基于數字鎖相技術的飛機貨艙火災煙霧光學參數方法研究*

韓 宙，熊 梟，郝朝龍，陳 達，張 偉

(1.中國民航大學 安全科學與工程學院，天津 300300；2.中國民航大學 天津市民航能源環境與綠色發展工程研究中心，天津 300300)

0 引言

民航飛機火災具有火源不易發現、疏散困難、人員傷亡不可控等特點[1]。民航飛機一旦出現貨艙火警，機組成員無法判定火情真偽，必須執行迫降或返航程序，極易造成乘客人身安全事故和經濟損失[2]。目前，飛機貨艙火災預警多采用光電探測裝置，普遍存在著光學散射信號微弱、易受背景雜光干擾、非火災顆粒辨識能力低等問題，導致誤報、漏報頻發，無法滿足日益增長的民航運輸安全需求[3-5]。

諸多學者已經在飛機火災光學探測領域做了大量研究，其中Thomas等[6]在2001年研究了氣體、煙霧和溫度等參數在火災中的變化情況。2010年Kerr[7]研究了探測角度對火災探測的影響，并將不同探測角度獲得的信息進行融合用于火災預警。金志成等[8]在2012年同時采用離子感煙和光電感煙2種探測方式避免漏報問題，并采用表決系統減少誤報。Philipp等[9]在2014年采用紅外與綠光雙波長探測設計提升預警準確度。王殊等[10]設計了雙波長火災煙霧探測器，可以區分大小不同粒徑的火災煙霧氣溶膠和大粒徑干擾粒子。蔣亞龍等[11]以近紅外激光為光源，結合波長調制技術和諧波檢測技術建立了火災復合探測模型。何永勃等[12]設計了煙霧、溫度和氣體復合型火災探測系統，采用神經網絡算法提升煙霧探測能力。

以上研究雖取得很大進展，但光學檢測技術應用于火災早期預警領域，仍存在著散射信號微弱、易受背景雜光干擾，對1 μm以上的非火災氣溶膠(灰塵和水霧)的響應更靈敏等問題，無法實現精準預警。本文提出采用基于數字鎖相技術的火災煙霧雙波長光學探測技術[13]，提取特征頻率的微弱光學信號，避免空間雜光對有效光學信號的干擾，從而提升光學煙霧探測整體信噪比；同時，利用近紅外、藍光雙波長和前后雙向測量模式對不同氣溶膠顆粒的散射差異，并采用BP神經網絡對數據進行分析，準確區分火災與非火災光學信號，提高民航飛機火警光學檢測準確度。

1 探測系統設計及實驗內容

1.1 系統設計

基于數字鎖相放大技術的火災煙霧雙波長光學探測系統示意圖如圖1所示，主要由光源系統、光學迷宮、檢測處理系統組成。

圖1 基于數字鎖相技術的火災光學探測系統示意

此系統可實現雙波長調制信號測量，雙通道數據采集以及并行數字鎖相處理等功能。為了有效地區分火災和非火災氣溶膠，光源系統采用λ1=465 nm和λ2=940 nm的2個LED(LED465E，20 mW；LED940E，18 mW；美國Thorlabs)作為藍光和近紅外光源，利用數字頻率發生器(Direct Digital Synthesizer，DDS，AD9833，美國Analog Device Inc)生成1，1.5 kHz正弦信號分別驅動藍光和近紅外光LED輸出按相應頻率變化的入射光。

在光學迷宮中，入射光照射氣溶膠顆粒生成散射光，為了獲得豐富的散射信息，在光路中采用前、后雙向散射測量設計，如圖2所示。一對硅光電二極管(FD11A，美國Thorlabs Inc)作為光電探測器，在光學迷宮相對分布，接收微弱散射光信號。近紅外光和藍光LED對稱地置于光電探測器連線兩側，與光電探測器構成θ1=135°和θ2=45°的夾角，滿足θ1>90°>θ2，實現前后雙向散射測量。數據采集卡(DAQUSB-6251，美國NI Inc)用于收集電信號實現雙通道同步測量。考慮到氣溶膠散射作用及光電二極管的靈敏度，經探測器放大的信號依然微弱，通過濾波放大處理，以提高數據采集的有效性[14]。

