CN117846706A - 一种地下隧道结构有害气体的监测报警方法和控制装置 - Google Patents

Abstract

一种地下隧道结构有害气体的监测报警方法和控制装置，涉及数据监测领域，该方法包括：使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据；使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据；融合环境变量数据和气体浓度数据，得到综合监测数据；将综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息；确定预警级别；在预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端。实施该方法，可准确获取各种气体的浓度数据，并及时发送声光预警信息，指导人员安全有序地进行疏散，避免人员伤亡。

Description

一种地下隧道结构有害气体的监测报警方法和控制装置

技术领域

本申请涉及数据监测领域，尤其涉及一种地下隧道结构有害气体的监测报警方法和控制装置。

背景技术

随着矿山开采程度的加深，地下矿道体系日益增多，矿井安全问题日益受到重视。地下矿道结构复杂封闭，一旦发生事故，后果非常严重。在地下矿道打眼、放炮、装卸渣、混凝土搅拌、焊接作业等活动中，涉及相关设备的运行、管线维护、阀门开闭等操作，有害气体的泄漏和扩散是导致地下矿道安全事故的重要因素之一。

在相关技术中，用于地下矿道有害气体监测的技术多采用固定的气体传感器，结合无线通信技术，实现对矿道内有害气体浓度变化的监测，这些技术可以在一定程度上实现对有害气体的监测。

然而，相关技术中的气体传感器多为单一气体传感器，不能同时监测多种有害气体，且存在一定的交叉敏感性，无法有效区分不同气体的浓度信号，导致监测结果误判的可能性较大，无法准确定位气体泄漏源。

发明内容

本申请提供了一种地下隧道结构有害气体的监测报警方法和控制装置，用于准确获取各种气体的浓度数据，并在存在有毒有害气体泄漏风险时，向用户端发送声光预警信息，指导人员安全有序地进行疏散，避免人员伤亡。

第一方面，本申请提供了一种地下隧道结构有害气体的监测报警方法，应用于控制装置，该方法包括：使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据；使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据；基于数据融合技术融合环境变量数据和气体浓度数据，得到综合监测数据；将综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息；解析泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别；在预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端；应急指示包括控制装置结合地理信息系统和泄漏定位信息制定的多条疏散线路。

在上述实施例中，控制装置通过使用第一传感器实时采集温度、湿度、空气流速和压力等环境参数，使用第二传感器实时获取多种有害气体的浓度，并采用数据融合技术将环境参数数据和气体浓度数据进行融合，输入异常预测模型实现泄漏预警，当预警级别达到危险阈值时，能够控制报警设备向用户端发送声光预警信号，指导人员安全疏散，可以实时监测多种有害气体，实现对潜在气体泄漏事故的预警，避免人员伤亡，提高了隧道结构中的安全性。

结合第一方面的一些实施例，在一些实施例中，基于数据融合技术融合环境变量数据和气体浓度数据，得到综合监测数据，具体包括：对环境变量数据和气体浓度数据进行标准化处理，得到标准环境数据和标准气体数据；对标准环境数据和标准气体数据进行去噪处理，消除随机误差干扰，得到去噪环境数据和去噪气体数据；构建多源异构数据的关联矩阵，并采用主成分分析法提取去噪环境数据和去噪气体数据，得到综合监测特征；将综合监测特征映射到高维特征空间，得到综合监测数据。

在上述实施例中，控制装置通过标准化处理、去噪处理、主成分分析法提取信息等处理，可以消除数据间的异构性，提取有效特征，最终得到反映监测场景的综合监测数据，提高后续泄漏预测的准确性和可靠性，增强了数据处理能力，使监测报警更加精确。

结合第一方面的一些实施例，在一些实施例中，解析泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别，具体包括：利用数据解析模型解析泄漏预警信息，得到泄漏气体种类、浓度超标程度、持续时间和泄漏发生位置；综合分析泄漏气体种类、浓度超标程度、持续时间和泄漏发生位置，确定泄漏严重程度；结合泄漏严重程度和泄漏发生位置距离人员预设密集区域的远近距离信息，基于隶属度函数确定预警级别。

在上述实施例中，控制装置可以解析泄漏信息，确定泄漏气体种类、浓度、持续时间等参数，进而判断泄漏严重程度，并结合泄漏位置与人员分布情况，使用隶属度函数确定不同级别的预警信息，可以使预警级别与实际泄漏威胁级别高度对应，防止预警过度或不足，指导人员采取合理的响应行动。

结合第一方面的一些实施例，在一些实施例中，在使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据的步骤之前，该方法还包括：采用分类器对第一传感器进行状态监测，得到传感工作状态；当传感工作状态为异常时，读取第一传感器的冗余数据；将冗余数据输入到预设的自动编码器模型中，得到传感校验结果；使用传感校验结果进行第一传感器的校验。

在上述实施例中，控制装置可以通过分类器实时监测第一传感器的工作状态，当传感器状态异常时，可以读取传感器的冗余数据，并输入自动编码器模型进行校验，以确定传感器数据的准确性，可以对关键监测设备进行状态监测，及时发现异常，并采取校验措施确保监测数据的有效性，提高系统的可靠性和可用性。

