CN109521158B - 一种可燃气体智能传感器 - Google Patents
一种可燃气体智能传感器 Download PDFInfo
- Publication number
- CN109521158B CN109521158B CN201811456048.8A CN201811456048A CN109521158B CN 109521158 B CN109521158 B CN 109521158B CN 201811456048 A CN201811456048 A CN 201811456048A CN 109521158 B CN109521158 B CN 109521158B
- Authority
- CN
- China
- Prior art keywords
- parameter
- signal
- combustible gas
- time
- parameters
- 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.)
- Active
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
Abstract
一种可燃气体智能传感器,包括可燃气体传感器模块和微控制器模块,微控制器模块按如下步骤处理数据:读取可燃气体浓度信号,将可燃气体浓度信号转换为第一信号参数,获得可燃气体浓度信号参数,获得突变时间积分参数;建立包括第一信号参数、第一信号积分参数、视觉类积分参数以及突变时间积分参数的多参数组参数;多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。本发明通过包括视觉类积分参数、突变时间积分参数在内的多个参数或组合从不同角度全方位体现各种特征,通过多参数组参数对监测状况进行整体判断,大幅度提高了可燃气体智能传感器的采集精度,提高视觉显示平稳度,监测结果更加准确。
Description
技术领域
本发明属于传感器技术领域,具体地说,涉及一种可燃气体智能传感器。
背景技术
可燃气体是现阶段人类生产生活不可或缺的重要能源物质,随着人们对安全、节能、环保问题的重视,安全清洁能源受到越来越多的关注。以醇基燃料为例,清洁醇基燃料能够完全分解燃烧,且排放产物主要为水汽和二氧化碳,和传统燃料液化气、柴油、煤油相比,热效率高是它最佳的特点,因此清将醇基燃料作为替代燃煤、燃油、燃气锅炉在工业、民用(供暖、洗浴等)某些领域使用,对于实现社会的节能减排降碳排放的目标有着重大意义。工业上甲醇经由管道会带有杂质,而这些杂质会增加醇基燃料的腐蚀性,如果具有较强腐蚀性的醇基燃料的流速和流量得不到精准控制,就会出现醇基燃料与燃烧环境不匹配,出现醇基燃料不足或者醇基燃料积压导致管路的腐蚀,造成安全隐患。
可燃气体易燃易爆,可燃气体与空气在一定的浓度范围内均匀混合,遇着火源才会发生爆炸,这个浓度范围称为爆炸极限,或爆炸浓度极限。例如一氧化碳与空气混合的爆炸极限为12.5%~74%,能够发生爆炸的最低浓度和最高浓度,分别称为爆炸下限和爆炸上限。
现阶段,常规气体传感器一般是采用敏感材料制作成的检测装置,感应被测量的信息,并能将感应信息,按一定规律变换成为电信号或其他所需形式的信息输出,以满足信息的传输、处理、存储、显示、记录和控制等要求。但检测对象的微弱信号变化检测比较困难,容易漂移变化,一方面传感器测量精度有限,分辨微小信号及其变化比较困难,单纯使用放大电路,很容易因干扰导致判断结果有误;另一方面,绝大多数传感器信号所反映的异常参数是时变性暂态参数,随时间变化差别很大,绝大多数隐患早期阶段,暂态参数绝大部分时间内为正常数值,早期隐患的异常一般具有统计意义,例如出现频率趋快、数值渐大。
公开号为CN105509815B,公开日为2017年11月21日的中国专利公开了一种基于积分算法的非电量信号采集监测方法,包括以下步骤:设置非电量传感器,将非电量传感器的输出信号,转换还原为非电量信号参数,把非电量信号参数或非电量信号参数变化量对时间进行积分,获得各时间段非电量信号参数进行存储;根据各时间段非电量积分参数对非电量信号参数状况进行判断,并对异常进行监测。该专利将非电量检测转换成非电量积分参数检测,有利于对细小隐患进行累积放大,即在隐患发生的中早期及时发现预警处理,避免隐患严重化,从而避免损失,降低风险。但是,该专利的检测数据过于单一,也并没有直接提取有效数据。
发明内容
1、要解决的问题
针对现有可燃气体气体传感器很难获得时间足够长的全体数据的大尺度特征信息,即使获得大尺度信息也很难获得多角度有效数据的问题,以及现有易燃易爆气体传感器采集及显示的信号数据容易漂移变化较大的缺陷,本发明提供一种可燃气体智能传感器,通过少量的针对过程的多参数组参数,替代海量的单一传感器原始数据,对可燃气体实现进行精准监测。
