CN106226262A - 一种油气浓度检测系统 - Google Patents
一种油气浓度检测系统 Download PDFInfo
- Publication number
- CN106226262A CN106226262A CN201610560299.5A CN201610560299A CN106226262A CN 106226262 A CN106226262 A CN 106226262A CN 201610560299 A CN201610560299 A CN 201610560299A CN 106226262 A CN106226262 A CN 106226262A
- Authority
- CN
- China
- Prior art keywords
- nonce
- temperature
- kmac
- add
- temp
- 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.)
- Pending
Links
- 239000007789 gas Substances 0.000 claims abstract description 104
- 238000001514 detection method Methods 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 27
- 238000010521 absorption reaction Methods 0.000 claims abstract description 14
- 238000003384 imaging method Methods 0.000 claims abstract description 14
- 238000004891 communication Methods 0.000 claims abstract description 13
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims abstract description 12
- 239000001301 oxygen Substances 0.000 claims abstract description 12
- 229910052760 oxygen Inorganic materials 0.000 claims abstract description 12
- VIEYMVWPECAOCY-UHFFFAOYSA-N 7-amino-4-(chloromethyl)chromen-2-one Chemical compound ClCC1=CC(=O)OC2=CC(N)=CC=C21 VIEYMVWPECAOCY-UHFFFAOYSA-N 0.000 claims description 33
- 238000000034 method Methods 0.000 claims description 18
- 238000006243 chemical reaction Methods 0.000 claims description 16
- 238000001228 spectrum Methods 0.000 claims description 15
- 230000006870 function Effects 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 11
- 238000003032 molecular docking Methods 0.000 claims description 9
- 230000003287 optical effect Effects 0.000 claims description 6
- 238000001931 thermography Methods 0.000 claims description 6
- 230000009466 transformation Effects 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 4
- 230000001629 suppression Effects 0.000 claims description 4
- 230000002618 waking effect Effects 0.000 claims description 4
- 239000004215 Carbon black (E152) Substances 0.000 claims description 3
- 238000004566 IR spectroscopy Methods 0.000 claims description 3
- 238000000862 absorption spectrum Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000000701 chemical imaging Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 229930195733 hydrocarbon Natural products 0.000 claims description 3
- 150000002430 hydrocarbons Chemical class 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 239000000203 mixture Substances 0.000 claims description 3
- 238000010606 normalization Methods 0.000 claims description 3
- 230000008447 perception Effects 0.000 claims description 3
- 230000000750 progressive effect Effects 0.000 claims description 3
- 239000000523 sample Substances 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 230000003595 spectral effect Effects 0.000 claims description 3
- 235000008733 Citrus aurantifolia Nutrition 0.000 claims 1
- 235000011941 Tilia x europaea Nutrition 0.000 claims 1
- 230000008859 change Effects 0.000 claims 1
- 239000004571 lime Substances 0.000 claims 1
- 230000008439 repair process Effects 0.000 claims 1
- 230000000452 restraining effect Effects 0.000 claims 1
