CN105683729A

CN105683729A - 具有辐射能量估计的多频谱火焰检测器

Info

Publication number: CN105683729A
Application number: CN201480058748.5A
Authority: CN
Inventors: J·赫西诺夫; S·B·巴利加; J·G·罗梅罗; C·菲利蒙
Original assignee: General Monitors Inc
Current assignee: MSA Technology LLC
Priority date: 2014-01-23
Filing date: 2014-09-30
Publication date: 2016-06-15
Also published as: EP3097394A1; US20170363475A1; US20150204725A1; WO2015112207A1

Abstract

一种用于危险位置的工业安全应用的火焰检测器(100)，其被配置用于辐射能量监控、量化和信息传输。系统具有至少一个光学传感器通道，每个光学传感器通道包括被配置成在危险位置处从视场内的受监视场景接收光能的光学传感器(2a，2b，2c，2d)，通道产生提供由光学传感器在传感器频谱带宽内接收的光辐射能量的量化指示的信号(3a，3b，3c，3d)。处理器(6，120)对来自至少一个光学传感器通道的信号做出响应以提供火焰的存在的火焰存在指示以及表示来自受监视场景的光辐射能量的幅度的量化指示。人工神经网络可以可选地用于提供对应于火焰状况的输出。

Description

具有辐射能量估计的多频谱火焰检测器

背景技术

用于危险位置的工业安全的火焰检测器具有用于检测指示火焰的存在的电磁辐射(包括可见光、红外光或者紫外光)的一个或多个光学传感器。火焰检测器可以检测和测量例如大约4.3微米的红外(IR)辐射，该波长是由燃烧的碳氢化合物产生的二氧化碳的频谱发射峰值的特性。通过多传感器火焰检测器而单独使用的光学传感器在其视场内感测到的频谱范围内连续地监测来自所有辐射源的总辐射入射。辐射源包括要检测的火焰源以及诸如日光、反射、电弧焊、发热设备和具有典型的工业设置的结构等非火焰滋扰源。虽然这样的辐射信息可以通过光学传感器来连续地监控，然而用于安全应用的工业火焰检测器是“通过不通过”设备，其具有正常非活动状态，之后是警告状态以及在检测到火时的警报状态。

火焰检测器可以产生由于仪器不能够区分由火焰发出的辐射和由诸如以上列出的其他滋扰源发出的辐射而引起的虚假警报

附图说明

本领域技术人员根据如附图中图示地对其示例性实施例的以下详细描述将很容易理解本公开的特征和优点，在附图中：

图1是使用多个光学传感器的火焰检测系统的示例性实施例的示意性框图。

图1A图示适合用于多频谱火焰检测系统的光学传感器的示例性传感器壳体结构。

图2是图1的多频谱火焰检测系统的模拟前端的示例性实施例的电子框图。

图3是图1的火焰检测系统的信号处理功能的示例性实施例的功能流程图。

图4A是在图3中图示的多频谱火焰检测系统中使用的预处理功能的示例性实施例的示例性流程图。

图4B是在图1-图4A中图示的多频谱火焰检测系统中使用的辐射能量计算的示例性实施例的流程图。

图5图示在图1-图4中图示的多频谱火焰检测系统中使用的ANN处理的示例性实施例。

图6是如图1中的火焰检测系统的信号处理功能的另一示例性实施例的功能框图。

图7是用于在数量和质量上评估所检测的情况的示例性0-20mA模拟电流接口的图示。

图8是如图1中的火焰检测系统的信号处理功能的另一示例性实施例的功能框图。

图9是如图1中的火焰检测系统的信号处理功能的另一示例性实施例的功能框图。

具体实施方式

在以下的详细描述中以及在附图中的若干图中，相似的元素用相似的附图标记来标识。附图没有按比例，并且可以出于说明目的而放大相对的特征大小。

图1图示包括四个光学传感器或感测元件2a、2b、2c、2d的多传感器火焰检测系统1的示例性实施例的示意性框图。在本示例性实施例中，光学传感器用于感测红外频谱中的能量。在示例性实施例中，由传感器生成的模拟信号通过电子装置3a、3b、3c、3d被调节并且然后通过模数变换器(ADC)4被变换成数字信号。

在图1的示例性实施例中，多频谱火焰检测系统1包括电子控制器或信号处理器6，例如数字信号处理器(DSP)、ASIC或者微型计算机或基于微处理器的系统。在示例性实施例中，控制器6可以包括DSP，然而可以备选地部署其他设备或逻辑电路用于其他应用和实施例。在示例性实施例中，信号处理器6还包括：作为串行通信接口(SCI)的双通用异步接收器发射器(UART)61、串行外围接口(SPI)62、可以用于监控温度传感器7的内部ADC63、用于外部存储器(SRAM)21的外部存储器接口(EMIF)64、以及用于片上数据存储的非易失性存储器(NVM)。Modbus91或HART92协议可以用作用于UART61上的串行通信的接口。这两个协议连同诸如PROFlbus、Fieldbus和CANbus等用于将现场仪器接口连接到计算机或可编程逻辑控制器(PLC)的其它协议在过程工业中是众所周知的。

