Bối cảnh và vấn đề nghiên cứu

Hỏa hoạn tại các khu vực dân cư và chung cư có xu hướng gia tăng và diễn biến phức tạp. Theo thống kê từ Cục Cảnh sát Phòng cháy, chữa cháy và Cứu nạn, cứu hộ (PCCC&CNCH), riêng trong tháng 11/2022, toàn quốc đã xảy ra 198 vụ cháy, làm chết 07 người, bị thương 03 người và thiệt hại tài sản ước tính 52,78 tỷ đồng; đồng thời ghi nhận 285 vụ sự cố chạm chập điện. So với tháng 10/2022, số vụ cháy tăng 90,38% (tăng 94 vụ), số người chết tăng thêm 05 người và thiệt hại tài sản tăng 21,69 tỷ đồng. So với cùng kỳ năm 2021, số vụ cháy tăng 50% (tăng 66 vụ) và thiệt hại tài sản tăng 47,79 tỷ đồng. Dữ liệu tổng kết công tác PCCC&CNCH giai đoạn 2015–2022 cho thấy mức độ thiệt hại nghiêm trọng qua các năm:

Năm Số vụ cháy nổ Số người chết Số người bị thương
2015 3.020 92 316
2016 3.618 125 241
2017 4.414 119 270
2018 4.226 100 262
2019 3.816 102 166
2020 2.797 89 184
2021 2.266 97 145
2022 3.449 118 114

Theo Hiệp hội Phòng cháy chữa cháy Hoa Kỳ (NFPA), các nguyên nhân phổ biến dẫn đến cháy nổ nhà ở gồm: sự cố trong nấu nướng, thiết bị sinh nhiệt, chập cháy hệ thống điện, hút thuốc lá, sử dụng nến/diêm và hóa chất dễ cháy.

Các hệ thống báo cháy tự động hiện hành trên thị trường bộc lộ một số hạn chế:

  1. Hệ thống báo cháy quy ước (Conventional/Zone system) quản lý theo khu vực chỉ xác định được đường dây tín hiệu có sự cố mà không chỉ rõ đầu báo cụ thể nào được kích hoạt.
  2. Hệ thống báo cháy địa chỉ (Addressable/Loop system) có khả năng định danh thiết bị nhưng chi phí đầu tư đắt đỏ (hệ thống Hochiki FireNET/DACT/SIA khoảng 10 triệu đồng; Notifier Honeywell với module SLM-318, Self-Test khoảng 8 triệu đồng).
  3. Hầu hết các hệ thống truyền thống đều phụ thuộc trực tiếp vào mạng lưới điện dân dụng trong tòa nhà, dẫn đến nguy cơ tê liệt khi xảy ra sự cố cắt điện, đồng thời việc lắp đặt đường dây phức tạp, tốn kém tài nguyên và khó bảo trì.

Khóa luận tốt nghiệp "Nghiên cứu và thiết kế hệ thống cảnh báo cháy trong nhà thông minh" của tác giả Đỗ Thái Vũ (ngành Công nghệ kỹ thuật điện tử, viễn thông, Trường Đại học Công nghệ – Đại học Quốc gia Hà Nội, do TS. Mai Linh hướng dẫn vào năm 2023) đặt ra các mục tiêu và nhiệm vụ nghiên cứu cụ thể:

  1. Thiết kế và chế tạo phần cứng hệ thống mạch không dây phân tán theo mô hình Master – Slave sử dụng vi điều khiển ESP32, tích hợp khối nguồn pin Lithium 18650 độc lập với lưới điện sinh hoạt.
  2. Thiết lập giao thức truyền thông không dây kết hợp giữa mạng Wi-Fi và giao thức ESP-NOW tầng liên kết dữ liệu, kết hợp truyền tin mạng di động 2G GSM thông qua module SIM800L.
  3. Thu thập dữ liệu cảm biến đa thông số (khói, khí độc, nhiệt độ, độ ẩm, tia hồng ngoại) và ứng dụng mô hình học máy Support Vector Machine (SVM) với hàm nhân Radial Basis Function (RBF) để phân biệt đám cháy thật và báo động giả do nhiễu môi trường.
  4. Xây dựng ứng dụng di động "IOT FireAlarm UET" trên nền tảng Android, kết nối hệ thống đám mây Google Firebase (Authentication và Realtime Database) nhằm cung cấp công cụ giám sát từ xa và cảnh báo đa phương thức (đèn LED, còi báo, tin nhắn SMS, thông báo ứng dụng và yêu cầu cuộc gọi).

