程志芳
安科瑞電氣股份有限公司 上海嘉定 201801
摘要：針對(duì)現(xiàn)有消防系統(tǒng)維護(hù)成本高、安裝困難、數(shù)據(jù)利用率低等問題，設(shè)計(jì)一種基于窄帶物聯(lián)網(wǎng)(NB- IoT)的智慧消防系統(tǒng)。采用STM32L151作為主控芯片，將GY-906型溫度傳感器、CX-1088型光電煙霧傳感器和 HK1100C型水壓傳感器采集的溫度、煙霧、水壓等信息通過NB-IoT網(wǎng)絡(luò)上傳至云端服•務(wù)器，將數(shù)據(jù)利用樸素貝葉 斯算法進(jìn)行數(shù)據(jù)融合后以可視化的方式呈現(xiàn)。經(jīng)測(cè)試，該系統(tǒng)可以及時(shí)反饋消防信息，協(xié)助消防部門掌控火災(zāi)狀況。
關(guān)鍵詞：智慧消防系統(tǒng)；窄帶物聯(lián)網(wǎng)；數(shù)據(jù)融合；可視化；STM32L151 ；傳感器
0引言
隨著我國(guó)經(jīng)濟(jì)的快速發(fā)展，建筑逐漸向高層、高密度、 功能綜合化等方向發(fā)展。建筑構(gòu)造愈加復(fù)雜，導(dǎo)致安防問題 層出不窮。據(jù)統(tǒng)計(jì)，我國(guó)高層建筑34.7萬(wàn)幢，其中近一半的 消防設(shè)施不到位，消防設(shè)施平均完好率小于百分之50„得益于物聯(lián)網(wǎng)技術(shù)的發(fā)展，智慧消防系統(tǒng)應(yīng)運(yùn)而生，解決了消防信 息資源共享、自動(dòng)化信息處理等問題。
目前，國(guó)內(nèi)學(xué)者對(duì)智慧消防系統(tǒng)提供了多種研究方法和 思路：曹元軍等人提出的基于大型消防物聯(lián)網(wǎng)與互聯(lián)網(wǎng)融合 的智慧消防系統(tǒng)，闡述了消防物聯(lián)網(wǎng)與互聯(lián)網(wǎng)融合的體系框 架，分析了構(gòu)建智慧消防系統(tǒng)的關(guān)鍵技術(shù)山；李卿等人提出 了基于無(wú)線傳感器網(wǎng)絡(luò)的消防報(bào)警系統(tǒng)，介紹了無(wú)線傳感器 網(wǎng)絡(luò)技術(shù)應(yīng)用于消防報(bào)警系統(tǒng)的實(shí)施方案，實(shí)現(xiàn)了節(jié)點(diǎn)通過 傳感器地對(duì)環(huán)境參數(shù)進(jìn)行采集、處理和傳送，通過 采集節(jié)點(diǎn)信息和操縱控制平臺(tái)同時(shí)進(jìn)行險(xiǎn)情預(yù)警図。但其傳 輸層采用 WiMax (Worldwide Interoperability for Microwave Access,互通微波訪問)、ZigBee等協(xié)議進(jìn)行數(shù)據(jù)傳輸, 節(jié)點(diǎn)之間通過RF (Radio Frequency,射頻)模塊進(jìn)行通信, 傳輸過程不穩(wěn)定且功耗高。單個(gè)節(jié)點(diǎn)傳感器采集數(shù)據(jù)并直接 計(jì)算分析，將結(jié)果上傳至控制，不具備數(shù)據(jù)綜合利用與 分析的優(yōu)勢(shì)。
NB-IoT (Narrow Band Internet of Thing,窄帶物聯(lián)網(wǎng)) 具備覆蓋廣、容量大、成本低、功耗低、架構(gòu)優(yōu)等特點(diǎn)。因此，使用窄帶物聯(lián)網(wǎng)技術(shù)的消防系統(tǒng)融合了消防物聯(lián)網(wǎng) 與互聯(lián)網(wǎng)，成為當(dāng)前研究的趨勢(shì)之一。本文設(shè)計(jì)了基于NB- IoT的智慧消防系統(tǒng)，采用STM32微處理器作為主控芯片, 使用煙霧傳感器、溫度傳感器、水壓傳感器實(shí)時(shí)采集數(shù)據(jù)并 打包上傳云處理，完成數(shù)據(jù)分析與融合，經(jīng)由可視化界 面呈現(xiàn)，實(shí)現(xiàn)傳感器無(wú)線部署、數(shù)據(jù)實(shí)時(shí)采集、數(shù)據(jù)綜合處理、 可視化協(xié)助決策和設(shè)備自動(dòng)監(jiān)管等功能.
