基于傳感器陣列的危害氣體快速預警與識別方法研發

李明駿

(中國石化安全工程研究院，山東 青島266100)

近年來，石油、化工、冶金等行業因危害氣體泄漏導致各類安全生產事故頻發，對國家和人民的生命與財產安全構成嚴重威脅。統計數據表明，現有的泄漏檢測設備與系統存在一定的不足，據英國安全與健康執行局統計，石化行業泄漏事件的成功探測率不足50%[1]，大量可能引起事故的泄漏事件沒有被探測器及時監測。隨著國家、社會層面對安全環保要求的不斷提高，現有氣體泄漏檢測報警系統已經無法滿足日益增長的安全環保生產需求，亟需升級換代。

在傳統氣體傳感器的響應特征中，傳感器響應值與目標氣體濃度值是一一對應的穩態關系。傳感器接觸到目標氣體后，輸出值逐漸增大(或減小)至穩定狀態，此時穩定的輸出值才能準確表征目標氣體的真實濃度，目前大多數基于傳感器陣列的算法也都基于穩態響應值進行設計[2－7]。然而此類穩態關系無法準確監測工業現場的短時突發泄漏。短時突發泄漏可能是大規模泄漏的初期表現，其泄漏總量較小，泄漏出的氣體氣團體積較小，擴散過程中氣團與傳感器的接觸時間較短，氣團離開傳感器表面時傳感器還沒有完全響應至穩定狀態，此時傳感器所反應出的氣體濃度會顯著低于實際濃度，不足以引起安全管理人員的重視，無法及時采取措施遏制事故發展。因此，如何準確捕捉短時突發泄漏，在大規模泄漏事故形成之前及時預警，對工業現場具有重要的安全意義。

對于動態響應過程，袁方紅使用時間序列分析算法對CO濃度進行預測，可以實現多步濃度預測，但濃度預測對歷史數據依附性較高，對突發泄漏預測效果不佳[8]；張捍東通過建立一階線性慣性延時的傳感器模型，使用傳感器逆模型估計出氣體濃度的真實輸入[9]，張廣軍構建了CO2傳感器的一階傳遞函數模型，設計帶有零極點的一階網絡的動態補償濾波器[10]。兩者都通過對一階模型的補償縮短了系統的響應時間，但一階模型無法描述傳感器的起始響應階段，不利于氣體濃度初期的快速預判。安文提取傳感器響應曲線的穩態、動態特征作為BP神經網絡輸入加速網絡收斂[11]，但僅采用一階導數、二階導數的最大值作為特征向量，無法在傳感響應初期快速預判濃度。

本文設計了基于氣體傳感器陣列的快速預警與識別算法。通過標準化的測試實驗，得到傳感器陣列的標準動態響應曲線簇；在實測過程采集傳感器陣列的輸出值與輸出值變化率，與動態標準響應曲線做實時比較，判斷出與實測值相近的動態標準響應曲線所對應的氣體種類和濃度，作為預判結果，進而與報警閾值相比較，判斷是否發出預警信號。此算法在傳感器陣列響應的初期即可實現對目標氣體的快速定性定量監測，直接給出目標氣體的真實種類和濃度，不受限于傳感器響應時間，有利于快速捕捉突發短時泄漏，顯著提高了對目標危害氣體的預警能力。

1 危害氣體快速預警與識別算法原理

1.1 傳感器動態響應特征原理

常規氣體傳感器的響應曲線如圖1所示。首先給傳感器通電，待傳感器穩定后，從t1時刻開始通入待測氣體，當測試腔體足夠小時候，可以認為待測氣體濃度瞬間達到設定值，濃度曲線可近似為階躍響應曲線。隨后傳感器產生響應，以傳感器響應值上升過程為例，響應曲線經歷“穩定”——“緩慢上升”——“快速上升”——“緩慢上升”——“再次穩定”的五個階段。以待測氣體濃度作為輸入變量，以傳感器響應值作為輸出變量，以JJG系列氣體報警器國家計量檢定規程的測試方法進行試驗，該方法滿足計量溯源性要求。測試實驗中傳感器的響應過程可認為是一類二階過阻尼系統的階躍響應類型[12－13]，如圖1所示。圖中Csp為待測氣體濃度，Y0為傳感器基線響應值，Ysp為傳感器對待測氣體響應穩態輸出值，t1為通入待測氣體時刻，t2為傳感器對待測氣體響應達到穩定狀態的時刻，t3為開始吹掃時刻，t4為傳感器歸零穩定時刻。

圖1 氣體傳感器響應曲線示意圖

典型二階過阻尼系統的狀態方程[6]可以表示為

式中:x1(t)、x2(t)為系統的狀態變量，C(t)為系統輸入變量。類比范德波爾方程(Van der Pol equation)[7]，本文將傳感器響應值Y(t)作為x1(t)，把傳感器響應值的變化率?Y(t)作為x2(t)，則式(1)可變為:

在傳感器接觸待測氣體產生響應的非穩態過程中，傳感器響應值的變化率?Y(t)≠0，將式(1)、式(3)合并，消去dt得到式(4)。

在通入待測氣體的過程中設氣體濃度Csp不變，代入式(4)，得到式(5)，本文稱之為傳感器標準動態響應特征式。

初始狀態x0＝[Y0，0]

對于方程式(5)，采用微分方程的一般數值解法，根據初始條件，即可求解特定待測氣體濃度下傳感器響應過程中，響應值與其變化率的對應關系。由響應值與其變化率構成的二階過阻尼系統相軌跡曲線示意圖如圖2所示。A點為初始狀態，Bi點為通入待測氣體濃度為Cspi時響應過程的終止狀態(i＝1、2、3)，曲線ABi為通入待測氣體后的響應相軌跡，曲線BiA為吹掃階段的響應相軌跡，吹掃過程中Csp＝0。

圖2 氣體傳感器二維平面相軌跡響應曲線示意圖

對于已知的氣體傳感器，如果可以獲取其在一定目標氣體濃度下的標準動態響應特征式，則可由輸入氣體的濃度計算得到傳感器完整的動態響應過程。反之，通過實驗積累不同氣體、不同濃度下的傳感器動態響應曲線形成數據庫后，也可以根據傳感器動態響應值與變化率，快速預測目標氣體的濃度。

1.2 傳感器動態響應特征庫建立

對于電化學、半導體氣體傳感器而言，其傳感機理較為復雜，建立機理模型比較困難，本文通過標準化測試實驗得到傳感器的動態響應曲線，基于測試數據描述響應過程，建立標準動態響應特征庫。本文以SGX公司的MICS－2714、MICS－5524、MICS－5914三款傳感器組成的傳感器陣列為例，分別檢測H2S、CO、CH4氣體，實現氣體種類和濃度的快速預測。

以MICS－5914對低濃度硫化氫響應測試為例介紹動態響應特征庫的建立步驟。設置多組硫化氫濃度梯度實驗，保持每次通氣流量相同，分別通入1×10－6L/L、2×10－6L/L、3×10－6L/L和5×10－6L/L硫化氫氣體，將傳感器電阻值作為傳感器輸出值S，歸一化后得到圖3(a)曲線。傳感器響應過程中的變化速率為3(b)曲線，以傳感器輸出值、傳感器輸出值變化率作二維相軌跡圖，如圖4所示。

圖3 MICS－5914傳感器對硫化氫氣體響應曲線

圖4 傳感器二維相平面響應曲線

將傳感器輸出值S、傳感器輸出值變化率R與H2S氣體濃度C為坐標軸作三維散點圖，擬合三維相軌跡曲線簇。如圖5(a)所示，三維相軌跡曲線簇在xoy平面作投影即為二維相軌跡曲線。再以三維相軌跡曲線簇擬合三維相軌跡曲面，本文稱之為標準動態響應曲面，結果如圖5(b)所示。此曲面即為傳感器輸出值S、輸出值變化率R與氣體濃度C的映射關系C＝f(S，R)。

圖5 MICS－5914傳感器對硫化氫氣體響應曲線

采用相同測試方法，按表1對傳感器進行編號，按表2進行濃度梯度測試，分別得到MICS－2714、MICS－5524、MICS－5914傳感器對H2S、CO、CH4三種氣體四種濃度梯度的響應曲線簇，擬合三維相軌跡曲面，由三維相軌跡曲面可以得到測氣體濃度Cjk與傳感器輸出值、輸出值變化率的關系Cjk＝fij[Eijk(t)，Fijk(t)]，其中Sijk(t)為傳感器輸出值，Rijk(t)為傳感器輸出值變化率，Cjk為目標氣體濃度，i＝1、2、3為傳感器編號，j＝1、2、3為目標氣體種類編號，k＝1、2、3、4為目標氣體濃度編號。部分三維相軌跡曲面如圖6所示。將三款傳感器對三種氣體響應的三維相軌跡曲面Cjk＝fij[Eijk(t)，Fijk(t)]數據儲存，即完成傳感器陣列特征響應數據庫的構建。

表1 傳感器型號

表2 待測氣體種類與濃度

圖6 MICS－5524傳感器對其他氣體響應曲線

1.3 目標氣體種類與濃度快速預估

在實際監測過程中采集三顆傳感器的輸出值，并計算輸出值變化率，與預存的特征響應數據庫進行實時對比，即可實現目標氣體種類的快速識別和濃度預測。具體步驟如下:

①設傳感器MICS－2714、MICS－5524、MICS－5914的輸出值分別為S1(t)、S2(t)、S3(t)，輸出值變化率分別為R1(t)、R2(t)；

②將Si(t)、Ri(t)分別代入中Cij＝fij[Si(t)，Ri(t)]，計算得到Cij，其中i＝1、2、3，j＝1、2、3；

③分析Cij的值，分組比較同一傳感器對不同氣體的計算濃度C1j、C2j與C3j的值，計算目標氣體濃度誤差1、2、3，取Dj最小值為DJ，判斷DJ<Φ，如滿足則J為當前檢測的目標氣體編號，目標氣體濃度為C＝

2 算法驗證

以2.51×10－6L/L的H2S、35×10－6L/L的CO、4 000×10－6L/L的CH4氣體對傳感器陣列進行測試，從濃度預測與氣體識別兩方面驗證算法監測效果。實驗開始時使傳感器在零氣環境中穩定，記錄穩定后的傳感器數值到通入待測氣體后穩定的過程。由于泵吸式腔體體積很小，可以近似認為待測氣體濃度為階躍上升信號。部分傳感器響應曲線如圖7所示，氣體識別結果如圖8所示，氣體濃度預測結果如圖9所示。

圖7 部分傳感器測試響應曲線

從圖7可以得出，MICS傳感器對三種氣體的T90響應時間約為10 s~15 s，使用傳統的“氣體濃度——傳感器輸出值”穩態關系的情況下，報警延遲也約為10 s~15 s；使用快速預警算法，從圖8可以看出，氣體種類可在5 s實現準確識別。

圖8 測試氣體識別結果

從圖9可以得出，危害氣體快速預警算法可將氣體濃度的預警時間縮短至5 s左右，約為原有報警延遲時長的1/3。測試數據表明，該算法對于高濃度氣體的預警效果優于低濃度氣體，分析其原因，實時采集的傳感器輸出值會存在由電路等其他原因產生的干擾波動，傳感器對低濃度氣體響應的輸出絕對值較小，干擾波動量占據輸出值的一定比例，導致預測濃度存在波動；而傳感器對于高濃度氣體的輸出絕對值較大，相同的干擾波動量在大輸出值中占比較小，因此對預測濃度的干擾程度較弱。

圖9 快速預警算法響應曲線

3 結語

針對短時突發泄漏快速響應的問題，本文設計了基于氣體傳感器陣列的快速預警與識別算法，通過標準實驗建立傳感器陣列的標準動態響應曲面，引入氣體監測預警狀態，傳感器陣列的輸出值與輸出值變化率，與動態標準曲面做實時比較，判斷出與實測值相近的動態標準響應曲線所對應的氣體種類和濃度，作為預判結果，進而與報警閾值相比較，判斷是否發出預警信號。以三款MEMS氣體傳感器組建傳感陣列，測試實驗結果表明，使用該算法可以顯著縮短危害氣體定性定量監測的響應時間，對于突發短時泄漏的監測預警具有良好的效果。