CN114828302A - 化工材料泄漏源定位方法及装置 - Google Patents
化工材料泄漏源定位方法及装置 Download PDFInfo
- Publication number
- CN114828302A CN114828302A CN202210433556.4A CN202210433556A CN114828302A CN 114828302 A CN114828302 A CN 114828302A CN 202210433556 A CN202210433556 A CN 202210433556A CN 114828302 A CN114828302 A CN 114828302A
- Authority
- CN
- China
- Prior art keywords
- beacon
- node
- wolf
- nodes
- distance
- 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
- 239000000126 substance Substances 0.000 title claims abstract description 58
- 239000000463 material Substances 0.000 title claims abstract description 43
- 238000000034 method Methods 0.000 title claims abstract description 29
- 241000282461 Canis lupus Species 0.000 claims abstract description 97
- 238000012544 monitoring process Methods 0.000 claims abstract description 83
- 230000002159 abnormal effect Effects 0.000 claims abstract description 26
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims abstract description 7
- 230000006870 function Effects 0.000 claims description 22
- 235000008694 Humulus lupulus Nutrition 0.000 claims description 6
- 241000160777 Hipparchia semele Species 0.000 claims description 5
- 230000008569 process Effects 0.000 claims description 5
- 230000003044 adaptive effect Effects 0.000 claims description 4
- 241000282421 Canidae Species 0.000 claims description 2
- 229910052757 nitrogen Inorganic materials 0.000 claims description 2
- 230000010355 oscillation Effects 0.000 claims 1
- 239000013043 chemical agent Substances 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 37
- 239000000779 smoke Substances 0.000 description 4
- MGWGWNFMUOTEHG-UHFFFAOYSA-N 4-(3,5-dimethylphenyl)-1,3-thiazol-2-amine Chemical compound CC1=CC(C)=CC(C=2N=C(N)SC=2)=C1 MGWGWNFMUOTEHG-UHFFFAOYSA-N 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- JCXJVPUVTGWSNB-UHFFFAOYSA-N nitrogen dioxide Inorganic materials O=[N]=O JCXJVPUVTGWSNB-UHFFFAOYSA-N 0.000 description 3
- 241000854291 Dianthus carthusianorum Species 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 231100001261 hazardous Toxicity 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 206010000369 Accident Diseases 0.000 description 1
