CN113567635B - 一种工业气体智能监测一体化系统及监测方法 - Google Patents

Abstract

本发明属于气体监测技术领域，提供了一种工业气体智能监测一体化系统及监测方法，所述方法包括：S1、获取数据采集节点的检测数据；S2、数据收集模块对检测数据进行预处理，还对经过预处理的检测数据进行首次分析处理；S3、数据分析模块对规范化的检测数据进行再次分析处理，并制定对监测点的处理策略；S4、数据分析模块基于各监测点的检测位置数据和气体浓度数据，建立气体监测区域的气体浓度分布模型，通过数据应用模块展示气体在真实三维场景中的扩散过程，通过本发明不仅能够对数据采集节点的气体浓度值进行实时监测，还能够减少数据采集节点对气体浓度值的误报，同时能以可视化的形式对气体扩散过程进行模拟，方便对气体扩散进行影响分析和处理。

Description

一种工业气体智能监测一体化系统及监测方法

技术领域

本发明属于气体监测技术领域，具体涉及一种工业气体智能监测一体化系统及监测方法。

背景技术

工业经济的迅猛发展推动着整个社会的快速进步，然而在工业生产过程和储存过程中产生的各种有毒有害气体不仅会给人们的生命财产安全和环境保护带来严重的危害，而且还可能会令使用这些气体的企业的发展受挫，由此，相关企业纷纷把目光聚焦在气体监测问题上，现有技术中的气体监测一般采用人工巡检的方式，要求责任人进入自己负责的区域进行气体浓度的检测作业，但这种方式对工作人员的生命健康有着不小的威胁，后来又出现了气体监测系统，即在被监测区域安装监测仪器，通过有线或无线通信的方式将检测的浓度数据汇总到监控室。

然而，传统的气体监测系统不仅需要企业自建机房，还需要工作人员在监控室内盯着检测到的数据，气体监测系统的智能化程度不足，而且一般缺少对监测仪器状态的监测，可能出现监测仪器的检测数据发生错误的情况，此外，传统的气体监测系统仅提供监测点的气体浓度超阈值提醒，却不考虑气体扩散将产生的影响，也不会对监测点泄露出的气体的扩散过程以可视化的形式进行模拟，也就无法帮助用户对监测点的有害气体的扩散进行影响分析和处理方案的制定等。

发明内容

本发明的目的是针对上述的技术问题，提出一种工业气体智能监测一体化系统及监测方法，通过数据采集节点获取各个监测点的气体浓度、流速、温度、湿度、压力等检测数据，对检测数据进行首次分析和再次分析，从而实现监测气体浓度的同时，对数据采集节点的状态同时进行监测，此外，系统还建立气体浓度分布模型，并将其整合到监测区域的GIS模型中，用来模拟气体的扩散过程，方便对气体扩散进行影响分析等处理。

为实现上述的目的，本发明提供如下的方法步骤：

步骤一、在气体监测区域内的各个监测点部署数据采集节点，并获取所述数据采集节点的检测数据，该检测数据包括监测点的检测位置，检测时间，气体检测类型，气体的流速、温度、湿度、压力数据，以及气体的浓度数据；

步骤二、将各个数据采集节点获取到的检测数据上传数据收集模块，所述数据收集模块对检测数据进行预处理，还对经过预处理的检测数据进行首次分析处理，并将首次分析的结果添加到检测数据中，从而得到规范化的检测数据；

步骤三、将所述规范化的检测数据通过数据通讯模块上传数据分析模块，所述数据分析模块对规范化的检测数据进行再次分析处理，根据再次分析的结果自动制定对监测点的处理策略，并将该处理策略下传至节点控制模块，同时将该处理策略上传至数据应用模块；

步骤四、数据分析模块基于各监测点的检测位置数据和气体浓度数据，建立气体监测区域的气体浓度分布模型，并将所述气体浓度分布模型与气体监测区域的GIS模型进行整合，通过数据应用模块展示气体在真实三维场景中的扩散过程。

