基于多參數和特征層融合的化學品燃爆狀態辨識方法

葉樹亮，張 晟

(中國計量學院計量測試工程學院，杭州310018)

危險化學品(Hazardous Chemical Materials，HCM)具有燃爆、毒害或腐蝕特質，受激可對人體和財產造成顯著危害，在已被定為HCM的3萬余種化學品中燃爆特性是其物理危害最突出的表現形式。HCM燃爆特性的精確檢測利于HCM的分類以及在運輸、貯存、裝卸與使用中的標記警示，是國際關注的熱點問題。近期實施的聯合國化學品分類及標記全球協調制度(Globally Harmonized System，GHS)更對氣體及氣態混合物、固體及金屬粉末、泡沫氣溶膠等16類HCM的危險性尤其是燃爆特性的精確檢測提出了要求［1］。

爆炸極限、火焰蔓延速率等是燃爆特性的數理表征，而燃爆狀態辨識是獲取HCM燃爆特性參數的關鍵技術。傳統辨識方法采用靜態式實驗裝置，檢測時向處于穩定狀態的HCM樣品施加誘燃激勵，利用一定感知單元辨識樣品的受激狀態，裝置結構因樣品種類而異，但基本原理均為誘燃激勵下燃爆有無的觀測［2－4］。目前國內、外相關研究或標準只有以人眼或單一傳感器作為感知單元的描述，包括熱電偶、壓力傳感器或聲級傳感器等［5－8］。由于人眼判斷有主觀性;而單一傳感器不能全面描述受激狀態且對檢測環境抗干擾能力差［9］，故辨識手段準確度較低，以國內技術先進、具有代表性的出入境檢驗檢疫部門檢測設備為例，錯誤率在1～2%或以上，不能為化學品在生命周期中的各階段提供安全指導。

本文給出一種可快速、精確辨識HCM樣品受激狀態的方法，其特點是利用兩組光電傳感器陣列擴展傳統檢測裝置的信息參數;利用模糊神經網絡實現HCM受激狀態的精確辨識。該方法有效改善了目前檢測裝置普遍存在的自動化程度低、檢測效率低和人員參與度高等缺點。

1 具有光、熱雙傳感器的檢測裝置

圖1的(a)和(b)分別為傳統的人眼式和熱電偶式HCM燃爆特性檢測裝置示意圖，包括樣品置放空間、誘燃激勵和狀態辨識單元，氣體樣品置放在耐壓玻璃管，玻璃管底部點火電極為誘燃激勵。

圖1 易燃氣體類HCM燃爆特性裝置示意圖

圖1(a)的人眼式受激狀態辨識單元中，由于視覺暫存效應，人眼僅能響應24 Hz及以下頻率變化的現場事件，因此觀測結果易失真;同時人眼對弱光不敏感，通常意義的無色火焰可導致人工辨識的失效。圖1(b)的熱點偶式受激狀態辨識單元中，由管底、頂部兩個熱電偶完成對火焰溫度信息的觀測，以兩位置先后的溫度階躍辨識燃爆是否發生及計算蔓延速率。然而這種裝置會將樣品僅在誘燃激勵附近發生局部燃燒狀態判為燃爆，原因是產生的熱輻射不僅作用于底端熱電偶，同時導致頂端熱電偶產生明顯的錯誤響應，此狀態非國標定義的真實燃爆，是干擾引起的偽狀態，因此裝置發生了誤判［10－11］。

本文在圖1(b)中裝置熱電偶對徑位置上增加兩組光電傳感器陣列，其結構如圖2所示。光敏傳感單元的感光元件為光電二極管，敏感光譜范圍在400 nm～800 nm之間，輸出電壓在0～5 V內，與光強成線性關系［12］。為了消除HCM實驗環境的雜光、熱輻射干擾等偽狀態和其他干擾狀態，使觀測結果與現場事件保持更高的一致性，將兩種傳感器輸出對時間求導后獲取梯度信息也作為判識數據，使改進后狀態判斷依據參數擴展為溫度、光強度、溫度梯度和光強度梯度。雖然各種HCM化學品燃爆特性檢測裝置的樣品預配單元、置放空間的結構差異大，但燃爆的辨識手段近乎相同，因此本文熱電偶和對徑排布光電傳感陣列的改進方案可移植到其它類型HCM檢測裝置上。

圖2 多參數易燃氣體類HCM燃爆特性裝置

2 FNNS的建立及時變受激狀態的辨識

裝置有上、下端兩組傳感器，因此根據兩組傳感器數據對受激狀態分別進行判斷，系統最后輸出的辨識結果是對兩者的綜合評價。FNNS因綜合了基于Zadeh模糊邏輯推理的表述能力以及RBF神經網絡的泛化能力［13］，對受激狀態的模式分類具有獨特優勢。圖3為以FNNS為核心、內嵌微處理器檢測系統的原理框圖，傳感器觀測值屬于數值域，將其元素映射到模糊語言域上的過程是數據特征層處理一種方式，為FNNS建立的前提步驟，此時傳統意義的傳感器亦轉變為模糊傳感器，其特征是傳感器輸出表征受激狀態的若干模糊子集，為FNNS的輸入。

圖3 以FNNS為核心的系統工作原理

本文選取高斯函數作為隸屬函數，定義光強度、溫度、光強度梯度和溫度梯度為輸入矢量空間的四個變量，由 X1，X2，X3，X4表示，每一變量有四個模糊子集，將非線性劃分輸入論域空間的模糊子集表示為圖4形式。由于存在負梯度，基本論域理應向負半軸延伸，然而本文關注的是受激時刻火焰從無到有的階躍，故只分析正梯度。輸入論域根據光電傳感器和熱電偶調理電路輸出的要求劃分為11個等級，有 Very Big、Big、Small、Very Small四個模糊語言值。經隸屬函數量化，網絡輸入被壓縮于［0，1］的空間內，因此不另做歸一化處理。

圖4 FNNS的輸入模糊子集形式

基于Zadeh模糊邏輯推理法制定了受激狀態的分類規則如表1，表中列出的27條規則為對HCM所有受激狀態的完整描述，其中局部燃燒易影響熱電偶，造成偽狀態，而光輻射干擾易影響光電傳感器，造成偽狀態，因此成為系統需明確區分的目標狀態。在輸入矢量激發規則后神經網絡隱式表達的模糊關系蘊含式可確定最適輸出模糊子集，作為受激狀態估計的最優解。圖5所示為區別于輸入空間的輸出模糊子集形式，隸屬函數取高斯函數，為了便于結果計算，對輸出各模糊子集隸屬函數中心進行了均勻劃分。

表1 四輸入變量的分類規則表

圖5 FNNS的輸出模糊子集形式

非線性前饋單隱層的徑向基神經網絡，使用局部指數衰減的基函數在模式分類時具有精度高和所需參數少的特點，彌補了基于Takagi-Sugeno與類Takagi-Sugeno模型模糊神經網絡中各條模糊規則的輸出僅為輸入線性組合的缺點［14］。RBF基函數為格林函數，本文取其特殊形式高斯函數，如式(1)所示。

式中rj表示第j個徑向基神經元，代表系統的第j條受激狀態辨識規則。權值w1ij和閾值b1j記錄了各項辨識規則的具體編碼信息，不同HCM的編碼信息不同。網絡輸出層為rj的加權結果，如式(2)，其中w2ij、b2j代表輸出層權值及閾值。

式(1)與式(2)確定了FNNS的三層拓撲結構，實現模糊關系的隱式存儲。該結構在訓練時不僅具有自更新性，且通過不斷修正各輸出模糊子集的隸屬函數方式，使自身更具合理性。當時變輸入矢量X與多個受激狀態的歐代距離d(X，W1j)均較顯著時，多條規則被同時激發，而輸出矢量成為若干激發規律的非線性插值［15］，其中 X=(X1，X2，X3，X4)。輸出矢量經最大隸屬度原則的解模糊，轉變為清晰域上對受激狀態的最優估計。

將完成訓練的FNNS內嵌于微處理器的存儲空間，進行待測HCM的實時自動檢測時，網絡容錯能力自動消除了環境光、熱及溫度等擾動，具有較強的魯棒性。

3 實測結果及分析

依據標準，化學品的燃爆危險性通常被劃分為危險、警告和不分類三個等級［16］，其分類的置信程度取決于燃爆特性描述準確性。為驗證結合多傳感器的FNNS對HCM燃爆狀態辨識效果，以利于危險評價，本文在101．3 kPa大氣壓的實驗環境下對易燃氣體甲烷、泡沫氣溶膠摩絲、易燃固體多聚甲醛和金屬粉末鎂粉等HCM進行了相關檢測，檢測環境為通用的實驗條件，實驗結果如表2所示。因選用的甲烷、摩絲、多聚甲醛和鎂粉為典型化學品，故標準受激狀態已知，表中數據以標準受激狀態得出。

上述四種檢測裝置改造前以熱電偶為信息來源。表中所示的人眼和熱電偶項是出入境檢驗檢疫部門在大量檢測基礎上的已有數據，其中人眼項由不同測試人員在不同時間和光線條件下測得。FNNS項數據中甲烷和鎂粉分析樣本數為2 500個，摩絲和多聚甲醛樣本數為2 000個。

表2 裝置燃爆狀態的辨識結果

傳統的人眼辨識因環境光輻射影響和本身的生理特征，容易做出錯誤判斷，置信度最低;基于熱電偶的單傳感器辨識對熱輻射干擾比較敏感，不能避免偽狀態，因此錯誤率也較為突出，置信程度中等。而在原裝置多傳感器改造基礎上的FNNS模式分類，錯誤率優于0．1%，較以往得到很大改善。目前利用該方法的改進裝置已經應用到出入境檢驗檢疫部門，在燃爆特性檢測方面取得了很好的效果。

4 結論

本文結合GHS全球推廣背景下對HCM燃爆特性提出的檢測要求，首先對現有裝置實施參數擴展，在此基礎上對傳感器觀測值進行特征層處理，利用模糊邏輯神經網絡建立了一種有效、準確區分各種受激狀態的泛函映射。將該映射關系集成于嵌入微處理器中，又達到實時自動檢測的目的。從測試結果可見該方法彌補了傳統檢測手段的缺陷，在指導HCM危險性警示和標記方面，具有重要意義。

［1］ 張少巖，車禮東．全球化學品統一分類和標簽制度(GHS)實施指南［M］．北京:化學工業出版社，2009:49－53．

［2］ GB 19452－2004．氧化性危險貨物危險特性安全規范［S］．

［3］ GB 19521．2－2004．易燃液體危險貨物危險特性檢驗安全規范［S］．

［4］ GB/T 21622－2008．危險品易燃液體持續燃燒試驗方法［S］．

［5］ De Smedt G，De Corte F，Notele R，et al．Comparison of Two Standard Test Methods for Determing Explosion Limits of Gases at Atmospheric Conditions［J］．Journal of Hazardous Materials，1999，70(2):105－113．

［6］ 胡耀元，周邦智，楊元法，等．H2，CH4，CO多元爆炸性混合氣體的爆炸極限及其容器因素［J］．中國科學(B輯)，2002，32(1):35－39

［7］ ISO 10156 －2 －2005．Gases and Gas Mixtures-Determination of Fire Potential and Oxidizing Ability for the Selection of Cylinder Valve Outlets［S］．

［8］ 陳光明，王海鷹，王勤，等．測試方法對可燃性制冷劑爆炸極限影響的研究［J］．浙江大學學報(工學版)，2007，41(12):2098－2102．

［9］ 呂鋒，文成林．電氣測量中的多傳感器信息融合技術［J］．傳感器技，2002，27(10):1 －3．

［10］GB/T 12474－2008．空氣中可燃氣體爆炸極限測定方法［S］．

［11］GB 19521．3－2004．易燃氣體危險貨物危險特性檢驗安全規范［S］．

［12］王學影，張晟，葉樹亮．氣體易燃特性受限空間實驗測定方法的研究［J］．傳感技術學報，2010，23(3):307 －310．

［13］翁建華，陳艷．基于模糊神經網絡的多傳感器信息融合技術及應用［J］．傳感技術學報，2003，16(4):501 －503．

［14］ Takagi T，Sugeno M．Fuzzy Identification of Systems and Its Applications to Modeling and Control．IEEE Transactions on Systems，Man，and Cybernetics，1985，15(1):116 －132．

［15］諸靜．模糊控制原理與應用［M］．北京:機械工業出版社，2005:256－258．

［16］GB 20590－2006．化學品分類、警示標簽和警示性說明安全規范．氧化性固體［S］．