CN111257519A - 基于传感器阵列与脉冲响应原理的建筑空间中泄漏源识别装置及方法 - Google Patents
基于传感器阵列与脉冲响应原理的建筑空间中泄漏源识别装置及方法 Download PDFInfo
- Publication number
- CN111257519A CN111257519A CN202010193728.6A CN202010193728A CN111257519A CN 111257519 A CN111257519 A CN 111257519A CN 202010193728 A CN202010193728 A CN 202010193728A CN 111257519 A CN111257519 A CN 111257519A
- Authority
- CN
- China
- Prior art keywords
- gas
- leakage source
- concentration
- sensor array
- pulse
- 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
- 238000000034 method Methods 0.000 title claims abstract description 23
- 239000011159 matrix material Substances 0.000 claims abstract description 20
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 8
- 231100000719 pollutant Toxicity 0.000 claims abstract description 8
- 239000000700 radioactive tracer Substances 0.000 claims abstract description 7
- 238000003491 array Methods 0.000 claims description 2
- 238000005259 measurement Methods 0.000 claims description 2
- 238000012544 monitoring process Methods 0.000 claims description 2
- 238000004088 simulation Methods 0.000 abstract 1
- 239000007789 gas Substances 0.000 description 19
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 2
- 208000001528 Coronaviridae Infections Diseases 0.000 description 2
- 208000025370 Middle East respiratory syndrome Diseases 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 208000035473 Communicable disease Diseases 0.000 description 1
- 241000711573 Coronaviridae Species 0.000 description 1
- 206010069767 H1N1 influenza Diseases 0.000 description 1
- 229910002092 carbon dioxide Inorganic materials 0.000 description 1
- 239000001569 carbon dioxide Substances 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 239000000356 contaminant Substances 0.000 description 1
- 238000011109 contamination Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000003905 indoor air pollution Methods 0.000 description 1
- 230000009965 odorless effect Effects 0.000 description 1
- 230000001575 pathological effect Effects 0.000 description 1
- 201000010740 swine influenza Diseases 0.000 description 1
- 231100000331 toxic Toxicity 0.000 description 1
- 230000002588 toxic effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
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
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0067—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display by measuring the rate of variation of the concentration
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本发明实施例公开了一种利用浓度传感器阵列与脉冲响应原理在建筑内发生污染物释放或危险气体泄漏时,快速识别出泄漏源位置与泄漏源强度的装置及方法。该装置包括气体浓度传感器阵列、示踪气体脉冲释放装置和处理器。所述处理器连接浓度传感器并分析其数据,脉冲释放装置在建筑不同区间以脉冲方式释放示踪气体。该方法首先获得潜在泄漏源对应浓度传感器阵列的响应矩阵,然后可根据传感器阵列实时监测反馈的数值,结合正则化方法与贝叶斯概率模型计算出泄漏源的强度与位置。本发明方法能在不依赖数值模拟的情况下,对建筑内泄漏源位置和强度进行准确的反演估计,对保障建筑环境安全具有重要意义。
Description
(一)技术领域
本发明属于城市公共安全领域,具体涉及一种建筑空间内泄漏源识别装置及方法。
(二)背景技术
人们有90%的时间是在室内环境中度过的,因此由室内污染物所导致的健康和环境问题尤为引人关注。2009年的甲型H1N1流感、12至15年的中东呼吸综合征(MERS),以及2019年的新型冠状病毒疾病(COVID-19)等传染病在人群中蔓延迅速,说明了室内空气污染控制的重要性和迫切性。而建筑内污染物控制的前提就是对污染源所属区域及散发强度的准确辨识。另外,对于工业环境,特别是化工行业,很多有毒有害的化学气体是无色无味的。当其发生泄漏时,要及时报警,这也需要对对泄漏源进行准确的识别。目前常用的污染源辨识方法多基于数值模拟,缺乏实用性和可靠性,本发明提出基于传感器阵列与脉冲响应原理的建筑空间污染物泄漏源识别装置及方法,对于居住建筑室内环境改善和工业建筑生产安全保障有重要意义。
(三)发明内容
本发明的实施例提供一种基于传感器阵列与脉冲响应原理的建筑空间中泄漏源的识别装置及方法,能够自动、迅速地测量建筑内的污染物传质特性并进行泄漏源位置和强度的识别。
为达到上述目的,本发明的实施例采用如下技术方案:
第一方面,本发明提供一种基于传感器阵列与脉冲响应原理的建筑空间中泄漏源的识别装置,包括:气体浓度传感器阵列、示踪气体脉冲释放装置和处理器。
作为本发明实施例的进一步改进,所述示踪气体脉冲释放装置可以在指定时刻,以指定时间步长和体积流量释放示踪气体。
作为本发明实施例的进一步改进,所述处理器可以同步控制气体浓度传感器阵列和示踪气体脉冲释放装置,在示踪气体脉冲释放装置释放气体脉冲的同时,气体浓度传感器阵列开始记录浓度的时序变化数据。
作为本发明实施例的进一步改进,所述处理器可以根据气体浓度传感器阵列采集的脉冲数据计算潜在污染源的响应矩阵,根据响应矩阵和气体浓度传感器阵列采集的浓度数据计算泄漏源位置和强度。
第二方面,本发明提供一种基于传感器阵列与脉冲响应的建筑空间中泄漏源的识别方法,包括:
步骤一,确定好建筑内各浓度传感器的位置与潜在泄漏源的位置;
步骤二,在某一潜在泄漏源的位置分别以脉冲的形式释放一定量的气体,获取传感器阵列不同浓度传感器的响应矩阵A,其表示泄漏源强度q与传感器浓度C之间的关系,线性关系式为C=A·q,
步骤三,获取了所有潜在泄漏源对应传感器阵列的响应矩阵后,结合部分浓度传感器的实测值,利用正则化方法,反算出泄漏源的强度;
步骤四,利用其余浓度传感器的监测数据,基于贝叶斯准则,获得各潜在泄漏源的后验概率p(Yk|O),式中,N为潜在泄漏源个数,k表示潜在泄漏源编号,p(Yk)为先验概率,L(O|Yk)为似然函数,其中CM表示浓度传感器的测量值,表示第k个潜在泄漏源用响应矩阵计算出的传感器数值,σ为数据标准差;
步骤五,最后利用后验概率p(Yk|O)计算出各个潜在泄漏源的概率,概率值最大的潜在泄漏源位置即为真实泄漏源位置;
作为本发明实施例的进一步改进,所述步骤二中,脉冲释放时间设置为计算的时间步长,脉冲释放的气体量要达到浓度传感器的测量下限。
作为本发明实施例的进一步改进,所述步骤四中,其余浓度传感器为不同于用来反算泄漏源的强度q的传感器。
作为本发明实施例的进一步改进,所述步骤四中,先验概率p(Yk)可以指定泄漏源在不同潜在位置的概率相等。
(四)附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对本发明实施例中所需要使用的附图作简单地介绍,显而易见地,下面所描述的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其它的附图。
图1为本发明实施例提供的实验模型和基于传感器阵列与脉冲响应的建筑空间污染物泄漏源识别装置示意图
图2为本发明实施例提供的基于传感器阵列与脉冲响应的建筑空间污染物泄漏源识别方法流程图
图3为此方法在综合管廊中反算泄漏源强度结果图
(五)具体实施方式
为使本领域技术人员更好地理解本发明的技术方案,下面结合附图和具体实施方式对本发明作进一步详细描述。显然,所描述的实施例是本发明的一部分实施例,而不是全部实施例。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的提前下所获得的实施例,都应属于本发明保护的范围。
如图1所示,建立了一个长9米,宽1.7米,高2.1米的地下综合管廊模型,9米长的燃气管道横穿模型。真实泄漏源(潜在源1)位置设置在燃气管道下,距离入风口1.63米的位置上,另设置两个潜在源2和潜在源3。气体浓度传感器阵列布置在距离入风口9米的“S”截面上,共四个浓度传感器S1,S2,S3,S4。
在实验中,在不同潜在泄漏源位置,示踪气体(二氧化碳)以45L/min的流量释放10秒(脉冲形式),得到四个浓度传感器随时间变化的数据,导入处理器进行数据处理,获得不同潜在泄漏源位置对应不同浓度传感器的12个响应矩阵A。
以30L/min的强度在真实泄漏源1恒定释放示踪气体,根据各传感器位置反馈回来的浓度值C,最后再结合以上计算的浓度响应矩阵A,可确定出对应不同传感器的泄漏源1的强度大小q。
又由于浓度响应矩阵A为病态矩阵,即无法通过对C=A·q直接求逆求得q,故利用Tikhonov正则化方法增强矩阵运算的稳定性。Tikhonov正则化方法是将泄漏源强度与浓度之间的关系式C=A·q转化为求下式最小目标函数的问题:
由上式,若己知浓度传感器浓度时间序列C、响应矩阵A,即可确定对应传感器的泄漏源强度大小q,反算出泄漏源强度的结果,如图3所示。其中真实源的泄漏强度为30L/min;S1,S2,S3,S4分别为不同传感器反算的泄漏源1强度的结果。计算的结果表明,各传感器位置基本能够反算出泄漏源的强度,但总体上比实际的泄漏强度要小一些。同时也验证了,使用脉冲响应法获取响应矩阵的方法在实际发生泄漏情况下进行逆向识别的可行性。