1系統(tǒng)功能與結(jié)構(gòu)
該系統(tǒng)采用分層設(shè)計(jì)思想，將系統(tǒng)分為傳感器節(jié)點(diǎn)、虛 擬專用服務(wù)器和客戶端。
數(shù)據(jù)采集模塊由GY-906型煙霧傳感器群、CX-1088型 溫度傳感器群、HK1100C型水壓傳感器群組成，可實(shí)現(xiàn)對(duì)環(huán) 境數(shù)據(jù)的實(shí)時(shí)采集。
主控芯片STM32L151微處理器通過ADC (Analog-to- Digital Converter,模數(shù)轉(zhuǎn)換)或 FC (Inter-Integrated Circuit, 集成電路總線)協(xié)議完成對(duì)于底層傳感器數(shù)據(jù)的采集并分析。
通信模塊采用NB-IoT將數(shù)據(jù)包上傳至云服務(wù)器，實(shí)現(xiàn) 數(shù)據(jù)轉(zhuǎn)發(fā)。通信模塊將傳感器采集的數(shù)據(jù)先發(fā)送至物聯(lián)網(wǎng)網(wǎng) 關(guān)，再上傳至云端服務(wù)器。
云端服務(wù)器是系統(tǒng)智能處理，實(shí)現(xiàn)數(shù)據(jù)預(yù)處理，數(shù) 據(jù)融合，完成指令的下發(fā)和報(bào)警，當(dāng)用戶請(qǐng)求時(shí)訪問數(shù)據(jù)庫(kù), 為可視化提供數(shù)據(jù)支撐。
客戶端層通過Web向各類聯(lián)網(wǎng)設(shè)備提供服務(wù)，包括用戶 終端監(jiān)測(cè)、消防部門報(bào)警和物業(yè)部門監(jiān)測(cè)。Web端通過云端 服務(wù)器與數(shù)據(jù)庫(kù)進(jìn)行數(shù)據(jù)交互，實(shí)現(xiàn)交互式可視化界面，為 用戶決策提供信息.
2系統(tǒng)硬件設(shè)計(jì)
本系統(tǒng)硬件電路主要由4個(gè)部分組成：主控芯片、NB- IoT通信模塊、電源電路模塊和數(shù)據(jù)采集模塊。節(jié)點(diǎn)中主 控芯片的通信串口與NB-IoT模塊通信串口相連接，GPIO (General-purpose input/output,通用輸入輸出端口)與 PWRKEY相連，主控芯片通過輸出高低電平使能控制NB- IoT模塊。主控芯片的GPIO連接低功耗電源電路模塊的使 能開關(guān)，通過輸出高低電平使能。數(shù)據(jù)采集根據(jù)不同端口連 接主控芯片的I2C通信端或GPIO模塊回。
2.1電源電路設(shè)計(jì)
電源電路分為電池穩(wěn)壓電路，數(shù)據(jù)采集模塊供電電路。 其中電池穩(wěn)壓電路與電池直接相連，提供3.3 V的輸出電壓, 為主控模塊、NB-IoT通信模塊等供電。數(shù)據(jù)采集供電模塊 的輸入端與電池穩(wěn)壓電路輸出端相連，使能端與主控芯片 相連。電池穩(wěn)壓電路如圖2所示，所采用的TSP601230為一種同步升壓轉(zhuǎn)換器，輸入電壓為23?5.5 V,輸出電壓3 2.5?5.5 V,在低負(fù)載期間TPS6123自動(dòng)進(jìn)入省電模式，待 機(jī)電流僅為0.5必。穩(wěn)壓電路中EN端高電平使能；SS端為 芯片啟動(dòng)延時(shí)端，一旦電容電壓達(dá)到輸入電壓值，芯片開始 工作；SW端為轉(zhuǎn)換引腳，連接到芯片內(nèi)部的電力場(chǎng)效應(yīng)晶 體管的漏；PG引腳為開漏輸出，額定吸收電流達(dá)500 nA, PG輸出需要一個(gè)上拉電阻，且EN高電平使能；FB端為電 流反饋輸入，通過外部電阻分壓調(diào)整輸出值；輸出端VOUT 為主控芯片供電，通過R, &進(jìn)行分壓，實(shí)現(xiàn)要求的輸出值 K。
