CN115619298A - 一种乳化炸药的智能防控方法及系统 - Google Patents
一种乳化炸药的智能防控方法及系统 Download PDFInfo
- Publication number
- CN115619298A CN115619298A CN202211267508.9A CN202211267508A CN115619298A CN 115619298 A CN115619298 A CN 115619298A CN 202211267508 A CN202211267508 A CN 202211267508A CN 115619298 A CN115619298 A CN 115619298A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- value
- monitoring position
- vibration
- emulsion explosive
- 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.)
- Granted
Links
- 239000000839 emulsion Substances 0.000 title claims abstract description 100
- 239000002360 explosive Substances 0.000 title claims abstract description 99
- 238000000034 method Methods 0.000 title claims abstract description 65
- 230000002265 prevention Effects 0.000 title claims abstract description 36
- 238000012544 monitoring process Methods 0.000 claims abstract description 296
- 238000004458 analytical method Methods 0.000 claims abstract description 52
- 230000002159 abnormal effect Effects 0.000 claims description 15
- 238000004590 computer program Methods 0.000 claims description 10
- 230000006870 function Effects 0.000 claims description 7
- 208000012661 Dyskinesia Diseases 0.000 claims description 5
- 238000012502 risk assessment Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 3
- 230000010355 oscillation Effects 0.000 abstract description 16
- 238000005096 rolling process Methods 0.000 abstract description 7
- 230000035945 sensitivity Effects 0.000 abstract description 4
- 230000001276 controlling effect Effects 0.000 abstract 1
- 230000001105 regulatory effect Effects 0.000 abstract 1
- 238000012216 screening Methods 0.000 description 11
- 238000004880 explosion Methods 0.000 description 9
- 230000009286 beneficial effect Effects 0.000 description 8
- 238000005474 detonation Methods 0.000 description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 6
- 238000002425 crystallisation Methods 0.000 description 4
- 230000008025 crystallization Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 4
- 239000003595 mist Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000002889 sympathetic effect Effects 0.000 description 3
- PAWQVTBBRAZDMG-UHFFFAOYSA-N 2-(3-bromo-2-fluorophenyl)acetic acid Chemical compound OC(=O)CC1=CC=CC(Br)=C1F PAWQVTBBRAZDMG-UHFFFAOYSA-N 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000007800 oxidant agent Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 238000002485 combustion reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000586 desensitisation Methods 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000001590 oxidative effect Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- C—CHEMISTRY; METALLURGY
- C06—EXPLOSIVES; MATCHES
- C06B—EXPLOSIVES OR THERMIC COMPOSITIONS; MANUFACTURE THEREOF; USE OF SINGLE SUBSTANCES AS EXPLOSIVES
- C06B31/00—Compositions containing an inorganic nitrogen-oxygen salt
