基于光谱吸收的家居天然气泄露检测系统设计

基于光谱吸收的家居天然气泄露检测系统设计
陈海燕;张小军;刘威;张跃进
【摘要】介绍了家居天然气泄露检测的重要意义,并对其主要气体成分甲烷的吸收谱线进行了分析,确定了测量光谱进行最小二乘拟合方案,给出了家居天然气泄露检
测的单点检测系统架构.对单点家居天然气泄露检测光纤传感系统的各部分进行了
设计,并给出了设计原理和器件选择.实验测试结果显示系统具有良好的稳定性、灵
敏度和分辨率.
【期刊名称】《光通信技术》
【年(卷),期】2014(038)005
【总页数】3页(P37-39)
【关键词】光谱吸收;天然气;光纤传感器;灵敏度;测试误差
【作者】陈海燕;张小军;刘威;张跃进
【作者单位】北京电子科技职业学院,北京100029;河南教育学院信息技术系,郑州450000;北京电子科技职业学院,北京100029;华东交通大学信息工程学院,南昌330013
【正文语种】中文
【中图分类】O433.5
0 引言
随着家居天然气管道的普及，天然气管道老化或设备损坏导致天然气泄漏时有发生，
极大地危害了人们的生命财产安全。

由此大量的家居天然气泄漏检测设备应运而生，利用气体传感器技术，将检测到的煤气气体浓度和标准值进行比较，当高过一定浓度值时进行相应的声光报警，这对现在的家居安全起着非常重要的作用[1]。

传统非光学式天然气气体传感器可以检测到较低浓度的天然气气体，但响应速度慢、易受污染、寿命短且难以实现连续实时检测[2]。

光纤传感器的独特优势特别适用
于危险环境，基于光谱吸收原理的天然气光纤气体传感系统结合了光纤技术和弱光电信号处理技术，实现了对天然气泄漏气体的实时、快速和高效检测。

另外如果改变系统光源和对应的光电器件，不仅可以实现对多种气体的连续实时检测，还能降低系统成本，所以该系统具有重要的应用前景。

1 光谱吸收基本原理
光纤将光源发出的光送入光纤传感元器件，被测物与光发生相互作用，光的强度、相位、偏振态和频率等参数发生改变，带有被测量信息的光再次通过光纤进入光电检测器，通过检测光信息获得被测量的参数。

基于红外光谱吸收原理的光纤传感器，以其检测精度高、抗干扰能力强和信号传输损失小等诸多优点而被广泛应用于气体浓度的检测。

如果光源光谱覆盖一个或多个气体的吸收线，则光通过待测气体时就会发生衰减[3]。

不同气体在红外光区具有不同的吸收谱线，如果入射光谱范围包含被测气体的吸收谱线，则光源发出的光经过被测气体时光强将发生衰减，其强度变化遵循比尔-朗
伯（Beer-Lambert）定律，输出光强I、输入光强I0和气体浓度之间的关系为：
其中，α为吸收系数，C为气体浓度，L为光通过气体的长度。

比尔-朗伯定律体
现了光经过待测气体前后的强度变化关系。

转换该定律的形式就可以得到待测气体浓度的表达形式：
该定律表明了气体吸收量和吸收长度与气体浓度之间的关系。

在比尔-朗伯定律的
基础上对整个吸收光谱特征进行拟合，可以提高系统反演的精度。

利用已知浓度的天然气的标准二次谐波光谱对待测天然气泄漏气体的测量光谱进行最小二乘拟合，得到待测天然气泄漏气体的浓度。

设标准信号谱为{xi}，测量谱为{yi}，在一定的范围内测量谱与标准谱的线性关系为y=a+bx，其中a为基线漂移，b为幅值比例因子。

由于测量误差和其它随机因素的干扰，拟合过程中点Ai(xi，yi)往往不会都落在一条直线上，因此需要通过观测
数据确定一条直线，即确定a和b，使回归直线与所有数据点都比较接近。

为了表示接近的程度，需要引进残差ei的概念，可以用ei平方和来表示所有观察值与回归直线的偏离程度：
采用最小二乘法，选择a、b使Q(a，b)最小，从而使得到的回归直线与所有观察值最为接近。

Q表示关于a、b的二次函数。

已知标准谱对应的天然气浓度为C 0，通过拟合得到待测天然气泄漏气体的浓度为：
为了反映标准谱与测量谱线之间线性关系的密切程度，引入了相关系数rxy:
愈接近1，x和y的相关性愈大，即反演的浓度值越精确可靠。

最小二乘法拟合反演得出的待测天然气泄漏浓度值比用直接比例关系反演得到的浓度值更加接近真实值。

另外，检测系统可采用差分结构设计，参考光与信号光取自同一光源并经同一光路传播，能有效消除光源和背景变化带来的干扰。

2 检测系统设计
设计利用光纤传感器对天然气泄漏气体浓度进行检测，检测系统结构如图1所示。

与一般光纤传感系统相似，该系统主要由3个部分组成：光源部分、气室和信号
产生部分、处理部分。

光载波经入射光纤传输到气室，光波的某些特征参量在传感器内被外界物理参量调制，含有被调制信息的光波经发射光纤传输到光电转换部分，解调后就能得到被测物理量的大小和状态，即与天然气气体浓度有关的模拟电压信号。

信号采集与处理部分是将模拟信号不失真地转换为数字信号，利用检测器在数字域进一步对信号进行加工处理和计算，在液晶显示屏上显示气体的浓度。

图1 家居天然气气体检测系统整体结构
激光器部分包括宽带光源发光二极管、单模双向光纤耦合器、光纤光栅和压电陶瓷。

气室是光纤传感系统中的敏感元件，即传感头，光纤仅作为传输光线的介质。

传感系统的信号产生和处理部分由电气元件和电子电路组成，其中包括光电探测器PIN、锁相放大器及其相应电路。

宽带光源发光二极管发出宽带光经过光纤耦合器送入光纤布喇格光栅，满足布喇格波长的光将全部被反射回来，从而获得窄带出射光。

窄带光经过双向耦合器，由光纤放大器放大后，通过分光器将光束分成两路。

其中一路送入气室，与气体发生作用后，通过光纤将信号传至光电探测器PIN，探测器的输出信号经过锁相放大器放大后送入采集卡。

另外一路经过波长解调器得到光栅的中心波长值，送入采集卡。

而不满足布喇格波长的光则全部透射过去，透射光经过光纤传至PIN探测器，PIN探测器的输出信号经过滤波放大器放大后送入采集卡，转换成数字信号后送入计算机进行处理，得出待测家居空间天然气浓度。

3 实验仿真测试
调制的前向激光先经光纤传输到测量气室，与天然气气体相互作用后，将携带气体浓度信息的光信号传输到光电探测器，使其转换成电信号，并送入锁相放大器，检测出两个调制频率的一次和二次谐波分量。

一次谐波分量主要由光强调制引起，幅值大小正比于光源的平均功率，二次谐波分量含有气体浓度信息。

使用二次谐波与一次谐波的比值作为系统的输出，可以有效消除激光器的光强波动等共模噪声带来的误差影响。

再经过高灵敏度和低噪声的带通滤波电路，消除背景光的交流漂移和
光电探测器的暗电流，并滤除信号中的高频和低频噪声。

经过上述处理的带有气体浓度的信号被送入A/D转换器，转换成数字量并处理计算后输出到显示屏。

传感探头要求稳定可靠、体积小、损耗低和工作距离长的。

利用现在的微量天然气对传感器进行测试，测试指标包括重复性和线性响应。

信号检测电路可以接收气体浓度信号并将其转换为与之对应的电信号，输出到数据采集卡中。

信号经过多路开关在软件设定的采样频率下进行采集，并由可编程放大器放大，然后经过采样保持和ADC单元转化为数字信号。

通过存储单元进入计算机显示缓冲区，最后利用软件把数据转化为相应的像素后在显示屏幕上显示出波形[4]，并进行标定显示浓度
数值。

检测显示系统的结构图如图2所示。

图2 检测显示系统结构
研究中只考虑使用一支激光器，将来还可根据实际需求对激光光源进行扩展。

气室里是待测天然气气体，激光经过待测天然气气体后由光谱仪来接收激光信号，然后通过光/电转换器将光谱仪接收的激光信号转换为可以直接测量的电信号，电信号
经过数据处理和数据反演得到样品池的气体参数。

利用无泄漏的家居空间空气中的天然气作为背景进行背景采集，然后向参考气室内充入标准浓度为1.04%的天然气气体，与光路中家居空间空气内所含的天然气同
时作为标准进行标准信号的采集，两次采集时间间隔在1s之内，假设此段时间内家居空间空气中的天然气含量保持不变。

通过计算得到已知浓度的标准天然气信号，对测得的信号谱线进行最小二乘法拟合，反演得到天然气浓度，同时把测得标准信号时的光强对后续测量浓度时的光强进行归一化处理，得到修正后的测量浓度值。

另外可以改善放大电路的性能，结合数据采集和处理系统中软件算法的研究，提高信号检测的灵敏度和稳定性。

实验测试结果显示，本系统在浓度低于4%时，检测误差在0.3%以下，满足低浓度检测要求；在浓度高于4%时，由于参考光对天然
气气体的吸收和环境因素对滤波器的影响，使得测试误差增大，最大测试误差为
5%。

实现的光纤传感器不仅具有良好的人机界面和完善的声光报警功能，而且操作简便。

测量灵敏度为0.1%，能对家居天然气泄漏起到有效的检测和预警作用。

后续工作可以将软件系统植入嵌入式系统以取代系统中的计算功能，可以实现设备小型化和实验到商用的过渡。

4 结束语
以上我们介绍的基于红外光谱吸收原理的光纤天然气传感器具有传统传感器不具备的优点：测试精度高、误差小、抗干扰能力强且使用周期长不必频繁调试。

其应用使检测的可靠性得到了大幅度提高，大大提升了家居天然气泄漏安全检测监控的效率和稳定性。

因此，该系统的推广具有极其重大的现实意义。

参考文献：
[1] 吴希军,王玉田,刘海龙,等.一种新型光纤布拉格光栅气体泄露检测传感器[J].传感技术学报,2008,21(8):1348-1350.
[2] 周游,刘永志.利用光纤甲烷气体传感器实现井下气体的分布式测量[J].仪表技术与传感器,2008,(7):73-74.
[3] OHIRA SHIN-ICHI,DASGUPTA PUMENDUK,SCHUG KEVIN A.Fiber optic sensor for simultaneous determination of atmospheric nitrogen dioxide,ozone,and relative humidity[J].Analytical
Chemistry,2009,81(11):4183-4191.
[4] 高锡擎，王来斌,沈金山,等.基于灰色关联度BP神经网络预测煤层瓦斯含量[J].煤炭技术,2011,30(8):102-104.。