CN115508375A - 大气污染泄漏源快速定位方法及系统 - Google Patents
大气污染泄漏源快速定位方法及系统 Download PDFInfo
- Publication number
- CN115508375A CN115508375A CN202110696071.XA CN202110696071A CN115508375A CN 115508375 A CN115508375 A CN 115508375A CN 202110696071 A CN202110696071 A CN 202110696071A CN 115508375 A CN115508375 A CN 115508375A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- information
- concentration
- active infrared
- pollutant
- 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 46
- 238000012544 monitoring process Methods 0.000 claims abstract description 180
- 239000003344 environmental pollutant Substances 0.000 claims abstract description 58
- 231100000719 pollutant Toxicity 0.000 claims abstract description 58
- 230000003287 optical effect Effects 0.000 claims abstract description 44
- 238000005457 optimization Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000003860 storage Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 5
- 239000000725 suspension Substances 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 2
- 230000007613 environmental effect Effects 0.000 abstract description 2
- 239000007789 gas Substances 0.000 description 11
- 238000009792 diffusion process Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 7
- 238000003915 air pollution Methods 0.000 description 6
- 230000005540 biological transmission Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000009826 distribution Methods 0.000 description 4
- 230000008786 sensory perception of smell Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- 230000004888 barrier function Effects 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000001926 trapping method Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003032 molecular docking Methods 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000011155 quantitative monitoring Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000246 remedial effect Effects 0.000 description 1
- 239000000779 smoke Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/94—Investigating contamination, e.g. dust
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B64—AIRCRAFT; AVIATION; COSMONAUTICS
