CN116448965B - 一种有限空间内的多参数有毒有害气体检测系统及方法 - Google Patents
一种有限空间内的多参数有毒有害气体检测系统及方法 Download PDFInfo
- Publication number
- CN116448965B CN116448965B CN202310699403.9A CN202310699403A CN116448965B CN 116448965 B CN116448965 B CN 116448965B CN 202310699403 A CN202310699403 A CN 202310699403A CN 116448965 B CN116448965 B CN 116448965B
- Authority
- CN
- China
- Prior art keywords
- gas
- portable detector
- toxic
- concentration
- detector
- 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.)
- Active
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 27
- 238000000034 method Methods 0.000 title claims abstract description 26
- 231100000614 poison Toxicity 0.000 title abstract description 6
- 230000007096 poisonous effect Effects 0.000 title abstract description 6
- 239000007789 gas Substances 0.000 claims abstract description 117
- 239000002341 toxic gas Substances 0.000 claims abstract description 76
- 239000000523 sample Substances 0.000 claims abstract description 49
- 230000001133 acceleration Effects 0.000 claims description 37
- 231100000331 toxic Toxicity 0.000 claims description 18
- 230000002588 toxic effect Effects 0.000 claims description 18
- 230000005540 biological transmission Effects 0.000 claims description 14
- 238000003062 neural network model Methods 0.000 claims description 13
- 239000011159 matrix material Substances 0.000 claims description 12
- 230000008569 process Effects 0.000 claims description 10
- 238000012549 training Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 7
- 238000012795 verification Methods 0.000 claims description 7
- 210000002569 neuron Anatomy 0.000 claims description 3
- 238000005457 optimization Methods 0.000 claims description 3
- 230000000149 penetrating effect Effects 0.000 claims description 3
- 231100001261 hazardous Toxicity 0.000 claims 6
- 206010017740 Gas poisoning Diseases 0.000 abstract description 3
- 230000002457 bidirectional effect Effects 0.000 abstract description 2
- 238000000855 fermentation Methods 0.000 description 10
- 230000004151 fermentation Effects 0.000 description 10
- QVFWZNCVPCJQOP-UHFFFAOYSA-N chloralodol Chemical compound CC(O)(C)CC(C)OC(O)C(Cl)(Cl)Cl QVFWZNCVPCJQOP-UHFFFAOYSA-N 0.000 description 7
- 230000006872 improvement Effects 0.000 description 7
- 239000010865 sewage Substances 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- WHXSMMKQMYFTQS-UHFFFAOYSA-N Lithium Chemical compound [Li] WHXSMMKQMYFTQS-UHFFFAOYSA-N 0.000 description 4
- 229910052744 lithium Inorganic materials 0.000 description 4
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 4
