CN114674373A - 基于传感器集群的长管拖车监测系统及监测数据融合方法 - Google Patents

Abstract

基于传感器集群的长管拖车监测系统及监测数据融合方法，属于氢气运输安全监测技术领域。监测系统包括传感器集群、信号放大器、ADC模块、通信模块、PC端及报警设备与安全联锁装置；监测数据融合方法包括以下步骤：1、检测指标数据采集；2、异常数据剔除；3、异类数据融合。本发明通过传感器集群对长管拖车进行实时监测，采集检测指标数据，判断车辆目前状态相关参数是否符合安全标准；该系统为长管拖车在行驶，装卸，发生故障时的安全提供了保障；本发明中采用异常数据剔除、权重系数标定及异类数据融合相结合的方法对监测得到的同类、异类数据进行处理，有效地降低了证据冲突的概率，提高了预警结果输出的准确性。

Description

基于传感器集群的长管拖车监测系统及监测数据融合方法

技术领域

本发明属于氢气运输安全监测技术领域，具体涉及基于传感器集群的长管拖车监测系统及监测数据融合方法。

背景技术

目前，世界上压缩天然气陆运运输大多使用长管拖车，长管拖车是指将几个或十几个大容积钢质无缝气瓶组装在框架里并固定在汽车拖车底盘上，将气瓶头部连通在一起，用于运送压缩气体。压缩气体如氢气、天然气等属于易燃易爆危化品介质，其储运装备安全对社会公共安全影响重大。

近年来，危化品储运事故屡见不鲜，造成爆炸、火灾、环境污染等灾难性事故。据统计，各类危化品事故中有70％以上发生在运输阶段。

目前传统方法主要依赖国家或企业的危化品运输管理条例及对从业人员的制度约束，或通过车辆或车载容器上的机械仪表获取主要参数，而对危化品车辆行车状态如介质泄漏、车辆姿态、行车加速度、管束/槽罐状态等信息监控和预警功能缺失，对安全状态判断具有较大主观性，在车辆侧翻、倾覆事故状态下，危化品运输装备安全防护技术仍存在明显不足。随着传感技术和信息融合技术等的发展，在线状态监测、基于传感信息融合的风险评估和安全评价才逐渐应用。

发明内容

针对现有技术中存在的上述问题，本发明的目的在于提供基于传感器集群的长管拖车监测系统及监测数据融合方法，解决了氢气管束集装箱车辆在运输过程中，气体泄漏，气瓶损伤，侧倾，表面温度过高，车速过快，集装箱门阀松紧等一系列安全问题，有效的保障车辆在运输过程中车辆安全及气瓶的健康稳定。

本发明提供如下技术方案：

基于传感器集群的长管拖车监测系统，包括传感器集群、信号放大器、ADC模块、通信模块、PC端及报警设备与安全联锁装置；

传感器集群用于采集气瓶参数及拖车、集装箱状态的参数；

信号放大器接在传感器后，负责将传感器输出信号进行放大，使得信号特征突出；对于信号放大电路来说，输入电阻很小，输出电阻却很高，在电流近似相等的情况下，根据欧姆定律，输出电压大于输入电压，完成信号的放大。

ADC模块接受信号放大器放大后的信号，将其模拟信号转化为数字信号；模拟信号由温度，加速度，位移等实际物理量经过传感器和放大电路转化而来，通过AD转化成的数字信号，就可以交给PC端进行相应的分析处理。

通信设备接受数字信号，并依据相应的网络协议将其打包发送到PC端。长管拖车在发生膨胀或者气瓶泄露爆炸等危险情况时，往往是在非常短的时间内，此时就需要通信模块快速将数据发送接收，反馈给驾驶人员，采取相应的报警措施和启动合适的安全联锁功能。

PC端将接受到的数据存储在服务器中，用于平台调用处理；其负责分析处理通信设备传输的数据，将相应的物理参数与PC端网页平台中该物理量编写的判断逻辑，上下阈值进行比较，生成反馈信息，再发送回通信设备，由通信设备根据反馈信息控制报警设备与安全联锁装置做出相应的处理。