在示例性实施例中，信号处理器6通过SPI62从ADC4接收数字检测器信号5。在示例性实施例中，信号处理器6通过SPI62连接到多个其他接口。这些接口可以包括外部NVM22、警报中继23、故障中继24、显示器25和模拟输出26。

在示例性实施例中，模拟输出26可以是0-20mA输出。在示例性实施例中，模拟输出26处例如16mA的第一电流水平可以指示火焰警告状况，模拟输出26处例如20mA的第二电流水平可以指示火焰警报状况，第三电流水平可以指示正常操作，例如在不存在火焰时，并且模拟输出26处例如0mA的第四电流水平可以指示系统故障，其可能是由诸如电气故障等的状况引起的。在其他实施例中，可以选择其他电流水平来表示各种状况。在示例性实施例中，模拟输出26可以用于触发火抑制单元。

在示例性实施例中，信号处理器6被编程为执行预处理和ANN处理，如下面更全面地讨论的。

在示例性实施例中，多个检测器2包括可以具有不同的频谱范围并且可以布置成阵列的多个频谱传感器。在示例性实施例中，多个检测器2包括对多个波长敏感的光学传感器。检测器2中的至少一个或多个可以能够检测在火焰发出强的光辐射的频谱范围内的光辐射。例如，传感器可以检测在UV到IR频谱范围内的辐射。仅作为示例，适合在示例性火焰检测系统1中使用的示例性传感器包括硅、碳化硅、磷酸镓、氮化镓和铝氮化镓传感器以及光电管类型的传感器。适合用于在示例性火焰检测系统中使用的其他示例性传感器包括IR传感器，诸如例如热电、硫化铅(PbS)、硒化铅(PbSe)以及其他量子或热传感器。在示例性实施例中，合适的UV传感器在200-260纳米的范围内工作。在示例性实施例中，光电管类型的传感器和/或铝氮化镓传感器每个提供“日盲性”或者对日光的抗扰。在示例性实施例中，合适的IR传感器在碳氢火焰特定的4.3微米的范围内和/或在氢火焰特定的2.9微米的范围内工作。

在示例性实施例中，除了出于对火焰发射(例如UV，2.9微米以及4.3微米)的灵敏性而被选择的传感器，多个传感器2还包括对不同波长敏感以帮助标识和区分火焰辐射和非火焰辐射的一个或多个传感器。被称为抗扰传感器的这些传感器对火焰发射不太敏感，但是，提供关于红外背景辐射的额外的信息。抗扰传感器检测与火焰不相关联的波长，并且可以用于帮助区分来自火焰源和非火焰源的辐射。在示例性实施例中，抗扰传感器包括例如2.2微米波长检测器。适合这一目的的传感器在美国专利6,150,659中有所描述。

在图1的示例性实施例中，火焰检测系统1包括四个传感器2a-2d的阵列，其包括分别对4.9微米(2a)、2.2微米(2b)、4.3微米(2c)和4.45微米(2d)的辐射敏感的频谱滤波器。在示例性实施例中，滤波器被选择为具有窄的工作带宽，例如在100纳米的数量级，以使得传感器仅对在相应工作带宽内的辐射做出响应，并且阻止在工作频带之外的辐射。在示例性实施例中，光学传感器2被紧密地封装在一起作为簇或者被组合在单个检测器封装内。这一配置产生更小、更便宜的传感器壳体结构，并且还提供仪器的更加统一的光学视场。适合用于这一目的的示例性检测器壳体结构是用于检测器LIM314,InfraTecGmbH,Dresden,Germany的壳体。图1A图示适合用于在将传感器2a-2d容置在集成单元中的示例性传感器壳体结构20。

现在参考四个光学传感器2a、2b、2c、2d，在示例性实施例中，四个传感器在其视场内感测到的频谱范围内连续地监控来自所有辐射源的总的辐射入射。仪器可以被配置成提供由感兴趣的特定红外通道计算的辐射度信息，例如4.3um处的通道2c可以被监控作为对火焰强度的指导。同样，火焰通道传感器输出2c和2d可以被组合为对火焰强度的指导。在四个光学传感器输出的情况下有可能存在多个代数组合，诸如总和、平均、加权平均或者减法。这样的计算可以在仪器上在板上执行或者由用户使用连续地、周期性地、根据请求地、或者由事件触发地发送的数据在控制室计算机上远程执行。辐射能量计算可以用于设置如经由图3描述的火焰检测门限。通过燃烧各种燃料生成的火的辐射热量输出(RHO)是令人极为感兴趣，因为其是火的破坏性潜能的测量。由光学传感器监测的辐射能量与在传感器特定的波长生成的辐射能量(焦耳)或热量成比例。HealthandSafetyExecutive(HSE),U.K.已经建立了关于火辐射暴露对人的影响的指导方针。在此引用“在5kWm-2处假定逃生，但是在12.5kWm-2处的几分钟的范围内假定致命并且在37.5kWm-2处瞬间死亡”。因此辐射热量输出监控从其严重性和对不幸事件中所涉及的人员和设备的影响的方面而言很重要。