圖2 雙波長光學前后雙向測量原理

1.2 實驗內容

實驗在模擬飛機貨艙燃燒室進行，外加測量設備及數據采集系統構成整體實驗系統，如圖3所示。

圖3 火災檢測實驗系統示意

采用的陰燃起火材料為常見的棉繩和紙板(顆粒尺寸小于1 μm)，選用超細固態粉體和空氣加濕器產生的水霧模擬貨艙中的灰塵、冷鏈運輸時的水汽作為干擾源，具體內容見表1。

表1 實驗內容

具體實驗過程如下：

1)棉繩：10根長100 mm，直徑5 mm的干燥棉繩，將其一端固定并懸掛起來，在另一端點火，將所有棉繩點燃后，使其保持無明火且持續陰燃的狀態方可開始實驗；

2)紙板：將4塊紙板按照同樣方式固定，在紙板下端點火并熄滅火焰，使其保持持續冒煙，實驗所有紙板被點燃后開始進行探測實驗；

3)水霧：由超聲霧化加濕器生成水霧向上方吹送，以此模擬冷鏈運輸、貨艙突然壓降或降溫后彌漫在空間內的霧氣，水霧中水滴顆粒尺寸約為10 μm；

4)灰塵：通過使用氣溶膠發生器定量輸送超細固態粉體來模擬灰塵干擾源，其粒徑尺寸大于火災氣溶膠顆粒(<1 μm)、而小于10 μm。

為確保實驗數據有效性，每種材料進行10次采樣實驗。每次采樣實驗中每3 s采集1次光電信號數據，且每次采樣實驗結束后，須將抽風機打開通風排煙，待煙霧排除完畢后，將燃燒室內清理干凈，方可進行下一次實驗，以免燃燒室內殘留煙霧及燃燒產生的碎屑對實驗探測造成干擾，實驗情景如圖4所示。

圖4 實驗場景

為了驗證提出的基于數字鎖相技術的火災煙霧光學探測方法的有效性，在進行上述實驗的同時，利用現有的傳統光學煙霧、溫度和CO氣體復合式煙霧探測器采集相關數據，作為參照實驗進行后續對比分析。

2 實驗分析

2.1 實驗數據處理

采集到PC機內的離散信號如式(1)所示：

(1)

式中：A0為直流分量；An為2個調制頻率fn(n=1,2)的諧波幅度，V；fs為采樣頻率，Hz；φk為相位，°。其滿足如式(2)所示：

(2)

式中：Ns為數據采集卡設定的采樣點數。后續實驗中分別采用1，1.5 kHz 2個頻率調制藍光和紅外光光源，數據采集卡采樣頻率為250 kHz，采樣點個數Ns為1×104。

對采集到的數據進行雙波長光學信號的數字鎖相檢測處理，此過程通過離散傅里葉變換實現，具體如式(3)所示：

(3)

式中：Ns為采樣點數；fs為采樣頻率，Hz；M(x)為采集的離散信號。

得到代表光強信息的被測電信號幅度值如式(4)所示：

(4)

式中：Xi和Yi為離散傅里葉變換處理后的信號。

數據采樣取實驗數據作為真實數據，采用快速傅里葉變換(Fast Fourier Transform，FFT)算法對時域光學信號進行離散傅里葉變換，得到光學信號的幅度譜，微弱光學信號提取如圖5所示。根據調制頻率提取相應位置的幅度數值，完成數字鎖相放大信號提取，降低環境雜散光和背景噪聲的影響。

圖5 微弱光學信號提取示意

2.2 火災煙霧光學檢測參數

根據前人對粒子粒徑的研究可知，火災煙霧粒子粒徑大多小于1 μm，屬于小粒徑粒子；而影響煙霧探測器的干擾源如水汽、灰塵等的粒子粒徑大多大于5 μm，屬于大粒徑粒子，如表2所示。

表2 顆粒粒徑

當入射光為自然光時，根據米氏散射[15]原理，散射光強IP如式(5)所示：

(5)

式中：I0為入射光強，cd；λ為入射光波長，nm；l為探測點與粒子之間的距離，μm；θ為散射角度，°；i1(θ)，i2(θ)為關于散射角度的強度函數。

由式(5)可知，當干擾源顆粒發生散射且粒子粒徑和周圍環境一定時，藍光散射強度與紅外光散射強度的比值與入射光波長成正比，根據本文選取的入射光波長(465，940 nm)可得二者比值較小，約為0.25；而當火災煙霧粒子發生散射時，由于其屬于小粒徑粒子，瑞利散射起到主要作用[15]，散射光強與入射光波長的4次方成反比，藍光和紅外光散射強度的比值較大，約為16.7。因此，可以對比分析探測到的藍光和紅外光信號來區分火煙霧顆粒和干擾源顆粒。為此，本文提出利用2種光學信號參數對火災煙霧氣溶膠和干擾源氣溶膠進行區分，具體如下：

1)同一波長下的不對稱比

同一波長下的光學信號數據，采用前后向散射角度的不對稱光強比[16](Asymmetry Ratio,AR)作為指標，可以有效消除光源波長、偏振性和光電探測器量子效率差異的影響，不對稱比表示如式(6)所示：

(6)

式中：Is為散射光強度，cd；Aλi為相應的電學信號幅值，mV；λi為入射波長，nm。

2)同一角度下的雙波長光強比

不同種類的氣溶膠在不同入射波長和不同探測角度的光散射信號是不同的，根據Mie散射理論，相同條件下不同波長散射信號存在明顯分布特征[17]，本文采用同一角度下的雙波長光強比(Dual-Wavelength Intensity Ratio,DWIR)來進一步標定火災與非火災氣溶膠種類差異，雙波長光強比表示如式(7)所示：

(7)

2.3 BP神經網絡算法

本文以BP神經網絡算法對2種光學檢測參數和參照實驗中的煙霧、溫度、CO氣體數據進行分析處理[18]，通過BP神經網絡對氣溶膠顆粒進一步研判，提升火災探測能力。

3 測試結果

3.1 同一波長下的不對稱比

對采集到的數據進行處理，對4種材料的不對稱比進行分析。結果如圖6～7所示，在2種波長光條件下4種材料的散射信號均以前向散射為主，符合Mie散射理論。

其中棉繩和紙板陰燃的AR處于較高水平，僅有較小波動，不隨前向光學散射信號增強(顆粒濃度升高)劇烈變化，整體呈現平穩狀態。如圖6(a)和圖7(a)所示，在2個波長下，棉繩煙霧的AR相差較小，根據陰燃煙顆粒AR隨尺寸參數變化的理論可知，棉繩煙霧氣溶膠顆粒尺寸較大，AR值相差不大。紙板煙霧氣溶膠顆粒尺寸相對較小，在2種波長條件下AR相差明顯，如圖6(b)和圖7(b)所示。

圖7 在波長940 nm條件下不對稱比結果

如圖6(c)和圖7(c)所示，水霧中水滴顆粒尺寸較大(約為10 μm)，得到的AR值與棉繩、紙板的陰燃煙霧接近。由于受環境影響較大，無法在實驗環境下維持穩定霧氣狀態，水霧的顆粒尺寸分布隨時間變化、濃度在空間分布不均勻，導致水霧的AR波動較大。

如圖6(d)和圖7(d)所示，灰塵干擾實驗中，由于超細固態粉體顆粒的不規則形狀會在一定程度上減小不對稱比，散射光強向前向小散射角度范圍內集中，其AR趨于1、波動范圍較小，整體呈平穩狀態，與文獻[19]中實驗結論一致。

本文繪制箱線圖對AR值進行比較，如圖8(a)～(b)所示。

圖8 火災煙霧與干擾源顆粒AR比較

灰塵干擾源顆粒在2種波長條件下的AR值均最低，其均值分別為1.2和1.7，與其他3種物質區分明顯。棉繩陰燃產生的氣溶膠在波長940 nm條件下AR值明顯區別于其他3種物質；紙板在波長465 nm條件下AR值可明顯區別于其他3種物質。因此可以根據不對稱比將火災煙霧與干擾源氣溶膠較好的區分。但由于水霧AR值范圍較大，可能會對陰燃火災的判別產生影響，因此本文根據同一角度下的雙波長光強比(DWIR)進行進一步分析。

3.2 同一角度下的雙波長光強比

本文分別測試4種實驗材料在不同波長條件下前向135°和后向45°的光散射強度。如圖9(a)，圖9(b),圖10(a)，圖10(b)所示，小尺寸顆粒物對藍光散射作用更強，所以當有火災煙霧顆粒物產生時，由于火災煙霧氣溶膠顆粒物粒徑小于1 μm，棉繩和紙板陰燃狀態下藍光信號明顯強于紅外信號，2種陰燃材料的DWIR較大，隨時間逐漸降低的變化趨勢較為明顯。

圖9 前向(135°)探測實驗測量結果

圖10 后向(45°)探測實驗測量結果

圖9(c)，圖9(d)，圖10(c)，圖10(d)分別為前后2向的水霧和灰塵干擾源的測量結果，因水霧和灰塵干擾源顆粒物粒徑較大，可以看出2種物質顆粒對紅外光的散射信號明顯增強，2種光信號比值DWIR均小于1；對于水汽干擾源，藍光和紅外信號均波動明顯，與火災氣溶膠存在明顯差異。

根據上述測量結果分析，DWIR值能夠很好地區分水霧干擾源與陰燃火災，可以降低水汽AR值范圍較大對陰燃火災探測的影響,減少由于干擾源顆粒引起的誤報警。

3.3 BP神經網絡算法分析

本文采用3層BP神經網絡，對于光學檢測參數，其輸入層為采集到的DWIR(45°)，DWIR(135°)，AR(465 nm)以及AR(940 nm)，輸出層為陰燃火災氣溶膠發生概率和非火災氣溶膠發生概率。

本文選取839組數據作為真實數據進行分析，具體見表3。隨機選取713組數據作為訓練樣本，126組數據作為測試樣本。經過神經網絡訓練，本文得出測試值與實際值之間的誤差，結果見表4。

表3 光學參數訓練數據樣本

通過數據驗證，神經網絡的預測值和實驗實際情況基本吻合，能夠較好地分辨出陰燃火災氣溶膠與非火災氣溶膠，誤報率不超過3.5%，誤報率均值為1.2%。

同樣，采用BP神經網絡算法對參照實驗中多傳感器復合式煙霧探測獲得的煙霧、溫度和CO數據進行分析。4種實驗材料分別選取200組數據，共800組數據進行分析，其中隨機選取680組作為訓練樣本，120組數據作為測試樣本，訓練結果見表5。

由表4和表5可知，通過對比可以發現傳統光學煙霧探測方法即使和其他傳感方式聯合使用，仍會存在誤報高的問題，最小誤報率高達5.8%，平均誤報率為8.8%。而采用基于數字鎖相的雙波長火災煙霧探測方法可以選擇性地提取微弱光學散射信號，聯合使用2種光學檢測參數能夠有效區分火災和非火災氣溶膠顆粒，提高火災預警準確率。本文提出的探測方法與多傳感器復合式煙霧探測方法相比，有更好的探測效果，具有一定的研究價值和參考意義。

表4 光學參數訓練結果統計

表5 復合式探測器數據訓練結果統計

4 結論

1)提出1種基于鎖相放大的雙波長雙向光電式煙霧探測系統，針對外界環境雜散光對光電式火災煙霧探測器的影響，采用數字鎖相檢測技術進行多波長光源調制和特征高頻率光電信號提取，有效降低背景中低頻雜光對微弱光電測量信號的干擾，提高探測器整體信噪比。

2)針對飛機貨艙內非火災氣溶膠如灰塵和水蒸汽對火災煙霧探測的影響，根據對光散射原理和顆粒物粒徑尺度研究，采用雙波長前后雙向光電煙霧探測方法，利用雙波長光強比和不對稱比作為特征參數來區分火災煙霧粒子與非火災氣溶膠干擾源，與多傳感器復合式火災探測器相比，可以有效降低非火災氣溶膠對火災煙霧探測的影響，減少誤報。下一步還需要進行一系列實驗，找到最佳探測角度，并開發更嚴格的檢測算法，提高探測器的防誤警和檢測性能。