论文部分内容阅读
随着社会的飞速发展,楼宇建筑风格也在不断更新换代,呈现出楼层越来越高、楼体内部结构越来越复杂多样、室内易燃易爆物品和电气化设备明显增多的现象。而现有消防监测报警系统大多监测手段单一、数据来源有限,漏报、误报问题严重。这导致火灾隐患急剧增加,迫切需要对建筑物消防环境进行实时的监测及报警。针对现有消防监测报警系统存在严重的漏报、误报及无法适应当下楼宇建筑复杂的实际环境等问题,本文设计出一种基于双环境感知及智能化处理的消防系统。主要研究内容包括:(1)基于双环境的多源异构消防数据感知方法研究。由于消防灭火设备在火灾发生时扮演着极其重要的作用,本系统将消防设备气瓶加入到消防感知的环境中,结合火灾隐患点组成两个消防数据获取场景。多源异构数据信息包括气瓶压力、周围环境温度及湿度,火灾隐患点的温度、湿度、烟雾及图像等信号。消防环境的多源异构数据在数据类型、数据结构、传感器通信协议等方面存在异构特点。本文整合研究各类监测信号的感知与获取方法,设计出一套针对多源异构消防数据监测的软硬件方法。(2)基于LoRa星状轮询嵌套组网方法研究。面对如今房屋建筑结构复杂导致数据采集节点数激增、数据传输量大且距离远等问题,利用低功耗广域网LoRa技术进行多节点组网实来现数据传输。通过研究LoRa星状网轮询及数据碰撞延时解决LoRa无线传输的数据碰撞丢包问题。研究并提出使用LoRa星状网轮询嵌套的组网方法解决星状网轮询组网方式下的从节点数量上限问题,提高LoRa无线网络传输的稳定性和健壮性。(3)基于多层感知器神经网络的消防数据智能处理方法。针对系统环境感知数据的多源异构属性,为挖掘数据信息,实时判断感知环境的状态,本文提出利用多层感知器神经网络算法对消防数据进行处理。通过研究多层感知器神经网络的算法学习,建立适用于本系统的算法模型,并对算法模型进行训练分析。为进一步提高系统报警的准确度,对火灾隐患点的现场图片进行火焰识别,结合多层感知器神经网络的处理结果来精确判断火灾发生情况,实现消防数据的智能化处理。最终,根据以上对系统方案的研究,选取相关传感器、STM32最小系统、LoRa无线收发模块、触摸屏及4G网络模块,设计制作出系统硬件电路及接收处理端显示柜,并基于硬件平台编写系统算法程序。实现了用单片机控制触摸屏显示监测数据信息并将报警信息精准投送到智能手机终端的功能。经实验测试,本双环境感知与智能化处理消防系统可以达到采集数据实时、网络传输稳定、数据处理准确和信息投送精准的设计要求。