图2是多频谱火焰检测系统的模拟前端的示例性电子框图。每个红外(IR)传感器在电子前端3中设置有独立的自动增益控制(AGC)。在示例性实施例中，针对每个光学传感器2a、2b、2c、2d，通过在被标记为33a、33b、33c、33d的框中将电子信号进行衰减来在处理器控制之下提供可变的增益控制。四通道数模变换器(DAC)9向各个衰减器33a、33b、33c、33d发送命令9a、9b、9c、9d。在示例性实施例中，0到24dB的衰减范围是可能的，以便以连续方式产生在30降至1的范围内的增益控制。对应于0dB衰减的最高为30的增益是在没有IR的情况下的电子增益，并且当IR强度增加时增益变低(衰减变高)。对于由大火或者由靠近的且强烈调制热源产生的非常强的IR辐射，AGC以最小增益工作。以这一方式，AGC方案在检测小的、远距离火(增益＝30)以及检测大的或靠近的火(增益＝1)的方面提供最佳性能，其中每个IR传感器通道有独立的增益控制。因此，可能除了最严重的情况之外，图2的方案消除了可能影响光学火焰检测器的性能的饱和效应。在衰减器块之前的输入信号调节通过高通滤波器30a、30b、30c、30d以及前置放大器31a、31b、31c、31d被提供给每个传感器通道，同时另外的信号调节通过输出放大器34a、34b、34c、34d以及低通滤波器35a、35b、35c、35d被提供。在图1和图2中图示的示例性实施例中，图2所示的电子前端3中的处理(包括AGC)在DSP6外部执行。来自ADC4的输出5是对应于相应的四个传感器的序列数据(即以时间复用方式)。

针对四个IR传感器通道(a、b、c、d)中的每个通道的、在电子前端3中由固定增益31、32、34、35和可变的AGC增益33提供的总电子增益的值是与由IR传感器在其频谱和时间带宽内接收的IR辐射成反比的连续指示。

由每个IR传感器接收的辐射能量可以由DSP6计算如下：

En_i＝Kn*En₀/(固定增益*可变增益)

其中En₀是分别作为信号3a、3b、3c和3d、从电子前端3向ADC4发送的值，En_i为由IR传感器在其频谱和时间带宽内接收的辐射能量的测量。在以上计算中，增益值是数值的而不是分贝的，n表示IR传感器1至4(或者统称n)。Kn是使IR传感器信号与已知的辐射度源(诸如黑体)关联并且帮助将测量值变换成测量的辐射度单位(诸如毫瓦特)的校准常数。辐射能量En_i的测量的计算由DSP6连续执行并且可用于如下面描述的进一步的计算分析和处理。

辐射能量测量En_i可以被使用，例如在示例性实施例中，AGC的值加上两个火焰感测通道(4.3nm和4.45nm)的固定增益的值可以用于将Ec_i和Ed_i组合和求平均以输出引起火焰检测事件的由火生成的辐射热量的估计。这样的信息作为引起警报的火的辐射强度的记录可以是非常有用的，包括关于捕获从警报被触发之前直到火最终熄灭这样的时间的火的进展的RHO的“趋势”信息。技术人员在研究火以及火焰辐射的情况下还已知，没有两个火事件是完全相同的：即使在标准的盆火被点燃时，RHO随着火的增长和衰减，连同由风以及燃料污染物(诸如水)引起的效果而变化。因此，稳定地形成了对于将火焰的检测与通过火的衰减连同环境因素的生长链接的需求；通过火焰光学传感器的辐射能量测量本身在没有任何附加成本的情况下提供相关信息。

图3是示例性火焰检测系统100的简化功能框图。系统包括传感器数据采集功能110，传感器数据采集功能110分别从多个光学传感器2a、2b、2c和2d采集模拟已调节传感器信号3a、3b、3c和3d，并且将传感器信号变换成数字形式112以用于由数字信号处理器来处理。处理算法120然后被应用于传感器数据，包括信号预处理121、ANN验证功能122、辐射能量计算123和后处理124，以引导到判决块125。在示例性实施例中，来自传感器2a、2b、2c、2d的辐射能量计算123与预设门限126相比较，而后处理后的ANN提供关于光信号是否由真正火焰事件生成的确定125。在示例性实施例中，判决块125和126的组合产生四个组合：