步骤四中所述数据分析模块基于各监测点的检测位置数据和气体浓度数据，建立气体监测区域的气体浓度分布模型，具体包括如下步骤：

第一步、将监测点的检测位置作为原点，以下风方向为X轴正向，以垂直X轴正向为Y轴正向，以竖直向上的方向为Z轴正向，在气体监测区域内建立三维坐标系；

第二步、在所述三维坐标系上，按照系统预设的边长，把气体监测区域划分成若干个立方体，并在各个立方体内选取若干个检测点，分别计算各个检测点在某时刻的气体浓度值；

第三步、在所述立方体内随机选取若干个插值点，基于立方体内各个检测点的气体浓度值通过使用插值点浓度计算公式，分别计算各个插值点在某时刻的气体浓度值；

第四步、统计不同时刻下全部立方体内的各个检测点和各个插值点的气体浓度值，得到气体监测区域内的气体浓度分布模型；

将第三步中所述插值点浓度计算公式描述如下：

其中，C_(x,y,z)代表坐标为(x,y,z)的插值点的气体浓度值，n代表位于立方体内的检测点个数，ω_i，i＝{1,2,...,n}代表检测点对插值点的气体浓度值的影响程度，

代表坐标为(x_i,y_i,z_i)的检测点的气体浓度值，λ，(1-λ)分别代表对ω_i，i＝{1,2,...,n}计算的重要程度。

与现有技术中的工业气体监测系统相比，本发明的有益效果如下：

1、本发明首先获取数据采集节点的检测数据，然后，数据收集模块对检测数据进行预处理，还对经过预处理的检测数据进行首次分析处理；接着，数据分析模块对规范化的检测数据进行再次分析处理，并制定对监测点的处理策略；最后，数据分析模块基于各监测点的检测位置数据和气体浓度数据，建立气体监测区域的气体浓度分布模型，通过数据应用模块展示气体在真实三维场景中的扩散过程，通过本发明不仅能够对数据采集节点的气体浓度值进行实时的监测和预警，不需人工参与，解决传统的气体监测系统智能化程度不足的问题，还能够减少数据采集节点对气体浓度值的误报现象，确保气体浓度检测的准确性，同时还能以可视化的形式对气体扩散过程进行模拟，方便用户对气体扩散进行影响分析和处理。

2、本发明在建立气体监测区域的气体浓度分布模型时，基于空间立方体内检测点的气体浓度值通过使用插值点浓度计算公式来计算各个插值点的气体浓度值，进而通过统计不同时刻下全部空间立方体内的各个检测点和各个插值点的气体浓度值，达到对气体扩散过程进行模拟的目的，插值点浓度计算公式综合考虑了检测点与插值点的距离，及检测点的气体浓度值大小对于插值点的气体浓度值计算的不同影响，检测点距离插值点越远，其气体浓度值对插值点的气体浓度值计算的影响越小，检测点的气体浓度值越大，其气体浓度值对插值点的气体浓度值计算的影响越大，插值点浓度计算公式与气体扩散模型相比，其计算过程更加简单，因此能够有效减少计算机对气体浓度数据处理的速度，提高气体浓度分布模型的运行效率。

附图说明

图1为本发明中一种工业气体智能监测一体化方法的流程图；

图2为本发明中数据收集模块对检测数据进行预处理及首次分析处理的流程图；

图3为本发明中数据分析模块对规范化的检测数据进行再次分析处理的流程图；

图4为本发明中数据分析模块建立气体浓度分布模型的流程图；

图5本发明中一种工业气体智能监测一体化系统的组成结构图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。

可以理解，本申请所使用的术语“第一”、“第二”等可在本文中用于描述各种元件，但除非特别说明，这些元件不受这些术语限制。这些术语仅用于将第一个元件与另一个元件区分。举例来说，在不脱离本申请的范围的情况下，可以将第一xx脚本称为第二xx脚本，且类似地，可将第二xx脚本称为第一xx脚本。

