程文娟，黃星星，湯世祥，童 兵，周淼淼

(合肥工業(yè)大學(xué) 計算機(jī)與信息學(xué)院，安徽 合肥230009)

0 引 言

常用煤礦瓦斯檢測儀按其工作方式可分為催化型、熱傳導(dǎo)式、氣敏半導(dǎo)體型和紅外型等［1］。但是催化型存在零點漂移和靈敏度衰減的問題［2］、熱傳導(dǎo)式易受到水蒸汽等其他氣體的影響、氣敏半導(dǎo)體型的測量范圍窄而且精確度低。因為紅外型瓦斯檢測儀具有測量范圍廣、響應(yīng)速度快、壽命長、不易中毒等優(yōu)點已被廣泛應(yīng)用于煤礦環(huán)境中易燃易爆氣體濃度的檢測［3］。但由于紅外瓦斯傳感器檢測儀易受煤礦環(huán)境中的溫度、濕度、壓力等復(fù)雜的物理環(huán)境因素影響，使檢測瓦斯?jié)舛戎挡粶?zhǔn)確，一般有硬件和軟件兩種方法來解決這一問題。但由于通過硬件改進(jìn)的方法價格昂貴，一般傾向于采用軟件方法。近些年有很多文獻(xiàn)撰寫了關(guān)于采取軟件的方法設(shè)計紅外瓦斯傳感器，如參考文獻(xiàn)［4～6］等，其中較為經(jīng)典的軟件方法是參考文獻(xiàn)［4］所述選用防脈沖平均濾波算法，該算法的基本思想是去掉n個采集數(shù)據(jù)集中最大值和最小值，然后計算剩下所有樣本的平均值。此方法比較簡單且易行，但存在著如果采集數(shù)據(jù)量n 值偏大時靈敏度會降低的缺點。參考文獻(xiàn)［5］用線性最小二乘法分別計算出采集數(shù)據(jù)集中的最大和最小的理想值，將最大和最小理想值的差值帶入相應(yīng)公式計算出瓦斯?jié)舛戎?。這樣不僅保證數(shù)據(jù)的連續(xù)性，而且具有較高檢測響應(yīng)時間，但該方法工作效率低。參考文獻(xiàn)［6］基于RBF 神經(jīng)網(wǎng)絡(luò)對采集數(shù)據(jù)處理，這種方法能夠消除環(huán)境中溫度和濕度因素對瓦斯?jié)舛葯z測的影響，但沒有考慮其他物理環(huán)境和硬件本身因素對瓦斯?jié)舛葴y量值的影響。

本文將與基準(zhǔn)數(shù)據(jù)偏差較大的點定義為噪聲點。首先，利用分化距離與K－means 算法結(jié)合方法找出采集數(shù)據(jù)中可能的噪聲點;其次，根據(jù)孤立度系數(shù)判斷真正的噪聲點;再次，對噪聲點做直接丟棄處理，這樣做可以提高軟件工作效率;最后，對處理之后的剩余采集數(shù)據(jù)集計算平均值即為測量的瓦斯?jié)舛戎担瑢嶒灲Y(jié)果表明:該方法測試出的瓦斯?jié)舛鹊恼`差小于1%，精度高。

1 相關(guān)理論

1.1 朗伯—比爾定理

紅外型瓦斯傳感器是基于分子振動和轉(zhuǎn)動吸收譜與發(fā)光光譜的一致性原理而制成的［7］。當(dāng)紅外光透過待測氣體時，紅外光的強度會變?nèi)?，氣體對紅外光的吸收遵循朗伯—比爾(Lambert－Beer)定律

式中 I 為透射光強度;I0為入射光強度;K 為吸收截面系數(shù);L 為紅外光透過氣體層的厚度;C 為待測氣體的濃度。根據(jù)入射光和透射光的強度便可計算出氣體的濃度C。

1.2 分化距離

分化距離是指計算任意兩數(shù)據(jù)點的實際距離D(i，j)和任意兩點距離中最大距離dmax，選取分化度φ(0 ＜φ ＜1)，對所有的D(i，j)做分化處理，便得到分化距離d(i，j)［8］，其關(guān)系式為

式中 d(i，j)為分化距離;φ 為分化度;D(i，j)為兩點間實際距離。任意兩點距離D(i，j)與距離集中最大距離dmax的比值Θ(i，j)為

式中 D(i，j)為兩點間實際距離;dmax為距離集中的最大距離。如果Θ(i，j)＜φ，則D(i，j)＜d(i，j);否則D(i，j)≥d(i，j)，分化距離的思想是使原本能靠近的兩個數(shù)據(jù)更緊密，原本距離較遠(yuǎn)的兩個數(shù)據(jù)變得更遠(yuǎn)。

