CN106226262A - 一种油气浓度检测系统 - Google Patents

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

一种油气浓度检测系统

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：

ε_i2＝ε_i1[1+k(T₂-T₁)]

式中，ε_i1是波长为λ_i，温度为T1时的光谱发射率；ε_i2是波长为λ_i，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V_i1为第一个温度T₁下的第i个通道的输出信号，记V_i2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ε_i1∈(0,1)，通过中央处理器随机选取一组ε_i1，由下式计算在参数ε_i1下实际得到的T_i1：

$T_{i1}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}ln\frac{{\mathrm{\ϵ}}_{i1}{V}_i^{\′}}{V_{i2}}};$

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ε_i2的表达式为：

${\mathrm{\ϵ}}_i^2={\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\];$

由下式计算在参数ε_i1下实际得到的检测区域表面温度T_i2：

$T_{i2}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}ln\frac{{\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\]V_i^{\′}}{V_{i2}}};$

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(N_t,N_r)

n＝max(N_t,N_r)；

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，

$v_2={(\sqrt{\mathrm{\τ}}+1)}^2;$

在快速瑞利衰落的情况下，令m＝n＝N_t＝N_r，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PK_b，然后选择自己的私钥SK_a长为256比特，计算公钥计算公钥PK_a＝SK_a×G，计算出公钥后，节点再计算基于口令的公钥，PK_a'＝PK_a-Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；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PK_a、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PK_a＝PK_a'+Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；M_X为使Q_X满足椭圆曲线上的点的最小非负整数；计算DHKey＝X(SK_b×PK_a)＝X(SK_a×SK_b×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SK_Ai，计算公钥计算公钥PK_Ai＝SK_Ai×G计算基于口令的公钥，PK_Ai'＝PK_Ai-Q(PW_i)，Q(PW_i)＝(Q_X，Q_Y)；Q_X＝2³²×PW_i+M_X；选择随机数Nonce_a_i，计算DHKey＝X(SK_ai×PK_b)＝X(SK_ai×SK_b×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_a_i计算：

KMAC_1A

＝CMAC(Temp_1,Add_a_i||Add_b||Nonce_a_i||Nonce_b||SSS,64)

KMAC_2A

＝CMAC(Temp_1,Add_b||Add_a_i||Nonce_b||Nonce_a_i||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：PK_ai＝PK_ai'+Q(PW)，Q(PW_i)＝(Q_X，Q_Y)，Q_X＝2³²×PW_i+M_X，Q_Y为正偶数；计算DHKey＝X(SK_b×PK_ai)＝X(SK_ai×SK_b×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_a_i||Add_b||Nonce_a_i||Nonce_b||SSS,64)

KMAC_2B

＝CMAC(Temp_1,Add_b||Add_a_i||Nonce_b||Nonce_a_i||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MK_i＝CMAC(Temp_2,Nonce_a_i||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MK_iMK_i＝CMAC(Temp_2,Nonce_a_i||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p_O；分析经过α_O阶分数傅立叶变换后的信号形式，得到其峰值位置u_O和主瓣范围[u₁，u2]；干扰感知器将得到的最优变换阶数p_O送给p_O阶分数傅立叶变换器(1)、p_O阶分数傅立叶变换器(2)、-p_O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、p_O阶分数傅立叶变换器(1)对模板信号进行阶数为p_O的分数傅立叶变换，得到C(u)＝[F^poc](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：

$C\left(u\right)=\left\{\begin{array}{c}{C}_1\left(u\right),u\≤u_o\\ C_2\left(u\right),u>u_o\end{array}\right.---\left(1\right)$

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u_O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、p_O阶分数傅立叶变换器(2)对接收信号进行阶数为p_O的分数傅立叶变换，得到S(u)＝[F^POS](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：

$S\left(u\right)=\left\{\begin{array}{c}{S}_1\left(u\right),u\≤u_o\\ S_2\left(u\right),u>u_o\end{array}\right.---\left(3\right)$

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(2u_o-u)ψ(u)，u∈[u₁，u₂]；将替换后的信号送给-p_O阶分数傅立叶变换器(3)；

步骤六、-p_O阶分数傅立叶变换器(3)对接收到的信号进行阶数为-p_O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：

ε_i2＝ε_i1[1+k(T₂-T₁)].

