CN112468989A - 一种可燃气体泄漏无线监测传感器部署方法 - Google Patents

Abstract

一种可燃气体泄漏无线监测传感器部署方法，属于气体监测领域，其特征在于，包括：首先根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型；再根据最大有效覆盖原则，基于协方差自适应进化策略CMA‑ES优化求解得部署方法。通过对现有技术改进在根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型；再通过最大有效覆盖原则，基于协方差自适应进化策略CMA‑ES优化求解得部署方法，利用有限传感器资源实现监测区域的最大有效覆盖，定量化减少传感器感知范围的重叠与盲区，以此提高传感网的有效感知范围，保证监测数据获取的可靠性，为预防预报可燃气体泄漏事故提供依据。

Description

一种可燃气体泄漏无线监测传感器部署方法

技术领域

本发明属于气体监测领域，尤其涉及一种可燃气体泄漏无线监测传感器部署方法。

背景技术

可燃气体浓度处于爆燃极限时就极易发生爆炸。工业生产中，可燃气体会被液化后进行贮存和运输。大型储罐及接收站设施作为我国可燃气体最主要的贮存载体，一旦发生泄漏等安全事故将造成严重的经济损失及社会影响。

在可燃气体的泄漏监测方面，目前可采用的监测方法主要有三类。一类是采用模拟仪表加人工巡检的方式，但人工巡检方式存在工作量大、危险性高、测量精度及频率低等问题，无法适应现代工业需求；第二类是采用设置有线传感监测设备来实现可燃气体泄漏监测，这种方法具有较好的实时性与测量精度。但是由于监测对象的特殊性，其储存设施往往规模巨大，监测点位众多，有线的监测设备所依靠的大量电缆难以布置，同时电缆也给可燃气体的贮存环境带来诸多的安全隐患。第三类方法是设置无线监测网络的方法。随着无线传感技术的不断发展，现有的诸多特种无线传感设备已经能够满足可燃气体监测时的防爆要求。但是传统的传感器部署方法重点关注可燃气体贮存设施的重点环节，但是这种方式并未充分考虑传感器参数及监测环境特点，容易形成传感器感知重叠区和盲区，一方面使得传感器资源未得到有效利用，另一方面容易导致潜在的风险。

发明内容

本发明旨在解决上述问题，提供一种可燃气体泄漏无线监测传感器部署方法。

本发明所述可燃气体泄漏无线监测传感器部署方法，包括：首先根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型；再根据最大有效覆盖原则，基于协方差自适应进化策略CMA-ES优化求解得部署方法。

优选地，本发明所述可燃气体泄漏无线监测传感器部署方法，所述根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型，包括如下步骤：S11、随机布置N个相同的无线监测传感器于长、宽、高分别为l，w，h的待监测区域上，离散为l×w×h个待监测点，且每个无线监测传感器的感知半径为r，且对所有方向敏感，通信半径为R；假设N个无线监测传感器组成的集合可以表示为{S₁,S₂,...,S_N}；则监测区域内任意点E＝(x,y,z)到布置于点(x_n,y_n,z_n)的传感器S_n的距离可以表示为：