Đối tượng nghiên cứu là hệ thống cảnh báo cháy sớm và thuật toán phân loại dữ liệu cảm biến cho nhà thông minh. Phạm vi nghiên cứu tập trung vào thiết kế mạch điện tử, lập trình nhúng cho vi điều khiển ESP32, huấn luyện mô hình học máy phân loại nhị phân và phát triển phần mềm di động giám sát trong môi trường phòng thử nghiệm nội bộ tại Hà Nội năm 2023.

Cơ sở lý thuyết và phương pháp

Khóa luận xây dựng trên các tiêu chuẩn kỹ thuật, khung lý thuyết điện tử - viễn thông và phương pháp học máy có giám sát:

1. Tiêu chuẩn thiết kế kỹ thuật

Nghiên cứu bám sát tiêu chuẩn quốc gia TCVN 5738:2021 về hệ thống báo cháy tự động, đảm bảo các yêu cầu: phát hiện cháy nhanh chóng; chuyển đổi tín hiệu cháy thành cảnh báo rõ ràng; thông báo tình trạng sự cố; cảnh báo âm thanh tới người trong phòng và cảnh báo ánh sáng tại hành lang, lối thoát nạn.

2. Lý thuyết phần cứng và truyền thông

  • Kiến trúc vi điều khiển: Ứng dụng chip ESP32 (ESP32-D0WD-V3 revision 3) dựa trên kiến trúc tập lệnh thu gọn (RISC) với hiệu năng xử lý lên tới 600 DMIPS, tích hợp 448 KB ROM, 520 KB SRAM, 24 chân GPIO kỹ thuật số, bộ chuyển đổi tương tự - số (SAR ADC) 12-bit hỗ trợ tối đa 18 kênh đo lường và chip nạp USB-Serial CP2102.
  • Mô hình truyền thông:
    • Mô hình mạng TCP/IP 4 tầng (Lớp Vật lý/Liên kết dữ liệu, Lớp Mạng IP/ICMP/IGMP, Lớp Giao vận TCP/UDP, Lớp Ứng dụng HTTP/HTTPS/FTP).
    • Chuẩn mạng không dây LAN IEEE 802.11 (Wi-Fi) băng tần 2.4 GHz sử dụng kỹ thuật điều chế ghép kênh phân chia theo tần số trực giao (OFDM).
    • Hệ thống mạng di động tế bào 2G GSM với kiến trúc trạm phát sóng BTS, bộ điều khiển BSC, trung tâm chuyển mạch MSC, các thanh ghi định vị HLR, VLR và tập lệnh điều khiển AT.
    • Giao thức truyền thông ESP-NOW phát triển bởi Espressif: hoạt động độc lập ở tầng liên kết dữ liệu (Data Link Layer), giao tiếp điểm - điểm (peer-to-peer) không cần bước bắt tay (handshake), không gắn header các lớp trên, hỗ trợ mã hóa unicast ECDH/AES, tải trọng gói tin tối đa 250 bytes, giúp giảm thiểu độ trễ phản hồi.

3. Nguyên lý cảm biến thu thập dữ liệu

  • Cảm biến khí MQ (MQ2, MQ7, MQ135): Cấu tạo gồm lớp nhạy khí oxit bán dẫn $SnO_2$, đường điện cực bạch kim ($Pt$), điện cực vàng ($Au$), cuộn dây sưởi hợp kim $Ni-Cr$ tiêu thụ công suất dưới 800–950 mW và ống gốm cách điện $Al_2O_3$. Điện trở cảm biến $R_S$ được tính toán qua điện áp tải $V_{RL}$ và biến trở tải $R_L$: $$R_S = \left(\frac{V_c}{V_{RL}} - 1\right) \times R_L$$ Nồng độ khí tính theo thang đo phần triệu (ppm) thông qua quan hệ hàm logarit tuyến tính: $\log_{10}(y) = m \cdot \log_{10}(x) + b$, với $y = R_S/R_0$ và tỷ số chuẩn trong không khí sạch $R_{S-air}/R_0 \approx 9,83$.
  • Cảm biến hồng ngoại phát hiện lửa (Flame Sensor YG1006): Thu nhận bức xạ điện từ bước sóng 760 nm – 1100 nm, góc quét 60°, cự ly phát hiện 80 cm.
  • Cảm biến nhiệt độ - độ ẩm DHT11: Đo nhiệt độ bằng nhiệt điện trở có hệ số nhiệt điện trở âm $\alpha < 0$ ($R_t = r_0[1 + \alpha(t - t_0)]$) và đo độ ẩm bằng biến thiên điện dung của tụ điện phẳng chứa chất nền giữ ẩm $C_3$. Tần số lấy mẫu tối đa 1 Hz, truyền chuỗi dữ liệu số 40-bit chuẩn đơn tuyến (1-wire).

