CN110622023B - 用于流体污染分析的化学和速度组合传感器 - Google Patents

用于流体污染分析的化学和速度组合传感器 Download PDF

Info

Publication number
CN110622023B
CN110622023B CN201880031949.4A CN201880031949A CN110622023B CN 110622023 B CN110622023 B CN 110622023B CN 201880031949 A CN201880031949 A CN 201880031949A CN 110622023 B CN110622023 B CN 110622023B
Authority
CN
China
Prior art keywords
chemical
sensor
locations
cross
average velocity
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
Application number
CN201880031949.4A
Other languages
English (en)
Other versions
CN110622023A (zh
Inventor
B.埃尔梅格林
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
International Business Machines Corp
Original Assignee
International Business Machines Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by International Business Machines Corp filed Critical International Business Machines Corp
Publication of CN110622023A publication Critical patent/CN110622023A/zh
Application granted granted Critical
Publication of CN110622023B publication Critical patent/CN110622023B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01V—GEOPHYSICS; GRAVITATIONAL MEASUREMENTS; DETECTING MASSES OR OBJECTS; TAGS
    • G01V9/00—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00
    • G01V9/007—Prospecting or detecting by methods not provided for in groups G01V1/00 - G01V8/00 by detecting gases or particles representative of underground layers at or near the surface
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P5/00—Measuring speed of fluids, e.g. of air stream; Measuring speed of bodies relative to fluids, e.g. of ship, of aircraft
    • G01P5/001—Full-field flow measurement, e.g. determining flow velocity and direction in a whole region at the same time, flow visualisation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F7/00—Methods or arrangements for processing data by operating upon the order or content of the data handled
    • G06F7/60—Methods or arrangements for performing computations using a digital non-denominational number representation, i.e. number representation without radix; Computing devices using combinations of denominational and non-denominational quantity representations, e.g. using difunction pulse trains, STEELE computers, phase computers
    • G06F7/64—Digital differential analysers, i.e. computing devices for differentiation, integration or solving differential or integral equations, using pulses representing increments; Other incremental computing devices for solving difference equations

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Geophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)

Abstract

用于定位化学品源的方法和系统包括用传感器在多个不同位置测量化学品浓度。来自成对位置的测量值互相关以确定一组位置的平均速度矢量。基于多个平均速度矢量确定收敛区域，以确定化学品源位置。