式中，ε_i1是波长为λ_i，温度为T1时的光谱发射率；ε_i2是波长为λ_i，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V_i1为第一个温度T₁下的第i个通道的输出信号，记V_i2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ε_i1∈(0,1)，通过中央处理器随机选取一组ε_i1，由下式计算在参数ε_i1下实际得到的T_i1：

$T_{i1}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}ln\frac{{\mathrm{\ϵ}}_{i1}{V}_i^{\′}}{V_{i2}}};$

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ε_i2的表达式为：

${\mathrm{\ϵ}}_i^2={\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\];$

由下式计算在参数ε_i1下实际得到的检测区域表面温度T_i2：

$T_{i2}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}ln\frac{{\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\]V_i^{\′}}{V_{i2}}};$

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(N_t,N_r)

n＝max(N_t,N_r)；

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，

$v_2={(\sqrt{\mathrm{\τ}}+1)}^2;$

在快速瑞利衰落的情况下，令m＝n＝N_t＝N_r，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PK_b，然后选择自己的私钥SK_a长为256比特，计算公钥计算公钥PK_a＝SK_a×G，计算出公钥后，节点再计算基于口令的公钥，PK_a'＝PK_a-Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；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PK_a、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PK_a＝PK_a'+Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；M_X为使Q_X满足椭圆曲线上的点的最小非负整数；计算DHKey＝X(SK_b×PK_a)＝X(SK_a×SK_b×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SK_Ai，计算公钥计算公钥PK_Ai＝SK_Ai×G计算基于口令的公钥，PK_Ai'＝PK_Ai-Q(PW_i)，Q(PW_i)＝(Q_X，Q_Y)；Q_X＝2³²×PW_i+M_X；选择随机数Nonce_a_i，计算DHKey＝X(SK_ai×PK_b)＝X(SK_ai×SK_b×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_a_i计算：

KMAC_1A

＝CMAC(Temp_1,Add_a_i||Add_b||Nonce_a_i||Nonce_b||SSS,64)

KMAC_2A

＝CMAC(Temp_1,Add_b||Add_a_i||Nonce_b||Nonce_a_i||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：PK_ai＝PK_ai'+Q(PW)，Q(PW_i)＝(Q_X，Q_Y)，Q_X＝2³²×PW_i+M_X，Q_Y为正偶数；计算DHKey＝X(SK_b×PK_ai)＝X(SK_ai×SK_b×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_a_i||Add_b||Nonce_a_i||Nonce_b||SSS,64)

KMAC_2B

＝CMAC(Temp_1,Add_b||Add_a_i||Nonce_b||Nonce_a_i||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MK_i＝CMAC(Temp_2,Nonce_a_i||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MK_iMK_i＝CMAC(Temp_2,Nonce_a_i||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p_O；分析经过α_O阶分数傅立叶变换后的信号形式，得到其峰值位置u_O和主瓣范围[u₁，u2]；干扰感知器将得到的最优变换阶数p_O送给p_O阶分数傅立叶变换器(1)、p_O阶分数傅立叶变换器(2)、-p_O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、p_O阶分数傅立叶变换器(1)对模板信号进行阶数为p_O的分数傅立叶变换，得到C(u)＝[F^poc](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：

$C\left(u\right)=\left\{\begin{array}{c}{C}_1\left(u\right),u\≤u_o\\ C_2\left(u\right),u>u_o\end{array}\right.---\left(1\right)$

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u_O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、p_O阶分数傅立叶变换器(2)对接收信号进行阶数为p_O的分数傅立叶变换，得到S(u)＝[F^POS](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：

$S\left(u\right)=\left\{\begin{array}{c}{S}_1\left(u\right),u\≤u_o\\ S_2\left(u\right),u>u_o\end{array}\right.---\left(3\right)$

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(2u_o-u)ψ(u)，u∈[u₁，u₂]；将替换后的信号送给-p_O阶分数傅立叶变换器(3)；

步骤六、-p_O阶分数傅立叶变换器(3)对接收到的信号进行阶数为-p_O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：

ε_i2＝ε_i1[1+k(T₂-T₁)]；

式中，ε_i1是波长为λ_i，温度为T1时的光谱发射率；ε_i2是波长为λ_i，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V_i1为第一个温度T₁下的第i个通道的输出信号，记V_i2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ε_i1∈(0,1)，通过中央处理器随机选取一组ε_i1，由下式计算在参数ε_i1下实际得到的T_i1：

$T_{i1}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}\ln \frac{{\mathrm{\ϵ}}_{i1}{V}_i^{\′}}{V_{i2}}};$

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ε_i2的表达式为：

${\mathrm{\ϵ}}_i^2={\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\];$

由下式计算在参数ε_i1下实际得到的检测区域表面温度T_i2：

$T_{i2}=\frac{1}{\frac{1}{T^{\′}}+\frac{{\mathrm{\λ}}_i}{c_2}ln\frac{{\mathrm{\ϵ}}_{i1}\[1+k(T_{i2}-T_{i1})\]V_i^{\′}}{V_{i2}}};$

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(N_t,N_r)

n＝max(N_t,N_r)；

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，

$v_2={(\sqrt{\mathrm{\τ}}+1)}^2;$

在快速瑞利衰落的情况下，令m＝n＝N_t＝N_r，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PK_b，然后选择自己的私钥SK_a长为256比特，计算公钥计算公钥PK_a＝SK_a×G，计算出公钥后，节点再计算基于口令的公钥，PK_a'＝PK_a-Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；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PK_a、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PK_a＝PK_a'+Q(PW)，Q(PW)＝(Q_X，Q_Y)，Q_X＝2³²×PW+M_X；M_X为使Q_X满足椭圆曲线上的点的最小非负整数；计算DHKey＝X(SK_b×PK_a)＝X(SK_a×SK_b×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SK_Ai，计算公钥计算公钥PK_Ai＝SK_Ai×G计算基于口令的公钥，PK_Ai'＝PK_Ai-Q(PW_i)，Q(PW_i)＝(Q_X，Q_Y)；Q_X＝2³²×PW_i+M_X；选择随机数Nonce_a_i，计算DHKey＝X(SK_ai×PK_b)＝X(SK_ai×SK_b×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_a_i计算：

KMAC_1A

＝CMAC(Temp_1,Add_a_i||Add_b||Nonce_a_i||Nonce_b||SSS,64)

KMAC_2A

＝CMAC(Temp_1,Add_b||Add_a_i||Nonce_b||Nonce_a_i||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：PK_ai＝PK_ai'+Q(PW)，Q(PW_i)＝(Q_X，Q_Y)，Q_X＝2³²×PW_i+M_X，Q_Y为正偶数；计算DHKey＝X(SK_b×PK_ai)＝X(SK_ai×SK_b×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_a_i||Add_b||Nonce_a_i||Nonce_b||SSS,64)

KMAC_2B

＝CMAC(Temp_1,Add_b||Add_a_i||Nonce_b||Nonce_a_i||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MK_i＝CMAC(Temp_2,Nonce_a_i||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MK_iMK_i＝CMAC(Temp_2,Nonce_a_i||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p_O；分析经过α_O阶分数傅立叶变换后的信号形式，得到其峰值位置u_O和主瓣范围[u₁，u2]；干扰感知器将得到的最优变换阶数p_O送给p_O阶分数傅立叶变换器(1)、p_O阶分数傅立叶变换器(2)、-p_O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、p_O阶分数傅立叶变换器(1)对模板信号进行阶数为p_O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：

$C\left(u\right)=\left\{\begin{array}{c}{C}_1\left(u\right),u\≤u_o\\ C_2\left(u\right),u>u_o\end{array}\right.---\left(1\right)$

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u_O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、p_O阶分数傅立叶变换器(2)对接收信号进行阶数为p_O的分数傅立叶变换，得到S(u)＝[F^POS](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：

$S\left(u\right)=\left\{\begin{array}{c}{S}_1\left(u\right),u\≤u_o\\ S_2\left(u\right),u>u_o\end{array}\right.---\left(3\right)$

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(2u_o-u)ψ(u)，u∈[u₁，u₂]；将替换后的信号送给-p_O阶分数傅立叶变换器(3)；

步骤六、-p_O阶分数傅立叶变换器(3)对接收到的信号进行阶数为-p_O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。