[发明专利]基于zigbee无线传感器网络的林业多传感器火警告警系统

摘要

本发明公开了基于zigbee无线传感器网络的林业多传感器火警告警系统，该系统包括感知层、网络层和应用层；感知层与网络层之间通过wifi进行交互连接，网络层和应用层之间进行数据交互通信；本发明在应用层采用特征级融合，加入了模糊集概念改进了基于D_S证据理论的数据融合算法以解决D_S证据理论中的证据冲突情况，使得三种传感器数据能够更精确的决策出是否火灾，检测精度高实时性强，有效的解决了多传感器告警融合决策正确率不高的问题。

主权项

1.基于zigbee无线传感器网络的林业多传感器火警告警系统，其特征在于：该系统包括感知层、网络层和应用层；感知层与网络层之间通过wifi进行交互连接，网络层和应用层之间进行数据交互通信；该系统的具体实现过程如下，步骤(1)设计感知层方案，并完成硬件焊接和Zigbee模块通信；步骤(1.1)通信方案设计传感节点由Zigbee透传模块、Arduino Mega 2560处理器模块、电池模块及DHT11传感器、火焰传感器组成，路由节点由透传模块、处理器模块、电池模块组成，网关集成了ZigBee协调器与树莓派；步骤(1.1.1)初始状态协调器默认给所有路由节点的tag都为1，协调器模块通过协调器透传模块给路由列表中tag＝1的路由均发送以AA+00+路由地址+55+指令为格式的指令AA，即发送AA+00+路由地址+55+AA，透传模块根据指定地址找到另一块透传模块并发送，此时协调器模块等待接收数据；步骤(1.1.2)路由模块收到数据后，判断其是否为AA，若为AA则发送以AA+00+传感地址+55+指令为格式的指令AA，即发送AA+00+传感地址+55+AA，透传模块根据指定地址找到另一块透传模块并发送，此时路由模块等待接收传感节点数据；若为BB则自我重启透传模块且不向传感节点模块发送数据，重新等待接收数据；步骤(1.1.3)传感节点模块接受路由节点发送相关指令，若为指令AA开始采集传感数据，Arduino将两方传感器采集的数据以AA+00+路由地址+55+传感数据的格式存储并由自定义软串口输出到透传模块，其中传感数据的数据格式为FF+1位终端号+1位火焰数据+4位湿度数据+4位温度数据组成，透传模块再将数据发送至指定路由地址的路由透传模块；步骤(1.1.4)路由模块收到数据后，判断数据位数是否存在丢位数的情况，一组数据为11位，若count＝11，则以AA+00+协调地址+55+传感数据的格式传给协调器；否则重启路由透传模块并重新等待接收数据，若依旧不是正确格式数据则将该终端数据位设置为FE+10位0并发送给协调器模块；步骤(1.1.5)当接受到数据后，判断数据位数是否存在丢位数的情况，一组数据为11位，若count＝11，则存储；若count！＝0&&count！＝11，则丢掉这组数据；若count＝0，则发送指令BB后等待0.5s再重新发送AA指令并等待接收数据；若tag＝0，则认定该路由下的传感节点损坏，数据保存并设置为FE+10位0，并不与路由模块通信；结束一轮数据接收后通过socket向应用层上传数据；步骤(1.2)以设计程序的相关功能为依照焊接各个模块和传感器；步骤(2)设计云服务平台，分别分为服务器接收程序设计，数据库设计，web后端设计；步骤(2.1)服务器接受程序首先创建一个socket，然后一直监听绑定的端口号，当接受到感知层传输数据请求时就会从socket中读取收到的数据，再根据数据格式解析相关内容，数据格式为：FF+1位终端号+1位火焰数据+4位湿度数据+4位温度数据；步骤(2.2)数据库设计用户列表和数据列表，并将解析出来的数据存储进数据列表中；步骤(2.3)采用D_S证据理论和模糊集概念改进算法对三种数据进行融合并产生决策，步骤(2.3.1)采用模糊集合度量三个证据之间两两的模糊距离，其中Θu为目标，m₁、m₂分别为两个证据的mess函数，如公式(1)所示；步骤(2.3.2)L_ij(u)即为两个证据间相似度度量值，当L_ij(u)<q，q为自定义常量，即认为不相似，因此证据1和其他m个证据对于目标u的贴近度为D(u)，如公式(2)所示；Sum(1)＝L₁₂(u)+L₁₃(u)+…+L_1m(u)表示(m‑1)个其他证据对证据1在目标u上的贴近度之和；该度量值越大表明其他证据对于该证据越支持，该证据越可信；步骤(2.3.3)同时证据对目标的权值应该与支持度相关，因此有权值γ_i(u_k)，如公式(3)所示；γ_i(u_k)＝c₁L_i1(u_k)+c₂L_i2(u_k)…+c_mL_im(u_k)   (3)且对于目标u_k，m个证据的权重系数应为1，如公式(4)所示；由于L₁₂(u)＝L₁₂(u)，L_ij(u)＝L_ji(u),因此D(u)为对称矩阵，且均为正数，由对称性矩阵求解可知存在特征根λ>0和特征向量β有公式(5)；Dβ＝λβ  (5)根据将权值γ_i(u_k)转换成矩阵形式即为R＝LC,其中R＝[γ₁(u_k),γ₂(u_k),…,γ_m(u_k)]^T   (6C＝[c₁,c₂,…,c_m]^T     (7)线性变换后形式为R＝λT，T＝[t₁(u_k),t₂(u_k),…,t_m(u_k)]；求解后目标的权重为公式(8)所示；对于相似度的选择可使用模糊集中隶属度函数表示，通过经验集，选用正态分布隶属度函数如公式(9)所示；其中平均数，σ²为方差，m为m₁(u_k)；由上式可得出对于某目标u_k,证据i与其他证据相似度为公式(10)；将公式(10)代入式(8)即可得到证据i对于目标u_k应该获得的权重值γ_i(u_k)；步骤(2.3.4)改进后n个mass函数的Dempster合成规则为公式(11)所示；配合权重求出温湿度和火焰系数对已着火，未着火，不确定三种情况的mass值，并得出最终结果；步骤(2.4)若决策结果为已着火则显示在网页上进行弹窗告警；所有公式的大背景都是假设目标辨识框架为k个目标{u₁，u₂，u₃…u_k}，m个证据；u代表任意目标；u_k代表第k个目标；i,j分别表示第i个证据和第j个证据；m_i(u)表示第i个证据对目标u的mess函数；m_j(u)表示第j个证据对目标u的mess函数；c₁，c₂，…,c_n代表不同的常数。