- 241000196324 Embryophyta Species 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- RBFQJDQYXXHULB-UHFFFAOYSA-N arsane Chemical compound [AsH3] RBFQJDQYXXHULB-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 239000003814 drug Substances 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910000489 osmium tetroxide Inorganic materials 0.000 description 1
- 239000012285 osmium tetroxide Substances 0.000 description 1
Images
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04W—WIRELESS COMMUNICATION NETWORKS
- H04W84/00—Network topologies
- H04W84/18—Self-organising networks, e.g. ad-hoc networks or sensor networks
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/38—Investigating fluid-tightness of structures by using light
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/90—Arrangement of cameras or camera modules, e.g. multiple cameras in TV studios or sports stadiums
Landscapes
- Engineering & Computer Science (AREA)
- Signal Processing (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开一种化工材料泄漏源定位方法及装置，其通过预先构建的无线传感监控网络获取气体传感器的监测数据，其中，在所述无线传感监控网络中布置有若干个摄像头，每一个摄像头安装有多个不同类型的气体传感器，各个气体传感器每隔一采集周期将监测数据通过路由器发送给所述主机；主机在接收到监测数据后识别数据异常的传感器节点，以确定距离泄漏源最近的信标节点；根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。本发明能实现对城市主干道化学药剂含量的实时智能检测，节省了人力资源，而且为公安消防人员节约排查泄露源头的时间，极大的保障人民群众的生命安全。
Description
技术领域
本发明涉及化工材料监测技术领域，尤其涉及一种化工材料泄漏源定位方法及装置。
背景技术
目前我国城市的化工材料泄露监控技术大都采用以下三种方法：1、监控摄像头的广泛应用以用来督察是否有不法分子恶意制造化工材料泄露的现象发生；2、在城市主干道路灯里放置烟雾检测器，倘若有火灾意外发生时，可以及时发出警报，向人们报警火情，保障人们的生命安全；3、靠民众互相监督，共同维护城市的治安与稳定。尽管目前我国安保措施多样，但目前我国对于化工材料在城市泄露的安保措施还很缺乏；而一旦城市里发生了恶劣的危险化工材料泄漏事件，烟雾检测器是难以检测报警的，当人们察觉时，危险化学物品恐怕已经严重扩散，对人民群众的生命安全健康具有了极大的威胁。
发明内容
本发明实施例提供一种化工材料泄漏源定位方法及涨涨，其能对化工材料泄漏源定位，并为工作人员节省排查化工材料泄漏源的时间。
本发明第一方面提供化工材料泄漏源定位方法，包括：
主机根据预先构建的无线传感监控网络获取当前采集周期的监测数据；其中，所述无线传感监控网络包括一主机、与所述主机连接的至少一个路由器、若干个摄像头和每一个所述路由器下级联的多组布置在摄像头上的各类气体传感器，且各个所述气体传感器每隔一采集周期将收集到的监测数据通过所述路由器发送给所述主机；
所述主机将当前采集周期的监测数据代入到预设的隶属度函数，得到当前采集周期的各个类别的监测数据，并将各个类别的监测数据与对应类别的超标阈值比较，以确定数据异常的传感器节点；其中，数据异常的传感器节点为监测数据大于对应类别的超标阈值的气体传感器；
所述主机将数据异常的传感器节点所在的摄像头作为距离未知节点最近的信标节点；其中，所述未知节点指的是待定位的化工材料泄漏源，信标节点指的是摄像头；
所述主机根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。
本发明第二方面提供一种化工材料泄漏源定位装置，所述装置设置在主机中，包括：
数据获取模块，根据预先构建的无线传感监控网络获取当前采集周期的监测数据；其中，所述无线传感监控网络包括一主机、与所述主机连接的至少一个路由器、若干个摄像头和每一个所述路由器下级联的多组布置在摄像头上的各类气体传感器，且各个所述气体传感器每隔一采集周期将收集到的监测数据通过所述路由器发送给所述主机；
