李 琦，吳軍軍，梁炎明，宋念龍，鄧 毅

(西安理工大學自動化與信息工程學院，西安710048)

空氣預熱器(簡稱空預器)是利用鍋爐尾部煙氣熱量來加熱鍋爐燃燒所用空氣的一種控熱設備。國內200 MW以上機組鍋爐通常采用結構緊湊、重量較輕、節(jié)約場地、布置方便的回轉式空預器[1]。空預器受熱面上積存的過量燃料經氧化升溫，達到著火溫度就會導致空預器本身的燃燒事故。初期著火范圍較小，很難被發(fā)現(xiàn)[2]。當元件溫度繼續(xù)上升至700℃時，就足以導致鋼制蓄熱元件起火，這時的火災就很難撲救了[3]?，F(xiàn)有檢測方法及其缺點:①熱電偶檢測系統(tǒng)，不能及時反映出空預器表面的詳細溫度信息;②移動探頭式檢測系統(tǒng)采用紅外測溫原理。雖然解決了熱電偶系統(tǒng)存在的問題，但其仍然存在機械裝置在高溫情況下不斷往返運動，機械裝置容易出現(xiàn)卡死的現(xiàn)象;其報警方法采用閾值判斷，容易出現(xiàn)漏報和誤報的缺點[4];以及其完成一個空預器表面檢測需要幾十個空預器的旋轉周期，檢測時間較長等問題。針對現(xiàn)有檢測方法存在的問題，本次設計采用N個紅外傳感器分布于空預器空氣側的半徑方向上，實時的掃描空預器的受熱面，從而獲得其溫度場的分布規(guī)律，并在此規(guī)律的基礎上分析空預器表面的溫度變化趨勢。最后，將這些變化趨勢的信息融合起來。本次設計的優(yōu)點:①采用固定式結構，避免了機械裝置的卡死現(xiàn)象;②基于溫度變化趨勢分析的判警模型，不需要設定閾值;③檢測一個完整的空氣預熱器表面僅需空預器的一個旋轉周期，實時性大為提高;④采用紅外陣列檢測，不僅具有單個紅外探測器的測溫原理和技術指標[5]，而且可以同時檢測到多點信息，能夠及時反映出預熱器表面的詳細信息。

1 概述

1．1 紅外陣列描述

本次設計采用固定式紅外陣列結構，如圖1所示。一個紅外陣列探頭包含有七個紅外傳感器。每個紅外陣列探頭內用DSPIC30F3014單片機將七路紅外信號采集后傳輸給嵌入式工控機進行數(shù)據(jù)融合及決策。系統(tǒng)均勻分布L個紅外陣列探頭(具體數(shù)量根據(jù)空氣預熱器的功率而定)在空氣預熱器的空氣側下方半徑方向，這樣隨著空氣預熱器旋轉一周即可以完成空氣預熱器整個表面的溫度檢測。

圖1 紅外陣列結構圖

假設每個紅外陣列探頭的檢測范圍為M，則需L個紅外探頭均勻分布在半徑方向，L=R/M(R為空氣預熱器的半徑)。L個紅外探頭內又分別含有7個紅外傳感器，這樣就相當于7×L個紅外傳感器分布于空預期的空氣側半徑。設N=7×L，則系統(tǒng)可抽象為如下的模型，如圖2所示。

圖2 空氣預熱器原理圖及紅外傳感器位置

1．2 數(shù)據(jù)融合方法概述:

空預器內蓄熱元件的溫度變化以及溫度場的分布可以反映空預器受熱面上火災發(fā)生隱患－熱點的分布情況。因此找到空預器的溫度分布規(guī)律、采用合理的檢測手段和融合方法至關重要。將空氣預熱器一個周期的數(shù)據(jù)用一個矩陣來表述。1～N表示N個紅外傳感器。1～10M表示一個周期Ms內每0．1 s采樣一次得到的相應數(shù)據(jù)。

