CAN總線下的汽車自燃監測預警系統設計
前言：想要寫出一篇引人入勝的文章？我們特意為您整理了CAN總線下的汽車自燃監測預警系統設計范文，希望能給你帶來靈感和參考，敬請閱讀。
摘要：傳統汽車自燃監測預警系統，溫度值監測誤差較大，且預警時間較長，為此，提出基于can總線的汽車自燃監測預警系統設計方法。硬件設計方面，采用蜂鳴器、智能控制器、協調器等，組成系統總體架構，通過CAN總線，實現節點間的數據通信，傳輸信息到服務器，通過終端查看數據，并設置多個I/O接口，對傳感器進行優化；軟件設計方面，將汽車自燃特征參量反饋給神經網絡，選取樣本數據進行訓練，識別汽車自燃情況的數據。實驗結果表明，設計系統降低了溫度值監測誤差，且縮短了溫度閾值預警時間。
關鍵詞：CAN總線；自燃監測；傳感器；預警時間
引言
汽車自燃具有一定隨機性，產生火災后，會對車上乘客、周邊人員和車輛安全產生威脅，因此，對汽車自燃監測預警系統進行研究，預防汽車自燃的發生，減少火災損失，具有重要意義[1]。國外汽車自燃監測預警研究較為成熟，結合通信技術和嵌入式技術，監測與汽車自燃相關的特征量，將信息傳輸到系統的預警終端，采用信息融合技術，綜合處理多源信息，對監測信息進行判斷，同時將預警等級劃分為低級和高級，比較設定閾值和監測的物理量值，全面反映出汽車自燃的特征信息，對實時自燃情況作出決策。國內汽車自燃監測預警研究，同樣取得較大發展，布置協調節點和感知節點，一致性描述汽車自燃特征，融合多個物理量，并對采集數據進行量綱歸一化處理，分析汽車工況與系統變量之間的關系，獲取汽車自燃特性的影響因素，通過自燃監測預警算法，從自燃起因和自燃部位等方面出發，確定煙霧濃度、熱釋放速率、溫度等參數，通過多參量自燃監測，對可疑自燃情況進行報警[2]。結合以上理論，提出基于CAN總線的汽車自燃監測預警系統。
1.基于CAN總線的汽車自燃監測預警系統設計方法
1.1基于CAN總線的系統硬件設計
1.1.1基于CAN總線設計系統總體架構根據汽車自燃特點，設計系統總體架構。使用智能控制器，對傳感器數據進行采集和處理，搭建汽車自燃特征量的采集節點，通過CAN總線網絡，實現節點間的數據通信，傳輸信息到服務器，然后利用協調器調整節點數據的閾值，協調器采用的內置芯片為MM7283型芯片，在中心引腳安裝一個LED屏幕插槽，將數據顯示到LED屏幕上，實現數據終端采集信息的查看[3]。通過CAN總線串行通信網絡，同時搭載多個采集節點，將采集數據發送給終端，CAN總線選取Zigtee核心開發板，型號為T19MS7-PCB板，采用3.5V電壓供電，為所有接口提供3.5V電壓，射頻芯片為CC2827H829芯片，作為系統硬件部分基礎，支持多個傳感器的I/O接口[4]。系統終端選取B729M72存儲器，優化終端電源電路，包括電源接口、驅動電路、穩壓電容，對傳輸數據進行存儲，主控芯片型號為CC8299芯片，通過M-stack協議棧進行自定義開發，支持16KB的RAM存儲和320KB閃存，同時芯片還支持低功耗模式，配置代碼領取的8291微控制器內核，以此實現ADC直接數據的采樣[5]。至此完成基于CAN總線系統總體架構的設計。
1.1.2優化自燃特征量采集傳感器系統總體架構設計完畢的基礎上，在汽車易發生自燃的部位，放置與汽車自燃特征量相關的傳感器，包括BS822U73煙霧傳感器、MQ-832溫度傳感器、MQ-829CO傳感器，實時監測車內環境信息。其中煙霧傳感器采用金屬半導體，設置6個針腳，分別與高低電平、電源負極、電源正極連接，剩余針腳則用于傳感器內部的供電加熱，模擬信號輸出，并獲取精確數值，根據數值閾值，對蜂鳴器進行驅動；CO傳感器采用二氧化硅半導體，設置2個能夠高低溫加熱的針腳，使導電率與CO濃度成正比；溫度傳感器則采用一根線傳送采集結構，外部設置3個針腳，分別與數字信號輸出接口、電源正極和電源負極連接，同時配置一個上拉電阻，擴大傳感器可探測的溫度范圍，檢測到溫度時，輸出具有符號位的9位二進制數，并通過ADC，將二進值數據轉換位十進值輸出[6]。至此完成傳感器的優化，實現系統硬件設計。
1.2系統軟件設計
系統硬件設計完畢的基礎上，對軟件進行設計，優化汽車自燃監測預警算法，對傳感器數據進行融合。采用神經網絡的自燃預警算法，將汽車自燃特征參量，包括CO濃度、煙霧濃度和溫度值，反饋給神經網絡，對汽車自燃進行識別。把BP神經網絡劃分為輸出層、隱含層和輸入層，根據三個特征量，使輸入層節點與感知節點的采集數據相一致，然后將節點輸入神經網絡，根據節點擬合傾向，確定神經網絡神經元個數和節點個數[7]。其中隱含層節點個數計算公式為：公式中為輸出層節點個數，為輸入層節點個數，為常數。讀取200組無汽車自燃情況的數據、200組有自燃情況的數據，將以上數據作為數據樣本，使320組數據作為訓練樣本，80組數據作為樣本數據，標準化處理輸入數據，對傳感器采集數據進行訓練[8]。設置目標誤差為0.002，學習速率為0.02，迭代次數為6000次，根據梯度誤差，對神經網絡權值進行修正，利用sim函數，輸出誤差值曲線，對自燃監測預警算法進行模擬仿真，將數據轉換為libsvm支持的格式，進而準確識別汽車自燃情況的數據，判斷是否需要預警和預警等級，至此完成汽車自燃監測預警算法的優化，實現系統軟件設計。結合硬件設計和軟件設計，完成基于CAN總線的汽車自燃監測預警系統設計。
2實驗論證分析
進行對比實驗，將此次設計系統記為實驗組，傳統汽車自燃監測預警系統記為對照組，比較兩組系統的溫度值監測誤差、和溫度閾值預警時間。
2.1實驗準備
以新款捷達汽車為模板，建立實驗用仿真模型，尺寸為4.47m×1.79m×0.85m，利用CAD建立汽車的三維圖形，導入PyroSim軟件中，該汽車自燃物主要為合成材料、駕駛艙座椅、泄漏燃油，其自燃材料及參數具體如下表所示：設置汽車火源功率為4.8kW，環境溫度為25℃，加熱70s后停止加熱，使熱釋放速度達到峰值，然后讓外界空氣進入，增加駕駛艙內的助燃氣體。在發動機艙內布置傳感器，每段空間設立一監測平面，同一平面設置15個傳感器，使相鄰平面間的橫向距離保持在0.4m，垂向距離保持在0.15m，對溫度、煙度、CO濃度、工況信息進行采集。
2.2實驗結果
將駕駛艙內溫度監測結果，與實際溫度變化曲線進行對比，計算不同時間段的溫度值監測誤差，實驗對比結果如下表所示：由上表可知，實驗組溫度值的平均監測誤差為1.342%，對照組平均監測誤差為3.553%，相比對照組，實驗組溫度值監測誤差降低了2.211%。當監測溫度達到閾值后，兩組系統對汽車自燃進行預警，比較預警時間，實驗對比結果如下表所示：由上表可知，實驗組溫度閾值的平均報警時間為3.541s，對照組平均報警時間為7.515s，相比對照組，實驗組溫度閾值報警時間縮短了3.974s。綜上所述，此次設計系統相比傳統系統，監測溫度值更加準確，同時縮短了溫度閾值的預警時間。
3.結束語
此次設計系統充分發揮了CAN總線的技術優勢，降低了溫度值監測誤差。但此次研究仍存在一定不足，構建汽車模型為傳統燃油車，在今后的研究中，會對新式電動汽車、混合動力汽車等進行進一步研究，保障汽車行業安全。
參考文獻
[1]丁騰飛,朱冬梅,楊劍,等.淺析車輛自燃事故的原因及防自燃系統的設計[J].山東化工,2020,49(15):158+169.
[2]劉興源.基于單片機的車載智能火災預警系統研究[J].數字技術與應用,2019,37(05):19-20.
[3]顧江洋.基于遞階控制的車輛防自燃系統研究[J].湖北汽車工業學院學報,2019,33(03):47-52.
作者：梁贊 單位：重慶旅游職業學院