1.3 K－means 算法模型分析

K－means 算法是關(guān)于數(shù)據(jù)集相似度的聚類算法，是一種非監(jiān)督學(xué)習(xí)方法［9］。在中小規(guī)模的樣本數(shù)據(jù)的聚類采用此方法有很好的效果。

根據(jù)參考文獻(xiàn)［10］中所述K－means 算法主要思想，首先，需要隨機(jī)選取初始聚類的K 個中心點;其次，計算所有剩余的數(shù)據(jù)集到中心點的歐氏距離，將距某一中心點最近的數(shù)據(jù)點歸并到該聚類;最后，用均值法調(diào)整聚類的中心點計算收斂函數(shù)，不斷重復(fù)上述步驟，直至收斂函數(shù)的值最小為止。

對于一系列時間間隔相同的數(shù)據(jù)點，可將K－means 算法的思想簡化為如下步驟:

1)在數(shù)據(jù)集D 中隨機(jī)的選擇K 個點β1，β2，β3，…，βk作為聚類簇C1，C2，C3，…，CK的聚類中心點;

2)計算不在聚類簇的數(shù)據(jù)集中的點di各個簇類中心點的歐氏距離，并將距di最近的點分配到Cj類

3)對于簇Cj，重新計算簇Cj的質(zhì)心βj;

4)計算收斂函數(shù)，并判斷收斂函數(shù)的值是不是最小，其中收斂函數(shù)如式(5)所示

2 采集數(shù)據(jù)處理與模型建立

實驗設(shè)計紅外瓦斯傳感器選用單光路雙波長的設(shè)計方案，紅外瓦斯傳感器系統(tǒng)示意圖如圖1 所示。

圖1 紅外瓦斯傳感器系統(tǒng)示意圖Fig 1 Diagram of infrared gas sensor system

紅外瓦斯傳感器系統(tǒng)中光源為IRL715;探測器為PYS3228，該探測器含兩個獨立的濾光片和探測器。其中，單片機(jī)不僅控制光源調(diào)制電路和光源驅(qū)動電路，而且可以顯示檢測的瓦斯?jié)舛戎怠?/p>

用實驗設(shè)計的系統(tǒng)采集120 個數(shù)據(jù)作為采集數(shù)據(jù)集D={x1，x2，…，xi…，x120}，將此120 個數(shù)據(jù)分為3 組，每組40 個數(shù)據(jù)點，首先，計算相鄰兩個數(shù)據(jù)xi，xi+1絕對值ai，絕對值的集合為A={a1，a2…，ai，…，a39}，如果相鄰數(shù)據(jù)差的絕對值較小，則這兩個數(shù)據(jù)點很可能是在同一聚類簇中;其次，對集合A 中的數(shù)據(jù)點做分化距離處理后得到的集合S={s1，s2，…，sx，…，s39};最后，用K－means 算法對集合S進(jìn)行聚類，可得到不同的聚類簇中心值和各個聚類簇中的數(shù)據(jù)點，選擇聚類中心點值最大的簇作為虛擬噪聲點的集V={d1，d2，…，dm}。

根據(jù)虛擬噪聲集合V 中數(shù)據(jù)點查找在集合D 中對應(yīng)的數(shù)據(jù)值，求出這些數(shù)據(jù)點的前后相鄰數(shù)據(jù)點的孤立系數(shù)，并分別將某一數(shù)據(jù)點與其前后相鄰的數(shù)據(jù)點計算的孤立系數(shù)的值分別叫前孤立系數(shù)和后孤立系數(shù)。孤立系數(shù)的表達(dá)式為

式中 xi與xi+1為相鄰的兩數(shù)據(jù)點，f 為采樣頻率。將θ 與給定的閾值ε 比較，如果θ≥ε，則孤立度高;否則，孤立度低。

如果一個數(shù)據(jù)點的前孤立系數(shù)和后孤立系數(shù)均大于閾值ε，則此數(shù)據(jù)點為噪聲點，如果一個數(shù)據(jù)點與其前相鄰的孤立系數(shù)高與其后相鄰的孤立系數(shù)低，或者相反，如圖2 所示，可將其視為轉(zhuǎn)折點。

圖2 轉(zhuǎn)折點示意圖Fig 2 Diagram of turning point

根據(jù)以上設(shè)想，將某一數(shù)據(jù)點的前、后孤立系數(shù)與給定的閾值比較，即可判斷此數(shù)據(jù)點是不是噪聲點?？捎萌绫?所示的噪聲點判定表判斷。