將矩陣每一列的數(shù)據(jù)的平均值和其對應的位置作為輸入，擬合出一條曲線作為參考的空氣預熱器空氣側的徑向溫度分布規(guī)律，將高于這條曲線一定程度的測點認為是奇異點。根據(jù)現(xiàn)場經驗，火災的發(fā)生是從空氣預熱器表面某一點開始，然后向四周蔓延的。這些著火部位的溫度將明顯高于相應位置的參照溫度。

提取火災發(fā)生的特征:橫向特征 看一個周期內是否有蔓延的趨勢，即兩邊的傳感器是否存在支持這一熱點的證據(jù);縱向特征 看緊接著幾個周期內的檢測值是否是支持它為熱點的證據(jù)。最后將這些證據(jù)利用D-S證據(jù)理論將其有機的融合起來。

本系統(tǒng)采用多級融合技術，如圖3所示:①參考溫度計算 求空預器的溫度分布規(guī)律，并計算每個傳感器的不確定度;②特征提取并計算BPA(基本概率賦值) 以溫度分布規(guī)律為參照提取火災特征，并根據(jù)提取的特征計算各個傳感器對應的BPA;③證據(jù)融合 將著火可能性最大的那個紅外傳感器找出來，將它和它周圍傳感器以及這幾個傳感器未來幾個周期的證據(jù)用D-S證據(jù)理論融合，得到最終的輸出。

設V表示X所有可能取值的一個論域集合，且所有在V內的元素間是互不相容的，則稱V為X的識別框架。

定義1設V為一識別框架，則函數(shù)m:2V→[0，1](2V為V的所有子集構成的集合)滿足下列條件:

則稱m(A)為A的基本概率賦值(BPA)[6]，表示對命題A的精確信任程度，表示了對A的直接支持。

由于每一個傳感器對應一個u值，每個u值對應這一傳感器給出的著火可能性大小。每個證據(jù)對應的u值在0和1之間，且越靠近0著火可能性越小，越靠近1著火可能性越大，并且有火災，無火災和不確定度概率之和也為1，所以將每個傳感器的u值(按式4計算u值)作為相應傳感器有火災證據(jù)的BPA。

2 尋找空氣預熱器的溫度分布規(guī)律

理想的空預器熱點檢測系統(tǒng)應能隨時檢測空預器內部的溫度場分布[7]，所以及時準確的找到空預器的溫度分布規(guī)律至關重要?？疹A器的溫度分布總體可以敘述如下:空預器的煙氣側的溫度將高于空氣側的溫度;在空氣側，冷空氣從下面上來，所以空氣側下面的溫度將低于上面的溫度[8]。

定義2將檢測位置離預熱器中心最近的傳感器序號定義為1，最遠的定義為 N，中間的依此類推。yi對應第i個傳感器在一個空預器周期內的溫度值均值。

表1 用于擬合溫度分布曲線的數(shù)據(jù)

將表1中對應的兩行數(shù)據(jù)(xi，yi)作為輸入，用n次曲線 f(xi，yi，n)擬合出兩者之間的關系來，f(xi，yi，n)=anxn+an－1xn－1+ … +a0。根據(jù)現(xiàn)場數(shù)據(jù)分析我們知道，空氣側半徑方向上的溫度分布如下:從預熱器軸中心到外壁，溫度先從低到高，有一個升高過程，然后趨于平穩(wěn)，到外壁時溫度再從高到低有較大幅度的降低。由此分析這條溫度分布曲線有兩個拐點存在，所以最少應選用三次曲線擬合。

定義3某個傳感器擬合得到的溫度分布規(guī)律曲線為 D，D=f(xi，yi，n)

定義4n個傳感器的擬合值和實際測量值之間的平均誤差定義為W，

將空氣預熱器正常運行時空氣側徑向的一組數(shù)據(jù)進行不同次冪的曲線擬合后求得的平均誤差列表，如表2所示。從表中發(fā)現(xiàn)，隨著擬合次數(shù)越來越高，誤差越來越小。但是，當次數(shù)n高于6時，其誤差已無明顯變化。考慮到系統(tǒng)的運算速度和更高次曲線擬合的復雜程度會給設備帶來更高的要求，本次設計最終選擇6次曲線。