- 230000005856 abnormality Effects 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 239000002737 fuel gas Substances 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000004148 unit process Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- APTZNLHMIGJTEW-UHFFFAOYSA-N pyraflufen-ethyl Chemical compound C1=C(Cl)C(OCC(=O)OCC)=CC(C=2C(=C(OC(F)F)N(C)N=2)Cl)=C1F APTZNLHMIGJTEW-UHFFFAOYSA-N 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004575 stone Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N21/3504—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing gases, e.g. multi-gas analysis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
Abstract
本发明公开了一种油气浓度检测系统,油气检测模块的输出端与中央控制模块的输入端连通,影像监控模块的输出端与中央控制模块的输入端连通,中央控制模块的输出端与报警模块连通,中央监控模块与远程监控模块通过无线连通。本发明的油气浓度检测系统可以时刻检测油气罐周围油气浓度的大小,随时做出检测记录,同时通过影像监控模块与油气检测模块进行数据分析,根据补偿温度对检测区域表面温度、油气浓度、氧含量数据及按照吸收关系服从朗伯‑比尔吸收定律得到所测测油气的浓度进行补偿,获得补偿后的油气浓度检测值,发现异常可及时报警,及时提醒人们排除危险情况,保证人们生命和财产安全。
Description
技术领域
本发明属于油气浓度检测设备领域,尤其涉及一种油气浓度检测系统。
背景技术
近年来,随着我国石油加工能力和石油存储能力的不断提高,特别是国家战略石油储备的储存量不断增加,许多油气罐的可燃气体浓度接近或者超过了可燃气体的爆炸下限,如果遇到雷击、静电产生的火花将引起这些可燃气体的燃烧和爆炸,严重威胁着油库和罐区的安全运行。
因此需要一种可以进行油气浓度检测的系统用来安全预警,从而降低事故的发生率,保护人们的生命和财产安全。
发明内容
本发明的目的在于提供一种油气浓度检测系统,旨在解决检测许多油气罐的可燃气体浓度接近或者超过了可燃气体的爆炸下限的问题。
本发明是这样实现的,一种油气浓度检测系统,所述油气浓度检测系统包括:中央控制模块、油气检测模块、影像监控模块、报警模块、远程监控模块;
油气检测模块的输出端与中央控制模块的输入端连通,影像监控模块的输出端与中央控制模块的输入端连通,中央控制模块的输出端与报警模块连通,中央监控模块与远程监控模块通过无线连通;
所述油气检测模块包括:气泵、光离子检测器、管道、单向阀;管道的内部设置有单向阀,气泵的输出端与管道的输入端连接,单向阀的右端设置有光离子检测器,检测器的数据输出端与中央控制模块连通;
所述的影像监控模块包括:摄像头、温度传感器、亮度传感器;与中央控制模块连通,用来观察和记录油气罐周围环境情况的摄像头;与中央控制模块连通,用来检测油气罐周围环境温度的温度传感器;与中央控制模块连通,用来检测油气罐周围明火的亮度传感器;
所述油气浓度检测系统采用以下方法进行检测;
步骤一、采用红外光谱法,通过傅立叶红外线光谱仪依照特征吸收峰的强度来测定常见油气多组分混合物中各组分的含量,得到油气s在3.39μm附近有强烈、单一的吸收峰,对油气气体识别;
步骤二、获取检测区域表面的红外光谱图像,发射率在所选定的波长处与温度有如下近似相同的线性关系:
εi2=εi1[1+k(T2-T1)]
式中,εi1是波长为λi,温度为T1时的光谱发射率;εi2是波长为λi,温度为T2时的光谱发射率;T1、T2分别为两个不同时刻的温度;k为系数;
步骤三、记Vi1为第一个温度T1下的第i个通道的输出信号,记Vi2为第一个温度T2下的第i个通道的输出信号,T1温度下的发射率εi1∈(0,1),通过中央处理器随机选取一组εi1,由下式计算在参数εi1下实际得到的Ti1:
步骤四、k∈(-η,η),随机选取一个k,在第二个温度T2下的发射率εi2的表达式为:
由下式计算在参数εi1下实际得到的检测区域表面温度Ti2:
步骤五、依据得到的油气碳氢类的吸收光谱,按照吸收关系服从朗伯-比尔吸收定律,得到所测油气的浓度;
步骤六、采用非分散式红外检测器和电化学氧传感器探头进行多点采样,读取检测分析器的分析数据,经过计算得出每个采样点的油气浓度和氧含量数据;
步骤七、从预先存储的不同预设环境温度值与补偿温度的对应关系中,确定当前环境温度值所对应的补偿温度;
步骤八、获取检测区域热像图,经过二值化处理,每一像素点对应一温度,热像图中灰度值大于一预设值的像素点为目标像素点,对全部目标像素点对应的温度求平均值以获取所述面部的温度;或,对全部目标像素点的灰度值求平均值一获得平均像素点的灰度值,检测区域温度为所述平均像素点对应的温度;
步骤九、预先根据不同浓度油气在多个不同预设环境温度值下的温度检测值及油气表面温度实际值的差值,生成不同预设环境温度值与补偿温度的对应关系;
步骤十、根据补偿温度对检测区域表面温度、油气浓度、氧含量数据及按照吸收关系服从朗伯-比尔吸收定律得到所测测油气的浓度进行补偿,获得补偿后的油气浓度检测值。
进一步,所述中央控制模块设置有极限容量计算单元,所述极限容量计算单元的计算过程如下:
利用Laguerre多项式计算得到:
其中,m=min(Nt,Nr)
n=max(Nt,Nr);
为次数为k的Laguerre多项式:
如果令λ=n/m,推导出如下归一化后的信道容量表示式;
其中,
在快速瑞利衰落的情况下,令m=n=Nt=Nr,则v1=0,v2=4;
渐进信道容量为:
利用不等式:
log2(1+x)≥log2(x) (式6)
式(5)简化为:
进一步,所述远程监控模块设置有单播关联单元,所述单播关联单元的单播关联过程具体包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,构造Wakeup帧;在发送Wakeup帧后,向节点发送T-Poll帧;
步骤二,节点收到唤醒帧后,获得本次关联的配置信息以及Hub的公钥PKb,然后选择自己的私钥SKa长为256比特,计算公钥计算公钥PKa=SKa×G,计算出公钥后,节点再计算基于口令的公钥,PKa'=PKa-Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算:
KMAC_1A
=CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64);
利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧,并向Hub发送;