异常节点确定模块，用于将当前采集周期的监测数据代入到预设的隶属度函数，得到当前采集周期的各个类别的监测数据，并将各个类别的监测数据与对应类别的超标阈值比较，以确定数据异常的传感器节点；其中，数据异常的传感器节点为监测数据大于对应类别的超标阈值的气体传感器；
信标节点确定模块，用于将数据异常的传感器节点所在的摄像头作为距离未知节点最近的信标节点；其中，所述未知节点指的是待定位的化工材料泄漏源，信标节点指的是摄像头；
泄漏源确定模块，用于根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。
与现有技术相比，本发明的有益效果如下：
本发明提供的化工材料泄漏源定位方法，其通过预先构建的无线传感监控网络获取气体传感器的监测数据，其中，在所述无线传感监控网络中布置有若干个摄像头，每一个摄像头安装有多个不同类型的气体传感器，各个气体传感器每隔一采集周期将监测数据通过路由器发送给所述主机；主机在接收到监测数据后识别数据异常的传感器节点，以确定距离泄漏源最近的信标节点；其中，信标节点指的是摄像头；之后，根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。本发明运用气体传感器与路由器，主机之间的配合，建设城市无线传感监控网络以实现对城市主干道化学药剂含量的实时智能检测，不仅节省了人力资源，而且为公安消防人员节约排查泄露源头的时间，极大地保障人民群众的生命安全。
附图说明
图1是本发明实施例提供的化工材料泄漏源定位方法的架构示意图；
图2是本发明实施例提供的无线传感监控网络的结构简图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
由背景技术提及的，现有的化工材料泄漏监控技术不仅需要较大的人力资源，而且对于泄漏的察觉存在滞后性，无法保障人民群众的安全。
有鉴于此，申请人通过设计一种摄像头的布局，并在摄像头上放置一微型的危险气体传感器，通过一种改进的传感器定位方法，在城市里发生危险药品泄露事件时，借助传感器的快速感应与定位，可以快速检测泄露并定位位置，其次，相关人员可以迅速通过摄像头，对事故现场情况进行迅速判断，发出预警，极大程度的保障了人民群众的生命安全并帮助公安消防人员节省排除泄露源头位置，快速解决问题，减少无辜群众的伤亡和社会经济的损失。下面对本申请的技术方案进行详细描述。
参见图1，其是本发明一实施例提供的化工材料泄漏源定位方法的流程示意图。
本发明实施例提供的化工材料泄漏源定位方法，包括步骤S11～S14：
S11，主机根据预先构建的无线传感监控网络获取当前采集周期的监测数据；其中，所述无线传感监控网络包括一主机、与所述主机连接的至少一个路由器、若干个摄像头和每一个所述路由器下级联的多组布置在摄像头上的各类气体传感器，且各个所述气体传感器每隔一采集周期将收集到的监测数据通过所述路由器发送给所述主机。
具体的，所述无线传感监控网络的结构简图参见图2(图2中仅示出一个路由器的情况)。在本申请中，无线传感监控网络的建立主要是基于摄像头的布局，然后在摄像头上放置对应的气体传感器，气体传感器将收集到的监测数据通过路由器发送给主机分类检测，倘若检测到数据异常，则发出警报，工作人员可以通过异常的气体传感器快速定位异常地点，并根据摄像头对现场状况进行了解，作出对应应急措施。
其中，所述无线传感监控网络中通过设置一个主机。由主机作为数据分发的簇首，路由器作为簇首的子节点，各监测终端作为路由器的子节点，其监测终端即为在摄像头上放置的气体传感器，如四氧化锇监测传感器，砷化氢传感器或二氧化氮传感器等，通过这些气体传感器监测待测区域内各空气中危险化工材料的浓度，并通过路由器远程传递给主机，主机再对数据进行预处理，实时将数据与危险阈值之间进行比对，构成可以远程监测的无线传感监控网络。
步骤S12，所述主机将当前采集周期的监测数据代入到预设的隶属度函数，得到当前采集周期的各个类别的监测数据，并将各个类别的监测数据与对应类别的超标阈值比较，以确定数据异常的传感器节点；其中，数据异常的传感器节点为监测数据大于对应类别的超标阈值的气体传感器。
在本发明实施例中，每个气体传感器采集的监测数据，交由主机进行预处理后形成多份数据包，一份数据包中的数据即在一个采集周期内该气体传感器采集的数据，利用模糊识别理论，对数据包里的数据类型进行识别。设P1,P2……Pn为模糊域上n个模糊子集，存在数据μ(μ∈U)，U为主机通过USB线发送至上位机的数据包，数据包里包含有预先加载的样本数据，即工厂设备正常运行时，各设备正常的运行数据量。当初始数据μ0满足：μP1(μ0)＝max(μP1(μ0),μP2(μ0),…,μPn(μ0))时，可以判定初始数据μ隶属于模糊子集Pn。其中，每一个不同类型的传感器正常运行的子集，命名为μPm(m＝1，2...n)，μP1(μ0)表示在第一种类型气体传感器正常运行的数据子集。上述公式即表示在各个子集里检测判断，判断μ0是否大于等于该子集正常运行的最大数据量，即μ0≥max(μP1(μ0),μP2(μ0),…,μPn(μ0))。
其中，在本发明实施例中，所述隶属度函数为:
在该式中，l定义为一个略大于最大D的量，r为Dmax与Dmin之间的差值，D为待识别分类数据与样本类型数据之间的聚类距离。l和D计算公式分别为
和
这里，xi为第i个待聚类的监测数据，cj为模糊域上第j个样本数据。