参考如图1所示，本发明提供一种工业气体智能监测方法，该方法通过如下的步骤来实现：

步骤一、在气体监测区域内的各个监测点部署数据采集节点，并获取上述的数据采集节点的检测数据，该检测数据包括监测点的检测位置，检测时间，气体检测类型，还包括但不限于气体的流速、温度、湿度、压力数据，以及气体的浓度数据；

步骤二、将各个数据采集节点获取到的检测数据上传数据收集模块，上述的数据收集模块对检测数据进行预处理，还对经过预处理的检测数据进行首次分析处理，并将首次分析的结果添加到检测数据中，从而得到规范化的检测数据；

步骤三、将上述的规范化的检测数据通过数据通讯模块上传数据分析模块，上述的数据分析模块对规范化的检测数据进行再次分析处理，根据再次分析的结果自动制定对监测点的处理策略，并将该处理策略下传至节点控制模块，同时将该处理策略上传至数据应用模块；

步骤四、数据分析模块基于各监测点的检测位置数据和气体浓度数据，建立气体监测区域的气体浓度分布模型，并将上述的气体浓度分布模型与气体监测区域的GIS模型进行整合，通过数据应用模块展示气体在真实三维场景中的扩散过程。

进一步的，参考如图2所示，在步骤二中数据收集模块对检测数据进行预处理，还对经过预处理的检测数据进行首次分析处理，具体包括如下步骤：

第一步、按照不同的气体监测点分别汇总检测数据，针对每个检测时间分别生成一条检测数据记录，检测数据记录包括检测位置，检测时间，气体检测类型，还包括但不限于气体的流速、温度、湿度、压力数据，及气体的浓度数据，并根据检测时间的先后对同一个监测点的多条检测数据记录进行排序；

第二步、对于每条检测数据记录，将记录中包含的气体检测类型和气体浓度数据与气体浓度阈值表中记录的内容进行比对，从而得到该条检测数据记录的气体浓度的预警级别；

第三步、将上述的气体浓度的预警级别添加到对应的检测数据记录中，进而得到一条规范化的检测数据记录。

具体的，数据收集模块中包含有各个数据采集节点在不同时间产生的检测数据，为了方便后续的处理步骤，首先需要对检测数据按照不同的数据采集节点进行汇总，再针对每个检测时间分别生成一条检测数据记录，对于每个数据采集节点的多条检测数据记录按照检测时间进行排序，接着将记录中包含的气体检测类型和气体浓度数据与气体浓度阈值表中记录的内容进行比对来得到该条记录的气体浓度的预警级别，气体浓度阈值表中记录了气体检测类型，气体浓度范围，与预警级别的对应关系，其具体的数值可以根据实际情况设定，在本实施例中不做明确的限制，最后将气体浓度的预警级别添加到对应的检测数据记录中，进而得到一条规范化的检测数据记录，规范化的检测数据记录的格式如(检测位置，检测时间，气体检测类型，气体流速，气体温度，气体湿度，气体压力，气体浓度，预警级别)，全部的规范化的检测数据记录构成规范化的检测数据集合。

进一步的，参考如图3所示，步骤三中数据分析模块对规范化的检测数据进行再次分析处理，具体包括如下步骤：

第一步、对于每条规范化的检测数据记录，从中提取出气体检测类型，气体的流速、温度、湿度、压力等数据并生成状态检测数据记录，用于对数据采集节点的工作状态进行监测，多条状态检测数据记录组成状态检测数据集；

第二步、将上述的状态检测数据集中的记录依次输入预先训练好的神经网络模型中进行处理，神经网络模型输出对数据采集节点的工作状态的识别结果，并将该识别结果添加到对应的规范化的检测数据记录中；

