CN109166281A - 一种深度信念网络的印染车间VOCs监测预警系统 - Google Patents

Abstract

本发明公开了一种深度信念网络的印染车间VOCs监测预警系统，包括分组监测机构、网络学习机构以及预警机构，将印染车间等面积的分为多个监测区域；所述分组监测机构设置有多组，每个所述印染车间的监测区域内有一组分组监测机构；分组监测机构包括气体检测仪和单片机，网络学习机构包括CPU、深度信念网络和蓝牙模块，预警机构包括蓝牙配对模块、控制器和报警器。本发明通过CPU和深度信念网络设置，对多组分组监测机构得到的VOCs数据进行训练和学习，得到深度信念网络模型，从而在后续的监测过程中，只要得到任意一个气体检测仪测得的VOCs数据，即可通过深度信念网络模型得到对应的准确的高排量的印染机器，实用性很强，非常值得推广。

Description

一种深度信念网络的印染车间VOCs监测预警系统

技术领域

本发明涉及车间气体监测技术领域，具体为一种深度信念网络的印染车间VOCs监测预警系统。

背景技术

在我国，VOCs(volatile organic compounds)挥发性有机物，是指常温下饱和蒸汽压大于133.32Pa、常压下沸点在50-260℃以下的有机化合物，或在常温常压下任何能挥发的有机固体或液体，目前在印染车间里，经常会有VOCs的存在，所以必须要对印染车间进行监测和预警，防止VOCs含量过高。

现有技术中，直接采用气体检测仪对车间内的VOCs进行监测，在测得VOCs的含量和浓度之后，仍然存在一个较为明显的缺点：虽然得到了整体车间的VOCs浓度，但是仍然无法确定是印染车间内哪一个印染机器的排放量更高，因为不是哪个印染机器附近的VOCs浓度高，就代表着该印染机器的VOCs的排放量大，所以也就无法对高排量的印染机器进行处理，非常不方便。

发明内容

本发明的目的在于提供一种深度信念网络的印染车间VOCs监测预警系统，以解决上述背景技术中提出的问题。

为实现上述目的，本发明提供如下技术方案：

一种深度信念网络的印染车间VOCs监测预警系统，包括分组监测机构、网络学习机构以及预警机构，将印染车间等面积的分为多个监测区域；

所述分组监测机构设置有多组，每个所述印染车间的监测区域内有一组分组监测机构；

分组监测机构包括气体检测仪和单片机，所述气体检测仪固定于其所属监测区域的印染机器上，所述单片机输入端电性连接于气体检测仪上，且单片机的输出端电性连接于网络学习机构上；

网络学习机构包括CPU、深度信念网络和蓝牙模块，所述CPU与单片机电性连接，所述深度信念网络设置于CPU中，CPU通过蓝牙模块与预警机构电性连接；

预警机构包括蓝牙配对模块、控制器和报警器，所述蓝牙配对模块与蓝牙模块通过无线信号连接，所述控制器一端与蓝牙配对模块电性连接，且控制器另一端与报警器相连，且每一个印染机器上均设置有一个报警器。

优选的，所述深度信念网络通过训练学习气体检测仪数据，得到深度信念网络模型。

优选的，所述深度信念网络选择气体检测仪的检测数值作为预测输出，确定与气体检测仪相关的状态参数作为模型的输入变量；所有数据的采样频率相同，对所有数据进行归一化处理，并将数据分为训练集和测试集，分别用于训练深度信念网络模型和验证该模型；

建立深度信念网络模型的结构，并设计模型参数；所述深度信念网络模型由多层连续型限制玻尔兹曼机组成。

与现有技术相比，本发明的有益效果是：

本发明通过CPU和深度信念网络设置，对多组分组监测机构得到的VOCs数据进行训练和学习，得到深度信念网络模型，从而在后续的监测过程中，只要得到任意一个气体检测仪测得的VOCs数据，即可通过深度信念网络模型得到对应的准确的高排量的印染机器，实用性很强，非常值得推广。

附图说明

图1为本发明系统的整体结构连接示意图；

图2为本发明的系统机构使用位置安装示意图。

图中：1分组监测机构、11气体检测仪、12单片机、2网络学习机构、21CPU、22深度信念网络、23蓝牙模块、3预警机构、31蓝牙配对模块、32控制器、33报警器、100印染车间、200印染机器。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1-2，本发明提供一种技术方案：