Description

用于流体污染分析的化学和速度组合传感器
技术领域
本发明总体上涉及流体速度测量，并且更具体地，涉及跟踪和定位污染物源。
背景技术
定位例如漂移的化学品蒸气或流体的源的困难是由于湍流(turbulence)导致下游流动不规则性的增加。这种不规则性意味着瞬时化学传感器将检测到具有短期和长期变化二者的随时间变化的浓度。
发明内容
一种用于定位化学品源的方法，包括用传感器在多个不同位置测量化学品(chemical)浓度。来自成对位置的测量值互相关(Cross-correlate)以确定一组位置的平均速度矢量。基于多个平均速度矢量确定收敛区域，以确定化学品源位置。
化学和速度组合传感器系统包括化学浓度传感器，其被配置为测量预定化学品浓度。传感器控制模块包括处理器，处理器被配置为对来自成对化学浓度传感器的测量值进行互相关并确定平均速度矢量。
化学品源定位系统包括多个化学和速度组合传感器(CCVS)系统。每个CCVS系统具有配置为测量预定化学品浓度的化学浓度传感器和配置为使来自成对化学浓度传感器的测量值互相关并确定平均速度矢量的传感器控制模块。分析模块包括处理器，该处理器被配置为基于平均速度矢量来确定收敛区域，以确定化学品源位置。
这些和其他特征和优点将从其说明性实施例的以下详细描述中变得显而易见，该详细描述将结合附图来阅读。
附图说明
以下描述将参考以下附图提供优选实施例的细节，其中：
图1是根据本发明实施例的测量化学品或污染物流的方向的化学和速度组合传感器(combined chemical and velocity sensor)(CCVS)的框图。
图2是根据本发明的一个实施例的配置成定位化学品或污染物源的布置中的多个CCVS系统的框图；
图3是根据本发明实施例的用于定位化学品物或污染物的源的方法的框图/流程图；
图4是根据本发明实施例的传感器的框图；
图5是根据本发明实施例的测量化学品或污染物流的方向的传感器控制模块的框图；
图6是根据本发明实施例的定位化学品或污染物源的分析系统的框图；和
图7是根据本发明的实施例的处理系统的框图。
具体实施方式
本发明的实施例提供对例如来自诸如管道垫和建筑物的复杂结构的化学品泄漏的检测和定位。这些实施例提供了空气中化学品浓度以及气流的方向和速度的同时且共处一地的测量。液体(例如水中的油)中化学品泄漏的检测利用了浓度测量和流体测量的类似组合。
本发明的实施例提供对例如来自诸如管道垫和建筑物的复杂结构的化学品泄漏的检测和定位。这些实施例提供了空气中化学品浓度以及气流的方向和速度的同时且共处一地的测量。液体(例如水中的油)中化学品泄漏的检测利用了浓度测量和流体测量的类似组合。
特别地，本实施例对空间中多个不同点处的化学品浓度以及局部流体方向和速度进行测量。化学品浓度测量值互相关，以确定化学品流向。多个这样的浓度/流体传感器的组合在本文中被称为化学和速度组合传感器(CCVS)。
现在参考附图，其中相同的数字表示相同或相似的元件，首先参考图1。示出了CCVS 100。CCVS 100包括传感器102和控制模块104。传感器102每个都连接到控制模块104，并通过例如有线或无线连接来提供传感器数据。控制模块104确定化学品或污染物的流动的方向。
每个传感器102测量化学品或污染物的浓度。传感器102可以在气体环境或液体环境中测量这些量。从每个CCVS 100中的每个传感器102随时间测量的瞬时化学品少量(fraction)可以以长度几秒钟或几分钟的时间序列存储，取决于传感器102的速度和通过传感器102的流体的速度。较短的时间序列长度可能适用于速度更快的传感器102和较高的风速。两个特定传感器102之间的试用时间滞后可能是正值，也可能是负值，这与污染物首先到达传感器对中的一个或另一个传感器102的模式相对应。
在一个实施例中，传感器102被定位在“原点”处，并且另外的传感器102被沿着三个正交尺寸轴的每一个定位。应当理解，传感器的这种布置仅仅是一种可能的配置。非共面的四个或更多个传感器102中的任何一组都可以用于为三维空间中的任意点提供方向。替代配置包括例如四面体配置，其中在CCVS 100中每个传感器102与其他传感器102等距(equidistant)。本实施例在描述时特别注意包含四个传感器的CCVS配置，但是应该理解，其他传感器可以使用。
在具有四个传感器102的CCVS 100中，存在六对可以用于互相关的传感器对的组合。每对具有连接传感器102的空间矢量的方向不同，并且通常在流体元件的测量之间具有不同的时间滞后(time lag)。如果四个传感器102位于点ri,其中i＝(1，4)，并且如果点i和点j之间的滞后表示为τ_ij，则三个正交方向上平均传感器位置处的平均流速表示为：
其中τij是点i和j之间的时间滞后，而(.)x表示点i和j之间的位置矢量的x方向分量(component)，其中(.)y和(.)z与y和z方向分量相似。这些方程式右侧的量是位于ri和rj的所有成对传感器102的总和。在四个传感器102(对应于六对不同的传感器102)的情况下，因子1/6取平均速度。通常，传感器102的任意数量N之间的对数是一次取两个的N的组合数，其表示为N！/(2！(N-2)！)。