针对组合：(1)是火焰事件且(2)辐射能量>＝门限，输出状态127A

针对组合：(1)不是火焰事件且(2)辐射能量>＝门限，输出状态127B

针对组合：(1)是火焰事件且(2)辐射能量<门限，输出状态127C

针对组合：(1)不是火焰事件且(2)辐射能量<门限，输出状态127D

输出状态127A对应于检测到火焰并且一个火焰超过辐射能量门限(126)的情况。门限值(126)可以被认为是火焰检测门限；用户可以在输出块128中针对警报中继23选择设定更高的警报门限。输出状态127A还包括在存在虚假警报(背景噪声)的情况下检测到的真正火焰的更一般的情况，因为ANN被训练为将这样的情况归类为真正火焰事件。输出状态127B对应于大测量辐射能量被诊断为不是由火发出的而是来自虚假警报源的情况。输出状态127C对应于真正的火的检测，但是其幅度足够小以产生小于门限(126)的辐射能量。输出状态127C可以被认为表示小火并且向用户提供迫近的更大的火的警报。用户通常不采取校正动作，并且会被建议更加紧密地监控设施。输出状态127D对应于没有发生事情的情况；没有火的证据并且背景辐射能量在被认为处在不明显的值处。

来自输出状态127A、127B、127C、127D的信息经由输出框128被连续地传输给中继23和24、显示器25、模拟输出26以及一个或多个外部通信接口，诸如Modbus91和HART92。输出框128可以生成根据处理算法输出127A-127D得到的信号或者生成表示处理算法输出127A-127D的信号，并且129可以被用户编程为定义向各个用户接口发送什么内容，例如显示器可以指示辐射能量，而不管其是由火还是虚假警报引起，或者显示器可以仅在确定其由真正火引起的情况下指示辐射能量。用户还能够配置输出框128以直接示出仅经由129测量和传输的辐射能量，而不管输出状态127A、127B、127C和127D的状态；以这一方式，ANN处理和做出判决的效果可以根据需要被暂时或永久忽略。用户还可以经由输出框128设置警报辐射能量门限以激活高于在判决框126中使用的最小火焰判决门限的警报中继23。用户还可以使用用户可设置的时间延迟来对输出框128进行编程以确保ANN确定的火焰事件在经由例如警报中继23进行校正动作之前持续某个持续时间。

在示例性实施例中，预处理功能121的目的是在光信号的频域和时域之间建立关联。在图4A所示的示例性实施例中，预处理功能121包括向每个数字化的光学传感器信号独立地应用211数据加窗函数和联合时间频率分析(JTFA)函数212。在示例性实施例中，数据加窗函数211涉及应用以下之一：Hanning、Hamming、Parzen、矩形、高斯、指数或其他适当的数据加窗函数。在示例性实施例中，数据窗口函数211包括用余弦类型函数描述的Hamming窗函数：

W^{H m} = \frac{1}{2} {1.08 - 0.92 c o s (\frac{2 π n}{N - 1})}

其中N是样本点的数目(例如512)，n在1到N之间。

在数据处理121的示例性实施例中，在应用JTFA函数212之前，向原始输入信号应用Hamming窗函数211。这一数据加窗函数缓解了信号的频谱“泄露“，并且因此改善了ANN分类的精度。

再次参考图4A，在示例性实施例中，JTFA212包含离散傅里叶变换。JTFA还可以包含具有平移时间窗的短时傅里叶变换(STFT)

(也称为Gabor变换)或者离散小波变换(DWT)。傅里叶变换的输出可以被滤波以去除在IR火焰检测感兴趣的频带之外的频率，例如大于20Hz的频率。JTFA应用之后是缩放操作213；其通过减去均值并且除以标准偏差来对数据归一化以有效地缩放到ANN122的输入(图3)。在示例性实施例中，用于加窗函数211、JTFA212和缩放函数213的系数和算法存储在非易失性存储器中。在示例性实施例中，系数可以存储在NVM65中(图1)。

再次参考图3和图4A，由加窗函数和JTFA操作预处理后的数据还被馈送到框123中用于辐射能量计算。在示例性实施例中，辐射能量通过对通过傅里叶变换计算的并且通过校准因子归一化的各个频率幅度求和来计算。在另一示例性实施例中，辐射能量直接从早先描述的时域计算的信号En_i来得到而非对由以上描述的通过傅里叶变换生成的频率分量幅度求和。Ea_i,、Eb_i、Ec_i和Ed_i中的每个可以被输出、求平均和/或组合。所计算的辐射能量可以在判决框126中与门限值相比较(图3)。

图4B图示示例性实施例，其中，如早先所描述的，AGC的值加上两个火焰感测通道的固定增益(4.3um处的2c以及4.45um处的2d)可以用于对Ec_i和Ed_i计算、组合和求平均以输出由引起火焰检测事件的火生成的辐射热量的估计。预处理后的时域信号En_o从框121被发送给辐射能量计算框123。En_i的值如以上所描述地在计算框200中使用固定和可变(AGC)增益值来计算。Ea_i和Eb_i(表示4.9um和2.3um的抗扰传感器波长下的辐射能量)的值可以被直接发送(40a、40b)给输出框202，而表示两个火焰感测波长(40c、40d)下的辐射能量的Ec_i和Ed_i的值可以在201中通过对值求平均来被组合并且然后经由输出框202被传输41给判决框126以用于与先前存储的门限值相比较。

图5图示ANN处理122的示例性实施例的功能框图。ANN处理122可以包括两层ANN处理。在示例性实施例中，ANN处理122包括接收由光学传感器2a、2b、2c和2d生成的多个预处理后的信号10(x₁-x_i)(对应于从图4A所示的预处理121得到的经数据加窗的211、经JTFA处理的212和经缩放的213信号)、隐藏层12和输出层13。在其他示例性实施例中，ANN处理122可以包括多个隐藏层12。来自121的预处理后的信号10(x₁-x_i)在ANN处理122的输入层中按照固定的串行顺序包括来自光学传感器2a、2b、2c和2d的相应预处理后的信号。固定顺序是由ADC4(图1和2)生成的将数据向外向DSP流送的顺序。在图3中由121来维持相同的顺序。

在示例性实施例中，隐藏层12包括多个人工神经元14，例如图5所示的五个神经元。被称为隐藏神经元的神经元14的数目可以取决于由ANN处理122在训练期间实现的分类的非线性。在示例性实施例中，输出层13包括对应于各种状况的多个目标15(或输出神经元)。目标15的数目可以从一个到多个变化。图5的示例性实施例采用一个目标神经元15，其向判决处理19输出事件可能性18'。

在示例性实施例中，NVM65(图1)保持隐藏层12的突触连接权重H_ij11以及输出层13的突触连接权重O_jk17。在示例性实施例中，信号处理器5对神经元14处的多个预处理后的信号10求和，每个信号乘以对应的突触连接权重H_ij11。针对多个隐藏神经元14中的每个，非线性激活(或者挤压)函数16然后被应用于所得到的加权和z_i。在图5所示的示例性实施例中，激活函数16是单极双弯曲函数(s(z_i))。在其他实施例中，激活函数16可以是双极函数或者另一适当的激活函数。在示例性实施例中，偏置B_H也是对隐藏层12的输出。在示例性实施例中，偏置B_H的值为1。再次参考图5，在示例性实施例中，神经元输出(s(z_i))被输入给输出层15；偏置B_O也是对输出层15的输入。在示例性实施例中，输出(s(z_i))每个乘以对应的突触连接权重O_jk17并且对应的结果被求和用于输出层13中的输出目标，以得到对应的和y_j。

因此，如图5中所描绘的，信号处理后的输入X_i10被连接到隐藏神经元14，并且输入层与隐藏层之间的连接被分配权重H_ij11。在每个隐藏神经元处，按照以下顺序应用乘法、求和、以及双曲线函数。

Z_{j} = Σ_{i = 1}^{n} X_{i} H_{i j}

S (Z_{j}) = \frac{1}{1 + \exp (- Z_{j})}

来自隐藏层12的双弯曲函数S(Z_j)的输出被引入到输出层13。隐藏层与输出层之间的连接被分配权重O_jk17。现在，在每个输出神经元乘法处，在本示例性实施例中，按照以下顺序应用求和以及双弯曲函数：

Y_{k} = Σ_{i = 1}^{n} S (Z_{j}) O_{j k}

S (Y_{k}) = \frac{1}{1 + \exp (- Y_{k})}

在ANN训练的示例性过程中，连接权重H_ij和O_jk不断地通过后向传播(BP)算法来被优化。在示例性实施例中，BP算法基于使用共轭梯度(CG)下降方法的均方根误差最小化。该算法使用MATLAB(一种用于数值计算和数据分析的工具)来应用，以优化连接权重H_ij和O_jk。这些连接权重然后在ANN验证中使用，以计算ANN输出S(Y_k)，ANN输出S(Y_k)用于最终判决的做出。

在示例性实施例中，可以通过将火焰检测器暴露于火焰和虚假警报源的多个组合来训练ANN。在训练期间，将输出值与正确答案相比较。在每个迭代处，算法调节每个连接的权重H_ij和O_jk以便最小化输出误差。在针对足够大数目的训练循环重复这一过程之后，网络收敛到其中误差很小的状态。例如在Rumelhart,D.E.,Hinton,G.E.&Williams,R.J.,LearningRepresentationsbyBack-PropagatingErrors,(1986)Nature,323,533-536中描述了使用BP算法设置突触连接权重的多层ANN和ANN训练。其示出，处理非线性判决边界需要包含一个或两个隐藏节点层的多层网络。