第三步、针对经第二步得到的每条规范化的检测数据记录分别生成相应的处理策略。

具体的，在第一步中，考虑到数据采集节点对气体浓度检测的准确性一般与其内部的被检测气体的流速、温度、湿度、压力等数据有关，也即当这些数据都等于某个特定值，或都在某个具体的范围内时，数据采集节点才能正常工作，其对气体浓度检测的准确性才较高，反之，数据采集节点可能会发生故障，对气体浓度检测的准确性则较低，由此，从每条规范化的检测数据记录中提取出气体检测类型，气体的流速、温度、湿度、压力等数据并生成状态检测数据记录，用于对数据采集节点的工作状态进行监测，需要注意的是，在实际应用中，可以根据需要选择被检测气体的相关数据来对数据采集节点的工作状态进行监测，并不局限于本实施例中给出的气体的流速、温度、湿度、压力数据。

在第二步中，首先需要选定对数据采集节点的工作状态进行识别的神经网络模型，神经网络模型的选择与具体的检测数据有关，在本实施例中不做具体的限制，还需要预先获取大量的数据采集节点的历史检测数据，来建立神经网络模型的训练数据集，该训练数据集包含数据采集节点在正常工作状态下的被检测气体的流速、温度、湿度、压力等数据，同时也包括数据采集节点在故障工作状态下的被检测气体的流速、温度、湿度、压力等数据，接着使用该训练数据集对神经网络模型进行训练，使其学得数据采集节点内部的被检测气体的流速、温度、湿度、压力等数据与其工作状态之间的关系，最后将状态检测数据记录输入神经网络模型，模型将输出数据采集节点的工作状态。

在第三步中，针对每条规范化的检测数据记录分别生成相应的处理策略，此时的规范化的检测数据记录的格式如(检测位置，检测时间，气体检测类型，气体流速，气体温度，气体湿度，气体压力，气体浓度，预警级别，工作状态)，生成处理策略的过程包括对于上述的识工作状态为正常的规范化的检测数据记录，根据记录中包含的气体浓度的预警级别，并结合系统内预设的预警规则表来生成处理策略，对于上述的工作状态为故障的规范化的检测数据记录，对该条记录做无效标记，并结合系统内预设的处理规则表来生成处理策略。

上述的系统内预设的预警规则表中记录了对不同预警级别的处理策略，例如当预警级别为初级时，仅对相应的数据进行记录操作，当预警级别为中级时，还通过短信、电话等形式通知相关人员引起关注，当预警级别为高级时，还使数据采集节点进行报警，并通过节点控制模块调整其工作状态，上述的处理规则表中记录了对工作状态为故障的规范化的检测数据记录的处理策略，例如通过短信、电话等形式通知相关人员到现场对数据采集节点进行检修等，需要注意的是，预警规则表和处理规则表的具体内容可以根据需求设定，在本实施例中不做限制。

进一步的，参考如图4所示，步骤四中数据分析模块建立气体浓度分布模型，具体包括如下步骤：

第一步、将监测点的检测位置作为原点，以下风方向为X轴正向，以垂直X轴正向为Y轴正向，以竖直向上的方向为Z轴正向，在气体监测区域内建立三维坐标系；

第二步、在上述的三维坐标系上，按照系统预设的边长，把气体监测区域划分成若干个立方体，并在各个立方体内选取若干个检测点，分别计算各个检测点在某时刻的气体浓度值；

第三步、在上述的立方体内随机选取若干个插值点，基于立方体内各个检测点的气体浓度值通过使用插值点浓度计算公式，分别计算各个插值点在某时刻的气体浓度值；

第四步、统计不同时刻下全部立方体内的各个检测点和各个插值点的气体浓度值，得到气体监测区域内的气体浓度分布模型。

具体的，在建立气体浓度分布模型时，首先需要在气体监测区域内建立三维坐标系，通过使用现有技术中的气体扩散模型可以计算出任一时刻下任一坐标位置对应点的气体浓度值，例如可以使用高斯烟羽气体分布模型来计算，考虑到计算机的数据处理能力有限，以及为了减小计算机对数据处理的时间，因此将三维坐标系划分成若干个立方体空间，并在各个立方体内选取若干个检测点，分别计算各个检测点在某时刻的气体浓度值，同时还在上述的立方体内随机选取若干个插值点，基于立方体内各个检测点的气体浓度值通过使用插值点浓度计算公式，分别计算各个插值点在某时刻的气体浓度值，最后通过统计不同时刻下全部立方体内的各个检测点和各个插值点的气体浓度值，从而得到气体监测区域内的气体浓度分布模型，用来对气体在监测区域内的扩散过程进行模拟，需要注意的是，气体扩散模型的选择，及立方体的边长值可以根据需要预先设定，在本实施例中不做具体限制。