通过将监测数据代入所述隶属度函数中，比较求出的隶属度函数值的大小，得出的数值越大，该监测数据为同类气体的概率也越高，通过该方法可将数据进行归类，划分为不同的数据类别，如二氧化氮气体传感器采集的数据进行预处理后，可以分为二氧化氮气体类型和其余气体类型，实现了数据的整合与分类。将分类后的各危险化学气体数据与设定的报警阈值进行比较，若数据超出设定阈值的某一范围，则判定数据对应的监控参数出现问题，并向路由器发送报警指令，控制报警器发出报警。
通过上述方法，实现了对气体传感器收集信息的整理与分类，和危险预警的判断识别，为建立一合理有效的设备传感监控网络打下基础。
S13，所述主机将数据异常的传感器节点所在的摄像头作为距离未知节点最近的信标节点；其中，所述未知节点指的是待定位的化工材料泄漏源，信标节点指的是摄像头。
在本发明实施例中，主机分别对各个不同位置的气体传感器的监测数据检测，当检测到某个气体传感器的监测数据异常时，则可迅速追溯到该位置对应的摄像头，并确定该摄像头周围存在气体泄漏。由于在本申请中，摄像头的位置已知，将其视为信标节点，以便于利用节点定位算法对未知节点进行定位。
S14，所述主机根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。
在一种可选的实施方式中，每个摄像头之间通过地址间隔在检测区域内的各个干道上纵横向布置设计，且所述地址间隔通过如下公式计算：
其中，Cskip(d)为每个摄像头之间的地址间隔，Cm为气体传感器的数量，d为路由器所在深度，Lm为基于无线传感监控网络的拓扑结构的最大深度，Rm为与气体传感器相连最多的路由器的总数。具体的，路由器所在深度指的是所有气体传感器直线距离的平均值。
在本发明实施例中，可以选定某条主干道的路灯为摄像头首个安置点，每个摄像头之间通过地址间隔Cskip(d)沿着干道纵横向布置设计，建立起一基于摄像头安置的无线传感监控网络系统。由于摄像头摆放位置已知，则将摄像头的位置设为信标节点的坐标。
在一种可选的实施方式中，所述基于灰狼优化的DV_Hop定位算法具体包括：
利用信标节点间的最小跳数与相对最优跳数的差值，对信标节点间的最小跳数进行优化，得到信标节点间的修正最小跳数；
计算未知节点的平均跳距，并根据所述未知节点的平均跳距和信标节点间的修正最小跳数，计算未知节点与各个信标节点的估算距离；
以未知节点到各个信标节点的真实距离与估算距离最小化为目标函数，采用改进的灰狼算法确定所述未知节点的位置。
具体的，DV_Hop算法的主要思想是用未知节点到信标节点的最小跳数乘以距离未知节点最近的信标节点的平均每跳距离,之后再计算未知节点与信标节点的距离，进而计算未知节点的位置。
具体的，灰狼算法通过模拟自然界中狼群的行为来对目标函数进行寻优,求出最优解。灰狼算法具有并行性,能同时对多个点进行寻优,与其他智能群算法相比,具有更高的寻优精度和更好的鲁棒性。
在一种可选的实施方式中，所述利用信标节点间的最小跳数与相对最优跳数的差值，对信标节点间的最小跳数进行优化，得到信标节点间的修正最小跳数，具体包括：
根据如下公式计算信标节点间的相对最优跳数：
其中，Hi,j为信标节点i与信标节点j之间的相对最优跳数，di,j为信标节点i与信标节点j之间的实际距离，R为信标节点的通行半径；
根据如下计算信标节点间的最小跳数和相对最优跳数的偏差系数：
其中，hi,j为信标节点i与信标节点j之间的最小跳数，μi,j为信标节点i与信标节点j之间的最小跳数和相对最优跳数的偏差系数；
根据信标节点间的偏差系数和最小跳数，得到信标节点间的修正最小跳数：
其中，∈i,j＝1-μi,j 2
其中，
为信标节点i与信标节点j之间的修正最小跳数。
在本发明实施例中，针对跳数引起的定位误差，通过引用相对最优跳数对通信范围内的单跳邻居节点加以限制，以进一步比较信标节点间的最小跳数hi，j与相对最优跳数Hi,j的差值，得到偏差系数μi,j。偏差系数μi,j反映了信标节点间最小跳数与相对最优跳数之间的差异大小，μi,j越大，说明两者之间有较大的差异。当通信半径不变时，最小跳数一般不小于相对最优跳数，因此，可以利用跳数调整因子∈i，j来优化跳数信息以减少累积误差。
在一种可选的实施方式中，所述未知节点的平均跳距通过如下步骤计算：
根据各个信标节点的坐标，计算信标节点间的实际距离Li,j：
在已知信标节点坐标的基础上，根据如下公式计算信标节点间的平均跳距
其中，
为信标节点间的平均跳距，xi为信标节点i的x轴坐标，yi为信标节点i的y轴坐标，zi为信标节点i的z轴坐标，xj为信标节点j的y轴坐标，yj为信标节点j的y轴坐标，zj为信标节点j的z轴坐标，hi,j为信标节点i与信标节点j之间的最小跳数；
根据信标节点间的最小跳数hi,j、平均跳距
和实际距离Li,j，计算信标节点间的距离误差δi,j，并对信标节点间的距离误差进行加权求和，得到信标节点间的权重系数ωi,j：
根据距离未知节点最近的信标节点的平均跳距
和所述信标节点间的权重系数ωi,j，求得未知节点的平均跳距
在一种可选的实施方式中，所述目标函数为：
且有
其中，F(xu,yu,zu)为目标函数，xu为未知节点的x轴坐标，yu为未知节点的y轴坐标，zu为未知节点的z轴坐标，xi为信标节点i的x轴坐标，yi为信标节点i的y轴坐标，zi为信标节点i的z轴坐标，εi为信标节点i的实际距离和估算距离的误差，N为信标节点的总数。
在本发明实施例中，将未知节点的定位问题转化为求满足总误差最小值问题，以得到灰狼算法的目标函数/适应度函数。