2、技术方案
为解决上述问题,本发明采用如下的技术方案。
一种可燃气体智能传感器,包括可燃气体传感器模块和微控制器模块,所述微控制器模块按如下步骤处理数据:
S1、读取可燃气体传感器模块检测到的可燃气体浓度信号;
S2、将所述可燃气体浓度信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;把第一信号数值对时间进行积分,获得不同时间尺寸的第一信号积分参数;
S3、获得视觉类可燃气体浓度信号参数,其中包括:对可燃气体浓度信号数值进行自积分,获得小短时间段的可燃气体浓度信号自积分参数;所述可燃气体浓度信号自积分参数为在同一所述小短时间段内按同一频率对可燃气体浓度信号数值进行累加获得,对所述可燃气体浓度信号自积分参数进行计算,获得对应所述小短时间段的可燃气体浓度信号参数,用于显示输出;
S4、获得突变时间积分参数;所述突变时间积分参数是以突变为时间起止边界的时间段的积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号参数值与稳态基准值带阈的关系,判断第一信号处于稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
S5、建立包括第一信号参数、第一信号积分参数、视觉类积分参数以及突变时间积分参数的多参数组参数;
所述多参数组参数包括所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个,视觉类积分参数,以及所述子突变的起点时间、持续时长、第一信号积分参数、正负符号、极值和产生序号中的一个或多个;
S6、所述多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
作为优化方案,步骤S3中,包括以下子步骤S31,根据可燃气体的爆炸浓度下限,设定爆炸浓度下限临界报警阈值,把小短时间段的可燃气体浓度信号参数与爆炸浓度下限临界报警阈值比较,当小短时间段的可燃气体浓度信号参数达到爆炸浓度下限临界报警阈值的一半时,发出紧急预警信号。
作为优化方案,步骤S4中,在一个稳态中,设定第一信号数值的均值为E,按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈;当第一信号数值的变化量在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。
3、有益效果
相比于现有技术,本发明的有益效果为:
(1)本发明的可燃气体智能传感器在获得各时间段第一信号积分参数的基础上,通过构造从一个稳态迁移跃变到后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉第一信号数值沿时间方向变化的每一个渐变过程和突变过程,并生成从每个具体过程起始时间开始的,具体迁移跃变时长或子突变时长为时间段长度的积分参数,即突变时间积分参数。通过构造包括第一信号参数、第一信号积分参数、视觉类积分参数以及突变时间积分参数的多参数组参数,多参数组参数能够从不同角度体现检测对象的综合信息。
通过将时间尺寸的长度限制在1-10秒范围内,对第一信号积分参数进行筛选,得到的数据及结果更平稳、更灵敏,经处理转换成与传感器采集相关的信号数据,能够更准确地对可燃气体的情况进行监测。
本发明并不机械地依赖第一信号对时间进行积分,扩大时间范围提高传感器监测精度,而是通过相关的多个参数或组合从不同角度体现各种特征,通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
(2)视觉类积分参数用于显示输出,视觉类积分参数的时间尺寸的长度限制在2-10秒范围内;2-10秒的视觉类积分参数,在间隔为1毫秒的采样间隔包含1000-10000个浓度数值的浓度信号积分参数,大幅度提高传感器输出的信号测量精度,又适合人眼视觉更新变化习惯——数据信号平稳并且数据更新不迟钝。
(3)本发明的多参数组参数还包括迁移跃变以及子突变这些突变的相关参数,掌握突变的起始时间,突变存在的时长;通过突变过程的第一信号积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测对象的宏观振荡特性。例如,某次采集的空气中可燃气体浓度单个数据,可能意义不明确不具备实用性,但增加采集时间、地点作为相关参数,就会让人清楚知道是某时某地的可燃气体浓度。
(4)本发明针对可燃气体易燃易爆特性,专门监测可燃气体浓度接近爆炸极限下限,获得临界爆炸下限积分参数,用于预警报警输出。采用时间尺寸的长度宜在5-30秒范围内的以秒为时间段的第一信号积分数值,一方面增加稳定性可靠性,以秒为时间段的第一信号积分数值能够包含几百到几万个连续可燃气体浓度数据,要比随机检测几个接近爆炸下限的可燃气体浓度数据可靠性高的多,后者容易产生误报;另一方面增加灵敏性,以秒为单位的快速检测、提前紧急预警。
具体实施方式
下面结合具体实施例对本发明进行详细描述。
实施例1
一种可燃气体智能传感器,包括传感器模块和微控制器模块,传感器模块连接到微控制器模块,微控制器模块具有通讯接口电路;微控制器模块按如下步骤处理数据:
S1、读取可燃气体传感器模块检测到的可燃气体浓度信号;
S2、将所述可燃气体浓度信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;把第一信号数值对时间进行积分,获得不同时间尺寸的第一信号积分参数;
S3、获得视觉类可燃气体浓度信号参数,其中包括:对可燃气体浓度信号数值进行自积分,获得小短时间段的可燃气体浓度信号自积分参数;所述可燃气体浓度信号自积分参数为在同一所述小短时间段内按同一频率对可燃气体浓度信号数值进行累加获得,对所述可燃气体浓度信号自积分参数进行计算,获得对应所述小短时间段的可燃气体浓度信号参数,用于显示输出;
每个所述小短时间段均在一个突变时间段范围内;所述小短时间段长度限制在2s~10s,可燃气体浓度信号数值越小,获得第一信号自积分参数的采样频率越快。
S4、获得突变时间积分参数;所述突变时间积分参数是以突变为时间起止边界的时间段积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号参数值与稳态基准值带阈的关系,判断第一信号处于稳态或稳态中的子突变、稳态之间的迁移跃变各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
具体来说,稳态基准值带阈、稳态、子突变和迁移跃变按如下方法确定:
在一个稳态中,设定第一信号数值的均值为E,E可以是平均值,也可以是其他均值;按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈。对于E值的确定,不需要监测完整个稳态,一个稳态很可能持续一个月、一年或者多年以上的时间,那么为了尽快确定E值,我们可以选取一天的第一信号数值的均值作为E;W根据实际需要以及测量精度来选取,一般可以在E的10%-80%范围内选取,例如,有时为了提高测量精度,可以选取E的10%,但要根据实际使用的传感器来具体确定这个比例。本专利所述稳态具有大多数(一般50%以上)时间值第一信号数值在稳态基准值带阈范围内,瞬间或短时间第一信号数值在数值超出基准带阈范围,但能很快返回到稳态基准值带阈;当第一信号数值的变化量在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。此外,根据实际需要,子突变之间的迁移跃变也可作为突变;
S5、建立包括第一信号参数、第一信号积分参数、视觉类积分参数以及突变时间积分参数的多参数组参数;
S6、所述多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
例如,通过多参数组的时间参数,可具体掌握监测对象发生相关突变的开始时间、延续时长;通过其他具体参数可判断各突变的具体变化程度、发展趋势,及时反馈准确的结果。例如,对压力/形变/应变等类传感器,外界条件的变化会在一定时间产生突变,但随着相关外界条件消失,又会回到原稳态,如一辆汽车长时间临时停在一个设置有应变传感器的地方,但汽车移走后,应变情况又恢复原状,现有传感器很难检测判断这种突变,但是本发明不仅能检测到这种突变,还能根据时间、地点等参数判断出该突变发生的原因。
本实施例采用的一种可燃气体智能传感器的信号采集监测方法,并不机械地依赖第一信号对时间进行积分,扩大时间范围提高传感器监测精度。第一信号数值变化具有渐变和突变,通常在数小时或数日或数月长时间渐变阶段或过程形成的积分参数值,可能会小于甚至远小于几秒钟或几分钟极短时间急速突变形成的积分参数值。如果不加分辨地把渐变阶段和突变阶段的积分参数混合在一起,就必然抹掉渐变阶段和突变阶段各自的特征信息,实用意义大幅降低。本发明通过构造从一个稳态迁移跃变到其后一稳态的迁移跃变过程,以及每个稳态的各个子突变过程,从而捕捉到突变时间积分参数并加以利用,建立包括第一信号参数、第一信号积分参数、视觉类积分参数以及突变时间积分参数的多参数组参数。
单一参数一般只体现为检测对象的具体某一特征,一般敏感材料传感器单次采集的第一信号数值通常直接体现为最主要的特征参数,但也避免不了太过单一和片面,增加其它相关参数会就能多角度增加传感器的实际效果。本实施例构造了包括时间的第一信号参数、第一信号积分参数、视觉类积分参数以及突变时间积分参数的多参数组参数,通过相关的多个参数或组合从不同角度体现各种特征,尤其是过程中的细节动态特征,从而构成足以体现检测对象丰富综合特征的多参数组。通过多参数组参数对监测状况进行整体判断,大幅度提高了传感器采集精度,监测结果更加准确。