步骤三,Hub收到第一关联请求帧后,首先复原当前节点的公钥PKa=PKa'+Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;MX为使QX满足椭圆曲线上的点的最小非负整数;计算DHKey=X(SKb×PKa)=X(SKa×SKb×G),这里X()函数是取椭圆曲线密钥的X坐标值,Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五,如果不同则取消本次关联请求;
步骤四,节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同则进入本次关联的步骤五步;
步骤五,节点与Hub计算MK=CMAC(Temp_2,Nonce_a||Nonce_b,128),Temp_2=LMB(DHKey),为DHKey的最左128位;双方完成唤醒关联。
进一步,所述远程监控模块设置有多播关联单元,所述多播关联单元的多播关联过程具体包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,造广播的Wakeup帧,并广播T-Poll帧,直到收到所有需要通信的节点发送的第一关联请求帧;
步骤二,某个节点i收到Wakeup帧后,根据地址选择私钥SKAi,计算公钥计算公钥PKAi=SKAi×G计算基于口令的公钥,PKAi'=PKAi-Q(PWi),Q(PWi)=(QX,QY);QX=232×PWi+MX;选择随机数Nonce_ai,计算DHKey=X(SKai×PKb)=X(SKai×SKb×G),Temp_1=RMB_128(DHKey),节点根据收到的Wakeup帧信息以及自身选择的Nonce_ai计算:
KMAC_1A
=CMAC(Temp_1,Add_ai||Add_b||Nonce_ai||Nonce_b||SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b||Add_ai||Nonce_b||Nonce_ai||SSS,64)
节点构造第一关联请求帧并发送;
步骤三,Hub收到第i节点的第一关联请求帧后,首先复原第i节点的公钥:PKai=PKai'+Q(PW),Q(PWi)=(QX,QY),QX=232×PWi+MX,QY为正偶数;计算DHKey=X(SKb×PKai)=X(SKai×SKb×G),Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_ai||Add_b||Nonce_ai||Nonce_b||SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b||Add_ai||Nonce_b||Nonce_ai||SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧,如果不同则取消本次关联请求,发送第二关联请求帧后Hub计算MKi=CMAC(Temp_2,Nonce_ai||Nonce_b,128)为Hub与第i节点的主密钥;
步骤四,第i节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同计算MKiMKi=CMAC(Temp_2,Nonce_ai||Nonce_b,128)为第i节点与Hub的主密钥。
进一步,所述傅立叶红外线光谱仪设置有干扰抑制单元,所述干扰抑制单元的干扰抑制方法包括以下步骤:
步骤一、干扰感知器对接收信号进行干扰感知;具体过程为:对接收信号进行阶数范围为p∈(-2,0](α∈(-π,0])的分数傅立叶变换,得到分数傅立叶变换的峰值;通过比较变换后的峰值大小,选择一个能量最为聚集的阶数pO;分析经过αO阶分数傅立叶变换后的信号形式,得到其峰值位置uO和主瓣范围[u1,u2];干扰感知器将得到的最优变换阶数pO送给pO阶分数傅立叶变换器(1)、pO阶分数傅立叶变换器(2)、-pO阶分数傅立叶变换器(3);将最优变换阶数条件下干扰信号的主要位置信息[u1,u2]送给分数域谱修正器;
步骤二、pO阶分数傅立叶变换器(1)对模板信号进行阶数为pO的分数傅立叶变换,得到C(u)=[Fpoc](u),将变换后的结果送给相位因子生成器;此时,C(u)写作分段形式:
步骤三、相位因子生成器根据C(u)和式(2)得到相位函数ψ(u),并将其送给分数域谱修正器;
C1(u)=C2(2u0-u)ψ(u) (2)
其中uO为对称中心,ψ(u)为相位函数,其表现为关于u的函数;
步骤四、pO阶分数傅立叶变换器(2)对接收信号进行阶数为pO的分数傅立叶变换,得到S(u)=[FPOS](u),将S(u)送给分数域谱修正器;
步骤五、分数域谱修正器按照C(u)的分段方式将S(u)分为两段:
如果干扰存在于S1(u)段中,其位置为[u1,u2];对[u1,u2]内的信号进行修正,替换为S(u)=S2(2uo-u)ψ(u),u∈[u1,u2];将替换后的信号送给-pO阶分数傅立叶变换器(3);
步骤六、-pO阶分数傅立叶变换器(3)对接收到的信号进行阶数为-pO的分数傅立叶变换,变换后的结果即为完成Chirp信号干扰抑制的信号。
本发明提供的油气浓度检测系统可以时刻检测油气罐周围油气浓度的大小,随时做出检测记录,同时通过影像监控模块与油气检测模块进行数据分析,根据补偿温度对检测区域表面温度、油气浓度、氧含量数据及按照吸收关系服从朗伯-比尔吸收定律得到所测测油气的浓度进行补偿,获得补偿后的油气浓度检测值,发现异常可及时报警,及时提醒人们排除危险情况,保证人们生命和财产安全。本发明以Chirp信号这种宽带信号作为干扰信号,研究一种经典分数傅立叶变换域抑制Chirp干扰的信号处理方法;Chirp信号在频域占用较宽的频带,是一种宽带信号,当窄带信号被其淹没时,将很难将窄带信号与Chirp信号分离开来。而在特定阶数的经典分数傅立叶变换域(在本发明中把“经典分数傅立叶变换域”简称为“分数域”),Chirp信号将呈现能量聚集特性,通过窄带滤波等方法将可以有效地将其分离出来。用单播唤醒关联包括全新的单播Wakeup帧以及单播唤醒关联机制;多播唤醒关联包括多播Wakeup帧,地址索引号对照表以及多播唤醒关联机制。本发明缩短了从唤醒到MK建立所需的时间,减小节点等待的时间,从而在一定程度上减少了节点能量的损耗。可用于无线体域网中传感节点的唤醒关联过程。本发明实现了无线体域网传感节点在被安全唤醒的同时开始关联,缩短了从唤醒到MK建立所需的时间,减小节点等待的时间。
附图说明
图1是本发明实施例提供的油气浓度检测系统原理示意图;
图中:1、中央控制模块;2、油气检测模块;3、影像监控模块;4、报警模块;5、远程监控模块。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
下面结合附图1对本发明的应用原理作进一步描述。
本发明实施例的油气浓度检测系统采用以下方法进行检测:
步骤一、采用红外光谱法,通过傅立叶红外线光谱仪依照特征吸收峰的强度来测定常见油气多组分混合物中各组分的含量,得到油气s在3.39μm附近有强烈、单一的吸收峰,对油气气体识别;
步骤二、获取检测区域表面的红外光谱图像,发射率在所选定的波长处与温度有如下近似相同的线性关系:
εi2=εi1[1+k(T2-T1)].
