信息分組，不實施信息傳輸。

步驟6：在尋路信息分組成功抵達Sink節點情況下，該節點會原路返回確認煙霧濃度與溫度信息，完成路徑構造。

信息傳輸路徑構造完成后，便可傳輸煙霧濃度與溫度信息，提升信息傳輸的穩定性與抗干擾性。

1.3" 基于支持向量機的室內火災檢測

支持向量機處理模塊依據協調器傳輸的煙霧濃度與溫度信息，檢測高校室內火災類型。

令協調器傳輸的煙霧濃度與溫度信息樣本為[X=xi，i=1，2，…，N]；對應的高校室內火災類型是[yi（i=1，2，3）]，[y1]、[y2]、[y3]分別代表常溫無火、發生陰燃與明火火災。令權重為[w]，則高校室內火災類型檢測的決策函數為：

[gx=wTφx]" " " " " "（1）

式中[φx]為多項式核函數。

將式（1）轉換成優化問題，公式如下：

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

式中：[ε]為不敏感損失函數；[C]為懲罰參數；[h]為松弛變量。

令[qi]為Lagrange乘子，通過Lagrange函數轉換式（2）得到對偶問題，公式如下：

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

式中：[q*i]為[qi]的最佳值；[Kxi，xj]為核函數。

通過求解式（3）便可獲取最終的高校室內火災檢測決策函數，公式如下：

[gx=i=1Nqi-i=1Nq*iKxi，xj]" " "（4）

通過式（4）計算獲取高校室內各火災類型的發生概率。令高校室內火災發生概率閾值是0.5，當陰燃與明火發生概率大于0.5時，即[gxgt;0.5]，則利用自動報警模塊自動發出警報。

2" 實驗分析

以某高校教學樓為實驗對象，在該高校教學樓內應用本文系統來確保師生的生命安全。該高校內共有5座教學樓，各教學樓的相關參數如表1所示。

利用本文系統對該高校教學樓進行實驗，系統的煙霧傳感器實物圖如圖5所示。

本文系統利用圖5的煙霧傳感器實時采集該高校教學樓室內的煙霧濃度與溫度信息。以第一教學樓內某間教室為例，該教室無火災，利用本文系統采集該教室的煙霧濃度與溫度信息，信息采集結果如圖6所示。

分析圖6a）與圖6b）可知，本文系統可有效采集教室內部與火災相關的信息，且采集的信息均與實際信息非常接近，說明本文系統的信息采集精度較高。

利用網絡生存周期衡量本文系統的信息傳輸效果，其值越大說明信息傳輸效果越佳。本文系統在不同流量負載時的網絡生存周期分析結果如圖7所示。

分析圖7可知，隨著流量負載的提升，本文系統的網絡生存周期呈下降趨勢，當流量負載在55 pps左右時，網絡生存周期已降至最低并趨于穩定，穩定在80 s左右。在不同流量負載時，本文系統的網絡生存周期均明顯高于網絡生存周期閾值，說明在不同流量負載時，本文系統的網絡生存周期均較高，即本文系統的信息傳輸效果較優。

在該高校5座教學樓內各隨機選擇3間教室，利用本文系統計算這15間教室火災類型的發生概率，并與設定閾值進行比較，若大于閾值則報警模塊自動報警。火災類型發生概率計算結果與自動報警結果如表2所示，其中，設置第三教學樓存在明火火災，第五教學樓存在陰燃，其余3座教學樓均為常溫無火。

表2中，第三教學樓3間教室的明火概率均大于設定閾值0.5時，說明第三教學樓存在明火火災，與實際情況一致；第五教學樓的陰燃概率均大于設定閾值0.5時，說明第五教學樓存在陰燃火災，與實際情況一致。分析表2可知，本文系統可有效計算室內火災類型的發生概率，對于大于設定閾值的陰燃與明火類型可以進行自動報警，說明該系統具有較高的火災自動報警精度，可有效降低火災造成的損失。

3" 結" 論

為提高室內火災自動報警系統的準確性和可靠性，設計一種基于ZigBee技術和支持向量機下室內火災自動報警系統。利用ZigBee技術設計傳感器節點，采集火災信號信息；構造信息傳輸路徑，將信息傳輸至支持向量機處理模塊內，對采集到的火災信號進行高效、準確的分類和識別。實驗結果表明，本文系統信息采集精度較高，信息傳輸效果較優，可以實時監測火災跡象，從而降低誤報率，提高火災報警的準確性和可靠性。

參考文獻

[1] 門茂琛，杜雨佳，徐銘銘，等.基于剩余電流波形特征量的智能電氣火災監控研究[J].消防科學與技術，2023，42（4）：549?554.

[2] 崔鵬飛.火災自動報警系統消防監督檢查要點及典型隱患研究[J].消防科學與技術，2022，41（4）：530?532.

[3] 陳碩，范恒，周茂磊.基于循環神經網絡的火災風險預測及應用[J].消防科學與技術，2022，41（5）：655?657.

[4] 畢曉君，孫梓瑋，劉進.高層火災智能報警及逃生指導系統[J].智能系統學報，2022，17（4）：814?823.

[5] 張素萍，王莉，孟慶宜，等.基于平面傳感陣列的大型倉儲火災報警系統研究[J].電子器件，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，張羽楊，陸梓萍，等.基于機器學習的熱釋放速率實時預測方法[J].火災科學，2022，31（1）：8?14.

[9] 蔣飛宇，朱璨，俞宙，等.一種超寬帶光電混合結構A/D轉換器[J].微電子學，2021，51（4）：466?470.

[10] 陳璽，付東兵，劉璐，等.一種四通道16位250 MS/s A/D轉換器[J].微電子學，2022，52（4）：533?538.

[11] 蔡鵬，陸俊，肖振鋒，等.考慮負載均衡的系統保護通信專網路由規劃方法[J].光通信技術，2021，45（1）：36?41.

[12] 王洋.基于ZigBee與云平臺的皮革企業智慧管理系統[J].中國皮革，2021，50（7）：36?38.

[13] 謝文蘭.混合光無線傳感網絡節能路由算法優化[J].激光雜志，2022，43（4）：130?134.