通常，传感器102之间的流体运动的时间变化的傅立叶变换功率谱是具有固定斜率的幂律(power-law)，反映了亚音速湍流的科莫戈罗夫(Komogorov)缩放。与该时间信号相关的是化学品污染物的空间分布，该空间分布也与不可压缩湍流的旋流模式多尺度相关。在这种流中，来自单个传感器102的浓度的测量随着空间分布的峰和谷的经过而随时间变化。任何时候的空间不规则性和任何地方的时间不规则性都无法详细预测，但是它们的统计特性可以在较大的区域和时间上平均，并且只能缓慢变化。
可以使用互相关来将任何一个传感器102处化学品污染物的时间相关信号与任何其他传感器102处污染物的时间相关信号组合起来，以确定从一个传感器102到另一个的空间不规则模式漂移的最可能的时间滞后。该时间滞后与从一个传感器102指向另一个传感器的已知空间矢量相结合，得出了该方向的平均流速。对于几对传感器102及其成对的互相关和由此产生的滞后，可以在传感器102的平均位置给定的位置处确定平均流体速度的所有三个分量。平均流体速度是在用于互相关的时间间隔内由CCVS 100的传感器102所包围的体积上平均的速度。
作为示例，如果将第一传感器102处的时间相关信号指定为S1(t)，而将第二传感器102处的时间相关信号指定为S2(t)，则确定时间滞后τ12，使得两个时间限制ta和tb之间的互相关乘积最大。互相关乘积在本文中定义为：
因此，来自每个CCVS 100中的每对传感器102的时间序列与长度连续增加的时间滞后相乘。这些序列应该同步，以便每个序列中都有机会包含化学品浓度模式。可以使用基于在ta和tb之间测得的S1和S2的最近值的数值积分，通过尝试和错误以不同的τ值找到定义为τij的最大化积分的τ值。如果一个或多个传感器102在积分时间间隔内未检测到任何污染，则对应的对的滞后是不确定的，并且那些传感器102的该时间间隔将被忽略。为该对传感器102提供最大互相关乘积的每对传感器102之间的时间滞后应保存在存储器中。
每个CCVS 100中成对的传感器102之间的已知位置差除以该对对应的最佳时间滞后。每个向量分量中所有i和j的这些比率的平均值给出了所选时间间隔内的平均向量速度。如果特定传感器102在该时间间隔内不包括化学品或污染物的信号，则来自其他传感器102的平均值仍然可能并且可以确定速度。但是，如果仅在一个或两个传感器中进行检测，则无法检测速度，并且可以从进一步的分析中删除该时间间隔。
较小的CCSV 100将产生更多的流体速度局部测量值。传感器102应当能够以等于时间尺度的一半的时间分辨率来测量波动，在该时间尺度上，典型地快速的流体爆发在两个传感器102之间的最短分离距离上行进。或者，在给定传感器对污染物浓度变化的响应时间的情况下，CCSV 100应大于或等于流体在等于检测器响应时间两倍的时间内可以行进的距离，并留有余量，它提供了速度分布高端的流体速度偏移。在这两种情况下，系数为2时可在奈奎斯特(Nyquist)频率下提供最佳采样。
因此，控制模块104执行上述实时互相关，将来自每对传感器102的信号与每对之间的时间滞后相乘，从而使互相关积最大化。当将时间滞后划分为分离两个传感器102的空间矢量时，结果是流体速度的测量值，该流体速度在传感器102所占据的空间上平均并且在互相关积的时间窗上平均。
在一些实施例中，CCVS 100可以是永久或固定安装的一部分，其中CCVS 100相对于化学品或污染物源是固定的。在其他实施例中，CCVS 100可以相对于化学品或污染物源运动，例如在移动平台，卡车或无人驾驶飞机上实现。CCVS 100检测到的速度与基于地面的速度之间的差表示测得的流体速度。
现在参考图2，使用多个CCVS 100的布置来确定化学品物质或污染物的来源202。湍流的性质预测在给定CCVS 100中由传感器102测量的流体速度的长期平均值对应于CCVS100周围较大空间尺度上的流体速度平均值。因此，在单个CCVS 100上测得的流体的长期平均方向指向化学品物质或污染物的来源，在一定误差范围内，随着平均时间的增加而减小。CCVS 100将其对流体运动的时间平均向量的测量提供给分析系统204。
因此，每个CCVS 100指向污染源202，这意味着四个CCVS 100的组合可以指向三维空间中的单个唯一位置。如果到源202的方向与连接两个CCVS 100的矢量不对齐，则两个CCVS 100足以给出源202的三维位置。如果位置不与三个CCVS 100的平面共对准，则三个CCVS 100足以检测源202。在通常情况下，四个非共面的CCVS 100足以检测源202，四个CCVS100的任何取向都适合于检测源202。
因此，图2表示CCVS 100的一种特定配置，以检测位于由CCVS100建立的周界内的源202。如果源202位于该周界之外，本实施例也能够定位源202。如果来自所有CCVS 100的矢量指向大空间或指向几个小体积而不是单个小体积，则可以得出结论，源202覆盖广阔的区域，或者存在多个源202。