一种深度信念网络的印染车间VOCs监测预警系统，包括分组监测机构1、网络学习机构2以及预警机构3，将印染车间100等面积的分为多个监测区域。

分组监测机构1设置有六组，每个印染车间100的监测区域内有一组分组监测机构1。

分组监测机构1包括气体检测仪11和单片机12，气体检测仪11固定于其所属监测区域的印染机器200上，单片机12输入端电性连接于气体检测仪11上，且单片机12的输出端电性连接于网络学习机构2上，通过选型为80C51型号的单片机12将气体检测仪11测得的数据传输至CPU 21中去。

网络学习机构2包括CPU21、深度信念网络22和蓝牙模块23，CPU21与单片机12电性连接，深度信念网络22设置于CPU21中，深度信念网络22通过训练学习气体检测仪11数据，所述深度信念网络22选择气体检测仪11的检测数值作为预测输出，确定与气体检测仪11相关的状态参数作为模型的输入变量；所有数据的采样频率相同，对所有数据进行归一化处理，并将数据分为训练集和测试集，分别用于训练深度信念网络22模型和验证该模型。

建立深度信念网络22模型的结构，并设计模型参数；所述深度信念网络22模型由多层连续型限制玻尔兹曼机组成，得到深度信念网络22模型，当气体检测仪11检测到的数据为一个数值时，此时后台监测到VOCs排放量较大的为哪一台印染机器200，是本监测区域内的印染机器200，还是相邻区域的印染机器200，通过深度信念网络22模型的学习训练，使得下次整个系统在工作过程中，通过某一个区域内的气体检测仪11检测出来的VOCs数据值，直接得到排放量大的那一台印染机器200，CPU21通过蓝牙模块23与预警机构3电性连接，使得蓝牙无线信号可以直接远程操控，控制安装在该台印染机器200上的警报器33响起，实现预警。

预警机构3包括蓝牙配对模块31、控制器32和报警器33，蓝牙配对模块31与蓝牙模块23通过无线信号连接，控制器32一端与蓝牙配对模块31电性连接，且控制器32另一端与报警器33相连，且每一个印染机器200上均设置有一个报警器33。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。

Claims (3)

1.一种深度信念网络的印染车间VOCs监测预警系统，包括分组监测机构(1)、网络学习机构(2)以及预警机构(3)，将印染车间(100)等面积的分为多个监测区域，其特征在于：

所述分组监测机构(1)设置有多组，每个所述印染车间(100)的监测区域内有一组分组监测机构(1)；

分组监测机构(1)包括气体检测仪(11)和单片机(12)，所述气体检测仪(11)固定于其所属监测区域的印染机器(200)上，所述单片机(12)输入端电性连接于气体检测仪(11)上，且单片机(12)的输出端电性连接于网络学习机构(2)上；

网络学习机构(2)包括CPU(21)、深度信念网络(22)和蓝牙模块(23)，所述CPU(21)与单片机(12)电性连接，所述深度信念网络(22)设置于CPU(21)中，CPU(21)通过蓝牙模块(23)与预警机构(3)电性连接；

预警机构(3)包括蓝牙配对模块(31)、控制器(32)和报警器(33)，所述蓝牙配对模块(31)与蓝牙模块(23)通过无线信号连接，所述控制器(32)一端与蓝牙配对模块(31)电性连接，且控制器(32)另一端与报警器(33)相连，且每一个印染机器(200)上均设置有一个报警器(33)。

2.根据权利要求1所述的一种深度信念网络的印染车间VOCs监测预警系统，其特征在于：所述深度信念网络(22)通过训练学习气体检测仪(11)数据，得到深度信念网络(22)模型。

3.根据权利要求2所述的一种深度信念网络的印染车间VOCs监测预警系统，其特征在于：所述深度信念网络(22)选择气体检测仪(11)的检测数值作为预测输出，确定与气体检测仪(11)相关的状态参数作为模型的输入变量；所有数据的采样频率相同，对所有数据进行归一化处理，并将数据分为训练集和测试集，分别用于训练深度信念网络(22)模型和验证该模型；

建立深度信念网络(22)模型的结构，并设计模型参数；所述深度信念网络(22)模型由多层连续型限制玻尔兹曼机组成。