數(shù)據(jù)采集模塊供電電路如圖3所示，所采用的ME6211 系列的低壓差線性穩(wěn)壓器其輸入電壓為2.0?6.5 V,輸出 電壓為1.8?5.0 V, EN為使能管腳，接高電平時(shí)芯片正常工作。其中，ME6211C18M5G芯片輸出1.8 V為煙感中 的(紅外LED)供電，ME6211C33M5G芯片輸出3.3 V, 為溫度傳感器和煙霧傳常工作。其中，ME6211C18M5G芯片輸出1.8 V為煙感中 的(紅外LED)供電，ME6211C33M5G芯片輸出3.3 V, 為溫度傳感器和煙霧傳
2.2 NB-IoT通信模塊電路
NB-IoT通信模塊電路所采用的BC26- LPWA模塊為L(zhǎng)CC貼片封裝，支持(UDP/TCP/MQTT/ LwM2M)等協(xié)議棧四，支持LTE Cat NB1頻段，發(fā)射功率 為23 dBm,且PSM模式下典型耗流為3.5 pA。
2.3 數(shù)據(jù)采集模塊設(shè)計(jì)
本文中光電煙霧傳感器選用迷宮紅外光電煙霧傳感器 CX-1088,該傳感器具有靈敏度高、感應(yīng)范圍大、功耗低等 優(yōu)點(diǎn)。需要探測(cè)煙霧濃度時(shí)，主控芯片的PB7輸出高電平, 煙霧傳感器工作，并輸出模擬量，主控芯片對(duì)模擬信號(hào)進(jìn)行 數(shù)模轉(zhuǎn)換并進(jìn)行自適應(yīng)均值濾波后存入數(shù)據(jù)隊(duì)列中吐 溫度 傳感器選用非接觸式紅外溫度傳感器GY-906. GY-906具有 分辨率高、探測(cè)范圍大、可靠性高等優(yōu)點(diǎn)，且其內(nèi)部集成了 紅外探測(cè)熱電堆芯片與信號(hào)處理專用芯片，能將熱信號(hào)處理 并校準(zhǔn)后轉(zhuǎn)換為數(shù)字信號(hào)通過I2C協(xié)議直接輸出到主控芯片。
3 系統(tǒng)軟件設(shè)計(jì)
本文的軟件設(shè)計(jì)平臺(tái)為Keil和Matlab 2016b<,采用Keil 軟件設(shè)計(jì)STM32的底層驅(qū)動(dòng)程序和主程序，Matlab實(shí)現(xiàn)數(shù) 據(jù)融合，二者均采用模塊化設(shè)計(jì)。
3.1傳感器節(jié)點(diǎn)驅(qū)動(dòng)程序設(shè)計(jì)
由于傳感器節(jié)點(diǎn)采用一次性鋰亞電池供電，所以需要降低系統(tǒng)功耗，故編寫驅(qū)動(dòng)層，以主程序確保調(diào)用相 應(yīng)的硬件資源時(shí)，不會(huì)獨(dú)占操作系統(tǒng)時(shí)間片，從而提高系統(tǒng) 運(yùn)行效率，降低傳感器節(jié)點(diǎn)工作能耗。本傳感器驅(qū)動(dòng)層體系。
AI指令模塊將NB-IoT模塊的AT指令集封裝為對(duì)應(yīng)的 命令，便于Main函數(shù)的直接調(diào)用。Queue模塊將不同數(shù)據(jù) 以 JSON (JavaScript Object Notation, JS 對(duì)象簡(jiǎn)譜)的格式 存儲(chǔ)到特殊內(nèi)存單元中，使主控芯片STM32休眠時(shí)依然能 保存數(shù)據(jù)；Queue模塊封裝了隊(duì)列基本操作。DMA (Direct Memory Access,直接內(nèi)存存取)模塊直接讀取ADC模塊、 FC模塊上數(shù)據(jù)采集模塊的數(shù)據(jù)，并將該數(shù)據(jù)傳送給Queue 模塊處理。GPIO模塊通過輸出高低電平控制數(shù)據(jù)采集模塊、 NB-IoT模塊電源的開關(guān)。定時(shí)器模塊定時(shí)喚醒ADC模塊與 DMA模塊。RTC (Real-Time Clock,實(shí)時(shí)時(shí)鐘)模塊用于 提供描述數(shù)據(jù)的實(shí)際時(shí)間。休眠模塊通過調(diào)用GPIO模塊關(guān) 閉外部模塊電源，并關(guān)閉主控芯片內(nèi)部除RTC源與內(nèi)存?zhèn)?份區(qū)外的硬件資源。
3.2傳感器節(jié)點(diǎn)主程序設(shè)計(jì)
主程序控制傳感器節(jié)點(diǎn)的各個(gè)硬件部分分時(shí)工作，且在數(shù)據(jù)無(wú)異常的情況下，傳感器 將保持靜默，不向服務(wù)器上傳數(shù)據(jù)，以降低傳感器節(jié)點(diǎn)功耗。主程序首先對(duì)傳感器節(jié)點(diǎn)初始化，初始化主要包括驅(qū)動(dòng)層初始化，NB-IoT網(wǎng)絡(luò)初始化。隨后對(duì)工作 參數(shù)進(jìn)行設(shè)置。工作參數(shù)主要包括數(shù)據(jù)上報(bào)間隔、休眠間隔、 報(bào)警閾值等參數(shù)。之后打開數(shù)據(jù)采集模塊電源并采集數(shù)據(jù)并分析，如果數(shù)據(jù)超過報(bào)警閾值，傳感器節(jié)點(diǎn)將打開蜂鳴器向 用戶報(bào)警，并喚醒NB-IoT模塊，向服務(wù)器發(fā)出警告并上傳 異常數(shù)據(jù)，傳感器節(jié)點(diǎn)將重復(fù)數(shù)據(jù)采集與數(shù)據(jù)上傳工作，直到警報(bào)解除；如果數(shù)據(jù)未超過報(bào)警閾值，傳感器節(jié)點(diǎn)將數(shù)據(jù) 壓入數(shù)據(jù)隊(duì)列、關(guān)閉各數(shù)據(jù)采集模塊電源，并使主控芯片進(jìn) 入休眠狀態(tài)，到達(dá)喚醒時(shí)間后喚醒主控芯片，重復(fù)下一輪的數(shù)據(jù)采集。
3.3服務(wù)器端設(shè)計(jì)
本系統(tǒng)服務(wù)器端采用B/S架構(gòu)，系統(tǒng)主要 分為客戶端層、應(yīng)用服務(wù)層和數(shù)據(jù)庫(kù)服務(wù)叫客戶端界面。
客戶端層是指用戶使用瀏覽器來(lái)操作的部分，使用瀏覽 器進(jìn)行操作具有跨平臺(tái)的優(yōu)勢(shì)，無(wú)論是移動(dòng)設(shè)備，還是PC 設(shè)備都能進(jìn)行操作。使用瀏覽器不需要專門的客戶端軟件。 該層主要完成的操作為用戶管理、設(shè)備管理、數(shù)據(jù)管理與可 視化儀表盤。
應(yīng)用服務(wù)層采用前后端分離的設(shè)計(jì)思路，前端以提供可 視化的操作界面，用于支撐客戶端層的功能。后端服務(wù)執(zhí)行 各項(xiàng)業(yè)務(wù)邏輯，業(yè)務(wù)邏輯封裝成API接口，API接口設(shè)計(jì)采 用RESTfUlAPI架構(gòu)，便于二次開發(fā)前后端通過Axios模塊 來(lái)調(diào)用API接口完成數(shù)據(jù)交互。
由于數(shù)據(jù)需要NB模塊只能訪問電信專用的服務(wù) 器，需要完成北向應(yīng)用對(duì)接。服務(wù)器上傳CA證書到物聯(lián)網(wǎng) 平臺(tái)用于身份識(shí)別，所以使用HTTPS為通信協(xié)議。后端業(yè) 務(wù)通過調(diào)用專用的API與物聯(lián)網(wǎng)平臺(tái)完成對(duì)接，物聯(lián)網(wǎng)平臺(tái) 提供了基礎(chǔ)API包和公用事業(yè)(NB-IoT) API包，在平臺(tái) 上創(chuàng)建應(yīng)用后會(huì)獲得應(yīng)用ID和密鑰，這個(gè)ID與密鑰是獲取 AccessToken (鑒權(quán)令牌)，每次調(diào)用API都需數(shù)據(jù)庫(kù)服務(wù)層包含數(shù)據(jù)的查詢、處理與可視化，采用的 數(shù)據(jù)庫(kù)系統(tǒng)是MongoDB,該數(shù)據(jù)庫(kù)系統(tǒng)具備執(zhí)行查詢速度 快、支持高并發(fā)、具有敏捷性和可擴(kuò)展性的優(yōu)點(diǎn)姬。采用 Mongoose庫(kù)操作數(shù)據(jù)庫(kù)實(shí)現(xiàn)查詢、更新、刪除等操作。
3.4數(shù)據(jù)融合設(shè)計(jì)
本系統(tǒng)為了對(duì)環(huán)境進(jìn)行感知，采集溫度、濕度、水壓、 煙霧濃度等多種數(shù)據(jù)，構(gòu)成異構(gòu)數(shù)據(jù)庫(kù)。為求解環(huán)境火災(zāi)風(fēng) 險(xiǎn)值，需要對(duì)異構(gòu)數(shù)據(jù)進(jìn)行數(shù)據(jù)融合。本系統(tǒng)數(shù)據(jù)融合流程。首先對(duì)數(shù)據(jù)庫(kù)中的溫度、濕度、水壓、煙霧濃 度等數(shù)據(jù)進(jìn)行濾波，平滑數(shù)據(jù)中的噪聲和采集誤差；然后通 過時(shí)間軸對(duì)準(zhǔn)，實(shí)現(xiàn)異構(gòu)數(shù)據(jù)的同步；再計(jì)算通過特征提取 模塊的數(shù)據(jù)的貝葉斯概率，作為風(fēng)險(xiǎn)值，存入數(shù)據(jù)庫(kù)
3.4.1數(shù)據(jù)濾波
本系統(tǒng)的數(shù)據(jù)濾波采用基于均方誤差的自適應(yīng)加權(quán)濾 波。此方法主要使用徉1時(shí)刻得到的濾波器參數(shù)，自主調(diào)節(jié) 上時(shí)刻的濾波器參數(shù)，以適應(yīng)信號(hào)和噪聲未知的或隨時(shí)間變 化的均方誤差，實(shí)現(xiàn)均方誤差，實(shí)現(xiàn)濾波，核心代碼如下：
for k = M ： itr
x = xn (k ： -1 ： k-M+1)； 〃濾波器M個(gè)抽頭的輸入
y = W ( : , k-1) ?*x； 〃濾波器的輸出
en (k) = dn (k) - y ； 〃第上次這代的誤差
W (:, k) =W ( : , k-1) +2*mu*en (k) *x ；
〃濾波器權(quán)值計(jì)算
End
3.4.2時(shí)間軸對(duì)齊
時(shí)間軸對(duì)齊采用插值時(shí)基法。該方法的核心在于逼近函 數(shù)的構(gòu)造，利用該函數(shù)將不同的數(shù)據(jù)對(duì)準(zhǔn)到標(biāo)準(zhǔn)時(shí)基。該方 法需要選取標(biāo)準(zhǔn)時(shí)基，由于溫度數(shù)據(jù)對(duì)于風(fēng)險(xiǎn)值貢獻(xiàn), 故選取溫度數(shù)據(jù)作為標(biāo)準(zhǔn)時(shí)基。其余數(shù)據(jù)采用二乘法進(jìn)行擬合作為逼近函數(shù)，在標(biāo)準(zhǔn)時(shí)基處進(jìn)行插值，得到對(duì)準(zhǔn)后數(shù)據(jù)。
3.4.3特征提取
考慮到本系統(tǒng)數(shù)據(jù)庫(kù)為異構(gòu)數(shù)據(jù)庫(kù)，數(shù)據(jù)具有多維性, 利用 PC A (Principal Component Analysis,主成分分析)進(jìn) 行特征提取。求解目標(biāo)矩陣中每一列的特征平均值，用各列 減去該列的特征平均值，計(jì)算得到該矩陣的特征協(xié)方差矩陣。 計(jì)算該協(xié)方差矩陣的特征值和特征向量，并對(duì)其特征值進(jìn)行 遞減排序。提取前上個(gè)特征值和特征向量進(jìn)行回退，得到降 維后的特征矩陣，核心代碼如下：
//求解特征值和特征向量
selteigen values, sel€eigen_vectors = np.linalg.eig (covariance)
//對(duì)特征值進(jìn)行遞減排序
idx = selfleigen values.argsort () [: : -1]
eigenvalues = sel£eigen_values[idx][: selflk]
eigenvectors = sel£eigen_vectors[: , idx][: , : selfk]
//將數(shù)據(jù)集X映射至的低維空間
X transfbrmed = X.dot (eigenvectors)
X transfbrmed = X.dot (eigenvectors)
3.4.4風(fēng)險(xiǎn)概率計(jì)算
本系統(tǒng)的數(shù)據(jù)具有更新快、規(guī)模大的特點(diǎn)，樸素貝葉斯 算法對(duì)于大規(guī)模的增量數(shù)據(jù)處理效率較高，故選取該方法進(jìn) 行風(fēng)險(xiǎn)概率計(jì)算。采用.632自助法選取訓(xùn)練集，假設(shè)特征之 間相互獨(dú)立，學(xué)習(xí)從輸入到輸出的聯(lián)合概率分布，再基于此 模型，輸入x求出使得后驗(yàn)概率的輸出y,將>作為火 災(zāi)風(fēng)險(xiǎn)值。核心偽代碼如下：
def trainNBO (trainMatrix, trainCategory):
numTrainDocs = len (trainMatrix)
numWords = len (trainMatrix[O])
pAbusive = sum (trainCategory) /float (numTrainDocs) pONum = zeros (numWords)
plNum = zeros (numWords)
pODenom = 0.0
plDenom = 0.0
fori in range (numTrainDocs ):
if trainCategory [i] ==1 :
pl Num += trainMatrix[i]
p 1 Denom += sum (trainMatrix[i])
else :
pONum += trainMatrix[i]
pODenom += sum (trainMatrix[i])
plVect = plNum/pl Denom
pOVect = pONum/pODenom
return pOVect, plVect, pAbusive
4系統(tǒng)測(cè)試
為測(cè)試所設(shè)計(jì)系統(tǒng)的正確性和實(shí)時(shí)性，分別在正常情況 和模擬火災(zāi)情況兩種情況下對(duì)系統(tǒng)進(jìn)行測(cè)試。
正常情況：將系統(tǒng)置于木箱中，模擬無(wú)煙、室溫的室內(nèi) 環(huán)境，測(cè)試結(jié)果。可以看出，當(dāng)濕度、溫度、 煙霧均處于正常狀態(tài)，經(jīng)融合所得的風(fēng)險(xiǎn)值(右側(cè)儀表盤) 也遠(yuǎn)低于報(bào)警線。此處，報(bào)警線為35,該數(shù)值利用已有數(shù)據(jù) 經(jīng)過訓(xùn)練得出。模擬火災(zāi)情況：將系統(tǒng)置于同一木箱中，人工向木箱加 入煙霧，并提高木箱的溫度，。
可以看出濕度為百分之20RH，低于環(huán)境平均水平, 溫度為60 °C,高于43 °C,煙霧電壓為2.75 V,低于2.77 V, 單個(gè)數(shù)據(jù)均處于危險(xiǎn)范圍內(nèi)。經(jīng)融合所得的風(fēng)險(xiǎn)值為40高 于初始設(shè)定的閾值35,系統(tǒng)報(bào)警。此外，可以在該系統(tǒng)中查 看歷史數(shù)據(jù)，在模擬火災(zāi)情況下濕度、溫度、煙霧值均有明 顯跳變，證明本文所設(shè)計(jì)的系統(tǒng)的實(shí)時(shí)性良好。
5安科瑞智慧消防監(jiān)控云平臺(tái)介紹與選型
5.1平臺(tái)簡(jiǎn)介
安科瑞智慧消防綜合管理云平臺(tái)基于物聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算等現(xiàn)代信息技術(shù)，將分散的火災(zāi)自動(dòng)報(bào)警設(shè)備、電氣火災(zāi)監(jiān)控設(shè)備、智慧煙感探測(cè)器、智慧消防用水等設(shè)備連接形成網(wǎng)絡(luò)，并對(duì)這些設(shè)備的狀態(tài)進(jìn)行智能化感知、識(shí)別、定位，實(shí)時(shí)動(dòng)態(tài)采集消防信息，通過云平臺(tái)進(jìn)行數(shù)據(jù)分析、挖掘和趨勢(shì)分析，幫助實(shí)現(xiàn)科學(xué)預(yù)警火災(zāi)、網(wǎng)格化管理、落實(shí)多元責(zé)任監(jiān)管等目標(biāo)。原先針對(duì)“九小場(chǎng)所”和危化品生產(chǎn)企業(yè)無(wú)法有效監(jiān)控的空白，適應(yīng)于所有公建和民建，實(shí)現(xiàn)了無(wú)人化值守智慧消防，實(shí)現(xiàn)智慧消防“自動(dòng)化”、“智能化”、“系統(tǒng)化”、用電管理的實(shí)際需求。
從火災(zāi)預(yù)防，到火情報(bào)警，再到控制聯(lián)動(dòng)，在統(tǒng)一的系統(tǒng)大平臺(tái)內(nèi)運(yùn)行，用戶、安保人員、監(jiān)管單位都能夠通過平臺(tái)直觀地看到每一棟建筑物中各類消防設(shè)備和傳感器的運(yùn)行狀況，并能夠在出現(xiàn)細(xì)節(jié)隱患、發(fā)生火情等緊急和非緊急情況下，在幾秒時(shí)間內(nèi)，相關(guān)報(bào)警和事件信息通過手機(jī)短信、語(yǔ)音電話、郵件提醒和APP推送等手段，就迅速能夠迅速通知到達(dá)相關(guān)人員。同時(shí)，通過自動(dòng)消防滅火控制裝置啟動(dòng)自動(dòng)滅火設(shè)備和消防聯(lián)動(dòng)控制設(shè)備，有效解決用電單位電氣線纜老舊，小微企業(yè)無(wú)專業(yè)電工、肉眼無(wú)法直觀系統(tǒng)即時(shí)排查電氣隱患、隱蔽工程隱患檢查難等難題，及時(shí)排除隱患。
5.2平臺(tái)功能
(1) 平臺(tái)登陸
用戶登錄成功之后進(jìn)入首頁(yè)，如圖所示。主要展示的內(nèi)容有：項(xiàng)目概況、設(shè)備狀態(tài)、設(shè)備分類、設(shè)備報(bào)警信息、報(bào)警分類、報(bào)警統(tǒng)計(jì)、設(shè)備臺(tái)賬信息等。其中地圖可以選配成BIM建筑模型，任何傳感器報(bào)警時(shí)可以在BIM模型中預(yù)警顯示。
(2) 實(shí)時(shí)監(jiān)控
智慧用電子系統(tǒng)可接入電氣火災(zāi)、故障電弧、電氣火災(zāi)主機(jī)、滅弧式保護(hù)器探測(cè)和母排無(wú)線測(cè)溫探測(cè)等等各類子系統(tǒng)，實(shí)現(xiàn)對(duì)相關(guān)消防系統(tǒng)設(shè)備的信息實(shí)時(shí)監(jiān)控，一且發(fā)現(xiàn)監(jiān)測(cè)數(shù)劇 超過風(fēng)險(xiǎn)閾值，APP、電話報(bào)警統(tǒng)統(tǒng)上陣，通過設(shè)備的標(biāo)簽、地理位置定位，快速通知，快速置
(3) 隱患管理
隱患管理包括隱患巡查、隱患處理、和隱患記錄，隱患巡查的目的是為了系統(tǒng)在產(chǎn)生報(bào)警或隱患后，系統(tǒng)可以針對(duì)工程人員派發(fā)工單，處理完以后工程人員能夠在系統(tǒng)中填寫相關(guān)工單任務(wù)記錄，以供歷史查詢。隱患統(tǒng)計(jì)支持對(duì)項(xiàng)目進(jìn)行日、月、季、年的維度查詢，并能夠自定義時(shí)間查詢，將項(xiàng)目下隱患以曲線，圖表的形式展現(xiàn)
(4) 統(tǒng)計(jì)分析
統(tǒng)計(jì)分析包括數(shù)據(jù)匯總和分析報(bào)告，數(shù)據(jù)匯總以曲線和表格形式顯示各個(gè)月份的報(bào)警和故障記錄，同時(shí)顯示控制日志，支持按照控制類和參數(shù)設(shè)置類分別顯示，也可以按照操作是否成功分別顯示，包括此次控制的操作情況，項(xiàng)目名稱，設(shè)備信息以及對(duì)應(yīng)的操作時(shí)間等；分析報(bào)告包括總體概況和設(shè)備回路特征分析。
(5) 運(yùn)維管理
根據(jù)運(yùn)維調(diào)度管理的需要，智能調(diào)度技術(shù)人員可以分為不同角色，系統(tǒng)支持巡檢計(jì)劃和巡檢日歷，可支持巡檢人員使用手機(jī)NFC芯片巡檢打卡的功能。
(6) 手機(jī)APP功能
手機(jī)APP軟件具有IOS版本和安卓版本，并與電腦終端系統(tǒng)的數(shù)據(jù)同步，能展示剩余電流、溫度、電壓、電流等電氣參數(shù)的實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)及變化曲線、歷史數(shù)據(jù)與變化曲線；短路、斷線、漏電、超溫、過壓、欠壓、過流等電氣故障實(shí)時(shí)報(bào)警數(shù)據(jù)等；能實(shí)時(shí)顯示項(xiàng)目地理位置、未排除隱患數(shù)、未處理巡檢數(shù)等；通過APP消息推送的方式提醒用戶實(shí)時(shí)報(bào)警信息；可以實(shí)現(xiàn)遠(yuǎn)程復(fù)位、遠(yuǎn)程分閘功能；可以對(duì)所有現(xiàn)場(chǎng)探測(cè)器進(jìn)行遠(yuǎn)程參數(shù)設(shè)定及修改；可以對(duì)所有現(xiàn)場(chǎng)探測(cè)器的遠(yuǎn)程控制記錄進(jìn)行查詢；
5.3配置
5.3.1平臺(tái)服務(wù)器：建議按照我方配置購(gòu)買，或者客戶自己租用阿里云資源。
硬件配置清單：(如申請(qǐng)阿里云可忽略)
5.3.2系統(tǒng)現(xiàn)場(chǎng)硬件配置清單：
注：以下配置為針對(duì)1個(gè)回路選型，其中剩余電流互感器應(yīng)根據(jù)現(xiàn)場(chǎng)回路電流大
6結(jié)論
本文設(shè)計(jì)了一種基于窄帶物聯(lián)網(wǎng)(NB-IoT)的智慧消防 系統(tǒng)。本系統(tǒng)使用NB-IoT將多種數(shù)據(jù)傳輸至云端服務(wù)器, 通過對(duì)采集到的數(shù)據(jù)融合處理，從而實(shí)現(xiàn)實(shí)時(shí)監(jiān)管和達(dá)到協(xié) 助決策的目的，并解決了傳統(tǒng)消防系統(tǒng)部署繁瑣、功耗過高、 難于監(jiān)管、聯(lián)動(dòng)匱乏等問題。
注：本文通訊作者為劉紫燕。
參考文獻(xiàn)
[1] 曾彥鈞，李越，東 文，許 萍，吳先鵬，劉紫燕 .基于NB-IoT和STM32的數(shù)據(jù)融合智慧消防系統(tǒng)設(shè)計(jì).
[2] 曹元軍，朱艷，邵明鼎.基于大型樓宇物聯(lián)網(wǎng)與互聯(lián)網(wǎng)融合的智 慧消防系統(tǒng)[J].工程建設(shè)與設(shè)計(jì)，2017 (17)： 97-99.
[3] 李卿，董淑敏.基于無(wú)線傳感器網(wǎng)絡(luò)的消防報(bào)警系統(tǒng)卩].電子設(shè) 計(jì)工程，2016, 24 (18)： 119-122.
[4] 安科瑞企業(yè)微電網(wǎng)設(shè)計(jì)與應(yīng)用手冊(cè)，2020.06版.