CCVS 100应该被定位成足够靠近源202，以给出合理的期望，即每个CCVS 100内部的传感器102将至少在某些时间检测到泄漏。如果源202可位于其中的区域较大，则应将许多CCVS 100放置在该区域中，其中至少一些CCVS 100在可疑区域之外，以在最终位置确定中提供足够的方向精度。
一般来说，风向和风速会每小时和每天变化(hour to hour and day to day)，因此特定CCVS 100对化学品或污染物的检测将是间歇性的。应当保存每个速度矢量检测值，并长时间(例如，数天或数周)一起平均，以给出该CCVS 100检测到污染物时的平均速度。沿与长期平均速度相反的方向的矢量指向源202。在具有多个CCVS 100及其各自的长期平均速度的情况下，源202的三维位置将在所有方向的交点附近，被测量为与长期平均CCVS速度相反。。
现在参考图3，示出了定位化学品或污染物源202的方法。框302测量每个CCVS 100中每个传感器102处的化学品浓度和流体速度的时间序列。框304使每个CCVS 100中的每对传感器102互相关，并且框306使用这些互相关值来确定每个产生最大互相关值的CCVS100的时间滞后。
方框308确定在每个CCVS 100处的化学品或污染物的平均速度矢量。从CCVS 100内的每对传感器102提取该平均速度向量。然后，块310将块308的输出与先前的平均速度向量求平均，从而为每个CCVS 100生成时间平均速度向量。块312反转每个时间平均速度矢量，并找到收敛(convergence)的点或区域，从而识别源202。
应当注意，可以重复框302-310，直到满足收敛标准为止。在一些实施例中，收敛准则可以包括反向时间平均速度矢量的交叉点之间的距离，其表征是否已经识别出不同的源202。在一些实施例中，收敛标准可以包括变化的阈值，其中连续的平均速度矢量向平均值提供逐渐减小的变化—当新的平均速度矢量将平均值改变小于阈值的量时，可以确定收敛点。应当理解，这些收敛标准并非旨在进行限制，而是可以使用任何适当的一个或多个收敛标准。
在任何可能的技术细节结合层面，本发明可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本发明的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本发明操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本发明的各个方面。
这里参照根据本发明实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本发明的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图示出了根据本发明的各个实施例的系统，方法和计算机程序产品的可能的实现的架构、功能和操作。就这一点而言，流程图或框图中的每个方框可以表示指令的模块、片段或部分，其包括用于实现指定的逻辑功能的一个或多个可执行指令。在一些替代实施方式中，方框中指出的功能可以不按图中指出的顺序发生。例如，取决于所涉及的功能，实际上可以基本上同时执行连续示出的两个框，或者有时可以以相反的顺序执行这些框。还应注意，框图和/或流程图的每个方框以及框图和/或流程图的方框的组合可以通过执行特定功能或操作或执行特殊目的硬件和计算机指令的组合的基于特殊目的硬件的系统来实现。
在说明书中，对本发明的“一个实施例”或“一个实施例”及其其他变体的引用意味着结合本实施例描述的特定特征、结构、特性等包括在本发明的至少一个实施例中。因此，“在一个实施例中”或“在实施例中”的短语的出现，以及在整个说明书的各个地方出现的任何其他变化，不一定都指同一个实施例。
应理解，使用下列“/”、“和/或”和“至少一个”，例如，在“A/B”、“A和/或B”和“A和B中的至少一个”的情况下，意在仅包括选择第一个列出的选项(A)，或仅选择第二个列出的选项(B)，或选择两个选项(A和B)。作为另一示例，在“A，B和/或C”和“A，B和C中的至少一个”的情况下，这种措词旨在仅包括对第一列出的选项(A)的选择，或仅选择第二个列出的选项(B)，或仅选择第三个列出的选项(C)，或仅选择第一个和第二个列出的选项(A和B)，或仅选择列出的第一个和第三个选项(A和C)，或者仅选择列出的第二个和第三个选项(B和C)，或者选择所有三个选项(A和B和C)。如本领域和相关领域的普通技术人员显而易见的那样，对于列出的许多项目，这可以扩展。
现在参考图4，提供了关于传感器102的附加细节。每个传感器102包括硬件处理器402和存储器404。通信接口406使用任何适当的通信协议经由有线和/或无线连接向控制模块104以及可选地向其他传感器102提供通信。
