0 引言

    隨著道路交通的發展和車輛的激增，道面氣象狀態對交通運輸的影響越來越顯著，惡劣的道面氣象狀態易造成交通事故，威脅人們的生命財產安全。

    冬季道路表面低溫結冰，摩擦系數顯著降低，制動距離變大，危險系數增高。夏季道面溫度會達到50℃以上，汽車長時間在高溫路面行駛會使胎壓增加，極易引發爆胎，進而發生交通事故^[1]。

    目前國內外對道面溫度的測量有接觸式和非接觸式兩種方法。前者，采用熱電偶熱電阻等埋入路面測量，通過感知物理特性的某些變化來判斷路面溫度，如Lufft WST1/2、Vaisala FP2000、Vaisala DRP110等，需埋入路面使用，對路面造成破壞，安裝維護也不方便，而且接觸式測溫需要與被測物體進行充分的熱交換，經過一定時間后才能達到熱平衡，存在延遲現象。非接觸式測溫大多是通過紅外輻射來反演溫度，在潮濕積水、下雪結冰時，非接觸式測量更為準確^[2-3]。它直接安裝在道路、橋梁、高架兩側，安裝維護使用方便。我國高速公路運輸量大，路面破損較快，需經常性翻新或維修，接觸式更易損壞，增加了維護成本，非接觸式更有優勢。此外，非接觸式還具有響應速度快、測溫范圍寬、無需接觸被測物體、不干擾被測溫場的優點。

1 系統總體設計

    道面溫度測量系統安裝在道路兩旁，在道路上方對路面進行2～15 m遠距離測量，同時，要避免車輛在道路上往來的遮擋，需選擇較小的測量范圍，要求系統距離系數較大。

    道面溫度為中低溫，在波長很短的范圍內，其輻射很微弱，給探測器檢測和信號處理帶來困難。全輻射測溫法通過測量波長從零到無窮大的整個光譜范圍內的輻射功率來確定物體的輻射溫度，實現方便、精度較高、造價便宜。因此選用全輻射法進行測量^[4]。

    道面溫度測量系統如圖1所示。系統由光學系統、斬波器、紅外探測器、信號放大及處理部分和顯示輸出部分組成。光學系統接收匯聚測溫視場內待測目標的紅外輻射，通過斬波器的輻射調制，由紅外探測器接收，并轉換為相應電信號，信號處理電路對來自探測器的信號進行放大、濾波等處理后，經過溫度補償，再做進一步標定和校準，從而獲得被測目標的溫度值^[5]。

1.1 紅外探測器

    系統采用Excelitas公司LHI878紅外熱釋電探測器，該探測器探測率高、響應快，雙探測元的互補作用可減小溫度變化的干擾，提高測量的精準度和系統的穩定性。

    熱釋電探測器基于熱釋電效應，當熱釋電元件接收的輻射發生變化時，兩個電極上會產生電子形成電流，電流經場效應管后放大輸出電壓信號^[5]。它只能響應交變的輻射，其輸出的信號電壓為交流。因此需要在探測器前增加斬波器，將目標輻射調制為交流。

1.2 光學系統

    光學系統收集目標的紅外輻射，并將其聚焦于探測器上。采用透視式光學系統，用透紅外的菲涅爾透鏡簡化物鏡結構，減小探測器發散角，確定探測視場大小，增加可探測距離。圖2中L為菲涅爾透鏡，其邊框為孔徑光闌，S1、S2為消雜光光闌，S3為視場光闌，可有效地消除雜散輻射。

