CN104240432A - 基于信息融合的富锰渣生产安全监控系统及方法 - Google Patents
基于信息融合的富锰渣生产安全监控系统及方法 Download PDFInfo
- Publication number
- CN104240432A CN104240432A CN201410531106.4A CN201410531106A CN104240432A CN 104240432 A CN104240432 A CN 104240432A CN 201410531106 A CN201410531106 A CN 201410531106A CN 104240432 A CN104240432 A CN 104240432A
- Authority
- CN
- China
- Prior art keywords
- data
- image
- evidence body
- weight coefficient
- guarded region
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开了一种基于信息融合的富锰渣生产安全监控系统及方法,其系统包括信息融合计算机、视频分析计算机、声光报警设备、信息融合显示器、视频显示器和多个富锰渣生产安全监控节点;富锰渣生产安全监控节点包括以太网I/O采集模块、网络摄像机、可燃气体探测器、粉尘浓度传感器和火灾探测器。本发明的方法包括步骤:一、数据采集及传输,二、构建证据体并确定各证据体的基本可信度分配,三、确定各证据体的权重系数,四、判断监控区域Zk内的各证据体是否存在冲突,五、证据体冲突情况的生产安全状态判定,六、证据体不冲突情况的生产安全状态判定,七、视频图像分析辅助判断,八、判定结果输出。本发明设计新颖合理,监控效果直观可靠。
Description
技术领域
本发明属于富锰渣生产安全监控技术领域,具体涉及一种基于信息融合的富锰渣生产安全监控系统及方法。
背景技术
在富锰渣的生产过程中,由于生产工艺的影响,生产现场设备多、管道多、占地面积大,对安全生产带来的影响包括潜在煤气泄漏点多、粉尘源多、危险源分散、火灾爆炸事故发生可能性大等,同时,恶劣的生产现场环境严重影响监控系统安全状态监测的可靠性和稳定性。
各方面危险因素对安全监控系统带来的影响是相互的、多方面的。在富锰渣生产安全监控系统中,对煤气泄漏、粉尘污染、火灾信息等危险因素进行单一监控的安全监控系统,监测危险信息源单一,忽略了多方面危险因素的影响,容易造成误报和漏报。
作为保证富锰渣安全生产的重要手段,安全监控系统对生产中存在的多方面危险因素进行全面的监控是非常必要的。富锰渣生产安全监控中对危险因素的监测主要存在以下问题:
煤气泄漏监测:实际运用中采用可燃气体探测器对煤气泄漏进行监测,虽然可燃气体探测器灵敏度高,但是由于其工作方式的影响,可燃气体探测器受粉尘影响重,现场粉尘较多情况下,可能发生可燃气体探测器采口样堵塞的情况,引起误报漏报,甚至探测器失效。所以在粉尘含量高的富锰渣生产环境中,煤气泄漏监测的可靠性和准确性会受到严重影响。
火灾监测:火灾监测的核心之一是火灾探测器。由于火灾发生的不确定性和多变性,以及恶劣的生产环境影响,火灾探测器不可避免地要受到富锰渣生产空气中粉尘、热辐射等因素的影响,造成误报、漏报,难以满足火灾早期监测。
粉尘监测:在富锰渣生产中,由于粉尘源多,现场粉尘污染严重。但是,由于粉尘污染造成的危害往往是间接的,所以其带来的危害往往被人们忽视,从而埋下安全隐患。粉尘污染造成的危害是多方面的,如设备漏电、电路短路,可燃性粉尘还会引起火灾、爆炸等安全事故。此外,粉尘对安全监测传感器的影响严重,粉尘的堆积和飘散会造成火灾探测器、可燃气体探测器的误报漏报,甚至失效。
综上所述,富锰渣生产中对单一危险因素进行监控的安全监控系统,没有考虑安全隐患的多面性及危险因素对安全监测的影响。所以,不可避免的会受到危险因素干扰,影响安全监测的可靠性和准确性。
发明内容
本发明所要解决的技术问题在于针对上述现有技术中的不足,提供一种结构简单、设计新颖合理、对提高安全监控可靠性具有重要价值的基于信息融合的富锰渣生产安全监控系统。
为解决上述技术问题,本发明采用的技术方案是:一种基于信息融合的富锰渣生产安全监控系统,其特征在于:包括信息融合计算机、视频分析计算机和声光报警设备,以及监控中心交换机和分别布设在多个监控区域内的多个富锰渣生产安全监控节点,所述信息融合计算机的输出端接有信息融合显示器,所述视频分析计算机的输出端接有视频显示器,所述声光报警设备与信息融合计算机的输出端和视频分析计算机的输出端均相接;所述富锰渣生产安全监控节点包括以太网I/O采集模块和网络摄像机,以及与以太网I/O采集模块和网络摄像机均相接的节点交换机,所述以太网I/O采集模块的输入端接有用于对空气中可燃气体CO的浓度进行检测的可燃气体探测器、用于对空气中粉尘浓度进行检测的粉尘浓度传感器和用于对空气的烟雾减光系数进行检测的火灾探测器,所述节点交换机与监控中心交换机相接。
上述的基于信息融合的富锰渣生产安全监控系统,其特征在于:所述可燃气体探测器为特安ESD3000点型可燃气体探测器,所述粉尘浓度传感器为青岛宜兰环保工程有限公司生产的GCG1000型粉尘浓度传感器,所述火灾探测器为海湾牌JTY-GD-G3点型光电感烟火灾探测器,所述以太网I/O采集模块为研华ADAM-6217型智能以太网I/O采集模块,所述网络摄像机为大华DH-IPC-HFW3100P型网络摄像机,所述节点交换机为台湾摩莎EDS-308型工业以太网交换机,所述监控中心交换机为H3C公司生产的H3CS5024F-SI型千兆以太网交换机,所述节点交换机与监控中心交换机通过光纤相接,所述信息融合计算机和视频分析计算机均为研华IPC-610H型工业控制计算机,所述信息融合显示器和视频显示器均为夏普LCD-60DS51A型显示屏,所述声光报警设备由霍尼韦尔710RD闪灯和霍尼韦尔719电子警号组成。
本发明还提供了一种设计新颖合理、实现方便、可卡性高、弥补了该领域现有安全监控系统在图像特征分析方面的不足的基于信息融合的富锰渣生产安全监控方法,其特征在于该方法包括以下步骤:
步骤一、监控信息源数据采集及传输:将富锰渣生产区划分为m个监控区域Z1、Z2、…、Zm,每个监控区域内布设一个所述富锰渣生产安全监控节点;监控区域Zk内,以太网I/O采集模块对可燃气体探测器探测到的可燃气体CO的浓度xr进行实时采集、对粉尘浓度传感器检测到的粉尘浓度xs进行实时采集、对火灾探测器探测到的烟雾减光系数xt进行实时采集并将所采集到的信号通过节点交换机和监控中心交换机传输给信息融合计算机;同时,网络摄像机拍摄该监控区域的生产现场视频并将所拍摄到的视频通过节点交换机和监控中心交换机传输给视频分析计算机;其中,m的取值为正整数,k的取值为1~m的正整数;
步骤二、构建安全状态判断的证据体并确定出各证据体的基本可信度分配,且具体过程如下:
步骤201、传感器数据归一化处理:信息融合计算机根据公式对监控区域Zk内的可燃气体探测器探测到的可燃气体CO的浓度xr进行归一化处理,得到可燃气体CO的浓度xr的归一化处理结果其中,xrmax为可燃气体探测器探测到的可燃气体CO的浓度xr的历史数据记录中的最大值,xrmin为可燃气体探测器探测到的可燃气体CO的浓度xr的历史数据记录中的最小值;
信息融合计算机根据公式对监控区域Zk内的粉尘浓度传感器探测到的粉尘浓度xs进行归一化处理,得到粉尘浓度xs的归一化处理结果其中,xsmax为粉尘浓度传感器探测到的粉尘浓度xs的历史数据记录中的最大值,xsmin为粉尘浓度传感器探测到的粉尘浓度xs的历史数据记录中的最小值;
信息融合计算机根据公式对监控区域Zk内的火灾探测器探测到的烟雾减光系数xt进行归一化处理,得到烟雾减光系数xt的归一化处理结果其中,xtmax为火灾探测器探测到的烟雾减光系数xt历史数据记录中的最大值,xtmin为火灾探测器探测到的烟雾减光系数xt历史数据记录中的最小值;
步骤202、将监控区域Zk内可燃气体CO的浓度xr的归一化处理结果作为安全状态判断的证据体mr,将监控区域Zk内粉尘浓度xs的归一化处理结果作为安全状态判断的证据体ms,且将监控区域Zk内烟雾减光系数xt的归一化处理结果作为安全状态判断的证据体mt;
步骤203、信息融合计算机根据富锰渣生产的安全状态划分指标建立富锰渣生产安全状态辨识框架Θ={A1,A2,A3},其中A1为安全状态,A2为临界状态,A3为危险状态;
步骤204、各证据体基本可信度分配的确定,其具体过程如下:
步骤2041、信息融合计算机采用滑动窗口采样法对监控中心交换机传输给其的监控区域Zk内的可燃气体CO的浓度xr、粉尘浓度xs和烟雾减光系数xt进行实时采样,采样连续的时间段t内的数据作为样本数据;其中,t的取值为正数;
步骤2042、信息融合计算机根据富锰渣生产的可燃气体安全指标将样本数据中的可燃气体CO的浓度xr的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例,且将该安全数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例定义为证据体mr对事件A1的基本可信度分配mr(A1),将该临界数据在样本数据中的可燃气体CO中的浓度xr的数据中所占的比例定义为证据体mr对事件A2的基本可信度分配mr(A2),将该危险数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例定义为证据体mr对事件A3的基本可信度分配mr(A3);
步骤2043、信息融合计算机根据富锰渣生产的粉尘安全指标将样本数据中的粉尘浓度xs的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的粉尘浓度xs的数据中所占的比例,且将该安全数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A1的基本可信度分配ms(A1),将该临界数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A2的基本可信度分配ms(A2),将该危险数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A3的基本可信度分配ms(A3);