表1 噪聲點判斷表Tab 1 Noise point determination

如果判定xi是噪聲點，可以直接將其丟棄，假設(shè)噪聲點有m 個，分別為{x1，x2，…，xm}，丟棄噪聲點之后的有用數(shù)據(jù)為{x1，x2，…，x40－m}，選用式(7)均值法計算濃度值

通過上述對數(shù)據(jù)集處理過程的描述，得到樣本處理點的流程圖如圖3 所示。

圖3 樣本處理流程圖Fig 3 Flow chart of sample processing

3 實驗結(jié)果與分析

本文中K－means 算法中K=4，f=0.5 Hz，根據(jù)經(jīng)驗可知孤立系數(shù)閾值為ε=arctan 0.03，分化度為φ=0.01。

本文選取濃度為2%的標(biāo)準(zhǔn)瓦斯?jié)舛确謩e選用基于分化距離與K－means 算法結(jié)合的方法處理采樣值與不做任何處理采樣數(shù)據(jù)集可得到如圖4 所示的實驗結(jié)果對比圖。由圖4 可以看出:基于分化距離與K－means 結(jié)合的方法處理數(shù)據(jù)集之后的數(shù)據(jù)集中的噪聲點明顯比不做任何處理的采集數(shù)據(jù)集中的噪聲點的數(shù)目減少，所以，此方法檢測的瓦斯?jié)舛戎档臏?zhǔn)確度高。

圖4 實驗結(jié)果對比圖Fig 4 Comparison of experimental results

本文對標(biāo)準(zhǔn)瓦斯?jié)舛鹊倪x取值小于5%，經(jīng)過采用基于分化距離與K－means 算法結(jié)合方法，通過聚類和判斷噪聲點等過程的處理，可得實驗結(jié)果對比分析表如表2。

表2 實驗結(jié)果對比分析表Tab 2 Comparison and analysis of experimental results

從表2 可以看出:基于分化距離與K－means 算法結(jié)合方法檢測瓦斯?jié)舛刃∮?%，而且具有較高的精確度。

4 結(jié)束語

本文提出了一種基于分化距離與K－means 算法結(jié)合的方法，對采集一段時間采集數(shù)據(jù)集處理，再根據(jù)前后孤立系數(shù)判斷噪聲點，計算濃度值。經(jīng)過實驗證明了此方法的有效性，由實驗結(jié)果可看出:此方法檢測的瓦斯?jié)舛戎敌∮?%，測量精確度高，適用于礦井的復(fù)雜環(huán)境。除此之外，本方法還可應(yīng)用于其他氣體測試。

［1］ 張 雷，尹王保.基于紅外光譜吸收原理的紅外瓦斯傳感器實驗［J］.煤炭學(xué)報，2006，31(4):480－483.

［2］ 于 震，張正勇.熱催化瓦斯傳感器的特性及其補償方法［J］.傳感器與微系統(tǒng)，2010，29(1):42－44.

［3］ 葉瑋琳，鄭傳濤.中紅外甲烷檢測儀穩(wěn)定性實驗及溫度補償研究［J］.光學(xué)學(xué)報，2014，34(3):273－277.

［4］ 呂光潔.光譜吸收式煤礦瓦斯紅外檢測技術(shù)的應(yīng)用研究［D］.西安:西安科技大學(xué)，2009.

［5］ 趙 聰.基于非色散紅外光譜吸收原理的瓦斯?jié)舛葯z測儀設(shè)計［J］.計算機(jī)測量與控制，2009，17(6):1229－1231.

［6］ 張 麗，王汝琳.基于神經(jīng)網(wǎng)絡(luò)的礦用紅外瓦斯傳感器檢測模型的研究［J］.工礦自動化，2009(8):18－21.

［7］ 羅達(dá)峰，楊建華.基于紅外吸收光譜的瓦斯氣體濃度檢測技術(shù)［J］.光譜學(xué)與光譜析，2011，31(2):384－386.

［8］ 劉 歡，吳介軍.基于分化距離的離群點檢測算法［J］.計算機(jī)應(yīng)用研究，2010，27(9):3316－3318.

［9］ Han Jiawei，Kamber Micheling，Pei Jian，et al.數(shù)據(jù)挖掘概念與技術(shù)［M］.范 明，孟小峰，譯.北京:機(jī)械工業(yè)出版社，2012.

［10］周愛武，于亞飛.K－means 聚類算法的研究［J］.計算機(jī)技術(shù)與發(fā)展，2011(2):62－65.