- B64C—AEROPLANES; HELICOPTERS
- B64C39/00—Aircraft not otherwise provided for
- B64C39/02—Aircraft not otherwise provided for characterised by special use
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
- G01N21/88—Investigating the presence of flaws or contamination
- G01N21/8851—Scan or image signal processing specially adapted therefor, e.g. for scan signal adjustment, for detecting different kinds of defects, for compensating for structures, markings, edges
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
- G05D1/10—Simultaneous control of position or course in three dimensions
- G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Pathology (AREA)
- Immunology (AREA)
- General Health & Medical Sciences (AREA)
- Aviation & Aerospace Engineering (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Signal Processing (AREA)
- Remote Sensing (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Automation & Control Theory (AREA)
- Radar, Positioning & Navigation (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明提供一种大气污染泄漏源快速定位方法及系统，属于环境监测领域。所述方法包括：根据无人机的多个悬停位置对应生成多条监测光路，多条监测光路组成监测平面；获取每一条监测光路对应的监测信息，根据所述监测信息进行对应的监测光路的预设待拟合数据拟合；根据拟合结果和预设分析模型获取所述监测平面内任一点位的污染物浓度信息；根据监测平面内点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息。本发明方案大气污染气团泄漏源定位速度快，机动性能高，解决了突发性大气污染泄漏源定位的及时性和准确性需求。
Description
技术领域
本发明涉及环境监测领域，具体地涉及一种大气污染泄漏源快速定位方法及一种大气污染泄漏源快速定位系统。
背景技术
近年来，化工园区建设的加快与生产活动的日益频繁虽带动经济发展迅速，但是随着而来的突发性大气污染事故也越来越多。这些突发性大气污染可在短时间内集聚形成极高浓度的污染物，对人和周围环境造成极大危害，甚至还会引发火灾、爆炸等极端性的破坏。所以在突发性大气污染事故发生的前期，及时及早的确定泄漏源和泄漏扩散范围，对污染事故的应急处理、减少事故造成损失均具有十分重要的意义。
在现有技术中，针对已有大气污染源的定位工作，主要区分为主动嗅觉法和静态气源定位法两种，其中，主动嗅觉法多是依赖于装备有气体传感器的移动机器人，依托一定的算法策略来实现烟羽发现、追踪，进而确定泄漏源，而静态气源定位法则多是依托无线传感网络以及大气扩散模型，根据无线传感器的点位和监测气体浓度，结合气象数据实现大气污染源的定位。两种方法均能取得准确的定位结果，然而针对于突发性大气污染事故泄漏源，如何在保证方法准确性的基础上实现快速定位更为关键，其中主动嗅觉法受限于移动机器人的性能和地面环境，在大范围监测中甚至出现能量耗尽等状况，而依托无线传感网络的静态气源定位法，更适用于已安装大量无线传感器的环境，此外定位准确度也依赖于传感器点位分布状况，在突发性大气污染事故泄漏源定位方面应用受限。针对现有技术无法满足突发性大气污染定位需要的及时性和准确性的问题，需要创造一种新的大气污染泄漏源快速定位方法。
发明内容
本发明实施方式的目的是提供一种大气污染泄漏源快速定位方法及系统，以至少解决现有技术无法满足突发性大气污染定位需要的及时性和准确性的问题。
