基于多紅外傳感器的智能溫度測試裝置設計*

蘇 波，黃 新

(1.桂林電子科技大學 電子工程學院，廣西 桂林541004;2.廣西工商職業技術學院 信息與設計系，廣西 南寧530003)

0 引 言

溫度是工業生產過程中測控的重要參數之一，在國防、軍事、科學試驗及工農業生產過程中，溫度的測量和控制具有十分重要的作用。在實際的溫度檢測中，主要有平均溫度檢測和溫度分布檢測［1］。前者測試系統簡單，使用最簡單的紅外傳感器對一定距離的目標發射的紅外線進行處理就能得到目標平均溫度值;后者目前一般都是采用昂貴的紅外熱像儀進行檢測，其費用高，難維護成為制約該技術發展的最大瓶頸。針對溫度分布檢測，本文提出了一種基于多傳感器的智能溫度傳感器，降低了測試成本。

1 紅外測溫基本原理

紅外測溫的原理是黑體輻射定律，自然界中一切高于絕對零度的物體都在不停向外輻射能量，物體的向外輻射能量的大小及其按波長的分布與它的表面溫度有著十分密切的聯系，物體的溫度越高，所發出的紅外輻射能力越強。物體溫度與物體輻射能量關系為

P(T)=σT4.

其中，P(T)為物體輻射能量，T 為物體溫度，σ 為斯特潘-玻耳茲曼常量。紅外傳感器能接收到被測物體的紅外輻射并轉換為相應的電信號，電信號經采樣、轉換最終轉換為物體溫度。

2 系統結構

系統體系結構如圖1 所示，紅外傳感器陣列將被測對象溫度經過放大電路處理后被處理器采集并處理，處理器中集成了高速A/D，外部存儲器用來保存大量的測量數據。集成溫度傳感器主要用于測量環境溫度來進行軟件上的環境溫度補償，這種方式大大簡化了電路設計并使溫度補償的準確性提高，集成溫度傳感器選用數字溫度傳感器DS18B20。無線模塊用以響應上位機詢問信號并傳輸溫度值給上位機。

圖1 系統整體結構圖Fig 1 Overall structure diagram of system

2.1 多紅外傳感器陣列結構

系統中傳感器選用HMS 系列中的HMS-Z11 紅外傳感器，其外觀如圖2 所示。該傳感器將多只熱電偶串聯在一起形成熱電堆，熱端和冷端之間進行了隔熱處理，當紅外線能量照射在紅外工作端時，將使熱端溫度升高產生與之對應的熱電勢［2～5］。它具有較高的分辨率和靈敏度，輸出線性度好，封裝頂部的透光窗對紅外線的透射性高，在工作范圍內，紅外線吸收率為100 %。在傳感器內部還集成了一只100 kΩ 的熱敏電阻器，可以利用做硬件上的溫度補償設計。

圖2 HMS-Z11 紅外傳感器外觀Fig 2 Appearance of HMS-Z11 infrared sensor

系統中選用了6 只傳感器構成了一個傳感器陣列結構，如圖3 所示。傳感器在透鏡焦距位置均勻排成一列，這樣增加了傳感器的檢測范圍，同時，由于紅外線強度弱，透鏡也將紅外線聚焦到紅外傳感器上，增加了傳感器的感應能力。

圖3 多傳感器陣列結構Fig 3 Structure of multi-sensor array

2.2 放大電路設計

系統所采用的放大電路如圖4 所示，該電路由3 個運算放大器 A1，A2，A3構成，其中，放大器 A1，A2組成對稱結構放入通向差分輸入，提高了輸入阻抗;A3提高放大電路的共模抑制比。電路通過輸入級的差分作用使漂移減少，同時還具有良好線性度的高放大倍數，由圖可知，電路的放大倍數為G=1 +2R1/R3，由于R3直接影響放大倍數精度和漂移，在設計中選用精密電阻器。

圖4 放大電路構成Fig 4 Constitution of amplification circuit

3 數據處理

3.1 粗大數據誤差的消除

在進行粗大誤差處理時，有萊以特準則、格羅布斯準則和分布圖等幾種方法，而所設計的溫度傳感器所測數據不多，所以，采用羅曼諾夫斯基準則消除粗大誤差，對所測溫度作多次測量，有 x1，x2，…，xn，假設 xj為可疑數據，將其剔除后計算算術平均值(計算時不包含xj)

在系統中采用6 只傳感器，顯著度設定為a =0.05，查表有K=3.04。

3.2 溫度的非線性補償

對傳感器進行溫度補償有硬件和軟件補償2 種方式，在此，主要討論軟件補償的方法。文獻［6］中介紹了多種軟件補償方法:查表法、線性插值法、計算法、數據擬合等并分析了各種方法的利弊，提出了采用最小二乘法進行數據分段擬合并結合查表法對測量數據進行線性化的新方案，這種方法雖然解決了單一查表法數據存量大的問題，但是當測量精度要求較高時，將加大分段段數，同時也加大了計算量。

神經網絡以其高度非線性映射，自組織結構，高度并行和不需預先建模等優點為解決實際問題提供了一個嶄新的手段［7］。在系統中采用BP 神經網絡算法來進行溫度的補償，這種方法不需查表解決了單一查表法數據存量大的問題，同時，在測量精度要求較高時計算量也比較小。將采集的溫度數據與相應傳感器電壓數據作為學習樣本來訓練網絡，使其權重和閾值收斂到穩定值，具體算法如圖5 所示。

圖5 算法流程圖Fig 5 Flow chart of algorithm

3.3 基于均值的數據融合

當測量結果服從正態分布且測量次數足夠多時，算術平均值是測量結果的理想表示方法。但是當測量次數有限時，算術平均值雖然可以改善測量結果，但不是最佳的表示方法，此時，估計算法可以獲得更好的測量結果。但估計算法要求比較可靠的測量初值，基于算術平均值與估計的融合算法能夠獲得可靠的測量初值，有效消除測量中的不確定性，提高測量結果的準確性。該方法具有計算量小、易于編程等特點，適合于緩變量檢測系統。結合本系統的特點，采用基于均值的分批估計融合算法［8，9］。

在系統中傳感器整列中設置了6 只紅外傳感器，按照對稱原則分為2 組，對2 組數據的平均值采用分批估計算法，估計出接近真值的融合值T+。

2 組數據算術平均值分別為

對應的標準差分別為

由于是同一批的2 組測量數據，此前沒有任何關于溫度的檢測的資料，故可以認為此前測量結果的方差σ－=∞。

R 為測量噪聲的協方差矩陣

根據分批估計理論，則融合值得方差為

式中 H 為測量方程的系數矩陣，且H=［1 1］T。

根據分批估計理論溫度的融合值T+為

4 實驗驗證

為了檢驗BP 神經網絡的校正效果，選取了一組對比測試數據，測試溫度與校正后溫度對比如表1 所示。在所選的測試樣本中，根據誤差比較可知，實現了溫度的高精度校正，取得了滿意的效果。

表1 溫度對比表Tab 1 Temperature comparison table

對系統中采集的一組數據并進行融合，如表2 所示。6 只傳感器溫度的平均值是T =27.88 ℃，依據對稱分組的原則將傳感器分為 1，2，3 和 4，5，6 兩組，計算可得1=27.80 ℃，2= 27.96 ℃，σ1= 0.30，σ2= 0.24，T+=27.90 ℃。從結果可以看出:采用數據融合得到的結果比算術平均值方法得到的結果更加合理可靠。

表2 多傳感器測量結果Tab 2 Multi-sensor measurement result

5 結 論

系統采用多紅外傳感器陣列進行溫度分布檢測，相對與使用昂貴的紅外熱像儀進行物體溫度分布檢測，測試成本低并易于維護。同時，在系統中引入羅曼諾夫斯基準則，避免了測試中由于傳感器失效帶來的影響。采用BP 神經網絡算法對測試數據進行線性補償，并應用基于均值的數據融合算法提高了測量的準確性。

［1］ 劉加峰，石宏理，李海云.多眼紅外傳感器檢測目標溫度分布技術研究［J］.傳感器世界，2011，6(6):23 －26.

［2］ 徐 薇，楊 衛.一種紅外傳感器陣列探測方法的研究［J］.傳感器與微系統，2009，28(9):16 －18.

［3］ 劉加峰，石宏理，李海云.基于HMS 紅外傳感器的體溫測量儀設計［J］.醫療衛生裝備，2011，37(7):11 －13.

［4］ 宋念龍，李 琦.基于紅外傳感器陣列的智能溫度傳感器研究［J］.傳感技術學報，2010，23(12):1713 －1717.

［5］ 李志強，黃 順，張衛華，等.基于TPS434 的紅外傳感測溫儀的設計［J］.現代電子技術，2007(12):6 －7.

［6］ 程相波.紅外傳感器的溫度漂移和非線性補償技術研究［J］.北京工業職業技術學院學報，2007，6(1):8 －1.

［7］ 杜福嘉，汪達興.應用BP 神經網絡校正鉑電阻溫度傳感器非線性的方法［J］.中國科學院研究生學報，2006，23(2):155 －158.

［8］ 李文敏，王改云.多傳感器數據融合技術在溫度檢測中的應用［J］.機械設計與制造，2009(4):103 －104.

［9］ 陳玉坤，司錫才，李志剛.雷達與紅外傳感器數據關聯及融合算法研究［J］.傳感器與微系統，2007，26(3):37 －39.