S12、无线监测传感器的覆盖概率即待监测区域内某点E处于传感器S_n感知范围内的概率可以表示为：

其中，α₁,α₂,β₁,β₂是无线监测传感器特性参数；r′为传感器的测量不确定度，用以表征传感器应用环境对监测效果的影响，其大小处于0到传感器感知半径r之间。

S13、结合专家经验，确定该可燃气体贮存设施监测区域各点的权重；则整个监测区域的监测权重矩阵用Q表示为：

其中l和w分别表示可燃气体贮存设施监测区域的长和宽；q_i,j(i＝1,...,w；j＝1,...,l)表示监测区域内的某个单位离散点的权重。

S14、监测点E＝(x,y,z)处于传感器S_n感知范围内的有效性可表示为：

P_q{S_n,E}＝P{S_n,E}·q_xy (5)。

S15、监测点E＝(x,y,z)处于整个传感网络感知范围内的有效性可表示为：

S16、所有N个无线监测传感器构成的传感网络的监测点有效覆盖率可表示为：传感器网络有效覆盖区域与监测区域的比值

优选地，本发明所述可燃气体泄漏无线监测传感器部署方法，所述基于协方差自适应进化策略CMA-ES优化求解得部署方法，包括如下步骤：

S21、构建无线传感网络有效覆盖模型的优化目标函数：

其中，U为整个监测区域构成的坐标空间，d(S_i,S_j)表示最近两个传感器间的距离，用以保证传感器的通信。

S22、依据专家对所监测可燃气体储存设施的分析，给定无线监测传感器的初始部署方案为x⁽⁰⁾，设置CMA-ES优化算法的初始参数为：子代与父代个体数分别为λ和μ，最大迭代次数为G，初始分布均值为m⁽⁰⁾∈R^2N，初始协方差矩阵C⁽⁰⁾＝I∈R^2N×2N。

S23、种群采样，获得种群子代；具体的采样公式为：

其中，

是第(g+1)代种群的第k个体，m^(g)是第g代的种群分布均值，σ^(g)是第g代种群的分布步长，C^(g)是第g代种群分布的协方差矩阵。

S24、评价与选择；对子代个体进行逐个适应度评价并排序，进行(μ,λ)截断选择组成当前最优子群。

S25、参数更新；当前最优子群加权重组得到新的分布均值；具体更新如下:

其中，

最优个体分配较大的权值，实现优选重组；自适应更新协方差矩阵，过程如下

其中，c_c为p_c的更新学习速率；

自适应更新全局步长，过程如下

停止准则判定；是否达到停止条件？若是，则停止，输出最优解和最优值，否则返回上述步骤S23。

本发明所述可燃气体泄漏无线监测传感器部署方法，通过对现有技术改进在根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型；再通过最大有效覆盖原则，基于协方差自适应进化策略CMA-ES优化求解得部署方法，利用有限传感器资源实现监测区域的最大有效覆盖，定量化减少传感器感知范围的重叠与盲区，以此提高传感网的有效感知范围，保证监测数据获取的可靠性，为预防预报可燃气体泄漏事故提供依据。

附图说明

图1为本发明所述CMA-ES优化算法的流程示意图；

图2为本发明所述在该区域扩散特性获得的权重分布图；

图3为本发明实施例所述无线监测传感网络初始部署方案图；

图4为本发明实施例所述求解的最优部署方案示意图。

具体实施方式

下面将通过附图及实施例对本发明所述可燃气体泄漏无线监测传感器部署方法进行清晰完整地说明。

本发明所述可燃气体泄漏无线监测传感器部署方法，首先根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型；再根据最大有效覆盖原则，基于协方差自适应进化策略CMA-ES优化求解得部署方法。在本公开实施例中根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型，包括如下步骤：步骤S11、随机布置N个相同的无线监测传感器于长、宽、高分别为l，w，h的待监测区域上，离散为l×w×h个待监测点，且每个无线监测传感器的感知半径为r，且对所有方向敏感，通信半径为R；假设N个无线监测传感器组成的集合可以表示为{S₁,S₂,...,S_N}；则监测区域内任意点E＝(x,y,z)到布置于点(x_n,y_n,z_n)的传感器S_n的距离可以表示为：

步骤S12、由于可燃性气体监测过程中存在储存设施结构复杂庞大，环境干扰因素众多等特点，传感器在应用过程中的监测效果存在不确定性，因此无线监测传感器的覆盖概率即待监测区域内某点E处于传感器S_n感知范围内的概率可以表示为：

其中，α₁,α₂,β₁,β₂是无线监测传感器特性参数；r′为传感器的测量不确定度，用以表征传感器应用环境对监测效果的影响，其大小处于0到传感器感知半径r之间。

步骤S13、由于可燃气体泄漏扩散的速度受环境影响严重，难以用模型准确描述。专家在长期工作时实践中对监测区域内的重要环节积累了大量经验，结合这些经验，确定该可燃气体贮存设施监测区域各点的权重。越容易发生泄漏且泄漏后可燃气体越容易扩散的点权重越大。则整个监测区域的监测权重矩阵用Q表示为：

