劉細鳳

安科瑞電氣股份有限公司 上海嘉定 201801

摘要：針對現(xiàn)有消防系統(tǒng)維護成本高、安裝困難、數(shù)據(jù)利用率低等問題，設(shè)計一種基于窄帶物聯(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 斯算法進行數(shù)據(jù)融合后以可視化的方式呈現(xiàn)。經(jīng)測試，該系統(tǒng)可以及時反饋消防信息，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

隨著我國經(jīng)濟的快速發(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，我國高層建筑34.7萬幢，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)運而生，解決了消防信 息資源共享、自動化信息處理等問題。

目前，國內(nèi)學(xué)者對智慧消防系統(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 了基于無線傳感器網(wǎng)絡(luò)的消防報警系統(tǒng)，介紹了無線傳感器 網(wǎng)絡(luò)技術(shù)應(yīng)用于消防報警系統(tǒng)的實施方案，實現(xiàn)了節(jié)點通過 傳感器地對環(huán)境參數(shù)進行采集、處理和傳送，通過 采集節(jié)點信息和操縱控制平臺同時進行險情預(yù)警図。但其傳 輸層采用 WiMax （Worldwide Interoperability for Microwave Access,全球互通微波訪問）、ZigBee等協(xié)議進行數(shù)據(jù)傳輸, 節(jié)點之間通過RF （Radio Frequency,射頻）模塊進行通信, 傳輸過程不穩(wěn)定且功耗高。單個節(jié)點傳感器采集數(shù)據(jù)并直接 計算分析，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。

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。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)前研究的趨勢之一。本文設(shè)計了基于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、水壓傳感器實時采集數(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)，實現(xiàn)傳感器無線部署、數(shù)據(jù)實時采集、數(shù)據(jù)綜合處理、 可視化協(xié)助決策和設(shè)備自動監(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)計思想，將系統(tǒng)分為傳感器節(jié)點、虛 擬服務(wù)器和客戶端，系統(tǒng)架構(gòu)如圖1所示。

圖1系統(tǒng)整體設(shè)計框圖

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，可實現(xiàn)對環(huán) 境數(shù)據(jù)的實時采集。

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)和報警，當(dāng)用戶請求時訪問數(shù)據(jù)庫, 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、消防部門報警和物業(yè)部門監(jiān)測。Web端通過云端 服務(wù)器與數(shù)據(jù)庫進行數(shù)據(jù)交互，實現(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

本系統(tǒng)硬件電路主要由4個部分組成：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

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,在低負載期間TPS6123自動進入省電模式，待 機電流僅為0.5必。穩(wěn)壓電路中EN端高電平使能；SS端為 芯片啟動延時端，一旦電容電壓達到輸入電壓值，芯片開始 工作；SW端為轉(zhuǎn)換引腳，連接到芯片內(nèi)部的電力場效應(yīng)晶 體管的漏；PG引腳為開漏輸出，額定吸收電流達500 nA, PG輸出需要一個上拉電阻，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, &進行分壓，實現(xiàn)要求的輸出值 K，計算公式如下：

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

圖3  數(shù)據(jù)采集模塊供電電路

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LCC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

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。需要探測煙霧濃度時，主控芯片的PB7輸出高電平, 煙霧傳感器工作，并輸出模擬量，主控芯片對模擬信號進行 數(shù)模轉(zhuǎn)換并進行自適應(yīng)均值濾波后存入數(shù)據(jù)隊列中吐 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、探測范圍大、可靠性高等優(yōu)點，且其內(nèi)部集成了 紅外探測熱電堆芯片與信號處理芯片，能將熱信號處理 并校準后轉(zhuǎn)換為數(shù)字信號通過I2C協(xié)議直接輸出到主控芯片。

3 系統(tǒng)軟件設(shè)計

本文的軟件設(shè)計平臺為Keil和Matlab 2016b<,采用Keil 軟件設(shè)計STM32的底層驅(qū)動程序和主程序，Matlab實現(xiàn)數(shù) 據(jù)融合，二者均采用模塊化設(shè)計。