进一步的，能够将上述的插值点浓度计算公式描述如下：

其中，C_(x,y,z)代表坐标为(x,y,z)的插值点的气体浓度值，n代表位于立方体内的检测点个数，ω_i，i＝{1,2,...,n}代表检测点对插值点的气体浓度值的影响程度，

代表坐标为(x_i,y_i,z_i)的检测点的气体浓度值，λ，(1-λ)分别代表对ω_i，i＝{1,2,...,n}计算的重要程度。

具体的，根据空间立方体内各个检测点的气体浓度值对某个插值点的气体浓度值进行计算，考虑到检测点距离插值点越远，其气体浓度值对插值点的气体浓度值计算的影响越小，检测点的气体浓度值越大，其气体浓度值对插值点的气体浓度值计算的影响越大，由此，通过计算ω_i的值来得到不同的检测点对同个插值点的气体浓度值计算的影响程度，ω_i的值越大，代表影响程度越大，同时，分别计算出各个检测点与某个插值点的距离在全部检测点与该插值点的距离之和中所占比例的倒数，通过λ值来代表该比例值对ω_i计算的重要程度，并分别计算出各个检测点的气体浓度值在全部检测点的气体浓度值之和中所占比例，通过(1-λ)值来代表该比例值对ω_i计算的重要程度，由于插值点浓度计算公式与气体扩散模型相比，其计算过程中的步骤更少，也更简单，因此能够减少计算机对气体浓度数据处理的速度，提高气体浓度分布模型的运行效率，达到通过统计有限的检测点与插值点的气体浓度值来对气体扩散的过程进行模拟的目的。

本发明除了提供上述内容所描述的系统功能以外，还能通过数据应用模块为系统用户提供各种其他的服务功能，包括气体浓度超阈值预警功能，气体浓度数据查询功能，气体浓度数据分析功能，以及数据采集节点管理功能，例如用户通过气体浓度超阈值预警功能，能够及时获知监测点的气体浓度是否超过了安全范围，并及时对其进行处理；用户通过气体浓度数据查询功能，能够随时对各个监测点的当下的和历史的气体浓度数据进行查询和下载；用户通过气体浓度数据分析功能，系统能够自动生成某个监测点的气体浓度数据随时间的变化曲线，并对监测点下一时刻的气体浓度数据进行预测；用户通过数据采集节点管理功能，能够调节数据采集节点的工作状态，例如使数据采集节点进行报警，上述的内容用于对系统所提供的功能进行解释说明，不应理解为是限制性的。

参考如图5所示，本发明的一种工业气体智能监测一体化系统，具体包括如下节点和模块：

数据采集节点，用于在气体监测区域内的各个监测点获取包括检测位置，检测时间，气体检测类型，还包括但不限于气体的流速、温度、湿度、压力数据，以及气体浓度数据的检测数据；

数据收集模块，用于对各个数据采集节点的检测数据进行收集，并对检测数据进行预处理，和对经过预处理的检测数据进行首次分析处理；

节点控制模块，用于根据具体的处理策略对各个数据采集节点进行控制；

通讯模块，用于完成控制模块和数据收集模块与数据分析模块和数据存储模块之间的数据传输，包括数据收集模块通过通讯模块向数据分析模块和数据存储模块上传检测数据，数据分析模块通过通讯模块向控制模块下发处理策略；

