WiFi技术的红外甲烷检测系统设计*

2018-09-11陈红岩郭晶晶

传感器与微系统 2018年9期

陈红岩，鲍立，郭晶晶

(中国计量大学现代科技学院，浙江杭州310018)

0 引言

传统的甲烷检测仪[1]存在检测精度低、使用寿命短等问题，且需要人工现场测量，不够安全方便，有待改进。近几年，通用分组无线业务(general packet radio service,GPRS)、ZigBee、无线局域网(WiFi)等无线通信技术逐渐应用到危险气体检测领域[2，3]。本文在采用不分光红外法研制甲烷传感器的基础上，结合低成本、无线通信功能强大的WiFi技术，设计一种通过手机应用(App)远程实时检测甲烷浓度的系统[4]，为生产生活带来了极大的便利与可靠的安全保障，具有广阔的产业化应用前景。

1 甲烷气体检测原理

当一束波长为λ，光强为I0的单色平行光照射被测甲烷气体时，气体在λ处产生吸收光谱[5]。根据朗伯—比尔定律，通过被测气体后出射光的强度

I=I0·exp(-KCL)

(1)

式中K为吸收系数，C为气体浓度，L为气室的长度。在实际的实验过程中，测量环境、电路中元器件的漂移等因素都会对光强产生干扰，不易准确测量。为了消除上述干扰因素的影响，采用双通道求比值法[6]，获得甲烷气体浓度

(2)

对于一个确定系统，只有K1,K2是未知参数，且只与当前测量环境有关，可以通过电路、标定、算法等进行补偿[7]。

2 检测系统硬件设计

检测系统的整体结构示意如图1所示，主要由不分光红外甲烷传感器、主控单片机(micro-controller unit,MCU)、WiFi模块、报警装置、服务器以及手机App组成。不分光红外甲烷传感器将测量数据传输给主控MCU，主控MCU处理数据得到甲烷浓度值，通过串口与WiFi模块通信，并控制报警装置，WiFi模块通过路由器连接外网将浓度数据发送给服务器平台，手机App可以连网实时接收甲烷浓度数据，当甲烷浓度达到爆炸下限值时，主控MCU将控制报警装置发出警报声，同时手机将收到短信提醒。

图1 检测系统的整体结构示意

2.1 甲烷检测电路

甲烷检测电路主要由不分光红外甲烷传感器、模/数(A/D)转换芯片和主控MCU组成。该甲烷传感器将测量输出的电压信号送给A/D转换芯片PCF8591,然后传输给主控MCU进行运算处理。主控MCU选用STC89LE54RD单片机，该单片机具有超强抗干扰能力、超低功耗、超低价格等优点，且具有高速SPI端口，能满足同WiFi模块的数据传输，适用于工业现场等场合。

2.2 无线通信模块

本文选择HX—M02串口WiFi模块，其外围电路如图2。为了使甲烷浓度数据发送给服务器，需要将HX—M02 WiFi模块配置成STA模式，使检测系统的底层开发板与路由器的外网连接，并配置服务器的IP和端口号，具体的配置界面如图3所示。

图2 WiFi模块外围电路

3 检测系统的软件设计

检测系统的软件设计分为底层开发板程序和手机App，本文主要介绍底层开发板程序设计[8]，程序流程如图4所示。

图3 HX—M02 WiFi模块配置界面

图4 底层开发板程序流程

硬件初始化，包括单片机外围电路、WiFi模块外围电路等；将甲烷传感器测量的模拟电压数据进行A/D转换成数字量，进而采用数字滤波器消除噪声等干扰信号；根据实验标定得到的函数关系(式(3))进行数据的浓度转换，将电压数据转换为对应的气体浓度数据；当甲烷浓度值达到报警阈值时，单片机控制报警装置发出警报声，否则，当定时时间T=2 s时，单片机将通过串口向WiFi模块发送数据，通过软件程序完成了每2 s向WiFi模块发送一次浓度数据，达到实时检测甲烷浓度的目的

y=-0.363 46exp(-x/2.735 04)-1.883 85

(3)

式中x为甲烷传感器测量得到的电压值(实际为响应通道与参考通道的电压之差与参考通道电压的比值);y为对应的甲烷浓度值。

4 实验与结果分析

针对红外甲烷传感器较多用于环境恶劣场所，因此，在其标定过程中，采用支持向量机(support vector machine,SVM)算法进行回归校正以提高甲烷的测量精度[9]。采用甲烷传感器对浓度范围在0 %～5.05 %的标准样气进行数据采集，如表1。

选择浓度为0 %,0.22 %,0.78 %,1.09 %,1.72 %,2.22 %,3.02 %,3.38 %,4.23 %,4.57 %,5.05 %的11组数据作为训练集，建立SVM回归模型并检验模型在训练集上的回归效果；选择剩余5组浓度数据作为测试集，用建立好的回归模型进行预测，验证SVM回归模型的预测精度和水平。

表1 红外甲烷传感器测量数据

通过MATLAB编程实现参数寻优过程，得到寻优参数为C=1.253 8，g=1.624 5。建立SVM回归分析模型。在训练集上验证模型的回归效果，如图5所示，均方误差(mean square error,MSE)为8.862 63×10-4，相关系数(r2)为98.87 %，说明模型的回归能力很好。用测试集的5组数据对模型进行预测，测试结果如表2，平均绝对误差为0.043，说明实验建立的回归模型预测精度高，可以应用于甲烷气体的回归校正。