为了实现上述目的，本发明第一方面提供一种大气污染泄漏源快速定位方法，用于大气污染气团的污染物泄漏源监测，所述方法包括：根据无人机的多个悬停位置对应生成多条监测光路，多条监测光路组成监测平面；获取每一条监测光路对应的监测信息，根据所述监测信息进行对应的监测光路的预设待拟合数据拟合；根据拟合结果和预设分析模型获取所述监测平面内任一点位的污染物浓度信息；根据监测平面内各点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息。
可选的，所述多条监测光路中，至少有n条监测光路穿过所述大气污染气团，n≥3。
可选的，所述多条监测光路由主动式红外监测仪生成，所述监测光路包括发射端、接收端、反射端和监测红外光束；所述发射端和所述接收端位于同一光点，所述监测红外光束由位于主动式红外监测仪的所述发射端发射，经由位于无人机的所述反射端反射后由位于主动式红外监测仪的所述接收端接收。
可选的，所述监测平面为以所述主动式红外监测仪与所述无人机的第一悬停点之间的连线为极轴，以所述主动式红外监测仪与所述无人机的第i悬停点之间的连线与所述极轴之间的夹角为极角的平面极坐标系；其中，i≥2。
可选的，所述监测光路的监测信息包括：所述主动式红外监测仪的坐标信息、所述无人机的坐标信息和该监测光路的光路积分浓度。
可选的，所述预设待拟合数据包括：气体浓度峰面积、浓度峰位置的标准偏差、浓度峰在测量平面中的位置和浓度峰位置的光路对笛卡尔坐标系的角度。
可选的，所述根据所述监测信息进行对应的监测光路的预设待拟合数据拟合，包括：将所述监测光路的监测信息作为已知数据，以预设差函数最小值为优化目标，进行预设拟合模型最优化处理，将最优化处理结果作为拟合结果；其中，所述预设模型关系式为：
其中，PICi为第i条监测光路的光路积分浓度监测值；pici为第i条监测光路的光路积分浓度拟合值；S为预设误差函数。
可选的，所述光路积分浓度拟合值的拟合关系式为：
其中，ri为第i条监测光路中主动式红外监测仪与无人机之间的距离；θi为第i条监测光路与初始监测光路之间的夹角；A为气体浓度峰面积；σx，σy为浓度峰位置的标准偏差；mx,my为浓度峰在测量平面中的位置；ρ为峰位置的光路对笛卡尔坐标系的角度。
可选的，所述预设分析模型为：
其中，P(ri,θi)为监测平面内任一监测点的大气污染气团的污染物浓度。
可选的，根据监测平面内任一点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息，包括：筛选出监测平面内各点位的污染物浓度信息中污染物浓度最大的监测点；获取污染物浓度最大的监测点的点位坐标信息；根据污染物浓度最大的监测点的点位坐标信息和实时风向信息，在预设卫星地图上标注出大气污染气团的污染物泄露源的位置。
本发明第二方面提供一种实现上述定位方法的大气污染泄漏源快速定位系统，用于大气污染气团的污染物泄漏源监测，所述系统包括：主动式红外监测仪，用于生成并回收监测红外光束，根据回收的监测红外光束获取对应监测光路的光路积分浓度；反光镜，固定在无人机端，用于将所述主动式红外监测仪发射的监测红外光束反射回所述主动式红外监测仪。
可选的，所述系统还包括用于固定所述主动式红外监测仪的云平台；所述云平台的高度以保证所述主动式红外监测仪与所述反光镜之间无遮挡为原则进行设置。
可选的，所述云平台具有上、下、左、右、俯、仰调节的功能。
可选的，所述主动式红外监测仪和所述无人机均包括用于坐标信息获取的定位装置。
可选的，所述系统还包括：采集单元，用于获取每一条监测光路对应的监测信息；其中，所述监测信息包括：所述主动式红外监测仪的坐标信息、所述无人机的坐标信息和对应监测光路的光路积分浓度；处理单元，用于根据所述监测信息进行对应的监测光路的预设待拟合数据拟合，并根据拟合结果和预设分析模型获取所述监测平面内任一点位的污染物浓度信息；输出单元，用于根据监测平面内各点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息，输出标注有所述污染物泄漏源位置的卫星地图。
另一方面，本发明提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的大气污染泄漏源快速定位方法。
通过上述技术方案，利用无人机的机动性进行大气污染气团测试光路架设，通过测定每一条穿过大气污染气团的监测信息，可以准确获取对应测试光路下，大气污染气团对应点位的污染物光路积分浓度。然后利用无人机机动性进行悬停位置调整，获取大气污染气团监测平面内所有监测点的污染物浓度，通过对比这些监测点的浓度信息，可以筛选出其中污染物浓度值最高的监测点。从而识别出当前大气污染气团的泄漏源位置，并在卫星地图上进行泄漏源位置标注，辅助相关人员进行泄漏源快速定位，避免泄漏源上时间持续污染泄漏，造成更大的污染。满足了突发性大气污染定位监测需要的及时性和准确性。
本发明实施方式的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施方式的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施方式，但并不构成对本发明实施方式的限制。在附图中：