泄漏源位置的确定采用的是贝叶斯概率模型,选用S1浓度传感器用来进行泄漏源强度识别,用S2浓度传感器进行泄漏源位置识别。首先,利用S1浓度传感器的数据和其对应三个潜在源的响应矩阵,反算出三个潜在源的泄漏强度。
然后,利用三个潜在源的泄漏强度和其对应S2浓度传感器的响应矩阵,计算出潜在源1、2、3的似然概率L(O|Y1)、L(O|Y2)、L(O|Y3)。
最后,计算出三个潜在泄漏源的后验概率p(Y1|O),p(Y2|O),p(Y3|O),比较三个后验概率大小,发现潜在泄漏源1的后验概率值最大,即为预测的真实源位置。综上,完成对泄漏源释放强度和位置的识别。
Claims (8)
1.基于传感器阵列与脉冲响应的建筑空间污染物泄漏源识别装置,其特征在于,包括:气体浓度传感器阵列(1)、示踪气体脉冲释放装置(2)和处理器。
2.根据权利要求1所述的三维空间气体浓度分布测量装置,其特征在于,所述示踪气体脉冲释放装置(2)可以在指定时刻,以指定时间步长和体积流量释放示踪气体。
3.根据权利要求1所述的三维空间气体浓度分布测量装置,其特征在于,所述处理器可以同步控制气体浓度传感器阵列(1)和示踪气体脉冲释放装置(2),在示踪气体脉冲释放装置(2)释放气体脉冲的同时,气体浓度传感器阵列(1)开始记录浓度的时序变化数据。
4.根据权利要求1所述的三维空间气体浓度分布测量装置,其特征在于,所述处理器可以根据气体浓度传感器阵列(1)采集的脉冲数据计算潜在泄漏源的响应矩阵,根据响应矩阵和气体浓度传感器阵列(1)采集的浓度数据计算泄漏源位置和强度。
5.基于传感器阵列与脉冲响应的建筑空间污染物泄漏源识别方法,其特征在于,包括以下步骤:
第一步,首先确定好建筑内各浓度传感器的位置与潜在泄漏源的位置;
第二步,在某一潜在泄漏源的位置分别以脉冲的形式释放一定量的气体,获取传感器阵列不同浓度传感器的响应矩阵A,其表示泄漏源强度q与传感器浓度C之间的关系,线性关系式为C=A·q,
第三步,获取了所有潜在泄漏源对应传感器阵列的响应矩阵后,结合部分浓度传感器的实测值,利用正则化方法,反算出泄漏源的强度。
第四步,利用其余浓度传感器的监测数据,基于贝叶斯准则,获得各潜在泄漏源的后验概率p(Yk|O),式中,N为潜在泄漏源个数,k表示潜在泄漏源编号,p(Yk)为先验概率,L(O|Yk)为似然函数,其中CM表示浓度传感器的测量值,表示第k个潜在泄漏源用响应矩阵计算出的传感器数值,σ为数据标准差。
第五步,最后利用后验概率p(Yk|O)计算出各个潜在泄漏源的概率,概率值最大的潜在泄漏源位置即为真实泄漏源位置。
6.如权利要求5所述,其特征在于,所述步骤二中,脉冲释放时间设置为计算的时间步长,脉冲释放的气体量要达到浓度传感器的测量下限。
7.如权利要求5所述,其特征在于,所述步骤四中,其余浓度传感器为不同于用来反算泄漏源的强度q的传感器。
8.如权利要求5所述,其特征在于,所述步骤四中,先验概率p(Yk)可以指定泄漏源在不同潜在位置的概率相等。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193728.6A CN111257519A (zh) | 2020-03-18 | 2020-03-18 | 基于传感器阵列与脉冲响应原理的建筑空间中泄漏源识别装置及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010193728.6A CN111257519A (zh) | 2020-03-18 | 2020-03-18 | 基于传感器阵列与脉冲响应原理的建筑空间中泄漏源识别装置及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111257519A true CN111257519A (zh) | 2020-06-09 |
Family
ID=70954946
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010193728.6A Pending CN111257519A (zh) | 2020-03-18 | 2020-03-18 | 基于传感器阵列与脉冲响应原理的建筑空间中泄漏源识别装置及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111257519A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111256043A (zh) * | 2020-03-18 | 2020-06-09 | 南京工业大学 | 基于脉冲响应法与传感器阵列的综合管廊燃气泄漏源识别方法 |
CN111650339A (zh) * | 2020-06-13 | 2020-09-11 | 桂林电子科技大学 | 一种建筑室内多个污染源释放强度的逆向辨识方法 |
CN112283846A (zh) * | 2020-11-03 | 2021-01-29 | 南京工业大学 | 基于m序列和污染源辨识的室内空气靶向净化装置及方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104736987A (zh) * | 2012-10-19 | 2015-06-24 | 皮卡罗股份有限公司 | 使用水平分析在人口稠密地区中进行气体泄漏检测和定位的方法 |
CN104807771A (zh) * | 2015-03-19 | 2015-07-29 | 河北工业大学 | 室外环境下机器人有毒有害气体多源嗅觉定位系统 |
CN107145737A (zh) * | 2017-04-28 | 2017-09-08 | 南京工业大学 | 一种基于马尔科夫链的非稳态流场下污染源逆向识别算法 |
CN110081317A (zh) * | 2019-03-18 | 2019-08-02 | 清华大学 | 泄漏源定位装置和系统 |
-
2020
- 2020-03-18 CN CN202010193728.6A patent/CN111257519A/zh active Pending
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104736987A (zh) * | 2012-10-19 | 2015-06-24 | 皮卡罗股份有限公司 | 使用水平分析在人口稠密地区中进行气体泄漏检测和定位的方法 |