3.1傳感器節(jié)點驅(qū)動程序設(shè)計

由于傳感器節(jié)點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)動層，以主程序確保調(diào)用相 應(yīng)的硬件資源時，不會獨占操作系統(tǒng)時間片，從而提高系統(tǒng) 運行效率，降低傳感器節(jié)點工作能耗。本傳感器驅(qū)動層體系。

AI指令模塊將NB-IoT模塊的AT指令集封裝為對應(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 對象簡譜）的格式 存儲到特殊內(nèi)存單元中，使主控芯片STM32休眠時依然能 保存數(shù)據(jù)；Queue模塊封裝了隊列基本操作。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)。定時器模塊定時喚醒ADC模塊與 DMA模塊。RTC （Real-Time Clock,實時時鐘）模塊用于 提供描述數(shù)據(jù)的實際時間。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)點主程序設(shè)計

主程序控制傳感器節(jié)點的各個硬件部分分時工作，且在數(shù)據(jù)無異常的情況下，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)點功耗。主程序首先對傳感器節(jié)點初始化，初始化 主要包括驅(qū)動層初始化，NB-IoT網(wǎng)絡(luò)初始化。隨后對工作 參數(shù)進行設(shè)置。工作參數(shù)主要包括數(shù)據(jù)上報間隔、休眠間隔、 報警閾值等參數(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)超過報警閾值，傳感器節(jié)點將打開蜂鳴器向 用戶報警，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)點將重復(fù)數(shù)據(jù)采集與數(shù)據(jù)上傳工作，直到警報解除；如果數(shù)據(jù)未超過報警閾值，傳感器節(jié)點將數(shù)據(jù) 壓入數(shù)據(jù)隊列、關(guān)閉各數(shù)據(jù)采集模塊電源，并使主控芯片進 入休眠狀態(tài)，到達喚醒時間后喚醒主控芯片，重復(fù)下一輪的數(shù)據(jù)采集。

3.3服務(wù)器端設(shè)計

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)庫服務(wù)叫客戶端界面。

客戶端層是指用戶使用瀏覽器來操作的部分，使用瀏覽 器進行操作具有跨平臺的優(yōu)勢，無論是移動設(shè)備，還是PC 設(shè)備都能進行操作。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 各項業(yè)務(wù)邏輯，業(yè)務(wù)邏輯封裝成API接口，API接口設(shè)計采 用RESTfUlAPI架構(gòu)，便于二次開發(fā)前后端通過Axios模塊 來調(diào)用API接口完成數(shù)據(jù)交互。

由于數(shù)據(jù)需要NB模塊只能訪問電信的服務(wù) 器，需要完成北向應(yīng)用對接。服務(wù)器上傳CA證書到物聯(lián)網(wǎng) 平臺用于身份識別，所以使用HTTPS為通信協(xié)議。后端業(yè) 務(wù)通過調(diào)用的API與物聯(lián)網(wǎng)平臺完成對接，物聯(lián)網(wǎng)平臺 提供了基礎(chǔ)API包和公用事業(yè)（NB-IoT） API包，在平臺 上創(chuàng)建應(yīng)用后會獲得應(yīng)用ID和密鑰，這個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)庫系統(tǒng)是MongoDB,該數(shù)據(jù)庫系統(tǒng)具備執(zhí)行查詢速度 快、支持高并發(fā)、具有敏捷性和可擴展性的優(yōu)點姬。采用 Mongoose庫操作數(shù)據(jù)庫實現(xiàn)查詢、更新、刪除等操作。

3.4數(shù)據(jù)融合設(shè)計

本系統(tǒng)為了對環(huán)境進行感知，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。為求解環(huán)境火災(zāi)風(fēng) 險值，需要對異構(gòu)數(shù)據(jù)進行數(shù)據(jù)融合。本系統(tǒng)數(shù)據(jù)融合流程。首先對數(shù)據(jù)庫中的溫度、濕度、水壓、煙霧濃 度等數(shù)據(jù)進行濾波，平滑數(shù)據(jù)中的噪聲和采集誤差；然后通 過時間軸對準，實現(xiàn)異構(gòu)數(shù)據(jù)的同步；再計算通過特征提取 模塊的數(shù)據(jù)的貝葉斯概率，作為風(fēng)險值，存入數(shù)據(jù)庫