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000009792 diffusion process Methods 0.000 description 3
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- 238000005086 pumping Methods 0.000 description 3
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 229910002091 carbon monoxide Inorganic materials 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000007788 liquid Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000001301 oxygen Substances 0.000 description 2
- 229910052760 oxygen Inorganic materials 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000009423 ventilation Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 102220582679 Biotinidase_L76K_mutation Human genes 0.000 description 1
- 208000005374 Poisoning Diseases 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000010790 dilution Methods 0.000 description 1
- 239000012895 dilution Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- PCHJSUWPFVWCPO-UHFFFAOYSA-N gold Chemical compound [Au] PCHJSUWPFVWCPO-UHFFFAOYSA-N 0.000 description 1
- 239000010931 gold Substances 0.000 description 1
- 229910052737 gold Inorganic materials 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 231100000572 poisoning Toxicity 0.000 description 1
- 230000000607 poisoning effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- 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
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/0004—Gaseous mixtures, e.g. polluted air
- G01N33/0009—General constructional details of gas analysers, e.g. portable test equipment
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/12—Alarms for ensuring the safety of persons responsive to undesired emission of substances, e.g. pollution alarms
- G08B21/14—Toxic gas alarms
-
- 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
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A50/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE in human health protection, e.g. against extreme weather
- Y02A50/20—Air quality improvement or preservation, e.g. vehicle emission control or emission reduction by using catalytic converters
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Theoretical Computer Science (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Data Mining & Analysis (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Analytical Chemistry (AREA)
- Medicinal Chemistry (AREA)
- Immunology (AREA)
- Food Science & Technology (AREA)
- Toxicology (AREA)
- Biochemistry (AREA)
- General Engineering & Computer Science (AREA)
- Combustion & Propulsion (AREA)
- Environmental & Geological Engineering (AREA)
- Emergency Management (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Business, Economics & Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明公开了一种有限空间内的多参数有毒有害气体检测系统及方法,属于毒害气体检测领域,该系统包括半固定式检测仪和便携式检测仪;所述半固定检测仪包括主机以及与利用电缆与主机连接的探头组件;所述便携式检测仪与主机无线连接,并且探头组件和便携式检测仪上均设置有若干检测毒害气体的气体传感器。便携式检测仪与半固定式检测仪可双向联动报警,假如发生气体中毒事故,也可为救援人员提供有限空间内部气体浓度数据参考,快速制定救援方案。
Description
技术领域
本发明涉及一种毒害气体的检测系统和方法,尤其涉及一种有限空间内多参数毒害气体检测系统和方法。
背景技术
有限空间历来是威胁人员生命安全的因素,尤其是夏季,温度高、湿度大,有毒有害气体容易挥发聚集,人员如果贸然进入通风不良的有限空间,极易发生中毒窒息事故。目前市面上存在一些适用于通用场景的气体检测仪,它们可粗略划分为便携式气体检测仪和固定式气体检测仪2大类,但是暂无针对有限空间气体检测而设计的气体检测仪。
现有便携式气体检测仪目前均采用扩散式或泵吸式的方式采集气体,针对较深的地下空间或密闭空间气体测量,工作人员往往采用内置气泵式的气体检测仪抽取气体检测气体浓度,或采用吊绳将扩散式气体检测仪下坠至发酵池或污水井等空间采集气体浓度;在这两种气体浓度采集过程中存在气体浓度被气泵抽取和长距离传输气管等因素造成气体压缩或稀释,或将吊绳上提过程中因气体浓度变化,造成气体检测仪检测数值变化等情况,从而造成检测仪检测出的气体浓度误差较大的情况;且内置气泵式的检测仪中气泵成本在整机中成本占比较高,使得泵吸式气体检测仪的价格较贵。
现有固定式气体检测仪目前大多采用扩散式的方式采集气体,它适用于安装固定在特定地点,需要实时监控气体浓度的场景;在大型发酵厂和污水处理厂等场地,不需要实时监测气体浓度,且每个发酵池是轮流清洗,轮流监测气体浓度,如果采用固定式气体检测仪,每个发酵池配备一个检测仪,那么设备的采购金将会很高,企业难以接受。
或者,为每个进入有限空间的人员配备一个便携式的检测仪,但外部人员就无法得知空间内的气体情况,一旦发生意外,无法第一时间采取措施,有极大的安全隐患。
发明内容
有鉴于此,本发明提供一种有限空间内的多参数有毒有害气体检测系统及方法,通过半固定式检测仪与便携式检测仪配合工作,提高安全性。
为解决以上技术问题,本发明的技术方案为采用一种有限空间内的多参数有毒有害气体检测系统,包括半固定式检测仪和便携式检测仪;所述半固定检测仪包括主机以及与利用电缆与主机连接的探头组件;所述便携式检测仪与主机无线连接,并且探头组件和便携式检测仪上均设置有若干检测毒害气体的气体传感器。
作为一种改进,所述主机包括控制器、有线传输模块、无线传输模块以及报警模块。
作为一种进一步的改进,所述便携式检测仪还包括控制器、姿态传感器、定位模块、报警模块、无线传输模块。
作为一种改进,所述便携式检测仪还包括紧急呼救模块。
作为一种改进,所述便携式检测仪还包括语音模块。
本发明还提供一种有限空间内的多参数有毒有害气体检测方法,应用于上述的有限空间内的多参数有毒有害气体检测系统,包括:
将半固定式检测仪布置在待检测空间外,并将探头组件下探入待检测空间进行毒害气体检测;工作人员携带便携式检测仪进入待检测空间;
探头组件在下探的过程中采集温度、气压以及传感器反馈的电压值,同时记录每次采集时与待检测空间底部的距离,直到探头组件达到待检测空间底部后停止检测距离并持续对温度、气压以及传感器反馈的电压值进行采集;将温度、气压、电压值输入预设的浓度模型中获取毒害气体浓度,并利用毒害气体浓度与对应距离构建待检测空间毒害气体分布模型;
便携式检测仪采集温度、气压以及传感器反馈的电压值同时记录每次采集时自身位置;将采集到的温度、气压以及电压值输入预设的浓度模型中获取毒害气体浓度,并将毒害气体浓度和对应位置上传至主机;
主机利用便携式检测仪采集的毒害气体浓度和对应位置对毒害气体分布模型进行验证和完善;
当便携式检测仪检测到毒害气体超标时,发出警报并将超标毒害气体的种类和浓度上传至主机;
当探头组件检测到毒害气体超标时,主机向便携式检测仪下发警报信号,并根据毒害气体分布模型制定处理措施。
作为一种改进,利用预设的模型获取毒害气体浓度的方法包括:
将毒害气体的样本数据构建成N*3的矩阵,其中N行为该毒害气体的样本数量,3列分别为温度、气压、电压;
把每个样本数据对应的毒害气体浓度值构建成N*1的向量,其中N行为该毒害气体的样本数量,1列为浓度值;
对矩阵进行归一化处理,并随机选择一部分作为训练集,其余部分作为验证集;
搭建BP神经网络模型,设置隐藏层数量为3,隐藏层神经元个数分别为5,4,3;学习率为0.01;训练误差为0.01;
将训练集输入BP神经网络模型中进行建模,使用该模型对验证集进行预测,并根据预测结果对P神经网络模型的超参数进行调整从而完成优化;
将采集到的温度、气压、电压输入优化好的BP神经网络模型,从而获得相应的毒害气体浓度。
作为一种改进,便携式检测仪间隔N秒向主机上传信息,所述信息包括温度、气压、电压、位置、姿态以及身份信息;
主机接收到便携式检测仪上传的信息后,向该便携式检测仪下发回执信息;所述回执信息包括该便携式检测仪身份信息以及探头组件当前检测到的毒害气体浓度信息;
便携式检测仪在接收到回执信息后,将回执信息中及探头组件当前检测到的毒害气体浓度与自身检测到的毒害气体浓度进行对比,判断便携式检测仪是否失效。
作为一种改进,判断携带便携式检测仪检测工作人员跌倒的方法包括:
采集姿态传感器反馈的四元数据和加速度值;
利用四元数据与加速度值计算欧拉角以及合加速度;
若在时间T1内某个时刻欧拉角大于角度阈值且合加速度在合加速度阈值范围内则判断该时刻加速度值是否大于加速度阈值;
若大于加速度阈值则判断加速度值和四元数据计算的欧拉角在时间T2内变化值是否小于变化阈值,若是则认为携带便携式检测仪检测工作人员跌倒。
本发明的有益之处在于:
本发明通过半固定式检测仪和便携式检测仪配合工作,通过半固定式检测仪的检测数据搭建有限空间内毒害气体的分布模型,并根据便携式检测仪反馈的数据对分布模型进行验证和完善。便携式检测仪由进入有限空间的工作人员随身携带,在检测到毒害气体超标后及时报警。半固定式检测仪在构建好分布模型后,用于持续对地面或者积水中的释放的毒害气体进行检测。
1、半固定式检测仪采用气体探头下放的形式测量有限空间内气体浓度,避免了抽气泵对气体的抽取,无稀释或压缩气体的现象,保证了测量气体浓度的准确值;
2、对于长距离的气体浓度测量,半固定式检测仪无抽气泵,较市面上现有产品,半固定式检测仪成本更低;
3、半固定式检测仪与气体探头之间的电缆长度可选配,且线缆通过绞盘收纳,可适应多种现场环境使用;
4、采集温度和气压等数据,利用神经网络模型修正气体浓度的传感器采集值和实际值之间的误差,得到更为精确的气体浓度值;
5、气体探头采集到的气体浓度数据结合超声波数据,通过软件算法可得到有限空间内部的气体浓度分布模型;
6、采用无线通讯方案,便携式检测仪与半固定式检测仪可双向联动报警,假如发生气体中毒事故,也可为救援人员提供有限空间内部气体浓度数据参考,快速制定救援方案;
7、便携式设备配备检测人体姿态的姿态传感器以及紧急呼救按钮,相较于现有便携式检测仪更能有效保障作业人员安全。
附图说明
图1为本发明的结构原理图。
图2为本发明的流程图。
图3为本发明使用时的示意图。
图4为探头组件下降时的示意图。
图5为探头组件采集数据的流程图。
图6为跌倒判定的流程图。
具体实施方式
为了使本领域的技术人员更好地理解本发明的技术方案,下面结合具体实施方式对本发明作进一步的详细说明。
名词释义
LORA:LORA是一种低功耗宽区域网络技术,其全称为Long Range Wide AreaNetwork。
RS485:是一个串行通信标准,主要用于在多个设备之间传输数据。
GPS:是全球定位系统(Global Positioning System)的缩写。
GLONASS:是俄罗斯的全球卫星导航系统(Global Navigation SatelliteSystem)的缩写。
IIC总线:是Inter-Integrated Circuit的缩写,中文名称为I2C总线,是一种常见的串行通信总线协议。
实施例
如图1所示,本发明提供一种有限空间内的多参数有毒有害气体检测系统,包括半固定式检测仪和便携式检测仪;所述半固定检测仪包括主机以及与利用电缆与主机连接的探头组件;所述便携式检测仪与主机无线连接。本发明中,半固定式检测仪和便携式检测仪均可单独使用,也可无线联机使用。联机使用时,设备可双向报警,即当便携式检测仪检测到毒害气体超标后可向半固定式检测仪发出警报信息,或者当向半固定式检测仪检测到毒害气体超标后可向便携式检测仪发出警报信息。
具体地,所述主机包括控制器、有线传输模块(例如RS485模块)、无线传输模块(例如LORA模块)、报警模块(例如灯光模块、显示屏)、以及与便携式检测仪通话的语音模块。另外可以预见的是,为了供电,主机还应该包括由锂电池、锂电池管理模块、电源组成的供电模块。
所述探头组件还包括控制器、测距模块(例如超声波传感器)、温度传感器、气压传感器、若干检测毒害气体的气体传感器(根据实际情况装配氧气,硫化氢,二氧化碳,一氧化碳,甲烷等气体传感器)以及有线传输模块(例如RS485模块)。由于与主机工作电压不同,探头组件还需要设置一个变压器将电压降为12V。
所述便携式检测仪包括若干检测毒害气体的气体传感器(根据实际情况装配氧气,硫化氢,二氧化碳,一氧化碳,甲烷等气体传感器)、控制器、人体姿态传感器、定位模块、报警模块(如显示屏用于显示报警信息以及相应的气体浓度信息)、无线传输模块(例如LORA模块)、有线传输模块(例如RS485模块)、紧急呼救模块(可以为按键,便于一键呼救)、语音模块(用于与主机通话)。同样,为了供电还应该包括由锂电池、锂电池管理模块、电源组成的供电模块。
如图2所示,本发明还提供一种有限空间内的多参数有毒有害气体检测方法,应用于上述的有限空间内的多参数有毒有害气体检测系统,具体步骤包括:
S1将半固定式检测仪布置在待检测空间外,并将探头组件下探入待检测空间进行毒害气体检测;工作人员携带便携式检测仪进入待检测空间,如图3所示。
在发酵池或污水井等环境中,部分气体的密度比空气大且易溶于水(如硫化氢),而便携式检测仪往往是夹持或悬挂在工作人员肢体上,这样会出现便携式检测仪无法采集到液面或地面的气体的情况,造成对气体成分漏采;且当作业空间较大时,人员在地下作业过程中会对气体分布进行干扰,可能会使原本沉于底部或溶于水中的气体漂浮在空中,这些气体是剧毒,当便携式设备采集到并报警时,人员撤离已经来不及了,所以设计了半固定式设备和便携式设备配合采集气体浓度,在人员进入作业环境前,使用固定式设备检测气体浓度,确保气体浓度在安全范围内后人员才进入。
S2探头组件在下探的过程中采集温度、气压以及传感器反馈的电压值,同时记录每次采集时与待检测空间底部的距离,直到探头组件达到待检测空间底部后停止检测距离并持续对温度、气压以及传感器反馈的电压值进行采集;将温度、气压、电压值输入预设的浓度模型中获取毒害气体浓度,并利用毒害气体浓度与对应距离构建待检测空间毒害气体分布模型。
在发酵池的安全作业方面,可以利用气体浓度分布模型,结合现场实际地形空间,为消防救援人员推算内部气体浓度分布做出推算,制定合理的救援计划;在污水井方面,结合气体模型,在设计初期可以针对性的对污水井设计通风换气系统。