本发明在早期隐患监测预警中具有显著的实际效果,早期隐患具有信号微弱、变化缓慢、实时数据量大等特点,尽管这些长时间缓慢变化的海量数据中隐藏着各种信息需要表达,但绝大部分信息是低效重复的,既没有本地大量储存的价值,也没有占用大容量公网带宽及流量资源上传到云平台的价值。本发明通过细分的各个迁移跃变过程或子突变过程的第一信号积分参数,把微弱信号转变成容易观察的足够大信号,这是一种大数据处理方式,实现对微弱信号及其变化的放大效应,从而大幅度提高传感器精度。本发明沿着时间方向化繁为简,把第一信号海量数据转化为在依次连续的稳态及其各个子突变、稳态间的迁移跃变等过程场景,通过数据量很少但表达内容丰富的多参数组从多角度全方位表达各个具体过程场景的综合特征。本发明大幅度降低有效数据容量,在以渐变为主的早期隐患阶段,可能连续多日仅有几个稳态过程场景的依次产生,甚至仍处于同一稳态阶段,这几日的第一信号数据总量可能几十兆甚至几百兆,但有效数据可能只是一个仍在延续的稳态及其几个子突变的多参数组参数,数据容量可能只有几十或上百字节数目,但足以清楚表达这几日的监测对象状况和变化情况。把数据海量第一信号数据向数据量极少的多参数组轻量级数据的传感器边缘侧处理转换,不仅显著有利于传感器边缘侧存储和数据传输,而且大幅度降低了观察物理世界的难度,从而大幅度提高了对物理对象或检测对象进行早期隐患监测预警实际效果。
多参数组参数还包括迁移跃变和各个稳态中子突变的相关参数,迁移跃变的相关参数为所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个;各个稳态中子突变的相关参数包括子突变的起点时间、持续时长、第一信号积分参数、正负符号、极值和产生序号中的一个或多个。
从前一稳态迁移跃变到下一稳态的迁移跃变过程持续的时间为迁移跃变时长,迁移跃变产生的开始时间为该迁移跃变的起点时间,该迁移跃变所在时间段内第一信号对时间的积分,形成该迁移跃变的第一信号积分,该迁移跃变第一信号数值大于E+W,为正迁移跃变,该迁移跃变第一信号数值小于E-W,为负迁移跃变,该迁移跃变为正迁移跃变时第一信号的最大值或为负迁移跃变时的最小值为该迁移跃变的极值,一个迁移跃变的起点时间、持续时长、第一信号积分、正负符号、极值和产生序号等,其中的两个或多个构成该迁移跃变的多参数组,该多参数组还可扩展包括与该迁移跃变相关的其它参数;
第一信号数值在数值超出基准带阈范围,经过一段时间后才返回到稳态基准值带阈,为该稳态的一个子突变或子突变跳变,一个稳态可包含多个子突变,这段时间为该子突变持续时长,子突变形成时的时间为该子突变的起点时间,该子突变所在时间段内第一信号对时间的积分,形成该子突变的第一信号积分,该子突变第一信号数值大于E+W,为正子突变,该子突变第一信号数值小于E-W,为负子突变,该子突变为正子突变时第一信号的最大值或为负子突变时的最小值为该子突变的极值,一个子突变的起点时间、持续时长,第一信号积分参数、正负符号、极值和产生序号等,其中的两个或多个构成该子突变的多参数组,该多参数组还可扩展包括与该子突变相关的其它参数;
本发明通过沿时间方向连续采集众多第一信号数据,分析获得在各时间段内第一信号的连续变化过程情况,监测是否产生突变——稳态的迁移跃变或稳态内部的子突变跳变,掌握突变的起始时间,突变存在的时长;通过突变过程的第一信号积分、极值等参数表达具体突变的整体程度;通过子突变跳变的正负符号表达跳变的上升或下降属性,通过某个长时间段内各个子突变跳变的正负符号的分时分布表达检测对象的宏观振荡特性。例如,某次采集的空气中可燃气体浓度单个数据,可能意义不明确不具备实用性,但增加采集时间、地点作为相关参数,就会让人清楚知道是某时某地的可燃气体浓度。
本发明能够将传感器单次采集转变成沿时间方向的多次连续采集,形成基于第一信号的多参数数据,通过对多参数数据的分析处理,从而可获得潜藏的众多特征。分别通过相关的多个参数或相互的组合从不同角度体现各种特征,从而构成体现检测对象综合特征的多参数组。
实施例2
实施例2与实施例1的方案基本相同,区别仅在于,设置步骤S31、获得临界爆炸下限积分参数,用于预警报警输出;包括以下子步骤:
S31中根据可燃气体的爆炸下限,设定秒级第一信号爆炸下限积分阈值,当时间段长度相同的视觉类积分参数超过相应的秒级第一信号爆炸下限积分阈值的一半时,快速发出紧急预警信号。