报警设备接受数据处理后的反馈信息，进行相应的报警操作。报警设备与安全联锁装置用于在发生风险故障后，给与驾驶人员警告提醒或直接联系车辆所在地相关应急单位，并且启动相应的安全联锁装置，延缓风险进一步扩大为灾害事故。报警装置主要包括常见的声光报警装置以及通信设备所连接的车载终端设备，报警为红灯，警告亮黄灯，正常状态下亮绿灯。安全联锁装置包括风扇，空调，切断阀，防爆阀等设备。

进一步的，所述传感器集群包括用于测量长管拖车加速度的加速度传感器、用于测量车辆在不同路段行驶时集装箱倾斜角度的姿态传感器、用于测量长管拖车外表面温度的温度传感器、用于监测阀门开关状态的阀门开度传感器、用于监测气瓶泄露状态的气体传感器及用于监测靠近集装箱侧壁气瓶变形状态的红外激光位移传感器。

基于传感器集群的长管拖车监测系统的监测数据融合方法，其特征在于，包括以下步骤：

步骤1、对传感器集群中各个传感器节点采集到的同类数据进行整理融合，选取相关参数作为检测指标；

步骤2、对每种检测指标中的同类数据进行剔除异常数据并融合；

步骤3、将检测指标中融合后的数据进行异类数据融合，最后得到预警结果

进一步的，所述步骤1中，选取车辆加速度，集装箱倾角，速度，长管拖车外表面温度，气体泄漏浓度，靠近集装箱侧壁气瓶的变形大小作为检测指标。

进一步的，所述步骤2中，设定一个过滤值作为异常值剔除的阈值，然后采用平均方法进行异常数据的剔除，具体如下：

设温度传感器有n个，采集到的温度数据为T_i＝{t_i|i＝1,2,…,n}，ti和除ti以外的其它温度值计算平均数为：

其中，Ti表示第i个温度传感器采集到的数据，ti表示该组数据中的第i个数据；

所有数据组成一个距离矩阵，矩阵包含元素大小越小，其相似程度越大，由此设定阈值为中位数，限定范围选定为中位数上下浮动5％，对超过该选定范围的数据进行剔除。

进一步的，所述步骤3中，异类数据融合过程如下：首先对各种检测指标进行权重系数标定，然后，根据标定后的权重系数，采用证据理论的合成法则对异类数据进行融合。

通过采用上述技术，与现有技术相比，本发明的有益效果如下：

1)本发明通过传感器集群对长管拖车进行实时监测，采集车辆温度，加速度，速度，气体浓度，位移变形等参数；在PC端判断车辆目前状态相关参数是否符合安全标准；该系统为长管拖车在行驶，装卸，发生故障时的安全提供了保障；在发生危险事故时，也可以及时报警，并且附带的安全联锁装置也能减小事故的破坏性；采集到的数据能够为后续事故分析提供依据；

2)本发明中，采用异常数据剔除、权重系数标定及异类数据融合相结合的方法对监测得到的同类、异类数据进行处理，有效地降低了证据冲突的概率，提高了预警结果输出的准确性。

附图说明

图1为本发明整体的原理示意图；

图2为本发明传感器集群的组件示意图；

图3为本发明传感器位置的布局示意图；

图4为本发明基于证据理论的多传感器数据融合预警模型示意图。

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，以下结合说明书附图及实施例，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。

相反，本发明涵盖任何由权利要求定义的在本发明的精髓和范围上做的替代、修改、等效方法以及方案。进一步，为了使公众对本发明有更好的了解，在下文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有这些细节部分的描述也可以完全理解本发明。

实施例：

图1展示了本实施例基于传感器集群的长管拖车监测系统的原理图。如图1所示，基于传感器集群的长管拖车监测系统包括传感器1，信号放大器2，ADC模块3，通信设备4，PC端5，声光报警器6，安全联锁7。其中传感器1包含加速度传感器101，姿态传感器102，温度传感器103，阀门开度传感器104，激光位移传感器105和气体传感器106。

其中加速度传感器101布置3个，分别安装在长管拖车车头和车尾，车头加速度传感器101安装在车头底部，由于本实施例中使用的加速度传感器101与姿态传感器102集成在一起，所以尾部加速度传感器101需要布置两个，在管束集装器尾部对角安装。使用加速度传感器101监测车辆的加速度，行驶方向，转弯方向，将这些物理量转化为电压震荡信号。

姿态传感器102布置在管束集装箱尾部，与加速度传感器101一起对角布置，用于测量车辆侧倾角度。

温度传感器103布置在管束集装箱中部间隙区、两个管束组中间、车轮轮胎上方车架处，用于测量气瓶表面温度及温度变化率，同时车辆轮胎摩擦生热，也需要监测其温度，防止自燃使气瓶接触热源。

阀门开度传感器104布置在管束集装箱两端操作仓，检测阀门开启状态，判断阀门处于“开启”，“关闭”，“异常开启”那种状态。

激光位移传感器105布置在管束瓶的中间位置，以底部框架和顶部框架为基准，监测靠近集装箱侧壁气瓶的膨胀变形及完全变形。

气体传感器106布置在每组气瓶的瓶口上方，气瓶尾部与瓶身中央也需要布置监测，瓶口是发生气体泄漏风险最高的地方，所以每一个瓶口处都需要布置气体传感器106，气瓶其余部位也有可能发生渗透泄露等问题，所以也需要布置一组气体传感器106。

系统通过传感器1采集车辆行驶，装卸，故障时的状态参数，用于后续分析，传感器1所包含传感器组件如图2所示，传感器布局如图3所示。

信号放大器2接受传感器1输出的电压振荡信号，将其电压幅值进行放大操作，输出为相应的放大信号。信号放大器2的放大操作可以避免信号传输过程中的信号衰减与失真，并且满足ADC模块3的截取要求。由于每一个传感器1输出信号要求有不同的采集精度及放大要求，所以每一个传感器1都需要配置一个信号放大器2，即传感器1的数量与信号放大器2的数量一致。

ADC模块3与信号放大器2连接，将放大信号转化为数字信号。

通信设备4与ADC模块3相连接，采集数字信号并且打包发送。

PC端5通过网络与通信设备4交互，接受来自通信设备4打包的数字信号，对其进行分析处理，得到长管拖车相关状态参数，根据编写好的逻辑结构进行判断生成反馈信息返回给通信设备4。

PC端5接受到加速度传感器101采集加速度，车头加速度为0.4g而车尾加速度为23.3g，PC端5判断发现车辆尾部遭受猛烈撞击，生成反馈信息返回给通信设备4，通信设备4控制连接的声光报警器6发出红色报警，并且PC端5结合车辆GPS定位信息，自动拨打当地报警电话，将事故信息转交应急单位。

PC端5接收到姿态传感器102采集倾斜角信息为18°，判断车辆存在侧翻可能性，反馈信息，通信设备4控制声光报警器6发出黄色警告。

PC端5接收到温度传感器103采集到温度信息，判断发现气瓶表面温度过高，但温度变化速率很小，结合地理信息判定由于环境因素导致温度升高，此时控制相应安全联锁装置7，使表面温度恢复到正常数值。

PC端5接收到阀门开度传感器采集到的距离参数，判定阀门处于“异常开启”状态，反馈信息给通信设备4，由其控制车载终端提醒司机停车检查。

PC端5接收到激光位移传感器105采集到的气瓶变形数据，判断气瓶存在异常变形，根据变形量控制声光报警器6发出相应等级的报警，提醒驾驶人员及时排查。

PC端5接收到气体传感器采集到的气体浓度数据，根据浓度标准判断存在气体泄漏情况，控制声光报警器6发出相应等级报警，打开安全联锁装置7防止气体浓度继续上升。

本实施例系统的检测数据融合方法，具体步骤如下：

首先对传感器集群中各个传感器节点采集到的同类数据进行整理融合，选取车辆加速度，倾角，速度，温度，泄漏浓度，变形大小这六个参数作为检测指标，对其同类数据进行剔除异常数据并融合，最后再将六种异类数据进行融合，最后得到预警结果。如图4所示。

对于异常数据的处理来说，其基本原理就是两个同类数据差距越小，代表数据越相似，该组传感器数据越相似。在剔除异常数据时使用数据融合方法中的平均方法，然后设定一个过滤值将异常值剔除。假设温度传感器有n个，采集到的温度数据为T_i＝{t_i|i＝1,2,…,n}，ti和除ti以外的其它温度值，计算平均数为：

所有数据组成一个距离矩阵，矩阵包含元素大小越小，其相似程度越大。由此设定阈值为中位数，范围选定为中位数上下浮动5％。

异类数据的融合根据证据理论的合成法则。假设温度和加速度两个异类数据为m1，m2。合成法则运算运用的是正交和的计算方法。m为组合产生的新证据体，依次采用该方式对其他异类数据进行融合。