    探測器前用斬波器進行輻射調制，將連續的輻射信號變為交替變化的輻射信號，經探測器產生交流電壓信號，探測器輸出信號電壓正比于目標輻射與斬波器輻射之差^[6]。

    熱釋電探測器的響應式為：

其中，S為與熱釋電響應特性以及物體表面發射率有關的常數，T₀為物體表面溫度，T_a為環境溫度。

1.3 信號處理電路

    信號處理電路包括前置放大器、帶通濾波器、主放大器、相敏檢波器、低通濾波器等，以及環境溫度補償電路。

    由于目標輻射強度非常微弱，大多掩埋在強噪聲中^[7]，為了獲得高信噪比、高精度的測量值，采用常規小信號檢測方法較難實現。本文采用了電子開關型相敏檢波器來實現微弱光信號檢測，它相當于參考信號為方波情況下的模擬乘法器^[8]。

    由于目標紅外輻射信號為微弱慢變化信號，為得到很好的功率放大倍數，采用了探測器多極放大的連接電路。如圖3所示，前置放大器選用BB公司高速高精度電介隔離型場效應管OPA602，低偏置電壓最大為±250 μV，低偏置電流最大為±1 pA，具有快速的還原時間1 μs→0.01%、高轉換速率35 V/μs，以及較寬的帶寬6.5 MHz。

    本系統前置放大器轉折頻率下限f_L=1/(2πC₆·R₆)，上限f_H=1/(2πC₇·R₇)；放大器增益由R₇和R₆的比值決定，帶通頻率的選擇取決于探測器的頻率響應和斬波器的調制頻率。前置電路放大后的電壓信號強度約為毫伏量級，再經過一定倍數的二級放大得到一個后續的信號為轉換電路提供適合的電壓量級。

    信號放大后，經過帶通濾波器抑制噪聲，提高信噪比。再經過集成運算放大器OP07構成的主放大器進一步放大，通過相敏檢波器后再送入低通濾波器，濾去高于待測信號的噪聲和干擾^[9]。系統中控制產生相敏檢波器參考方波信號頻率與目標信號頻率相同。低通濾波器輸出電壓正比于目標輻射和斬波器輻射之差。用熱敏電阻來測量斬波器調制盤的溫度，其產生電壓經放大后作為環境溫度補償電壓輸入加法器，與低通濾波器輸出電壓相加，此時加法器輸出的電壓正比于目標電壓。目標電壓經A/D轉換輸入微處理器進行處理，通過標定計算得到相應的溫度。圖4為系統檢波原理圖。

2 系統標定

    測溫系統需要通過正確標定來顯示被測物體溫度。利用高精度面源黑體作為標準輻射源，用測溫系統對黑體溫度進行測量，并對每一個溫度點進行多次測量，經過多組數據處理后計算其均值，然后用黑體溫度與系統輸出信號的關系曲線進行標定。

    標定的一般方法有查表法和曲線擬合法。查表法工作量大但精度不高。曲線擬合一般根據最小二乘法，用測得數據得到一條最佳近似曲線，簡單易行，但測量精度較低。實際應用中，利用神經網絡自學習自適應的特性，能更加準確地進行擬合計算^[10]。

    BP神經網絡是按誤差逆傳播算法訓練的多層前饋網絡，包括輸入層、隱含層和輸出層。根據實際問題，選擇合適的網絡結構和相應算法可提高運算精度和效率。通過學習實現從輸入到輸出的映射，在反向傳播中不斷調整權值和閾值，使誤差平方和最小^[11]。

3 實驗結果及分析

    通過最小二乘法和BP神經網絡兩種方法進行曲線擬合并比較其擬合效果。為了方便，將測量值作為自變量、溫度作為因變量得到其變化曲線，計算不同信號值時對應的溫度值，并對其準確度進行分析。采用最小二乘法進行二次擬合，由圖5可以看出其在25 ℃～40 ℃偏差較明顯，擬合度較差。

    理論已證明，具有非線性sigmoid型激活函數的三層神經網絡可以任意精度逼近非線性連續函數。本系統采用三層BP神經網絡結構，其結構為1-5-1，第一層采用正切S型神經元，第二層采用線型神經元，訓練次數為500^[12]。通過多次重復計算，可以不斷減小偏差，提高擬合精度。對比圖5、圖6可以看出，BP神經網絡擬合度優于最小二乘法。