本实施例,根据可燃气体爆炸下限——爆炸浓度极限的下限,设定蓝色、黄色、橙色和红色四个等级的秒级第一信号爆炸下限积分阈值,当时间段长度相同的视觉类积分参数高于相应的秒级第一信号爆炸下限积分阈值的1%,但是低于1/10时,发出蓝色一般预警信号;当时间段长度相同的视觉类积分参数高于相应的秒级第一信号爆炸下限积分阈值的1/10,但是低于1/2时,发出黄色较重预警信号;当时间段长度相同的视觉类积分参数超过相应的秒级第一信号爆炸下限积分阈值的一半时,但是低于秒级第一信号爆炸下限积分阈值时,发出紧急预警信号——黄色严重预警信号;当时间段长度相同的视觉类积分参数超过相应的秒级第一信号爆炸下限积分阈值时,发出红色特别严重报警信号;秒级第一信号爆炸下限积分阈值,是爆炸下限浓度对应的第一信号数值对时间进行积分,快速获得的秒级时间段第一信号积分数值。爆炸下限根据可燃气体不同,通过行业标准来确定。蓝色、黄色、橙色和红色,分别代表一般、较重、严重和特别严重。
视觉类积分参数用于显示输出,视觉类积分参数的时间尺寸的长度限制在1-10秒范围内;1-10秒的视觉类积分参数,在间隔为1毫秒的采样间隔包含1000-10000个浓度数值的浓度信号积分参数,大幅度提高传感器输出的信号测量精度和平稳性,适合人眼视觉更新变化习惯——数据信号平稳并且数据更新不迟钝。
Claims (3)
1.一种可燃气体智能传感器,包括可燃气体传感器模块和微控制器模块,其特征在于,所述微控制器模块按如下步骤处理数据:
S1、读取可燃气体传感器模块检测到的可燃气体浓度信号;
S2、将所述可燃气体浓度信号转换为第一信号参数,所述第一信号参数包括第一信号数值及其产生时间;把第一信号数值对时间进行积分,获得不同时间尺寸的第一信号积分参数;
S3、获得视觉类可燃气体浓度信号参数,其中包括:对可燃气体浓度信号数值进行自积分,获得小短时间段的可燃气体浓度信号自积分参数;所述可燃气体浓度信号自积分参数为在同一所述小短时间段内按同一频率对可燃气体浓度信号数值进行累加获得,对所述可燃气体浓度信号自积分参数进行计算,获得对应所述小短时间段的可燃气体浓度信号参数,用于显示输出;
S4、获得突变时间积分参数;所述突变时间积分参数是以突变为时间起止边界的时间段的积分;
设定第一信号参数的稳态基准值带阈,沿时间方向根据各时间段内第一信号数值与稳态基准值带阈的关系,判断可燃气体浓度信号处于稳态或稳态中的子突变、稳态之间的迁移跃变还是各具体过程;所述突变包括稳态中的子突变和稳态之间的迁移跃变;
S5、建立包括第一信号参数、第一信号积分参数、视觉类积分参数以及突变时间积分参数的多参数组参数;
所述多参数组参数包括所述迁移跃变的起点时间、持续时长、正负符号、极值、产生序号中的一个或多个,视觉类积分参数,以及所述子突变的起点时间、持续时长、第一信号积分参数、正负符号、极值和产生序号中的一个或多个;
S6、所述多参数组参数作为过程参数对监测状况进行整体判断,反馈结果。
2.根据权利要求1所述的一种可燃气体智能传感器,其特征在于,步骤S3中,包括以下子步骤S31,根据可燃气体的爆炸浓度下限,设定爆炸浓度下限临界报警阈值,把小短时间段的可燃气体浓度信号参数与爆炸浓度下限临界报警阈值比较,当小短时间段的可燃气体浓度信号参数达到爆炸浓度下限临界报警阈值的一半时,发出紧急预警信号。
3.根据权利要求1或2所述的一种可燃气体智能传感器,其特征在于,步骤S4中,在一个稳态中,设定第一信号数值的均值为E,按E的比例设定阈值W,那么E±W为该稳态的稳态基准值带阈;当第一信号数值的变化量在一半以上的时间稳定单向超出或在一半以上的时间稳定单向低于前一阶段的稳态基准值带阈,则从一个稳态进入另一个新的稳态;在同一稳态中,第一信号数值超出稳态基准值带阈后又返回的时间段区间为一个子突变。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456048.8A CN109521158B (zh) | 2018-11-30 | 2018-11-30 | 一种可燃气体智能传感器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811456048.8A CN109521158B (zh) | 2018-11-30 | 2018-11-30 | 一种可燃气体智能传感器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109521158A CN109521158A (zh) | 2019-03-26 |
CN109521158B true CN109521158B (zh) | 2021-06-01 |
Family
ID=65793648
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811456048.8A Active CN109521158B (zh) | 2018-11-30 | 2018-11-30 | 一种可燃气体智能传感器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109521158B (zh) |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4132193A (en) * | 1976-05-10 | 1979-01-02 | Nissan Motor Company, Limited | Exhaust gas temperature detection for fuel control systems |