4. Thuật toán học máy Support Vector Machine (SVM)

Khóa luận giải quyết bài toán phân loại nhị phân (cháy thật: +1, không cháy/nhiễu: -1).

  • Mô hình Soft-Margin: Tối ưu hóa siêu phẳng phân cách với các biến bù $\xi_n \ge 0$ cho các điểm dữ liệu vi phạm lề: $$\min_{w, b, \xi} \left( \frac{1}{2} |w|2^2 + C \sum{n=1}^N \xi_n \right)$$ ràng buộc: $y_n(w^T X_n + b) \ge 1 - \xi_n$.
  • Thủ thuật hàm nhân (Kernel Trick): Sử dụng hàm nhân Radial Basis Function (RBF) để ánh xạ không gian đặc trưng phi tuyến tính: $$K(X, X_n) = \exp\left(-\gamma |X - X_n|2^2\right), \quad \text{với } \gamma = \frac{1}{2\sigma^2} > 0$$ Hàm quyết định phân lớp có dạng: $\text{Sign}\left(\sum{i} y_i \alpha_i K(X, X_i) + b\right)$.

5. Phương pháp nghiên cứu thực nghiệm

Nghiên cứu triển khai phương pháp thực nghiệm kỹ thuật: thiết kế sơ đồ nguyên lý (Schematic) và layout mạch in (PCB) trên phần mềm Altium Designer 17.11; thu thập tập mẫu dữ liệu đa thông số trực tiếp từ phần cứng; xử lý dữ liệu (chuẩn hóa Mean và Scale); sử dụng thư viện Scikit-learn (Python 3.9) trên PyCharm để huấn luyện mô hình SVC; đánh giá độ chính xác thông qua ma trận nhầm lẫn (Confusion Matrix).

Thiết kế và triển khai hệ thống

1. Thiết kế kiến trúc phần cứng

Hệ thống phần cứng được chia làm hai khối độc lập:

[Khối cảm biến: MQ2, MQ7, MQ135, YG1006, DHT11]
                   (Wi-Fi)                                                    (GSM)
           [Google Firebase Cloud]                                      [Tin nhắn SMS / Cuộc gọi]
                   (Internet)
    [Ứng dụng Android: IOT FireAlarm UET]

  • Mạch Slave (Thiết bị thu thập và cảnh báo tại chỗ):

    • Vi điều khiển trung tâm: NodeMCU ESP32-WROOM-32.
    • Cảm biến đầu vào: MQ2 (khói, dải đo 300–1000 ppm), MQ7 (CO, dải đo 10–1000 ppm), MQ135 ($CO_2$, dải đo 10–2000 ppm), YG1006 (hồng ngoại lửa) và DHT11 (nhiệt độ 0–50°C, độ ẩm 20–80% RH).
    • Khối nguồn: Battery Shield tích hợp 02 pin Lithium 18650 (điện áp 3,7V, dung lượng 6800 mAh), cung cấp đầu ra 5V/2,2A nuôi ESP32 và 3,3V cho các module cảm biến. Shield có mạch bảo vệ ngắt sạc khi đầy và tự ngắt khi điện áp thấp.
    • Cơ cấu chấp hành: Còi Buzzer 5V (tần số 2300 Hz ± 500 Hz, dòng <25 mA đóng ngắt qua transistor) và hệ thống đèn LED chỉ thị trạng thái.

  • Mạch Master (Trung tâm điều khiển và truyền tin khẩn cấp):

    • Vi điều khiển trung tâm: NodeMCU ESP32.
    • Module truyền thông di động: SIM800L (băng tần GSM 2G, điện áp nguồn 3,7V–4,2V, dòng hoạt động tức thời đỉnh 1A–2A, kết nối UART với ESP32).
    • Khối nguồn: Mạch giảm áp Buck DC-DC LM2596 (tần số chuyển mạch 150 kHz, điều chỉnh ngõ ra 5V/2,2A), kết hợp mạch bảo vệ pin 2S 3A cho 02 cell pin 18650 (điện áp quá tải 4,25–4,35V, phạm vi xả 2,5–3,0V, dòng đỉnh chịu đựng 5A).
    • Cơ cấu cảnh báo: Còi báo động và hệ thống LED phân cấp ngưỡng nguy hiểm theo màu sắc.
Thông số kỹ thuật Mạch Slave Mạch Master
Vi điều khiển ESP32-D0WD-V3 (240 MHz, 600 DMIPS) ESP32-D0WD-V3 (240 MHz, 600 DMIPS)
Giao thức mạng ESP-NOW (2.4 GHz) & Wi-Fi IEEE 802.11 ESP-NOW (2.4 GHz) & GSM 2G
Nguồn cấp chính 2 Pin Lithium 18650 qua Battery Shield (5V/2.2A) 2 Pin Lithium 18650 qua LM2596 (5V/2.2A)
Cảm biến tích hợp MQ2, MQ7, MQ135, YG1006, DHT11 Không (đóng vai trò điều phối trung tâm)
Khối chấp hành Còi báo 5V, LED hiển thị SIM800L (SMS/Call), Còi báo 5V, LED
Công cụ thiết kế PCB Altium Designer 17.11 Altium Designer 17.11

2. Triển khai phần mềm và thuật toán

  • Lập trình nhúng vi điều khiển (Arduino IDE 2.0):

    • Môi trường: Board DOIT ESP32 DEVKIT V1, ngôn ngữ C/C++, Baud rate 921600, Flash Frequency 80 MHz.
    • Xử lý tín hiệu trên Slave: Đọc các cổng ADC 12-bit, quy đổi giá trị điện áp sang nồng độ ppm chuẩn. Dữ liệu sau khi trích xuất được đưa vào bộ phân loại SVM nhúng để đưa ra nhãn cảnh báo. Đồng thời, Slave đẩy dữ liệu lên Firebase qua kết nối Wi-Fi và đóng gói cấu trúc struct gửi sang Master qua giao thức ESP-NOW.
    • Xử lý tín hiệu trên Master: Lắng nghe liên tục gói tin ESP-NOW từ các địa chỉ MAC của Slave. Khi nhận tín hiệu cảnh báo vượt ngưỡng hoặc cờ báo cháy từ SVM, Master kích hoạt còi, đổi màu LED cảnh báo và gửi tập lệnh AT (AT+CMGF=1, AT+CMGS) qua cổng UART để điều khiển SIM800L gửi tin nhắn SMS chứa thông tin phòng bị sự cố đến số điện thoại người dùng.

  • Mô hình học máy phân biệt cháy (PyCharm / Scikit-learn):

    • Môi trường: Python 3.9, Scikit-learn, NumPy.
    • Tiền xử lý: Dữ liệu thực nghiệm thu thập từ cảm biến được chuẩn hóa hệ số quy mô (Scale) và kỳ vọng (Mean).
    • Tối ưu tham số SVC: Áp dụng hàm nhân RBF với việc cân chỉnh hệ số phạt $C$ và tham số $\gamma$ để tối ưu hóa vùng tương tự (region of similarity), xuất các hệ số kép của vector hỗ trợ (Support Vectors) và giá trị bias $b$ để tích hợp vào thuật toán phân loại trên vi điều khiển.

  • Phát triển ứng dụng di động IOT FireAlarm UET (Android Studio Dolphin):

    • Ngôn ngữ: Java, Tool Build Gradle 7.1, Compile SDK 33, Target SDK 33, Min SDK 10, thư viện AndroidX, Firebase Android BoM 31.1.5.
    • Quản lý phiên và xác thực: Đăng ký, đăng nhập và khôi phục mật khẩu thông qua Firebase Authentication.
    • Cơ sở dữ liệu thời gian thực: Đồng bộ hóa sơ đồ cây Realtime Database qua định dạng JSON.
    • Giao diện người dùng: MainActivity hiển thị danh sách các phòng giám sát qua RoomAdapter và SharedPreferences; DetailActivity trực quan hóa chi tiết các thông số nồng độ khói, khí độc, nhiệt độ, độ ẩm; giao diện tự động đổi màu cảnh báo, kích hoạt dịch vụ rung chuông và cung cấp nút gọi khẩn cấp đến số điện thoại đã thiết lập.

Nội dung chính theo từng chương

Khóa luận được cấu trúc thành 07 chương với các nội dung chi tiết:

Chương 1: Giới thiệu chung

Tác giả trình bày thực trạng gia tăng số vụ cháy nổ tại Việt Nam giai đoạn 2015–2022 và phân tích số liệu thiệt hại tháng 11/2022. Chương này phân loại, so sánh nguyên lý hoạt động của hai hệ thống báo cháy thương mại tiêu biểu: hệ thống báo cháy thông thường (Zone) và hệ thống báo cháy địa chỉ (Loop). Đồng thời, tác giả khảo sát các thiết bị ngoại nhập phổ biến như Hochiki (FireNET, DACT, SIA, FN-DAC) và Notifier Honeywell (SLM-318, Self-Test, CLSS), từ đó xác định mục tiêu thiết kế hệ thống báo cháy không dây chi phí thấp, ứng dụng công nghệ IoT và học máy.