在一种可选的实施方式中，所述改进的灰狼算法对传统灰狼算法作出如下改进：(1)在包围猎物过程中计算各个灰狼位置时，引入一收敛因子以增强算法前期的全局搜索能力并增强算法后期的局部搜索能力；(2)在计算猎物的位置时，根据灰狼个体的适应度值对猎物位置的权重因子进行设定；(3)在更新灰狼的位置时引入印象策略对灰狼的位置进行更新。
具体的，传统灰狼算法通过模拟狼群的狩猎过程实现对最优解的获取，主要包括如下步骤：
(1)在狩猎的初始阶段，狼群无规则地分布于猎物周围，算法根据适应度函数(灰狼距离猎物的位置)计算每头狼的初始适应值，并将最优的前3者记作α，β，γ，其余个体为ω。
(2)在狩猎过程中，狼群根据距离猎物最近的α，β，γ狼的位置，通过不断更新自己的坐标从而实现对猎物的包围。灰狼个体与猎物的距离如下式所示：
其中，
和Xt分别表示第t次迭代时猎物的位置以及灰狼个体的位置，C表示算法的摆动因子，可通过式(2)计算，r1为[0,1]之间的随机数。
C＝2×r1 (2)
由式(3)可计算下一时刻包围猎物时自身应处的位置。其中，Xt+1是算法在第t+1次迭代时灰狼的位置，A是影响算法搜索能力的参数，σ是收敛因子，r2是[0,1]的随机数。
Xt+1＝Xt-A×Dt (3)
A＝2×σ×r2-σ (4)
(3)在算法的初始阶段，每只灰狼会在自身周围区域内随机搜索，当迭代结束时，选出适应值排名前3的狼，由它们对猎物发起攻击，α，β，γ狼跟踪猎物的表达式如下表达式所示：
当前猎物的位置如式(8)所示，其中，
分别表示α，β，γ狼的位置，
表示灰狼将要攻击的猎物位置，即未知节点的位置。
由上述，传统灰狼算法在全局搜索方面占据优势，但在模型后期，会出现收敛速度慢，陷入局部最优的情况，因此在本发明实施例中针对传统灰狼算法作出以下改进：
(1)引入收敛因子
由上述可知，A会影响算法的搜索能力。当A>1时，进行全局搜索；当A<1进行局部搜索。由式(4)可知，σ是影响搜索能力的主要因素，因此引入一种收敛因子，见式(9)，使得算法初期A保持较大值的时间稍长，增强了算法前期的全局搜索能力；中后期A保持较小值的时间稍长，增强了算法后期的局部搜索能力
其中，Tmax为需要进行迭代的总次数。
(2)引入可变比例权重
在传统灰狼算法中，α，β，γ狼均有领导其他狼群觅食的作用，但算法在求解猎物位置时并未对三者进行等级划分，导致3头狼具有相同的决策权。因此根据灰狼个体的适应度值重新对计算猎物位置的权重因子进行设定，改进后的猎物位置计算方式如式(10)所示：
其中，ωa，ωβ和ωγ分别表示α，β，γ狼狩猎时的决定权重，由式(11)决定，Fi表示灰狼个体初始适应值，其中，i＝α，β，γ；
(3)引入印象策略
在式(3)的基础上，通过在灰狼位置更新式中加入一定比例的灰狼个体的自身意识比重，增强优化器后期的局部搜索能力，如式(12)所示
其中，μ1、μ2表示种群交流和个体记忆所占的权重，r3是[0,1]的随机数，Xt和
表示算法在第t次迭代时灰狼的位置及个体历史最优位置，Dt表示灰狼与猎物的距离。
基于上述提供的技术方案，所述改进的灰狼算法，具体包括：
步骤a，初始化N头灰狼；
步骤b，根据目标函数计算每头灰狼的适应度值，并选取当前适应值最优作为α狼，次优的为β狼，第三优的为γ狼，其余的解为ω狼；
步骤c，根据α狼的适应度值、β狼的适应度值和γ狼的适应度值，设定影响猎物的权重因子，并通过公式
计算猎物的位置，其中，
且有i＝α，β，γ；
表示猎物的位置，
分别表示狼、狼和γ狼的位置；
步骤d，根据当前时刻灰狼与猎物的距离以及灰狼个体历史最优位置，通过公式
更新灰狼的位置；其中，
其中，Xt+1为算法在第t+1次迭代时灰狼的位置，μ1、μ2分别表示种群交流和个体记忆所占的权重，r3是[0,1]的随机数，Xt和
分别表示算法在第t次迭代时灰狼的位置及灰狼个体历史最优位置，Dt表示灰狼与猎物的距离，C表示算法的摆动因子，
和Xt分别表示第t次迭代时猎物的位置以及灰狼的位置；
步骤e，根据公式C＝2×r1、A＝2×σ×r2-和
更新算法中的参数C、A和σ；其中，r1和r2均为[0,1]之间的随机数，σ为收敛因子；
步骤f，重复步骤b到步骤e，对灰狼的位置重新更新，直至达到预设的迭代次数，输出适应值最优的灰狼所对应的未知节点的坐标。
基于上述实施例提供的技术方案，本发明实施例针对传统的定位算法中的跳数、跳距进行改进，增加后续算法定位精度；在利用灰狼算法对未知节点进行定位时，通过引入收敛因子，改变适应度比例权值，和引入印象策略，既保证算法前期全局搜索能力，又确保算法后期局部搜索能力，从而能够提供化工材料泄漏源定位的精度。
本发明实施例第二方面提供一种化工材料泄漏源定位装置，所述装置设置在主机中，包括：
数据获取模块，根据预先构建的无线传感监控网络获取当前采集周期的监测数据；其中，所述无线传感监控网络包括一主机、与所述主机连接的至少一个路由器、若干个摄像头和每一个所述路由器下级联的多组布置在摄像头上的各类气体传感器，且各个所述气体传感器每隔一采集周期将收集到的监测数据通过所述路由器发送给所述主机；
异常节点确定模块，用于将当前采集周期的监测数据代入到预设的隶属度函数，得到当前采集周期的各个类别的监测数据，并将各个类别的监测数据与对应类别的超标阈值比较，以确定数据异常的传感器节点；其中，数据异常的传感器节点为监测数据大于对应类别的超标阈值的气体传感器；