CN1043200A (zh) * | 1988-11-30 | 1990-06-20 | 西屋电气公司 | 汽机-凝汽器系统的空气定量检漏系统及方法 |
US5224462A (en) * | 1992-08-31 | 1993-07-06 | Ford Motor Company | Air/fuel ratio control system for an internal combustion engine |
JPH09503580A (ja) * | 1993-08-21 | 1997-04-08 | アイ.ティー.ヴイ.アイ. インターナショナル テクノ ヴェン チャー インヴェスト アクチエンゲゼルシャフト | センサ信号の評価方法 |
CN101295177A (zh) * | 2007-04-23 | 2008-10-29 | 三菱电机株式会社 | 用于检测传感器采样流中的变化的方法和系统 |
CN201844972U (zh) * | 2010-10-21 | 2011-05-25 | 辽宁工程技术大学 | 一种有害气体浓度检测装置 |
CN102323379A (zh) * | 2011-05-23 | 2012-01-18 | 常熟市智胜信息技术有限公司 | 便携式无线井下气体检测仪 |
CN103235036A (zh) * | 2013-04-12 | 2013-08-07 | 厦门艾帝尔电子科技有限公司 | 基于电磁检测信号的区分内外壁缺陷的检测装置及方法 |
CN103472094A (zh) * | 2013-07-24 | 2013-12-25 | 华东理工大学 | 一种嗅觉模拟仪器和特定物质气(嗅)味等级现场分析方法 |
CN105513252A (zh) * | 2016-01-21 | 2016-04-20 | 安徽云汉智能科技有限公司 | 一种基于积分算法的电气火灾监测预警方法及设备 |
CN105509815A (zh) * | 2016-01-21 | 2016-04-20 | 单立辉 | 一种基于积分算法的非电量信号采集监测方法 |
CN105530855A (zh) * | 2013-05-21 | 2016-04-27 | Orpyx医药技术有限公司 | 压力数据获取组件 |
CN105606131A (zh) * | 2016-01-21 | 2016-05-25 | 单立辉 | 一种非电量信号采集监测方法 |
CN106773676A (zh) * | 2016-11-30 | 2017-05-31 | 浙江中控软件技术有限公司 | 用于化工过程的激励信号的生成方法和装置 |
-
2018
- 2018-11-30 CN CN201811456048.8A patent/CN109521158B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4132193A (en) * | 1976-05-10 | 1979-01-02 | Nissan Motor Company, Limited | Exhaust gas temperature detection for fuel control systems |
CN1043200A (zh) * | 1988-11-30 | 1990-06-20 | 西屋电气公司 | 汽机-凝汽器系统的空气定量检漏系统及方法 |
US5224462A (en) * | 1992-08-31 | 1993-07-06 | Ford Motor Company | Air/fuel ratio control system for an internal combustion engine |
JPH09503580A (ja) * | 1993-08-21 | 1997-04-08 | アイ.ティー.ヴイ.アイ. インターナショナル テクノ ヴェン チャー インヴェスト アクチエンゲゼルシャフト | センサ信号の評価方法 |
CN101295177A (zh) * | 2007-04-23 | 2008-10-29 | 三菱电机株式会社 | 用于检测传感器采样流中的变化的方法和系统 |
CN201844972U (zh) * | 2010-10-21 | 2011-05-25 | 辽宁工程技术大学 | 一种有害气体浓度检测装置 |
CN102323379A (zh) * | 2011-05-23 | 2012-01-18 | 常熟市智胜信息技术有限公司 | 便携式无线井下气体检测仪 |
