豐穎

（1.煤炭科學(xué)技術(shù)研究院有限公司，北京 100013；2.煤礦應(yīng)急避險(xiǎn)技術(shù)裝備工程研究中心，北京 100013；3.北京市煤礦安全工程技術(shù)研究中心，北京 100013）

火災(zāi)是各類煤礦險(xiǎn)情中最嚴(yán)重的災(zāi)害之一。礦井內(nèi)一旦發(fā)生火災(zāi)事故，會產(chǎn)生大量有毒有害的高溫?zé)煔?，對全礦及礦區(qū)人員的生命安全造成危害。因此，能否在火災(zāi)初期及時(shí)準(zhǔn)確地發(fā)出預(yù)警，使井下人員有充足的時(shí)間采取措施，避免更大的人員傷亡和財(cái)產(chǎn)損失，具有至關(guān)重要的意義。目前，煙霧監(jiān)測是礦井火災(zāi)早期預(yù)警的重要手段，當(dāng)前礦井煙霧多采用離子式、光電式、氣敏式等單一檢測原理的煙感設(shè)備進(jìn)行識別，然而煤礦井下煤塵多、濕度大、電磁環(huán)境復(fù)雜，單一檢測原理的煙霧傳感器容易出現(xiàn)誤報(bào)或漏報(bào)的情況[1]。該文提出一種基于雙光源檢測技術(shù)的煙霧多特征感知傳感器設(shè)計(jì)方法，在檢測煙霧的同時(shí)，檢測一氧化碳與溫度，并將檢測結(jié)果送入數(shù)據(jù)融合算法模型進(jìn)行決策，實(shí)現(xiàn)礦井煙霧準(zhǔn)確識別。

1 雙光源煙霧檢測技術(shù)工作原理

經(jīng)過大量實(shí)驗(yàn)發(fā)現(xiàn)：不同物質(zhì)在燃燒的前兩個(gè)階段產(chǎn)生的氣溶膠集中分布在一段粒子直徑范圍內(nèi)；同時(shí)，經(jīng)過對大量氣溶膠的粒徑分析發(fā)現(xiàn)，導(dǎo)致火災(zāi)誤報(bào)警的水汽和粉塵等氣溶膠粒徑遠(yuǎn)大于其他大多數(shù)物質(zhì)熱解的平均粒徑。根據(jù)粒子光散射原理，在入射光功率一定時(shí)，顆粒物散射光強(qiáng)會隨粒徑和波長等因素變化，采用不同波長的光源，對不同粒徑的顆粒物，其散射光強(qiáng)不同。因此，利用雙光源檢測技術(shù)，不僅可以進(jìn)行煙霧濃度檢測，還可以對煙霧的顆粒直徑進(jìn)行檢測，以此來區(qū)分火災(zāi)煙與干擾源，減少誤報(bào)的情況。

ADI 的一款集成光學(xué)模塊ADPD188BI，利用不同光波長的特點(diǎn)，采用雙波長探測顆粒物散射光強(qiáng)，通過區(qū)分不同大小的顆粒來排除干擾源。該模塊在單個(gè)封裝內(nèi)集成了模擬前端（AFE）、兩個(gè)LED 發(fā)射器（一個(gè)藍(lán)光發(fā)射器、一個(gè)紅外發(fā)射器）以及光電二極管——藍(lán)色LED 波長470 nm 和紅外LED 波長850 nm，這兩個(gè)LED 在獨(dú)立時(shí)隙發(fā)出光脈沖，射出的光碰到空氣中的顆粒物，散射回光電二極管。通過雙色光波長檢測，除了支持單個(gè)波長的單獨(dú)測量外，也支持分析比率構(gòu)成，使得誤報(bào)率進(jìn)一步降低[2]。煙霧檢測模塊原理框圖如圖1 所示。

圖1 煙霧檢測模塊原理框圖

2 多源數(shù)據(jù)識別技術(shù)

2.1 礦井火災(zāi)煙霧的主要特征

物質(zhì)整個(gè)燃燒過程主要分為三個(gè)發(fā)展階段：熱解、陰燃和明火，其中熱解和陰燃是以釋放氣體和氣溶膠為主要特征，釋放的氣體成分主要有一氧化碳、二氧化碳、氮氧化物等，釋放的氣溶膠俗稱為煙霧，是物質(zhì)燃燒時(shí)懸浮在空氣中的微小顆粒物。另外，火災(zāi)發(fā)生時(shí)的另一顯著特征為溫度的迅速升高[3-5]。

2.2 多源數(shù)據(jù)檢測

結(jié)合礦井火災(zāi)煙霧的主要特征，在研究煙霧顆粒識別、溫度變化感知、氣體濃度檢測等多種煙霧特征信息識別方法的基礎(chǔ)上，運(yùn)用多源數(shù)據(jù)融合算法，最終實(shí)現(xiàn)煙霧的智能識別。煙霧探測器采用ADI 的集成光學(xué)模塊ADPD188BI，溫度感知元件采用集成半導(dǎo)體溫度芯片DS18B20[6]，一氧化碳檢測元件采用英國城市的4 CM 系列元件[7]。