信标节点确定模块，用于将数据异常的传感器节点所在的摄像头作为距离未知节点最近的信标节点；其中，所述未知节点指的是待定位的化工材料泄漏源，信标节点指的是摄像头；
泄漏源确定模块，用于根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。
需说明的是，本发明实施例提供的化工材料泄漏源定位装置用于执行上述实施例的化工材料泄漏源定位方法的全部步骤和流程，两者的工作原理和有益效果一一对应，这里不再作过多的赘述。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (10)
1.一种化工材料泄漏源定位方法，其特征在于，包括：
主机根据预先构建的无线传感监控网络获取当前采集周期的监测数据；其中，所述无线传感监控网络包括一主机、与所述主机连接的至少一个路由器、若干个摄像头和每一个所述路由器下级联的多组布置在摄像头上的各类气体传感器，且各个所述气体传感器每隔一采集周期将收集到的监测数据通过所述路由器发送给所述主机；
所述主机将当前采集周期的监测数据代入到预设的隶属度函数，得到当前采集周期的各个类别的监测数据，并将各个类别的监测数据与对应类别的超标阈值比较，以确定数据异常的传感器节点；其中，数据异常的传感器节点为监测数据大于对应类别的超标阈值的气体传感器；
所述主机将数据异常的传感器节点所在的摄像头作为距离未知节点最近的信标节点；其中，所述未知节点指的是待定位的化工材料泄漏源，信标节点指的是摄像头；
所述主机根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。
2.如权利要求1所述的化工材料泄漏源定位方法，其特征在于，每个摄像头之间通过地址间隔在检测区域内的各个干道上纵横向布置设计，且所述地址间隔通过如下公式计算：
其中，Cskip(d)为每个摄像头之间的地址间隔，Cm为气体传感器的数量，d为路由器所在深度，Lm为基于无线传感监控网络的拓扑结构的最大深度，Rm为与气体传感器相连最多的路由器的总数。
3.如权利要求1所述的化工材料泄漏源定位方法，其特征在于，所述基于灰狼优化的DV_Hop定位算法具体包括：
利用信标节点间的最小跳数与相对最优跳数的差值，对信标节点间的最小跳数进行优化，得到信标节点间的修正最小跳数；
计算未知节点的平均跳距，并根据所述未知节点的平均跳距和信标节点间的修正最小跳数，计算未知节点与各个信标节点的估算距离；
以未知节点到各个信标节点的真实距离与估算距离最小化为目标函数，采用改进的灰狼算法确定所述未知节点的位置。
4.如权利要求3所述的化工材料泄漏源定位方法，其特征在于，所述利用信标节点间的最小跳数与相对最优跳数的差值，对信标节点间的最小跳数进行优化，得到信标节点间的修正最小跳数，具体包括：
根据如下公式计算信标节点间的相对最优跳数：
其中，Hi,j为信标节点i与信标节点j之间的相对最优跳数，di,j为信标节点i与信标节点j之间的实际距离，R为信标节点的通行半径；
根据如下计算信标节点间的最小跳数和相对最优跳数的偏差系数：
其中，hi,j为信标节点i与信标节点j之间的最小跳数，μi,j为信标节点i与信标节点j之间的最小跳数和相对最优跳数的偏差系数；
根据信标节点间的偏差系数和最小跳数，得到信标节点间的修正最小跳数：
其中，∈i,j＝1-μi,j 2
其中，
为信标节点i与信标节点j之间的修正最小跳数。
5.如权利要求3所述的化工材料泄漏源定位方法，其特征在于，所述未知节点的平均跳距通过如下步骤计算：
根据各个信标节点的坐标，计算信标节点间的实际距离；
根据如下公式计算信标节点间的平均跳距：
其中，
为信标节点间的平均跳距，xi为信标节点i的x轴坐标，yi为信标节点i的y轴坐标，zi为信标节点i的z轴坐标，xj为信标节点j的y轴坐标，yj为信标节点j的y轴坐标，zj为信标节点j的z轴坐标，hi,j为信标节点i与信标节点j之间的最小跳数；
根据信标节点间的最小跳数、平均跳距和实际距离，计算信标节点间的距离误差，并对信标节点间的距离误差进行加权求和，得到信标节点间的权重系数；
根据距离未知节点最近的信标节点的平均跳距和所述信标节点间的权重系数，求得未知节点的平均跳距。
6.如权利要求5所述的化工材料泄漏源定位方法，其特征在于，所述未知节点的平均跳距通过如下公式计算：
其中，
为未知节点的平均跳距，
为距离未知节点最近的信标节点的平均跳距，ωi,j为信标节点间的权重系数。
7.如权利要求3所述的化工材料泄漏源定位方法，其特征在于，所述目标函数为：
且有
其中，F(xu,yu,zu)为目标函数，xu为未知节点的x轴坐标，yu为未知节点的y轴坐标，zu为未知节点的z轴坐标，xi为信标节点i的x轴坐标，yi为信标节点i的y轴坐标，zi为信标节点i的z轴坐标，εi为信标节点i的实际距离和估算距离的误差，N为信标节点的总数，
为未知节点的平均跳距。
8.如权利要求3所述的化工材料泄漏源定位方法，其特征在于，所述改进的灰狼算法对传统灰狼算法作出如下改进：(1)在包围猎物过程中计算各个灰狼位置时，引入一收敛因子以增强算法前期的全局搜索能力并增强算法后期的局部搜索能力；(2)在计算猎物的位置时，根据灰狼个体的适应度值对猎物位置的权重因子进行设定；(3)在更新灰狼的位置时引入印象策略对灰狼的位置进行更新。