传感器102包括化学传感器408。化学传感器408对一种或多种化学品物质或污染物的浓度进行测量。通信接口406可以将传感器测量实时地传送到传感器控制模块104，或者可以替代地，传输由传感器408在先前的日期已经获取并存储在存储器404中的测量。可通过任何适当的机制进行测量，包括但不限于分光镜、色谱仪、电化学电池、pH传感器等。
现在参考图5，示出了关于传感器控制模块104的附加细节。传感器控制模块104包括硬件处理器502、存储器504和通信接口506。通信接口506提供传感器控制模块104和传感器102之间的通信，从传感器102收集测量值以存储在存储器504中。通信接口506还提供相应CCVS 100中的传感器控制模块104之间的通信以及向中央分析系统204提供通信。传感器控制模块104包括一个或多个功能模块，在一些实施例中，这些功能模块可以被实现为软件，存储在存储器504中并由处理器502执行。在替代实施例中，功能模块可以以例如专用集成芯片或现场可编程门阵列的形式实现为一个或多个分立的硬件组件。
互相关模块508使CCVS 100中的每对传感器102的时间顺序测量值互相关，以识别使互相关值最大化的时间滞后。然后，速度矢量模块510基于传感器测量值生成如上所述的平均速度矢量。速度矢量模块510还可以将新的平均速度矢量与存储在存储器504中的先前测量的平均速度矢量进行平均。
现在参考图6，示出了关于分析系统204的附加细节。分析系统204包括硬件处理器602和存储器604，以及通信接口606，其被配置为与各个CCVS 100的传感器控制模块104通信。通信接口606可以使用任何适当的协议通过任何适当的有线或无线连接与传感器控制模块104通信。分析系统204还包括一个或多个功能模块，在一些实施例中，这些功能模块可以被实现为存储在存储器604中并由处理器602执行的软件。在替代实施例中，功能模块可以以例如特定于应用的集成芯片或现场可编程门阵列的形式实现为一个或多个离散硬件组件。
特别地，分析系统204包括源定位模块608，其从相应的传感器控制模块104获取平均速度矢量信息并反转各种平均速度矢量以找到收敛点。因此，源定位模块608在存储器604中维护每个CCVS 100的物理位置，以为源202提供物理坐标和不确定程度。
分析系统204可以是系统中的单独组件，如图2所示，与每个CCVS 100独立通信。然而，在其他实施例中，分析系统204可以与一个或多个CCVS 100集成在一起。
现在参考图7，示出了示例性处理系统700，其可以代表分析系统204。处理系统700包括至少一个处理器(CPU)704，其经由系统总线702可操作地耦合到其他组件。高速缓存706、只读存储器(ROM)708、随机存取存储器(RAM)710、输入/输出(I/O)适配器720、声音适配器730、网络适配器740、用户界面适配器750和显示适配器760可操作地耦合到系统总线702。
第一存储设备722和第二存储设备724通过I/O适配器720可操作地耦合到系统总线702。存储设备722和724可以是任何磁盘存储设备(例如，磁盘或光盘存储设备)、固态磁性设备等。存储设备722和724可以是相同类型的存储设备或不同类型的存储设备。
扬声器732通过声音适配器730可操作地耦合到系统总线702。收发器742通过网络适配器740可操作地耦合到系统总线702。显示设备762通过显示适配器760可操作地耦合到系统总线702。
第一用户输入设备752、第二用户输入设备754和第三用户输入设备756通过用户接口适配器750可操作地耦合到系统总线702。用户输入设备752、754和756可以是以下任何一个：键盘、鼠标、小键盘、图像捕获设备、运动感测设备、麦克风、结合了至少两个前述设备功能的设备等。当然，在保持本原理的范围的同时，也可以使用其他类型的输入设备。用户输入设备752、754和756可以是相同类型的用户输入设备或不同类型的用户输入设备。用户输入设备752、754和756用于向系统700输入信息和从系统700输出信息。
当然，如本领域技术人员容易想到的那样，处理系统700还可以包括其他元件(未示出)，并且省略某些元件。例如，取决于处理系统700的特定实施方式，各种其他输入设备和/或输出设备可以包括在处理系统700中，如本领域普通技术人员容易理解的，例如，可以使用各种类型的无线和/或有线输入和/或输出设备。而且，如本领域普通技术人员容易理解的，还可以采用各种配置的附加处理器、控制器、存储器等。鉴于本文提供的本原则的教导，本领域的普通技术人员很容易想到处理系统700的这些和其他变型。
已经描述了系统和方法的优选实施例(其意图是示例性的而非限制性的)，应注意，本领域技术人员可以根据以上教导进行修改和变型。因此，应当理解，可以在所公开的特定实施例中进行改变，这些改变在由所附权利要求概述的本发明的范围内。至此已经描述了本发明的各方面，并具有专利法所要求的细节和特殊性，在所附权利要求中提出了由专利证书所要求保护的内容。