在示例性实施例中，ANN训练涉及一组鲁棒的室内和室外站点测试。从这些测试采集的数据用于在配备有MATLAB或类似数字计算程序的个人或工作站计算机上执行的ANN训练。数据可以使用适当地安装在便携式平台上的图1所示的硬件来采集。其全部内容通过本引用合并到本文中的美国7,202,794B2提供了用于多频谱IR火焰检测器的数据采集和ANN训练的室内和室外测试的大量示例。根据这样的综合性ANN训练得到的连接权重H_ij和O_jk可以被加载到原型火焰检测器的嵌入式软件中用于(经由判决框125，图3)通过针对一致性火焰检测和误报的拒绝的严格的实验室和现场测试的进一步验证以及准确的辐射能量计算(经由123，图3)。在成功验证之后，可以将连接权重H_ij和O_jk编程到制造单元中。

在图5中图示的示例性实施例中，ANN处理122输出表示由火焰检测系统检测的火焰的百分比可能性的值18'。应用到输出的门限设置可能性的极限，在该极限之上将指示真正的火焰状况。在示例性实施例中，在0.9(在0到1的范围上)以上的神经元输出18'指示极有可能的火焰检测，而较小的输出指示极有可能的虚假警报状况。这一分析在ANN判决框19中进行。

返回参考图3，后处理124经由ANN判决框19(图5)得到ANN122的输出并且执行可以包括诸如工厂和用户定义准则等其他准则的最终后处理。后处理124可以包括诸如统计神经元输出18'超过由ANN判决框19定义的门限值的次数等后处理。例如，可能期望使得在输出火焰状况之前神经元输出18'在给定时间段(例如一秒)内超过门限四次。这限制了单独的虚假的输入状况或瞬变被解释为火焰状况从而引起虚假警报的可能性。在示例性实施例中，可以在0到1的范围上将门限值设置为0.8。

参考图3，后处理124的输出由判决框125处理。在示例性实施例中，如果判决框125确定检测到火焰，则这一决定与门限判决框126的输出绑定在一起，门限判决框126将所计算的辐射能量与预设门限相比较。如早先所描述的，针对这一示例性实施例，四个输出状态组合127A、127B、127C和127D是可能的。这些输出状态127A、127B、127C和127D的输出经由输出框128被连续地传输给中继23和24、显示器25、模拟输出26以及外部通信接口(诸如Modbus91和HART92)。输出框128可以被用户编程为定义向各个用户接口发送什么内容，例如显示器可以指示辐射能量，而不管其是由火焰还是虚假警报引起的，或者其可以仅在确定其由火焰引起时指示辐射能量。用户还可以经由输出框128设置激活警报中继23的警报辐射能量门限，该门限高于针对判决框126设置的最小辐射能量门限。用户还可以使用用户可设置的时间延迟来对输出框128进行编程以确保ANN确定的火焰事件在经由例如警报中继23进行校正动作之前持续某个持续时间。

现在参考图6，描绘火焰检测器的另一示例性实施例的功能框图150。本实施例类似于以上关于图1-图5描述的实施例。然而，在本示例性实施例中，信号处理器6被编程为实现处理算法120'，其中所计算的辐射能量123没有如图3的框126中所示的与预设门限相比较。相反，所计算的辐射能量129被直接发送给输出框128'。同时，后处理后的ANN经由判决框125提供有关光信号是由输出状态130指示的真正火焰还是由输出状态131所示的虚假警报生成的确定(均在图6中)。输出框128'然后经由警报中继23、显示器25、模拟输出26和外部通信接口(诸如Modbus91和HART92)的输出功能向用户告知真正火焰的存在(从输出状态130得到或者表示输出状态130)和严重性(从信号129得到或者表示信号129)。如果所计算的辐射能量被示出为由虚假警报经由来自判决框125的输出状态131产生，则输出框128'可以类似地经由显示器25、模拟输出26以及外部通信接口(诸如Modbus91和HART92)向用户告知虚假警报事件及其严重性；然而，在由输出状态131指示的虚假警报事件的情况下，警报中继23不会被激活。

现在参考图7，示出了关于如何能够在0到20mA模拟输出上输出辐射能量估计的示例7a、7b、7c。7a示出了具有在4mA(没有事件)、16mA(警告)、和20mA(警报)处的离散输出的传统的火焰检测器模拟输出。没有提供辐射能量或者热量估计。7b示出了具有两个模拟输出的火焰检测器，第一模拟输出是(图7a的)传统的火焰检测器模拟，而第二模拟输出将辐射能量或热量(RHO)估计连续地映射到4到20mA的尺度上。由于所接收的例如从在210英尺处的小型火到在近距离处的特大型火的强度的大幅的变化，辐射度能量到模拟输出的映射很有可能是对数的。7c示出了组合或混合模拟输出缩放，其通过连续地指示在4到12mA之间的辐射度估计值而消除了7b的第二模拟输出。12mA值通常表示传感器通道输出信号的最大不饱和值。该第三组合或混合方案具有以下缺点：一旦检测到火焰，则模拟输出跳跃到16甚至20mA；一旦火焰事件被记录，则辐射度信息在模拟输出上不可用。这一方案可以称为“趋势”，因为其先于进入警报模式监控辐射热量，但是一旦火焰检测器处于警报模式则不监控辐射热量。