图1是本发明一种实施方式提供的大气污染泄漏源快速定位方法的步骤流程图；
图2是本发明一种实施方式提供的大气污染泄漏源快速定位系统的系统架构图；
图3是本发明一种实施方式提供的大气污染泄漏源快速定位系统的系统结构图。
附图标记说明
10-主动式红外监测仪；20-反光镜；30-无人机；
40-采集单元；50-处理单元；60-输出单元。
具体实施方式
以下结合附图对本发明的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明，并不用于限制本发明。
图2是本发明一种实施方式提供的大气污染泄漏源快速定位系统的系统结构图。如图2所示，本发明实施方式提供一种大气污染泄漏源快速定位系统，所述系统包括：主动式红外监测仪10，用于生成并回收监测红外光束，根据回收的监测红外光束获取对应监测光路的光路积分浓度；反光镜20，固定在无人机30端，用于将所述主动式红外监测仪10发射的监测红外光束反射回所述主动式红外监测仪10。
优选的，所述系统还包括用于固定所述主动式红外监测仪10的云平台；所述云平台的高度以保证所述主动式红外监测仪10与所述反光镜20之间无遮挡为原则进行设置。
优选的，所述云平台具有上、下、左、右、俯、仰调节的功能。
在本发明实施例中，云平台可以将主动式红外监测仪10架设到更高的高度，以避免在障碍物较多的环境下，障碍物会阻挡主动式红外监测仪10 与反光镜20之间传输的监测红外光。而增加云平台的多向调节性能，可以保证云平台的灵活性，以提高主动式红外监测仪10的灵活性。无论是障碍物改变还是无人机30的位置改变，云平台均可以带动主动式红外监测仪10 与无人机30进行双向移动对接。也保证了大气污染气团随风向改变时，主动式红外监测仪10有足够的调节空间进行大气污染气团追踪。
优选的，所述主动式红外监测仪10和所述无人机30均包括用于坐标信息获取的定位装置。
在本发明实施例中，在进行监测光路预设待拟合数据拟合时，需要获取主动式红外监测仪10与无人机30之间的位置关系，所以需要获取主动式红外监测仪10和无人机30的详细位置信息。其中，主动式红外监测仪10的水平坐标由动式红外监测仪自身配备的GPS定位装置获取，高度坐标由云平台的调节高度决定。而无人机30的水平坐标同样由无人机30的GPS定位装置获取，而高度坐标优选在无人机30上设置高度传感器，以准确获取无人机30的高度坐标。
优选的，如图3，所述系统还包括：采集单元40，用于获取每一条监测光路对应的监测信息；其中，所述监测信息包括：所述主动式红外监测仪10 的坐标信息、所述无人机30的坐标信息和对应监测光路的光路积分浓度；处理单元50，用于根据所述监测信息进行对应的监测光路的预设待拟合数据拟合，并根据拟合结果和预设分析模型获取所述监测平面内各点位的污染物浓度信息；输出单元60，用于根据监测平面内各点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息，输出标注有所述污染物泄漏源位置的卫星地图。
图1是本发明一种实施方式提供的大气污染泄漏源快速定位方法的方法流程图。如图1所示，本发明实施方式提供一种大气污染泄漏源快速定位方法，所述方法包括：
步骤S10：根据无人机30的多个悬停位置对应生成多条监测光路，多条监测光路组成监测平面。
具体的，污染物发生泄漏后，特别是是在实时风压比较大的情况下，污染物随大气扩散的速度非常快，若无法及时发现污染物泄漏源的准确位置，及时进行对应位置的污染物持续泄漏控制，后续扩散污染的情况将会非常严重。所以在发现存在污染泄漏时，现有污染情况捕集方法均存在的耗时长和机动性差的弊端将直接导致无法及时进行污染扩散控制，所以需要一种及时性和机动性都更好的捕集方法。SBFM算法(Smooth Basic FunctionMinimization，平滑基函数最小化法)是一种基于一个所选定的参数模型对气体浓度分布进行重构的方法，不是基于单个像素点实现。所以进行气体浓度重构时，不需要构造复杂的交叉光路，仅需要几条监测光路数据。所以 SBFM算法与本领域需要的及时性有很好的契合性。为了提高机动性，本发明利用无人机30替代传统的可移动机器人，利用无人机30的移动便捷性，极大缩短了达到预定监测点的时间，且不受地形因素干扰，后续位置调整均具有很强的机动性。所以本发明的核心便是结合SBFM算法，利用主动式红外监测仪10和无人机30进行监测光路架设，实现污染气团污染物浓度定量监测。
首先，发现存在大气污染气团后，控制携带反光镜20的无人机30飞抵大气污染气团位置，并选定位置进行悬停。无人机30控制反光镜20正对主动式红外监测仪10，主动式红外监测仪10发射出监测红外光，穿过对应大气污染气团后，在反光镜20位置被反射，沿监测红外光的发射光路原路反射回来，并最终被主动式红外监测仪10接收，以通过接收红外光与发射红外光的变化情况获取当前监测光路的光路积分浓度。其中，主动式红外监测仪10固定在云平台上，以保证主动式红外监测仪10与无人机30的反光镜 20之间不存在障碍物。例如，在城市范围内，必须将主动式红外监测仪10 的架设到附近遮挡建筑物顶部的上方，以保证监测红外光准确传输。