9.如权利要求8所述的化工材料泄漏源定位方法，其特征在于，所述改进的灰狼算法，具体包括：
步骤a，初始化N头灰狼；
步骤b，根据目标函数计算每头灰狼的适应度值，并选取当前适应值最优作为α狼，次优的为β狼，第三优的为γ狼，其余的解为ω狼；
步骤c，根据α狼的适应度值、β狼的适应度值和γ狼的适应度值，设定影响猎物的权重因子，并通过公式
计算猎物的位置，其中，
且有i＝α，β，γ；
表示猎物的位置，
分别表示狼、狼和γ狼的位置；
步骤d，根据当前时刻灰狼与猎物的距离以及灰狼个体历史最优位置，通过公式
更新灰狼的位置；其中，
其中，Xt+1为算法在第t+1次迭代时灰狼的位置，μ1、μ2分别表示种群交流和个体记忆所占的权重，r3是[0,1]的随机数，Xt和
分别表示算法在第t次迭代时灰狼的位置及灰狼个体历史最优位置，Dt表示灰狼与猎物的距离，C表示算法的摆动因子，
和Xt分别表示第t次迭代时猎物的位置以及灰狼的位置；
步骤e，根据公式C＝2×r1、A＝2×σ×r2-和
更新算法中的参数C、A和σ；其中，r1和r2均为[0,1]之间的随机数，σ为收敛因子；
步骤f，重复步骤b到步骤e，对灰狼的位置重新更新，直至达到预设的迭代次数，输出适应值最优的灰狼所对应的未知节点的坐标。
10.一种化工材料泄漏源定位装置，所述装置设置在主机中，其特征在于，包括：
数据获取模块，根据预先构建的无线传感监控网络获取当前采集周期的监测数据；其中，所述无线传感监控网络包括一主机、与所述主机连接的至少一个路由器、若干个摄像头和每一个所述路由器下级联的多组布置在摄像头上的各类气体传感器，且各个所述气体传感器每隔一采集周期将收集到的监测数据通过所述路由器发送给所述主机；
异常节点确定模块，用于将当前采集周期的监测数据代入到预设的隶属度函数，得到当前采集周期的各个类别的监测数据，并将各个类别的监测数据与对应类别的超标阈值比较，以确定数据异常的传感器节点；其中，数据异常的传感器节点为监测数据大于对应类别的超标阈值的气体传感器；
信标节点确定模块，用于将数据异常的传感器节点所在的摄像头作为距离未知节点最近的信标节点；其中，所述未知节点指的是待定位的化工材料泄漏源，信标节点指的是摄像头；
泄漏源确定模块，用于根据各个信标节点的坐标，采用基于灰狼优化的DV_Hop定位算法确定未知节点的位置，以得到化工材料泄漏源。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210433556.4A CN114828302A (zh) | 2022-04-24 | 2022-04-24 | 化工材料泄漏源定位方法及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210433556.4A CN114828302A (zh) | 2022-04-24 | 2022-04-24 | 化工材料泄漏源定位方法及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114828302A true CN114828302A (zh) | 2022-07-29 |
Family
ID=82506693
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210433556.4A Pending CN114828302A (zh) | 2022-04-24 | 2022-04-24 | 化工材料泄漏源定位方法及装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114828302A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994487A (zh) * | 2023-01-17 | 2023-04-21 | 安徽建筑大学 | 一种基于改进灰狼优化算法的供水管网漏损定位方法 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013117962A1 (en) * | 2012-02-07 | 2013-08-15 | Qatar University Qstp-B | Behavior-based source monitoring system and method thereof |
| CN108235247A (zh) * | 2017-12-29 | 2018-06-29 | 上海应用技术大学 | 一种节点定位方法及其装置 |
| CN113573271A (zh) * | 2021-07-23 | 2021-10-29 | 昆明理工大学 | 一种基于Levy飞行策略与三维灰狼算法优化的DV-hop定位方法 |
| CN113923541A (zh) * | 2021-09-13 | 2022-01-11 | 广州杰赛科技股份有限公司 | 一种危化品监测系统 |
| CN113971873A (zh) * | 2021-08-20 | 2022-01-25 | 广州杰赛科技股份有限公司 | 基于无线传感器网络的危化品探测方法、装置及存储介质 |
-
2022
- 2022-04-24 CN CN202210433556.4A patent/CN114828302A/zh active Pending