2.3 硬件電路設(shè)計(jì)

多特征感知煙霧傳感器由多源數(shù)據(jù)感知電路（包括煙霧檢測模塊、一氧化碳檢測模塊、溫度檢測模塊組成）、顯示模塊、通信模塊、報(bào)警模塊等組成。各參數(shù)檢測模塊將采集到的信號轉(zhuǎn)換成標(biāo)準(zhǔn)的模擬或者數(shù)字信號上傳至微控制器，經(jīng)過微控制器處理后，實(shí)現(xiàn)顯示、報(bào)警、傳輸?shù)裙δ躘8]。傳感器使用STM32F103C8T6 作為微控制器，硬件電路框圖如圖2 所示。

圖2 煙霧多特征感知硬件電路框圖

煙霧檢測模塊采用光學(xué)模塊ADPD188BI，電路原理圖如圖3 所示。

圖3 煙霧檢測模塊電路原理圖

一氧化碳檢測模塊電路原理圖如圖4 所示。

圖4 一氧化碳檢測模塊電路原理圖

溫度檢測模塊采用DS18B20 溫度感知元件，其通過單總線通信協(xié)議與微控制器進(jìn)行通信。

3 多源數(shù)據(jù)融合算法

3.1 D-S證據(jù)理論基礎(chǔ)

在D-S 證據(jù)理論中，用Θ表示一個(gè)樣本空間，其被稱為一個(gè)辨別框架。Θ由一系列兩兩相斥的對象Ai構(gòu)成，且Θ包含當(dāng)前要識別的全體對象，即Θ={A1,A2,…,An}。證據(jù)理論的基本問題是：已知辨識框架Θ，判明測量模板中某一未定元素支持Θ中某一Ai的程度[9]。

令Θ為一論域集合，2Θ為Θ的所有子集合構(gòu)成的集合，稱為m：2Θ→[0,1]為基本概率分配函數(shù)，它滿足如下定理：

式中，P(Θ)為Θ 的所有子集；m(A)為證據(jù)對命題A的支持程度；m(?)為證據(jù)對空集的支持程度。

D-S 證據(jù)理論的基本策略：將證據(jù)集合分成2個(gè)以上（包含2 個(gè)）不相關(guān)的元素，然后用它們來獨(dú)立判斷辨識框架，再結(jié)合Dempster 合成規(guī)則將它們組合起來，Dempster 證據(jù)合成公式如式（2）所示[10-13]：

其中，證據(jù)之間沖突程度如式（3）所示：

式中，Ai，Aj，Al為Θ的子集；m1(Ai) 為證據(jù)1對命題Ai的支持程度；m2(Aj)為證據(jù)2 對命題Aj的支持程度；m3(Al)為證據(jù)3 對命題Al的支持程度。

但是，當(dāng)證據(jù)間發(fā)生高度沖突時(shí)，用原始的D-S合成規(guī)則進(jìn)行數(shù)據(jù)融合，無法得到有效的決策結(jié)果，在實(shí)際應(yīng)用中，需要對其進(jìn)行改進(jìn)。該文將證據(jù)沖突程度k按q(A)（證據(jù)對A的平均支持度）分配給A，即把證據(jù)沖突概率按各個(gè)命題的平均支持程度加權(quán)進(jìn)行分配[14-16]。

改進(jìn)后的合成公式為：

其中，證據(jù)對A的平均支持度為：

式中，n為證據(jù)條數(shù)；mi(A)為證據(jù)i對命題A的支持程度。

3.2 數(shù)據(jù)融合算法在煙霧檢測中的應(yīng)用

根據(jù)火災(zāi)是否發(fā)生，確定識別框架Θ={A1,A2}，其中A1代表有火災(zāi)，A2代表無火災(zāi)。

根據(jù)式（3），火災(zāi)發(fā)生的概率為：

其中，證據(jù)間的沖突因子為：

證據(jù)對A1的平均支持度為：

式中，ms(A1)為煙霧檢測模塊支持有火災(zāi)的概率；ms(A2) 為煙霧檢測模塊支持無火災(zāi)的概率；mt(A1)為溫度檢測模塊支持有火災(zāi)的概率；mt(A2)為溫度檢測模塊支持無火災(zāi)的概率；mc(A1)為一氧化碳檢測模塊支持有火災(zāi)的概率；mc(A2)為一氧化碳檢測模塊支持無火災(zāi)的概率。

當(dāng)煙霧檢測模塊檢測到煙霧濃度大于5% obs/m時(shí)，ms(A1)為1，ms(A2)為0，反之，ms(A1)為0，ms(A2)為1。一氧化碳及溫度兩個(gè)參數(shù)支持火災(zāi)發(fā)生概率的確定依賴于檢測模塊自學(xué)習(xí)得到的經(jīng)驗(yàn)數(shù)據(jù)庫。將傳感器置于測試環(huán)境中，在有煙及無煙的狀態(tài)下，獲取一定數(shù)量的經(jīng)驗(yàn)數(shù)據(jù)。