表2 不同曲線誤差

然而，多長時間擬合一次溫度分布曲線也是不易確定的，本次設計的系統(tǒng)具有自我調節(jié)的能力。系統(tǒng)根據(jù)實際情況判斷之前擬合的溫度分布曲線是否還能夠較好的反映出現(xiàn)在的溫度分布規(guī)律。具體的解決方法就是:根據(jù)不斷變化的誤差W值來判斷之前的擬合曲線是否還能夠較好的反映出現(xiàn)在的溫度分布規(guī)律。如果W大于某一個值Wt時，系統(tǒng)將從新開始擬合一條和現(xiàn)在溫度分布規(guī)律一致的溫度分布曲線來，從而達到自適應的目的。

本系統(tǒng)的判斷是基于溫度分布規(guī)律來判斷溫度高低程度的。跟實際的準確溫度值并無直接關系，而僅僅與測量值和溫度分布規(guī)律的相對變化量有關。定義第 i個傳感器的相對誤差為 Ei，Ei= σi/f(xi，yi，n)。其中還定義了本系統(tǒng)中第i個傳感器的絕對誤差σi為實際測量值和理論參考溫度值之間的偏差，即σi=|f(xi，yi，n)－yi|。Ei的大小直接反映了第 i個傳感器的不確定度，這將直接影響到數(shù)據(jù)融合中對第i個傳感器的信賴程度。將現(xiàn)場數(shù)據(jù)按六次曲線擬合后發(fā)現(xiàn)系統(tǒng)正常運行時的最大不確定度為0．141 3。所以當Ei大于某一值EE時我們就有理由認為i號傳感器出現(xiàn)故障，并發(fā)出相應的故障報警信號。

3 特征提取及BPA計算

將單個紅外傳感器的溫度歸一化。N個紅外傳感器實時掃描，當某個紅外傳感器某時刻的檢測溫度比溫度分布規(guī)律D高出1/2倍的Vt度時，認為其是可疑熱點。

同時計算N個傳感器的u值，對比各個奇異點對應的u值，取u值最大的傳感器作為數(shù)據(jù)融合的中心。假設第i號紅外傳感器的u值最大。那么就先看橫向特征，臨近的傳感器是否也支持這個奇異點。如果第i號紅外傳感器相鄰的紅外傳感器也檢測到這一奇異點，則也認為其是支持這一奇異點的證據(jù)。注意:當某一個傳感器的不確定度大于EE，即認為此傳感器出現(xiàn)故障時，我們的融合將自動跳過這個傳感器。例如，當i+1號傳感器出現(xiàn)故障時，我們將跳過i+1號取i+2號傳感器作為i號傳感器的緊鄰傳感器來進行處理?？v向特征:看緊接著的幾個周期是否也支持這一證據(jù)。如果第i號紅外傳感器緊跟著的幾個周期也檢測到這個奇異點，則認為其也是支持這一熱點的證據(jù)。(注:必須是相鄰的周期)。

4 D-S證據(jù)理論融合

證據(jù)理論是由Dempster于1967年首先提出，由他的學生Shafer于1976年進一步發(fā)展起來的一種不精確推理理論，也稱為Dempster/Shafer證據(jù)理論(D-S證據(jù)理論)，屬于人工智能范疇，最早應用于專家系統(tǒng)中，具有處理不確定信息的能力。作為一種不確定推理方法，證據(jù)理論的主要特點是:滿足比貝葉斯概率論更弱的條件;具有直接表達“不確定”和“不知道”的能力。

在醫(yī)學診斷、目標識別、軍事指揮等許多應用領域，需要綜合考慮來自多源的不確定信息，如多個傳感器的信息、多位專家的意見等等，以完成問題的求解，而證據(jù)理論的聯(lián)合規(guī)則在這方面的求解發(fā)揮了重要作用。

定義5設V為一識別框架，則函數(shù)m:2V→[0，1]是V上的基本概率賦值，定義函數(shù)BEL:2V→[0，1]為:

稱該函數(shù)是V上的信任函數(shù)[9]。

定義6設BEL1和BEL2是同一識別框架V上的兩個信任函數(shù)，m1和m2分別是其對應的基本概率賦值，焦元分別為 A1，…Ak和 B1，…Br，又設

在上面式子中，若K1≠1，則m確定一個基本概率賦值;K1=1，則認為m1、m2矛盾，不能對基本概率賦值進行組合。定義6給出的證據(jù)組合規(guī)則滿足結合律和交換率，對于多個證據(jù)的組合，可以采用定義6的組合規(guī)則對證據(jù)進行兩兩綜合[11－12]。

基于基本概率賦值的決策:設?A1，A2?V，滿足

則A1為判決結果，其中ε1，ε2為預先設定的門限。

由于每個傳感器獨立采集其檢測區(qū)域的溫度狀態(tài)，同一傳感器在不同周期對同一點的溫度采集也是獨立完成的，所以可以確認每個傳感器之間的數(shù)據(jù)是不相關的，同個傳感器在不同周期的檢測數(shù)據(jù)也是不相關的。

假設，將u值輸出最高的i號傳感器和兩邊的i－1，i+1號傳感器，合計三個傳感器的三個周期的證據(jù)運用D－S證據(jù)融合，融合數(shù)據(jù)的信息如表3所示。

表3 用于融合的證據(jù)列表

在具體融合的過程中，我們利用循環(huán)算法，先將1，2兩行的證據(jù)進行融合，將融合結果再與第三行融合，依此類推，直至將九個證據(jù)完全融合后，輸出結果如最后一行所示:最終有火災概率是O1，無火災概率是O2，不確定度是O3。

5 試驗及分析

為了驗證以上理論的正確性，在空預器模型內建立了模擬試驗環(huán)境。按空預器正常工作時，原移動式系統(tǒng)的單紅外探頭檢測值一般在150℃ ～160℃波動的現(xiàn)場經驗，本次試驗設定空預器模型的背景溫度在150℃～160℃范圍內;設定模擬熱點產生在3號傳感器檢測位置處，模擬熱點是一不間斷加熱的一塊鐵板使其溫度逐步升高，其直徑為熱點最小檢出直徑。實驗的目的是檢驗系統(tǒng)能否及時有效地檢測出這個相對于溫度分布規(guī)律不斷升高的奇異點。為了能夠與紅外閾值報警系統(tǒng)方法進行比較，在3號傳感器檢測部位的正下方同時放置了原移動式系統(tǒng)的單紅外探頭同時檢測此熱點的變化。實驗過程中當單紅外探頭檢測值升到179℃時，本系統(tǒng)已經決策判斷出此奇異點為一熱點，并發(fā)出了相應的報警信號。此時數(shù)據(jù)記錄如表4所示，最終有火災概率是0．576 087 820 429 17，無火災概率是0．423 909 804 378 28，不確定度已經降低到了0.000 002 375 192 57。預先設定 ε1= ε2=0．001，m(A1)－m(A2)＞ε1，不確定度 m(V)＜ε2，且 m(A1)＞m(V)以上三條決策條件都滿足，發(fā)出相應的報警信號。表4中，3號傳感器有火災的概率最大，所以也正確的判斷出熱點所在位置是3號傳感器在報警時對應的預熱器位置。而此時與之相比較的閾值報警傳感器而無報警信號發(fā)出(由于電廠的紅外閾值一般設定在200℃左右，視具體工況而定)。為了充分驗證系統(tǒng)的性能，改變熱點和單紅外探頭位置后重復進行了兩次上述實驗，本系統(tǒng)將這兩熱點都及時檢測出來，報警時單紅外傳感器的檢測值分別為184℃和176℃，相應的閾值報警傳感器無一報出。

實驗表明:本系統(tǒng)發(fā)出熱點報警時對應的熱點溫度均較普通閾值報警時的溫度值低，因此可以減少溫度升高對預熱器的損害;由于本系統(tǒng)產生的報警信號需要來源于數(shù)個傳感器在不同時間的測量數(shù)據(jù)，因此可以排除由于單個傳感器漂移引起的誤報警;實際應用中移動探頭式檢測設備其完成一個完整的空預器表面檢測需要大概20個空預器旋轉周期，而紅外陣列系統(tǒng)卻能在一個空預器旋轉周期完成其表面溫度檢測。因此，本系統(tǒng)(基于紅外陣列和溫度分布規(guī)律的融合方法)的決策結果能在閾值報警方法之前及時、有效的檢測出熱點，發(fā)出報警信號，從而可以避免熱點溫度不斷升高、不斷擴大給預熱器帶來的損害。

表4 數(shù)據(jù)融合后的證據(jù)列表

6 結論

本文提出了基于紅外陣列傳感器的數(shù)據(jù)融合方法。其克服了熱電偶檢測系統(tǒng)不能檢測到空氣預熱器詳細信息的缺點;克服了移動式紅外傳感器檢測系統(tǒng)檢測周期長，機械裝置容易卡死等問題。在融合方法方面:本系統(tǒng)對火災的檢測是基于自適應的溫度分布規(guī)律進行的。經實驗證明:此融合方法能夠在閾值報警方法之前及時、有效的檢測出熱點的存在。不僅克服了閾值報警中，閾值的設定過多的依賴于經驗和現(xiàn)場工況，容易出現(xiàn)漏報警和誤報警的缺點，而且具有自診斷、自適應功能，大大提高了系統(tǒng)的智能化。本系統(tǒng)能夠以溫度分布規(guī)律為參照，估計每個紅外傳感器檢測點的溫度狀態(tài)，然后利用D-S證據(jù)理論將多個紅外傳感器給出的狀態(tài)有機的融合起來，達到了降低紅外傳感器不確定度的目的，使系統(tǒng)的可靠性大為提高。

[1]劉涵，劉丁，李琦，等．電站鍋爐空氣預熱器火災報警系統(tǒng)的研究[J]．電子技術應用，1998，24(6):35 －36．

[2]殷國東．回轉式空氣預熱器的熱點探測系統(tǒng)[J]．汽輪機技術，2003，45(6):137 －138．

[3]王志強，高崇輝，鞠盛武．空氣預熱器熱點檢測系統(tǒng)[J]．電站系統(tǒng)工程，1996，12(2):60 －62．

[4]徐魯．鄒縣三期空氣預熱器熱點檢測系統(tǒng)[J]．山東電力技術，1996，(5):53 －54．

[5]孟繁兵，劉大俊，牟郁慧，等．回轉式空氣預熱器熱點在線檢測系統(tǒng)的研究[J]．黑龍江電力技術，1997，19(6):331 －334．

[6]孫潔娣，溫江濤，靳世久．基于D-S證據(jù)理論的管道安全監(jiān)測數(shù)據(jù)融合技術的研究[J]．傳感技術學報，2007，20(2):402 －407．

[7]王洪躍．回轉式空氣預熱器動態(tài)特性及控制策略研究[D]．東南大學，2005:11 －17．

[8]Qu Dongcai，Meng Xiangwei，Huang Juan，et al．Research of Artificial Neural Network Intelligent Recognition Technology Assisted by Dempster-Shafer Evidence Combination Theory[C]//7th International Conference on Signal Processing，2004 Volume 1，31 Aug．－4 Sept．2004:46 －49．

[9]姚偉祥，吳龍標，盧結成．用模糊神經網絡進行火災探測[J]．信號處理，2000，16(1):61 －70．

[10]Xu Lijia，Chen Yangzhou，Cui Pingyuan．Improvement of D-S Evidential Theory in Multisensor Data Fusion System[C]//Proceeding of the 5th World Congress on Intelligent Control and Automation June 15 －19，2004，Hangzhou，P．R．China:3124 －3128．

[11]何友、王國宏，陸大金，等．多傳感器信息融合及應用[M]．北京:電子工業(yè)出版社，2007:40－47．

[12]劉涵，李琦，劉丁，等．基于最小二乘支持向量機的電站鍋爐空預器熱點檢測系統(tǒng)研究[J]．中國電機工程學報，2005，25(3):147－151．

[13]韓崇昭，朱洪艷，段戰(zhàn)勝，等．多源信息融合[M]．清華大學出版社，2006:157 －193．