基于双波长光电感烟的煤矿火灾烟雾监测技术

许伟健 ，张德胜 ，黄增波

（1.煤炭科学技术研究院有限公司 装备分院，北京 100013；2.煤矿应急避险技术装备工程研究中心，北京 100013；3.北京市煤矿安全工程技术研究中心，北京 100013）

防火是煤矿安全生产工作的重中之重，而带式输送机的老化、打滑、堆煤、撕裂是导致煤矿发生火灾的重要诱因。2020 年9 月27 日，重庆松藻煤矿发生重大火灾事故，运煤胶带摩擦产生高温和火星点燃沉积粉煤，最终导致重大财产损失和人员伤亡[1]。为吸取教训、避免类似事故发生，2021 年新发布的煤矿防灭火细则要求带式输送机工作相关位置应设置烟雾传感器[2]。

传统的烟雾传感器通常采用单一特征量作为监测敏感源，易受水汽、灰尘干扰，不适用于煤矿井下的复杂使用环境[3]。近年来随着传感检测技术的发展，一些抗干扰能力较强的基于多特征量的新技术方案逐渐投入应用。梁光清提出利用离子式感烟、温度、燃烧时产生的挥发性有机化合物（VOC）、一氧化碳（CO）、二氧化碳检测构建多信息识别智能烟雾传感器[4]，采用多气体特征量数据作为辅助检测手段，抗干扰性能较好，但每引入一种气体特征量，传感器均需配置对应的气体敏感元件，过多气体特征量的引入不仅极大提高了传感器成本，也使传感器整机体积难以控制，增加了使用和安装的复杂性，且离子式感烟敏感元件具有放射性污染，已处于逐步淘汰阶段；孙继平提出利用传统烟雾检测技术结合图像识别的多级混合传感技术[5]，该技术符合当下煤矿智能化发展的趋势，但其对设备的边缘计算能力或通信带宽要求较高，且煤矿井下环境较为阴暗，必须为拍摄设备升级诸如补光、通讯、计算等一系列配套设备才能满足视觉方法的图片拍摄、数据传输、算法处理需求[6]，考虑国内煤矿现有技术装备平均水平，该技术应用于煤矿火灾烟雾检测场景的成本较高，现阶段尚不适于大面积推广；韩宙提出一种基于米式（Mie）散射理论和双波长光电检测的多参数火灾探测方法[7]，该方法能够实现对不同气溶胶粒径的区分识别，理论上具有良好的抗干扰性能；经过近年发展，市场上已经出现较为成熟、便于开发的商用敏感元件，且在体积、成本上得到了良好的控制。基于性能、成本、体积等因素考虑，双波长光电烟雾探测法是开发新型煤矿用烟雾传感器的理想之选。

工业现场调研显示，目前市面上还未见已大量投入应用的基于双波长光电探测原理设计的煤矿用烟雾传感器，双波长光电感烟敏感元件对煤矿环境普遍存在的大量煤尘、水汽等干扰气溶胶的识别情况及其应对持续的通风流和早期阴燃微弱烟的特别监测需求[8]的性能表现尚属未知。为此，针对以上问题，通过仿真试验具体验证了双波长光电感烟敏感元件（下称敏感元件）监测煤矿环境典型干扰气溶胶时的表现，测试了敏感元件应对煤矿环境通风流影响及早期微弱烟检测需求时存在的问题，通过引入波动数据处理算法、定义混叠区并引入CO 气体浓度辅助监测手段提出了一种基于双波长光电感烟的多特征量煤矿火灾烟雾监测技术，设计搭建了技术原型机并进行了试验验证，实现了煤矿环境火灾烟雾的准确识别，提高了监测的可靠性。

1 双波长光电感烟技术煤矿场景应用试验

1.1 双波长光电感烟技术基本原理

双波长光电感烟敏感元件的基本结构如图1。在光学暗室中按一定角度分别布置A、B 2 通道的发射光及接收装置，其中通道A 为蓝光，通道B为红（红外）光。A、B 2 通道的发射光经散射后由接收装置C 接收。