Claims (20)

1.一种用于定位化学品源的计算机实现的方法，包括：
用在多个不同位置的传感器测量化学品浓度以获得测量值；
使用处理器对来自成对位置的测量值进行互相关以确定一组位置的平均速度矢量；以及
基于多个平均速度矢量确定收敛区域以确定化学品源位置。
2.如权利要求1所述的方法，其中确定收敛区域包括反转每个平均速度矢量的方向。
3.如权利要求1所述的方法，其中对测量值进行互相关包括对在一对位置处在以时间滞后分开的时间处测量的浓度值的乘积进行积分，以产生互相关乘积C。
4.如权利要求3所述的方法，其中对测量值进行互相关还包括确定产生最大互相关乘积的时间滞后。
5.如权利要求4所述的方法，其中互相关乘积被计算为：
其中ta和tb是时间限制，S1(t)和S2(t)是在时间t来自第一传感器和第二传感器的测量值，以及τ是时间滞后。
6.如权利要求4所述的方法，还包括基于每对位置之间的距离的归一化总和除以对于每对位置的各个确定的时间滞后，确定平均速度矢量。
7.如权利要求1所述的方法，其中每组位置包括在各个位置的至少四个化学浓度传感器。
8.如权利要求7所述的方法，其中对来自成对位置的测量值进行互相关包括确定对于多个位置组的各个平均速度矢量。
9.一种化学和速度组合传感器CCVS系统，包括：
被配置为测量预定化学品浓度以获得测量值的多个化学浓度传感器；以及
传感器控制模块，包括处理器，处理器被配置为对来自成对化学浓度传感器的测量值进行互相关并确定平均速度矢量以确定化学品源位置。
10.如权利要求9所述的系统，其中传感器控制模块被进一步配置为对在一对位置处在以时间滞后分开的时间处测量的浓度值的乘积进行积分，以产生互相关乘积C。
11.如权利要求10所述的系统，其中传感器控制模块被进一步配置为确定产生最大互相关乘积的时间滞后。
12.如权利要求11所述的系统，其中互相关乘积被计算为：
其中ta和tb是时间限制，S1(t)和S2(t)是在时间t来自第一传感器和第二传感器的测量值，以及τ是时间滞后。
13.如权利要求11所述的系统，其中传感器控制模块被进一步配置为基于每对位置之间的距离的归一化总和除以对于每对位置的各个确定的时间滞后，确定平均速度矢量。
14.如权利要求9所述的系统，其中多个化学浓度传感器包括至少四个化学浓度传感器。
15.如权利要求14所述的系统，其中四个化学浓度传感器是非共面的。
16.一种化学品源定位系统，包括：
多个化学和速度传感器CCVS系统，每个CCVS系统都是如权利要求9所述的CCVS系统；以及
分析模块，包括处理器，处理器被配置为基于多个平均速度矢量确定收敛区域，以确定化学品源位置。
17.如权利要求16所述的系统，其中分析模块还被配置为反转每个平均速度矢量的方向以确定收敛区域。
18.如权利要求16所述的系统，其中每个CCVS系统包括至少四个化学浓度传感器。
19.如权利要求18所述的系统，其中每个CCVS系统的四个化学浓度传感器是非共面的。
20.如权利要求16所述的系统，包括至少四个非共面的CCVS系统。
CN201880031949.4A 2017-05-17 2018-05-14 用于流体污染分析的化学和速度组合传感器 Active CN110622023B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US15/597,648 US10502862B2 (en) 2017-05-17 2017-05-17 Combined chemical and velocity sensors for fluid contamination analysis
US15/597,648 2017-05-17
PCT/IB2018/053345 WO2018211402A1 (en) 2017-05-17 2018-05-14 Combined chemical and velocity sensors for fluid contamination analysis

