基于气体浓度和烟颗粒消光系数的复合火灾预警系统*

蒋亚龙，王进军

(1.安徽新华学院 土木与环境工程学院，安徽 合肥 230088； 2.中国科学技术大学 火灾科学国家重点实验室，安徽 合肥 230027)

0　引言

随着社会经济和城市化建设的快速发展，火灾发生的频率、造成的经济损失和生态环境损失不断呈现上升趋势，对人类社会造成了巨大的损失。据统计[1]，从2003年至2013年的10年间，我国火灾事故数量高达150万起，造成了34 897人死亡和58 392人受伤，直接经济损失高达179亿元人民币。因此在充分掌握火灾早期特性和初期火灾发展规律的基础上对火灾进行有效预防和探测，避免或减少人员伤亡和社会财富损失，具有越来越重要的现实意义。

火灾会产生气体、气溶胶、烟雾、火焰和大量热量，这些统称为火灾参量，通过对这些参量的测定便可判断是否存在火灾。针对以上各种火灾参量，诞生了各种各样的火灾探测器，例如感烟探测器、感温探测器、火焰探测器等等。在此基础上，又产生了一些新的火灾监测方法。例如研究人员尝试利用计算机视频监控的方法来进行火灾监测，该方法可以有效减小火灾的误报率并缩短报警时间，取得了很好的成效[2-5]。另外针对视频监控方法，HAI Jun Zhang等[6]又提出了一种基于视觉注意力机制的火灾探测与识别的新方法，进一步提高了火灾探测的准确性；Amin Khatami等[7]将粒子群优化算法引入了图像处理技术，进一步缩短了火灾监测的响应时间；Steven Verstockt等[8]提出了一种新的多模态火焰和烟雾复合检测方法，可以很精确地探测到高大空间的火灾。

考虑到一方面烟雾浓度、温度这些常规的物理参数会随着燃料和燃烧状况的不同而改变，给探测带来一定的难度，另一方面在火灾的初期，气体的产生要早于烟雾的出现和温度的升高，因此研究人员越来越致力于对燃烧过程中产生的火灾特征气体(主要是CO)浓度进行研究，并被认为是一种有着良好发展前景的火灾探测方法。作为气体检测的重要技术之一，光声光谱技术由于其高稳定性、高灵敏性、良好的选择性以及宽动态范围已被引入到火灾探测领域[9-11]以及气体检测领域[12-16]。

由于火灾燃烧产物是气体和烟雾颗粒的混合物，火灾烟颗粒的消光作用将会严重干扰气体的红外特征吸收。常规的处理方法是在燃烧产物进入测量装置之前将烟颗粒进行过滤，但是过滤仅仅能阻挡部分颗粒，并不能保证完全过滤，穿透过滤网的烟颗粒将会对测量结果带来严重影响，因此采用过滤的方法并不能从根本上解决问题。目前几乎未见有相关文献报道火灾烟颗粒的消光对光声火灾监测造成的影响。本文并没有采取将火灾烟雾颗粒过滤的传统方法，而是对火灾燃烧产生的混合产物直接进行测量，结合光声光谱技术和烟颗粒散射理论，建立了火灾特征气体和烟颗粒复合探测模型，从而分别提取出火灾特征气体浓度和烟颗粒消光系数。

1　实验装置

如图1所示，测量装置由以下几部分构成：信号发生器(TFG3050 DDS)、测量路径、激光控制器( ILX Lightwave，LDC-3724B)、红外光电探测器、激光器、前置放大器(B&K，2669L)、锁相放大器(Signal Recovery 7265)、麦克风(B&K，4192型)、适调放大器(2690-A-0S4)、光声腔以及数据采集系统。激光器发出的红外光束，经调制后进入吸收路径，其调制频率由信号发生器控制。进入到吸收路径的光一部分被路径内的烟雾颗粒反射和一氧化碳气体吸收，其反射光强由设置在散射平面上的红外光电探测器测量；另一部分穿过吸收路径进入光声腔，使得光强的调制在光声腔内产生相应的温度调制，从而激发出相应的声波。该声波由传声器进行采集，经过滤波及放大处理后，输入数据采集系统以及计算机进行数据记录和处理。