数据分析模块，用于对规范化的检测数据进行再次分析处理，并制定对监测点的处理策略，将该处理策略下传至节点控制模块，同时将该处理策略上传至数据应用模块；

数据存储模块，用于存储系统产生和预设的各种数据，包括各个监测点的检测数据，系统生成的气体浓度分布模型，预设的气体浓度阈值表，预设的预警规则表，及预设的处理规则表；

数据应用模块，用于通过可视化的形式对监测区域内气体的扩散过程进行展示，还用于为用户提供各种服务功能，包括气体浓度超阈值预警功能，气体浓度数据查询功能，气体浓度数据分析功能，以及数据采集节点管理功能。

上述系统可执行的指令通过存储介质进行存储，该指令用于系统包括的处理器执行时用实现一种工业气体智能监测方法。

应该理解的是，虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，是可以通过计算机程序来指令相关的硬件来完成，上述的的程序可存储于一非易失性计算机可读取存储介质中，该程序在执行时，可包括如上述各方法的实施例的流程。其中，本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用，均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限，RAM以多种形式可得，诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink)DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。

以上上述的实施例的各技术特征可以进行任意的组合，为使描述简洁，未对上述实施例中的各个技术特征所有可能的组合都进行描述，然而，只要这些技术特征的组合不存在矛盾，都应当认为是本说明书记载的范围。

以上上述的实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。

以上上述的仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。

Claims (6)

1.一种工业气体智能监测方法，其特征在于，包括如下步骤：

S1、在气体监测区域内的各个监测点部署数据采集节点，并获取所述数据采集节点的检测数据，该检测数据包括监测点的检测位置，检测时间，气体检测类型，气体的流速、温度、湿度、压力数据，以及气体的浓度数据；

S2、将各个数据采集节点获取到的检测数据上传数据收集模块，所述数据收集模块对检测数据进行预处理，还对经过预处理的检测数据进行首次分析处理，并将首次分析的结果添加到检测数据中，从而得到规范化的检测数据；

S3、将所述规范化的检测数据通过数据通讯模块上传数据分析模块，所述数据分析模块对规范化的检测数据进行再次分析处理，将再次分析的结果添加到检测数据中，并制定对监测点的处理策略，将该处理策略下传至节点控制模块，同时将该处理策略上传至数据应用模块；

S4、数据分析模块基于各监测点的检测位置数据和气体浓度数据，建立气体监测区域的气体浓度分布模型，并将所述气体浓度分布模型与气体监测区域的GIS模型进行整合，通过数据应用模块展示气体在真实三维场景中的扩散过程；

S4中所述数据分析模块基于各监测点的检测位置数据和气体浓度数据，建立气体监测区域的气体浓度分布模型，具体包括如下步骤：

S41、将监测点的检测位置作为原点，以下风方向为X轴正向，以垂直X轴正向为Y轴正向，以竖直向上的方向为Z轴正向，在气体监测区域内建立三维坐标系；

S42、在所述三维坐标系上，按照系统预设的边长，把气体监测区域划分成若干个立方体，并在各个立方体内选取若干个检测点，分别计算各个检测点在某时刻的气体浓度值；

S43、在所述立方体内随机选取若干个插值点，基于立方体内各个检测点的气体浓度值通过使用插值点浓度计算公式，分别计算各个插值点在某时刻的气体浓度值；

S44、统计不同时刻下全部立方体内的各个检测点和各个插值点的气体浓度值，得到气体监测区域内的气体浓度分布模型；

将S43中所述插值点浓度计算公式描述如下：

其中，C_(x,y,z)代表坐标为(x,y,z)的插值点的气体浓度值，n代表位于立方体内的检测点个数，ω_i，i＝{1,2,...,n}代表检测点对插值点的气体浓度值的影响程度，