在另一实施例中，可以经由诸如Modbus91或HART92等串行通信向用户连续地发送辐射度和火焰检测状态(图1)。这使得能够连续地包括在火焰事件期间传输辐射度信息，而不需要第二模拟输出。

现在参考图8，描绘火焰检测器的另一示例性实施例的功能框图100'。本实施例类似于以上关于图1-图3描述的实施例。然而，图8的处理框122'不包括如图3的122中所示的ANN。相反，可以在判决框125中使用诸如美国专利6,150,659中描述的基于专家的规则来决定火的存在与否。其全部内容通过这一引用被合并到本文中的美国专利6,150,659使用两个红外检测器，其中一个用于检测由碳氢化合物火发出的辐射，第二个用于区分来自其他源(诸如调制的太阳光、人工以及自然发热物体)、照明光源和电焊机的红外辐射。第一红外检测器之后是两个电子电路使得火通过两个电路中的任一个取决于其大小而被感测到，一个电路针对大型火中存在的闪烁频率而被优化，而第二电路检测在小型火中占优势的闪烁频率的光信号。两个电子输出连同第二红外检测器的输出针对频谱和时间特性被数字化处理和分析以区分真正火的存在与各种虚假警报源的存在。美国专利6,150,659的图2和图3是所使用的算法的流程图并且连同描述这些算法的文本详述在这一基于专家规则的火焰检测系统中遵循的规则。在这一方法中，不使用受训的人工神经网络，而是遵循由人类专家建立的规则(即预定规则)以决定由火焰发出的光辐射的存在与否。

现在参考图9，描绘火焰检测器的另一示例性实施例的功能框图150'。本实施例类似于以上关于图8描述的实施例。然而，在本示例性实施例中，信号处理器6被编程为实现处理算法120'，其中没有如图8的框126所示地将所计算的辐射能量123与预设门限相比较。相反，直接向输出框128'发送所计算的辐射能量129。同时，后处理后的信号124'经由判决框125提供关于光信号由通过输出状态130指示的真正火焰还是由通过输出状态131示出的虚假警报(其均在图9中)生成的确定。输出框128'然后经由警报中继123、显示器25、模拟输出26和外部通信接口(诸如Modbus91和HART92)的输出功能向用户告知真正火焰的存在(根据输出状态130)以及严重性(根据信号129)。如果所计算的辐射能量经由来自判决框125的输出状态131被示出为由虚假警报生成，则输出框128'可以类似地经由显示器25、模拟输出26以及外部通信接口(诸如Modbus91和HART92)向用户告知虚假警报事件及其严重性；然而，在由输出状态131指示的虚假警报事件的情况下，警报中继23不会被激活。

虽然以上是本发明的具体实施例的描述和说明，然而本领域技术人员可以在不偏离本发明的范围和精神的情况下对其做出各种修改和变化。

Claims

1.一种用于危险位置的工业安全应用的火焰检测器，被配置用于辐射能量监控、量化、以及随后的信息传输，所述火焰检测器包括：

至少一个光学传感器通道，每个通道包括被配置成从在危险位置处视场内的受监视场景接收光能的光学传感器，所述通道产生提供由所述光学传感器在传感器频谱带宽内接收的光辐射的量化指示的信号，所述光学传感器被配置用于检测在火焰发出强的光辐射的频谱区域中的光辐射；

处理器，对来自所述至少一个光学传感器通道的所述信号做出响应并且被配置成数字地处理和分析所述信号以提供真正火焰事件的检测的火焰存在指示，并且提供所述受监视场景的辐射能量输出的量化指示，以及在检测到火时生成火焰警报信号；以及

输出电路，用于向应用设备传输所述火焰警报信号和所述量化指示。

2.根据权利要求1所述的火焰检测器，其中所述至少一个光学传感器通道的所述光学传感器具有位于红外(IR)波长范围内的频谱带宽。

3.根据权利要求1所述的火焰检测器，其中所述量化指示提供由引起火焰检测事件的火生成的辐射热量的估计。

4.根据权利要求1所述的火焰检测器，其中所述至少一个光学传感器通道包括自动增益电路(AGC)，以防止或降低在存在高的所接收的光能的情况下的饱和效应，并且AGC增益信号提供作为与所接收的光辐射能量成反比的连续指示的增益信号值，并且所述处理器对所述AGC增益信号做出响应以产生所述量化指示信号。

5.根据权利要求4所述的火焰检测器，其中所述至少一个光学传感器通道包括多个红外(IR)传感器通道，每个红外(IR)传感器通道对来自其他IR传感器通道的不同波长的IR能量做出响应，并且所述控制器被配置成在产生所述量化指示信号时针对所述多个IR传感器通道对所述AGC增益信号值求平均。

6.根据权利要求1所述的火焰检测器，其中所述处理器包括用于提供所述火焰存在指示的人工神经网络。

7.根据权利要求1所述的火焰检测器，其中所述处理器被配置成使用基于专家的规则生成所述火焰存在指示。

8.根据权利要求1所述的火焰检测器，其中所述处理器被配置成：将所述量化指示与预设门限相比较，并且仅在真正火焰事件的所述火焰存在指示被提供并且所述量化指示超过所述预设门限的情况下生成所述火焰警报信号。

9.一种用于危险位置的工业安全应用的火焰检测器，被配置用于辐射热量(IR)监控、火焰检测、辐射热量输出的量化、以及随后的信息传输，所述火焰检测器包括：

多个光学传感器通道，每个通道包括被配置成从在危险位置处视场内的受监视场景接收光辐射的光学传感器，每个通道产生提供由所述光学传感器在不同于其他光学传感器通道的频谱带宽内接收的光辐射的辐射度比例信息的信号；

处理器，对来自所述光学传感器通道的所述信号做出响应以用于数字地处理处所述信号以提供指示真正火焰事件的检测的火焰存在信号，并且提供所述受监视场景的辐射能量输出(RHO)的量化指示信号；以及

输出电路，用于向应用设备传输根据所述火焰存在信号得到的或表示所述火焰存在信号的信号以及所述量化指示信号。

10.根据权利要求9所述的系统，其中所述光学传感器通道中的一个或多个包括对给定的IR波长或带宽敏感的红外(IR)传感器，所述量化指示信号被配置成提供所述一个或多个IR传感器通道中的全部通道的总计或者平均辐射度能量。

11.根据权利要求9所述的系统，其中所述多个传感器通道包括多个红外(IR)传感器通道，并且所述量化指示信号被配置成提供根据所述多个IR传感器通道计算的辐射度值的加权平均。

12.根据权利要求9所述的系统，其中所述处理器被配置成执行人工神经网络(ANN)处理以提供所述火焰存在信号。

13.根据权利要求9所述的系统，其中每个传感器通道包括信号调节电路装置、被配置成降低或消除饱和效应的自动增益控制(AGC)电路、以及用于产生数字化传感器通道信号以用于由所述处理器进一步处理的模数变换器(ADC)。

14.根据权利要求13所述的系统，其中针对每个通道的所述AGC电路采用命令信号来控制所述通道增益，并且其中所述命令信号还被所述处理器使用以确定所述受监视场景的辐射热量输出(RHO)的所述量化指示信号。

15.根据权利要求14所述的系统，其中所述命令信号具有与所接收的光辐射强度成反比的相应值，并且所述处理器对所述命令信号做出响应以产生所述量化指示信号。

16.根据权利要求9所述的系统，其中所述处理器被配置成使用预定的基于专家的规则生成所述火焰存在信号。

17.根据权利要求9所述的系统，其中所述处理器被配置成将所述量化指示信号与预设门限相比较，并且仅在检测到真正火焰事件并且所述量化指示信号超过所述预设门限的情况下生成火警报激活信号。

18.一种用于危险位置的工业安全应用的火焰检测器，被配置用于辐射能量监控、火焰检测、辐射能量输出的量化、以及信息传输，所述火焰检测器包括：

处理器，对来自所述光学传感器通道的所述信号做出响应并且被配置成针对频谱和时间特性数字地处理和分析所述信号以区分真正火的存在与各种虚假的警报源的存在，并且在检测到真正火事件的情况下提供火焰存在指示，并且提供所述受监视场景的辐射能量输出的量化指示；以及

输出电路，用于向应用设备传输根据所述火焰存在指示得到的或表示所述火焰存在指示的信号和所述量化指示。

19.根据权利要求18所述的系统，其中所述光学传感器通道中的两个通道包括至少两个红外(IR)传感器，每个IR传感器对给定的IR波长或带宽敏感，所述量化指示提供所述至少两个IR传感器通道的总计或者平均辐射度能量。

20.根据权利要求18所述的系统，其中所述处理器被配置成执行人工神经网络(ANN)处理以提供所述火焰存在指示。

21.根据权利要求18所述的系统，其中所述处理器被配置成使用预定的基于专家的规则生成所述火焰存在指示。

22.根据权利要求18所述的系统，其中所述传输信号是模拟信号，并且其中所述模拟信号的第一预定幅度代表没有火焰状况，大于所述第一预定幅度的所述模拟信号的第二预定幅度代表火焰警告状况，并且大于所述第二预定幅度的所述模拟信号的第三预定幅度代表火焰警报状况，并且其中大于所述第一预定幅度并且小于第四预定幅度的所述模拟信号的幅度代表所述量化指示。