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2013117962A1 (en) * | 2012-02-07 | 2013-08-15 | Qatar University Qstp-B | Behavior-based source monitoring system and method thereof |
| CN108235247A (zh) * | 2017-12-29 | 2018-06-29 | 上海应用技术大学 | 一种节点定位方法及其装置 |
| CN113573271A (zh) * | 2021-07-23 | 2021-10-29 | 昆明理工大学 | 一种基于Levy飞行策略与三维灰狼算法优化的DV-hop定位方法 |
| CN113971873A (zh) * | 2021-08-20 | 2022-01-25 | 广州杰赛科技股份有限公司 | 基于无线传感器网络的危化品探测方法、装置及存储介质 |
| CN113923541A (zh) * | 2021-09-13 | 2022-01-11 | 广州杰赛科技股份有限公司 | 一种危化品监测系统 |
Non-Patent Citations (1)
| Title |
|---|
| 赵小强: "基于测距修正及改进灰狼优化器的DV-Hop 定位算法研究", 物联网学报, vol. 5, no. 4, 30 December 2021 (2021-12-30), pages 3 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115994487A (zh) * | 2023-01-17 | 2023-04-21 | 安徽建筑大学 | 一种基于改进灰狼优化算法的供水管网漏损定位方法 |
| CN115994487B (zh) * | 2023-01-17 | 2023-10-03 | 安徽建筑大学 | 一种基于改进灰狼优化算法的供水管网漏损定位方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN113918673A (zh) | 毒气泄漏事故中的应急疏散路径规划方法 | |
| CN112927460A (zh) | 基于bim的火灾定位报警方法及系统 | |
| CN207587126U (zh) | 一种无线智能烟感火灾报警监控系统 | |
| CN1963878A (zh) | 高层建筑火灾智能监测预警预报装置 | |
| CN103024064A (zh) | 一种建筑状态监测和逃生指引系统及其方法 | |
| CN114689058B (zh) | 基于深度学习和混合遗传算法的火灾疏散路径规划方法 | |
| CN114828302A (zh) | 化工材料泄漏源定位方法及装置 | |
| da Penha et al. | Fusing light and temperature data for fire detection | |
| CN112488423A (zh) | 一种火场中被困人员逃生路径的规划方法 | |
| Jan et al. | An Improved Forest Fire Alerting System Using Wireless Sensor Network | |
| CN116189372A (zh) | 一种应用大数据技术的森林防火多层预警监测系统及方法 | |
| CN110298170B (zh) | 一种考虑盲目攻击因子的电力scada系统安全性评估方法 | |
| CN115392689A (zh) | 一种古建筑安全风险动态检测方法及装置 | |
| CN106448080A (zh) | 一种基于传感网嗅探的小型空间挥发性易燃液体检测系统 | |
| CN111191230B (zh) | 一种基于卷积神经网络的快速网络攻击回溯挖掘方法和应用 | |
| CN111539634A (zh) | 一种消防救援辅助决策方案生成方法 | |
| CN113923541B (zh) | 一种危化品监测系统 | |
| CN113971873A (zh) | 基于无线传感器网络的危化品探测方法、装置及存储介质 | |
| CN107230312B (zh) | 一种有效的森林火灾监测系统 | |
| CN107371125A (zh) | 基于粒子群算法的无线传感器网络故障修复方法及装置 | |
| CN114548791A (zh) | 一种基于互联网的多维度监测公共卫生的防控方法及系统 | |
| CN109819397B (zh) | 一种对抗女巫攻击的近似三角形内点测试定位算法 | |
| CN118091054B (zh) | 一种危险气体在线监测系统和方法 | |
| Gupta et al. | Forest Fire Detection by using MESA2DA Clustering Protocol based on Artificial Intelligence Techniques | |
| KR102534920B1 (ko) | 재난감지 및 대응지원 시스템 |
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 |