步骤2044、信息融合计算机根据富锰渣生产的烟雾减光系数安全指标将样本数据中的烟雾减光系数xt的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的烟雾减光系数xt的数据中所占的比例,且将该安全数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A1的基本可信度分配mt(A1),将该临界数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A2的基本可信度分配mt(A2),将该危险数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A3的基本可信度分配mt(A3);
步骤三、确定出各证据体的权重系数:采用德尔菲法进行权重分析,确定出监控区域Zk内证据体mr的权重系数wr、证据体ms的权重系数ws和证据体mt的权重系数wt;
步骤四、判断监控区域Zk内的各证据体是否存在冲突:信息融合计算机根据公式mmax(A3)≥λ1和公式mmax(A3)-mmax2(A3)≥λ2判断监控区域Zk内的各证据体是否存在冲突,当公式mmax(A3)≥λ1和公式mmax(A3)-mmax2(A3)≥λ2同时成立时,判断为监控区域Zk内的各证据体存在冲突,执行步骤五;当公式mmax(A3)≥λ1和公式mmax(A3)-mmax2(A3)≥λ2中有一个公式不成立或两个公式同时不成立时,判断为监控区域Zk内的各证据体不存在冲突,执行步骤六;其中,mmax(A3)为监控区域Zk内各证据体对事件A3的基本可信度分配的最大值,mmax2(A3)为监控区域Zk内各证据体对事件A3的基本可信度分配的次大值,λ1为监控区域Zk内各证据体对事件A3的基本可信度分配的最大值的最小阈值,λ2监控区域Zk内各证据体对事件A3的基本可信度分配的最大值与次大值差值的最小阈值;
步骤五、证据体冲突情况下的监控区域Zk的生产安全状态判定:当监控区域Zk内的各证据体存在冲突时,判断该监控区域Zk的生产安全状态为A3,执行步骤七;
步骤六、证据体不冲突情况下的监控区域Zk的生产安全状态判定,其具体过程如下:
步骤601、计算证据体的加权可信度分配:信息融合计算机根据公式计算证据体mi对事件Aj的加权可信度分配其中,i=r,s,t,j=1,2,3,mi(Aj)为证据体mi对事件Aj的基本可信度分配;
步骤602、证据体加权可信度分配融合:信息融合计算机调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj);
步骤603、判定监控区域Zk的生产安全状态:信息融合计算机根据公式Mmax(Ax)>ε1和公式Mmax(Ax)-Mmax2(Ay)>ε2判定监控区域Zk的生产安全状态,当公式Mmax(Ax)>ε1和公式Mmax(Ax)-Mmax2(Ay)>ε2同时成立时,判定监控区域Zk的生产安全状态为Ax,执行步骤八;当公式Mmax(Ax)>ε1和公式Mmax(Ax)-Mmax2(Ay)>ε2中有一个公式不成立或两个公式同时不成立时,返回步骤一;其中,Mmax(Ax)为最终可信度分配Mend(Aj)中的最大值,Mmax2(Ay)为最终可信度分配Mend(Aj)中的次大值,x=1,2,3,y=1,2,3,Ax,ε1为最终可信度分配Mend(Aj)的最大值的最小阈值,ε2为最终可信度分配Mend(Aj)的最大值与次大值差值的最小阈值;
步骤七、视频图像分析辅助判断:视频分析计算机对其接收到的监控区域Zk的视频图像进行分析处理,判断得到监控区域Zk的生产安全状态,其具体过程如下:
步骤701、图像预处理:首先,视频分析计算机根据公式Gray=0.3R+0.59G+0.11B对其接收到的监控区域Zk的视频图像进行灰度化处理;其中,Gray为灰度化处理后视频图像的灰度值,R为视频分析计算机接收到的监控区域Zk的视频图像中红色分量的值,G为视频分析计算机接收到的监控区域Zk的视频图像中绿色分量的值,B为视频分析计算机接收到的监控区域Zk的视频图像中蓝色分量的值;然后,视频分析计算机调用图像分割模块且采用背景差分法对其接收到的监控区域Zk的视频图像进行图像分割处理,将疑似烟雾图像从背景中分离出来;
步骤702、图像特征提取:首先,视频分析计算机调用图像特征提取模块且采用小波变换法对从背景中分离出疑似烟雾图像的视频图像进行特征提取,得到疑似烟雾图像与背景的高频能量比αH和疑似烟雾图像与背景的低频能量比αL;然后,视频分析计算机根据公式计算得到相邻帧图像中疑似烟雾图像的面积变化率AR;其中,An为当前帧图像中疑似烟雾图像的像素点个数,An-1为当前帧图像的前一帧图像中疑似烟雾图像的像素点个数,max(An+1,An)为当前帧图像中疑似烟雾图像的像素点个数与当前帧图像的前一帧图像中疑似烟雾图像的像素点个数的最大值;
步骤703、图像特征分析:视频分析计算机根据公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2判断疑似烟雾图像是否为烟雾图像,当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2同时成立时,判断为疑似烟雾图像是烟雾图像;当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2中有一个公式或两个公式成立时,判断为疑似烟雾图像不是烟雾图像,且将该疑似烟雾图像定义为不确定图像;当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2中三个公式同时不成立时,判断为疑似烟雾图像不是烟雾图像,且将该疑似烟雾图像定义为安全图像;其中,ξ1为疑似烟雾图像与背景的高频能量比的最小阈值,ξ2为疑似烟雾图像与背景的低频能量比的最大阈值,δ1为相邻帧图像中疑似烟雾图像的面积变化率的最小阈值,δ2为相邻帧图像中疑似烟雾图像的面积变化率的最大阈值;
步骤704、图像特征支持度分析:视频分析计算机采用滑动窗口采样法对监控中心交换机传输给其的监控区域Zk的视频图像进行实时采样,采样连续的N帧视频图像作为样本图像,并统计得到烟雾图像、不确定图像和安全图像在样本图像中所占的比例,且将烟雾图像在样本图像中所占的比例定义为图像特征对危险状态A3的支持度S(A3),将不确定图像在样本图像中所占的比例定义为图像特征对临界状态A2的支持度S(A2),将安全图像在样本图像中所占的比例定义为图像特征对安全状态A1的支持度S(A1);其中,N的取值正整数;
步骤705、监控区域Zk的生产安全状态判定:视频分析计算机将图像特征对危险状态A3的支持度S(A3)、图像特征对临界状态A2的支持度S(A2)和图像特征对安全状态A1的支持度S(A1)按照从大到小的顺序排列,且将排列在最前的支持度对应的状态判定为监控区域Zk的生产安全状态;
步骤八、监控区域Zk的生产安全状态判定结果输出:步骤一至步骤七的过程中,信息融合计算机控制信息融合显示器对其判定得到的监控区域Zk的生产安全状态进行实时显示,同时,视频分析计算机控制视频显示器对其判定得到的监控区域Zk的生产安全状态和其接收到的监控区域Zk的生产现场视频图像进行实时显示;当信息融合计算机判定监控区域Zk的生产安全状态为临界状态A2或危险状态A3时,信息融合计算机控制声光报警设备发出声光报警信号,同时,信息融合计算机发出视频图像突出显示的信号并通过监控中心交换机传输给视频分析计算机,视频分析计算机突出显示监控区域Zk的生产现场视频图像;当视频分析计算机判定监控区域Zk的生产安全状态为临界状态A2或危险状态A3时,视频分析计算机控制声光报警设备发出声光报警信号,同时,视频分析计算机突出显示监控区域Zk的生产现场视频图像。
上述的方法,其特征在于:步骤203中所述富锰渣生产的安全状态划分指标为:当空气中可燃气体CO的浓度的数据小于12ppm、空气中粉尘浓度的数据小于5mg/m3且空气的烟雾减光系数的数据小于0.05dB/m时划分为安全状态,当空气中可燃气体CO的浓度的数据为12ppm~24ppm、空气中粉尘浓度的数据为5mg/m3~10mg/m3且空气中粉尘浓度的数据为5mg/m3~10mg/m3时划分为临界状态,当空气中可燃气体CO的浓度的数据大于24ppm、空气中粉尘浓度的数据大于10mg/m3且空气的烟雾减光系数的数据大于0.30dB/m时划分为危险状态;步骤2042中所述富锰渣生产的可燃气体安全指标为:当空气中可燃气体CO的浓度的数据小于12ppm时为安全数据,当空气中可燃气体CO的浓度的数据为12ppm~24ppm时为临界数据,当空气中可燃气体CO的浓度的数据大于24ppm时为危险数据;步骤2043中所述富锰渣生产的粉尘安全指标为:当空气中粉尘浓度的数据小于5mg/m3时为安全数据,当空气中粉尘浓度的数据为5mg/m3~10mg/m3时为临界数据,当空气中粉尘浓度的数据大于10mg/m3时为危险数据;步骤2044中所述富锰渣生产的烟雾减光系数安全指标为:当空气的烟雾减光系数的数据小于0.05dB/m时为安全数据,当空气的烟雾减光系数的数据为0.05dB/m~0.30dB/m时为临界数据,当空气的烟雾减光系数的数据大于0.30dB/m时为危险数据。
上述的方法,其特征在于:步骤三中采用德尔菲法进行权重分析,确定出监控区域Zk内证据体mr的权重系数wr、证据体ms的权重系数ws和证据体mt的权重系数wt的具体过程为:
步骤301、选择专家:选本专业领域中既有实际工作经验又有较深理论修养的8~10位专家;
步骤302、将所述富锰渣生产的安全状态划分指标、监控区域Zk的信息统计表、权重系数确定表和权重系数确定规则发给各位专家,请各位专家独立地确定出待定权重系数并填入权重系数确定表中;其中,所述监控区域Zk的信息统计表中统计了监控区域Zk的序号、编号、名称、位置信息和生产工艺情况,采用的传感器类型和数量,待定权重系数wr、ws和wt对应的证据体,以及区域环境描述和区域发生危险情况的历史记录;所述权重系数确定表中列出了监控区域Zk的序号、编号和名称,待定权重系数wr、ws和wt对应的证据体,专家给定的权重系数wr、ws和wt,以及专家给定权重系数的依据;所述权重系数确定规则为:用[0,1]之间的两位小数表示权重系数;
步骤303、回收各位专家填好的权重系数确定表,将各位专家填好的权重系数确定表的专家给定的权重系数摘出,整理为权重系数统计表,计算所述权重系数统计表中权重系数wr的均值和标准差er,权重系数ws的均值和标准差es,以及权重系数wt的均值和标准差et;所述权重系数统计表中列出了监控区域Zk的序号、编号和名称,待定权重系数wr、ws和wt对应的证据体,各位专家给定的权重系数wr、ws和wt,各位专家给定的权重系数wr的最大值、最小值和平均值,各位专家给定的权重系数ws的最大值、最小值和平均值,各位专家给定的权重系数wt的最大值、最小值和平均值,以及各位专家给定权重系数依据的主要差异;
步骤304、根据公式er≤E、es≤E和et≤E判断确定出的待定权重系数wr、ws和wt是否满足需求,当公式er≤E、es≤E和et≤E同时成立时,判断为确定出的待定权重系数wr、ws和wt满足需求,将权重系数wr的均值作为证据体mr的权重系数wr,将权重系数ws的均值作为证据体ms的权重系数ws,并将权重系数wt的均值作为证据体mt的权重系数wt;当公式er≤E不成立时,判断为确定出的待定权重系数wr不满足要求;当公式es≤E不成立时,判断为确定出的待定权重系数ws不满足要求;当公式et≤E不成立时,判断为确定出的待定权重系数wt不满足要求;当公式er≤E、es≤E和et≤E中的公式有一个不成立、两个不成立或三个同时不成立时,将不满足要求的待定权重系数标记在所述权重系数统计表中,然后执行步骤305;其中,E为能够接受的待定权重系数的标准差的最大阈值;
步骤305、将标记了不满足要求的待定权重系数的所述权重系数统计表和步骤303中回收的各位专家填好的权重系数确定表返还给各位专家,要求各位专家重新确定不满足要求的待定权重系数并重新填入权重系数确定表中;然后再返回步骤303。
上述的方法,其特征在于:步骤304中所述E的取值为0.03~0.07。
上述的方法,其特征在于:步骤四中所述λ1的取值为0.55~0.75,步骤四种所述λ2的取值为0.3~0.5;步骤603中所述ε1的取值为0.5~0.7,步骤603中所述ε2的取值为0.15~0.25;步骤703中所述ξ1的取值为1.00~1.40,步骤703中所述ξ2的取值为0.30~0.50,步骤703中所述δ1的取值为0.10~0.20,步骤703中所述δ2的取值为0.30~0.50。
上述的方法,其特征在于:步骤602中所述信息融合计算机调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj)的具体过程为:
步骤6021、信息融合计算机根据公式计算证据体mr、证据体ms和证据体mt的归一化常数K;其中,p=1,2,3,q=1,2,3,u=1,2,3,Ap,Aq, 为证据体mr对事件Ap的加权可信度分配,为证据体ms对事件Aq的加权可信度分配,为证据体mt对事件Au的加权可信度分配;
步骤6022、信息融合计算机根据公式 计算得到最终可信度分配Mend(Aj)。
上述的方法,其特征在于:步骤602中所述信息融合计算机调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj)的具体过程为:
步骤6021、信息融合计算机根据公式计算证据体mr和证据体ms的归一化常数K1;其中,p=1,2,3,q=1,2,3,Ap, 为证据体mr对事件Ap的加权可信度分配,为证据体ms对事件Aq的加权可信度分配;
步骤6022、信息融合计算机根据公式计算得到证据体mr和证据体ms的融合结果对事件Av的加权可信度分配M(Av),其中,v=1,2,3,
步骤6023、将证据体mr和证据体ms的融合结果对事件Av的加权可信度分配M(Av)作为新的证据体M(Av),信息融合计算机根据公式计算证据体M(Av)和证据体mt的归一化常数K2;其中,u=1,2,3,Au, 为证据体mt对事件Au的加权可信度分配;
步骤6024、信息融合计算机根据公式计算得到最终可信度分配Mend(Aj)。
本发明与现有技术相比具有以下优点:
1、本发明基于信息融合的富锰渣生产安全监控系统是对该领域多源信息综合监控方面的有力补充,对提高安全监控可靠性具有重要价值。
2、本发明采用多种传感器(可燃气体探测器、粉尘浓度传感器、火灾探测器)获取监控区域内的安全信息,通过D-S证据理论算法、权重分配对富锰渣生产区域的安全状态进行判断,实现了富锰渣生产安全状态多方面综合判断,相对于该领域现有的单一类型传感器安全监控系统来说,可靠性得到了大幅提高,弥补了现有安全监控系统在综合处理多方面信息方面的不足。
3、本发明实现了富锰渣生产安全监控中安全信息数据与现场视频图像特征的综合处理。通过视频图像分析,提取图像特征,辅助安全信息融合进行监控区域安全状态判断,弥补了该领域现有安全监控系统在图像特征分析及安全信息与图像特征综合处理方面的不足。
综上所述,本发明设计新颖合理,可靠性高,监控效果直观可靠,推广应用价值高。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
图1为本发明富锰渣生产安全监控系统的电路原理框图。
图2为本发明富锰渣生产安全监控方法的方法流程框图。
图3为本发明实施例中样本数据的可信度分配对比图。
附图标记说明:
1—可燃气体探测器; 2—粉尘浓度传感器; 3—火灾探测器;
4—以太网I/O采集模块; 5—网络摄像机; 6—节点交换机;
7—监控中心交换机; 8—信息融合计算机; 9—视频分析计算机;
10—视频显示器; 11—声光报警设备; 12—信息融合显示器。
具体实施方式
如图1所示,本发明的基于信息融合的富锰渣生产安全监控系统,包括信息融合计算机8、视频分析计算机9和声光报警设备11,以及监控中心交换机7和分别布设在多个监控区域内的多个富锰渣生产安全监控节点,所述信息融合计算机8的输出端接有信息融合显示器12,所述视频分析计算机9的输出端接有视频显示器10,所述声光报警设备11与信息融合计算机8的输出端和视频分析计算机9的输出端均相接;所述富锰渣生产安全监控节点包括以太网I/O采集模块4和网络摄像机5,以及与以太网I/O采集模块4和网络摄像机5均相接的节点交换机6,所述以太网I/O采集模块4的输入端接有用于对空气中可燃气体CO的浓度进行检测的可燃气体探测器1、用于对空气中粉尘浓度进行检测的粉尘浓度传感器2和用于对空气的烟雾减光系数进行检测的火灾探测器3,所述节点交换机6与监控中心交换机7相接。
本实施例中,所述可燃气体探测器1为特安ESD3000点型可燃气体探测器,所述粉尘浓度传感器2为青岛宜兰环保工程有限公司生产的GCG1000型粉尘浓度传感器,所述火灾探测器3为海湾牌JTY-GD-G3点型光电感烟火灾探测器,所述以太网I/O采集模块4为研华ADAM-6217型智能以太网I/O采集模块,所述网络摄像机5为大华DH-IPC-HFW3100P型网络摄像机,所述节点交换机6为台湾摩莎EDS-308型工业以太网交换机,所述监控中心交换机7为H3C公司生产的H3C S5024F-SI型千兆以太网交换机,所述节点交换机6与监控中心交换机7通过光纤相接,所述信息融合计算机8和视频分析计算机9均为研华IPC-610H型工业控制计算机,所述信息融合显示器12和视频显示器10均为夏普LCD-60DS51A型显示屏,所述声光报警设备11由霍尼韦尔710RD闪灯和霍尼韦尔719电子警号组成。
如图2所示,本发明的基于信息融合的富锰渣生产安全监控方法,包括以下步骤:
步骤一、监控信息源数据采集及传输:将富锰渣生产区划分为m个监控区域Z1、Z2、…、Zm,每个监控区域内布设一个所述富锰渣生产安全监控节点;监控区域Zk内,以太网I/O采集模块4对可燃气体探测器1探测到的可燃气体CO的浓度xr进行实时采集、对粉尘浓度传感器2检测到的粉尘浓度xs进行实时采集、对火灾探测器3探测到的烟雾减光系数xt进行实时采集并将所采集到的信号通过节点交换机6和监控中心交换机7传输给信息融合计算机8;同时,网络摄像机5拍摄该监控区域的生产现场视频并将所拍摄到的视频通过节点交换机6和监控中心交换机7传输给视频分析计算机9;其中,m的取值为正整数,k的取值为1~m的正整数;
步骤二、构建安全状态判断的证据体并确定出各证据体的基本可信度分配,且具体过程如下:
步骤201、传感器数据归一化处理:信息融合计算机8根据公式对监控区域Zk内的可燃气体探测器1探测到的可燃气体CO的浓度xr进行归一化处理,得到可燃气体CO的浓度xr的归一化处理结果其中,xrmax为可燃气体探测器1探测到的可燃气体CO的浓度xr的历史数据记录中的最大值,xrmin为可燃气体探测器1探测到的可燃气体CO的浓度xr的历史数据记录中的最小值;
信息融合计算机8根据公式对监控区域Zk内的粉尘浓度传感器2探测到的粉尘浓度xs进行归一化处理,得到粉尘浓度xs的归一化处理结果其中,xsmax为粉尘浓度传感器2探测到的粉尘浓度xs的历史数据记录中的最大值,xsmin为粉尘浓度传感器2探测到的粉尘浓度xs的历史数据记录中的最小值;
信息融合计算机8根据公式对监控区域Zk内的火灾探测器3探测到的烟雾减光系数xt进行归一化处理,得到烟雾减光系数xt的归一化处理结果其中,xtmax为火灾探测器3探测到的烟雾减光系数xt历史数据记录中的最大值,xtmin为火灾探测器3探测到的烟雾减光系数xt历史数据记录中的最小值;
步骤202、将监控区域Zk内可燃气体CO的浓度xr的归一化处理结果作为安全状态判断的证据体mr,将监控区域Zk内粉尘浓度xs的归一化处理结果作为安全状态判断的证据体ms,且将监控区域Zk内烟雾减光系数xt的归一化处理结果作为安全状态判断的证据体mt;
步骤203、信息融合计算机8根据富锰渣生产的安全状态划分指标建立富锰渣生产安全状态辨识框架Θ={A1,A2,A3},其中A1为安全状态,A2为临界状态,A3为危险状态;
本实施例中,步骤203中所述富锰渣生产的安全状态划分指标为:当空气中可燃气体CO的浓度的数据小于12ppm、空气中粉尘浓度的数据小于5mg/m3且空气的烟雾减光系数的数据小于0.05dB/m时划分为安全状态,当空气中可燃气体CO的浓度的数据为12ppm~24ppm、空气中粉尘浓度的数据为5mg/m3~10mg/m3且空气中粉尘浓度的数据为5mg/m3~10mg/m3时划分为临界状态,当空气中可燃气体CO的浓度的数据大于24ppm、空气中粉尘浓度的数据大于10mg/m3且空气的烟雾减光系数的数据大于0.30dB/m时划分为危险状态。
步骤204、各证据体基本可信度分配的确定,其具体过程如下:
步骤2041、信息融合计算机8采用滑动窗口采样法对监控中心交换机7传输给其的监控区域Zk内的可燃气体CO的浓度xr、粉尘浓度xs和烟雾减光系数xt进行实时采样,采样连续的时间段t内的数据作为样本数据;其中,t的取值为正数;具体实施时,取t为3min~5min,数据采样间隔时间为0.5s~1s;
步骤2042、信息融合计算机8根据富锰渣生产的可燃气体安全指标将样本数据中的可燃气体CO的浓度xr的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例,且将该安全数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例定义为证据体mr对事件A1的基本可信度分配mr(A1),将该临界数据在样本数据中的可燃气体CO中的浓度xr的数据中所占的比例定义为证据体mr对事件A2的基本可信度分配mr(A2),将该危险数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例定义为证据体mr对事件A3的基本可信度分配mr(A3);
本实施例中,步骤2042中所述富锰渣生产的可燃气体安全指标为:当空气中可燃气体CO的浓度的数据小于12ppm时为安全数据,当空气中可燃气体CO的浓度的数据为12ppm~24ppm时为临界数据,当空气中可燃气体CO的浓度的数据大于24ppm时为危险数据;
步骤2043、信息融合计算机8根据富锰渣生产的粉尘安全指标将样本数据中的粉尘浓度xs的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的粉尘浓度xs的数据中所占的比例,且将该安全数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A1的基本可信度分配ms(A1),将该临界数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A2的基本可信度分配ms(A2),将该危险数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A3的基本可信度分配ms(A3);
本实施例中,步骤2043中所述富锰渣生产的粉尘安全指标为:当空气中粉尘浓度的数据小于5mg/m3时为安全数据,当空气中粉尘浓度的数据为5mg/m3~10mg/m3时为临界数据,当空气中粉尘浓度的数据大于10mg/m3时为危险数据;
步骤2044、信息融合计算机8根据富锰渣生产的烟雾减光系数安全指标将样本数据中的烟雾减光系数xt的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的烟雾减光系数xt的数据中所占的比例,且将该安全数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A1的基本可信度分配mt(A1),将该临界数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A2的基本可信度分配mt(A2),将该危险数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A3的基本可信度分配mt(A3);
本实施例中,步骤2044中所述富锰渣生产的烟雾减光系数安全指标为:当空气的烟雾减光系数的数据小于0.05dB/m时为安全数据,当空气的烟雾减光系数的数据为0.05dB/m~0.30dB/m时为临界数据,当空气的烟雾减光系数的数据大于0.30dB/m时为危险数据。
步骤三、确定出各证据体的权重系数:采用德尔菲法进行权重分析,确定出监控区域Zk内证据体mr的权重系数wr、证据体ms的权重系数ws和证据体mt的权重系数wt;
本实施例中,步骤三中采用德尔菲法进行权重分析,确定出监控区域Zk内证据体mr的权重系数wr、证据体ms的权重系数ws和证据体mt的权重系数wt的具体过程为:
步骤301、选择专家:选本专业领域中既有实际工作经验又有较深理论修养的8~10位专家;
步骤302、将所述富锰渣生产的安全状态划分指标、监控区域Zk的信息统计表、权重系数确定表和权重系数确定规则发给各位专家,请各位专家独立地确定出待定权重系数并填入权重系数确定表中;其中,所述监控区域Zk的信息统计表中统计了监控区域Zk的序号、编号、名称、位置信息和生产工艺情况,采用的传感器类型和数量,在本实施例中,监控区域Zk内采用的传感器包括:可燃气体探测器1、粉尘浓度传感器2和火灾探测器3各一个,待定权重系数wr、ws和wt对应的证据体,以及区域环境描述和区域发生危险情况的历史记录;所述权重系数确定表中列出了监控区域Zk的序号、编号和名称,待定权重系数wr、ws和wt对应的证据体,专家给定的权重系数wr、ws和wt,以及专家给定权重系数的依据;所述权重系数确定规则为:用[0,1]之间的两位小数表示权重系数;即根据不同类型证据体在生产安全监控中的重要性,结合专家的分析判断,赋予证据体不同的权重系数,0.00为权重系数最小,1.00为权重系数最大;
具体实施时,所述专家给定权重系数的依据从七个备选依据中选择,七个所述备选依据分别为:依据f1、区域内粉尘含量较低,对生产安全威胁较小;依据f2、区域内粉尘含量一般,对传感器工作有轻微影响;依据f3、区域内粉尘含量较高,对生产安全和传感器工作影响较大;依据f4、潜在煤气泄漏点较少,煤气泄漏可能性小;依据f5、潜在煤气泄漏点数量一般,煤气泄漏可能性一般,需及时监测;依据f6、潜在煤气泄漏点多,需严密监测;
步骤303、回收各位专家填好的权重系数确定表,将各位专家填好的权重系数确定表的专家给定的权重系数摘出,整理为权重系数统计表,计算所述权重系数统计表中权重系数wr的均值和标准差er,权重系数ws的均值和标准差es,以及权重系数wt的均值和标准差et;所述权重系数统计表中列出了监控区域Zk的序号、编号和名称,待定权重系数wr、ws和wt对应的证据体,各位专家给定的权重系数wr、ws和wt,各位专家给定的权重系数wr的最大值、最小值和平均值,各位专家给定的权重系数ws的最大值、最小值和平均值,各位专家给定的权重系数wt的最大值、最小值和平均值,以及各位专家给定权重系数依据的主要差异;
步骤304、根据公式er≤E、es≤E和et≤E判断确定出的待定权重系数wr、ws和wt是否满足需求,当公式er≤E、es≤E和et≤E同时成立时,判断为确定出的待定权重系数wr、ws和wt满足需求,将权重系数wr的均值作为证据体mr的权重系数wr,将权重系数ws的均值作为证据体ms的权重系数ws,并将权重系数wt的均值作为证据体mt的权重系数wt;当公式er≤E不成立时,判断为确定出的待定权重系数wr不满足要求;当公式es≤E不成立时,判断为确定出的待定权重系数ws不满足要求;当公式et≤E不成立时,判断为确定出的待定权重系数wt不满足要求;当公式er≤E、es≤E和et≤E中的公式有一个不成立、两个不成立或三个同时不成立时,将不满足要求的待定权重系数标记在所述权重系数统计表中,然后执行步骤305;其中,E为能够接受的待定权重系数的标准差的最大阈值;具体地,步骤304中所述E的取值为0.03~0.07;
步骤305、将标记了不满足要求的待定权重系数的所述权重系数统计表和步骤303中回收的各位专家填好的权重系数确定表返还给各位专家,要求各位专家重新确定不满足要求的待定权重系数并重新填入权重系数确定表中;然后再返回步骤303。具体实施时,可以要求各位专家分析自己确定出的待定权重系数与所述权重系数统计表中统计结果的不同,并分析自己给定权重系数的依据与其他专家给定权重系数的依据的不同,再重新确定不满足要求的待定权重系数并重新填入权重系数确定表中。
步骤四、判断监控区域Zk内的各证据体是否存在冲突:信息融合计算机8根据公式mmax(A3)≥λ1和mmax(A3)-mmax2(A3)≥λ2判断监控区域Zk内的各证据体是否存在冲突,当公式mmax(A3)≥λ1和mmax(A3)-mmax2(A3)≥λ2同时成立时,判断为监控区域Zk内的各证据体存在冲突,执行步骤五;当公式mmax(A3)≥λ1和mmax(A3)-mmax2(A3)≥λ2中有一个公式不成立或两个公式同时不成立时,判断为监控区域Zk内的各证据体不存在冲突,执行步骤六;其中,mmax(A3)为监控区域Zk内各证据体对事件A3的基本可信度分配的最大值,mmax2(A3)为监控区域Zk内各证据体对事件A3的基本可信度分配的次大值,λ1为监控区域Zk内各证据体对事件A3的基本可信度分配的最大值的最小阈值,λ2监控区域Zk内各证据体对事件A3的基本可信度分配的最大值与次大值差值的最小阈值;
本实施例中,步骤四中所述λ1的取值为0.55~0.75,步骤四种所述λ2的取值为0.3~0.5;步骤603中所述ε1的取值为0.5~0.7,步骤603中所述ε2的取值为0.15~0.25;步骤703中所述ξ1的取值为1.00~1.40,步骤703中所述ξ2的取值为0.30~0.50,步骤703中所述δ1的取值为0.10~0.20,步骤703中所述δ2的取值为0.30~0.50。
步骤五、证据体冲突情况下的监控区域Zk的生产安全状态判定:当监控区域Zk内的各证据体存在冲突时,判断该监控区域Zk的生产安全状态为A3,即危险状态,执行步骤七;此步骤重点考虑了监控区域Zk内各证据体对事件A3的基本可信度分配的最大值mmax(A3)所代表的危险因素的威胁;
步骤六、证据体不冲突情况下的监控区域Zk的生产安全状态判定,其具体过程如下:
步骤601、计算证据体的加权可信度分配:信息融合计算机8根据公式计算证据体mi对事件Aj的加权可信度分配其中,i=r,s,t,j=1,2,3,mi(Aj)为证据体mi对事件Aj的基本可信度分配;
步骤602、证据体加权可信度分配融合:信息融合计算机8调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj);
本实施例中,步骤602中所述信息融合计算机8调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj)的具体过程有两种方法;
第一种方法是三类证据体一次性完成融合的方法,其具体过程如下:
步骤6021、信息融合计算机8根据公式计算证据体mr、证据体ms和证据体mt的归一化常数K;其中,p=1,2,3,q=1,2,3,u=1,2,3,Ap,Aq,即Ap为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种,Aq为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种,Au为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种;为证据体mr对事件Ap的加权可信度分配,为证据体ms对事件Aq的加权可信度分配,为证据体mt对事件Au的加权可信度分配;
步骤6022、信息融合计算机8根据公式 计算得到最终可信度分配Mend(Aj)。即得到了最终融合结果对安全状态A1的可信度分配Mend(A1)、最终融合结果对安全状态A2的可信度分配Mend(A2)和最终融合结果对安全状态A3的可信度分配Mend(A3)。
第二种方法是逐步对三类证据体进行融合的方法,其具体过程如下:
步骤6021、信息融合计算机8根据公式计算证据体mr和证据体ms的归一化常数K1;其中,p=1,2,3,q=1,2,3,Ap,即Ap为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种,Aq为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种;为证据体mr对事件Ap的加权可信度分配,为证据体ms对事件Aq的加权可信度分配;
步骤6022、信息融合计算机8根据公式计算得到证据体mr和证据体ms的融合结果对事件Av的加权可信度分配M(Av),其中,v=1,2,3,即Av为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种;即得到了证据体mr和证据体ms的融合结果对安全状态A1的可信度分配M(A1),证据体mr和证据体ms的融合结果对安全状态A2的可信度分配M(A2),以及证据体mr和证据体ms的融合结果对安全状态A3的可信度分配M(A3);
步骤6023、将证据体mr和证据体ms的融合结果对事件Av的加权可信度分配M(Av)作为新的证据体M(Av),信息融合计算机8根据公式计算证据体M(Av)和证据体mt的归一化常数K2;其中,u=1,2,3,Au,即Au为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种,Av为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种;为证据体mt对事件Au的加权可信度分配;
步骤6024、信息融合计算机8根据公式计算得到最终可信度分配Mend(Aj)。即得到了最终融合结果对安全状态A1的可信度分配Mend(A1)、最终融合结果对安全状态A2的可信度分配Mend(A2)和最终融合结果对安全状态A3的可信度分配Mend(A3)。
步骤603、判定监控区域Zk的生产安全状态:信息融合计算机8根据公式Mmax(Ax)>ε1和Mmax(Ax)-Mmax2(Ay)>ε2判定监控区域Zk的生产安全状态,当公式Mmax(Ax)>ε1和Mmax(Ax)-Mmax2(Ay)>ε2同时成立时,判定监控区域Zk的生产安全状态为Ax,执行步骤八;当公式Mmax(Ax)>ε1和Mmax(Ax)-Mmax2(Ay)>ε2中有一个公式不成立或两个公式同时不成立时,返回步骤一;其中,Mmax(Ax)为最终可信度分配Mend(Aj)中的最大值,Mmax2(Ay)为最终可信度分配Mend(Aj)中的次大值,x=1,2,3,y=1,2,3,Ax,即Ax为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种,Ay为富锰渣生产安全状态辨识框架Θ={A1,A2,A3}中的任意一种,ε1为最终可信度分配Mend(Aj)的最大值的最小阈值,ε2为最终可信度分配Mend(Aj)的最大值与次大值差值的最小阈值;
步骤七、视频图像分析辅助判断:视频分析计算机9对其接收到的监控区域Zk的视频图像进行分析处理,判断得到监控区域Zk的生产安全状态,其具体过程如下:
步骤701、图像预处理:首先,视频分析计算机9根据公式Gray=0.3R+0.59G+0.11B对其接收到的监控区域Zk的视频图像进行灰度化处理;其中,Gray为灰度化处理后视频图像的灰度值,R为视频分析计算机9接收到的监控区域Zk的视频图像中红色分量的值,G为视频分析计算机9接收到的监控区域Zk的视频图像中绿色分量的值,B为视频分析计算机9接收到的监控区域Zk的视频图像中蓝色分量的值;然后,视频分析计算机9调用图像分割模块且采用背景差分法对其接收到的监控区域Zk的视频图像进行图像分割处理,将疑似烟雾图像从背景中分离出来;
步骤702、图像特征提取:首先,视频分析计算机9调用图像特征提取模块且采用小波变换法对从背景中分离出疑似烟雾图像的视频图像进行特征提取,得到疑似烟雾图像与背景的高频能量比αH和疑似烟雾图像与背景的低频能量比αL;然后,视频分析计算机(9)根据公式计算得到相邻帧图像中疑似烟雾图像的面积变化率AR;其中,An为当前帧图像中疑似烟雾图像的像素点个数,An-1为当前帧图像的前一帧图像中疑似烟雾图像的像素点个数,max(An+1,An)为当前帧图像中疑似烟雾图像的像素点个数与当前帧图像的前一帧图像中疑似烟雾图像的像素点个数的最大值;
步骤703、图像特征分析:视频分析计算机9根据公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2判断疑似烟雾图像是否为烟雾图像,当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2同时成立时,判断为疑似烟雾图像是烟雾图像;当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2中有一个公式或两个公式成立时,判断为疑似烟雾图像不是烟雾图像,且将该疑似烟雾图像定义为不确定图像;当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2中三个公式同时不成立时,判断为疑似烟雾图像不是烟雾图像,且将该疑似烟雾图像定义为安全图像;其中,ξ1为疑似烟雾图像与背景的高频能量比的最小阈值,ξ2为疑似烟雾图像与背景的低频能量比的最大阈值,δ1为相邻帧图像中疑似烟雾图像的面积变化率的最小阈值,δ2为相邻帧图像中疑似烟雾图像的面积变化率的最大阈值;
步骤704、图像特征支持度分析:视频分析计算机9采用滑动窗口采样法对监控中心交换机7传输给其的监控区域Zk的视频图像进行实时采样,采样连续的N帧视频图像作为样本图像,并统计得到烟雾图像、不确定图像和安全图像在样本图像中所占的比例,且将烟雾图像在样本图像中所占的比例定义为图像特征对危险状态A3的支持度S(A3),将不确定图像在样本图像中所占的比例定义为图像特征对临界状态A2的支持度S(A2),将安全图像在样本图像中所占的比例定义为图像特征对安全状态A1的支持度S(A1);其中,N的取值正整数;具体实施时,N的取值为100~200的正整数;
步骤705、监控区域Zk的生产安全状态判定:视频分析计算机9将图像特征对危险状态A3的支持持度S(A3)、图像特征对临界状态A2的支持度S(A2)和图像特征对安全状态A1的支持度S(A1)按照从大到小的顺序排列,且将排列在最前的支持度对应的状态判定为监控区域Zk的生产安全状态;
步骤八、监控区域Zk的生产安全状态判定结果输出:步骤一至步骤七的过程中,信息融合计算机8控制信息融合显示器12对其判定得到的监控区域Zk的生产安全状态进行实时显示,同时,视频分析计算机9控制视频显示器10对其判定得到的监控区域Zk的生产安全状态和其接收到的监控区域Zk的生产现场视频图像进行实时显示;当信息融合计算机8判定监控区域Zk的生产安全状态为临界状态A2或危险状态A3时,信息融合计算机8控制声光报警设备11发出声光报警信号,同时,信息融合计算机8发出视频图像突出显示的信号并通过监控中心交换机7传输给视频分析计算机9,视频分析计算机9突出显示监控区域Zk的生产现场视频图像;当视频分析计算机9判定监控区域Zk的生产安全状态为临界状态A2或危险状态A3时,视频分析计算机9控制声光报警设备11发出声光报警信号,同时,视频分析计算机9突出显示监控区域Zk的生产现场视频图像。当信息融合计算机8判定监控区域Zk的生产安全状态为安全状态A1时,信息融合计算机8不控制声光报警设备11发出声光报警信号;当视频分析计算机9判定监控区域Zk的生产安全状态为安全状态A1时,视频分析计算机9不控制声光报警设备11发出声光报警信号。
为了对本发明的富锰渣生产安全监控效果进行验证,将富锰渣生产区(包括3个炉区和2个烧结车间)划分为了22个监控区域,且选取了监控区域Z1(1#炉区1#区域)的6组数据作为样本数据进行了6次试验,每次试验都对数据进行了步骤二~步骤八的处理,每次试验时,步骤三中wr=0.89,ws=0.85,wt=0.80;步骤304中E=0.05;步骤四中λ1=0.65,λ2=0.5;步骤603中ε1=0.6,ε2=0.2;步骤703中ξ1=1.20,ξ2=0.40,δ1=0.1,δ2=0.40。试验时步骤204中确定出的各证据体的基本可信度分配,步骤602中信息融合计算机8融合得到的最终可信度分配Mend(Aj),步骤704中视频分析计算机(9)确定出的图像特征对各状态的支持度S(Aj)的对照表如表1-a和表1-b所示;
表1-a监控区域Z1内各证据体的基本可信度分配、最终可信度分配、图像特征对各状态的支持度对照表
表1-b监控区域Z1内各证据体的基本可信度分配、最终可信度分配、图像特征对各状态的支持度对照表
采用MATLAB进行仿真,得到样本数据的可信度分配对比图如图3所示。图3中,横坐标为样本数据序号,纵坐标为可信度分配值,具体包括证据体mr对事件A3的基本可信度分配mr(A3)、证据体ms对事件A3的基本可信度分配ms(A3)、证据体mt对事件A3的基本可信度分配mt(A3)、最终融合结果对安全状态A3的可信度分配Mend(A3)和图像特征对危险状态的A3支持度S(A3)。
从表1-a和表1-b以及图3可以看出,本发明的基于信息融合的富锰渣生产安全监控系统和监控方法具有良好的可靠性,能在单一证据体可信度分配不能对安全状态做出可靠判断的情况下,对监控区域安全状态进行判断,提高了富锰渣生产安全监控的可靠性。
以上所述,仅是本发明的较佳实施例,并非对本发明作任何限制,凡是根据本发明技术实质对以上实施例所作的任何简单修改、变更以及等效结构变化,均仍属于本发明技术方案的保护范围内。
Claims (9)
1.一种基于信息融合的富锰渣生产安全监控系统,其特征在于:包括信息融合计算机(8)、视频分析计算机(9)和声光报警设备(11),以及监控中心交换机(7)和分别布设在多个监控区域内的多个富锰渣生产安全监控节点,所述信息融合计算机(8)的输出端接有信息融合显示器(12),所述视频分析计算机(9)的输出端接有视频显示器(10),所述声光报警设备(11)与信息融合计算机(8)的输出端和视频分析计算机(9)的输出端均相接;所述富锰渣生产安全监控节点包括以太网I/O采集模块(4)和网络摄像机(5),以及与以太网I/O采集模块(4)和网络摄像机(5)均相接的节点交换机(6),所述以太网I/O采集模块(4)的输入端接有用于对空气中可燃气体CO的浓度进行检测的可燃气体探测器(1)、用于对空气中粉尘浓度进行检测的粉尘浓度传感器(2)和用于对空气的烟雾减光系数进行检测的火灾探测器(3),所述节点交换机(6)与监控中心交换机(7)相接。
2.按照权利要求1所述的基于信息融合的富锰渣生产安全监控系统,其特征在于:所述可燃气体探测器(1)为特安ESD3000点型可燃气体探测器,所述粉尘浓度传感器(2)为青岛宜兰环保工程有限公司生产的GCG1000型粉尘浓度传感器,所述火灾探测器(3)为海湾牌JTY-GD-G3点型光电感烟火灾探测器,所述以太网I/O采集模块(4)为研华ADAM-6217型智能以太网I/O采集模块,所述网络摄像机(5)为大华DH-IPC-HFW3100P型网络摄像机,所述节点交换机(6)为台湾摩莎EDS-308型工业以太网交换机,所述监控中心交换机(7)为H3C公司生产的H3C S5024F-SI型千兆以太网交换机,所述节点交换机(6)与监控中心交换机(7)通过光纤相接,所述信息融合计算机(8)和视频分析计算机(9)均为研华IPC-610H型工业控制计算机,所述信息融合显示器(12)和视频显示器(10)均为夏普LCD-60DS51A型显示屏,所述声光报警设备(11)由霍尼韦尔710RD闪灯和霍尼韦尔719电子警号组成。
3.一种利用如权利要求1所述系统对富锰渣生产安全进行监控的方法,其特征在于该方法包括以下步骤:
步骤一、监控信息源数据采集及传输:将富锰渣生产区划分为m个监控区域Z1、Z2、…、Zm,每个监控区域内布设一个所述富锰渣生产安全监控节点;监控区域Zk内,以太网I/O采集模块(4)对可燃气体探测器(1)探测到的可燃气体CO的浓度xr进行实时采集、对粉尘浓度传感器(2)检测到的粉尘浓度xs进行实时采集、对火灾探测器(3)探测到的烟雾减光系数xt进行实时采集并将所采集到的信号通过节点交换机(6)和监控中心交换机(7)传输给信息融合计算机(8);同时,网络摄像机(5)拍摄该监控区域的生产现场视频并将所拍摄到的视频通过节点交换机(6)和监控中心交换机(7)传输给视频分析计算机(9);其中,m的取值为正整数,k的取值为1~m的正整数;
步骤二、构建安全状态判断的证据体并确定出各证据体的基本可信度分配,且具体过程如下:
步骤201、传感器数据归一化处理:信息融合计算机(8)根据公式对监控区域Zk内的可燃气体探测器(1)探测到的可燃气体CO的浓度xr进行归一化处理,得到可燃气体CO的浓度xr的归一化处理结果其中,xrmax为可燃气体探测器(1)探测到的可燃气体CO的浓度xr的历史数据记录中的最大值,xrmin为可燃气体探测器(1)探测到的可燃气体CO的浓度xr的历史数据记录中的最小值;
信息融合计算机(8)根据公式对监控区域Zk内的粉尘浓度传感器(2)探测到的粉尘浓度xs进行归一化处理,得到粉尘浓度xs的归一化处理结果其中,xsmax为粉尘浓度传感器(2)探测到的粉尘浓度xs的历史数据记录中的最大值,xsmin为粉尘浓度传感器(2)探测到的粉尘浓度xs的历史数据记录中的最小值;
信息融合计算机(8)根据公式对监控区域Zk内的火灾探测器(3)探测到的烟雾减光系数xt进行归一化处理,得到烟雾减光系数xt的归一化处理结果其中,xtmax为火灾探测器(3)探测到的烟雾减光系数xt历史数据记录中的最大值,xtmin为火灾探测器(3)探测到的烟雾减光系数xt历史数据记录中的最小值;
步骤202、将监控区域Zk内可燃气体CO的浓度xr的归一化处理结果作为安全状态判断的证据体mr,将监控区域Zk内粉尘浓度xs的归一化处理结果作为安全状态判断的证据体ms,且将监控区域Zk内烟雾减光系数xt的归一化处理结果作为安全状态判断的证据体mt;
步骤203、信息融合计算机(8)根据富锰渣生产的安全状态划分指标建立富锰渣生产安全状态辨识框架Θ={A1,A2,A3},其中A1为安全状态,A2为临界状态,A3为危险状态;
步骤204、各证据体基本可信度分配的确定,其具体过程如下:
步骤2041、信息融合计算机(8)采用滑动窗口采样法对监控中心交换机(7)传输给其的监控区域Zk内的可燃气体CO的浓度xr、粉尘浓度xs和烟雾减光系数xt进行实时采样,采样连续的时间段t内的数据作为样本数据;其中,t的取值为正数;
步骤2042、信息融合计算机(8)根据富锰渣生产的可燃气体安全指标将样本数据中的可燃气体CO的浓度xr的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例,且将该安全数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例定义为证据体mr对事件A1的基本可信度分配mr(A1),将该临界数据在样本数据中的可燃气体CO中的浓度xr的数据中所占的比例定义为证据体mr对事件A2的基本可信度分配mr(A2),将该危险数据在样本数据中的可燃气体CO的浓度xr的数据中所占的比例定义为证据体mr对事件A3的基本可信度分配mr(A3);
步骤2043、信息融合计算机(8)根据富锰渣生产的粉尘安全指标将样本数据中的粉尘浓度xs的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的粉尘浓度xs的数据中所占的比例,且将该安全数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A1的基本可信度分配ms(A1),将该临界数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A2的基本可信度分配ms(A2),将该危险数据在样本数据中的粉尘浓度xs的数据中所占的比例定义为证据体ms对事件A3的基本可信度分配ms(A3);
步骤2044、信息融合计算机(8)根据富锰渣生产的烟雾减光系数安全指标将样本数据中的烟雾减光系数xt的数据分为安全数据、临界数据、危险数据三类,并统计得到安全数据、临界数据和危险数据在样本数据中的烟雾减光系数xt的数据中所占的比例,且将该安全数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A1的基本可信度分配mt(A1),将该临界数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A2的基本可信度分配mt(A2),将该危险数据在样本数据中的烟雾减光系数xt的数据中所占的比例定义为证据体mt对事件A3的基本可信度分配mt(A3);
步骤三、确定出各证据体的权重系数:采用德尔菲法进行权重分析,确定出监控区域Zk内证据体mr的权重系数wr、证据体ms的权重系数ws和证据体mt的权重系数wt;
步骤四、判断监控区域Zk内的各证据体是否存在冲突:信息融合计算机(8)根据公式mmax(A3)≥λ1和公式mmax(A3)-mmax2(A3)≥λ2判断监控区域Zk内的各证据体是否存在冲突,当公式mmax(A3)≥λ1和公式mmax(A3)-mmax2(A3)≥λ2同时成立时,判断为监控区域Zk内的各证据体存在冲突,执行步骤五;当公式mmax(A3)≥λ1和公式mmax(A3)-mmax2(A3)≥λ2中有一个公式不成立或两个公式同时不成立时,判断为监控区域Zk内的各证据体不存在冲突,执行步骤六;其中,mmax(A3)为监控区域Zk内各证据体对事件A3的基本可信度分配的最大值,mmax2(A3)为监控区域Zk内各证据体对事件A3的基本可信度分配的次大值,λ1为监控区域Zk内各证据体对事件A3的基本可信度分配的最大值的最小阈值,λ2监控区域Zk内各证据体对事件A3的基本可信度分配的最大值与次大值差值的最小阈值;
步骤五、证据体冲突情况下的监控区域Zk的生产安全状态判定:当监控区域Zk内的各证据体存在冲突时,判断该监控区域Zk的生产安全状态为A3,执行步骤七;
步骤六、证据体不冲突情况下的监控区域Zk的生产安全状态判定,其具体过程如下:
步骤601、计算证据体的加权可信度分配:信息融合计算机(8)根据公式计算证据体mi对事件Aj的加权可信度分配其中,i=r,s,t,j=1,2,3,mi(Aj)为证据体mi对事件Aj的基本可信度分配;
步骤602、证据体加权可信度分配融合:信息融合计算机(8)调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj);
步骤603、判定监控区域Zk的生产安全状态:信息融合计算机(8)根据公式Mmax(Ax)>ε1和公式Mmax(Ax)-Mmax2(Ay)>ε2判定监控区域Zk的生产安全状态,当公式Mmax(Ax)>ε1和公式Mmax(Ax)-Mmax2(Ay)>ε2同时成立时,判定监控区域Zk的生产安全状态为Ax,执行步骤八;当公式Mmax(Ax)>ε1和公式Mmax(Ax)-Mmax2(Ay)>ε2中有一个公式不成立或两个公式同时不成立时,返回步骤一;其中,Mmax(Ax)为最终可信度分配Mend(Aj)中的最大值,Mmax2(Ay)为最终可信度分配Mend(Aj)中的次大值,x=1,2,3,y=1,2,3,ε1为最终可信度分配Mend(Aj)的最大值的最小阈值,ε2为最终可信度分配Mend(Aj)的最大值与次大值差值的最小阈值;
步骤七、视频图像分析辅助判断:视频分析计算机(9)对其接收到的监控区域Zk的视频图像进行分析处理,判断得到监控区域Zk的生产安全状态,其具体过程如下:
步骤701、图像预处理:首先,视频分析计算机(9)根据公式Gray=0.3R+0.59G+0.11B对其接收到的监控区域Zk的视频图像进行灰度化处理;其中,Gray为灰度化处理后视频图像的灰度值,R为视频分析计算机(9)接收到的监控区域Zk的视频图像中红色分量的值,G为视频分析计算机(9)接收到的监控区域Zk的视频图像中绿色分量的值,B为视频分析计算机(9)接收到的监控区域Zk的视频图像中蓝色分量的值;然后,视频分析计算机(9)调用图像分割模块且采用背景差分法对其接收到的监控区域Zk的视频图像进行图像分割处理,将疑似烟雾图像从背景中分离出来;
步骤702、图像特征提取:首先,视频分析计算机(9)调用图像特征提取模块且采用小波变换法对从背景中分离出疑似烟雾图像的视频图像进行特征提取,得到疑似烟雾图像与背景的高频能量比αH和疑似烟雾图像与背景的低频能量比αL;然后,视频分析计算机(9)根据公式计算得到相邻帧图像中疑似烟雾图像的面积变化率AR;其中,An为当前帧图像中疑似烟雾图像的像素点个数,An-1为当前帧图像的前一帧图像中疑似烟雾图像的像素点个数,max(An+1,An)为当前帧图像中疑似烟雾图像的像素点个数与当前帧图像的前一帧图像中疑似烟雾图像的像素点个数的最大值;
步骤703、图像特征分析:视频分析计算机(9)根据公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2判断疑似烟雾图像是否为烟雾图像,当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2同时成立时,判断为疑似烟雾图像是烟雾图像;当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2中有一个公式或两个公式成立时,判断为疑似烟雾图像不是烟雾图像,且将该疑似烟雾图像定义为不确定图像;当公式αH≥ξ1、αL≤ξ2和δ1≤AR≤δ2中三个公式同时不成立时,判断为疑似烟雾图像不是烟雾图像,且将该疑似烟雾图像定义为安全图像;其中,ξ1为疑似烟雾图像与背景的高频能量比的最小阈值,ξ2为疑似烟雾图像与背景的低频能量比的最大阈值,δ1为相邻帧图像中疑似烟雾图像的面积变化率的最小阈值,δ2为相邻帧图像中疑似烟雾图像的面积变化率的最大阈值;
步骤704、图像特征支持度分析:视频分析计算机(9)采用滑动窗口采样法对监控中心交换机(7)传输给其的监控区域Zk的视频图像进行实时采样,采样连续的N帧视频图像作为样本图像,并统计得到烟雾图像、不确定图像和安全图像在样本图像中所占的比例,且将烟雾图像在样本图像中所占的比例定义为图像特征对危险状态A3的支持度S(A3),将不确定图像在样本图像中所占的比例定义为图像特征对临界状态A2的支持度S(A2),将安全图像在样本图像中所占的比例定义为图像特征对安全状态A1的支持度S(A1);其中,N的取值正整数;
步骤705、监控区域Zk的生产安全状态判定:视频分析计算机(9)将图像特征对危险状态A3的支持度S(A3)、图像特征对临界状态A2的支持度S(A2)和图像特征对安全状态A1的支持度S(A1)按照从大到小的顺序排列,且将排列在最前的支持度对应的状态判定为监控区域Zk的生产安全状态;
步骤八、监控区域Zk的生产安全状态判定结果输出:步骤一至步骤七的过程中,信息融合计算机(8)控制信息融合显示器(12)对其判定得到的监控区域Zk的生产安全状态进行实时显示,同时,视频分析计算机(9)控制视频显示器(10)对其判定得到的监控区域Zk的生产安全状态和其接收到的监控区域Zk的生产现场视频图像进行实时显示;当信息融合计算机(8)判定监控区域Zk的生产安全状态为临界状态A2或危险状态A3时,信息融合计算机(8)控制声光报警设备(11)发出声光报警信号,同时,信息融合计算机(8)发出视频图像突出显示的信号并通过监控中心交换机(7)传输给视频分析计算机(9),视频分析计算机(9)突出显示监控区域Zk的生产现场视频图像;当视频分析计算机(9)判定监控区域Zk的生产安全状态为临界状态A2或危险状态A3时,视频分析计算机(9)控制声光报警设备(11)发出声光报警信号,同时,视频分析计算机(9)突出显示监控区域Zk的生产现场视频图像。
4.按照权利要求3所述的方法,其特征在于:步骤203中所述富锰渣生产的安全状态划分指标为:当空气中可燃气体CO的浓度的数据小于12ppm、空气中粉尘浓度的数据小于5mg/m3且空气的烟雾减光系数的数据小于0.05dB/m时划分为安全状态,当空气中可燃气体CO的浓度的数据为12ppm~24ppm、空气中粉尘浓度的数据为5mg/m3~10mg/m3且空气中粉尘浓度的数据为5mg/m3~10mg/m3时划分为临界状态,当空气中可燃气体CO的浓度的数据大于24ppm、空气中粉尘浓度的数据大于10mg/m3且空气的烟雾减光系数的数据大于0.30dB/m时划分为危险状态;步骤2042中所述富锰渣生产的可燃气体安全指标为:当空气中可燃气体CO的浓度的数据小于12ppm时为安全数据,当空气中可燃气体CO的浓度的数据为12ppm~24ppm时为临界数据,当空气中可燃气体CO的浓度的数据大于24ppm时为危险数据;步骤2043中所述富锰渣生产的粉尘安全指标为:当空气中粉尘浓度的数据小于5mg/m3时为安全数据,当空气中粉尘浓度的数据为5mg/m3~10mg/m3时为临界数据,当空气中粉尘浓度的数据大于10mg/m3时为危险数据;步骤2044中所述富锰渣生产的烟雾减光系数安全指标为:当空气的烟雾减光系数的数据小于0.05dB/m时为安全数据,当空气的烟雾减光系数的数据为0.05dB/m~0.30dB/m时为临界数据,当空气的烟雾减光系数的数据大于0.30dB/m时为危险数据。
5.按照权利要求3所述的方法,其特征在于:步骤三中采用德尔菲法进行权重分析,确定出监控区域Zk内证据体mr的权重系数wr、证据体ms的权重系数ws和证据体mt的权重系数wt的具体过程为:
步骤301、选择专家:选本专业领域中既有实际工作经验又有较深理论修养的8~10位专家;
步骤302、将所述富锰渣生产的安全状态划分指标、监控区域Zk的信息统计表、权重系数确定表和权重系数确定规则发给各位专家,请各位专家独立地确定出待定权重系数并填入权重系数确定表中;其中,所述监控区域Zk的信息统计表中统计了监控区域Zk的序号、编号、名称、位置信息和生产工艺情况,采用的传感器类型和数量,待定权重系数wr、ws和wt对应的证据体,以及区域环境描述和区域发生危险情况的历史记录;所述权重系数确定表中列出了监控区域Zk的序号、编号和名称,待定权重系数wr、ws和wt对应的证据体,专家给定的权重系数wr、ws和wt,以及专家给定权重系数的依据;所述权重系数确定规则为:用[0,1]之间的两位小数表示权重系数;
步骤303、回收各位专家填好的权重系数确定表,将各位专家填好的权重系数确定表的专家给定的权重系数摘出,整理为权重系数统计表,计算所述权重系数统计表中权重系数wr的均值和标准差er,权重系数ws的均值和标准差es,以及权重系数wt的均值和标准差et;所述权重系数统计表中列出了监控区域Zk的序号、编号和名称,待定权重系数wr、ws和wt对应的证据体,各位专家给定的权重系数wr、ws和wt,各位专家给定的权重系数wr的最大值、最小值和平均值,各位专家给定的权重系数ws的最大值、最小值和平均值,各位专家给定的权重系数wt的最大值、最小值和平均值,以及各位专家给定权重系数依据的主要差异;
步骤304、根据公式er≤E、es≤E和et≤E判断确定出的待定权重系数wr、ws和wt是否满足需求,当公式er≤E、es≤E和et≤E同时成立时,判断为确定出的待定权重系数wr、ws和wt满足需求,将权重系数wr的均值作为证据体mr的权重系数wr,将权重系数ws的均值作为证据体ms的权重系数ws,并将权重系数wt的均值作为证据体mt的权重系数wt;当公式er≤E不成立时,判断为确定出的待定权重系数wr不满足要求;当公式es≤E不成立时,判断为确定出的待定权重系数ws不满足要求;当公式et≤E不成立时,判断为确定出的待定权重系数wt不满足要求;当公式er≤E、es≤E和et≤E中的公式有一个不成立、两个不成立或三个同时不成立时,将不满足要求的待定权重系数标记在所述权重系数统计表中,然后执行步骤305;其中,E为能够接受的待定权重系数的标准差的最大阈值;
步骤305、将标记了不满足要求的待定权重系数的所述权重系数统计表和步骤303中回收的各位专家填好的权重系数确定表返还给各位专家,要求各位专家重新确定不满足要求的待定权重系数并重新填入权重系数确定表中;然后再返回步骤303。
6.按照权利要求5所述的方法,其特征在于:步骤304中所述E的取值为0.03~0.07。
7.按照权利要求3所述的方法,其特征在于:步骤四中所述λ1的取值为0.55~0.75,步骤四种所述λ2的取值为0.3~0.5;步骤603中所述ε1的取值为0.5~0.7,步骤603中所述ε2的取值为0.15~0.25;步骤703中所述ξ1的取值为1.00~1.40,步骤703中所述ξ2的取值为0.30~0.50,步骤703中所述δ1的取值为0.10~0.20,步骤703中所述δ2的取值为0.30~0.50。
8.按照权利要求3所述的方法,其特征在于:步骤602中所述信息融合计算机(8)调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj)的具体过程为:
步骤6021、信息融合计算机(8)根据公式计算证据体mr、证据体ms和证据体mt的归一化常数K;其中,p=1,2,3,q=1,2,3,u=1,2,3, 为证据体mr对事件Ap的加权可信度分配,为证据体ms对事件Aq的加权可信度分配,为证据体mt对事件Au的加权可信度分配;
步骤6022、信息融合计算机(8)根据公式 计算得到最终可信度分配Mend(Aj)。
9.按照权利要求3所述的方法,其特征在于:步骤602中所述信息融合计算机(8)调用加权可信度分配融合模块对监控区域Zk内的各证据体进行加权可信度分配融合,得到最终可信度分配Mend(Aj)的具体过程为:
步骤6021、信息融合计算机(8)根据公式计算证据体mr和证据体ms的归一化常数K1;其中,p=1,2,3,q=1,2,3, 为证据体mr对事件Ap的加权可信度分配,为证据体ms对事件Aq的加权可信度分配;
步骤6022、信息融合计算机(8)根据公式计算得到证据体mr和证据体ms的融合结果对事件Av的加权可信度分配M(Av),其中,v=1,2,3,
步骤6023、将证据体mr和证据体ms的融合结果对事件Av的加权可信度分配M(Av)作为新的证据体M(Av),信息融合计算机(8)根据公式计算证据体M(Av)和证据体mt的归一化常数K2;其中,u=1,2,3, 为证据体mt对事件Au的加权可信度分配;
步骤6024、信息融合计算机(8)根据公式 计算得到最终可信度分配Mend(Aj)。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410531106.4A CN104240432B (zh) | 2014-10-10 | 2014-10-10 | 基于信息融合的富锰渣生产安全监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201410531106.4A CN104240432B (zh) | 2014-10-10 | 2014-10-10 | 基于信息融合的富锰渣生产安全监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN104240432A true CN104240432A (zh) | 2014-12-24 |
CN104240432B CN104240432B (zh) | 2016-09-07 |
Family
ID=52228424
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201410531106.4A Active CN104240432B (zh) | 2014-10-10 | 2014-10-10 | 基于信息融合的富锰渣生产安全监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104240432B (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110121060A (zh) * | 2019-05-27 | 2019-08-13 | 中国电子科技网络信息安全有限公司 | 一种用于网络摄像头的智能增强设备及方法 |
CN111931658A (zh) * | 2020-08-11 | 2020-11-13 | 合肥瑞纳通软件技术开发有限公司 | 一种烹饪油烟识别方法 |
CN116383769A (zh) * | 2023-05-19 | 2023-07-04 | 陕西科诺特斯科技技术有限公司 | 一种基于传感器的燃气数据检测方法及系统 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030191610A1 (en) * | 2002-03-26 | 2003-10-09 | Hai-Wen Chen | Method and system for multi-sensor data fusion using a modified dempster-shafer theory |
CN201255924Y (zh) * | 2008-09-27 | 2009-06-10 | 中国安全生产科学研究院 | 油气开采集输作业安全监控预警及安全管理系统 |
CN202331167U (zh) * | 2011-11-24 | 2012-07-11 | 西安海联石化科技有限公司 | 基于双机冗余的兰炭生产过程监控系统 |
CN102737468A (zh) * | 2012-07-11 | 2012-10-17 | 重庆大学 | 基于无线多传感器信息融合的火灾检测系统及方法 |
CN203101971U (zh) * | 2013-01-31 | 2013-07-31 | 西安科技大学 | 一种煤矿安全生产综合监控平台 |
CN103914064A (zh) * | 2014-04-01 | 2014-07-09 | 浙江大学 | 基于多分类器和d-s证据融合的工业过程故障诊断方法 |
CN103984936A (zh) * | 2014-05-29 | 2014-08-13 | 中国航空无线电电子研究所 | 用于三维动态目标识别的多传感器多特征融合识别方法 |
-
2014
- 2014-10-10 CN CN201410531106.4A patent/CN104240432B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030191610A1 (en) * | 2002-03-26 | 2003-10-09 | Hai-Wen Chen | Method and system for multi-sensor data fusion using a modified dempster-shafer theory |
CN201255924Y (zh) * | 2008-09-27 | 2009-06-10 | 中国安全生产科学研究院 | 油气开采集输作业安全监控预警及安全管理系统 |
CN202331167U (zh) * | 2011-11-24 | 2012-07-11 | 西安海联石化科技有限公司 | 基于双机冗余的兰炭生产过程监控系统 |
CN102737468A (zh) * | 2012-07-11 | 2012-10-17 | 重庆大学 | 基于无线多传感器信息融合的火灾检测系统及方法 |
CN203101971U (zh) * | 2013-01-31 | 2013-07-31 | 西安科技大学 | 一种煤矿安全生产综合监控平台 |
CN103914064A (zh) * | 2014-04-01 | 2014-07-09 | 浙江大学 | 基于多分类器和d-s证据融合的工业过程故障诊断方法 |
CN103984936A (zh) * | 2014-05-29 | 2014-08-13 | 中国航空无线电电子研究所 | 用于三维动态目标识别的多传感器多特征融合识别方法 |
Non-Patent Citations (2)
Title |
---|
张河翔: ""信息融合技术在煤矿安全监控中的应用研究"", 《中国优秀硕士学位论文全书数据库 信息科技辑》 * |
谭青,向阳辉: ""加权证据理论信息融合方法在故障诊断中的应用"", 《振动与冲击》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110121060A (zh) * | 2019-05-27 | 2019-08-13 | 中国电子科技网络信息安全有限公司 | 一种用于网络摄像头的智能增强设备及方法 |
CN111931658A (zh) * | 2020-08-11 | 2020-11-13 | 合肥瑞纳通软件技术开发有限公司 | 一种烹饪油烟识别方法 |
CN116383769A (zh) * | 2023-05-19 | 2023-07-04 | 陕西科诺特斯科技技术有限公司 | 一种基于传感器的燃气数据检测方法及系统 |
CN116383769B (zh) * | 2023-05-19 | 2023-08-15 | 陕西科诺特斯科技技术有限公司 | 一种基于传感器的燃气数据检测方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN104240432B (zh) | 2016-09-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109915736B (zh) | 一种热力管网系统及其泄漏检测的方法 | |
CN205428085U (zh) | 基于光纤光栅的室内安防系统 | |
JP4729610B2 (ja) | 煙検出装置 | |
CN110021133B (zh) | 全天候消防火灾巡逻预警监控系统及火灾图像检测方法 | |
CN104454011A (zh) | 基于图像的采煤工作面冲击地压报警方法 | |
CN103426267A (zh) | 一种基于视频分析技术的视频安全围栏系统 | |
CN110867046A (zh) | 一种基于云计算的智能洗车机视频监控预警系统 | |
CN112907869B (zh) | 基于多种传感技术的入侵检测系统 | |
CN109867186B (zh) | 一种基于智能视频分析技术的电梯困人检测方法及系统 | |
CN104454012A (zh) | 基于图像的煤矿掘进工作面冲击地压报警方法 | |
CN105279878A (zh) | 无线视频防盗自动报警系统及其方法 | |
CN203630902U (zh) | 一种改进型图像火灾探测器 | |
CN201091014Y (zh) | 一种火灾探测装置 | |
CN104240432A (zh) | 基于信息融合的富锰渣生产安全监控系统及方法 | |
CN109409243A (zh) | 一种移动目标中人体视觉检测方法 | |
CN113536440A (zh) | 一种基于bim运维管理系统的数据处理方法 | |
CN205121786U (zh) | 隧道视频火灾报警系统 | |
CN102542673A (zh) | 基于计算机视觉的atm机预警方法及系统 | |
US20130322690A1 (en) | Situation recognition apparatus and method using object energy information | |
CN110031152B (zh) | 一种热力供热系统及相邻日温度偏移累积泄漏检测的方法 | |
CN114165288B (zh) | 基于图像识别深度特征的煤矿动力灾害监测报警方法 | |
CN102737464A (zh) | 一种针对入侵报警系统状态的感知方法、装置及系统 | |
CN114511987A (zh) | 一种基于云计算的工业信息智能化监控系统 | |
CN110131784B (zh) | 一种热力供热系统及其全天温度偏移累积泄漏检测的方法 | |
CN202677588U (zh) | 基于视频联动技术的数据分析和报警装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20191230 Address after: 753000 the Ningxia Hui Autonomous Region Shizuishan Pingluo Taisha Industrial Zone Patentee after: Ningxia Sheng Yan industrial group energy recycling economy Co., Ltd. Address before: Two East Road 710065 Shaanxi electronic city of Xi'an province No. 18 Patentee before: Xian Petroleum Univ. |
|
TR01 | Transfer of patent right |