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時刻得到的濾波器參數(shù)，調(diào)節(jié) 上時刻的濾波器參數(shù)，以適應(yīng)信號和噪聲未知的或隨時間變 化的均方誤差，實現(xiàn)均方誤差，實現(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)值計算

End

3.4.2時間軸對齊

時間軸對齊采用插值時基法。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)對準到標準時基。該方 法需要選取標準時基，由于溫度數(shù)據(jù)對于風(fēng)險值貢獻, 故選取溫度數(shù)據(jù)作為標準時基。其余數(shù)據(jù)采用二乘法進行擬合作為逼近函數(shù)，在標準時基處進行插值，得到對準后數(shù)據(jù)。

3.4.3特征提取

考慮到本系統(tǒng)數(shù)據(jù)庫為異構(gòu)數(shù)據(jù)庫，數(shù)據(jù)具有多維性, 利用 PC A (Principal Component Analysis,主成分分析)進 行特征提取。求解目標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，計算得到該矩陣的特征協(xié)方差矩陣。 計算該協(xié)方差矩陣的特征值和特征向量，并對其特征值進行 遞減排序。提取前上個特征值和特征向量進行回退，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)

//對特征值進行遞減排序

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zhi定的低維空間

X transfbrmed = X.dot (eigenvectors)

X transfbrmed = X.dot (eigenvectors)

3.4.4風(fēng)險概率計算

本系統(tǒng)的數(shù)據(jù)具有更新快、規(guī)模大的特點，樸素貝葉斯 算法對于大規(guī)模的增量數(shù)據(jù)處理效率較高，故選取該方法進 行風(fēng)險概率計算。采用.632自助法選取訓(xùn)練集，假設(shè)特征之 間相互獨立，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求出使得后驗概率的輸出y,將>作為火 災(zāi)風(fēng)險值。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)測試

為測試所設(shè)計系統(tǒng)的正確性和實時性，分別在正常情況 和模擬火災(zāi)情況兩種情況下對系統(tǒng)進行測試。

正常情況：將系統(tǒng)置于木箱中，模擬無煙、室溫的室內(nèi) 環(huán)境，測試結(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)險值(右側(cè)儀表盤) 也遠低于報警線。此處，報警線為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, 單個數(shù)據(jù)均處于危險范圍內(nèi)。經(jīng)融合所得的風(fēng)險值為40高 于初始設(shè)定的閾值35,系統(tǒng)報警。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)計的系統(tǒng)的實時性良好。

5安科瑞智慧消防監(jiān)控云平臺介紹與選型

5.1平臺簡介

安科瑞智慧消防綜合管理云平臺基于物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等現(xiàn)代信息技術(shù)，將分散的火災(zāi)自動報警設(shè)備、電氣火災(zāi)監(jiān)控設(shè)備、智慧煙感探測器、智慧消防用水等設(shè)備連接形成網(wǎng)絡(luò)，并對這些設(shè)備的狀態(tài)進行智能化感知、識別、定位，實時動態(tài)采集消防信息，通過云平臺進行數(shù)據(jù)分析、挖掘和趨勢分析，幫助實現(xiàn)科學(xué)預(yù)警火災(zāi)、網(wǎng)格化管理、落實多元責(zé)任監(jiān)管等目標。填bu了原先針對“九小場所”和危化品生產(chǎn)企業(yè)無法有效監(jiān)控的空白，適應(yīng)于所有公建和民建，實現(xiàn)了無人化值守智慧消防，實現(xiàn)智慧消防“自動化”、“智能化”、“系統(tǒng)化”、用電管理的實際需求。

