CN113223265A - 基于双向蓝光探测的多场景感烟探测器及自适应识别方法 - Google Patents

Abstract

本发明涉及一种基于双向蓝光探测的多场景感烟探测器及自适应识别方法，属于消防火灾报警***技术领域。本发明包括如下步骤：S1：火灾探测器将检测到气溶胶浓度转变为电信号；S2：电压信号通过信号处理电路进行放大滤波及A/D转换；S3：A/D转换得到的数字信号在微处理器进行分析，实现对信号特征提取及分析识别，最终判断场景，判断是否需要报警；多场景感烟探测器包括两个蓝光发光二极管和一个蓝光接收管，且两个蓝光发光二极管分别在空间上与蓝光接收管成70°与135°，形成前向散射和后向散射；能够通过双向蓝光技术，实现对火灾数据的实时性识别，判断场景，调整阈值，为火灾探测的实际应用奠定了基础。

Description

基于双向蓝光探测的多场景感烟探测器及自适应识别方法

技术领域

本发明涉及一种基于双向蓝光探测的多场景感烟探测器及自适应识别方法，属于消防火灾报警***技术领域。

背景技术

在发生火灾时，绝大多数场所都会产生烟雾，通过对烟雾这个火灾参考量测量，综合分析可以判断被测区域是否发生火灾。而在被测区域可能存在干扰因素，例如区域内的扬尘、水汽、电磁等干扰因素，如果不能把这些非火灾因素识别出来，探测器很容易发生误报，反馈不正确信息。场景自适应主要包含信号检测和识别。信号检测是通过两个分布在不同位置的蓝光管产生光信号、接收管接收到光信号转化为电流信号，进而得到信号参考量，场景的识别是通过对上述的信号参考量进行特征提取、分析达到判断场景的目的。

而目前行业内的方案绝大多数为单向红外，此方案只能判断信号量的大小决定火灾是否发生，无其他的对照物，无法做到场景的识别，进而可能存在漏报或者误报的情况。

发明内容

针对现有技术存在的上述缺陷，本发明提出了一种基于双向蓝光探测的多场景感烟探测器及自适应识别方法。

本发明所述的基于双向蓝光探测的多场景感烟探测器自适应识别方法，包括如下步骤：

S1：火灾探测器将检测到气溶胶浓度转变为电信号；

S2：电压信号通过信号处理电路进行放大滤波及A/D转换；

S3：A/D转换得到的数字信号在微处理器进行分析，实现对信号特征提取及分析识别，最终判断场景，判断是否需要报警；

S4：通过将微处理采集的数据进行处理，输出不同场景的特征图。

优选地，所述S1中，使用两个置为探测器内不同位置的蓝光发射管发射光，光遇到气溶胶时，散射到接收管上，接收管将光信号转化为电流信号。

优选地，所述S2中，在硬件上使用RC滤波，滤除高频及低频干扰，两级运放放大，第一级与第二级之间增加隔直滤波。

优选地，所述S3中，A/D转换得到的数字信号在微处理器进行分析，包括如下具体小步：

S31：初始化I/O口，ADC配置，选定A/D转化通道，ADC模块使能，关闭中断；

S32：开启蓝光发生管进行发射，开启ADC转化，关闭蓝光发射管，查询ADC是否结束，开启中断，获取ADC转化结果；

S33：重复上述步骤，将前后向的数据采集；

S34：软件滤波处理：将前后向采集到的数据放入缓存，并对数据进行4次平均处理，分析采集到数据，将波动干扰值剔除，进行限幅处理，得到合理的值进行8次平均处理；

S35：传感器故障判断：当传感器的采样值低于故障阈值时，进行连续计时，超过60s，即判断传感器故障；

S36：当传感器的采样值高于预警阈值时，开启波动计算，通过比较相邻两个采样值之差是否大于前一个采样值的1/2，进行记录；当传感器的采样值大于比值计算阈值时，进行前向和后向采样值变化量的计算，并计算两者变化量的关系，将计算结果进行保存；