- C06B31/28—Compositions containing an inorganic nitrogen-oxygen salt the salt being ammonium nitrate
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/087—Inventory or stock management, e.g. order filling, procurement or balancing against orders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- Human Resources & Organizations (AREA)
- Chemical & Material Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Finance (AREA)
- Computer Security & Cryptography (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Accounting & Taxation (AREA)
- Inorganic Chemistry (AREA)
- Organic Chemistry (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Testing Of Devices, Machine Parts, Or Other Structures Thereof (AREA)
Abstract
本发明属于智能监测领域技术领域，提出了一种乳化炸药的智能防控方法及系统，根据各个监测位置根据振动信号定位出对应的振动关系时段；在振动关系时段内获取与监测位置温度梯度关联的监测位置构成的集合作为监测域；计算每个监测域的险情分析值，如果有监测域的险情分析值大于险情阈值则发出预警信息并调控环境；能够准确的定位出的乳化炸药发生的间断性的坠落、滚动、碰撞及摩擦等险情引起的离散型震荡之间的时间段,能够使后续的步骤大幅的减少监测的虚假报警和失真现象，提高了预警的准确性，避免了险情分析的数据失真现象。使得预警的灵敏度和准确度提高，保障了乳化炸药的储运的安全性。
Description
技术领域
本发明属于智能监测技术领域、数据分析技术领域，具体涉及一种乳化炸药的智能防控方法及系统。
背景技术
乳化炸药在仓库存储、运输时其贮存稳定性和质量稳定性较差，对于温度较敏感；乳化炸药的稳定性和水分含量有关，稳定性随着水分含量的增加而提高，这是因为含水量减小，乳胶体水相的析晶点上升，当析晶量达到一定量时就会破坏油膜，乳化炸药稳定性降低；当含水量增加时，乳胶体水相的析晶点下降不易析晶，使得稳定性提高。
因此，尽管可在乳化炸药中加入适当的水分含量，提高水分含量来降低硝酸铵的析晶点利于提高乳化炸药稳定性，而由于水本身物理性质，水分含量高的乳化炸药随着温度降至水的冰点水结冰后体积膨胀而引起的乳化炸药静压减敏作用会拒爆；并且，运输时环境产生高温、震动也给贮存乳化炸药带来了挑战，如何更好地保障仓库存储、运输时随着环境的温度、干湿度的变化提高贮存的稳定性，解决从贮存状态转到使用状态时的爆轰中断（半爆）、产生爆燃、拒爆等问题，依然是一个实际存在的问题。
在运输与贮存成品粉状乳化炸药时则具有较高的爆轰和殉爆特性。乳化炸药中硝酸胺贮存过程中发生自燃分解并放出热量。当环境具备一定的条件且温度达到爆发点时引起硝酸胺燃烧或爆炸。油状材料都是易燃危险品，贮存时遇到高温、氧化剂等，易发生燃烧而引起燃烧事故。包装后的乳化炸药在较高的温度环境下氧化剂和可燃剂会缓慢反应，当热量得不到及时散发时易发生燃烧而引起爆炸。乳化炸药运输时可能发生的撞车、坠落、碰撞及摩擦等险情，可能导致的后果是引起乳化炸药在贮存状态的燃烧或者爆炸。
因此，乳化炸药的运输与贮存过程中，需要严格的控制温度梯度变化、水分含量以及震动等环境以保障乳化炸药的使用安全和贮运安全。
发明内容
本发明的目的在于提出一种乳化炸药的智能防控方法及系统，以解决现有技术中所存在的一个或多个技术问题，至少提供一种有益的选择或创造条件。
为了实现上述目的，根据本发明的一方面，提供一种乳化炸药的智能防控方法，所述方法包括以下步骤：
S100，实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号；
S200，各个监测位置根据振动信号定位出对应的振动关系时段；
S300，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2，由每个监测位置P1和与P1对应的所有P2构成的集合作为监测域；
S400，实时的依次计算每个监测域的险情分析值；
S500，如果有监测域的险情分析值大于险情阈值则发出预警信息。
优选地，险情阈值为所有监测域的险情分析值的算术平均值。
进一步地，在S100中，实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号的方法为：在乳化炸药的存储环境中，均匀设置有多个不同的监测位置，每个监测位置设置有温度传感器、湿度传感器和振动传感器，通过监测点获取乳化炸药的存储环境中各个不同位置的温度值、湿度值和振动信号（振动位移）。
优选地，温度传感器为KZW/P-240防爆温度传感器。
优选地，湿度传感器为HM1500/1520湿度传感器。
优选地，振动传感器为ZH6938型低频振动传感器。
其中，乳化炸药的存储环境包括乳化炸药运输车的车厢或者仓库。
其中，各个监测位置之间至少间隔0.5～２米。所述多个的意义为至少2个。
进一步地，在S200中，各个监测位置根据振动信号定位出对应的振动关系时段的方法为：获取所述监测位置最近一次振动信号大于或等于所有监测位置的非零的振动信号的平均值的时间段作为与所述监测位置对应的振动关系时段。
以上的方法只能根据连续的震荡数据进行监测，然而在实际的运输、存储时，摩擦、滚动、碰撞导致震荡与震荡之间的时间差有时候会间隔很长时间，具有非连续性，非连续性的危险性大多数时候甚至比能监测到的连续性震荡要危险很多，现有的实时监测方法对于此并无法对振动关系时段进行跟踪识别，而乳化炸药具有较高的爆轰和殉爆特性，即使出现离散型震荡依然容易引发险情，因此本申请提出了以下优选地方法：
优选地，在S200中，各个监测位置根据振动信号定位出对应的振动关系时段的方法为：
令监测位置采集温度值和振动信号的间隔时长为time1，其中，振动信号记为oscil值；