图1　光声复合火灾预警系统原理Fig.1　Schematic diagram of the photoacoustic compound fire alarm system

为了减小背景噪声，光声腔的窗口和腔体的光吸收应尽可能小，而材料的密度、比热、和扩散率应尽可能地大，使流入气体的热能尽量减小[17]。另外当光声腔为矩形、圆柱形或者球形[18]等规则形状时(甚至可以为H形)，简正模式具有十分简单的形式。在上述提及的各种规则形状中，长方形或圆柱形的腔体结构较好，且根据相关理论分析[19]，圆柱形光声腔中声波的衰减要小于长方形光声腔中声波的衰减，因此我们设计了圆柱形的光声腔并使其工作于径向模式。

2　模型建立

设激光初始光强为I0,中心频率为v0。经过波长调制后的光源频率和输出光强表达式如下：

ν=ν0+νmsinωt

(1)

I=I0+Imsinωt

(2)

式中：νm，Im分别为频率调制幅度和光强调制幅度；ω为调制的角频率，ω=2πf。

在无火灾情况下，由于此时吸收路径中无燃烧产物，因此光束穿过吸收路径时不会发生衰减，所以光声腔的入射光强Ip0满足：

Ip0=I0+Imsinωt

(3)

由于光声腔内有纯一氧化碳气体，该气体将吸收进入光声腔的调制光束，随之激发出相应的声信号并被转换成电信号，记为S1(ν)：

S1(ν)=CcellIp0α(ν)=Ccell(I0+Imsinωt)α(ν)

(4)

式中：α(ν)为气体的吸收系数；Ccell为腔常数。

当发生火灾时，火灾产物中将同时产生CO气体和烟雾颗粒，当它们通过采样管道进入到吸收路径时，不仅CO气体会因自身的特征吸收对入射光强造成衰减，而且烟雾颗粒也会因自身的消光作用而对入射光强产生衰减。也就是说此时入射光强的衰减是由CO气体的吸收和烟雾颗粒的消光共同引起的，衰减的幅度与CO气体浓度不再存在单一的对应关系，若将此信号直接去反演环境中CO的浓度是不正确的。解决此问题的关键就在于如何剔除烟雾颗粒的消光对测量带来的影响。

此时光源频率和光强的表达式仍然满足(1)式和(2)式。由于此时测量路径中为烟雾颗粒和CO气体的混合物，因此光源经过吸收路径后的光强Ip1为：

Ip1=[I0+Imsin(ωt)]exp[-(kgL+ksL)]

(5)

式中：ks为烟雾颗粒的消光系数；kg为CO气体的消光系数。

此时麦克风产生的光声信号为：

S2(ν)=CcellIp1α(ν)=Ccell[I0+
Imsin(ωt)]exp[-(kgL+ksL)]α(ν)

(6)

将(4)式比上(6)式，则有：

(7)

根据Mie散射理论，可以得到散射光强Is(θ)和烟颗粒消光系数ks的表达式：

(8)

(9)

式中：λ是入射光的波长；r为散射颗粒中心点与散射光观察点的距离；i1(θ)，i2(θ)为散射光的强度函数；α为无因次粒径参量(α=πd/λ)；an，bn为Mie散射系数；是折射率m和颗粒粒径d的函数。

散射系数an和bn可以根据Bessel函数的递推关系和初始值计算，由此可得到kg。式(9)和式(7)联立便可进一步求出CO的消光系数。

3　实验过程

为了测试该光声光散射复合火灾探测系统的火灾探测性能，分别进行了棉绳阴燃、木材热解、正庚烷明火、木材明火这4种类别的火灾模拟实验，分别为2组阴燃火和2组明火。实验开始时即采集实验数据，并点燃这4种材料，将其产生的燃烧产物通入测量路径。实验中开启了采集系统固定窗口平滑处理功能和频域平均功能以消除随机噪声带来的影响。