CN104807771A (zh) * | 2015-03-19 | 2015-07-29 | 河北工业大学 | 室外环境下机器人有毒有害气体多源嗅觉定位系统 |
CN107145737A (zh) * | 2017-04-28 | 2017-09-08 | 南京工业大学 | 一种基于马尔科夫链的非稳态流场下污染源逆向识别算法 |
CN110081317A (zh) * | 2019-03-18 | 2019-08-02 | 清华大学 | 泄漏源定位装置和系统 |
Non-Patent Citations (2)
Title |
---|
XIAORAN LIU 等: ""Dynamical source term estimation in a multi-compartment building under time-varying airflow"", 《BUILDING AND ENVIRONMENT》 * |
张双圣等: "基于贝叶斯-微分进化算法的污染源识别反问题", 《山东大学学报(工学版)》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111256043A (zh) * | 2020-03-18 | 2020-06-09 | 南京工业大学 | 基于脉冲响应法与传感器阵列的综合管廊燃气泄漏源识别方法 |
CN111650339A (zh) * | 2020-06-13 | 2020-09-11 | 桂林电子科技大学 | 一种建筑室内多个污染源释放强度的逆向辨识方法 |
CN112283846A (zh) * | 2020-11-03 | 2021-01-29 | 南京工业大学 | 基于m序列和污染源辨识的室内空气靶向净化装置及方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111257519A (zh) | 基于传感器阵列与脉冲响应原理的建筑空间中泄漏源识别装置及方法 | |
CN110851981B (zh) | 一种实现突发水污染快速溯源的方法 | |
CN108956876B (zh) | 一种烟气在线连续监测系统的测量时延修正方法 | |
Liu et al. | Investigation of indoor air pollutant dispersion and cross-contamination around a typical high-rise residential building: wind tunnel tests | |
Liu et al. | Prompt tracking of indoor airborne contaminant source location with probability-based inverse multi-zone modeling | |
Zhai et al. | Experimental verification of tracking algorithm for dynamically-releasing single indoor contaminant | |
Wang et al. | Locating hazardous gas leaks in the atmosphere via modified genetic, MCMC and particle swarm optimization algorithms | |
CN105378451A (zh) | 用于对采样装置的校正功能进行验证的方法 | |
CN112198209B (zh) | 一种甲醛检测方法及甲醛检测装置 | |
CN109781809B (zh) | 一种甲醛浓度人工智能测算方法 | |
CN106777893A (zh) | 一种利用可移动污染物探测器辨识城市空间多污染物源的方法 | |
CN116205150A (zh) | 基于伴随脉冲算法的室内气态污染源时空信息估计方法 | |
CN111256043A (zh) | 基于脉冲响应法与传感器阵列的综合管廊燃气泄漏源识别方法 | |
CN111220349B (zh) | 一种多参量优化测控电路、实验系统及实验方法 | |
Zhai et al. | Identifying decaying contaminant source location in building HVAC system using the adjoint probability method | |
CN105784005A (zh) | 汽车罐车自动检测系统 | |
CN105717257A (zh) | 基于非线性最小二乘法和扩展集员滤波的气体源无线定位 | |
CN112259172B (zh) | 一种存在空气污染物化学反应情况的污染源逆向辨识方法 | |
CN116230106A (zh) | 一种有害气体浓度预测方法和应用 | |
Ayaz et al. | Design of a new cost-efficient automation system for gas leak detection in industrial buildings | |
JP2020076731A (ja) | 排出物測定装置又はシステムの汚染レベルを決定するためのシステム及び方法 | |
CN112283846A (zh) | 基于m序列和污染源辨识的室内空气靶向净化装置及方法 | |
CN105548507A (zh) | 大气颗粒物中硫酸盐的测定装置及其测定方法 | |
CN112257354B (zh) | 一种动态风场条件下的空气污染源逆向定位方法 | |
CN115325675A (zh) | 一种用于自动调节室内空气环境的新风控制系统及方法 |
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 | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20200609 |