從火災(zāi)預(yù)防，到火情報警，再到控制聯(lián)動，在統(tǒng)一的系統(tǒng)大平臺內(nèi)運行，用戶、安保人員、監(jiān)管單位都能夠通過平臺直觀地看到每一棟建筑物中各類消防設(shè)備和傳感器的運行狀況，并能夠在出現(xiàn)細節(jié)隱患、發(fā)生火情等緊急和非緊急情況下，在幾秒時間內(nèi)，相關(guān)報警和事件信息通過手機短信、語音電話、郵件提醒和APP推送等手段，就迅速能夠迅速通知到達相關(guān)人員。同時，通過自動消防滅火控制裝置啟動自動滅火設(shè)備和消防聯(lián)動控制設(shè)備，有效解決用電單位電氣線纜老舊，小微企業(yè)無專業(yè)電工、肉眼無法直觀系統(tǒng)即時排查電氣隱患、隱蔽工程隱患檢查難等難題，及時排除隱患，安科瑞智慧消防監(jiān)控云平臺結(jié)構(gòu)如下圖所示：

5.2平臺功能

(1) 平臺登陸

用戶登錄成功之后進入首頁，如圖所示。主要展示的內(nèi)容有：項目概況、設(shè)備狀態(tài)、設(shè)備分類、設(shè)備報警信息、報警分類、報警統(tǒng)計、設(shè)備臺賬信息等。其中百du地圖可以選配成BIM建筑模型，任何傳感器報警時可以在BIM模型中預(yù)警顯示。

(2) 實時監(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、滅弧式保護器探測和母排無線測溫探測等等各類子系統(tǒng)，實現(xiàn)對相關(guān)消防系統(tǒng)設(shè)備的信息實時監(jiān)控，一且發(fā)現(xiàn)監(jiān)測數(shù)劇 超過風(fēng)險閾值，APP、電話報警統(tǒng)統(tǒng)上陣，通過設(shè)備的標簽、地理位置定位，快速通知，快速處置

(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)生報警或隱患后，系統(tǒng)可以針對工程人員派發(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)計支持對項目進行日、月、季、年的維度查詢，并能夠自定義時間查詢，將項目下隱患以曲線，圖表的形式展現(xiàn)

(4) 統(tǒng)計分析

統(tǒng)計分析包括數(shù)據(jù)匯總和分析報告，數(shù)據(jù)匯總以曲線和表格形式顯示各個月份的報警和故障記錄，同時顯示控制日志，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，項目名稱，設(shè)備信息以及對應(yīng)的操作時間等；分析報告包括總體概況和設(shè)備回路特征分析。

(5) 運維管理

根據(jù)運維調(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zhi定巡檢計劃和巡檢日歷，可支持巡檢人員使用手機NFC芯片巡檢打卡的功能。

(6) 手機APP功能

手機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)的實時監(jiān)測數(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、過流等電氣故障實時報警數(shù)據(jù)等；能實時顯示項目地理位置、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時報警信息；可以實現(xiàn)遠程復(fù)位、遠程分閘功能；可以對所有現(xiàn)場探測器進行遠程參數(shù)設(shè)定及修改；可以對所有現(xiàn)場探測器的遠程控制記錄進行查詢；

5.3配置

5.3.1平臺服務(wù)器：建議按照我方配置購買，或者客戶自己租用阿里云資源。

硬件配置清單：（如申請阿里云可忽略）

5.3.2系統(tǒng)現(xiàn)場硬件配置清單：

注：以下配置為針對1個回路選型，其中剩余電流互感器應(yīng)根據(jù)現(xiàn)場回路電流大

5.4產(chǎn)品選型

電氣火災(zāi)監(jiān)控探測器

6結(jié)論

本文設(shè)計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, 通過對采集到的數(shù)據(jù)融合處理，從而實現(xiàn)實時監(jiān)管和達到協(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)動匱乏等問題。

注：本文通訊作者為劉紫燕。

參考文獻

[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.

[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，2017 (17)： 97-99.

[3] 李卿，董淑敏.基于無線傳感器網(wǎng)絡(luò)的消防報警系統(tǒng)卩].電子設(shè) 計工程，2016, 24 (18)： 119-122.

[4] 安科瑞企業(yè)微電網(wǎng)設(shè)計與應(yīng)用手冊，2020.06版.

作者簡介：劉細鳳,女,安科瑞電氣股份有限公司