如图4、图5所示,探头组件底部安装有测距模块,在探头组件下降过程中,探头组件每间隔1秒就采集一次探头距离井底(地底或液面)的距离L,与此同时执行一次气体浓度测量,并保存一组关于井底距离和气体浓度的数据;在此过程中可以得到一系列的井底距离和气体浓度的数据,对此数据进行统计分析,即可得出污水井气体浓度分布情况从而形成待检测空间毒害气体分布模型。
另外,前期根据各种气体的测量范围,在不同温度、气压下收集不同浓度的标准气体的浓度采集值、温度值、气压值。气体浓度采集值通过气体探头中的电化学式气体传感器采集,温度值和气压分别通过温度、气压传感器获得。在PC端使用气体浓度采集值、温度、气压三种特征值拟合对应气体种类的浓度,得到气体浓度值关于温度和气压的神经网络修正模型,具体包括:
S21将毒害气体的样本数据构建成N*3的矩阵,其中N行为该毒害气体的样本数量,3列分别为温度、气压、电压;
S22把每个样本数据对应的毒害气体浓度值构建成N*1的向量,其中N行为该毒害气体的样本数量,1列为浓度值;
S23对矩阵进行归一化处理,并随机选择一部分作为训练集,其余部分作为验证集;
S24搭建BP神经网络模型,设置隐藏层数量为3,隐藏层神经元个数分别为5,4,3;学习率为0.01;训练误差为0.01;
S25将训练集输入BP神经网络模型中进行建模,使用该模型对验证集进行预测,并根据预测结果对P神经网络模型的超参数进行调整从而完成优化;
S26将采集到的温度、气压、电压输入优化好的BP神经网络模型,从而获得相应的毒害气体浓度。
S3便携式检测仪采集温度、气压以及传感器反馈的电压值同时记录每次采集时自身位置;将采集到的温度、气压以及电压值输入预设的浓度模型中获取毒害气体浓度,并将毒害气体浓度和对应位置上传至主机。
利用预设的模型获取毒害气体浓度的方法与步骤2相同,此处不再赘述,其温度和气压数据沿用探头采集的数据。
S4主机利用便携式检测仪采集的毒害气体浓度和对应位置对毒害气体分布模型进行验证和完善。
便携式检测仪内置移远L76K多卫星定位模块,其定位精度可达1米,支持北斗、GPS、GLONASS等系统联合定位和单独定位,可实时定位作业人员(便携式检测仪)位置;在便携式检测仪工作过程中每间隔5秒检测一次作业人员所在位置的气体成分及浓度,并将位置信息和气体浓度数据通过LORA模块上发给地面主机,以此验证和完善整个地下作业空间的气体浓度分布模型数据。假如发生人员气体中毒等情况,外部施救人员可根据气体浓度分布情况和北斗定位信息制定相应的营救措施。
S5当便携式检测仪检测到毒害气体超标时,发出警报并将超标毒害气体的种类和浓度上传至主机。
当某一便携式检测仪检测到某一种或多种气体浓度超标时,本机立刻发出声光、震动报警,并将气体浓度信息和报警信息(浓度超标的气体类型和浓度)通过LORA无线网络上发给地面主机,主机接收到数据后,立即启动警示灯和播报具体超标气体类型和浓度;并将报警信息广播至井下或发酵池其余作业人员,提示工作人员撤离。
S6当探头组件检测到毒害气体超标时,主机向便携式检测仪下发警报信号,并根据毒害气体分布模型制定处理措施。
当半固定式检测仪检测到某一种或多种气体浓度超标时,主机立刻发出声光报警,并将气体浓度信息和报警信息(浓度超标的气体类型和浓度)通过LORA无线网络下发给井下或发酵池内的便携式检测仪,井下或发酵池内的便携式检测仪接收到数据后,立即启动警示灯和播报具体超标气体类型和浓度,提示工作人员撤离。
S7当半固定式检测仪和便携式检测仪联机使用时,还可以通过心跳数据的传递用于检查便携式检测仪的有效性。其原因在于若便携式检测仪气体传感器失效,会导致无法检测或者检测不准毒害气体浓度,一旦超标而未报警的话,会对携带该便携式检测仪的工作人员带来极大的安全隐患。其具体步骤包括:
S71便携式检测仪间隔N秒如5秒向主机上传信息,所述信息包括温度、气压、电压、位置、姿态以及身份信息;
S72主机接收到便携式检测仪上传的信息后,向该便携式检测仪下发回执信息;所述回执信息包括该便携式检测仪身份信息以及探头组件当前检测到的毒害气体浓度信息;
S73便携式检测仪在接收到回执信息后,将回执信息中及探头组件当前检测到的毒害气体浓度与自身检测到的毒害气体浓度进行对比,判断便携式检测仪是否失效。
S8便携式检测仪通过人体姿态传感器检测携带便携式检测仪的工作人员是否跌倒从而判断是否发生危险。
跌倒检测包括数据采集、跌倒检测算法;人体姿态传感器选用MPU-6050 IMU(惯性运动单元)测量人活动时的三维加速度和三维角速度共6个数据;根据实验,人体躯干部分的加速度分量一般不超过±6ɡ,而角速度分量一般不超过300°/s,再结合跌倒检测算法进行处理和分析,从而判定是否发生跌倒。
人体在发生意外跌倒时,三维方向的加速度值会发生突变,同时人体俯仰方向的角度也会发生较大的改变。而由于跌倒情况的差异性,人体发生前仰、后倒和侧翻时三维方向加速度变化的特点有较大差别。因而,通过对人体三维加速度和俯仰角速度数据提取特征量作为跌倒判决的依据,如图6所示,其具体步骤包括:
S81采集姿态传感器反馈的四元数据和加速度值;
主控MCU通过IIC总线读取MPU-6050解算后q30格式(浮点数放大2^30倍)的四元数(Q1,Q2,Q3,Q4),所以实际四元数为q[n] = Q[n]/ 2^30 ,其中n = 1,2,3,4;
S82利用四元数据与加速度值计算欧拉角以及合加速度。
将四元数q0、q1、q3、q4带入下式进一步计算出欧拉角,单位°。
Pitch = asin(-2 * (q1 * q3 + 2 * q0* q2) * 57.3;
Yaw = atan2(2*(q1*q2 + q0*q3),q0*q0+q1*q1-q2*q2-q3*q3) * 57.3;
Roll = atan2(2 * q2 * q3 + 2 * q0 * q1, -2 * q1 * q1 - 2 * q2* q2 +1) * 57.3;
其中,Pitch表示俯仰角,Yaw表示偏航角,Roll表示横滚角。
其中,q0,q1,q2,q3,表示MPU6050输出的关于角度的四元数除以2^30。
其中,asin为C语言中反正弦函数,atan2为C语言中反正切函数。
其中,57.3为180/π,在弧度转角度的过程中为减少计算量直接在公式中带入常数57.3计算。
S83若在时间T1内某个时刻欧拉角大于角度阈值且合加速度在合加速度阈值范围内则判断该时刻加速度值是否大于加速度阈值。
判断在200毫秒内Yaw、Pitch、Rool中的任意一个或多个变化是否达到60°以上,并同时判断合加速度是否接近G(重力加速度),如果是则进入步骤S84,否则回到步骤S81;
S84若大于加速度阈值则判断加速度值和四元数据计算的欧拉角在时间T2内变化值是否小于变化阈值,若是则认为携带便携式检测仪检测工作人员跌倒。
读取MPU-6050输出加速度值,判断加速度值是否反向且大于G,如果是则读取MPU-6050输出的加速度值和四元数转化的欧拉角,判断是否出现500ms的相对稳定,如果是则表明发生跌倒。
以上仅是本发明的优选实施方式,应当指出的是,上述优选实施方式不应视为对本发明的限制,本发明的保护范围应当以权利要求所限定的范围为准。对于本技术领域的普通技术人员来说,在不脱离本发明的精神和范围内,还可以做出若干改进和润饰,这些改进和润饰也应视为本发明的保护范围。
Claims (8)
1.一种有限空间内的多参数有毒有害气体检测系统,其特征在于:包括半固定式检测仪和便携式检测仪;所述半固定式检测仪包括主机以及与利用电缆与主机连接的探头组件;所述便携式检测仪与主机无线连接,并且探头组件和便携式检测仪上均设置有若干检测毒害气体的气体传感器;
基于所述有限空间内的多参数有毒有害气体检测系统进行有毒有害气体检测的方法包括:
将半固定式检测仪布置在待检测空间外,并将探头组件下探入待检测空间进行毒害气体检测;工作人员携带便携式检测仪进入待检测空间;
探头组件在下探的过程中采集温度、气压以及传感器反馈的电压值,同时记录每次采集时与待检测空间底部的距离,直到探头组件达到待检测空间底部后停止检测距离并持续对温度、气压以及传感器反馈的电压值进行采集;将温度、气压、电压值输入预设的浓度模型中获取毒害气体浓度,并利用毒害气体浓度与对应距离构建待检测空间毒害气体分布模型;
便携式检测仪采集温度、气压以及传感器反馈的电压值同时记录每次采集时自身位置;将采集到的温度、气压以及电压值输入预设的浓度模型中获取毒害气体浓度,并将毒害气体浓度和对应位置上传至主机;
主机利用便携式检测仪采集的毒害气体浓度和对应位置对毒害气体分布模型进行验证和完善;
当便携式检测仪检测到毒害气体超标时,发出警报并将超标毒害气体的种类和浓度上传至主机;当便携式检测仪检测到携带该便携式检测仪的工作人跌倒时,将跌倒信息上传至主机;
当探头组件检测到毒害气体超标时,主机向便携式检测仪下发警报信号,并根据毒害气体分布模型制定处理措施;
判断携带便携式检测仪检测工作人员跌倒的方法包括:
采集姿态传感器反馈的四元数据和加速度值;
利用四元数据与加速度值计算欧拉角以及合加速度;
若在时间T1内某个时刻欧拉角大于角度阈值且合加速度在合加速度阈值范围内则判断该时刻加速度值是否大于加速度阈值;
若大于加速度阈值则判断加速度值和四元数据计算的欧拉角在时间T2内变化值是否小于变化阈值,若是则认为携带便携式检测仪检测工作人员跌倒。
2.根据权利要求1所述的一种有限空间内的多参数有毒有害气体检测系统,其特征在于:所述主机包括控制器、有线传输模块、无线传输模块以及报警模块。
3.根据权利要求1所述的一种有限空间内的多参数有毒有害气体检测系统,其特征在于:所述探头组件还包括控制器、测距模块、温度传感器、气压传感器以及有线传输模块。
4.根据权利要求1所述的一种有限空间内的多参数有毒有害气体检测系统,其特征在于:所述便携式检测仪还包括控制器、姿态传感器、定位模块、报警模块、无线传输模块。
5.根据权利要求1所述的一种有限空间内的多参数有毒有害气体检测系统,其特征在于:所述便携式检测仪还包括紧急呼救模块。
6.根据权利要求1所述的一种有限空间内的多参数有毒有害气体检测系统,其特征在于:所述便携式检测仪还包括语音模块。
7.根据权利要求1所述的一种有限空间内的多参数有毒有害气体检测系统,其特征在于利用预设的模型获取毒害气体浓度的方法包括:
将毒害气体的样本数据构建成N*3的矩阵,其中N行为该毒害气体的样本数量,3列分别为温度、气压、电压;
把每个样本数据对应的毒害气体浓度值构建成N*1的向量,其中N行为该毒害气体的样本数量,1列为浓度值;
对矩阵进行归一化处理,并随机选择一部分作为训练集,其余部分作为验证集;
搭建BP神经网络模型,设置隐藏层数量为3,隐藏层神经元个数分别为5,4,3;学习率为0.01;训练误差为0.01;
将训练集输入BP神经网络模型中进行建模,使用该模型对验证集进行预测,并根据预测结果对P神经网络模型的超参数进行调整从而完成优化;
将采集到的温度、气压、电压输入优化好的BP神经网络模型,从而获得相应的毒害气体浓度。
8.根据权利要求1所述的一种有限空间内的多参数有毒有害气体检测系统,其特征在于:
便携式检测仪间隔N秒向主机上传信息,所述信息包括温度、气压、电压、位置、姿态以及身份信息;
主机接收到便携式检测仪上传的信息后,向该便携式检测仪下发回执信息;所述回执信息包括该便携式检测仪身份信息以及探头组件当前检测到的毒害气体浓度信息;
便携式检测仪在接收到回执信息后,将回执信息中及探头组件当前检测到的毒害气体浓度与自身检测到的毒害气体浓度进行对比,判断便携式检测仪是否失效。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310699403.9A CN116448965B (zh) | 2023-06-14 | 2023-06-14 | 一种有限空间内的多参数有毒有害气体检测系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310699403.9A CN116448965B (zh) | 2023-06-14 | 2023-06-14 | 一种有限空间内的多参数有毒有害气体检测系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116448965A CN116448965A (zh) | 2023-07-18 |
CN116448965B true CN116448965B (zh) | 2023-09-01 |
Family
ID=87130534
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310699403.9A Active CN116448965B (zh) | 2023-06-14 | 2023-06-14 | 一种有限空间内的多参数有毒有害气体检测系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116448965B (zh) |
Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103405001A (zh) * | 2013-08-30 | 2013-11-27 | 广东乐源数字技术有限公司 | 一种蓝牙跌倒报警鞋垫 |
CN103927851A (zh) * | 2014-04-04 | 2014-07-16 | 余志峰 | 一种个人化多阈值跌倒检测方法及系统 |
JP2014145736A (ja) * | 2013-01-30 | 2014-08-14 | Toshiba Corp | 拡散推定方法及び拡散推定装置 |
CN106228751A (zh) * | 2016-08-26 | 2016-12-14 | 陈雷 | 基于安卓平台mems/磁传感器/gps的跌倒智能报警系统与方法 |
CN107580314A (zh) * | 2017-08-30 | 2018-01-12 | 汉威科技集团股份有限公司 | 移动式气体检测仪的定位系统及厂区气体监测系统 |
CN108392208A (zh) * | 2018-02-23 | 2018-08-14 | 大同公元三九八智慧养老服务有限公司 | 一种基于多阶段模型的跌倒判断方法 |
KR20180090933A (ko) * | 2017-02-03 | 2018-08-14 | 전자부품연구원 | 지능형 가스 누출 경보 시스템 및 그 방법 |
JP2019022592A (ja) * | 2017-07-24 | 2019-02-14 | 秀 菅野 | 歩行補助装置及びプログラム |
CN109917077A (zh) * | 2019-03-19 | 2019-06-21 | 青岛荣轩达检测服务有限公司 | 一种基于无线传输的远程检测系统 |
CN111751498A (zh) * | 2020-07-03 | 2020-10-09 | 天津理工大学 | 一种基于移动平台的有毒环境中毒气分布检测系统及方法 |
EP3822525A1 (de) * | 2019-11-15 | 2021-05-19 | GOK Regler- und Armaturen-Gesellschaft mbH & Co.KG | Abschaltventil für gas |
CN113308697A (zh) * | 2021-05-13 | 2021-08-27 | 中交天津港湾工程研究院有限公司 | 外加电流阴极保护系统综合监控防护装置及其实施方法 |
CN114965869A (zh) * | 2021-12-27 | 2022-08-30 | 徐州嘉友电子科技有限公司 | 一种井内激光测量及毒气报警的检测装置及其使用方法 |
CN115054212A (zh) * | 2022-06-20 | 2022-09-16 | 华中科技大学 | 对城市排水管网井下作业人员风险监测的设备及监测方法 |
CN115600643A (zh) * | 2022-10-17 | 2023-01-13 | 中国科学技术大学(Cn) | 一种毒害气体快速预测方法及系统 |
CN115718168A (zh) * | 2022-11-15 | 2023-02-28 | 华能重庆珞璜发电有限责任公司 | 一种电厂受限空间作业安全监测系统及方法 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013019178A1 (en) * | 2011-07-29 | 2013-02-07 | James Skourlis | Automated stationary gas sensor calibration system and method |
CN104504855B (zh) * | 2015-01-13 | 2017-11-24 | 广东乐源数字技术有限公司 | 一种智能腰带及智能跌倒应急预警系统 |
TW202120019A (zh) * | 2019-11-18 | 2021-06-01 | 展尤 鄧 | 摔倒檢測與防護的方法、裝置、存儲介質及終端設備 |
-
2023
- 2023-06-14 CN CN202310699403.9A patent/CN116448965B/zh active Active
Patent Citations (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014145736A (ja) * | 2013-01-30 | 2014-08-14 | Toshiba Corp | 拡散推定方法及び拡散推定装置 |
CN103405001A (zh) * | 2013-08-30 | 2013-11-27 | 广东乐源数字技术有限公司 | 一种蓝牙跌倒报警鞋垫 |
CN103927851A (zh) * | 2014-04-04 | 2014-07-16 | 余志峰 | 一种个人化多阈值跌倒检测方法及系统 |
CN106228751A (zh) * | 2016-08-26 | 2016-12-14 | 陈雷 | 基于安卓平台mems/磁传感器/gps的跌倒智能报警系统与方法 |
KR20180090933A (ko) * | 2017-02-03 | 2018-08-14 | 전자부품연구원 | 지능형 가스 누출 경보 시스템 및 그 방법 |
JP2019022592A (ja) * | 2017-07-24 | 2019-02-14 | 秀 菅野 | 歩行補助装置及びプログラム |
CN107580314A (zh) * | 2017-08-30 | 2018-01-12 | 汉威科技集团股份有限公司 | 移动式气体检测仪的定位系统及厂区气体监测系统 |
CN108392208A (zh) * | 2018-02-23 | 2018-08-14 | 大同公元三九八智慧养老服务有限公司 | 一种基于多阶段模型的跌倒判断方法 |
CN109917077A (zh) * | 2019-03-19 | 2019-06-21 | 青岛荣轩达检测服务有限公司 | 一种基于无线传输的远程检测系统 |
EP3822525A1 (de) * | 2019-11-15 | 2021-05-19 | GOK Regler- und Armaturen-Gesellschaft mbH & Co.KG | Abschaltventil für gas |
CN111751498A (zh) * | 2020-07-03 | 2020-10-09 | 天津理工大学 | 一种基于移动平台的有毒环境中毒气分布检测系统及方法 |
CN113308697A (zh) * | 2021-05-13 | 2021-08-27 | 中交天津港湾工程研究院有限公司 | 外加电流阴极保护系统综合监控防护装置及其实施方法 |
CN114965869A (zh) * | 2021-12-27 | 2022-08-30 | 徐州嘉友电子科技有限公司 | 一种井内激光测量及毒气报警的检测装置及其使用方法 |
CN115054212A (zh) * | 2022-06-20 | 2022-09-16 | 华中科技大学 | 对城市排水管网井下作业人员风险监测的设备及监测方法 |
CN115600643A (zh) * | 2022-10-17 | 2023-01-13 | 中国科学技术大学(Cn) | 一种毒害气体快速预测方法及系统 |
CN115718168A (zh) * | 2022-11-15 | 2023-02-28 | 华能重庆珞璜发电有限责任公司 | 一种电厂受限空间作业安全监测系统及方法 |
Non-Patent Citations (1)
Title |
---|
基坑有毒有害气体便携式智能监测报警系统设置;李岩;自动化技术与应用;第42卷(第05期);23-26 * |
Also Published As
Publication number | Publication date |
---|---|
CN116448965A (zh) | 2023-07-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10670572B2 (en) | Wireless exposure monitor | |
US11499954B2 (en) | Wireless exposure monitor | |
CN108846987A (zh) | 一种基于北斗卫星传输系统的输电线路山火系统 | |
CN211955374U (zh) | 一种用于检测有限空间作业环境的检测装置、检测系统 | |
CN103245757A (zh) | 气体环境应急检测系统 | |
CN106527513A (zh) | 一种气体监测系统及方法 | |
CN114485570A (zh) | 一种用于在建隧道施工安全智慧监控量测预警系统及方法 | |
CN202486118U (zh) | 气体环境应急检测系统 | |
CN106979798A (zh) | 一种土木工程结构健康检测系统 | |
CN111751498A (zh) | 一种基于移动平台的有毒环境中毒气分布检测系统及方法 | |
CN114321740A (zh) | 一种可燃气体泄漏点定位方法、系统及可读存储模块 | |
CN116236720A (zh) | 一种高空作业的远程报警系统及其报警安全带 | |
CN117846706A (zh) | 一种地下隧道结构有害气体的监测报警方法和控制装置 | |
CN116448965B (zh) | 一种有限空间内的多参数有毒有害气体检测系统及方法 | |
KR102615767B1 (ko) | Ai 비전 및 사물 인터넷을 이용한 안전관리 서비스를 지원하는 시스템 및 방법 | |
CN111380576A (zh) | 一种化工气体泄漏监测系统 | |
CN117054967A (zh) | 一种基于智能定位矿用安全帽的定位方法及产品结构 | |
CN110675522A (zh) | 一种基于无人机技术的多用途电子安防巡检系统 | |
CN106770532A (zh) | 一种气体浓度预测装置、及气体浓度实时检测和预测系统 | |
AU2021100797A4 (en) | Environmental detection device and method | |
CN105450989B (zh) | 高危环境检测系统 | |
AU2021364543A1 (en) | Wireless exposure monitor | |
CN113128755A (zh) | 液氢泄露扩散范围的预测方法及系统 | |
CN110275469B (zh) | 一种地上地下空间设施安防管理信息化系统 | |
CN210534950U (zh) | 一种入户预警装置以及系统 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |