第3章传感器原理与选型

第3章：传感器原理与选型

各位同学，今天我们来聊聊传感器。这是消防报警系统的「眼睛」和「鼻子」。选错了传感器，后面的算法再牛也白搭。我在项目里见过太多因为传感器选型翻车的案例，嗯，咱们今天就把这些坑一个个填上。

3.1 离子式烟雾传感器

离子式传感器，说白了就是利用放射性物质来「看」烟雾。它里面有个小小的镅-241放射源，会电离空气产生微弱电流。烟雾颗粒一进来，电流就变了。

核心原理：电离室内的电流变化 → 烟雾浓度信号

我个人习惯在厨房、走廊这些地方用离子式。为什么？因为它对明火产生的微小颗粒特别敏感。你想想看，一张纸烧起来，产生的颗粒直径大多在0.01-1微米，离子式抓这个很准。

优点：

对明火响应快，灵敏度高
功耗极低，一节电池能撑一年
电路简单，成本低

缺点：

含有放射性物质，环保审批麻烦
对阴燃（比如电线慢慢烧）反应迟钝
容易受湿度、气流干扰

避坑指南：我曾经在一个项目中用了离子式传感器做仓库报警，结果梅雨季节天天误报。后来发现是湿度太大导致电离室参数漂移。从那以后，我在高湿度环境里坚决不用离子式。

3.2 光电式烟雾传感器

光电式就温和多了。它用红外LED发光，用光敏管接收。没烟雾时，光路是直的，接收管收不到信号。烟雾一进来，光线被散射，接收管就「看到」光了。

我建议在卧室、客厅这些地方优先考虑光电式。为什么？它对阴燃产生的较大颗粒（0.3-10微米）特别敏感。你想想看，沙发慢慢烧起来，产生的烟雾颗粒大，光电式一抓一个准。

参数	离子式	光电式
响应颗粒	0.01-1μm	0.3-10μm
明火响应	快	慢
阴燃响应	慢	快
误报率	较高（湿度影响）	较低
成本	低	中等

小技巧：实际项目中，我经常把离子式和光电式装在一起，做「双鉴」判断。两个都报警才拉响警报，误报率能降80%。

3.3 一氧化碳传感器

CO传感器，这可是救命的家伙。火灾中大部分人不是烧死的，而是被CO毒死的。CO无色无味，你根本察觉不到。

目前主流的是电化学式CO传感器。它内部有个电解池，CO进去会发生电化学反应，产生电流。电流大小和CO浓度成正比。

// CO传感器读取示例（电化学式）
uint16_t readCO(void) {
    uint32_t sum = 0;
    for(int i = 0; i < 10; i++) {
        sum += adc_read(CO_CHANNEL);
        delay_ms(10);
    }
    uint16_t avg = sum / 10;
    // 转换公式：电压 → 浓度（ppm）
    // 假设灵敏度为 0.5mV/ppm
    uint16_t ppm = (avg * 3.3 * 1000) / (4096 * 0.5);
    return ppm;
}

这里要注意，电化学传感器有个「预热时间」。刚上电那会儿，读数是不准的。我记得第一次用CO传感器时，上电就读数，结果显示1000多ppm，吓我一跳。后来才知道要等2分钟稳定。

重要提醒：CO传感器有使用寿命，一般是5-7年。电解液会干涸，灵敏度会下降。我在项目里都会加一个寿命监测功能，到期了主动提醒更换。

3.4 温度传感器

温度传感器在消防系统里，主要用来做「确认」和「分级」。烟雾报警了，温度也上来了，那基本可以确定是火灾。

3.4.1 热电偶

热电偶的原理很简单：两种不同金属接在一起，加热会产生电压。这个电压和温度成正比。我常用的K型热电偶，能测到1000多度，火灾现场完全够用。

优点：响应快、测温范围广、便宜

缺点：精度一般、需要冷端补偿

3.4.2 热敏电阻

热敏电阻分两种：NTC（负温度系数）和PTC（正温度系数）。消防系统里常用NTC，温度越高电阻越小。

// NTC温度读取（Steinhart-Hart方程）
float readTemperature(uint16_t adc_value) {
    float R = 10000.0 / (4095.0 / (float)adc_value - 1.0);
    float T = 1.0 / (0.001129148 + 0.000234125 * log(R) 
              + 0.0000000876741 * pow(log(R), 3));
    return T - 273.15;  // 转换为摄氏度
}

我个人习惯在探测器内部用NTC做温度补偿。因为烟雾传感器受温度影响很大，用NTC测到温度变化后，可以修正烟雾读数。

3.5 多传感器融合策略

好了，单个传感器讲完了。但实际项目中，没人只用一种传感器。多传感器融合才是王道。

我常用的融合策略是这样的：

数据级融合：先把各个传感器的原始数据做滤波、归一化处理
特征级融合：提取关键特征，比如烟雾变化率、温度上升速率
决策级融合：用逻辑判断或简单算法做最终决策

实战案例：我曾经做过一个项目，用了光电+离子+CO+温度四合一探测器。判断逻辑是这样的：

光电报警 + 温度正常 → 可能是水蒸气，不拉警报
光电报警 + 温度上升 → 确认火灾，拉警报
CO浓度 > 50ppm + 温度上升 → 直接拉警报（即使烟雾没报警）
离子式报警 + 光电没报警 → 可能是明火，需要人工确认

你想想看，如果只用一种传感器，水蒸气就能让光电式误报。但加上温度判断，误报率就下来了。这就是融合的价值。

我的经验：多传感器融合不一定要用复杂的神经网络。很多时候，一个简单的决策树就能解决90%的问题。先跑通，再优化，别一上来就上深度学习。

嗯，传感器这块内容不少。但记住一句话：选型看场景，融合看逻辑。下一章我们聊聊信号调理电路，把传感器的微弱信号变成单片机能读的数字量。

📚 课程目录