实验使用的火灾模拟装置为一底部为空心长方体、顶部为锥体结构的不锈钢容器，顶部安装有PVC管，以便使产生的烟气混合物进入测量路径。

3.1　棉绳阴燃

将棉绳固定在直径100 mm、高140 mm的金属圆形支架上。从棉绳下端点火，点燃后立即熄灭火焰，使其保持连续冒烟。CO浓度及烟雾消光系数如图2(a)所示。从图中可以看出随着实验的不断进行，CO浓度及其烟雾消光系数均不断增加。CO浓度在t=18 s达到了5×10-6，之后一直保持增长趋势，在t=120 s达到了最大值108×10-6。烟雾颗粒的消光系数t=27 s达到0.1 m-1，在t=119 s达到最大值1.01 m-1。

3.2　木材热解

将10 mm×20 mm×35 mm的山毛榉木块(含水量小于3%)呈辐射状放置于加热功率为1.4 kW (额定功率)、直径为220 mm的加热盘上，先给加热盘通电，直到加热盘加热到500℃左右。CO浓度及烟雾消光系数如图2(b)所示。从图中可以看出CO气体在t=84 s达到了5×10-6，之后浓度也一直保持增长趋势，随着实验的进行，在t=526 s达到了最大值202×10-6。烟雾颗粒的消光系数在t=104 s达到0.1 m-1，在t=531 s达到最大值1.58 m-1。

图2　阴燃火实验CO浓度和烟颗粒消光系数随时间的变化Fig.2　Variation curve of carbon monoxide concentrations and extinction coefficient of smoke particles in smoldering fire

3.3　正庚烷明火

将正庚烷加3%(体积百分数)的甲苯倒入直径为100 mm、厚2 mm的圆形钢质容器中，总量深度约20 mm，随即用明火点燃。CO浓度及烟雾消光系数如图3(a)所示。CO浓度在t=16 s达到了5×10-6，随着实验的不断进行，浓度一直保持增长趋势，在t=118 s达到了最大值63×10-6。烟雾颗粒的消光系数t=23 s达到0.1 m-1，在t=119 s达到最大值0.87 m-1。

3.4　木材明火

将10 mm×20 mm×250 mm的山毛榉木条(含水量小于3%)按四层叠放在燃烧箱内，在木架的底面中心放置一直径为50 mm的小盘，装入5 mL甲基化酒精并点燃。CO浓度及其烟雾消光系数见图3(b)所示。其中CO浓度在t=30 s达到了5×10-6，在t=119 s达到了最大值53×10-6。烟雾颗粒的消光系数t=37 s达到0.1 m-1，在t=120 s达到最大值0.63 m-1。

图3　明火实验CO浓度和烟颗粒消光系数随时间的变化Fig.3　Variation curve of carbon monoxide concentrations and extinction coefficient of smoke particles in open fire

从图2和图3可以看出，实验开始后，CO浓度和烟雾颗粒的消光系数均开始增加，表明可燃物燃烧后产生了CO气体及烟雾颗粒。虽然在上升过程中曲线有波动，但总体呈明显上升趋势。由于每组实验的测量时间均截止到120 s左右，因此可燃物燃尽后CO浓度和烟雾颗粒消光系数下降的曲线未在图中显示。

从图2和图3可以发现，棉绳阴燃实验和木材热解实验产生的CO浓度较高，最大值分别达到108×10-6和202×10-6，而正庚烷明火和木材明火产生的CO浓度较低，最大值分别为63×10-6和53×10-6。通过分析可知，棉绳阴燃产生的CO浓度分别为2组明火实验的1.7倍和2倍，木材热解产生的CO浓度分别为2组明火实验的3.2倍和3.8倍。这是由于明火中可燃物的燃烧比较充分，C元素大多以CO2的形式释放，因此燃烧产物中生成的CO浓度较低；而在阴燃火中由于存在不完全燃烧现象，因此CO浓度较高。

4　结论

1)以近红外激光器作为工作光源，结合波长调制技术以及谐波检测技术研制了一套光声复合火灾预警系统。结果表明，该系统对4组火灾模拟实验中产生的CO气体和烟雾颗粒均能较好地探测，可满足火灾预警与探测需求。

2)将火灾特征气体浓度和烟颗粒消光系数作为复合判据，避免了传统的单一量火灾探测器引起的误报，提高了火灾预警的准确性。

3)如采用大功率的激光光源、优化光声腔的设计参数等还可进一步提高系统的信噪比和检测灵敏度。针对光声光谱技术灵敏度高、选择性好以及响应速度快等优点，当采用其它波长的激光器作为探测光源时，还可以通过测量其它气体实现其在煤矿瓦斯预警、环境检测以及工业控制等领域的广泛应用。

[1]张然.基于模糊神经网络的火灾检测报警系统[D].成都:西华大学,2014.