CN103235036A (zh) * | 2013-04-12 | 2013-08-07 | 厦门艾帝尔电子科技有限公司 | 基于电磁检测信号的区分内外壁缺陷的检测装置及方法 |
CN105530855A (zh) * | 2013-05-21 | 2016-04-27 | Orpyx医药技术有限公司 | 压力数据获取组件 |
CN103472094A (zh) * | 2013-07-24 | 2013-12-25 | 华东理工大学 | 一种嗅觉模拟仪器和特定物质气(嗅)味等级现场分析方法 |
CN105513252A (zh) * | 2016-01-21 | 2016-04-20 | 安徽云汉智能科技有限公司 | 一种基于积分算法的电气火灾监测预警方法及设备 |
CN105509815A (zh) * | 2016-01-21 | 2016-04-20 | 单立辉 | 一种基于积分算法的非电量信号采集监测方法 |
CN105606131A (zh) * | 2016-01-21 | 2016-05-25 | 单立辉 | 一种非电量信号采集监测方法 |
CN106773676A (zh) * | 2016-11-30 | 2017-05-31 | 浙江中控软件技术有限公司 | 用于化工过程的激励信号的生成方法和装置 |
Also Published As
Publication number | Publication date |
---|---|
CN109521158A (zh) | 2019-03-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US9797799B2 (en) | Intelligent adaptive system and method for monitoring leakage of oil pipeline networks based on big data | |
WO2015176565A1 (zh) | 一种基于多维时间序列的电气设备故障预测方法 | |
CN113783272B (zh) | 一种基于超级电容监控管理系统的安全控制方法 | |
CN107395121A (zh) | 基于格拉布斯准则及离群点检测光伏阵列故障检测方法 | |
CN110994599B (zh) | 基于大数据的特高压交直流送出型电网稳定性判断方法 | |
CN107807860B (zh) | 一种基于矩阵分解的电力故障分析方法及系统 | |
CN107906375B (zh) | 基于加权排列熵的管道泄漏检测方法及系统 | |
CN104330675A (zh) | 基于多元时间序列的变电设备在线监测分析系统及其方法 | |
CN106405280B (zh) | 一种智能变电站在线监测参数趋势预警方法 | |
CN208537536U (zh) | 一种河道水质监控预警系统 | |
CN105117512A (zh) | 变压器预警值的估算方法及装置 | |
CN110826735B (zh) | 一种电力scada智能多维查询检修方法 | |
CN106872172A (zh) | 航空发动机试验安全参数监视的实时判别方法及系统 | |
CN109142830A (zh) | 基于用电信息采集系统大数据的窃电检测方法 | |
CN114997539A (zh) | 一种燃气压力调节器故障预测方法与系统 | |
CN109521158B (zh) | 一种可燃气体智能传感器 | |
CN107222169A (zh) | 一种基于离群点检测的光伏阵列实时监控与故障检测方法 | |
CN104089656A (zh) | 一种堆场煤炭自燃检测方法和装置 | |
CN116182949B (zh) | 一种海洋环境水质监测系统及方法 | |
CN115912359A (zh) | 基于大数据的数字化安全隐患识别排查治理方法 | |
Pan et al. | Study on intelligent anti–electricity stealing early-warning technology based on convolutional neural networks | |
CN105548837B (zh) | 一种开关柜内绝缘件缺陷预警装置 | |
CN109556649B (zh) | 一种智能传感器的信号采集监测方法 | |
CN113919198A (zh) | 一种基于生成对抗网络的电气火灾监测预警方法 | |
CN113944801B (zh) | 基于数据分析的燃气调压器性能检测方法及装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |