专利摘要

专利摘要

本发明公开了一种基于ZigBee技术的火灾监测预警系统，包括：中央处理器、PAN协调器、多个ZigBee监测网点和显示模块；ZigBee监测网点包括FFD节点和异构RFD节点；异构RFD节点包括烟雾传感器、温度传感器和图像传感器；FFD节点，用于将布置在被监测地点的异构RFD节点采集的环境信息发送至所述PAN协调器，环境信息包括烟雾浓度值、温度值和图像RGB值；PAN协调器，用于协调由多个ZigBee监测网点形成的网络拓扑结构，将每个ZigBee监测网点处的所述环境信息发送至所述中央处理器；中央处理器，用于采用多传感器信息融合算法根据所述环境信息确定所述被监测地点的火灾状态；显示模块，用于实时显示所述被监测地点的环境信息。本发明可以大大提高火灾监测预警的时效性和准确性。

权利要求

1.一种基于ZigBee技术的火灾监测预警系统，其特征在于，包括：中央处理器、PAN协调器、多个ZigBee监测网点和显示模块；所述ZigBee监测网点包括FFD节点和异构RFD节点；所述异构RFD节点包括烟雾传感器、温度传感器和图像传感器；

所述FFD节点，用于将布置在被监测地点的异构RFD节点采集的环境信息发送至所述PAN协调器，所述环境信息包括烟雾浓度值、温度值和图像RGB值；

所述PAN协调器，用于协调由所述多个ZigBee监测网点形成的网络拓扑结构，将每个ZigBee监测网点处的所述环境信息发送至所述中央处理器；

所述中央处理器，用于采用多传感器信息融合算法根据所述环境信息确定所述被监测地点的火灾状态，具体为：分别对当前时刻之前的预设时间段内的所述烟雾浓度值、温度值和图像RGB值进行特征值划分，得到实时关联特征向量，具体为：将所述烟雾浓度值与预设的第一浓度阈值、第二浓度阈值和第三浓度阈值进行比较，确定所述烟雾浓度值的特征值；将所述温度值与预设的第一温度阈值、第二温度阈值和第三温度阈值进行比较，确定所述温度值的特征值；将所述图像RGB值与预设的第一RGB阈值、第二RGB阈值和第三RGB阈值进行比较，确定所述图像RGB值的特征值；

利用Apriori算法训练得到所述烟雾传感器、温度传感器和图像传感器在不同火灾阶段下的标准关联特征向量：由Apriori模型分别选出不同火灾阶段中温度、烟雾浓度和图像RGB值这3项变量因子的高频特征值组合；将初期阶段的高频特征值组合作为初期阶段的标准关联特征向量；将火灾可控制阶段的高频特征值组合作为该阶段的标准关联特征向量；将火灾不可控制阶段的高频特征值组合作为该阶段的标准关联特征向量；

将所述实时关联特征向量的每个元素分别与所述不同火灾阶段下的标准关联特征向量的对应元素进行比较，确定所述被监测地点的火灾状态，具体为：将所述实时关联特征向量分别与不同火灾阶段下的标准关联特征向量进行合并，得到一个组合特征向量；在所述组合特征向量中选取当前抽样元素，计算所述当前抽样元素与所述组合特征向量中的其它元素的KNN距离，将所述KNN距离最小的元素所在的标准关联特征向量作为最接近向量；以所述最接近向量所对应的火灾阶段作为当前的火灾状态；所述不同火灾阶段包括：火灾初期阶段、火灾可控制阶段和火灾不可控制阶段；

所述显示模块，用于实时显示所述被监测地点的环境信息。

2.根据权利要求1所述的火灾监测预警系统，其特征在于，所述网络拓扑结构为：所述PAN协调器位于网络中心，所述FFD节点和所述异构RFD节点分布在所述PAN协调器的周围。

3.根据权利要求1所述的火灾监测预警系统，其特征在于，所述显示模块包括无线控制LED显示屏。

说明书

技术领域

本发明涉及火灾的预防技术领域，具体是一种基于ZigBee技术的火灾监测预警系统。

背景技术

火灾是最经常、最普遍地威胁公众安全和社会发展的主要灾害之一，因此建立完善的针对火灾的预警系统是非常重要的。但是，目前市场上应用的基于传感器的火灾预警系统大多稳定性差、灵敏度低，无法保证火灾监测预警的时效性和准确性。现有专利“一种降低森林火灾预警误报率的方法”，专利号为201710079911.1，此专利较好地消除了虚假报警，有效地降低了系统的误警率，大幅度提高了火灾预警的准确率，但是对火灾监测预警的时效性没有较好的效果。

发明内容

本发明为解决现有火灾监测预警系统的不足，提供了一种基于ZigBee技术的火灾监测预警系统，可以大大提高火灾监测预警的时效性和准确性。

为了实现上述目的，本发明采用的技术方案为：

一种基于ZigBee技术的火灾监测预警系统，包括中央处理器、PAN协调器、多个ZigBee监测网点和显示模块；所述ZigBee监测网点包括FFD节点和异构RFD节点；所述异构RFD节点包括烟雾传感器、温度传感器和图像传感器；

所述FFD节点，用于将布置在被监测地点的异构RFD节点采集的环境信息发送至所述PAN协调器，所述环境信息包括烟雾浓度值、温度值和图像RGB值；

所述PAN协调器，用于协调由所述多个ZigBee监测网点形成的网络拓扑结构，将每个ZigBee监测网点处的所述环境信息发送至所述中央处理器；

所述中央处理器，用于采用多传感器信息融合算法根据所述环境信息确定所述被监测地点的火灾状态；

所述显示模块，用于实时显示所述被监测地点的环境信息。

进一步地，所述中央处理器，具体用于：

分别对当前时刻之前的预设时间段内的所述烟雾浓度值、温度值和图像RGB值进行特征值划分，得到实时关联特征向量；

利用Apriori算法训练得到所述烟雾传感器、温度传感器和图像传感器在不同火灾阶段下的标准关联特征向量；

将所述实时关联特征向量的每个元素分别与所述不同火灾阶段下的标准关联特征向量的对应元素进行比较，确定所述被监测地点的火灾状态。

进一步地，所述中央处理器，具体用于：

将所述烟雾浓度值与预设的第一浓度阈值、第二浓度阈值和第三浓度阈值进行比较，确定所述烟雾浓度值的特征值；

将所述温度值与预设的第一温度阈值、第二温度阈值和第三温度阈值进行比较，确定所述温度值的特征值；

将所述图像RGB值与预设的第一RGB阈值、第二RGB阈值和第三RGB阈值进行比较，确定所述图像RGB值的特征值。

进一步地，所述不同火灾阶段包括：火灾初期阶段、火灾可控制阶段和火灾不可控制阶段。

进一步地，所述中央处理器，具体用于：

将所述实时关联特征向量分别与不同火灾阶段下的标准关联特征向量进行合并，得到一个组合特征向量；

在所述组合特征向量中选取当前抽样元素，计算所述当前抽样元素与所述组合特征向量中的其它元素的KNN距离，将所述KNN距离最小的元素所在的标准关联特征向量作为最接近向量；

以所述最接近向量所对应的火灾阶段作为当前的火灾状态。

进一步地，所述网络拓扑结构为：所述PAN协调器位于网络中心，所述FFD节点和所述异构RFD节点分布在所述PAN协调器的周围。

进一步地，所述显示模块包括无线控制LED显示屏。

本发明的有益效果：

本发明提供的一种基于ZigBee技术的火灾监测预警系统，通过设置中央处理器、PAN协调器、多个ZigBee监测网点和显示模块进行数据信息收集并集中处理，可以提高监测信息的准确性和可靠性；其中PAN协调器，可协调整个网络以及与中央处理器的通信，具有信息传输速度快，时效性强的特点；并且，通过采用FFD、RFD和PAN节点组成的树型网络拓扑结构，利用RFD节点电耗较低的特征，进一步降低整个火灾监测预警系统的电耗，避免因部分RFD节点失效而导致整个火灾监测预警系统的瘫痪，提高整个系统的可靠性和稳定性。