式中,εi1是波长为λi,温度为T1时的光谱发射率;εi2是波长为λi,温度为T2时的光谱发射率;T1、T2分别为两个不同时刻的温度;k为系数;
步骤三、记Vi1为第一个温度T1下的第i个通道的输出信号,记Vi2为第一个温度T2下的第i个通道的输出信号,T1温度下的发射率εi1∈(0,1),通过中央处理器随机选取一组εi1,由下式计算在参数εi1下实际得到的Ti1:
步骤四、设k∈(-η,η),随机选取一个k,在第二个温度T2下的发射率εi2的表达式为:
由下式计算在参数εi1下实际得到的检测区域表面温度Ti2:
步骤五、依据得到的油气碳氢类的吸收光谱,按照吸收关系服从朗伯-比尔吸收定律,得到所测测油气的浓度;
步骤六、采用非分散式红外检测器和电化学氧传感器探头进行多点采样,读取检测分析器的分析数据,经过计算得出每个采样点的油气浓度和氧含量数据;
步骤七、从预先存储的不同预设环境温度值与补偿温度的对应关系中,确定当前环境温度值所对应的补偿温度;
步骤八、获取检测区域热像图,经过二值化处理,每一像素点对应一温度,热像图中灰度值大于一预设值的像素点为目标像素点,对全部目标像素点对应的温度求平均值以获取所述面部的温度;或,对全部目标像素点的灰度值求平均值一获得平均像素点的灰度值,检测区域温度为所述平均像素点对应的温度;
步骤九、预先根据不同浓度油气在多个不同预设环境温度值下的温度检测值及油气表面温度实际值的差值,生成不同预设环境温度值与补偿温度的对应关系;
步骤十、根据补偿温度对检测区域表面温度、油气浓度、氧含量数据及按照吸收关系服从朗伯-比尔吸收定律得到所测测油气的浓度进行补偿,获得补偿后的油气浓度检测值。
如图1所示,该油气浓度检测系统包括:中央控制模块1、油气检测模块2、影像监控模块3、报警模块4、远程监控模块5。
油气检测模块2的输出端与中央控制模块1的输入端连通,影像监控模块3的输出端与中央控制模块1的输入端连通,中央控制模块1的输出端与报警模块4连通,中央监控模块1与远程监控模5块通过无线连通。
所述的油气检测模块2包括:气泵、光离子检测器、管道、单向阀;管道的内部设置有单向阀,气泵的输出端与管道的输入端连接,单向阀的右端设置有光离子检测器,检测器的数据输出端与中央控制模块1连通。
所述的影像监控模块3包括:摄像头、温度传感器、亮度传感器;与中央控制模块1连通,用来观察和记录油气罐周围环境情况的摄像头;与中央控制模块1连通,用来检测油气罐周围环境温度的温度传感器;与中央控制模块1连通,用来检测油气罐周围明火的亮度传感器。
所述的报警模块4包括声音报警器和警示灯报警器。
进一步,所述中央控制模块设置有极限容量计算单元,所述极限容量计算单元的计算过程如下:
利用Laguerre多项式计算得到:
其中,m=min(Nt,Nr)
n=max(Nt,Nr);
为次数为k的Laguerre多项式:
如果令λ=n/m,推导出如下归一化后的信道容量表示式;
其中,
在快速瑞利衰落的情况下,令m=n=Nt=Nr,则v1=0,v2=4;
渐进信道容量为:
利用不等式:
log2(1+x)≥log2(x) (式6)
式(5)简化为:
进一步,所述远程监控模块设置有单播关联单元,所述单播关联单元的单播关联过程具体包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,构造Wakeup帧;在发送Wakeup帧后,向节点发送T-Poll帧;
步骤二,节点收到唤醒帧后,获得本次关联的配置信息以及Hub的公钥PKb,然后选择自己的私钥SKa长为256比特,计算公钥计算公钥PKa=SKa×G,计算出公钥后,节点再计算基于口令的公钥,PKa'=PKa-Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算:
KMAC_1A
=CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64);
利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧,并向Hub发送;
步骤三,Hub收到第一关联请求帧后,首先复原当前节点的公钥PKa=PKa'+Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;MX为使QX满足椭圆曲线上的点的最小非负整数;计算DHKey=X(SKb×PKa)=X(SKa×SKb×G),这里X()函数是取椭圆曲线密钥的X坐标值,Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五,如果不同则取消本次关联请求;
步骤四,节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同则进入本次关联的步骤五步;
步骤五,节点与Hub计算MK=CMAC(Temp_2,Nonce_a||Nonce_b,128),Temp_2=LMB(DHKey),为DHKey的最左128位;双方完成唤醒关联。
进一步,所述远程监控模块设置有多播关联单元,所述多播关联单元的多播关联过程具体包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,造广播的Wakeup帧,并广播T-Poll帧,直到收到所有需要通信的节点发送的第一关联请求帧;
步骤二,某个节点i收到Wakeup帧后,根据地址选择私钥SKAi,计算公钥计算公钥PKAi=SKAi×G计算基于口令的公钥,PKAi'=PKAi-Q(PWi),Q(PWi)=(QX,QY);QX=232×PWi+MX;选择随机数Nonce_ai,计算DHKey=X(SKai×PKb)=X(SKai×SKb×G),Temp_1=RMB_128(DHKey),节点根据收到的Wakeup帧信息以及自身选择的Nonce_ai计算:
KMAC_1A
=CMAC(Temp_1,Add_ai||Add_b||Nonce_ai||Nonce_b||SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b||Add_ai||Nonce_b||Nonce_ai||SSS,64)
节点构造第一关联请求帧并发送;