[2]ByoungChul Ko, Ji-Hun Jung, Jae-Yeal Nam. Fire detection and 3D surface reconstruction based on stereosco- pic pictures and probabilistic fuzzy logic[J]. Fire Safety Journal,2014,68:61-70.

[3]Seong G. Kong, Donglin Jin, Shengzhe Li, Hakil Kim. Fast fire flame detection in surveillance video using logistic regression and temporal smoothing[J]. Fire Safety Journal,2016,79:37-43.

[4]Chen-Wei Chiu, Tony Lu, Hao-Ting Chao, Chi-Min Shu. Performance assessment of video-based fire detection system in tunnel environment[J]. Tunnelling and Underground Space Technology, 2014,40:16-21.

[5]Arthur K. K. Wong, N. K. Fong. Experimental study of video fire detection and its applications[J]. Procedia Engineering, 2014,71: 316-327.

[6]Hai-jun Zhang, Nan Zhang, Nan-feng Xiao. Fire detection and identification method based on visual attention mechanism[J]. Optik,2015,126:5011-5018.

[7]Amin Khatami, Saeed Mirghasemi, Abbas Khosravi, Chee Peng Lim, Saeid Nahavandi. A new PSO-based approach to fire flame detection using K-Medoids clustering[J]. Expert Systems With Applications, 2017,68: 69-80.

[8]Steven Verstockt, Sofie Van Hoecke, Tarek Beji, et al. A multi-modal video analysis approach for carpark fire detection[J]. Fire Safety Journal,2013,57:44-57.

[9]Keller A, Ruegg M , Forster M, et al. Open photoacoustic sensor as smoke detector[J]. Sensor Actuat B-Chem, 2005, 104:1-7.

[10]Chen T, Su G F,Yuan H Y. In situ gas filter correlation:photoacoustic CO detection method for fire warning[J]. Sensor Actuat B-Chem, 2005,109:233-237.

[11]Wang J W, Wang H L.Tunable fiber laser based photoacoustic gas sensor for early fire detection[J]. Infrared Phys.Techn, 2014,65: 1-4.

[12]Jung Y, Han B, Mostafid M E, et al. Photoacoustic infrared spectroscopy for conducting gas tracer tests and measuring water saturations in landfills[J]. Waste Manage,2012,32:297-304.

[13]Hirschmann CB,Sinisalo S,Uotila J, et al.Trace gas detection of benzene, toluene, p-,m-and o-xylene with a compact measurement system using cantilever enhanced photoacoustic spectroscopy and optical parametric oscillator[J]. Vib Spectrosc,2013, 68:70-176.

[14]Filus Z, Tóth N, Gulyás G,et al.Carrier gas flow arrangement based photoacoustic detection method for measuring gas permeability of polymer membranes[J]. Polym Test, 2013, 32:1099-1104.

[15]Mohebbifar M R, Khalilzadeh J, Dibaee B, et al. Effect of buffer gases on the performance of SO2trace measurement based on photoacoustic spectroscopy[J]. Infrared Phys.Techn, 2014,65:61-66.

[16]ZHANG Xiao-Jun, ZHANG Yong-Gang. Resonate Modes in Photoacoustic Cell for Gas Sensing[J]. J. Infrared Millim. Wave, 2010,29(5):321-324,341.

[17]殷庆瑞,王通,钱梦騄.光声光热技术及其应用[M].北京:科学出版社,1999.

[18]史强,胡水明,陈军,等.新型高性能激光光声光谱球形光声池:理论和实验研究[J].化学物理学报,1998,11(1):20-24.

SHI Qiang, HU Shuiming, CHEN Jun, et al. A new type high quality spherical photoacoustic cell for laser photoacoustic spectroscopy [J]. Chinese Journal of Chemical Physics,1998,11(1):20-24.

[19]Morse P M. Vibration and Sound[M].New York:McGraw-Hill,1948.