    通過絕對誤差、相對誤差、誤差平方和及誤差標準差來比較兩種方法擬合結果的優劣。表1列出部分計算結果，圖7為兩種方法對比圖。

    最小二乘法的誤差平方和及誤差標準差分別為8.69和0.84，絕對誤差在1以內，相對誤差在3.0%以內。BP神經網絡的誤差平方和及誤差標準差分別為0.54和0.17，絕對誤差在0.2左右，相對誤差在1.0%以下、0.5%左右。BP神經網絡的擬合效果更佳、測量精度更高。

4 外場實驗

    用標定后的系統進行實驗，并與表面溫度傳感器PT100進行對比。

    將系統安裝至安光所綜合樓樓頂天臺，對地面進行測量，測量距離8.85 m，測量角度38.7°。圖8為2016年3月31日24小時測量結果，每分鐘測量一組數據。圖9為系統所測數據與PT100數據對比，數據基本一致，相關系數達0.999。測溫系統所測溫度與PT100的所得的參考溫度在0～24時的變化趨勢大體一致，0～10時及16～24時的測量誤差較小，不超過1 ℃；10～16時測量誤差最大，達3 ℃。這是由于中午時日照較強，道面升溫明顯，而PT100有部分暴露在空氣中，因此測溫系統實測溫度比PT100參考溫度較高。

5 結論

    本文提出了一種用于道面溫度測量的非接觸式熱釋電紅外測溫系統，其優點是響應度高、安裝簡單、維護方便。通過實驗進行標定，采用最小二乘法和三層BP神經網絡進行擬合。可以看出，BP神經網絡擬合效果更好，能夠實現系統測量誤差在1%以內。最后，將系統測量結果與PT100進行對比，驗證了系統的可行性和數據的準確性。

參考文獻

[1] BOGREN J，GUSTAVSSON T，POSTG R D U.Local temperature differences in relation to weather parameters[J].International Journal of Climatology，2000，20(2)：151-170.

[2] JONSSON P，RIEHM M.Infrared thermometry in winter road maintenance[J].Journal of Atmospheric & Oceanic Technology，2012，29(6)：846-856.

[3] TODESCHINI I，NAPOLI C D，PRETTO I，et al.Thermal mapping as a valuable tool for road weather forecast and winter road maintenance: an example from the Italian Alps[C].Proceedings of the International Conference on Remote Sensing and Geoinformation of the Environment，F，2016.

[4] 楊宜汞.紅外系統[M].北京：國防工業大學出版社，1995.

[5] 楊波，陳憂先.熱釋電紅外傳感器的原理和應用[J].儀表技術，2008(6)：66-68.

[6] DERENIAK E L，BOREMAN G D.Infrared detectors and systems[M].Wiley Interscience，1996：382-383.

[7] 劉建科，張海寧，馬毅.紅外測溫中檢測強噪聲下微弱信號的新途徑[J].物理學報，2000，49(1)：106-109.

[8] 高普占.微弱信號檢測[M].北京：清華大學出版社，2004.

[9] 唐慧強，王友鵬.基于LPC2132的紅外測溫儀的研究[J].壓電與聲光，2008，30(2)：161-163.

[10] 王建軍，黃晨，高昕，等.紅外輻射測量系統內外標定技術[J].紅外與激光工程，2014，43(6)：1767-1771.

[11] 包健，趙建勇，周華英.基于BP網絡曲線擬合方法的研究[J].計算機工程與設計，2005，26(7)：1840-1841.

[12] 聞新.MATLAB神經網絡應用設計[M].北京：科學出版社，2000.

作者信息：

解  樂1，2，3，劉建國1，2，3，程  寅1，3，桂華僑1，3，陸亦懷1，3

（1.中國科學院安徽光學精密機械研究所 環境光學與技術重點實驗室，安徽 合肥230031；

2.中國科學技術大學，安徽 合肥230026；3.安徽省環境光學監測技術重點實驗室，安徽 合肥230031）