从当前当前时刻开始，按照时间的顺序的逆序依次将各个监测位置的oscil的采集时刻作为待判断时刻Ttest，依次判断各个Ttest时刻是否发生异动情况，将最近2次发生异动情况的Ttest时刻按照时间先后顺序分别记为Tstart时刻和Tend时刻；（即，将从当前时刻开始到采集振动信号oscil的第1个时刻结束，依次将各个采集振动信号oscil的时刻记为Ttest进行发生异动情况的判断寻找距离当前时刻最近的2次发生异动情况的时刻依次分别记为Tstart时刻和Tend时刻）；
将从Tstart时刻和Tend时刻之间的时间段记为所述监测位置对应的振动关系时段；
其中，判断各个Ttest时刻是否发生异动情况的方法具体为：如果所述监测位置在Ttest时刻的oscil的值小于Ttest-time1时刻的oscil的值，并且，(Ttest-2×time1)时刻的oscil的值小于Ttest-time1时刻的oscil的值，并且Ttest时刻的oscil值大于TtestOscilMean(表示在Ttest的上一个监测时刻Ttest-time1曾经发生过局部最大的异常震动，Ttest时刻还在延续异常震动)，则判断Ttest时刻发生了异动情况；TtestOscilMean是Ttest时刻所有监测位置的非零的振动信号的平均值；优选地，如果Ttest时刻所有监测位置的振动信号全部为0，则TtestOscilMean设置为0。
有益效果为：振动关系时段是准确的定位出的乳化炸药运输、存储时发生的间断性的坠落、滚动、碰撞及摩擦等险情引起的离散型震荡之间的时间段,根据振动关系时段能够使后续的步骤大幅的减少监测的虚假报警和失真现象，提高了预警的准确性。
进一步地，在S300中，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2的方法为：
记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；在所有的监测位置中筛选出在振动关系时段TB1内所有最大的温度值小于等于TeMaxP1并且最小温度值大于等于TeMinP1的所有监测位置记为与监测位置P1温度梯度关联的监测位置P2。
以上的简单筛选方案有一些温度梯度关联还是无法筛选出来，只是简单地划定一个区间进行筛选，为了提高筛选的广度保证所有和监测位置P1温度梯度关联的监测位置都被筛选出来，本发明提出了以下优选地方案；
优选地，在S300中，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2的方法为：记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；令i为所有监测位置的序号，遍历i进行判断：如果在各个监测位置中第i个监测位置满足条件TeMax(i)≤TeMaxP1+twTe(i)，并且TeMin(i)≥TeMinP1- twTe(i)，则判断第i个监测位置和监测位置P1温度梯度关联，将第i个监测位置记为与监测位置P1温度梯度关联的监测位置P2；
TeMax(i)是第i个监测位置在振动关系时段TB1内最大的温度值；
TeMin(i)是第i个监测位置在振动关系时段TB1内最小的温度值；
twTe(i)是第i个监测位置的温度梯度调整值，其计算方法为：
其中，Ni是所有监测位置的数量，j是变量，MxTB(i,j)是与第i个监测位置对应的振动关系时段内第j个监测位置的最大的温度值，j取值范围为1至Ni；MiTB(i,j)是与第i个监测位置对应的振动关系时段内第j个监测位置的最小的温度值。
有益效果：温度梯度调整值是各个监测位置的极值和监测位置P1的极值之间极大极小两个差异值的均值，用于代表各个监测位置和监测位置P1的梯度变化性的差异度并且用于调整筛选的边界条件，因此命名为温度梯度调整值，由于存储在同一个仓库或者运输车厢内的乳化炸药成分也有可能不一样，因此其成分的温度梯度也有差异，所以需要通过温度梯度调整值进行调整筛选，此外，温度梯度调整值能够自适应性的调整监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值TeMaxP1、最小的温度值TeMinP1，从而尽可能的筛选出所有和监测位置P1的温度梯度的贴合性最好的监测位置作为温度梯度关联的监测位置P2；由此尽可能的避免了后续险情分析的数据失真现象。
进一步地，在S400中，实时的依次计算每个监测域的险情分析值的方法为：
记监测域为集合JCY，则包括监测位置P1和与监测位置P1温度梯度关联的所有监测位置P2；则记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；以NP2为集合JCY中监测位置P2的数量；
计算集合JCY的险情分析值XQ为：
其中，k是变量，以集合JCY中第k个监测位置P2对应的振动关系时段为TB2,k取值范围为1至NP2，当TB1和TB2存在交集时取所述交集的时间段为TB3，当不存在交集时则令所述TB1为时间段TB3；则，MaxP2(JCY,k)是时间段TB3内集合JCY中第k个监测位置P2的最大的温度值；MinP2(JCY,k)是时间段TB3内集合JCY中第k个监测位置P2的最小的温度值，exp是取指数函数。
有益效果为：险情分析值XQ根据温度梯度关联的所有监测位置P2与监测位置P1对应的振动关系时段的交集的指数均值，能够在指数级上显著性的表现出险情的程度，并且该程度是成片的温度梯度关联区域，从而能够使得预警的灵敏度和准确度提高，相对于只是对P1一个位置监测报警，是根据有极强的温度性关联的区域进行综合判断环境的温度是否可能不均衡从而达到乳化炸药爆发点，从而保障了乳化炸药的储运的安全性。
优选地，在S400中，实时的依次计算每个监测域的险情分析值的方法为：
记监测域为集合JCY，则包括监测位置P1和与监测位置P1温度梯度关联的所有监测位置P2；则记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；以NP2为集合JCY中P2的数量；
计算集合JCY的险情分析值XQ为：
获取集合JCY中各个监测位置P2对应的振动关系时段依次与监测位置P1对应的振动关系时段TB1做交集运算得到交集的时间段为TB3，如果TB3为空集∅则设置XQ的值为0，（即不存在险情），否则，获取时间段TB3内各个监测位置P2的最大的温度值的平均值为P2MaxTB3；取MaxTemp为TeMaxP1和P2MaxTB3的最大值；获取时间段TB3内监测位置P1的平均温度值为TeMeanP1；则险情分析值XQ为：XQ= MaxTemp÷TeMeanP1。
有益效果为：该险情分析值XQ根据温度梯度关联的所有监测位置P2与监测位置P1对应的振动关系时段的交集最大值和均值的比值，能够显著性的表现出险情的程度，进行综合判断环境的温度是否可能不均衡从而达到乳化炸药爆发点，从而保障了乳化炸药的储运的安全性。
