供稿/抢险救援技术与装备研究室 翟志轩

融合无线传感器网络与权重自适配决策模型的锂电池火灾监测系统。该系统整合了 ZigBee 无线传感器网络、卷积神经网络和随机森林模型。其中，ZigBee 模块凭借低成本、易部署的优势，负责采集锂电池环境中的温度、烟雾浓度、CO浓度等重要指标。然而，受终端节点有效温度工作范围限制，85℃以上的数据严重失真、缺失，故本算法关键在于部分关键数据缺失时实现火灾监测。CNN 针对采集的数据既能实现特征提取，又可完成权重分比计算，并将适配权重实时反馈至随机森林模型。从实验结果来看，随机森林模型可依据接收的权重信息精准判定火灾状况。相较于传统采用红外热成像火灾探测器实现类似数据采集与火灾预测功能需承担高额成本，本文巧用 ZigBee 模块，不仅成功完成环境数据采集及基于模型的预测任务，还实现了成本有效节约。这一创新举措在锂电池箱火灾监测的环境数据监测与分析方面有重要意义，为相关应用提供了经济高效的可行方案。

关键词： ZigBee；卷积神经网络；随机森林模型；火灾监测

0 引言

锂电池在锂电新能源产业中广泛应用于电动车、大功率电动设备等领域，但国内外锂电池燃爆事故频发，一旦发生，会严重损毁财产，甚至危及使用者生命安全 [1]。因此，除了做好锂电池设计和制造过程中的缺陷率控制，研发出一套精准、高效的锂电池火灾监测系统，在火灾发生时刻进行及时将报警信号传至锂电池管理系统，由后者进行供电回路的隔离保护和切断，已然成为保障锂电池箱消防安全的迫切需求。

转载自：应急管理部上海消防研究所