步骤S14、基于上述分析，监测点E＝(x,y,z)处于传感器S_n感知范围内的有效性可表示为：

P_q{S_n,E}＝P{S_n,E}·q_xy (5)。

步骤S15、基于上述分析，监测点E＝(x,y,z)处于整个传感网络感知范围内的有效性可表示为：

步骤S16、所有N个无线监测传感器构成的传感网络的监测点有效覆盖率可表示为：传感器网络有效覆盖区域与监测区域的比值

在本公开实施例中所述基于协方差自适应进化策略CMA-ES优化求解得部署方法如图1所示，包括如下步骤：

步骤S21、构建无线传感网络有效覆盖模型的优化目标函数：

其中，U为整个监测区域构成的坐标空间，d(S_i,S_j)表示最近两个传感器间的距离，用以保证传感器的通信。

步骤S22、依据专家对所监测可燃气体储存设施的分析，给定无线监测传感器的初始部署方案为x⁽⁰⁾，设置CMA-ES优化算法的初始参数为：子代与父代个体数分别为λ和μ，最大迭代次数为G，初始分布均值为m⁽⁰⁾∈R^2N，初始协方差矩阵C⁽⁰⁾＝I∈R^2N×2N。

步骤S23、种群采样，获得种群子代；具体的采样公式为：

其中，

是第(g+1)代种群的第k个体，m^(g)是第g代的种群分布均值，σ^(g)是第g代种群的分布步长，C^(g)是第g代种群分布的协方差矩阵。

步骤S24、评价与选择；对子代个体进行逐个适应度评价并排序，进行(μ,λ)截断选择组成当前最优子群；

步骤S25、参数更新；当前最优子群加权重组得到新的分布均值；具体更新如下:

其中，

最优个体分配较大的权值，实现优选重组；

自适应更新协方差矩阵，过程如下

其中，c_c为p_c的更新学习速率；

自适应更新全局步长，过程如下

停止准则判定；是否达到停止条件？若是，则停止，输出最优解和最优值，否则返回上述步骤S23。

在本公开实施例中，监测设施的高度为19m，则监测区域为200×200×20m³的立方体空间，所采用专用无线监测传感器的型号为TSCH4-WX433-00，数量为100。

假设整个空间都可以安装传感器，结合监测对象的特殊性，为降低监测传感器的功耗，传感器的感知半径设置为5m，通信半径为50m，覆盖模型中传感器的特性参数为α₁＝1,α₂＝0,β₁＝β₂＝0.6，测量不确定度为r′＝2m。

其具体实施步骤如下：

步骤S11、监测区域内任意点E＝(x,y,z)到传感器S_n(布置于点(x_n,y_n,z_n))的距离可以表示为

步骤S12、传感器的覆盖概率即待监测区域内某点E处于传感器S_n感知范围内的概率可以表示为

步骤S13、结合可燃气体的扩散特性及贮存设施的重要环节，确定该可燃气体贮存设施监测区域各点的权重Q，表示为图2。

步骤S14、基于上述分析，则监测点E＝(x,y,z)处于传感器S_n感知范围内的有效性可以表示为：P_q{S_n,E}＝P{S_n,E}·q_xy (18)。

步骤S15、则监测点E＝(x,y,z)处于整个传感网络感知范围内的有效性可以表示为

步骤S16、该传感网络的监测点有效覆盖率优化目标函数可以表示为：

依据专家经验设置无线监测传感器的初始部署方案如图3所示。

设置CMA-ES优化算法的初始参数为：子代与父代个体数分别为24和12，最大迭代次数为200。

优化后的无线传感网络优化部署方案如下表1所示，部署方案的示意图如图4所示。

表1采用本发明得到的传感器网络最佳部署点位坐标

为了进一步说明本发明的有效性，分别与基于粒子群的传感网优化部署方法(PSO)、基于差分进化的传感网优化部署方法(DE)进行了对比。采用上述方法获得的最佳方案的有效覆盖率如表2所示。