优选地，time1一般设置为[300,5000]毫秒。
进一步地，在S500中，如果有监测域的险情分析值大于险情阈值则发出预警信息的方法为：如果有监测域的险情分析值大于所有监测域的险情分析值的算术平均值则以短信息发出预警信息给仓库管理员的移动设备；所述预警信息包括监测域中监测位置P1的位置、监测域的险情分析值、监测位置P1的温度值、监测位置P1的湿度值和监测位置P1的振动信号（振动位移）。
进一步地，还包括步骤S600：如果有监测域的险情分析值大于险情阈值则启动设置于乳化炸药的存储环境中的高压微雾加湿器进行加湿，直到所述监测域的险情分析值小于险情阈值，所述高压微雾加湿器的加湿量为100～1200kg/h。
进一步地，步骤S600：如果有监测域的险情分析值大于险情阈值则启动设置于乳化炸药的存储环境中的工业冷风机进行降温，直到所述监测域的险情分析值小于险情阈值。
本发明还提供了一种乳化炸药的智能防控系统，所述一种乳化炸药的智能防控系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现所述一种乳化炸药的智能防控方法中的步骤，所述一种乳化炸药的智能防控系统运行于桌上型计算机、笔记本电脑、掌上电脑或云端数据中心的计算设备中，可运行的系统可包括，但不仅限于，处理器、存储器、服务器集群，所述处理器执行所述计算机程序运行在以下系统的单元中：
环境数据采集单元，用于实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号；
振动关系定位单元，用于各个监测位置根据振动信号定位出对应的振动关系时段；
梯度关联构建单元，用于在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2，由每个监测位置P1和与P1对应的所有P2构成的集合作为监测域；
实时险情分析单元，用于实时的依次计算每个监测域的险情分析值；
预警信息推送单元，用于如果有监测域的险情分析值大于险情阈值则发出预警信息。
本发明的有益效果为：本发明提供一种乳化炸药的智能防控方法及系统，能够准确的定位出的乳化炸药运输、存储时发生的间断性的坠落、滚动、碰撞及摩擦等险情引起的离散型震荡之间的时间段,能够使后续的步骤大幅的减少监测的虚假报警和失真现象，提高了预警的准确性，避免了险情分析的数据失真现象。使得预警的灵敏度和准确度提高，保障了乳化炸药的储运的安全性。
附图说明
通过对结合附图所示出的实施方式进行详细说明，本发明的上述以及其他特征将更加明显，本发明附图中相同的参考标号表示相同或相似的元素，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图，在附图中：
图1所示为一种乳化炸药的智能防控方法的流程图；
图2所示为一种乳化炸药的智能防控系统结构图。
具体实施方式
以下将结合实施例和附图对本发明的构思、具体结构及产生的技术效果进行清楚、完整的描述，以充分地理解本发明的目的、方案和效果。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
如图1所示为一种乳化炸药的智能防控方法的流程图，下面结合图1来阐述根据本发明的实施方式的一种乳化炸药的智能防控方法，所述方法包括以下步骤：
S100，实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号；
S200，各个监测位置根据振动信号定位出对应的振动关系时段；
S300，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2，由每个监测位置P1和与P1对应的所有P2构成的集合作为监测域；
S400，实时的依次计算每个监测域的险情分析值；
S500，如果有监测域的险情分析值大于险情阈值则发出预警信息。
优选地，险情阈值为所有监测域的险情分析值的算术平均值。
进一步地，在S100中，实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号的方法为：在乳化炸药的存储环境中，均匀设置有多个不同的监测位置，每个监测位置设置有温度传感器、湿度传感器和振动传感器，通过监测点获取乳化炸药的存储环境中各个不同位置的温度值、湿度值和振动信号（振动位移）。
优选地，温度传感器为KZW/P-240防爆温度传感器。
优选地，湿度传感器为HM1500/1520湿度传感器。
优选地，振动传感器为ZH6938型低频振动传感器。
其中，乳化炸药的存储环境包括乳化炸药运输车的车厢或者仓库。
其中，各个监测位置之间至少间隔0.5～２米。所述多个的意义为至少2个。
进一步地，在S200中，各个监测位置根据振动信号定位出对应的振动关系时段的方法为：获取所述监测位置最近一次振动信号大于或等于所有监测位置的非零的振动信号的平均值的时间段作为与所述监测位置对应的振动关系时段。
以上的方法只能根据连续的震荡数据进行监测，然而在实际的运输、存储时，摩擦、滚动、碰撞导致震荡与震荡之间的时间差有时候会间隔很长时间，具有非连续性，非连续性的危险性大多数时候甚至比能监测到的连续性震荡要危险很多，现有的实时监测方法对于此并无法对振动关系时段进行跟踪识别，而乳化炸药具有较高的爆轰和殉爆特性，即使出现离散型震荡依然容易引发险情，因此本申请提出了以下优选地方法：
优选地，在S200中，各个监测位置根据振动信号定位出对应的振动关系时段的方法为：
令所述监测位置采集温度值Te和振动信号oscil的间隔时长为time1；
从当前当前时刻开始，按照时间的顺序的逆序依次将各个监测位置的oscil的采集时刻作为待判断时刻Ttest，依次判断各个Ttest时刻是否发生异动情况，将最近2次发生异动情况的Ttest时刻按照时间先后顺序分别记为Tstart时刻和Tend时刻；（即，将从当前时刻开始到采集振动信号oscil的第1个时刻结束，依次将各个采集振动信号oscil的时刻记为Ttest进行发生异动情况的判断寻找距离当前时刻最近的2次发生异动情况的时刻依次分别记为Tstart时刻和Tend时刻）；
将从Tstart时刻和Tend时刻之间的时间段记为所述监测位置对应的振动关系时段；
其中，判断各个Ttest时刻是否发生异动情况的方法具体为：如果所述监测位置在Ttest时刻的oscil的值小于Ttest-time1时刻的oscil的值，并且，(Ttest-2×time1)时刻的oscil的值小于Ttest-time1时刻的oscil的值，并且Ttest时刻的oscil值大于TtestOscilMean(表示在Ttest的上一个监测时刻Ttest-time1曾经发生过局部最大的异常震动，Ttest时刻还在延续异常震动)，则判断Ttest时刻发生了异动情况；TtestOscilMean是Ttest时刻所有监测位置的非零的振动信号的平均值；优选地，如果Ttest时刻所有监测位置的振动信号全部为0，则TtestOscilMean设置为0。