步骤三,Hub收到第i节点的第一关联请求帧后,首先复原第i节点的公钥:PKai=PKai'+Q(PW),Q(PWi)=(QX,QY),QX=232×PWi+MX,QY为正偶数;计算DHKey=X(SKb×PKai)=X(SKai×SKb×G),Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_ai||Add_b||Nonce_ai||Nonce_b||SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b||Add_ai||Nonce_b||Nonce_ai||SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧,如果不同则取消本次关联请求,发送第二关联请求帧后Hub计算MKi=CMAC(Temp_2,Nonce_ai||Nonce_b,128)为Hub与第i节点的主密钥;
步骤四,第i节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同计算MKiMKi=CMAC(Temp_2,Nonce_ai||Nonce_b,128)为第i节点与Hub的主密钥。
进一步,所述傅立叶红外线光谱仪设置有干扰抑制单元,所述干扰抑制单元的干扰抑制方法包括以下步骤:
步骤一、干扰感知器对接收信号进行干扰感知;具体过程为:对接收信号进行阶数范围为p∈(-2,0](α∈(-π,0])的分数傅立叶变换,得到分数傅立叶变换的峰值;通过比较变换后的峰值大小,选择一个能量最为聚集的阶数pO;分析经过αO阶分数傅立叶变换后的信号形式,得到其峰值位置uO和主瓣范围[u1,u2];干扰感知器将得到的最优变换阶数pO送给pO阶分数傅立叶变换器(1)、pO阶分数傅立叶变换器(2)、-pO阶分数傅立叶变换器(3);将最优变换阶数条件下干扰信号的主要位置信息[u1,u2]送给分数域谱修正器;
步骤二、pO阶分数傅立叶变换器(1)对模板信号进行阶数为pO的分数傅立叶变换,得到C(u)=[Fpoc](u),将变换后的结果送给相位因子生成器;此时,C(u)写作分段形式:
步骤三、相位因子生成器根据C(u)和式(2)得到相位函数ψ(u),并将其送给分数域谱修正器;
C1(u)=C2(2u0-u)ψ(u) (2)
其中uO为对称中心,ψ(u)为相位函数,其表现为关于u的函数;
步骤四、pO阶分数傅立叶变换器(2)对接收信号进行阶数为pO的分数傅立叶变换,得到S(u)=[FPOS](u),将S(u)送给分数域谱修正器;
步骤五、分数域谱修正器按照C(u)的分段方式将S(u)分为两段:
如果干扰存在于S1(u)段中,其位置为[u1,u2];对[u1,u2]内的信号进行修正,替换为S(u)=S2(2uo-u)ψ(u),u∈[u1,u2];将替换后的信号送给-pO阶分数傅立叶变换器(3);
步骤六、-pO阶分数傅立叶变换器(3)对接收到的信号进行阶数为-pO的分数傅立叶变换,变换后的结果即为完成Chirp信号干扰抑制的信号。
本发明提供的油气浓度检测系统通过油气检测模块2时刻检测油气罐周围油气浓度的大小,随时做出检测记录,同时通过影像监控模块3与油气检测模块2进行数据分析,根据补偿温度对检测区域表面温度、油气浓度、氧含量数据及按照吸收关系服从朗伯-比尔吸收定律得到所测测油气的浓度进行补偿,获得补偿后的油气浓度检测值,发现异常可及时报警,人们也能够通过远程监控模块5及时获取最新信息,及时提醒人们排除危险情况,保证人们生命和财产安全。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (5)
1.一种油气浓度检测系统,其特征在于,所述油气浓度检测系统包括:中央控制模块、油气检测模块、影像监控模块、报警模块、远程监控模块;
油气检测模块的输出端与中央控制模块的输入端连通,影像监控模块的输出端与中央控制模块的输入端连通,中央控制模块的输出端与报警模块连通,中央监控模块与远程监控模块通过无线连通;
所述油气检测模块包括:气泵、光离子检测器、管道、单向阀;管道的内部设置有单向阀,气泵的输出端与管道的输入端连接,单向阀的右端设置有光离子检测器,检测器的数据输出端与中央控制模块连通;
所述的影像监控模块包括:摄像头、温度传感器、亮度传感器;与中央控制模块连通,用来观察和记录油气罐周围环境情况的摄像头;与中央控制模块连通,用来检测油气罐周围环境温度的温度传感器;与中央控制模块连通,用来检测油气罐周围明火的亮度传感器;
所述油气浓度检测系统采用以下方法进行检测;
步骤一、采用红外光谱法,通过傅立叶红外线光谱仪依照特征吸收峰的强度来测定常见油气多组分混合物中各组分的含量,得到油气s在3.39μm附近有强烈、单一的吸收峰,对油气气体识别;
步骤二、获取检测区域表面的红外光谱图像,发射率在所选定的波长处与温度有如下近似相同的线性关系:
εi2=εi1[1+k(T2-T1)];
式中,εi1是波长为λi,温度为T1时的光谱发射率;εi2是波长为λi,温度为T2时的光谱发射率;T1、T2分别为两个不同时刻的温度;k为系数;
步骤三、记Vi1为第一个温度T1下的第i个通道的输出信号,记Vi2为第一个温度T2下的第i个通道的输出信号,T1温度下的发射率εi1∈(0,1),通过中央处理器随机选取一组εi1,由下式计算在参数εi1下实际得到的Ti1:
步骤四、k∈(-η,η),随机选取一个k,在第二个温度T2下的发射率εi2的表达式为:
由下式计算在参数εi1下实际得到的检测区域表面温度Ti2:
步骤五、依据得到的油气碳氢类的吸收光谱,按照吸收关系服从朗伯-比尔吸收定律,得到所测油气的浓度;
步骤六、采用非分散式红外检测器和电化学氧传感器探头进行多点采样,读取检测分析器的分析数据,经过计算得出每个采样点的油气浓度和氧含量数据;
步骤七、从预先存储的不同预设环境温度值与补偿温度的对应关系中,确定当前环境温度值所对应的补偿温度;
步骤八、获取检测区域热像图,经过二值化处理,每一像素点对应一温度,热像图中灰度值大于一预设值的像素点为目标像素点,对全部目标像素点对应的温度求平均值以获取所述面部的温度;或,对全部目标像素点的灰度值求平均值一获得平均像素点的灰度值,检测区域温度为所述平均像素点对应的温度;
步骤九、预先根据不同浓度油气在多个不同预设环境温度值下的温度检测值及油气表面温度实际值的差值,生成不同预设环境温度值与补偿温度的对应关系;
步骤十、根据补偿温度对检测区域表面温度、油气浓度、氧含量数据及按照吸收关系服从朗伯-比尔吸收定律得到所测测油气的浓度进行补偿,获得补偿后的油气浓度检测值。
2.如权利要求1所述的油气浓度检测系统,其特征在于,所述中央控制模块设置有极限容量计算单元,所述极限容量计算单元的计算过程如下:
利用Laguerre多项式计算得到:
其中,m=min(Nt,Nr)
n=max(Nt,Nr);
为次数为k的Laguerre多项式:
如果令λ=n/m,推导出如下归一化后的信道容量表示式;
其中,
在快速瑞利衰落的情况下,令m=n=Nt=Nr,则v1=0,v2=4;
渐进信道容量为:
利用不等式:
log2(1+x)≥log2(x) (式6)
式(5)简化为:
3.如权利要求1所述的油气浓度检测系统,其特征在于,所述远程监控模块设置有单播关联单元,所述单播关联单元的单播关联过程具体包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,构造Wakeup帧;在发送Wakeup帧后,向节点发送T-Poll帧;
步骤二,节点收到唤醒帧后,获得本次关联的配置信息以及Hub的公钥PKb,然后选择自己的私钥SKa长为256比特,计算公钥计算公钥PKa=SKa×G,计算出公钥后,节点再计算基于口令的公钥,PKa'=PKa-Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;节点根据收到的Wakeup帧中的Nonce_b以及自身选择的Nonce_a计算:
KMAC_1A
=CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64);
利用上述计算的信息PKa、KMAC_2A构造第一关联请求帧,并向Hub发送;
步骤三,Hub收到第一关联请求帧后,首先复原当前节点的公钥PKa=PKa'+Q(PW),Q(PW)=(QX,QY),QX=232×PW+MX;MX为使QX满足椭圆曲线上的点的最小非负整数;计算DHKey=X(SKb×PKa)=X(SKa×SKb×G),这里X()函数是取椭圆曲线密钥的X坐标值,Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_a||Add_b||Nonce_a||Nonce_b||SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b||Add_a||Nonce_b||Nonce_a||SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧并进入本次关联请求的步骤五,如果不同则取消本次关联请求;
步骤四,节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同则进入本次关联的步骤五步;
步骤五,节点与Hub计算MK=CMAC(Temp_2,Nonce_a||Nonce_b,128),Temp_2=LMB(DHKey),为DHKey的最左128位;双方完成唤醒关联。
4.如权利要求1所述的油气浓度检测系统,其特征在于,所述远程监控模块设置有多播关联单元,所述多播关联单元的多播关联过程具体包括:
步骤一,Hub根据当前通信的需要设置SSS、Asso_ctrl域为相应的值,造广播的Wakeup帧,并广播T-Poll帧,直到收到所有需要通信的节点发送的第一关联请求帧;
步骤二,某个节点i收到Wakeup帧后,根据地址选择私钥SKAi,计算公钥计算公钥PKAi=SKAi×G计算基于口令的公钥,PKAi'=PKAi-Q(PWi),Q(PWi)=(QX,QY);QX=232×PWi+MX;选择随机数Nonce_ai,计算DHKey=X(SKai×PKb)=X(SKai×SKb×G),Temp_1=RMB_128(DHKey),节点根据收到的Wakeup帧信息以及自身选择的Nonce_ai计算:
KMAC_1A
=CMAC(Temp_1,Add_ai||Add_b||Nonce_ai||Nonce_b||SSS,64)
KMAC_2A
=CMAC(Temp_1,Add_b||Add_ai||Nonce_b||Nonce_ai||SSS,64)
节点构造第一关联请求帧并发送;
步骤三,Hub收到第i节点的第一关联请求帧后,首先复原第i节点的公钥:PKai=PKai'+Q(PW),Q(PWi)=(QX,QY),QX=232×PWi+MX,QY为正偶数;计算DHKey=X(SKb×PKai)=X(SKai×SKb×G),Temp_1=RMB_128(DHKey),根据收到的信息以及计算得到的信息计算:
KMAC_1B
=CMAC(Temp_1,Add_ai||Add_b||Nonce_ai||Nonce_b||SSS,64)
KMAC_2B
=CMAC(Temp_1,Add_b||Add_ai||Nonce_b||Nonce_ai||SSS,64)
对比收到的KMAC_2A和计算得到的KMAC_2B,如果相同则继续构造第二关联请求帧,如果不同则取消本次关联请求,发送第二关联请求帧后Hub计算MKi=CMAC(Temp_2,Nonce_ai||Nonce_b,128)为Hub与第i节点的主密钥;
步骤四,第i节点收到第二关联请求帧,对比在步骤二中计算的KMAC_1A与收到的KMAC_1B,如果不同则取消本次关联请求,如果相同计算MKiMKi=CMAC(Temp_2,Nonce_ai||Nonce_b,128)为第i节点与Hub的主密钥。
5.如权利要求1所述的油气浓度检测系统,其特征在于,所述傅立叶红外线光谱仪设置有干扰抑制单元,所述干扰抑制单元的干扰抑制方法包括以下步骤:
步骤一、干扰感知器对接收信号进行干扰感知;具体过程为:对接收信号进行阶数范围为p∈(-2,0](α∈(-π,0])的分数傅立叶变换,得到分数傅立叶变换的峰值;通过比较变换后的峰值大小,选择一个能量最为聚集的阶数pO;分析经过αO阶分数傅立叶变换后的信号形式,得到其峰值位置uO和主瓣范围[u1,u2];干扰感知器将得到的最优变换阶数pO送给pO阶分数傅立叶变换器(1)、pO阶分数傅立叶变换器(2)、-pO阶分数傅立叶变换器(3);将最优变换阶数条件下干扰信号的主要位置信息[u1,u2]送给分数域谱修正器;
步骤二、pO阶分数傅立叶变换器(1)对模板信号进行阶数为pO的分数傅立叶变换,得到将变换后的结果送给相位因子生成器;此时,C(u)写作分段形式:
步骤三、相位因子生成器根据C(u)和式(2)得到相位函数ψ(u),并将其送给分数域谱修正器;
C1(u)=C2(2u0-u)ψ(u) (2)
其中uO为对称中心,ψ(u)为相位函数,其表现为关于u的函数;
步骤四、pO阶分数傅立叶变换器(2)对接收信号进行阶数为pO的分数傅立叶变换,得到S(u)=[FPOS](u),将S(u)送给分数域谱修正器;
步骤五、分数域谱修正器按照C(u)的分段方式将S(u)分为两段:
如果干扰存在于S1(u)段中,其位置为[u1,u2];对[u1,u2]内的信号进行修正,替换为S(u)=S2(2uo-u)ψ(u),u∈[u1,u2];将替换后的信号送给-pO阶分数傅立叶变换器(3);
步骤六、-pO阶分数傅立叶变换器(3)对接收到的信号进行阶数为-pO的分数傅立叶变换,变换后的结果即为完成Chirp信号干扰抑制的信号。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610560299.5A CN106226262A (zh) | 2016-07-15 | 2016-07-15 | 一种油气浓度检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610560299.5A CN106226262A (zh) | 2016-07-15 | 2016-07-15 | 一种油气浓度检测系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN106226262A true CN106226262A (zh) | 2016-12-14 |
Family
ID=57520038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610560299.5A Pending CN106226262A (zh) | 2016-07-15 | 2016-07-15 | 一种油气浓度检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106226262A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681290A (zh) * | 2016-12-30 | 2017-05-17 | 成都凯圣捷科技有限公司 | 油库罐区智能分析控制处理回收预控安全连锁系统 |
CN106955669A (zh) * | 2017-04-11 | 2017-07-18 | 福建省鑫森炭业股份有限公司 | 一种高性能脱硫脱硝活性炭及其制备方法 |
CN110006955A (zh) * | 2019-04-23 | 2019-07-12 | 广东省海洋工程装备技术研究所 | 一种用于检测油气管道中沙子含量的检测装置 |
CN113671101A (zh) * | 2021-07-06 | 2021-11-19 | 华能(浙江)能源开发有限公司玉环分公司 | 一种油罐区油气智能监测系统 |
CN117147795A (zh) * | 2023-10-30 | 2023-12-01 | 中国石油天然气股份有限公司 | 一种加油站油气浓度数据监控装置 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3958122A (en) * | 1974-12-19 | 1976-05-18 | United Technologies Corporation | Exhaust gas analyzer having pressure and temperature compensation |
JPH04326041A (ja) * | 1991-04-26 | 1992-11-16 | Tokyo Gas Co Ltd | ガス濃度測定方法及びその測定装置 |
CN102128806A (zh) * | 2010-12-23 | 2011-07-20 | 深圳市赛宝伦计算机技术有限公司 | 用于红外气体分析仪的气体检测方法 |
CN102547747A (zh) * | 2012-02-09 | 2012-07-04 | 哈尔滨工业大学 | 一种基于经典分数傅立叶变换的干扰抑制方法 |
CN104089919A (zh) * | 2014-07-03 | 2014-10-08 | 中国人民解放军后勤工程学院 | 一种基于红外光谱的油库大空间油气浓度检测方法 |
CN104089918A (zh) * | 2014-07-03 | 2014-10-08 | 中国人民解放军后勤工程学院 | 一种基于非分光红外法的油气在线检测装置 |
CN104113921A (zh) * | 2014-07-11 | 2014-10-22 | 山东科技大学 | 一种mimo-edm无线通信系统及方法 |
CN104301973A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 一种无线体域网快速唤醒关联的方法 |
CN104614337A (zh) * | 2015-01-06 | 2015-05-13 | 西安交通大学 | 一种便携式多组分混合气监测系统 |
CN104980710A (zh) * | 2015-06-30 | 2015-10-14 | 上海青橙实业有限公司 | 温度检测方法及移动终端 |
CN105561857A (zh) * | 2015-12-31 | 2016-05-11 | 山东泰德新能源有限公司 | 一种新型多功能混醇汽油调和罐 |
-
2016
- 2016-07-15 CN CN201610560299.5A patent/CN106226262A/zh active Pending
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US3958122A (en) * | 1974-12-19 | 1976-05-18 | United Technologies Corporation | Exhaust gas analyzer having pressure and temperature compensation |
JPH04326041A (ja) * | 1991-04-26 | 1992-11-16 | Tokyo Gas Co Ltd | ガス濃度測定方法及びその測定装置 |
CN102128806A (zh) * | 2010-12-23 | 2011-07-20 | 深圳市赛宝伦计算机技术有限公司 | 用于红外气体分析仪的气体检测方法 |
CN102547747A (zh) * | 2012-02-09 | 2012-07-04 | 哈尔滨工业大学 | 一种基于经典分数傅立叶变换的干扰抑制方法 |
CN104089919A (zh) * | 2014-07-03 | 2014-10-08 | 中国人民解放军后勤工程学院 | 一种基于红外光谱的油库大空间油气浓度检测方法 |
CN104089918A (zh) * | 2014-07-03 | 2014-10-08 | 中国人民解放军后勤工程学院 | 一种基于非分光红外法的油气在线检测装置 |