S37：当采样值大于模型识别阈值时，将上述记录的波动情况和比值情况，进行分析判断模型，分别将：

黑烟模型波动和比值关系划分为：A1、B1～B2；

白烟模型波动和比值关系划分为：A2、B3～B4；

扬尘模型波动和比值关系划分为：A3、B5～B6；

水汽模型波动和比值关系划分为：A4、B7～B8；

分析比值和波动符合哪种模型：

若符合黑烟模型，则将报警阈值调整为C1；

若符合白烟模型，则将报警阈值调整为C2；

若符合扬尘模型，则将报警阈值调整为C3；

若符合水汽模型，则将报警阈值调整为C4；

当采样值满足报警阈值，需要连续判断3次，均符合，则触发报警信号，一定程度上减少了误报，提高了探测的精度。

优选地，所述S4中，通过探测器与公司的调试工具大蓝壳连接，大蓝壳通过USB与电脑连接，利用TC-BUS软件实现对探测器的控制。

优选地，所述S4中，探测器可以将采集到的数据进行上传，通过TC-BUS将数据保存，得到的数据可以绘制传感器在不同场景下的数据，进而建立黑烟、白烟、扬尘、水汽的模型，用于探测器的参数修正、模型建立。

本发明所述的基于双向蓝光探测的多场景感烟探测器，包括两个蓝光发光二极管和一个蓝光接收管，且两个蓝光发光二极管分别在空间上与蓝光接收管成70°与135°，形成前向散射和后向散射；前向散射的蓝光发光二极管检测的烟雾颗粒表现散射强度大于后向散射的蓝光发光二极管检测的烟雾颗粒表现散射强度，前向蓝光发射管作为主要参考，而后向蓝光发射管作为辅助参考。

本发明所述的基于双向蓝光探测的多场景感烟探测器及自适应识别方法，通过对场景中不同粒子表现的特征进行综合分析处理，建立了较为理想的模型，确定了较为理想的判断阈值，根据不同场景调整判断阈值，一定程度上降低了扬尘、水汽、电磁干扰误报，提高了对黑烟的探测灵敏度；能够通过双向蓝光技术，实现对火灾数据的实时性识别，判断场景，调整阈值，为火灾探测的实际应用奠定了基础。

附图说明

图1是本发明的结构示意图。

图2是本发明滤波算法实验结果图。

图3(a)是电磁前向传感器波动检测实验结果图。

图3(b)是电磁后向传感器波动检测实验结果图。

图4(a)是扬尘前向/后向比率比值判断实验结果图。

图4(b)是水汽前向/后向比率比值判断实验结果图。

图4(c)是正庚烷前向/后向比率比值判断实验结果图。

图4(d)是棉绳前向/后向比率比值判断实验结果图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：

如图1所示，本发明所述的基于双向蓝光探测的多场景感烟探测器自适应识别方法，包括如下步骤：

S1：火灾探测器将检测到气溶胶浓度转变为电信号；

S2：电压信号通过信号处理电路进行放大滤波及A/D转换；

S3：A/D转换得到的数字信号在微处理器进行分析，实现对信号特征提取及分析识别，最终判断场景，判断是否需要报警；

S4：通过将微处理采集的数据进行处理，输出不同场景的特征图。

优选地，所述S1中，使用两个置为探测器内不同位置的蓝光发射管发射光，光遇到气溶胶时，散射到接收管上，接收管将光信号转化为电流信号。

优选地，所述S2中，在硬件上使用RC滤波，滤除高频及低频干扰，两级运放放大，第一级与第二级之间增加隔直滤波。

优选地，所述S3中，A/D转换得到的数字信号在微处理器进行分析，包括如下具体小步：

S31：初始化I/O口，ADC配置，选定A/D转化通道，ADC模块使能，关闭中断；

S32：开启蓝光发生管进行发射，开启ADC转化，关闭蓝光发射管，查询ADC是否结束，开启中断，获取ADC转化结果；

S33：重复上述步骤，将前后向的数据采集；

S34：软件滤波处理：将前后向采集到的数据放入缓存，并对数据进行4次平均处理，分析采集到数据，将波动干扰值剔除，进行限幅处理，得到合理的值进行8次平均处理；

S35：传感器故障判断：当传感器的采样值低于故障阈值时，进行连续计时，超过60s，即判断传感器故障；

S36：当传感器的采样值高于预警阈值时，开启波动计算，通过比较相邻两个采样值之差是否大于前一个采样值的1/2，进行记录；当传感器的采样值大于比值计算阈值时，进行前向和后向采样值变化量的计算，并计算两者变化量的关系，将计算结果进行保存；

S37：当采样值大于模型识别阈值时，将上述记录的波动情况和比值情况，进行分析判断模型，分别将：

黑烟模型波动和比值关系划分为：A1、B1～B2；

白烟模型波动和比值关系划分为：A2、B3～B4；

扬尘模型波动和比值关系划分为：A3、B5～B6；

水汽模型波动和比值关系划分为：A4、B7～B8；

分析比值和波动符合哪种模型：

若符合黑烟模型，则将报警阈值调整为C1；

若符合白烟模型，则将报警阈值调整为C2；

若符合扬尘模型，则将报警阈值调整为C3；

若符合水汽模型，则将报警阈值调整为C4；

当采样值满足报警阈值，需要连续判断3次，均符合，则触发报警信号，一定程度上减少了误报，提高了探测的精度。

优选地，所述S4中，通过探测器与公司的调试工具大蓝壳连接，大蓝壳通过USB与电脑连接，利用TC-BUS软件实现对探测器的控制。

优选地，所述S4中，探测器可以将采集到的数据进行上传，通过TC-BUS将数据保存，得到的数据可以绘制传感器在不同场景下的数据，进而建立黑烟、白烟、扬尘、水汽的模型，用于探测器的参数修正、模型建立。

本发明所述的基于双向蓝光探测的多场景感烟探测器及自适应识别方法，通过对场景中不同粒子表现的特征进行综合分析处理，建立了较为理想的模型，确定了较为理想的判断阈值，根据不同场景调整判断阈值，一定程度上降低了扬尘、水汽、电磁干扰误报，提高了对黑烟的探测灵敏度；能够通过双向蓝光技术，实现对火灾数据的实时性识别，判断场景，调整阈值，为火灾探测的实际应用奠定了基础。

实施例2：

目前火灾报警***行业中的烟雾探测器一般为单向红外型，这种探测器无法对烟雾分类，即黑烟、白烟区分，导致其对白烟极其灵敏，对黑烟不灵敏，导致对黑烟响应比较慢，这种探测器将阈值设置为了白烟误报低，将灵敏度调高，就会对黑烟响应十分迟钝，失去早期报警的功能，若为了提高黑烟的灵敏度，将阈值设低，则会容易产生误报，给社会造成损失。也无法将扬尘、水汽、电磁区分开，进而出现误报，造成社会损失。

本发明在火灾自动报警***中解决通用感烟探测器采用单向红外无法识别黑白烟、扬尘、水汽技术难题，无法提高黑烟灵敏度，避免扬尘、水汽引起的误报情况。

通常造成误报的七个因素：

1：非火灾烟尘因素(烹调油烟、吸烟、水汽、灰尘、杀虫剂等)；

2：环境因素(电磁干扰、气流、气温剧烈变化)；

3：产品质量问题；

4：人为因素；

5：工程设计原因(配置位置不佳、选型不当)；

6：施工问题(装修污染，接线质量差，接地不达标等)；

7：元器件老化、灰尘积累和昆虫入侵(60％误报来源灰尘积累)。

本发明采用蓝光发光二极管与蓝光接收管，由两个蓝光发光二极管分别在空间上与蓝光接收管成70°与135°，蓝光发射光二极管工作的中心波长为470nm，波长范围是420nm～500nm，蓝光接收管的接收波长为400nm～1100nm。在行业内，一般把发射管与接收管成夹角大于90°称为前向散射，发射管与接收管成夹角小于90°称为后向散射。根据物理学中光的散射模型，1:瑞利散射区(即粒子直径d<0.1)，光将在所有方向上辐射且强度基本一致。2：米氏散射区(即0.1λ<d<4λ)，光在前向辐射的强度远大于后向辐射。3：布里卡尔散射区(即d>4λ)，光在前向辐射强度极大，后向极小，极其不对称。

基于上述描述原理，分别将两个蓝光发射管置于与接收管成70°与135°，形成前向和后向。

而对于烟雾颗粒一般是0.5um～1.0um，而对于扬尘、水汽的颗粒较大。所以一般都处于米氏散射区和布里卡尔散射区。根据上述理论，前向蓝光发射管在遇到颗粒时表现比较强的散射，因此将前向蓝光发射管作为主要参考，而后向蓝光发射管作为辅助，通过根据前向蓝光发射管的信号强度与后向蓝光发射管强度对比，判断颗粒，而扬尘场景一般情况下都是随风带来，其一定的波动性和周期性，水汽也是存在这种情况。所以通过根据前后蓝光发射管信号强度，以及信号强度的波动性，作为特征值，识别场景，调整探测器的灵敏度，判断前后蓝光发射管的强度双重阈值，降低误报。

通过本公开的技术方案，提升了感烟探测器的性能，降低了误报率。以下是部分实验结果，如图2至图4(d)所示：

本发明通过设计黑烟、白烟模型识别场景解决传统感烟探测器黑烟不灵敏问题，通过设计扬尘与水汽模型识别火灾因素灰尘、水汽这种非火灾因素，进而调整阈值，降低误报，试验证明误报率能降低99％以上，通过本身设计的滤波算法能够有效的滤除电磁干扰等，本发明的自适应场景识别，通过上电时，长时间对环境的采样值监控，不断的调整自身的阈值，也能有效的避免装修带来的误报。本公开在正常环境场所基本上能够做到“零漏报”“零误报”，对于经常产生非火灾因素的场所，也能将误报率降低99％以上。

本发明可广泛运用于消防火灾报警***场合。

涉及到电路和电子元器件和模块均为现有技术，本领域技术人员完全可以实现，无需赘言，本发明保护的内容也不涉及对于软件和方法的改进。

需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及等同物限定。

Claims (7)

1.一种基于双向蓝光探测的多场景感烟探测器自适应识别方法，其特征在于，包括如下步骤：

S1：火灾探测器将检测到气溶胶浓度转变为电信号；

S2：电压信号通过信号处理电路进行放大滤波及A/D转换；

S3：A/D转换得到的数字信号在微处理器进行分析，实现对信号特征提取及分析识别，最终判断场景，判断是否需要报警；

S4：通过将微处理采集的数据进行处理，输出不同场景的特征图。

2.根据权利要求1所述的基于双向蓝光探测的多场景感烟探测器自适应识别方法，其特征在于，所述S1中，使用两个置为探测器内不同位置的蓝光发射管发射光，光遇到气溶胶时，散射到接收管上，接收管将光信号转化为电流信号。

3.根据权利要求1所述的基于双向蓝光探测的多场景感烟探测器自适应识别方法，其特征在于，所述S2中，在硬件上使用RC滤波，滤除高频及低频干扰，两级运放放大，第一级与第二级之间增加隔直滤波。

4.根据权利要求1所述的基于双向蓝光探测的多场景感烟探测器自适应识别方法，其特征在于，所述S3中，A/D转换得到的数字信号在微处理器进行分析，包括如下具体小步：

S31：初始化I/O口，ADC配置，选定A/D转化通道，ADC模块使能，关闭中断；

S32：开启蓝光发生管进行发射，开启ADC转化，关闭蓝光发射管，查询ADC是否结束，开启中断，获取ADC转化结果；

S33：重复上述步骤，将前后向的数据采集；

S34：软件滤波处理：将前后向采集到的数据放入缓存，并对数据进行4次平均处理，分析采集到数据，将波动干扰值剔除，进行限幅处理，得到合理的值进行8次平均处理；

S35：传感器故障判断：当传感器的采样值低于故障阈值时，进行连续计时，超过60s，即判断传感器故障；

S36：当传感器的采样值高于预警阈值时，开启波动计算，通过比较相邻两个采样值之差是否大于前一个采样值的1/2，进行记录；当传感器的采样值大于比值计算阈值时，进行前向和后向采样值变化量的计算，并计算两者变化量的关系，将计算结果进行保存；

S37：当采样值大于模型识别阈值时，将上述记录的波动情况和比值情况，进行分析判断模型，分别将：

黑烟模型波动和比值关系划分为：A1、B1～B2；

白烟模型波动和比值关系划分为：A2、B3～B4；

扬尘模型波动和比值关系划分为：A3、B5～B6；

水汽模型波动和比值关系划分为：A4、B7～B8；

分析比值和波动符合哪种模型：

若符合黑烟模型，则将报警阈值调整为C1；

若符合白烟模型，则将报警阈值调整为C2；

若符合扬尘模型，则将报警阈值调整为C3；

若符合水汽模型，则将报警阈值调整为C4；

当采样值满足报警阈值，需要连续判断3次，均符合，则触发报警信号，一定程度上减少误报，提高探测的精度。

5.根据权利要求4所述的基于双向蓝光探测的多场景感烟探测器自适应识别方法，其特征在于，所述S4中，通过探测器与公司的调试工具大蓝壳连接，大蓝壳通过USB与电脑连接，利用TC-BUS软件实现对探测器的控制。

6.根据权利要求5所述的基于双向蓝光探测的多场景感烟探测器自适应识别方法，其特征在于，所述S4中，探测器将采集到的数据进行上传，通过TC-BUS将数据保存，得到的数据绘制传感器在不同场景下的数据，进而建立黑烟、白烟、扬尘、水汽的模型，用于探测器的参数修正、模型建立。

7.一种基于双向蓝光探测的多场景感烟探测器，其特征在于，包括两个蓝光发光二极管和一个蓝光接收管，且两个蓝光发光二极管分别在空间上与蓝光接收管成70°与135°，形成前向散射和后向散射；前向散射的蓝光发光二极管检测的烟雾颗粒表现散射强度大于后向散射的蓝光发光二极管检测的烟雾颗粒表现散射强度，前向蓝光发射管作为主要参考，而后向蓝光发射管作为辅助参考。

Images