图1 双波长光电感烟敏感元件基本结构示意Fig.1 Basic structure of dual wavelength photoelectric smoke sensing element

根据气溶胶光学Mie 散射理论[9]，当散射角、接收孔径、2 通道发射光的波长确定，且处于相同中值粒径和浓度的气溶胶中时，蓝光通道的散射光功率Ps与红外光通道的散射光功率PL的接收光功率比值R符合式（1）的气溶胶中值粒径的函数：

式中：f(d)为 粒径分布函数；Pλ（d,λ,m）为单个烟雾气溶胶粒子的散射Mie 散射光强；d为粒径；λs为 蓝光通道入射光波长； λL为红光通道入射光波长；m为粒子的折射率。

根据式（1），选择蓝光、红外光作为检测光时[10]，双波长光电感烟敏感元件双通道散射光功率的比值与烟雾气溶胶中值粒径呈单调递减关系，此时获取到的双通道光功率比值与被测气溶胶的中值粒径水平具有特定的数值关系，可用于表征被测气溶胶的成分[11]。

研究表明：常见火灾烟雾气溶胶的中值粒径值绝大部分小于1 μm[12],而灰尘、煤尘、水雾气溶胶的中值粒径大于1 μm[13]。故对于双波长光电式烟雾检测敏感元件而言,理论上可以找到气溶胶中值粒径为1 μm 时对应的双波长敏感元件蓝光、红外光双通道响应比值δ作为阈值，当测得的蓝/红双通道散射光功率比值大于此阈值δ时，被测烟雾为火灾烟雾，反之为非火灾干扰烟雾。

1.2 煤矿场景常见干扰气溶胶识别测试

为验证双波长光电感烟敏感元件能否有效区分煤矿场景常见干扰气溶胶及常见火灾气溶胶，并重点研究双波长光电感烟敏感元件（下称敏感元件）在早期火灾烟雾检测中的表现，参考MT 382—2011 矿用烟雾传感器通用技术条件[14]设计了可体现烟雾浓度从小到大变化时敏感元件响应状况的测试工装（下称自制工装），自制工装示意图如图2。

图2 自制工装示意图Fig.2 Diagram of self-manufactured module

烟箱上覆盖板，一侧设置可放入燃烧物的容器作为发烟源，烟源旁设置1 个小型风扇用于匀烟。使用亚诺德半导体公司推出的ADPD188BI 型双波长光电感烟敏感元件作为检测模块。该敏感元件配有专用光学暗室，并具有蓝光（波长470 nm）/红外光（波长850 nm）2 个光电响应通道。检测烟雾时，每通道均可产生正比于当前烟雾浓度的响应。检测模块及其余辅助检测传感器置于烟箱另一侧。发烟源完成点火达到预定状态后放入烟箱中的预定位置并盖好盖板，记录烟雾逐渐增大过程中敏感元件获取到的蓝通道/红外通道单通道响应值及双通道的响应比例值，并记录输出趋于平稳时的双通道响应比例值。检测模块单通道的响应值以功率传输比（PTR,Power Transmission Ratio）值表示，为敏感元件光学暗室中返回到接收装置的光功率除以LED 发射的光功率，单位为nW/mW。亚诺德公司的数据手册显示，PTR 值表征考虑了敏感元件本身采样脉冲、电流、平均值等设置后的烟雾浓度水平，修改敏感元件配置，通道的PTR 值不受影响[15]。

试验选取了GB 4715 标准、MT 382 标准中的典型火灾烟雾及常见干扰烟雾[16]作为测试源，以敏感元件输出趋于平稳时的双通道响应比例值作为有效数据，分别进行5 次试验后取得有效数据的平均值作为试验结果， ADPD188BI 模块响应测试试验结果见表1。

表1 ADPD188BI 模块响应测试试验结果Table 1 Test results of ADPD188BI module response

分析表1 的试验结果可得出以下结论：

1）利用蓝光通道/红外光通道双通道响应比例值作为特征量，双波长光电式感烟敏感元件可以成功区分煤矿应用环境中的火灾烟雾与水汽、煤尘等常见非火灾干扰烟雾。

2）存在1 个蓝光通道/红外光通道响应比例阈值（下称阈值），测试烟对应结果大于此阈值即为火灾烟雾，反之为非火灾烟雾，根据表1 的数据，此阈值可在1.2～1.4 之间取得。

3）部分火灾烟雾与非火灾烟雾双通道响应比例值较为接近（如水汽与阴燃聚氨酯泡沫塑料），考虑正常使用时的误差影响，在此情况下单独使用阈值作为判据可能存在误判，应以适当方式引入辅助判据。

1.3 煤矿环境早期烟雾监测性能验证试验

试验选用图2 的试验工装，选定覆盖材料为聚氯乙烯（PVC）的带式输送机传送带（以下简称传送带）截取件燃烧的阴燃烟研究双波长敏感元件在煤矿环境早期烟雾监测场景中的性能表现。重复试验5 次，自制工装传送带阴燃单通道响应如图3，自制工装传送带阴燃蓝道/红外道响应比例如图4。

图3 自制工装传送带阴燃单通道响应Fig.3 Mono-channel response of conveyor belt smoldering in self-manufactured module

图4 自制工装传送带阴燃蓝光通道/红外光通道响应比例Fig.4 Blue/infrared channel response ratio of conveyor belt smoldering in self-manufactured module

图4 中，在试验的早期阶段，敏感元件输出的蓝光通道/红外光通道响应比例值波动较大；随着试验进行，烟雾浓度逐渐增大，响应比例值逐渐趋于平稳。分析图3 可知，在烟雾浓度水平较低的早期阶段，敏感元件输出的红外通道响应值很小。作为响应比例值计算的分母，此时其微小变化也可导致蓝光通道/红外光通道响应比例值出现较大波动。当设置响应比例值与1 个固定阈值相比较而判断烟雾性质时，敏感元件响应火灾早期烟雾而存在的这种较大的波动将可能导致误判。此时应适当引入其他在火灾发生早期阶段较为活跃、易于识别的特征量用于辅助判断。

1.4 煤矿环境持续通风流影响验证试验

为模拟煤矿环境的通风流对敏感元件输出的影响，使用符合MT 382 标准规定的烟雾测试工装进行试验，烟雾试验标准工装示意图如图5。

工装分上下烟箱2 部分。下烟箱接在环形风洞中，阴燃的传送带烟雾随风洞中的风流循环吹过，当下烟箱的烟雾遮蔽水平达5%obs/m 时，上下烟箱的连接翻板打开，上烟箱中的原型机下降到下烟箱中。重复进行5 次试验，标准工装传送带阴燃蓝光通道/红外光通道响应比例如图6。

分析图6 中的结果可知，受持续吹过的风流影响，敏感元件输出的蓝光通道/红外光通道响应比例值出现波动，且波动的幅度较大，此时使用单一的响应比例值作为阈值容易造成误判。但由于风流在短时间内相对稳定[17]，波动本身并非杂乱无章，可尝试通过合理的数据处理减弱此波动的影响，得到代表当前烟雾性质的响应比例值，正确完成烟雾性质的判别。

1.5 综合分析

通过以上验证试验及对早期火灾烟雾、风流影响的测试可知，双波长光电式感烟敏感元件应用于煤矿环境时，可以成功区分常见的火灾及非火灾气溶胶，但当输出的双通道响应比例值处于烟雾性质判断阈值附近时，由于多种原因造成的波动，敏感元件对烟雾性质的分辨可能出现误判。应设置辅助监测手段增强其对早期火灾烟雾的识别能力，并采用合理的数据处理手段适应风流对烟雾形态的影响，提高其判断、报警的准确性。

2 针对煤矿应用场景的优化设计

2.1 波动数据处理算法

分析图4、图6 的数据可知，早期火灾烟雾的特性、风流的影响虽然使双通道相应比例值R有较大波动，但由于其烟雾本身的性质不变，此波动围绕着1 个中间值R0展开，则R0可作为代表此烟雾特性的特征比例值。此时除少数存在粗大误差的数据外，其余数据在R0两侧按一定规律分布。可设计一种数据处理机制计算出R0。此数据处理机制需能够剔除波动中存在的粗大误差，同时符合矿用烟雾传感器的实时性要求，且计算量应与矿用传感器使用的嵌入式微控制器（MCU）的计算能力相一致。

设置敏感元件输出方式，使其每1 s 输出1 个双通道响应比例值，此比例值为1 s 内获得数据的平均值。连续采样7 s，有结果集：{R1,R2,R3,R4,R5,R6,R7} 。

结果集中，R1～R7为按绝对值从小到大排序的采样结果。由于波动的影响，此结果中最大值及最小值可能存有粗大误差。综合考虑粗大误差的性质和烟雾监测应用环境的数据量、实时性要求以及MCU 的计算能力，应使用狄克松准则[18]进行粗大误差的检验与剔除。

由7 s 内带排序的数据结果集可计算出统计量：

式中：r10为R7的检验统计量；r10'为R1的检验统计量。

取检验显著度为0.05，由狄克松准则临界值表可得，当r>0.507，认为对应的测量值存在粗大误差[19]，应予剔除。重复此过程，直到所有粗大误差均被剔除。剔除粗大误差后，剩余蓝红响应比例值的算术平均值即为R0。

图4 数据经波动数据处理算法剔除粗大误差后的输出如图7，图6 数据经波动数据处理算法剔除粗大误差后的输出如图8。

图7 图4数据经波动数据处理算法剔除粗大误差后的输出Fig.7 Output of data in Fig.4 after coarse errors eliminated by fluctuation data processing algorithm

图8 图6数据经波动数据处理算法剔除粗大误差后的输出Fig.8 Output of data in Fig.6 after coarse errors eliminated by fluctuation data processing algorithm

对比处理前后的数据可见，敏感元件输出的蓝光通道/红外光通道响应比例曲线的波动情况得到了改善，但仍存在一定程度的波动。若处理后的波动位于设置的火灾烟雾判断阈值附近，则需引入新的判据进行处理。

2.2 混叠区的定义与判断

由1.2 节的讨论可知，当双波长光电敏感元件应用于非煤矿环境时，可设置1 个阈值δ，当敏感元件输出的双通道响应比例值大于此阈值时，当前烟雾为火灾烟雾，反之为非火灾烟雾；当敏感元件应用于在煤矿环境中时，当计算得到的R0在阈值δ附近波动时，敏感元件无法准确判断当前烟雾是否为火灾烟雾。

定义区间[δ1,δ2]。

当：R0∈{（0,δ1）∩（δ2, +∞）}，可以正确判断烟雾性质。即当R0小于δ1时，当前烟雾为非火灾烟雾；R0大于δ2时，当前烟雾为火灾烟雾。

而当：R0∈[δ1,δ2]，使用单一的阈值δ判断烟雾性质可能存在误判，称此区间[δ1,δ2]为混叠区。

由表1 的试验数据可知，敏感元件对火灾与非火灾烟雾的响应比例区分界线在区间[1.2, 1.4]中，则实际应用可取δ =1.3。

考虑敏感元件的响应在早期烟雾检测场景中的波动及风流对敏感元件双通道响应比例值的影响，应设置一定裕度以降低误报。参照图4、图6 的数据，取20%裕度[20]。计入裕度后，有：δ1=1.04，δ2=1.56；由此可知，混叠区取[1.04，1.56]即可。

当R0处于混叠区中时，需引入其它判据增加烟雾性质判断的准确性。

2.3 一氧化碳体积分数辅助判据引入

由第1.5 节中的结论可知，导致敏感元件在早期火灾监测场景中输出的R0处于混叠区的原因是R0存在波动，此时应选择2 种（火灾/非火灾）烟雾产生时表现出明显差异的特征量作为辅助判据。研究表明，一氧化碳（CO）气体含量在火灾发生早期会大幅上升，而在非火灾烟雾中含量极低[21]，且矿用带式输送机常用材料热解或燃烧时产生的CO 含量远大于平常水平[22]。虽然煤层氧化时同样可能产生大量CO，但本判据可以在先行判明存在烟雾的条件下再作为辅助判据使用，因而能避免在该情形下造成误报。使用CO 气体体积分数作为辅助判据不仅满足界定火灾与非火灾烟雾气溶胶的需求，还可增强传感器对早期火灾的检测能力，使其对煤矿应用场景具有更好的适应性。

目前煤矿环境常见的CO 传感器多采用基于电化学原理的敏感探头，其具有精度高、经济性好的优点，但也有检测易受烷类气体、矿井风速、温度与压力变化影响的问题存在，且实时性相对不高[23]。鉴于烟雾传感器行业标准要求其要在烟雾浓度达到规定条件后的20 s 内做出响应，使用了定制的基于NDIR 红外吸收检测原理的CO 敏感元件并搭配微型气泵进行抽气检测，在降低了风速、压力、温度变化带来影响的同时提高了敏感元件的响应速度。

使用烟雾试验标准工装再次进行标准工装烟雾试验，将CO 敏感元件置于紧贴烟雾敏感元件的位置，其余条件和方法与之前试验相同。记录工装内烟雾达到5% obs/m 后20 s 时CO 敏感元件的输出，重复测定5 次，取平均值20.4 ×10-6作为烟雾传感器应报警时CO 的参考体积分数C0。

引入CO 气体体积分数作为辅助检测手段，CO 传感器每秒记录1 个气体体积分数有效数据，当监测的烟雾处于混叠区即触发CO 体积分数辅助判据。此时若CO 体积分数满足以下条件，则认为环境中存在CO 气体且有体积分数增大的趋势，存在火灾烟雾，否则认为该烟雾为干扰烟雾：

至此，通过设置波动数据处理算法，定义烟雾性质混叠区的概念，并引入CO 气体体积分数辅助监测手段，设计了基于双波长光电感烟的多特征量煤矿火灾烟雾监测方法，解决了现有技术应对煤矿环境风流影响及早期阴燃烟监测需求优化不足的问题。

3 样机设计

3.1 样机硬件

样机硬件原理框图如图9。

图9 样机硬件原理框图Fig.9 Hardware functional block diagram of prototype

样机核心MCU 选用STM32F412RET6 单片机。本安电源通过滤波及电压转换后由本安保护电路提供本质安全保护，并输出3 路电压；1 路5 V为CO 敏感元件供电，1 路3.3 V 为单片机及外围存储、遥控、显示模块供电，1 路1.8 V 为双波长光电感烟模块供电。

双波长光电感烟模块与CO 气体体积分数监测模块分别通过I2C 及串口以数字信号的形式将测得数据传输至单片机。单片机可通过I2C 接口进行数据的存储操作，通过SPI 接口驱动遥控模块完成遥控操作，并由串口输出监测情况至显示模块的显示屏进行监测情况的显示。

3.2 样机软件

样机软件基本流程图如图10。图10 展示了样机完成1 次检测的基本流程。

图10 样机软件基本流程图Fig.10 Software basic flow chart of prototype

利用双波长光电烟雾敏感元件、CO 敏感元件获取检测原始信息。样机通过检测烟雾敏感元件收到的蓝光单通道响应PTR 值来识别是否存在烟雾。连续记录蓝光通道的响应值3 s，每秒输出1个 平 均 值，计 为a1、a2、a3，若 满 足：{a1、a2、a3}∈ [β1,+∞）， 则认为存在烟雾。式中： β1为烟雾敏感元件在MT 382—2011 中规定的棉绳点燃试验中于稳定的5% obs/m 的烟雾内测得的蓝光通道响应PTR 有效值。

当存在烟雾时，按2.1 中的方法进行针对烟雾波动数据的处理。处理完成后，按2.2 中的方法进行混叠区的判断，若获取到的待测烟雾蓝光通道/红外光通道响应比例值处于非混叠区，则可根据设置好的报警阈值进行烟雾性质的判断，并根据判断结果进行报警或发送非火灾烟提示；若响应比例值处于混叠区，则按2.3 中的方法借助获取到的CO 数据进行烟雾性质的判断并发送报警或非火灾烟提示。

当发出火灾报警信号后，样机继续记录当前待测烟雾的蓝光通道/红外光通道响应。当7 s 内获取到的每秒蓝光通道响应PTR 有效平均值均小于β1时，认为烟雾已经散去，可以取消报警。

4 试验验证

新技术样机制作完成后，与使用基于传统光电感烟技术制成的某型烟雾传感器一起进行了对照验证试验。试验项目包括符合MT 382—2011 标准的响应时间、尘气流、闪光干扰试验，并使用加湿器作为水汽干扰源补充了高浓度水汽干扰试验（高挡位，持续10 min），使用粉尘风洞和粒径大于10 μm 的煤尘补充了高浓度通风流粉尘干扰试 验（风 速8 m/s，粉 尘 浓 度200 mg/m3，持 续10 min）。2 项补充试验用于验证样机对煤矿环境常见干扰因素的抗干扰能力。重复进行5 次试验，记录响应时间的平均值和误报警的次数，新技术样机验证试验结果见表2，对照组验证试验结果见表3。

表2 新技术样机验证试验结果Table 2 Verification test results of new prototype

表3 对照组验证试验结果Table 3 Verification test results of control group

对比数据可知，对照组样机在补充的高浓度水汽和粉尘流干扰试验中发出了误报警，新技术样机则表现良好，表明其对煤矿环境常见干扰因素的抗扰能力优于传统技术路线烟雾传感器。

5 结 语

综合考虑成本、性能等因素，并经试验验证，双波长光电感烟技术是目前开发煤矿火灾烟雾传感器良好的选择。其可通过分析蓝光通道/红外光通道响应比例值区分煤矿应用场景中常见的煤尘、水汽等干扰气溶胶与火灾烟雾，但必须针对风流影响、早期阴燃烟等煤矿场景特殊监测需求做进一步优化；敏感元件在监测煤矿应用场景早期烟雾及应对环境中普遍存在的持续风流影响时，其输出数据可能存在较大波动，此波动可能导致烟雾性质的误判，可通过建立波动数据处理机制减少波动数据的负面影响；双波长敏感元件的输出在经上述波动数据处理算法初步处理后剔除了大部分粗大误差，但数据输出仍在小区间内存在一定波动，特别是在进行早期火灾烟雾的监测时，此波动将更加明显。当此波动存在于烟雾性质判断阈值附近时仍会影响烟雾性质的判断，可通过定义烟雾性质判断阈值混叠区，并引入CO 气体体积分数监测辅助手段进行混叠区的判断，优化双波长敏感元件在煤矿场景应用时的表现。经试验验证，采用新技术的制成的样机应用于煤炭环境时，其抗水汽、煤尘干扰能力优于传统光电式烟雾传感器。

由于矿用柴油胶轮车的尾气颗粒平均粒径小于1 μm，且其中含有大量CO 气体，现阶段本技术样机应用于胶轮车经过的场景中时可能产生误报。可根据在一定条件下敏感元件的输出在大小和时间2 个维度上的表现并结合周边温度变化情况建立判断是否有胶轮车经过的模型。条件所限，本研究尚未对此问题展开深入分析，可以按照此思路做进一步的研究。