Publications (2)

Publication Number Publication Date
CN110622023A CN110622023A (zh) 2019-12-27
CN110622023B true CN110622023B (zh) 2023-11-24

Family

ID=64271543

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880031949.4A Active CN110622023B (zh) 2017-05-17 2018-05-14 用于流体污染分析的化学和速度组合传感器

Country Status (4)

Country Link
US (2) US10502862B2 (zh)
CN (1) CN110622023B (zh)
DE (1) DE112018002543T5 (zh)
WO (1) WO2018211402A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10502862B2 (en) * 2017-05-17 2019-12-10 International Business Machines Corporation Combined chemical and velocity sensors for fluid contamination analysis
US11726071B2 (en) * 2019-03-18 2023-08-15 International Business Machines Corporation Finding a contaminant source in a volume of flowing fluid
CN111879493B (zh) * 2020-07-15 2021-06-08 清华大学 一种流场数据测量方法和测量控制系统

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2381891A1 (en) * 1999-07-02 2001-01-11 Cidra Corporation Flow rate measurement using unsteady pressures
CA2476902A1 (en) * 2003-08-20 2005-02-20 Dennis S. Prince Innovative gas monitoring with spacial and temporal analysis
CN101508344A (zh) * 2009-03-25 2009-08-19 江苏省安全生产科学研究院 应急救援辅助装备及其应用
CN102176119A (zh) * 2011-02-18 2011-09-07 杭州电子科技大学 一种基于信息融合机制的多机器人危险气味源定位方法
CN103093092A (zh) * 2013-01-14 2013-05-08 西南交通大学 河流突发性cod污染的事故源定位方法
CN103270404A (zh) * 2010-12-21 2013-08-28 格伦德福斯管理联合股份公司 监测系统
US8949037B2 (en) * 2003-08-20 2015-02-03 Airdar Inc. Method and system for detecting and monitoring emissions
CN104931928A (zh) * 2015-07-01 2015-09-23 西北工业大学 一种信号源定位方法及装置
CN105636431A (zh) * 2013-05-20 2016-06-01 艾利佛公司 响应基于传感器数据的生物体状态的组合扬声器和光源
CN106650017A (zh) * 2016-11-23 2017-05-10 大连理工大学 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7834754B2 (en) 2002-07-19 2010-11-16 Ut-Battelle, Llc Method and system for monitoring environmental conditions
US6895335B2 (en) 2002-07-24 2005-05-17 Shell Oil Company Locating a source of emanations
GB2419410B (en) 2004-10-20 2008-05-21 Vetco Gray Controls Ltd Sensor configuration
US8190376B2 (en) * 2008-08-18 2012-05-29 Safer Systems, Llc System and method for source identification for a chemical release
EP2452177A1 (en) 2009-07-07 2012-05-16 Hipoint Reservoir Detecting and locating fluid flow in subterranean rock formations
WO2012049537A1 (en) 2010-10-14 2012-04-19 Indian Institute Of Science Detection of nuclear spills using swarm optimization algorithms
RU2475779C1 (ru) 2011-06-09 2013-02-20 Нодари Викторович Баграташвили Способ распознавания сейсмического события и сейсмический детектор для его осуществления
US9500556B2 (en) 2011-10-20 2016-11-22 Picarro, Inc. Methods for gas leak detection and localization in populated areas using multi-point analysis
US9366192B2 (en) 2014-02-10 2016-06-14 General Electric Company Hazardous gas detection system for a gas turbine enclosure
ES2877721T3 (es) * 2015-11-04 2021-11-17 Scepter Incorporated Red de sensores atmosféricos y sistema de información analítica relacionados con ellos
US9766220B2 (en) 2016-02-08 2017-09-19 International Business Machines Corporation Leveraging air/water current variability for sensor network verification and source localization
US10502862B2 (en) * 2017-05-17 2019-12-10 International Business Machines Corporation Combined chemical and velocity sensors for fluid contamination analysis