有益效果为：振动关系时段是准确的定位出的乳化炸药运输、存储时发生的间断性的坠落、滚动、碰撞及摩擦等险情引起的离散型震荡之间的时间段,根据振动关系时段能够使后续的步骤大幅的减少监测的虚假报警和失真现象，提高了预警的准确性。
进一步地，在S300中，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2的方法为：
记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；筛选出在振动关系时段TB1内所有最大的温度值小于等于TeMaxP1且最小温度值大于等于TeMinP1的所有监测位置记为与监测位置P1温度梯度关联的监测位置P2。
以上的简单筛选方案有一些温度梯度关联还是无法筛选出来，只是简单地划定一个区间进行筛选，为了提高筛选的广度保证所有和监测位置P1温度梯度关联的监测位置都被筛选出来，本发明提出了以下优选地方案；
优选地，在S300中，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2的方法为：记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；令i为所有监测位置的序号，遍历i进行判断：如果在各个监测位置中第i个监测位置满足条件TeMax(i)≤TeMaxP1+twTe(i)，并且TeMin(i)≥TeMinP1-twTe(i)，则判断第i个监测位置和监测位置P1温度梯度关联，将第i个监测位置记为与监测位置P1温度梯度关联的监测位置P2；
TeMax(i)是第i个监测位置在振动关系时段TB1内最大的温度值；
TeMin(i)是第i个监测位置在振动关系时段TB1内最小的温度值；
twTe(i)是第i个监测位置的温度梯度调整值，其计算方法为：
其中，Ni是所有监测位置的数量，j是变量，MxTB(i,j)是与第i个监测位置对应的振动关系时段内第j个监测位置的最大的温度值；MiTB(i,j)是与第i个监测位置对应的振动关系时段内第j个监测位置的最小的温度值。
有益效果：温度梯度调整值是各个监测位置的极值和监测位置P1的极值之间极大极小两个差异值的均值，用于代表各个监测位置和监测位置P1的梯度变化性的差异度并且用于调整筛选的边界条件，因此命名为温度梯度调整值，由于存储在同一个仓库或者运输车厢内的乳化炸药成分也有可能不一样，因此其成分的温度梯度也有差异，所以需要通过温度梯度调整值进行调整筛选，此外，温度梯度调整值能够自适应性的调整监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值TeMaxP1、最小的温度值TeMinP1，从而尽可能的筛选出所有和监测位置P1的温度梯度的贴合性最好的监测位置作为温度梯度关联的监测位置P2；由此尽可能的避免了后续险情分析的数据失真现象。
进一步地，在S400中，实时的依次计算每个监测域的险情分析值的方法为：
记监测域为集合JCY，则包括监测位置P1和与监测位置P1温度梯度关联的所有监测位置P2；则记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；以NP2为集合JCY中监测位置P2的数量；
计算集合JCY的险情分析值XQ为：
其中，k是变量，以集合JCY中第k个监测位置P2对应的振动关系时段为TB2,当TB1和TB2存在交集时取所述交集的时间段为TB3，当不存在交集时则令所述TB1为时间段TB3；则，MaxP2(JCY,k)是时间段TB3内集合JCY中第k个监测位置P2的最大的温度值；MinP2(JCY,k)是时间段TB3内集合JCY中第k个监测位置P2的最小的温度值，exp是取指数函数。
有益效果为：险情分析值XQ根据温度梯度关联的所有监测位置P2与监测位置P1对应的振动关系时段的交集的指数均值，能够在指数级上显著性的表现出险情的程度，并且该程度是成片的温度梯度关联区域，从而能够使得预警的灵敏度和准确度提高，相对于只是对P1一个位置监测报警，是根据有极强的温度性关联的区域进行综合判断环境的温度是否可能不均衡从而达到乳化炸药爆发点，从而保障了乳化炸药的储运的安全性。
优选地，在S400中，实时的依次计算每个监测域的险情分析值的方法为：
记监测域为集合JCY，则包括监测位置P1和与监测位置P1温度梯度关联的所有监测位置P2；则记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；以NP2为集合JCY中P2的数量；
计算集合JCY的险情分析值XQ为：
获取集合JCY中各个监测位置P2对应的振动关系时段依次与监测位置P1对应的振动关系时段TB1做交集运算得到交集的时间段为TB3，如果TB3为空集∅则设置XQ的值为0；（即不存在险情）；否则，获取时间段TB3内各个监测位置P2的最大的温度值的平均值为P2MaxTB3；取MaxTemp为TeMaxP1和P2MaxTB3的最大值；获取时间段TB3内监测位置P1的平均温度值为TeMeanP1；则险情分析值XQ为：XQ= MaxTemp÷TeMeanP1。
优选地，time1一般设置为[300,5000]毫秒。
进一步地，在S500中，如果有监测域的险情分析值大于险情阈值则发出预警信息的方法为：如果有监测域的险情分析值大于所有监测域的险情分析值的算术平均值则以短信息发出警报信息给仓库管理员的移动设备；所述预警信息包括监测域中监测位置P1的位置、监测域的险情分析值、监测位置P1的温度值、监测位置P1的湿度值和监测位置P1的振动信号（振动位移）。
进一步地，还包括步骤S600：如果有监测域的险情分析值大于险情阈值则启动设置于乳化炸药的存储环境中的高压微雾加湿器进行加湿，直到所述监测域的险情分析值小于险情阈值，所述高压微雾加湿器的加湿量为100～1200kg/h。
进一步地，步骤S600：如果有监测域的险情分析值大于险情阈值则启动设置于乳化炸药的存储环境中的工业冷风机进行降温，直到所述监测域的险情分析值小于险情阈值。
本发明的实施例提供的一种乳化炸药的智能防控系统，如图2所示为本发明的一种乳化炸药的智能防控系统结构图，该实施例的一种乳化炸药的智能防控系统包括：处理器、存储器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述一种乳化炸药的智能防控系统实施例中的步骤。
所述系统包括：存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序运行在以下系统的单元中：
环境数据采集单元，用于实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号；
振动关系定位单元，用于各个监测位置根据振动信号定位出对应的振动关系时段；
梯度关联构建单元，用于在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2，由每个监测位置P1和与P1对应的所有P2构成的集合作为监测域；
实时险情分析单元，用于实时的依次计算每个监测域的险情分析值；
预警信息推送单元，用于如果有监测域的险情分析值大于险情阈值则发出预警信息。
所述一种乳化炸药的智能防控系统可以运行于桌上型计算机、笔记本电脑、掌上电脑及云端服务器等计算设备中。所述一种乳化炸药的智能防控系统，可运行的系统可包括，但不仅限于，处理器、存储器。本领域技术人员可以理解，所述例子仅仅是一种乳化炸药的智能防控系统的示例，并不构成对一种乳化炸药的智能防控系统的限定，可以包括比例子更多或更少的部件，或者组合某些部件，或者不同的部件，例如所述一种乳化炸药的智能防控系统还可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列 (Field-Programmable Gate Array，FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等，所述处理器是所述一种乳化炸药的智能防控系统运行系统的控制中心，利用各种接口和线路连接整个一种乳化炸药的智能防控系统可运行系统的各个部分。
所述存储器可用于存储所述计算机程序和/或模块，所述处理器通过运行或执行存储在所述存储器内的计算机程序和/或模块，以及调用存储在存储器内的数据，实现所述一种乳化炸药的智能防控系统的各种功能。所述存储器可主要包括存储程序区和存储数据区，其中，存储程序区可存储操作系统、至少一个功能所需的应用程序（比如声音播放功能、图像播放功能等）等；存储数据区可存储根据手机的使用所创建的数据（比如音频数据、电话本等）等。此外，存储器可以包括高速随机存取存储器，还可以包括非易失性存储器，例如硬盘、内存、插接式硬盘，智能存储卡（Smart Media Card, SMC），安全数字（SecureDigital, SD）卡，闪存卡（Flash Card）、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
取某乳化炸药工厂生产的乳化炸药直径40mm，长度300mm的药卷20 卷分为两组。
将上述两组药卷分别存储在本申请采用一种乳化炸药的智能防控系统的仓库（实施例1）中，存储条件为在温度30到45℃，湿度为15%到20%的高热干燥环境下保存；
在仓库内的乳化炸药进行长间隔（间隔3秒以上）的模拟摩擦、滚动、碰撞时均收到一种乳化炸药的智能防控系统在大于险情阈值的预警信息。由此可见，本发明的预警准确性高。
尽管本发明的描述已经相当详尽且特别对几个所述实施例进行了描述，但其并非旨在局限于任何这些细节或实施例或任何特殊实施例，从而有效地涵盖本发明的预定范围。此外，上文以发明人可预见的实施例对本发明进行描述，其目的是为了提供有用的描述，而那些目前尚未预见的对本发明的非实质性改动仍可代表本发明的等效改动。
Claims (10)
1.一种乳化炸药的智能防控方法，其特征在于，所述方法包括以下步骤：
S100，实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号；
S200，各个监测位置根据振动信号定位出对应的振动关系时段；
S300，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2，由每个监测位置P1和与P1对应的所有P2构成的集合作为监测域；
S400，实时的依次计算每个监测域的险情分析值；
S500，如果有监测域的险情分析值大于险情阈值则发出预警信息。
2.根据权利要求1所述的一种乳化炸药的智能防控方法，其特征在于，在S100中，实时获取乳化炸药的存储环境中不同监测位置的温度值、湿度值和振动信号的方法为：在乳化炸药的存储环境中，均匀设置有多个不同的监测位置，每个监测位置设置有温度传感器、湿度传感器和振动传感器，通过监测点获取乳化炸药的存储环境中各个不同位置的温度值、湿度值和振动信号。
3.根据权利要求1所述的一种乳化炸药的智能防控方法，其特征在于，在S200中，各个监测位置根据振动信号定位出对应的振动关系时段的方法为：获取所述监测位置最近一次振动信号大于或等于所有监测位置的非零的振动信号的平均值的时间段作为与所述监测位置对应的振动关系时段。
4.根据权利要求1所述的一种乳化炸药的智能防控方法，其特征在于，在S200中，各个监测位置根据振动信号定位出对应的振动关系时段的方法为：
令监测位置采集温度值和振动信号的间隔时长为time1，其中，振动信号记为oscil值；
从当前时刻开始，按照时间的顺序的逆序依次将各个监测位置的oscil的采集时刻作为待判断时刻Ttest，依次判断各个Ttest时刻是否发生异动情况，将最近2次发生异动情况的Ttest时刻按照时间先后顺序分别记为Tstart时刻和Tend时刻；
将从Tstart时刻和Tend时刻之间的时间段记为所述监测位置对应的振动关系时段；
其中，判断各个Ttest时刻是否发生异动情况的方法具体为：如果所述监测位置在Ttest时刻的oscil的值小于Ttest-time1时刻的oscil的值，并且，Ttest-2×time1时刻的oscil的值小于Ttest-time1时刻的oscil的值，并且Ttest时刻的oscil值大于TtestOscilMean值，则判断Ttest时刻发生了异动情况；TtestOscilMean是Ttest时刻所有监测位置的非零的振动信号的平均值。
5.根据权利要求3所述的一种乳化炸药的智能防控方法，其特征在于，在S300中，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2的方法为：
记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；在所有的监测位置中筛选出在振动关系时段TB1内所有最大的温度值小于等于TeMaxP1并且最小温度值大于等于TeMinP1的所有监测位置记为与监测位置P1温度梯度关联的监测位置P2。
6.根据权利要求4所述的一种乳化炸药的智能防控方法，其特征在于，在S300中，在振动关系时段内获取与监测位置P1温度梯度关联的监测位置P2的方法为：记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；令i为所有监测位置的序号，遍历i进行判断：如果在各个监测位置中第i个监测位置满足条件TeMax(i)≤TeMaxP1+twTe(i)，并且TeMin(i)≥TeMinP1-twTe(i)，则判断第i个监测位置和监测位置P1温度梯度关联，将第i个监测位置记为与监测位置P1温度梯度关联的监测位置P2；
TeMax(i)是第i个监测位置在振动关系时段TB1内最大的温度值；
TeMin(i)是第i个监测位置在振动关系时段TB1内最小的温度值；
twTe(i)是第i个监测位置的温度梯度调整值，其计算方法为：
其中，Ni是所有监测位置的数量，j是变量，MxTB(i,j)是与第i个监测位置对应的振动关系时段内第j个监测位置的最大的温度值；MiTB(i,j)是与第i个监测位置对应的振动关系时段内第j个监测位置的最小的温度值。
7.根据权利要求5所述的一种乳化炸药的智能防控方法，其特征在于，在S400中，实时的依次计算每个监测域的险情分析值的方法为：
记监测域为集合JCY，则包括监测位置P1和与监测位置P1温度梯度关联的所有监测位置P2；则记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；以NP2为集合JCY中监测位置P2的数量；
计算集合JCY的险情分析值XQ为：
其中，k是变量，以集合JCY中第k个监测位置P2对应的振动关系时段为TB2,当TB1和TB2存在交集时取所述交集的时间段为TB3，当不存在交集时则令所述TB1为时间段TB3；则，MaxP2(JCY,k)是时间段TB3内集合JCY中第k个监测位置P2的最大的温度值；MinP2(JCY,k)是时间段TB3内集合JCY中第k个监测位置P2的最小的温度值，exp是取指数函数。
8.根据权利要求6所述的一种乳化炸药的智能防控方法，其特征在于，在S400中，实时的依次计算每个监测域的险情分析值的方法为：
记监测域为集合JCY，则包括监测位置P1和与监测位置P1温度梯度关联的所有监测位置P2；则记监测位置P1在与监测位置P1对应的振动关系时段TB1内的最大的温度值为TeMaxP1、最小的温度值为TeMinP1；以NP2为集合JCY中P2的数量；
计算集合JCY的险情分析值XQ为：
获取集合JCY中各个监测位置P2对应的振动关系时段依次与监测位置P1对应的振动关系时段TB1做交集运算得到交集的时间段为TB3，如果TB3为空集∅则设置XQ的值为0；（即不存在险情）；否则，获取时间段TB3内各个监测位置P2的最大的温度值的平均值为P2MaxTB3；取MaxTemp为TeMaxP1和P2MaxTB3的最大值；获取时间段TB3内监测位置P1的平均温度值为TeMeanP1；则险情分析值XQ为：XQ= MaxTemp÷TeMeanP1。
9.根据权利要求1所述的一种乳化炸药的智能防控方法，其特征在于，在S500中，如果有监测域的险情分析值大于险情阈值则发出预警信息的方法为：如果有监测域的险情分析值大于所有监测域的险情分析值的算术平均值则以短信息发出预警信息给仓库管理员的移动设备。
10.一种乳化炸药的智能防控系统，其特征在于，所述一种乳化炸药的智能防控系统包括：处理器、存储器及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-9中的任意一种乳化炸药的智能防控方法中的步骤，所述一种乳化炸药的智能防控系统运行于桌上型计算机、笔记本电脑或云端数据中心的计算设备中。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211267508.9A CN115619298B (zh) | 2022-10-17 | 2022-10-17 | 一种乳化炸药的智能防控方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211267508.9A CN115619298B (zh) | 2022-10-17 | 2022-10-17 | 一种乳化炸药的智能防控方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115619298A true CN115619298A (zh) | 2023-01-17 |
| CN115619298B CN115619298B (zh) | 2023-05-23 |
Family
ID=84862923
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211267508.9A Active CN115619298B (zh) | 2022-10-17 | 2022-10-17 | 一种乳化炸药的智能防控方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115619298B (zh) |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107655523A (zh) * | 2017-09-28 | 2018-02-02 | 重庆集元科技有限公司 | 重大危险源在线监控方法 |
| WO2020118533A1 (zh) * | 2018-12-11 | 2020-06-18 | 中广核工程有限公司 | 核电站泄漏监测报警方法及报警系统 |
| CN113537891A (zh) * | 2021-07-16 | 2021-10-22 | 浙江高速信息工程技术有限公司 | 危险品运输车监测方法、装置、计算机设备及存储介质 |
| CN114440983A (zh) * | 2022-04-06 | 2022-05-06 | 常州市瑞德信息科技有限公司 | 一种用于烟花爆竹涉药机械运行状态测量检测设备、方法 |
| CN114493966A (zh) * | 2022-02-11 | 2022-05-13 | 中国核动力研究设计院 | 一种核材料运输状态智能监测预警分析方法、系统及终端 |
| CN115099760A (zh) * | 2022-08-29 | 2022-09-23 | 广东中科凯泽信息科技有限公司 | 一种基于计算机机器视觉的危险品智能检测预警方法 |
-
2022
- 2022-10-17 CN CN202211267508.9A patent/CN115619298B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107655523A (zh) * | 2017-09-28 | 2018-02-02 | 重庆集元科技有限公司 | 重大危险源在线监控方法 |
| WO2020118533A1 (zh) * | 2018-12-11 | 2020-06-18 | 中广核工程有限公司 | 核电站泄漏监测报警方法及报警系统 |
| CN113537891A (zh) * | 2021-07-16 | 2021-10-22 | 浙江高速信息工程技术有限公司 | 危险品运输车监测方法、装置、计算机设备及存储介质 |
| CN114493966A (zh) * | 2022-02-11 | 2022-05-13 | 中国核动力研究设计院 | 一种核材料运输状态智能监测预警分析方法、系统及终端 |
| CN114440983A (zh) * | 2022-04-06 | 2022-05-06 | 常州市瑞德信息科技有限公司 | 一种用于烟花爆竹涉药机械运行状态测量检测设备、方法 |
| CN115099760A (zh) * | 2022-08-29 | 2022-09-23 | 广东中科凯泽信息科技有限公司 | 一种基于计算机机器视觉的危险品智能检测预警方法 |
Non-Patent Citations (2)
| Title |
|---|
| 董丁稳;屈世甲;王红;: "基于多测点关联分析的工作面瓦斯浓度实时预警", 中国安全科学学报 * |
| 董丁稳等: "基于多测点关联分析的工作面瓦斯浓度实时预警" * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115619298B (zh) | 2023-05-23 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US20180276326A1 (en) | Sensor data anomaly detector | |
| US7415328B2 (en) | Hybrid model based fault detection and isolation system | |
| US10819725B2 (en) | Reliable cyber-threat detection in rapidly changing environments | |
| US20200033831A1 (en) | Multivariate nonlinear autoregression for outlier detection | |
| CN109947079A (zh) | 基于边缘计算的区域异常检测方法和边缘计算设备 | |
| EP4075726A1 (en) | Unified multi-agent system for abnormality detection and isolation | |
| CN108327628B (zh) | 车辆的预警方法、装置及车辆 | |
| US20210005332A1 (en) | Systems and methods for generating trust metrics for sensor data | |
| US9906545B1 (en) | Systems and methods for identifying message payload bit fields in electronic communications | |
| CN115619298A (zh) | 一种乳化炸药的智能防控方法及系统 | |
| KR102261049B1 (ko) | 항만보안을 위한 블록체인 기반의 비정상 행동 탐지 방법 및 시스템 | |
| CN116720161B (zh) | 一种智能权限系统权限控制方法、装置、电子设备及介质 | |
| VanYe et al. | Trust and security of embedded smart devices in advanced logistics systems | |
| JP2002071796A (ja) | レーダ追尾装置 | |
| Spyrou et al. | Estimates of the probability of surf-riding in irregular seas | |
| Namvar et al. | Evaluating the security of machine learning based iot device identification systems against adversarial examples | |
| Campa et al. | A neural network based sensor validation scheme for heavy-duty diesel engines | |
| US20230410033A1 (en) | System for monitoring and predicting water damage in shipping containers | |
| Garrett et al. | On the efficacy of model-based attack detectors for unmanned aerial systems | |
| US20240050883A1 (en) | Apparatus and method for predicting amount of dust | |
| Akowuah | Real-time Adaptive Sensor Attack Detection and Recovery in Autonomous Cyber-physical Systems | |
| US11339729B2 (en) | Detecting a state of an air diverter valve of an air induction system for a vehicle | |
| US11414082B2 (en) | Estimating ambient air temperature and diagnosing sensor failure using intercooler efficiency | |
| CN114537078A (zh) | 确定对温度控制单元的影响的方法和设备 | |
| CN114004150A (zh) | 飞行物威胁度评估及处置方法、装置、设备和存储介质 |
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 | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |