0 引言

近年来，红外火焰探测技术飞速的发展，红外火焰探测器被广泛地应用到航天工业、化学工业、爆炸品仓库、石油化工企业等可燃物为烃类物质的场合[1]。市面上应用于工业行业的多为双波段或三波段红外火焰探测器，虽然已经开发了降低火焰假报警的各种技术，但对于日光、水、工业设备、背景建筑和车辆之类的表面反射光来说，改进效果不明显，假报警率仍高于预期[2]。于是，性能更加优越的四波段红外火焰探测器的产品已经面世，以满足更复杂的工业现场的需求[3]。

对火焰探测器来讲，火焰识别算法是它的“灵魂”。识别算法的优劣对其灵敏度、抗误报特性有着决定性作用。目前火焰探测的识别算法，主要有连续时间值法[4]、时域均值法[5]、信号的平均功率值识别法、信号间的能量相关性分析法、闪烁频率分析法和基于模糊神经网络的识别算法等[6-9]。其中，前5种方法在火焰辐射波段的信号强度衰减到和背景辐射波段信号强度相近甚至还要弱的情况下，降低漏报和误报率上的效果极为有限。对于模糊神经网络的火焰识别算法，依赖于大量的训练样本，利用相应的输出模式不断进行火焰判断规则的调整。但由于火灾的影响因素复杂众多且随机不确定，无法获取各种状态的样本，再加上样本训练时的阈值和权重的初始值也不确定，故该智能识别算法在漏报和误报率仍高于期望值，实用性不高[3,6]。

本文采用 2.2 μm、3.9 μm、4.26 μm 和 4.8 μm 四个波段的红外探测器对火焰信息进行分析。对任一红外辐射源，4个波段的光谱特性存在特定的数学关系，通过分析和比较这种特定的数学关系，借助阈值法、数学相关分析法和信号平均功率法的融合来实现对四波段红外火焰的识别，从而进一步提高红外火焰探测器的精准度和适应环境的能力，实现对火灾高可靠、远距离探测的目的。

鉴于以上几个方面的综合因素，可以考虑与论证设立中国(广西)自由贸易试验区作为中国—东盟自由贸易区升级版先行地。在试验区内，遵循全球经贸规则发展的趋势，基于中国与东盟社会经济发展的具体阶段，试验性推进“负面清单管理”，人口、资金自由流动等谈判议题，一方面为中国—东盟自由贸易区注入新的规则内容，建设中国—东盟自由贸易区升级版，另一方面为全球经贸规则发展提供中国方案，试验可在“一带一路”沿线国家间可供推广与借鉴的一般性经贸规则体系。

1 红外火焰探测器整体结构

四波段红外火焰探测器由四路红外传感器、四通道前置放大电路、信号采集处理电路、微处理器模块、外部设置模块、4～20 mA电流环输出接口等构成。如图1所示。

  

图1 四波段探测器整体框图Fig.1 Block diagram of the four-band detector

由于红外火焰探测器在实际使用环境中，既存在烃类化合物燃烧时产生的红外辐射，同时又存在日光反射、白炽灯、卤素灯、人工热源等发出的红外干扰辐射。这种复杂的检测环境不但降低了火焰探测器的探测距离，还易导致误报。因此，本文设计的四波段红外火焰探测器选用4个红外传感器作为检测单元。其中中心波长为4.26 μm的传感器作为火焰检测红外传感器模块，用于检测烃类化合物燃烧时辐射出的红外能量，而中心波长为 2.2 μm、3.9 μm 和 4.8 μm 三个传感器模块，则作为第一、第二、第三红外参考通道，分别用于鉴别日光辐射、人工光源辐射和背景辐射。前置放大电路包括信号预处理电路、二级前置放大电路、二阶巴特沃斯带通滤波电路。信号采集处理电路实现了传感器信号的模数转化。微处理器模块是以STM32F427为核心构建的电路，为火焰识别算法得以实现的平台。外部参数设置模块是指探测器灵敏度设置、报警和预报警延时参数设置。本文设计的探测器设有5级灵敏度，分别对应5个与时间特征值相一致的报警响应阈值。4～20 mA电流环输出接口将现场采集的实时信号变送输出给PLC、DCS等控制系统，以实现过程控制的目的。

监测结束后,读取数据库,对固定周期(2 min)检测器和变周期数据传输检测器每次发送的数据分别进行提取,记录并累加数据字符的长度,每天统计一次。两种模式下,数据字符长度累加情况如图11所示。

2 火焰识别算法原理分析

2.1 信号平均功率计算

式中：xf(k)为真实火焰的红外辐射信号强度；xd1(k)表示日光干扰的红外辐射信号强度；xd2(k)表示人工热源干扰的红外辐射信号强度；xd3(k)表示背景干扰的红外辐射信号强度。加权因子 a～1为真实火焰信号、日光辐射信号、人工热源辐射信号，背景辐射信号对每一路红外传感器的影响系数。

本文所述的四波段红外火焰探测器设有5级灵敏度，分别对应5个时间特征值的k值。从确保探测器的高可靠和抗误报方面来考虑，k值选定的越大，对应地报警阈值就需设置越低。报警阈值是通过对真实火源燃烧下采集的大量数据而分析确定的，需指出的是，确定的报警阈值在满足抗误报要求的同时，需不大于真实火源燃烧下采集到的有效数据。本文选取火焰检测红外传感器模块的5组平均功率按照式(7)，分别与其相对应的报警阀值进行比对：

 

依据式(12)，可计算并分离求出真实火焰信号强度、日光辐射信号强度、人工热源辐射信号强度、背景辐射信号强度：

引入 6个平均功率阈值 K1、K2、K3，K4、K5和K6，给出四波段火焰识别算法的判据为：

 

火焰识别算法主要包括以下几步：首先计算4个传感器的输出信号平均功率和真实火焰、日光干扰、人工热源干扰、背景辐射干扰的信号平均功率。然后将火焰检测红外传感器模块采集到的 5个平均功率值，依据式(7)与其相应的报警阈值进行比对是否满足，如果满足其中一个时间特征值下的不等式后，再进行判断该时间特征值下，依据8组平均功率计算值的平均值是否满足火焰报警不等式(20)，若满足，则判断为有火，相应的报警继电器开启并输出火警信号。火焰识别算法流程图见图3。

 

式中：x1、x2、x3、x4分别代表火焰检测红外传感器模块、第一参考红外传感器模块、第二参考红外传感器模块、第三参考红外传感器模块的输出信号。其中λ为权重系数（0＜λ＜1），对信号平均功率的积分值大小带来影响，λ越接近 1，越平缓；λ越接近 0，变化越快，但误差也越大。

2.2 火焰识别判据

A段旋律是一条小小的抛物线，旋律从低到高，再从高到低，最高音是固定音高小字二组的2，最低音到达固定音高的小字一组的2。A段旋律停在主音上。接着一个八度的大跳进行到了B段的b1，b1在“冲开封建家庭的牢笼，去寻求自由的爱情，去寻求自由的爱情”这三句是第三拍的节奏的后半拍开始，节奏以八十六为主，增强了歌曲的力度，表现了子君冲破牢笼的决心。接下来节奏用长音加三连音了歌曲的高潮部分，使乐曲节奏紧凑又舒缓，在这段中还加入了升下属音，加强了力度上的变化和戏剧性。A1是再现乐段，使用了“同头换尾”的手法，让歌曲结束时意犹未尽，给人想象。

 

式中：P1(k1)、P1(k2)、P1(k3)、P1(k4)、P1(k5)分别表示5个时间特征值下火焰检测红外传感器模块的平均功率值；k1＜k2＜k3＜k4＜k5，为5个时间特征值；m1＞m2＞m3＞m4＞m5为时间特征值下所对应的 5个报警阈值。

通过对4个检测波段的信号特征进行比较分析，对四路红外传感器的检测信号进行建模，假定真实火焰信号、日光辐射信号、人工热源辐射信号和背景辐射信号均含在每一路红外传感器中，并通过对4个信号的线性叠加来表示，即：

 

本文引入信号的平均功率来表示每个监测波段的信号强度大小[10]，其表达式如下：

现给出如下行列式：

用大自然的意象描绘女缪斯的美眸，将人类心灵的窗户——“眼睛”与大自然和谐的意象相融通，是此诗的材料修辞。不难看出，女性形象在艾吕雅的笔下已经被神化，“她”是全能造物主的化身，作者丝毫没有遮掩对“她”的赞美。《你眼睛的弧线》中，“晨曦”“星辰”“天空”“人间”“大海”等词汇让我们自然地将诗作中的“她”同创世主圣母玛利亚相联系。“摇篮”“孵育”和四种表生命特征的词汇：空气——“露水”“风”“羽翼”“天空”；土地——“苔藓”“芦苇”“叶片”；水源——“船儿”“大海”；光——“光明”“白日”都赋予诗人笔下的女性以“复苏万物”的强大力量，在“她”迷人双眼的指引下，诗人的感情也得到了释放和重生。

 

现引进权重系数λ（0＜λ＜1），用于对平均功率的变化率进行调整，则式(1)相应地改变为：

 

依据式(2)和式(13)，可以计算出真实火焰信号、日光辐射信号、人工热源辐射信号，背景辐射信号的平均功率 Pf(k)、Pd1(k)、Pd2(k)和 Pd3(k)。

玉敏这会正陪着姑妈有说有笑，说些女人的话题。姑妈看着玉敏瘪瘪的肚子，说怎么一点没动静呀，几时能让姑妈抱上侄孙哪。玉敏不好意思地笑笑，说现在没钱没钞，有孩子养不起啊，连住的地方都没有，哪敢要孩子。姑妈说孩子愁生不愁养，有孩子了，就是天天喝稀饭吃咸菜，一样能养大。

(1)提升新一代信息技术的集成应用水平 一方面，企业应加强管理创新，推动管理模式向流程化、网络化、社会化转变，为新一代信息技术的集成应用奠定良好基础；另一方面，企业应面向虚拟工厂、设计与制造集成、管理与控制集成、智能经营决策等特定工业场景，加快研发和应用覆盖组织、流程、技术、数据等全要素，囊括设备、软件、网络、平台等的系统性解决方案。

 

 

通过前面对四波段火焰识别算法的设计思路进行分析，明确算法具体实现前，需依据对真实火源的实际采集数据，对加权因子a～1以及K1、K2、K3，K4、K5、K6进行优化，以获得最近似的模型参数。

3 软件设计与实现

3.1 软件程序单元设计

四波段红外火焰探测器的软件设计分为三部分：第一部分为系统初始化和自检程序，包括管脚配置、时钟配置、通信接口配置以及系统自检；第二部分是完成 4个波段传感器信号的数据采样和数据处理工作，为本系统的核心部分；第三部分是完成系统中事务的管理以及与外部通信的数据交换。本设计的主程序流程图如图2所示。

据说，如果孩子回家对父母说喜欢某门功课的老师，那家长几乎不用担心孩子学不好这门功课。我想我是幸运的，无论中学、大学，我都尊敬、喜爱我的数学老师。尽管如今我几乎把数学课忘得一干二净，但我深信，在生活和工作中，数学一定给过我无言的启示。我也怀念校园、课堂，想念曾激励我求学上进、给我授业解惑的老师们。

  

图2 火焰探测器主程序流程图Fig.2 The main design flow diagram

3.2 火焰识别算法

式中：k表示参与平均功率计算时的信号个数；x(i)表示参与平均功率计算时的每个电压信号。利用公式(2)，探测器的四路信号平均功率可表示为：

  

图3 火焰识别算法的流程图 Fig.3 The flowchart of flame recognition algorithm

4 测试结果与分析

本设计依据经验值，给定各个加权因子的最佳近似值：

 

6 个平均功率阈值 K1、K2、K3，K4、K5和 K6表示探测器对火焰中红外光谱的敏感程度，该阈值越大表示对火焰中红外光谱的敏感度越低，系统的准确性就越高。为保证系统具有较高的探测性能，依照对火焰测试的经验值，本设计中选定：

 

由平均功率的计算公式(2)可知，权重系数对平均功率的积分速率和精确度会带来影响，应用过程中需使权重系数λ尽可能接近l，本设计选定λ＝0.99。

音乐传播媒介，即人类在现代技术的支撑下所使用的扩散、推广音乐的手段，如唱奏、舞台表演、唱片、无线电广播、电视、网络等，使音乐在社会生活中流动起来并产生相应的社会价值。[4] 当今社会网络媒体的蓬勃发展将音乐带入了一个全新的智能信息化时代，音乐传播中出现了新现象、面临着新挑战，但传统的音乐传播手段并没有完全消失。 Beats1作为网络音乐电台，是一个既有电台传播特点又有网络传播特点的综合性音乐传播平台。

依据 GB15631⁃2008“特种火灾探测器”标准中的相关条款，指定正庚烷（分析纯级，加 3%甲苯）或工业乙醇（乙醇含量90%以上，含少量甲醇）作为红外火焰探测器性能检测的标准火源。本设计的试验均是在选用正庚烷作为标准火源条件下进行的测试。

4.1 真实火源的测试

本设计对正庚烷（分析纯级，加3%甲苯）、工业乙醇（乙醇含量 90%以上，含少量甲醇）、汽油和柴油等不同真实火源下的报警情况进行了测试，表1给出了几种不同火源的火警报警测试数据。

4.2 干扰源的测试

本设计对人工热源、静电干扰、人工光源、日光、电弧焊等多种红外干扰源的误报率进行了测试统计，各干扰源测试数据见表2。

 

表1 真实火源的报警测试数据Table 1 The alarm test data of actual fire source

 

4.3 复杂干扰源环境下的真实火源测试

在上面两项测试基础上，本设计还进行了大雨环境下点燃标准火源、车灯照射下点燃标准火源、波动湖面日光反射下点燃标准火源和人工热源存在情况下点燃标准火源等复杂干扰源环境下的真实火源报警情况测试，表3给出了复杂干扰源环境下的真实火焰测试数据。

 

表2 各干扰源的测试数据Table 2 The test data of the interference source

 

 

表3 复杂干扰源环境下的真实火焰测试数据Table 3 The lighting of n-heptane flame test data in complex interferon-source environment

 

由表1、表2和表3中的试验结果可知：不论是在单一的火焰测试条件下，还是存在复杂干扰源的火焰测试条件下均能及时报火警，无漏报情况出现；在单一的干扰源存在情况下进行测试，不报火警，也无误报情况，验证了火焰识别算法的可行性。为验证每项测试结果具有普遍性，每项测试都经过了多次重复试验来验证，试验的结果均能与上述测试数据相一致，验证了火焰识别算法的可靠性。

5 结论

本文采用了 2.2 μm、3.9 μm、4.26 μm 和 4.8 μm四个波段的红外探测器对火焰信息进行分析。利用其对任一红外辐射源，4个波段的光谱特性存在特定的数学关系，通过分析和比较这种特定的数学关系，借助阈值法、数学相关分析法和信号平均功率法的融合实现了对四波段红外火焰的识别，试验结果表明了识别算法的可行性和可靠性，有效提高了红外火焰探测器的精准度和适应环境的能力，实现了对火灾高可靠和远距离探测的目的。

参考文献：

[1]姚秋霞, 李民, 莫崇典. 红外技术探测原理及其在工业消防领域的应用[J]. 电气应用, 2006(3): 40⁃43.YAO Qiuxia, LI Min, MO Chongdian. Infrared technology detection principle and its application in the field of industrial fire[J]. Electric applications, 2006(3): 40-43.

[2]李诚. 三波段红外火焰探测系统的设计与实现[D]. 西安: 西安电子科技大学, 2012.LI Cheng. Design and implementation of the three-band infrared flame detection system[D]. Xi 'an: Xi 'an university of electronic science and technology, 2012.

[3]袁积德. 三波段红外火焰探测器的研究与开发[D]. 杭州: 浙江大学,2012.YUAN Jide. Research and development of three-band infrared flame detectors[D]. Hangzhou: Zhejiang University, 2012.

[4]蔡鑫. 基于红外技术的野外火灾探测系统研究[D]. 南京: 南京航空航天大学, 2008.CAI Xin. Field fire detection system based on infrared technology[D].Nanjing: Nanjing university of aeronautics and astronautics, 2008.

[5]杨帮华, 刘燕燕, 何美燕, 等. 多红外火焰探测中基于决策树的火灾识别[J]. 计算机技术与发展, 2013, 23(8): 14-17.YANG Banghua, LIU Yanyan, HE Meiyan, et al. Fire identification based on decision tree in multi-infrared flame detection[J]. Computer technology and development, 2013, 23(8): 14-17.

[6]田树仁. 基于神经网络的智能电气火灾预警系统设计[J]. 消防科学与技术, 2015, 34(9): 1201-1203.TIAN Shuren. Design of intelligent electrical fire warning system based on neural network[J]. Fire science and technology, 2014, 34(9):1201-1203.

[7]周永杰, 余震虹, 张赵良. 基于小波包能量分析的红外火焰信号识别[J]. 红外技术, 2017, 39(3): 232-236.ZHOU Yongjie, YU Zhenhong, ZHANG Zhaoliang. Infrared flame signal recognition based on wavelet packet energy analysis[J]. Infrared technology, 2013, 39(3): 232-236.

[8]李海峰, 王莹, 汪晶. 三红外火焰探测器软件算法设计与实现[J]. 现代电子技术, 2014, 37(6): 95-97.LI Haifeng, WANG Ying, WANG Jing. Design and implementation of the software algorithm of three band infrared flame detector[J]. Modern electronics technology, 2014, 37(6): 95-97.

[9]夏明, 魏东兴, 姜涛, 等. 一种火焰检测系统的信号处理方法[J]. 传感器与微系统, 2015, 34(12): 32-35.XIA Ming, WEI Dongxing, JIANG Tao, et al. A signal processing method of flame detection system[J]. Sensor and microsystem, 2015, 34(12):32-35.

[10]CHANG C C, CHU K P, LAI Y. C. The characterization and fabrication of pyroelectric infrared sensor[J]. Tamkang Journal of Science and Engineering, 2005, 8(3): 203-206.