高灵敏度吸气式烟雾探测器引入中国市场已经有10余年了，一直以来，吸气式烟雾探测器以其灵敏度高，适用面广，安装便捷，维护简单等优点，给众多用户留下了深刻的印象。而普遍反应的吸气式烟雾探测器误报率相对较高这一问题，相信同样给用户留下深刻印象。

    导致吸气式烟雾探测器误报警，主要有两个方面的原因：

    1.环境内的背景烟雾浓度的正常波动超过了预设的探测器的报警阈值。

    2.混杂在背景烟雾颗粒中的灰尘颗粒，引起探测腔激光的高脉冲输出，被系统误判为火灾隐患。

    目前，在一般的吸气式烟雾探测器安装使用中，针对上面两点，降低误报率的主要手段是靠

    1.降低探测器报警灵敏度，将报警阈值设置在背景烟雾波动的浓度上限以上

    2.使用过滤器过滤灰尘过滤灰尘颗粒

    可惜的是，降低探测器灵敏度，是以牺牲探测器高灵敏度性能为代价的，这也就意味着，用户必须承担更大的火灾风险。而过滤器的使用，虽然在很大程度上降低了灰尘带来的负面影响，但却没有从根本上解决灰尘隐患这一事实。

    在英国AirSenseTechnology公司Stratos系列吸气式高灵敏度烟雾探测器问世以前，没有厂家从根本上解决高灵敏度探测器的高误报率这一问题。

    我们在以前的文章中，曾经介绍了AirSenseTechnology公司Stratos探测器的ClassiFire®人工智能专利系统，是如何通过持续不间断的学习来自动跟踪环境烟雾浓度的正常波动，自动调整设备灵敏度，来避免环境烟雾正常波动引起的误报。而这次我们要介绍的是 Stratos系列探测器的另一独特优势――LDDTM激光灰尘识别系统。

    LDDTM激光灰尘识别系统，是LaserDustDiscrimination的缩写，其工作原理是，通过探测腔的空气样本，会触发两种不同的激光信号输出：一类是由具有相同特征的烟雾颗粒引起的“稳定”的激光输出，另一类则是由灰尘颗粒间歇通过引起的“瞬间峰值”激光输出。LDDTM通过软件算法，来消除这些“瞬间峰值”，让激光腔保持稳定的输出。LDDTM的具体算法如下：

  ·探测腔以每秒约2次的频率发射激光脉冲，每次脉冲持续约15ms，在15ms的脉冲期间能输出50个光散射强度信号

    ·系统计算出这50次光散射强度信号的平均值A1，所有高于此平准值A1的信号将被移除

    ·系统再次计算出剩下光散射强度信号（低于或等于A1的）的平均值A2

    ·A2被认为是此次循环的探测器激光输出值。同时，A2作为新增因子，被传送至另一可选算术移动平均算法，用于更新其移动平均值，从而建立稳定的激光探测腔输出数据分布

    ·更新后的移动平均值用于同预先设置的报警阈值进行比较，评估是否已有火情存在。并且被Classifire®人工智能系统用于更新烟雾直方图。

激光灰尘识别系统在烟雾探测器中的应用

    LDDTM激光灰尘识别系统在实际应用中是否能经受得住苛刻环境的考验呢？AirSense Technology公司的台湾用户，在CMO电子厂房VISFab1ERCRoom进行了一次独立的，关于LDDTM功能的测试。测试人员在测试中，使用了爽身粉来模拟灰尘，分别在LDDTM能开启和关闭的情况下进行了3个项目的测试，包括：

    1.烟雾模拟测试（使用喷烟罐模拟）

    2.灰尘模拟测试（使用爽身粉模拟）

    3.同时烟雾＋灰尘测试

    每个测试项目均进行了2次测试以排除偶然干扰，下面是整个烟雾曲线记录：

激光灰尘识别系统在烟雾探测器中的应用

 LDDTM激光灰尘识别功能关闭时的具体测试数据如下：

    结果可以看到，在LDDTM未被开启的情况下，设备受到了粉尘的干扰，产生了误报警。

    LDDTM激光灰尘识别功能开启时的具体测试数据如下：

    结果可以看到，在LDDTM开启的情况下，设备并没有受到粉尘的干扰而误告警，但是对粉尘和烟雾的混合颗粒依然做出了很好的、正确的反应。

    而同时参与测试的另一主流品牌吸气式烟雾探测器（不具备LDDTM功能），无法在测试中正确区分烟雾及灰尘，受到了灰尘的影响，在任何测试项目中都产生了报警。

    根据测试结果我们不难得出结论：英国AirSenseTechnology公司Stratos系列探测器的LDDTM激光灰尘识别系统确实能有效的监测并消除灰尘颗粒引起探测器误报警。

    吸气式烟雾探测器的高误报率，一直制约着吸气式烟雾探测器的推广。大多数吸气式烟雾探测器更适用于相对洁净，环境相对稳定的场所，比如，计算机房，半导体工厂等。ClassiFire®人工智能和LDDTM激光灰尘识别技术的出现及应用，极大拓展了吸气式烟雾探测器的应用领域，事实上Stratos系列探测器也已经被广泛应用于仓库，垃圾处理站，隧道，电缆夹层，矿井等大量非洁净场所，并获得了用户的好评