Chương 2: Đặc tính kỹ thuật và tiêu chuẩn thiết kế

Nêu rõ các tiêu chuẩn kỹ thuật dựa trên TCVN 5738:2021 về yêu cầu phát tín hiệu âm thanh và ánh sáng cảnh báo. Xác định các yêu cầu kỹ thuật chi tiết của hệ thống: mức điện áp hoạt động (5V/2,2A, 3,3V), dải đo lường và dòng tiêu thụ của từng cảm biến (MQ2: 300–1000 ppm khói; MQ7: 10–1000 ppm CO; MQ135: 10–2000 ppm $CO_2$; Flame Sensor: 80 cm, góc 60°; DHT11: 0–60°C, 20–90% RH). Liệt kê nền tảng phần mềm sử dụng: Arduino IDE 2.0, Firebase BoM 31.1.5, PyCharm 2019 (Python 3.9), Android Studio Dolphin (Gradle 7.1, SDK 33) và Altium 17.11.

Chương 3: Quản lý khóa luận

Trình bày sơ đồ phân bố thời gian thực hiện đề tài. Chi tiết hóa thông số kỹ thuật của từng linh kiện phần cứng: vi điều khiển NodeMCU ESP32-WROOM-32 (chip ESP32-D0WD-V3, 600 DMIPS, 12-bit SAR ADC, 520 KB SRAM), module SIM800L, còi Buzzer 5V (2300 Hz), đèn LED 5mm (6000–8000 MCD), Battery Shield 2 pin 18650, module hạ áp LM2596 (150 kHz, 3A, 15W), mạch bảo vệ pin 2S 3A và pin Lithium 18650 (3,7V, 6800 mAh), IC ổn áp LM7805.

Chương 4: Cơ sở lý thuyết

Cung cấp nền tảng lý thuyết toàn diện phục vụ thiết kế hệ thống:

  • So sánh kiến trúc vi xử lý CISC (tập lệnh lớn 120–350 lệnh, x86) và RISC (tập lệnh thu gọn <100 lệnh, ARM/MIPS/ESP32).
  • Cấu trúc 4 tầng của mô hình mạng TCP/IP và nguyên lý phân vùng tế bào của mạng di động 2G GSM (các thực thể MS, BTS, BSC, MSC, HLR, VLR, OMC).
  • Nguyên lý hoạt động và ưu điểm của giao thức ESP-NOW ở tầng liên kết dữ liệu so với mô hình 7 tầng OSI.
  • Cấu tạo hóa học và nguyên lý thay đổi điện trở của lớp oxit bán dẫn $SnO_2$ trên các cảm biến khí MQ; nguyên lý thu phát bức xạ hồng ngoại 760–1100 nm của YG1006; nguyên lý cảm ứng nhiệt điện trở và biến thiên điện dung lớp nền $C_3$ của DHT11.
  • Nền tảng toán học của mô hình SVM: bài toán tối ưu lề Hard-Margin, mở rộng Soft-Margin với tham số phạt $C$, biến bù $\xi_n$, nhân tử Lagrange $\alpha_n$, các dạng hàm nhân (Linear, Polynomial, Sigmoid, RBF) và vai trò của tham số $\gamma$ trong việc kiểm soát vùng tương tự.

Chương 5: Phương pháp

Trình bày quy trình thiết kế và kết nối phần cứng cho mạch Slave và Master:

  • Bảng phân bố chân GPIO của ESP32 kết nối các cảm biến và cơ cấu chấp hành trên Slave và Master.
  • Phương pháp lấy mẫu thực nghiệm, chia tập dữ liệu huấn luyện/kiểm thử, chuẩn hóa hệ số Scale và Mean.
  • Xây dựng thuật toán phân loại SVM sử dụng kernel RBF trên Python và chuyển giao trọng số vào vi điều khiển.
  • Lập trình nhúng trên mạch Slave (đọc ADC, quy đổi ppm, dự đoán SVM, đẩy dữ liệu lên Firebase, gửi gói tin ESP-NOW).
  • Lập trình trên mạch Master (lắng nghe ESP-NOW, điều khiển LED hiển thị ngưỡng, gửi lệnh AT điều khiển SIM800L gửi SMS).
  • Thiết kế ứng dụng Android IOT FireAlarm UET: liên kết Firebase Assistant, mã băm SHA-1, tệp google-services.json, thiết kế giao diện XML và lập trình xử lý sự kiện trên các Activity (MainActivity, DetailActivity, RoomAdapter).

Chương 6: Kết quả

Công bố các kết quả thực nghiệm đạt được:

  • Kết quả huấn luyện mô hình SVM: ma trận nhầm lẫn (Confusion Matrix) và các hệ số đánh giá hiệu năng phân loại đám cháy thật/giả.
  • Kết quả hoạt động của hệ thống mạch phần cứng: mạch Slave thu thập dữ liệu và chuyển đổi ppm chính xác; giao tiếp ESP-NOW giữa Slave và Master hoạt động ổn định; mạch Master nhận tin và kích hoạt LED phân cấp ngưỡng nguy hiểm thành công; module SIM800L gửi tin nhắn SMS cảnh báo tức thời tới số điện thoại cài đặt.
  • Kết quả ứng dụng IOT FireAlarm UET: thực hiện thành công các chức năng đăng ký, đăng nhập, khôi phục mật khẩu qua Firebase; hiển thị trực quan danh sách phòng và dữ liệu chi tiết thời gian thực; tự động thay đổi giao diện cảnh báo, kích hoạt rung chuông và thực hiện cuộc gọi khẩn cấp khi có sự cố cháy.
  • Tổng kết các đóng góp, phân tích các hạn chế/khó khăn và đề xuất hướng nghiên cứu tiếp theo.

Chương 7: Kết luận

Tổng kết lại toàn bộ quá trình nghiên cứu, thiết kế phần cứng, thuật toán học máy và ứng dụng phần mềm giám sát cảnh báo cháy không dây. Khẳng định tính khả thi của mô hình đề xuất trong ứng dụng thực tế cho nhà thông minh.

Kết quả và đóng góp

1. Kết quả thực nghiệm chính

  • Hiệu năng mô hình học máy: Mô hình SVM với kernel RBF được huấn luyện trên tập mẫu thực nghiệm của hệ thống, cho phép phân loại chính xác các trường hợp xuất hiện khói/nhiệt do hỏa hoạn thật so với các yếu tố nhiễu môi trường thông thường (như khói thuốc lá, hơi nước ẩm, nhiệt độ môi trường tăng tạm thời), loại bỏ hiện tượng báo động giả.
  • Khả năng truyền thông phần cứng:
    • Giao tiếp ESP-NOW giữa mạch Slave và Master hoạt động tức thời tại tần số 2.4 GHz, không phụ thuộc vào bộ định tuyến Wi-Fi gia đình, đảm bảo truyền tải dữ liệu cảnh báo ngay cả khi mạng Internet nội bộ mất kết nối.
    • Module SIM800L trên mạch Master phản hồi chính xác tập lệnh AT, thực hiện gửi tin nhắn SMS cảnh báo đích danh phòng xảy ra sự cố tới điện thoại chủ nhà.
    • Khối nguồn 2 pin 18650 kết hợp mạch bảo vệ 2S 3A và IC LM2596 duy trì nguồn nuôi ổn định 5V/2,2A cho ESP32 và các cảm biến hoạt động độc lập khi mất điện lưới.
  • Vận hành ứng dụng Android IOT FireAlarm UET:
    • Đồng bộ dữ liệu đa luồng từ Firebase Realtime Database với độ trễ thấp.
    • Giao diện trực quan hóa đầy đủ 5 tham số môi trường: nồng độ khói (MQ2), khí CO (MQ7), khí $CO_2$ (MQ135), nhiệt độ - độ ẩm (DHT11) và trạng thái lửa hồng ngoại (YG1006).
    • Tự động kích hoạt cơ chế báo động đa cấp: đổi màu nền ứng dụng sang cảnh báo đỏ, rung chuông điện thoại và cung cấp tính năng quay số khẩn cấp trực tiếp.

2. Giải pháp và đóng góp của đề tài

  1. Giải pháp kiến trúc không dây phân tán: Đề xuất và hiện thực hóa thành công mô hình Master – Slave sử dụng kết hợp hai giao thức không dây (ESP-NOW cho mạng nội bộ thiết bị và Wi-Fi cho liên kết đám mây), khắc phục triệt để nhược điểm phải đi dây phức tạp của các hệ thống báo cháy truyền thống.
  2. Nguồn điện độc lập: Ứng dụng khối pin sạc Lithium 18650 có mạch bảo vệ ngắt tự động, giúp hệ thống duy trì khả năng cảnh báo liên tục, không bị vô hiệu hóa khi xảy ra sự cố cháy gây chập nổ lưới điện dân dụng.
  3. Ứng dụng học máy chống báo động giả: Ứng dụng thành công thuật toán SVM vào việc xử lý dữ liệu cảm biến đa chiều, giúp nâng cao độ tin cậy của hệ thống báo cháy thông minh.
  4. Tối ưu hóa chi phí: Chế tạo thành công hệ thống có khả năng định danh thiết bị báo cháy (tương đương hệ thống báo cháy địa chỉ đắt tiền như Hochiki hay Notifier) với mức chi phí linh kiện thấp, phù hợp triển khai rộng rãi cho quy mô hộ gia đình và căn hộ chung cư.

Hạn chế và hướng nghiên cứu tiếp

1. Hạn chế của đề tài

  • Dung lượng gói tin truyền nhận qua giao thức ESP-NOW bị giới hạn ở mức 250 bytes cho mỗi lần truyền, hạn chế khả năng mở rộng kích thước cấu trúc dữ liệu truyền thông phức tạp.
  • Cảm biến khí dòng MQ sử dụng cuộn dây sưởi gia nhiệt bên trong nên mức tiêu thụ năng lượng còn tương đối lớn (công suất từ 800–950 mW), ảnh hưởng đến thời lượng sử dụng của nguồn pin khi vận hành liên tục không cắm sạc.
  • Mô hình thử nghiệm lấy mẫu và đánh giá thuật toán mới được triển khai trong không gian phòng thí nghiệm hạn chế, chưa trải qua kiểm nghiệm thực tế trong các điều kiện môi trường công nghiệp khắc nghiệt hoặc không gian nhà cao tầng có nhiều vật cản sóng vô tuyến.

2. Hướng nghiên cứu tiếp theo

  • Nghiên cứu tối ưu hóa thuật toán nhúng trực tiếp (TinyML) trên vi điều khiển nhằm giảm thiểu độ phức tạp tính toán và nâng cao tốc độ phản hồi của mô hình SVM.
  • Mở rộng cấu trúc mạng Master – Slave thành mạng cảm biến dạng lưới (Mesh Network) để tăng cự ly truyền thông và khả năng kết nối đồng thời hàng trăm node cảm biến Slave trong các tòa nhà lớn.
  • Bổ sung cơ chế quản lý năng lượng thông minh cho mạch Slave (sử dụng chế độ Deep Sleep của ESP32 và kích hoạt ngắt định kỳ cho cuộn sưởi cảm biến MQ) nhằm tối ưu hóa tuổi thọ pin.
  • Hoàn thiện vỏ hộp bảo vệ đạt chuẩn công nghiệp chống cháy, chống ẩm cho các module mạch phần cứng.

Giá trị tham khảo

Tài liệu khóa luận mang lại giá trị tham khảo kỹ thuật và học thuật rõ ràng cho sinh viên, học viên và kỹ sư thuộc các chuyên ngành Công nghệ kỹ thuật điện tử - viễn thông, Kỹ thuật máy tính, Công nghệ thông tin và Hệ thống nhúng - IoT:

  • Thiết kế phần cứng và nhúng: Cung cấp tài liệu tham khảo chi tiết về sơ đồ nguyên lý, bố trí linh kiện PCB trên Altium Designer 17.11 cho vi điều khiển ESP32, thiết kế mạch nguồn pin Lithium 18650 kết hợp mạch bảo vệ 2S và IC hạ áp LM2596.
  • Xử lý tín hiệu cảm biến: Cung cấp phương pháp và công thức toán học cụ thể để hiệu chuẩn, chuyển đổi giá trị điện áp ADC sang nồng độ khí thực tế (ppm) cho họ cảm biến $SnO_2$ (MQ2, MQ7, MQ135) và xử lý cảm biến DHT11, YG1006.
  • Kỹ thuật truyền thông không dây: Cung cấp quy trình cấu hình và lập trình thực tế giao thức ESP-NOW song song với kết nối Wi-Fi trên cùng một chip ESP32, giải pháp điều khiển module SIM800L bằng tập lệnh AT qua giao tiếp UART.
  • Tích hợp hệ thống IoT hoàn chỉnh: Cung cấp hướng dẫn từng bước kết nối vi điều khiển với Google Firebase Realtime Database và xây dựng ứng dụng di động Android bằng ngôn ngữ Java để giám sát đa tham số thời gian thực.

Câu hỏi thường gặp

1. Tại sao hệ thống lại sử dụng đồng thời cả hai giao thức Wi-Fi và ESP-NOW?

Mạch Slave sử dụng Wi-Fi để đẩy dữ liệu giám sát định kỳ lên đám mây Google Firebase phục vụ hiển thị trên ứng dụng Android. Đồng thời, giao thức ESP-NOW hoạt động ở tầng liên kết dữ liệu (không cần kết nối qua router Wi-Fi hay Internet) được sử dụng để truyền gói tin khẩn cấp trực tiếp từ Slave sang Master với độ trễ thấp. Điều này đảm bảo khi mạng Wi-Fi hoặc Internet trong nhà bị ngắt do hỏa hoạn, Master vẫn nhận được tín hiệu từ Slave để phát còi, đổi màu LED và kích hoạt SIM800L gửi tin nhắn SMS.

2. Thuật toán SVM đóng vai trò gì trong hệ thống báo cháy này?

Thuật toán SVM (Support Vector Machine) với hàm nhân RBF được áp dụng để phân loại nhị phân dữ liệu cảm biến đa chiều (khói, khí độc CO/$CO_2$, nhiệt độ, độ ẩm, tia hồng ngoại). Thuật toán giúp hệ thống phân biệt chính xác giữa đám cháy thật và các hiện tượng nhiễu môi trường thông thường (như khói thuốc lá, tăng nhiệt tạm thời do đun nấu), từ đó giảm thiểu tối đa các trường hợp báo động cháy giả.

3. Công thức tính nồng độ khí (ppm) từ cảm biến khí MQ được thiết lập như thế nào?

Từ giá trị điện trở tải $R_L$ và điện áp đo được $V_{RL}$, vi điều khiển tính điện trở cảm biến $R_S = [(V_c/V_{RL}) - 1] \times R_L$. Sau đó, tỷ số $y = R_S/R_0$ (với $R_0$ là điện trở trong không khí sạch, tỷ số $R_{S-air}/R_0 \approx 9,83$) được quy đổi sang nồng độ khí $x$ (ppm) thông qua phương trình tuyến tính logarit trên datasheet: $\log_{10}(y) = m \cdot \log_{10}(x) + b$, với $m$ là độ dốc và $b$ là hệ số chặn được xác định từ hai điểm chuẩn trên đường đặc tuyến.

4. Khối nguồn của hệ thống được thiết kế độc lập với lưới điện sinh hoạt ra sao?

Cả mạch Slave và Master đều sử dụng nguồn nuôi từ 02 pin sạc Lithium 18650 (dung lượng 6800 mAh, điện áp 3,7V). Mạch Slave sử dụng Battery Shield cung cấp đầu ra 5V/2,2A (có tính năng tự ngắt khi pin đầy hoặc pin yếu). Mạch Master sử dụng mạch bảo vệ sạc xả 2S 3A kết hợp module hạ áp LM2596 để tạo nguồn ổn định 5V/2,2A nuôi ESP32 và cấp dòng đỉnh lên tới 2A cho module SIM800L. Thiết kế này giúp toàn bộ hệ thống vận hành liên tục ngay cả khi lưới điện sinh hoạt bị ngắt hoàn toàn.

5. Mạch Master thực hiện gửi tin nhắn SMS cảnh báo bằng cơ chế nào?

Khi nhận được cờ báo cháy từ mạch Slave qua giao thức ESP-NOW, vi điều khiển ESP32 trên Master sẽ truy xuất cổng giao tiếp nối tiếp UART để gửi các tập lệnh AT tiêu chuẩn tới module SIM800L (như lệnh thiết lập chế độ văn bản AT+CMGF=1 và lệnh gửi tin AT+CMGS="SĐT"). Module SIM800L truy cập mạng di động 2G GSM để gửi nội dung cảnh báo chi tiết (tên phòng, thông số vượt ngưỡng) tới số điện thoại của chủ nhà.

Kết luận

Khóa luận tốt nghiệp của tác giả Đỗ Thái Vũ đã hoàn thành việc nghiên cứu, thiết kế và chế tạo thành công hệ thống cảnh báo cháy không dây cho nhà thông minh dựa trên mô hình kiến trúc Master – Slave sử dụng vi điều khiển ESP32. Nghiên cứu đã kết hợp giải pháp truyền thông không dây kép ESP-NOW và Wi-Fi, tích hợp module SIM800L gửi tin nhắn SMS, áp dụng thuật toán học máy SVM (kernel RBF) để phân biệt đám cháy thật và phát triển ứng dụng di động Android "IOT FireAlarm UET" kết nối cơ sở dữ liệu thời gian thực Firebase. Hệ thống vận hành trên nguồn pin Lithium 18650 độc lập, đáp ứng các tiêu chuẩn kỹ thuật của TCVN 5738:2021, mang lại giải pháp cảnh báo sớm có độ tin cậy cao và chi phí tối ưu cho các hộ gia đình và khu dân cư.