英语原文共 7 页，剩余内容已隐藏，支付完成后下载完整资料
无线火灾探测节点的实时监测
巴拉蒂亚大学电子与仪器学系，印度泰米尔纳德邦，哥印拜陀-641046
摘要
本文提出了一种基于无线传感网络的火灾早期探测与检测低速率、低功耗传感节点的设计方案。采用DHT11数字温湿度传感器进行测量，采用MSP430单片机对比较算法和DST算法中的最佳算法进行处理和实现。检测到的信息通过XBeepro短距离无线传输到计算机系统。利用度量无法发现的火焰对算法的性能进行了分析和测试。透过互联网，电脑系统使用teamviewer软件将资料及时分享给业主/消防局/警察及所有其他负责人。DST比较算法具有跟高的软件设计复杂度。但它的性能比较好。
copy;2016作者。由爱思唯尔有限公司出版。这是一篇CC BY-NC-ND许可下的开放访问文章(http://creativecommons.org/licenses/bync -nd/4.0/)。
由ICETEST - 2015组委会负责同行评审
关键词：无线传感器网络、DST算法、计较算法、火灾探测、实时火灾监测、传感器节点
一、我的介绍
无线传感器网络(WSN)由多个传感器节点组成，它们从周围环境中收集信息，并与计算机系统通信，将测量数据发送给计算机系统进行进一步处理。开发无线传感器网络节点最重要的要求是体积小、功耗低、具有最佳的柔性计算算法。为此，传感器节点对传感器、调理接口、单片机和收发机等低功耗电子设备和高效算法提出了要求。此外，如果传感器网络必须覆盖大面积、分布大量的传感节点，就需要廉价的传感器来实现成本的降低。WSN由电池供电的无线传感器节点和计算机系统组成，如图1所示。网络拓扑结构为星形结构。所有的传感器节点都在与计算机系统通信。计算机系统自动设置网络参数，激活与之连接的传感器节点。网络内的通信使用IEEE 802.15.4标准和低功耗无线规范ZigBee实现。计算机系统可以接入网络，因此，当发生警报时，它可以通过网络发送信息通知操作员或团队(使用teamviewer软件)
通讯作者:电子邮件地址:srvijisiva@gmail.com
作者简介:由爱思唯尔有限公司出版。这是一篇CC BY-NC-ND许可下的开放访问文章(http://creativecommons.org/licenses/bync -nd/4.0/)。
由ICETEST - 2015组委会负责的同行评审doi:10.1016/j.protcy.2016.05.244
电脑系统有
英特网
传感器节点
|
ZigBee |
单片机 |
传感器 |
ZigBee，电池和
USB接口接口
图1.无线传感器网络描述
本文档的其余部分组织如下。相关工作见第2节。第三部分讨论了传感器节点的设计方法，以及利用demster - shaffer理论进行火灾探测的比较算法和DST算法。第四部分对实验结果进行了分析。最后，第五部分给出了研究结论。
- 相关工作
介绍了基于无线传感器网络的煤矸石井巷火灾探测、报警、监控和预防系统。对森林火灾风险监测中传感器行为的移动约束模型进行了分析。张俊国等人对基于ZigBee无线传感器网络的森林火灾探测系统进行了研究。对Cetin Elmas和Yusuf Sonmez数据融合框架进行了分析，提出了一种用于森林火灾多智能体决策支持系统的混合算法。Andrey Somov等人讨论了用于甲烷泄漏检测的无线传感器网络的部署和评估。
- 传感器节点的设计与算法
每个传感器节点由以下几个部分组成:
- 一种微控制器msp430，它控制和同步传感器数据采集过程和收发操作。
- 一种XBeePro收发机，运行在2.4 GHz工业-科学-医学(ISM)自由射频频段，用于向计算机系统传输信息。这里使用通信模块IEEE802.15.4, ZigBee, 2.4 GHz。支持方便的自配置功能，功耗低。
- 单传感器测量所需参数。DHT 11数字传感器用于检测被测环境的温湿度。该单传感器用于测量这两个参数的数字形式。因此，它很容易与任何一个端口的MSP430单片机接口。
- 一种由电池组成的电源，为节点组件提供所需的能量。
- 该接口电路采用msp430单片机，适用于LCD、JTAG、XBeepro和DHT11传感器。
传感器节点的电路图如图2所示。由于接口元件较少，设计成本较低。
图二.传感器电路图
图
3.3VRT
3.1比较算法
在无线传感器网络中，实现了具有比较算法的传感器节点对火灾进行检测并与计算机系统通信。通过在单片机中实现比较算法，对传感器节点接收到的数据进行分析，对观测区域进行火灾检测。比较算法将每隔1秒接收到的感知数据的差值与特定的temp_threshold值(根据用户设置的环境和季节)进行比较。这个过程是在传感器节点内对每个传感数据进行的。该过程遵循温度数据，如式1所示。
Fire_Risk(s) = (tenp(s) — tenp(s— 1)) Sigma; tenpthrechoSd equation 1
在eqn.1中， Fire_Risk (s)代表了火灾的报警状态时美国临时(s)代表温度的值在1秒时间,和临时(s - 1)代表1秒前的温度价值。如果这些温度之间的差异值超过temp_threshold值连续五次这意味着有一个Fire_Risk观测区域,系统会报警状态或高状态。如果这两个温度值之间的差值小于设置的temp_threhold值，则将处于低状态或不着火状态下的火灾风险级别传递给计算机系统。
3.2采用demster - shaffer理论的dst算法
登普斯特-谢弗理论也被称为信念函数理论。在某种程度上，我们有可能相信某件事可能是真的，也可能是假的。考虑火灾情况，其中有三个相互竞争的假设x, y, z，在这个算法中，x, y, z是F = fire, U = Unfire, K = unknown, E = {F U K}。真假设或焦点元素有8种组合。因此，P(E)有8个元素，假设有两个证据(i)温度高于(ii)相对湿度正在下降。首先，在没有任何证据证明所有三个假设都是正确的情况下，将权重赋给集合{x y z}，并将其他集合的权重赋给集合{x y z}。每一个新的证据都将开始减少分配给集合{x y z}的权重，并增加一些其他权重，以确保所有权重之和仍然是1.0。为了计算质量，我们有
nass 1,2(fnof;) = nacc1(f)nacc2(f) nacc1(f)nacc2(k) nacc1(k)nacc2(f) -----equation 2
1–nacc1(f)nacc2(u)–nacc1(u)nacc2(f)
mass1和mass2是使用拉格朗日插值法计算的，并将质量值分配给从传感器收集的数据。当事件/传感数据的行为类似于火灾事件时，温度的质量值会更大。图3给出了基于DS理论的DST算法。采用嵌入式C语言编写，并在传感器节点微控制器中编程，对环境进行分析。节点使用DHT11传感器周期性地感知环境的温度和相对湿度条件。每次注册一个新的温度值时，算法计算5个值的平均值与新温度值的比值。这5个是DHT11传感器记录的最新温度值。如果这个比值等于temp_threshold，则表示温度值变化较大，因此使用拉格朗日插值法计算出了mass1的质量值。每次注册一个新的相对湿度值，算法计算5个相对湿度值的平均值与新的相对湿度值的比值。这5个是节点的DHT11传感器最近记录的相对湿度值。如果这个比值等于或小于humid_threshold，则意味着湿度值发生了很大的变化，因此使用拉格朗日插值方法计算出了mass2的质量值。如果用相应的阈值检查这两个值的火灾情况，那么DST算法报告可能发生了火灾。但是，如果插值方法分配的质量值中有一个建议着火，另一个建议un_fire条件，则该算法使用Dempster组合规则计算新的质量mass1,2的值，如eq .2所示。如果该值等于阈值，则算法报告可能发生火灾。温度平均窗口大小可以根据环境和季节来确定。阈值是根据季节和环境的气候条件设置的。
图3.基于登普斯特-谢弗理论的DST算法
- 实验工作
表1为DHT11在火灾实验中测得的温湿度值之间的关系。这种关系表明湿度和温度成反比。为了评价DST算法在火灾发生时，随着温度的升高，相对湿度降低。在该算法中，节点使用DHT11周期性地感知环境的温度和相对湿度条件。每次注册新的温度的值,该算法计算的值的比率平均最近5温度和温度的新值并设置temp_threshold = 2ordm;C和阈值=
0.5(根据环境、季节、气候条件计算设置)。根据Dempster组合规则，mass1和mass2利用温湿度的实测值，采用拉格朗日插值法对质量值进行赋值，如式3所示。
(x x0 ) hellip; (x xi1 ) (x xi1 ) hellip; (x xn )
----eqn.3
(xi x0 ) hellip; (xi xi1 ) (xi xi1 ) hellip; (xi xn )
其中x为温度阈值为i时的温度值，湿度为humid_threhold时的湿度值。为了确定质量值，使用最近的温湿度值。利用方程3的拉格朗日插值法计算了湿度质量值mass2和温度质量值mass1。然后，将其与humid_threhold和temp_threhold值进行比较。如果感知的湿度值小于或等于计算的湿度值，且感知的温度值大于或等于计算的温度值，则算法赋值给(fire)假设。大于或等于0.5的阈值(基于用户设置的季节)。否则，它将赋值小于0.5。如果该方法给(火灾)假设分配一个mass12ge;阈值，那么该算法表明可能发生火灾。另一方面，如果该方法为(fire)假设分配了一个mass12值lt;阈值，则算法将继续收集数据。但是，如果湿度ge;humid_threshold和temp gt; temp_threshold或湿度lt; humid_threshold和temp lt; temp_threshold，则用公式2计算组合质量为mass1,2。该算法无法区分火灾和阳光。但是，如果节点不受阳光照射，则可以减少未探测火灾的数量。图4显示了使用DHT11、MSP430、
LCD, XBee检测火灾。当节点处于非活动状态时，选择MSP430的低功耗模式。设计成本低。
表1.火灾时的温度和相对湿度关系
|
温度(ordm;C) |
相对湿度y(%) |
|
53.2 |
14.5 |
|
53 |
14 |
|
53 |
15 |
|
48 |
15.5 |
|
47.5 |
16 |
|
47 |
17.5 |
|
46 |
18.5 |
|
45.5 |
20.5 |
|
45 |
22 |
|
44 |
23.5 |
|
43.5 |
23 |
图4检测火灾的传感器节点
该节点的MSP430单片机采用两种算法或任意一种算法对火灾进行检测。信息被传送到距离100米远的计算机系统。计算机系统负责使用teamviewer软件通过Internet将信息实时发送到任何地方和任何负责人。只有一个传感器被用来测量这两个环境参数。因此，设计简单，成本降低。在计算机系统中，设计并连接收发单元来接收来自节点的信息。系统完成了前端设计和后台数据库维护设计。节点在从计算机系统获得经过身份验证的信息后被激活以节省电源。
- 结论
本文设计了单传感器低功耗低成本传感器节点，并分析了两种火灾检测算法。第一个算法使用比较方法。第二种DST算法基于Dempster- Shafer理论。这两种技术都有带有温度和湿度传感器的节点。实验结果表明，两种方法都能较好地检测火灾的初始阶段。基于比较法的算法实现简单，性能良好。该算法基于登普斯特-谢弗理论，在软件设计上较难检测火灾，性能优于比较算法。传感器节点的设计成本最小。因此，大量的传感器被部署到大的区域。实现了计算机系统的低功耗模式和唤醒功能，降低了功耗。利用该技术可以实时查看火灾信息，降低了成本。作为未来的工作，计划实现基于模糊
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[441271]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