代表坐标为(x_i,y_i,z_i)的检测点的气体浓度值，λ，(1-λ)分别代表对ω_i，i＝{1,2,...,n}计算的重要程度；

S2中数据收集模块对检测数据进行预处理，还对经过预处理的检测数据进行首次分析处理，具体包括如下步骤：

S21、按照不同的气体监测点分别汇总检测数据，针对每个检测时间分别生成一条检测数据记录，检测数据记录包括检测位置，检测时间，气体检测类型，气体的流速、温度、湿度、压力数据，及气体的浓度数据，并根据检测时间的先后对同一个监测点的多条检测数据记录进行排序；

S22、对于每条检测数据记录，将记录中包含的气体检测类型和气体浓度数据与气体浓度阈值表中记录的内容进行比对，从而得到该条检测数据记录的气体浓度的预警级别；

S23、将所述气体浓度的预警级别添加到对应的检测数据记录中，进而得到一条规范化的检测数据记录；

S3中数据分析模块对规范化的检测数据进行再次分析处理，具体包括如下步骤：

S31、对于每条规范化的检测数据记录，从中提取出气体检测类型，气体的流速、温度、湿度、压力数据并生成状态检测数据记录，用于对数据采集节点的工作状态进行监测，多条状态检测数据记录组成状态检测数据集；

S32、将所述状态检测数据集中的记录依次输入预先训练好的神经网络模型中进行处理，神经网络模型输出对数据采集节点的工作状态的识别结果，并将该识别结果添加到对应的规范化的检测数据记录中；

S33、针对经S32得到的每条规范化的检测数据记录分别生成相应的处理策略。

2.根据权利要求1所述的一种工业气体智能监测方法，其特征在于，S33中针对每条规范化的检测数据记录分别生成相应的处理策略，包括对于所述识别结果为正常的规范化的检测数据记录，根据记录中包含的气体浓度的预警级别，并结合系统内预设的预警规则来生成处理策略；对于所述识别结果为故障的规范化的检测数据记录，对该条记录做无效标记，并结合系统内预设的处理规则来生成处理策略。

3.根据权利要求1所述的一种工业气体智能监测方法，其特征在于，所述系统还为用户提供各种服务功能，包括气体浓度超阈值预警功能，气体浓度数据查询功能，气体浓度数据分析功能，以及数据采集节点管理功能。

4.一种工业气体智能监测一体化系统，用于实现如权利要求1所述的方法，其特征在于，包括如下模块：

数据收集模块，用于对各个数据采集节点的检测数据进行收集，并对检测数据进行预处理，和对经过预处理的检测数据进行首次分析处理；

节点控制模块，用于根据具体的处理策略对各个数据采集节点进行控制；

通讯模块，用于完成控制模块和数据收集模块与数据分析模块和数据存储模块之间的数据传输，包括数据收集模块通过通讯模块向数据分析模块和数据存储模块上传检测数据，数据分析模块通过通讯模块向控制模块下发处理策略；

数据分析模块，用于对规范化的检测数据进行再次分析处理，并制定对监测点的处理策略，将该处理策略下传至节点控制模块，同时将该处理策略上传至数据应用模块；

数据存储模块，用于存储系统产生和预设的各种数据，包括各个监测点的检测数据，系统生成的气体浓度分布模型，预设的气体浓度阈值表，预设的预警规则表，及预设的处理规则表；

数据应用模块，用于通过可视化的形式对监测区域内气体的扩散过程进行展示，还用于为用户提供各种服务功能，包括气体浓度超阈值预警功能，气体浓度数据查询功能，气体浓度数据分析功能，以及数据采集节点管理功能。

5.一种工业气体智能监测一体化系统，用于实现如权利要求1所述的方法，其特征在于，还包括数据采集节点，用于在气体监测区域内的各个监测点获取包括检测位置，检测时间，气体检测类型，气体的流速、温度、湿度、压力数据，以及气体浓度数据的检测数据。

6.一种存储介质，其中存储有权利要求4-5所述的系统可执行的指令，其特征在于，所述指令在由权利要求4-5所述的系统包括的处理器执行时用于实现如权利要求1-3任一项所述的一种工业气体智能监测方法。

Images