在一种可能的实施方式中，进行系统构建前，首先获取待巡检区域的高清卫星地图或待巡检区域的平面装置布局图，以清晰的获取当前监测位置的各种障碍物信息。然后进行待巡检区域的气象条件观测，主要获取待巡检区域的主导风向，以便进行后续数据采集装置的布设。其中气象参数可通过待巡检区域内部气象仪或便携式气象仪以及无人机30系统安装的风向监测模块获取。根据待巡检区域主导风向以及获取的平面装置布局图等，在待巡检区域上风向确定安全区，在安全区内某空旷处可进行数据采集装置的现场布设。其中无人机30系统需要2m×2m的开阔平坦区域，以便进行无人机30 系统的起飞和降落操作，主动式红外监测仪10需要1m×1m的开阔平坦区域，以进行仪器设备的布设，自动控制云台可根据现场状况，判断是否需求该装置。若待巡检区域高度较低，无人机30系统起飞后，主动式红外监测仪10与无人机30系统之间光路无遮挡，或可借助现场其它平台，提升主动式红外监测仪10的离地距离，达到主动式红外监测仪10与无人机30系统之间光路无遮挡的效果，可不安装自动控制云台，主动式红外监测仪10重量不足10kg，现场安装简易快捷。待数据采集装置准备完成后，操纵无人机 30系统在待巡检区域下风向边界进行多次悬停操作，高度hi可通过安装于无人机30系统上的高度仪确定，同时通过安装于无人机30系统上的GPS 定位装置确定无人机30系统悬停定位信息，第一悬停点位信息命名为(x1， y1)，为充分获取待巡检区域内大气污染物的扩散状况，检验悬停点位在巡检区域下风向近似均匀分布，悬停点位数量不少于5个点位。待无人机30 在各点位悬停后，操作人员控制主动式红外监测仪10或控制自动控制云台对安装于无人机30系统上的角锥反光镜20进行追踪，并由主动式红外监测仪10获取监测光路上的光路积分浓度(PICi)，此外安装于主动式红外监测仪10上的GPS定位模块可获取主动式红外监测仪10的点位信息(x0，y0)，通过激光测距仪或者自动控制云台可获取主动式红外监测仪10的离地距离 h0，为进一步提高定位方法的准确性，需尽量保证主动式红外监测仪10与无人机30系统悬停点位在同一平面。
每一次无人机30悬停时，主动式红外监测仪10进行一次反光镜20监测，识别并控制无人机30进行位置调整，以保证主动式红外监测仪10与无人机30之间形成监测光路。因为SBFM算法需要多组数据，且进行泄露源判断时，需要多组数据进行浓度对比，以识别出浓度更大的泄露源点，所以需要多条监测光路。优选的，以主动式红外监测仪10所在点位(x0，y0)为极点，以主动式红外监测仪10所在点位(x0，y0)与无人机30第一悬停点位(x1，y1)的连线为极轴，以主动式红外监测仪10所在点位(x0，y0)与无人机30第一悬停点位(xi，yi)的连线和极轴之间的夹角为极角θi，规定角度以逆时针方向为正，构建平面极坐标系。该平面极坐标系所包括的范围便为监测平面。
优选的，所述多条监测光路中，至少有n条监测光路穿过所述大气污染气团；其中，所述n≥3。
在本发明实施例中，大气污染气团存在气团边界，该气团边界为当前时刻下，大气污染气团扩散的最远距离。所以无人机30进行悬停时，有可能悬停位置与主动式红外监测仪10的连线位于所述边界外围，即当前红外监测光路未穿过大气污染气团。当前数据可以作为对应大气污染气团边界测定，但对于大气污染气团的浓度测定是不具有意义的，即这种监测光路落在大气污染气团边界外部的监测数据为无效数据。进行大气污染气团污染物浓度判断时，至少需要三组数据，以判断出浓度递增、递减或曲线分布的情况，以缩小大气污染气团浓度峰值范围，所以，若将穿过大气污染气团的监测光路对应的监测数据作为有效数据，则有效数据的个数≥3，即穿过大气污染气团的监测光路的数量≥3。
步骤S20：获取每一条监测光路对应的监测信息，根据所述监测信息进行对应的监测光路的预设待拟合数据拟合。
具体的，根据SBFM算法需求，需要获取实际监测光路监测到的光路积分浓度，该数据直接通过主动式红外监测仪10获取。而还需要的已知参数包括：主动式红外监测仪10的坐标信息和无人机30的坐标信息，其中，主动外检监测装置的坐标信息和无人机30到的坐标信息均通过对应的GPS模块获取，而无人机30的高度信息由无人机30搭载的高度传感器获取。获取到无人机30和主动式红外监测仪10的位置信息后，通过二者的坐标信息计算二者的距离信息。然后根据以上已知信息，进行当前监测光路的光路积分浓度拟合，拟合规则为：
其中，pici为基于正态分布所构建的管理积分浓度拟合值；ri为第i条监测光路中主动式红外监测仪10与无人机30之间的距离；θi为第i条监测光路与初始监测光路之间的夹角；A为气体浓度峰面积；σx，σy为浓度峰位置的标准偏差；mx,my为浓度峰在测量平面中的位置；ρ为峰位置的光路对笛卡尔坐标系的角度。其中，气体浓度峰面积、浓度峰位置的标准偏差、浓度峰在测量平面中的位置和峰值位置的光路对笛卡尔坐标系的角度，均为未知参数。进行后续浓度拟合时，必须先拟合这些未知参数的值。所以需要构建预设拟合模型，所述预设拟合模型为：
其中，PICi为第i条监测光路的光路积分浓度监测值；S为预设误差函数。拟合规则为，将监测信息作为已知数据，以预设差函数最小值为优化目标，进行预设拟合模型最优化处理，根据最优化处理结果获取所述预设待拟合数据拟合结果。即以S＝0为优化目标，进行上述模型优化求解，根据求解的结果获取θi，A，σx，σy，mx,my和ρ的拟合值。
步骤S30：根据拟合结果和预设分析模型获取所述监测平面内各监测光路对应点位的污染物浓度信息。
具体的，获得预设拟合数据拟合值后，根据预设的分析模型进行当前监测光路对应监测点的浓度分析，其预设分析模型为：
其中，P(ri,θi)为监测平面内任一监测点的所述大气污染气团的污染物浓度。通过上述规则，可以获取完整的包括监测平面内各点的污染物浓度信息。
步骤S40：根据各监测光路对应点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息。
具体的，输出单元60获得完整监测平面内各点的污染物浓度信息后，进行浓度峰值点筛查，即在所有数据中，筛查出其中数值最大的点，然后将该点作为可疑泄漏点。这与污染物泄漏后，污染气团浓度从污染源开始，向四周逐渐减小的规律契合。获取的可疑泄漏点后。结合目标区域的高清卫星地图，以及三维风向信息，可快速确定泄漏源所在区域和经纬度信息。并在卫星地图上将泄漏点标注出来，然后输出标注有泄漏点的卫星地图，以相关人员快速直观的获取到泄漏点位置信息，便于快速进行泄漏点控制，避免更大的污染泄漏。
在另一种可能的实施方式中，获取到泄漏信息后，根据实时的风向和风压情况，进行污染物扩散模型模拟，即模拟实时的大气污染气团的扩散范围。该扩散范围可以通过未落入大气污染气团的监测光路进行验证，以保证模拟数据符合实际。然后输出完整的扩散影响范围，以直观的判断当前污染扩散的影响程度，便于根据当前影响程度计划对应的补救措施。
本发明实施方式还提供一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行上述的大气污染泄露源快速定位方法。
本领域技术人员可以理解实现上述实施方式的方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本发明各个实施方式所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM， Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
以上结合附图详细描述了本发明的可选实施方式，但是，本发明实施方式并不限于上述实施方式中的具体细节，在本发明实施方式的技术构思范围内，可以对本发明实施方式的技术方案进行多种简单变型，这些简单变型均属于本发明实施方式的保护范围。另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施方式对各种可能的组合方式不再另行说明。
此外，本发明的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施方式的思想，其同样应当视为本发明实施方式所公开的内容。
Claims (16)
1.一种大气污染泄漏源快速定位方法，用于大气污染气团的污染物泄漏源监测，其特征在于，所述方法包括：
根据无人机的多个悬停位置对应生成多条监测光路，多条监测光路组成监测平面；
获取每一条监测光路对应的监测信息，根据所述监测信息进行对应的监测光路的预设待拟合数据拟合；
根据拟合结果和预设分析模型获取所述监测平面内任一点位的污染物浓度信息；
根据监测平面内各点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息。
2.根据权利要求1所述的方法，其特征在于，所述多条监测光路中，至少有n条监测光路穿过所述大气污染气团，n≥3。
3.根据权利要求1所述的方法，其特征在于，所述多条监测光路由主动式红外监测仪生成，所述监测光路包括发射端、接收端、反射端和监测红外光束；
所述发射端和所述接收端位于同一光点，所述监测红外光束由位于主动式红外监测仪的所述发射端发射，经由位于无人机的所述反射端反射后由位于主动式红外监测仪的所述接收端接收。
4.根据权利要求3所述的方法，其特征在于，所述监测平面为以所述主动式红外监测仪与所述无人机的第一悬停点之间的连线为极轴，以所述主动式红外监测仪与所述无人机的第i悬停点之间的连线与所述极轴之间的夹角为极角的平面极坐标系；其中，i≥2。
5.根据权利要求4所述的方法，其特征在于，所述监测光路的监测信息包括：
所述主动式红外监测仪的坐标信息、所述无人机的坐标信息和该监测光路的光路积分浓度。
6.根据权利要求5所述的方法，其特征在于，所述预设待拟合数据包括：