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CA2381891A1 (en) * 1999-07-02 2001-01-11 Cidra Corporation Flow rate measurement using unsteady pressures
CA2476902A1 (en) * 2003-08-20 2005-02-20 Dennis S. Prince Innovative gas monitoring with spacial and temporal analysis
US8949037B2 (en) * 2003-08-20 2015-02-03 Airdar Inc. Method and system for detecting and monitoring emissions
CN101508344A (zh) * 2009-03-25 2009-08-19 江苏省安全生产科学研究院 应急救援辅助装备及其应用
CN103270404A (zh) * 2010-12-21 2013-08-28 格伦德福斯管理联合股份公司 监测系统
CN102176119A (zh) * 2011-02-18 2011-09-07 杭州电子科技大学 一种基于信息融合机制的多机器人危险气味源定位方法
CN103093092A (zh) * 2013-01-14 2013-05-08 西南交通大学 河流突发性cod污染的事故源定位方法
CN105636431A (zh) * 2013-05-20 2016-06-01 艾利佛公司 响应基于传感器数据的生物体状态的组合扬声器和光源
CN104931928A (zh) * 2015-07-01 2015-09-23 西北工业大学 一种信号源定位方法及装置
CN106650017A (zh) * 2016-11-23 2017-05-10 大连理工大学 一种利用固定位置污染物探测器辨识城市空间多污染物源的方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
"基于传感器监测网络的空间事件定位方法及仿真研究";王春霞;《中国优秀硕士学位论文辑》;全文 *

Also Published As

Publication number Publication date
US10935692B2 (en) 2021-03-02
US20200041690A1 (en) 2020-02-06
DE112018002543T5 (de) 2020-02-20
CN110622023A (zh) 2019-12-27
US20180335544A1 (en) 2018-11-22
WO2018211402A1 (en) 2018-11-22
US10502862B2 (en) 2019-12-10

Similar Documents

Publication Publication Date Title
CN110622023B (zh) 用于流体污染分析的化学和速度组合传感器
Meng et al. Optimality analysis of sensor-source geometries in heterogeneous sensor networks
US20160198308A1 (en) Pathway Matching
Dorfan et al. Tree-based recursive expectation-maximization algorithm for localization of acoustic sources
Andreas et al. Production velocity of sea spray droplets
US20140239969A1 (en) Method Of Locating An Event Transmitting A Signal
US20220050123A1 (en) Method and an apparatus for characterizing an airflow
CN113419233A (zh) 感知效果的测试方法、装置和设备
Li et al. Research on the UWB/IMU fusion positioning of mobile vehicle based on motion constraints
CN109490914B (zh) 物体定位方法、服务器及系统
Pan et al. Efficient Pipe Burst Detection in Tree‐Shape Water Distribution Networks Using Forward‐Backward Transient Analysis
Gunatilaka et al. Parameter estimation of a continuous chemical plume source
Gala et al. Multi-sound-source localization using machine learning for small autonomous unmanned vehicles with a self-rotating bi-microphone array
Georgy et al. Unconstrained underwater multi-target tracking in passive sonar systems using two-stage PF-based technique
Jordan A skin friction model for axisymmetric turbulent boundary layers along long thin circular cylinders
RU2463631C1 (ru) Способ обнаружения очагов землетрясений сетью сейсмостанций
Subhan et al. Hybrid indoor position estimation using K-NN and MinMax
Lekien et al. Unsteady flow separation on slip boundaries
US11327148B2 (en) Location detection using a single beacon
Ortner et al. A sequential detector for biochemical release in realistic environments
Kolaas et al. Lagrangian measurements of two-phase pipe flow using combined PIV/PTV
Rao Identification of simple product-form plumes using networks of sensors with random errors
Wu et al. An Error bound for sensor fusion with application to Doppler frequency based emitter location
Hussein Acoustic Source Localization Based on Time Difference of Arrivals using Generalize Cross-Correlation Method
Kartalidis et al. Cellular automata based evacuation process triggered by indoors Wi-Fi and GPS established detection

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