溫度支持火災(zāi)發(fā)生的概率為：

式中，nt為溫度小于或等于當(dāng)前溫度下經(jīng)驗(yàn)數(shù)據(jù)庫中發(fā)生火災(zāi)的次數(shù)；N為經(jīng)驗(yàn)數(shù)據(jù)庫中發(fā)生火災(zāi)的總次數(shù)。

一氧化碳濃度支持火災(zāi)發(fā)生的概率為：

式中，nc為一氧化碳濃度小于或等于當(dāng)前一氧化碳濃度下經(jīng)驗(yàn)數(shù)據(jù)庫中發(fā)生火災(zāi)的次數(shù)；N為經(jīng)驗(yàn)數(shù)據(jù)庫中發(fā)生火災(zāi)的總次數(shù)。

3.3 數(shù)據(jù)融合算法軟件流程設(shè)計(jì)

軟件的主要功能包括初始化，敏感元器件自檢，數(shù)據(jù)采集、計(jì)算、融合，數(shù)據(jù)顯示、上傳和聲光報(bào)警[17-18]。煙霧多特征感知傳感器軟件流程圖如圖5 所示。

圖5 煙霧多特征感知傳感器軟件流程圖

4 基于D-S證據(jù)理論融合算法的實(shí)驗(yàn)驗(yàn)證

實(shí)驗(yàn)分為三個(gè)場景進(jìn)行驗(yàn)證：①實(shí)際有煙的情況下，傳感器漏報(bào)率；②水汽、粉塵較大的環(huán)境下，傳感器的誤報(bào)率；③現(xiàn)場工業(yè)實(shí)驗(yàn)。前兩個(gè)場景各進(jìn)行10 組實(shí)驗(yàn)，實(shí)驗(yàn)結(jié)果如表1 和表2 所示，工業(yè)實(shí)驗(yàn)選取5 處粉塵、水汽較大的井下環(huán)境進(jìn)行，實(shí)驗(yàn)結(jié)果如表3 所示。

表1 實(shí)際有煙狀態(tài)下D-S融合結(jié)果

表2 水汽、粉塵環(huán)境下D-S融合結(jié)果

表3 工業(yè)實(shí)驗(yàn)結(jié)果

4.1 實(shí)際有煙的情況下，傳感器的漏報(bào)率

實(shí)際有煙的情況下，各檢測模塊對火災(zāi)發(fā)生支持概率及D-S 融合結(jié)果如表1 所示。

表1 表明：①煙霧檢測模塊正常工作的情況下，可以準(zhǔn)確判斷環(huán)境中存在煙霧；②D-S 融合算法得到的決策結(jié)果與實(shí)際情況相符；③第10 組實(shí)驗(yàn)?zāi)M煙霧檢測模塊損壞，實(shí)驗(yàn)結(jié)果表示，在煙霧檢測模塊失效的情況下，D-S 融合算法也能得到正確的結(jié)果。

4.2 水汽、粉塵環(huán)境下，傳感器的誤報(bào)率

1-5 組實(shí)驗(yàn)為將傳感器懸掛于加濕器上方進(jìn)行，6-10 組實(shí)驗(yàn)為將傳感器置于粉塵風(fēng)洞中進(jìn)行，各檢測模塊對火災(zāi)發(fā)生支持概率及D-S 融合結(jié)果如表2 所示。

表2 表明：①煙霧檢測模塊在水汽、粉塵較大的環(huán)境下，可以準(zhǔn)確區(qū)分水汽、粉塵與煙霧顆粒，無誤報(bào)警情況出現(xiàn)；②D-S 融合算法得到的決策結(jié)果與實(shí)際情況相符。

4.3 工業(yè)實(shí)驗(yàn)

選取粉塵、水汽較大的礦井皮帶運(yùn)輸轉(zhuǎn)載機(jī)頭5處作為實(shí)驗(yàn)地點(diǎn)，進(jìn)行為期6 個(gè)月的工業(yè)測試，實(shí)驗(yàn)結(jié)果如表3 所示。

表3 表明：5 處實(shí)驗(yàn)點(diǎn)的煙霧傳感器報(bào)警均由人造模擬煙霧引起，無效報(bào)警次數(shù)均為0 次，基于雙光源檢測技術(shù)的煙霧多特征感知傳感器煙霧識別的準(zhǔn)確率為100%。

5 結(jié)束語

通過實(shí)驗(yàn)室及現(xiàn)場工業(yè)實(shí)驗(yàn)驗(yàn)證：基于雙光源檢測的煙霧多特征感知傳感器在粉塵、水汽較大的環(huán)境下，能有效排除環(huán)境中干擾因數(shù)，煙霧識別準(zhǔn)確率為100%；而且，在煙霧檢測模塊失效的情況下，即當(dāng)煙霧檢測模塊與一氧化碳檢測模塊、溫度檢測模塊的判決結(jié)果出現(xiàn)高度沖突時(shí)，改進(jìn)后的D-S 融合算法亦能正確判別煙霧存在與否。