CN104113921A (zh) * | 2014-07-11 | 2014-10-22 | 山东科技大学 | 一种mimo-edm无线通信系统及方法 |
CN104301973A (zh) * | 2014-10-30 | 2015-01-21 | 西安电子科技大学 | 一种无线体域网快速唤醒关联的方法 |
CN104614337A (zh) * | 2015-01-06 | 2015-05-13 | 西安交通大学 | 一种便携式多组分混合气监测系统 |
CN104980710A (zh) * | 2015-06-30 | 2015-10-14 | 上海青橙实业有限公司 | 温度检测方法及移动终端 |
CN105561857A (zh) * | 2015-12-31 | 2016-05-11 | 山东泰德新能源有限公司 | 一种新型多功能混醇汽油调和罐 |
Non-Patent Citations (1)
Title |
---|
李浩春 主编: "《分析化学手册(第二版)第五分册 气相色谱分析》", 31 March 1999, 化学工业出版社 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106681290A (zh) * | 2016-12-30 | 2017-05-17 | 成都凯圣捷科技有限公司 | 油库罐区智能分析控制处理回收预控安全连锁系统 |
CN106681290B (zh) * | 2016-12-30 | 2024-01-23 | 成都凯圣捷科技有限公司 | 油库罐区智能分析控制处理回收预控安全连锁系统 |
CN106955669A (zh) * | 2017-04-11 | 2017-07-18 | 福建省鑫森炭业股份有限公司 | 一种高性能脱硫脱硝活性炭及其制备方法 |
CN110006955A (zh) * | 2019-04-23 | 2019-07-12 | 广东省海洋工程装备技术研究所 | 一种用于检测油气管道中沙子含量的检测装置 |
CN110006955B (zh) * | 2019-04-23 | 2021-10-01 | 广东省海洋工程装备技术研究所 | 一种用于检测油气管道中沙子含量的检测装置 |
CN113671101A (zh) * | 2021-07-06 | 2021-11-19 | 华能(浙江)能源开发有限公司玉环分公司 | 一种油罐区油气智能监测系统 |
CN113671101B (zh) * | 2021-07-06 | 2024-02-02 | 华能(浙江)能源开发有限公司玉环分公司 | 一种油罐区油气智能监测系统 |
CN117147795A (zh) * | 2023-10-30 | 2023-12-01 | 中国石油天然气股份有限公司 | 一种加油站油气浓度数据监控装置 |
CN117147795B (zh) * | 2023-10-30 | 2024-01-05 | 中国石油天然气股份有限公司 | 一种加油站油气浓度数据监控装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106226262A (zh) | 一种油气浓度检测系统 | |
CN105911020B (zh) | 一种基于光腔衰荡光谱技术同时测量多组分气体的方法 | |
US9797799B2 (en) | Intelligent adaptive system and method for monitoring leakage of oil pipeline networks based on big data | |
CN110441777A (zh) | 一种基于激光雷达的气溶胶垂直廓线的反演方法 | |
US7391557B1 (en) | Mobile terawatt femtosecond laser system (MTFLS) for long range spectral sensing and identification of bioaerosols and chemical agents in the atmosphere | |
CN103575476B (zh) | 天然气泄漏检测装置及方法 | |
CN103175759A (zh) | 基于多种地基遥感技术获取城市气溶胶复折射指数的方法 | |
CN203249865U (zh) | 基于红外光谱吸收的煤矿瓦斯浓度检测系统 | |
CN104601109A (zh) | 一种电-图模型的光伏热斑效应检测方法 | |
CN106769974A (zh) | 气体浓度二维分布在线检测系统及方法 | |
Queißer et al. | Differential absorption lidar for volcanic CO 2 sensing tested in an unstable atmosphere | |
CN109557045A (zh) | 一种用于提取tdlas技术中直接吸收谱线的拟合方法 | |
CN109655446B (zh) | 提高气体拉曼强度的三角型谐振腔/积分球联合增强腔 | |
CN102494848A (zh) | 一种监测地质封存二氧化碳泄漏的方法及装置 | |
CN106197871A (zh) | 电弧加热器漏水故障时的漏水量测量方法 | |
CN104062250B (zh) | 一种基于火焰光谱强度在线辨识锅炉煤种的方法及系统 | |
CN103983374A (zh) | 一种基于fp标准具的高光谱分辨大气瑞利测温方法 | |
CN103398976B (zh) | 反射式开路激光气体检测系统 | |
CN104568688A (zh) | 一种简易pm2.5探测仪装置 | |
CN105866068A (zh) | 一种基于递推最小二乘法的激光吸收光谱谐波信号峰值点提取方法 | |
CN210889031U (zh) | 一种煤矿井下皮带火灾预警系统 | |
CN107906555A (zh) | 基于多谱线吸收光谱断层成像技术的燃烧优化控制方法 | |
CN104198348A (zh) | 基于光电融合的pm2.5浓度检测系统及检测方法 | |
CN102954949A (zh) | 一种多路组网同时监测煤矿瓦斯浓度的系统 | |
CN115938077A (zh) | 一种化工园区气体遥测报警集成方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20161214 |