本文中使用证据理论融合异类数据，形成的安全模型，可以较为准确的对长管拖车安全状态进行评定，但由于证据理论的缺陷，在融合过程中，会存在证据冲突的问题。融合过程中，原本命题的概率很小，但融合结果缺指向该命题，容易在长管拖车行驶过程中造成错误判断，以至于错误应对造成事故。本发明中对同类数据与异类数据的处理可以有效降低证据冲突的概率，但为进一步提高安全保障，本发明对传感器集群中传感器采集到的数据根据类型进行了权重系数标定，如表1。

表1传感器数据权重系数

加速度	倾角	速度	温度	泄漏浓度	变形大小
						0.13	0.1	0.23	0.1	0.33	0.1

该权重系数根据近10年来危险车辆造成事故原因的比重进行标定，调研发现，大部分危险车辆事故都是由于运输品泄露而导致人员伤亡和财产损失，10年来由于泄露导致安全事故大约占三分之一左右，所以其权重系数占比为0.33。通过调查发现温度以及气瓶结构等原因导致事故的概率非常小，所以其权重系数为0.1。在运用本文中证据理论进行异类数据融合时，采用表1中权重融合可以极大的提高安全模型命题判定的准确性，降低了证据冲突的可能性。

以上所述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.基于传感器集群的长管拖车监测系统，其特征在于：包括传感器集群、信号放大器、ADC模块、通信模块、PC端及报警设备与安全联锁装置；

传感器集群用于采集气瓶参数及拖车、集装箱状态的参数；

信号放大器接在传感器后，负责将传感器输出信号进行放大，使得信号特征突出；

ADC模块接受信号放大器放大后的信号，将其模拟信号转化为数字信号；

通信设备接受数字信号，并依据相应的网络协议将其打包发送到PC端；

PC端将接受到的数据存储在服务器中，用于平台调用处理；

报警设备接受数据处理后的反馈信息，进行相应的报警操作。

2.根据权利要求1所述的基于传感器集群的长管拖车监测系统，其特征在于所述传感器集群包括用于测量长管拖车加速度的加速度传感器、用于测量车辆在不同路段行驶时集装箱倾斜角度的姿态传感器、用于测量长管拖车外表面温度的温度传感器、用于监测阀门开关状态的阀门开度传感器、用于监测气瓶泄露状态的气体传感器及用于监测靠近集装箱侧壁气瓶变形状态的红外激光位移传感器。

3.根据权利要求1所述的基于传感器集群的长管拖车监测系统的监测数据融合方法，其特征在于，包括以下步骤：

步骤1、对传感器集群中各个传感器节点采集到的同类数据进行整理融合，选取相关参数作为检测指标；

步骤2、对每种检测指标中的同类数据进行剔除异常数据并融合；

步骤3、将检测指标中融合后的数据进行异类数据融合，最后得到预警结果。

4.根据权利要求3所述的基于传感器集群的长管拖车监测系统的监测数据融合方法，其特征在于所述步骤1中，选取车辆加速度，集装箱倾角，速度，长管拖车外表面温度，气体泄漏浓度，靠近集装箱侧壁气瓶的变形大小作为检测指标。

5.根据权利要求4所述的基于传感器集群的长管拖车监测系统的监测数据融合方法，其特征在于所述步骤2中，设定一个过滤值作为异常值剔除的阈值，然后采用平均方法进行异常数据的剔除，具体如下：

设温度传感器有n个，采集到的温度数据为T_i＝{t_i|i＝1,2,…,n}，ti和除ti以外的其它温度值计算平均数为：

其中，Ti表示第i个温度传感器采集到的数据，ti表示该组数据中第i个数据；

所有数据组成一个距离矩阵，矩阵包含元素大小越小，其相似程度越大，由此设定阈值为中位数，限定范围选定为中位数上下浮动5％，对超过该选定范围的数据进行剔除。

6.根据权利要求5所述的基于传感器集群的长管拖车监测系统的监测数据融合方法，其特征在于所述步骤3中，异类数据融合过程如下：首先对各种检测指标进行权重系数标定，然后，根据标定后的权重系数，采用证据理论的合成法则对异类数据进行融合。

Images