表2对比试验中的有效覆盖率

方法	初始方案	CMA-ES	PSO	DE
					最佳有效覆盖率	1.6623％	3.4486％	2.1815％	2.6532％

通过本实施例可以看出，在传感器数量限定为100个的情况下，由专家确定的传感网络初始部署方案虽然能够对重点监测区域进行有效覆盖，但其有效性还处于较低水平，这是由于传感器布置点非最优，存在大量重叠区与盲区。本发明所述的无线监测传感网络优化部署方法能够较好地减少感知重叠区与盲区的出现，提高传感网络的有效覆盖率。相比初始部署方案，本发明所述方法将有效覆盖率提高了107.46％；与其它现有的部署方法相比，本发明所述方法均具有较大优势。

Claims (3)

1.一种可燃气体泄漏无线监测传感器部署方法，其特征在于，包括：首先根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型；再根据最大有效覆盖原则，基于协方差自适应进化策略CMA-ES优化求解得部署方法。

2.根据权利要求1所述可燃气体泄漏无线监测传感器部署方法，其特征在于，所述根据无线监测传感器及应用环境特性构建无线传感网络覆盖模型，包括：

S11、随机布置N个相同的无线监测传感器于长、宽、高分别为l，w，h的待监测区域上，离散为l×w×h个待监测点，且每个无线监测传感器的感知半径为r，且对所有方向敏感，通信半径为R；假设N个无线监测传感器组成的集合可以表示为{S₁,S₂,...,S_N}；则监测区域内任意点E＝(x,y,z)到布置于点(x_n,y_n,z_n)的传感器S_n的距离可以表示为：

S12、无线监测传感器的覆盖概率即待监测区域内某点E处于传感器S_n感知范围内的概率可以表示为：

其中，α₁,α₂,β₁,β₂是无线监测传感器特性参数；r′为传感器的测量不确定度，用以表征传感器应用环境对监测效果的影响，其大小处于0到传感器感知半径r之间；

S13、结合专家经验，确定该可燃气体贮存设施监测区域各点的权重；则整个监测区域的监测权重矩阵用Q表示为：

S14、监测点E＝(x,y,z)处于传感器S_n感知范围内的有效性可表示为：

P_q{S_n,E}＝P{S_n,E}·q_xy；

S15、监测点E＝(x,y,z)处于整个传感网络感知范围内的有效性可表示为：

S16、所有N个无线监测传感器构成的传感网络的监测点有效覆盖率可表示为：传感器网络有效覆盖区域与监测区域的比值

3.根据权利要求2所述可燃气体泄漏无线监测传感器部署方法，其特征在于，所述基于协方差自适应进化策略CMA-ES优化求解得部署方法，包括：

S21、构建无线传感网络有效覆盖模型的优化目标函数：

其中，U为整个监测区域构成的坐标空间，d(S_i,S_j)表示最近两个传感器间的距离，用以保证传感器的通信；

S22、依据专家对所监测可燃气体储存设施的分析，给定无线监测传感器的初始部署方案为x⁽⁰⁾，设置CMA-ES优化算法的初始参数为：子代与父代个体数分别为λ和μ，最大迭代次数为G，初始分布均值为m⁽⁰⁾∈R^2N，初始协方差矩阵C⁽⁰⁾＝I∈R^2N×2N；

S23、种群采样，获得种群子代；具体的采样公式为：

其中，

是第(g+1)代种群的第k个体，m^(g)是第g代的种群分布均值，σ^(g)是第g代种群的分布步长，C^(g)是第g代种群分布的协方差矩阵；

S24、评价与选择；对子代个体进行逐个适应度评价并排序，进行(μ,λ)截断选择组成当前最优子群；

S25、参数更新；当前最优子群加权重组得到新的分布均值；具体更新如下:

其中，

最优个体分配较大的权值，实现优选重组；自适应更新协方差矩阵，过程如下

其中，c_c为p_c的更新学习速率；

自适应更新全局步长，过程如下

停止准则判定；是否达到停止条件？若是，则停止，输出最优解和最优值，否则返回上述步骤S23。

Images