气体浓度峰面积、浓度峰位置的标准偏差、浓度峰在测量平面中的位置和浓度峰位置的光路对笛卡尔坐标系的角度。
7.根据权利要求6所述的方法，其特征在于，所述根据所述监测信息进行对应的监测光路的预设待拟合数据拟合，包括：
将所述监测光路的监测信息作为已知数据，以预设差函数最小值为优化目标，进行预设拟合模型最优化处理，将最优化处理结果作为拟合结果；其中，所述预设模型关系式为：
其中，PICi为第i条监测光路的光路积分浓度监测值；
pici为第i条监测光路的光路积分浓度拟合值；
S为预设误差函数。
8.根据权利要求7所述的方法，其特征在于，所述光路积分浓度拟合值的拟合关系式为：
其中，ri为第i条监测光路中主动式红外监测仪与无人机之间的距离；
θi为第i条监测光路与初始监测光路之间的夹角；
A为气体浓度峰面积；
σx，σy为浓度峰位置的标准偏差；
mx,my为浓度峰在测量平面中的位置；
ρ为峰位置的光路对笛卡尔坐标系的角度。
9.根据权利要求8所述的方法，其特征在于，所述预设分析模型为：
其中，P(ri,θi)为测量平面内任一一点大气污染气团的污染物浓度。
10.根据权利要求1所述的方法，其特征在于，根据监测平面内各点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息，包括：
筛选出监测平面内各点位的污染物浓度信息中污染物浓度最大的监测点；
获取污染物浓度最大的监测点的点位坐标信息；
根据污染物浓度最大的监测点的点位坐标信息和实时风向信息，在预设卫星地图上标注出大气污染气团的污染物泄漏源的位置。
11.一种实现权利要求1-10中任一项权利要求的方法的大气污染泄漏源快速定位系统，用于大气污染气团的污染物泄漏源监测，其特征在于，所述系统包括：
主动式红外监测仪，用于生成并回收监测红外光束，根据回收的监测红外光束获取对应监测光路的光路积分浓度；
反光镜，固定在无人机端，用于将所述主动式红外监测仪发射的监测红外光束反射回所述主动式红外监测仪。
12.根据权利要求11所述的系统，其特征在于，所述系统还包括用于固定所述主动式红外监测仪的云平台；
所述云平台的高度以保证所述主动式红外监测仪与所述反光镜之间无遮挡为原则进行设置。
13.根据权利要求12所述的系统，其特征在于，所述云平台具有上、下、左、右、俯、仰调节的功能。
14.根据权利要求11所述的系统，其特征在于，所述主动式红外监测仪和所述无人机均包括用于坐标信息获取的定位装置。
15.根据权利要求14所述的系统，其特征在于，所述系统还包括：
采集单元，用于获取每一条监测光路对应的监测信息；其中，所述监测信息包括：所述主动式红外监测仪的坐标信息、所述无人机的坐标信息和对应监测光路的光路积分浓度；
处理单元，用于根据所述监测信息进行对应的监测光路的预设待拟合数据拟合，并根据拟合结果和预设分析模型获取所述监测平面内各点位的污染物浓度信息；
输出单元，用于根据监测平面内各点位的污染物浓度信息，按照预设规则确定所述大气污染气团的污染物泄漏源位置信息，输出标注有所述污染物泄漏源位置的卫星地图。
16.一种计算机可读储存介质，该计算机可读存储介质上储存有指令，其在计算机上运行时使得计算机执行权利要求1至10中任一项权利要求所述的大气污染泄漏源快速定位方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110696071.XA CN115508375A (zh) | 2021-06-23 | 2021-06-23 | 大气污染泄漏源快速定位方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110696071.XA CN115508375A (zh) | 2021-06-23 | 2021-06-23 | 大气污染泄漏源快速定位方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115508375A true CN115508375A (zh) | 2022-12-23 |
Family
ID=84500151
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110696071.XA Pending CN115508375A (zh) | 2021-06-23 | 2021-06-23 | 大气污染泄漏源快速定位方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115508375A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115993368A (zh) * | 2023-03-24 | 2023-04-21 | 通威微电子有限公司 | 晶片贯穿型缺陷检测装置和方法 |
| CN116930113A (zh) * | 2023-08-01 | 2023-10-24 | 江苏省环境科学研究院 | 一种大气检测系统及方法 |
| CN116952880A (zh) * | 2023-08-07 | 2023-10-27 | 江苏省环境科学研究院 | 一种适用于多种介质的检测系统及检测方法 |
-
2021
- 2021-06-23 CN CN202110696071.XA patent/CN115508375A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115993368A (zh) * | 2023-03-24 | 2023-04-21 | 通威微电子有限公司 | 晶片贯穿型缺陷检测装置和方法 |
| CN116930113A (zh) * | 2023-08-01 | 2023-10-24 | 江苏省环境科学研究院 | 一种大气检测系统及方法 |
| CN116930113B (zh) * | 2023-08-01 | 2024-01-30 | 江苏省环境科学研究院 | 一种大气检测系统及方法 |
| CN116952880A (zh) * | 2023-08-07 | 2023-10-27 | 江苏省环境科学研究院 | 一种适用于多种介质的检测系统及检测方法 |
| CN116952880B (zh) * | 2023-08-07 | 2024-03-15 | 江苏省环境科学研究院 | 一种适用于多种介质的检测系统及检测方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN115508375A (zh) | 大气污染泄漏源快速定位方法及系统 | |
| US11493940B2 (en) | Method and system for generating a map for a flight of an unmanned aerial vehicle | |
| CN109029422B (zh) | 一种多无人机协作构建三维调查地图的方法和装置 | |
| CN110308457B (zh) | 一种基于无人机的输电线路巡检系统 | |
| CN112230680B (zh) | 一种无人机电力线路巡检控制方法 | |
| CN105805560A (zh) | 一种基于无人机的天然气管道泄漏检测系统 | |
| CN114020002B (zh) | 无人机巡检风机叶片的方法、装置、设备、无人机及介质 | |
| CN103135550A (zh) | 用于电力巡线的无人机多重避障控制方法 | |
| CN111812268A (zh) | 监测方法、控制装置、无人机和无人机系统 | |
| CN109946729B (zh) | 一种空中目标跟踪方法及装置 | |
| CN106373433A (zh) | 一种飞行器的飞行路线设置方法及装置 | |
| CN107329151B (zh) | 一种电力巡检无人机的gps欺骗检测方法 | |
| CN104851322A (zh) | 基于北斗卫星导航系统的低空飞行目标告警系统和方法 | |
| CN109814405B (zh) | 一种测控布站方案综合量化评估方法 | |
| JP2016161572A (ja) | 侵入オブジェクトを検出するシステムおよび方法 | |
| Neumann et al. | Aerial-based gas tomography–from single beams to complex gas distributions | |
| CN112327929A (zh) | 一种无人机航飞管理系统 | |
| CN116119006A (zh) | 基于无人机载激光甲烷检测仪的甲烷检测系统及检测方法 | |
| CN116258982A (zh) | 一种无人机飞行航线监测及校验系统 | |
| US20230054256A1 (en) | Method and System for Locating a Light Source | |
| CN116679011A (zh) | 一种监测碳排放源的无人机设备及监测方法 | |
| US20230095619A1 (en) | Radio system for realising a precise landing approach based in microwaves and a method for realising a precise landing approach | |
| CN111942585A (zh) | 一种无人机监测燃气管道的方法 | |
| CN116185054A (zh) | 基于微型激光雷达的无人机输电线路巡检方法及系统 | |
| CN109407132B (zh) | 一种无人机辐射监测方法及系统 |
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 |