附图说明

图1为本发明一种基于ZigBee技术的火灾监测预警系统的动态监测系统流程图。

图2为本发明一种基于ZigBee技术的火灾监测预警系统的网络拓扑图。

具体实施例

下面结合附图和具体实施方式对本发明进一步说明：

如图1所示，本发明提供一种基于ZigBee技术的火灾监测预警系统，所述火灾监测预警系统包括：中央处理器11、PAN协调器12、多个ZigBee监测网点13和显示模块14；所述ZigBee监测网点13包括FFD节点和异构RFD节点；所述异构RFD节点包括烟雾传感器、温度传感器和图像传感器；

所述FFD节点用于将布置在被监测地点的异构RFD节点采集的环境信息发送至所述PAN协调器12，所述环境信息包括烟雾浓度值、温度值和图像RGB值；

所述PAN协调器12用于协调由所述多个ZigBee监测网点形成的网络拓扑结构，将每个ZigBee监测网点13处的所述环境信息发送至所述中央处理器11；

所述中央处理器11用于采用多传感器信息融合算法根据所述环境信息确定所述被监测地点的火灾状态；

所述显示模块14用于实时显示所述被监测地点的环境信息。所述显示模块包括无线控制LED显示屏。

具体地，中央处理器11采用多传感器信息融合算法的处理过程具体为：步骤1、分别对当前时刻之前的预设时间段内的所述烟雾浓度值、温度值和图像RGB值进行特征值划分，得到实时关联特征向量；

该步骤具体执行过程为：将所述烟雾浓度值与预设的第一浓度阈值、第二浓度阈值和第三浓度阈值进行比较，确定所述烟雾浓度值的特征值；将所述温度值与预设的第一温度阈值、第二温度阈值和第三温度阈值进行比较，确定所述温度值的特征值；将所述图像RGB值与预设的第一RGB阈值、第二RGB阈值和第三RGB阈值进行比较，确定所述图像RGB值的特征值。

步骤2、利用Apriori算法训练得到所述烟雾传感器、温度传感器和图像传感器在不同火灾阶段下的标准关联特征向量；

一般而言，导致火灾的燃料在与氧气发生化学反应进行燃烧时，会产生燃烧物，同时发出光、热以及其他气体。例如，火灾初期阶段，燃烧不充分时产生的CO气体；以及火灾逐渐蔓延时，燃料充分燃烧时产生的CO2气体等。通常情况下，火焰的颜色偏红，然而，随着周围环境温度的升高，火焰的颜色也会改变。也就是说，在不同火灾阶段下，环境的温度、烟雾浓度以及图像中火焰亮度或者图像整体的RGB值都是不同的。本步骤正是利用Apriori算法挖掘火灾发生时，温度、烟雾浓度以及图像RGB值之间存在的关联，从而得到不同火灾阶段下的由三个特征值元素组成的标准关联特征向量。

在实际应用中可采用SPSS Clementine数据挖掘软件中的Apriori模型进行关联性分析。由Apriori模型分别选出不同火灾阶段中温度、烟雾浓度和图像RGB值这3项变量因子的高频特征值组合。然后，将初期阶段的高频特征值组合作为初期阶段的标准关联特征向量；将火灾可控制阶段（也可称火灾发展阶段）的高频特征值组合作为该阶段的标准关联特征向量；将火灾不可控制阶段（也可称猛烈燃烧阶段）的高频特征值组合作为该阶段的标准关联特征向量。

步骤3、将所述实时关联特征向量的每个元素分别与所述不同火灾阶段下的标准关联特征向量的对应元素进行比较，确定所述被监测地点的火灾状态。

该具体执行过程为：将所述实时关联特征向量分别与不同火灾阶段下的标准关联特征向量进行合并，得到一个组合特征向量；在所述组合特征向量中选取当前抽样元素，计算所述当前抽样元素与所述组合特征向量中的其它元素的KNN距离，将所述KNN距离最小的元素所在的标准关联特征向量作为最接近向量；以所述最接近向量所对应的火灾阶段作为当前的火灾状态。

所述火灾监测预警系统中PAN协调器与多个ZigBee监测网点的网络拓扑结构为：所述PAN协调器位于网络中心，所述FFD节点和所述异构RFD节点分布在所述PAN协调器的周围。

如图2所示，位于网络中心的斜线填充的灰色阴影节点为PAN协调器，位于PAN协调器周围的4个网格填充的黑色阴影节点为FFD节点，以及位于FFD节点周围的异构RFD节点（N1、N2、W、P）。其中N1和N2分别表示两种不同类型的烟雾传感器，W表示温度传感器，以及P表示图像传感器。

具体的，本实施例中采用的烟雾传感器为深圳市普恩科技有限公司生产的离子式烟雾传感器HIS-07、TORO公司生产的气体烟雾传感器MQ-2、美国DALLAS公司生产的智能温度传感器DS18B20，以及CCD图像传感器。

当发生火灾时，对应位置的异构RFD节点立即发出信号给附近的FFD节点，所述FFD节点汇集信息并将信息传至PAN协调器，PAN协调器将该信息以及异构RFD节点的位置信息转发至中央处理器进行处理。

从该网络拓扑结构图可知，RFD节点仅与FFD节点进行通信，因此RFD节点在寻找到合适的FFD节点并发送数据后，可以立即断开与FFD节点的连接，进入省电模式，电量消耗非常小。本发明实施例正是利用这一点，使RFD节点的数量远大于FFD节点的数量，从而很大程度上降低了整个系统的电量消耗，在保证信息有效传输的基础上达到节约电量的目的。

由上述内容可知，本发明提供的一种基于ZigBee技术的火灾监测预警系统，具有以下好处：第一、ZigBee传输128kbps的网络连接数据大约需要30毫秒，实时性好；第二、可以快速连接，并且通过采用RFD、FFD和PAN节点相配合的方式，利用RFD节点低电耗的的特征，可以维持长时间的电池寿命；第三、通过节约用电，保证各RFD节点的有效工作时长，避免因部分RFD节点因电量不足频繁失效而导致整个火灾监测预警系统的瘫痪，提高整个系统的可靠性和稳定性；第四、ZigBee监测网点可以配置数万个节点，整个系统的网络拓展性好。

本发明可以提高监测信息的准确性和可靠性，具有信息传输速度快，时效性强和远程监控的特点，极大地降低人力成本，管理员可以随时获知火灾信息，迅速反应节省了宝贵的时间，尽可能地降低火灾造成的损失。

以上所述之实施例，只是本发明的较佳实施例而已，并非限制本发明的实施范围，故凡依本发明专利范围所述的构造、特征及原理所做的等效变化或修饰，均应包括于本发明申请专利范围内。

一种基于ZigBee技术的火灾监测预警系统专利购买费用说明

Q：办理专利转让的流程及所需资料

A：专利权人变更需要办理著录项目变更手续，有代理机构的，变更手续应当由代理机构办理。

1：专利变更应当使用专利局统一制作的“著录项目变更申报书”提出。

2：按规定缴纳著录项目变更手续费。

3：同时提交相关证明文件原件。

4：专利权转移的，变更后的专利权人委托新专利代理机构的，应当提交变更后的全体专利申请人签字或者盖章的委托书。

Q:专利著录项目变更费用如何缴交

A：（1）直接到国家知识产权局受理大厅收费窗口缴纳,（2）通过代办处缴纳，（3）通过邮局或者银行汇款,更多缴纳方式

Q：专利转让变更，多久能出结果

A：著录项目变更请求书递交后，一般1-2个月左右就会收到通知，国家知识产权局会下达《转让手续合格通知书》。