结合第一方面的一些实施例，在一些实施例中，使用传感校验结果进行第一传感器的校验，具体包括：将传感校验结果输入到预设的误差判断模型中，得到误差分析报告；对误差分析报告进行数据提取和计算，得到第一传感器的误差补偿参数；基于误差补偿参数修正第一传感器的原始监测数据；在误差补偿参数超过预设调整阈值时，向传感器网络发送切换指令，使得第一传感器的接口切换至对应的备用传感器。

在上述实施例中，控制装置通过误差判断模型分析校验结果，提取误差参数，并进行误差补偿，可以消除传感器读数误差的影响，提高监测数据的准确度。同时，当误差超过阈值时，该方案可以切换到备用传感器，避免单点故障，确保系统的高可用性，可以持续校正传感器数据，并实现传感器的冗余利用，增强系统的健壮性。

结合第一方面的一些实施例，在一些实施例中，在控制报警设备发送声光预警信号和应急指示到用户端的步骤之后，该方法还包括：回传监测数据库中预设时间段内的气体浓度数据和环境参数数据到大数据平台；利用云计算建立三维数字孪生系统，还原气体泄漏前的模拟隧道环境；基于模拟隧道环境，分析气体扩散规律、判断泄漏起源位置并找出引发泄漏的设备故障数据，生成事故分析报告。

在上述实施例中，控制装置通过回传历史监测数据，采用云计算建立数字孪生系统，可以还原事故发生前的环境，辅助分析事故原因，找到设备故障信息，生成事故报告，可以深入探究事故的技术原因，为后续改进提供参考，避免类似事故的重复发生。

结合第一方面的一些实施例，在一些实施例中，在控制报警设备发送声光预警信号和应急指示到用户端的步骤之后，该方法还包括：实时获取隧道内的图像信息，并使用图像识别算法对图像信息进行分析处理，得到识别目标的类型数据和位置坐标；在识别目标的类型数据为人员目标时，提取位置坐标并标注位置坐标在隧道地图上；确定泄漏发生位置和气体扩散趋势，利用气体扩散模拟算法模拟出不同时间点的气体扩散范围；将气体扩散范围映射到隧道地图上，与识别目标的位置坐标进行匹配分析，确识别目标是否处于气体扩散的危险范围内；若识别目标处于气体扩散的危险范围内，则立即向识别目标所对应的用户终端发送避险提示信息。

在上述实施例中，控制装置实时获取隧道图像，使用图像识别技术检测人员目标，结合气体扩散模拟，判断人员是否处于危险区域，并向有危险的个人用户发送避险提示，提醒采取避险行动，可以辅助指导人员科学避险，最大限度地降低人员伤亡风险。

第二方面，本申请实施例提供了一种控制装置，该控制装置包括：第一监测模块，用于使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据；第二监测模块，用于使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据；数据融合模块，用于基于数据融合技术融合环境变量数据和气体浓度数据，得到综合监测数据；泄漏判定模块，用于将综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息；预警解析模块，用于解析泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别；预警指示模块，用于在预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端；应急指示包括控制装置结合地理信息系统和泄漏定位信息制定的多条疏散线路。

第三方面，本申请实施例提供了一种控制装置，该控制装置包括：一个或多个处理器和存储器；该存储器与该一个或多个处理器耦合，该存储器用于存储计算机程序代码，该计算机程序代码包括计算机指令，该一个或多个处理器调用该计算机指令以使得该控制装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

第四方面，本申请实施例提供一种包含指令的计算机程序产品，当上述计算机程序产品在控制装置上运行时，使得上述控制装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

第五方面，本申请实施例提供一种计算机可读存储介质，包括指令，当上述指令在控制装置上运行时，使得上述控制装置执行如第一方面以及第一方面中任一可能的实现方式描述的方法。

可以理解地，上述第二方面、第三方面提供的控制装置，第四方面提供的计算机程序产品和第五方面提供的计算机存储介质均用于执行本申请实施例所提供的方法。因此，其所能达到的有益效果可参考对应方法中的有益效果，此处不再赘述。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

1、由于采用了使用第一传感器实时采集环境数据，使用第二传感器获取气体浓度，并采用数据融合技术实现综合监测的技术方案，所以可以获取准确可靠的气体浓度数据和环境参数，有效解决了相关技术中气体传感器存在的单一气体检测、交叉敏感性差等问题，进而实现了对地下隧道内多种有害气体的精确监测。相比相关技术中只能监测单一气体，本技术方案通过采集温湿度、流速、压力等环境数据，结合不同种类气体浓度，充分考虑环境影响因素，可以大大提高监测结果的准确性，同时还可以区分不同种类气体，避免交叉敏感引起的误报。

2、由于采用了使用误差判断模型分析传感器校验结果，获取误差参数并进行误差补偿的技术方案，所以可以持续校正传感器的读数误差，确保监测数据的准确性，有效解决了相关技术中无法处理传感器读数漂移的问题，进而实现了长期可靠的气体监测。本技术方案通过建立误差判断模型，可以实时评估校验结果，提取传感器的误差参数，根据误差参数对原始监测数据进行补偿，这样可以最大限度地消除传感器读数误差的影响，使监测数据具有持续的准确性。同时还可以根据误差大小进行传感器切换，进一步提高可靠性。

3、由于采用了使用图像识别技术检测人员目标，并结合气体扩散预测判断人员处于危险区域的技术方案，所以可以准确判断人员面临的气体泄漏威胁，有效解决了相关技术中无法实现对个人站位安全性检测的问题，进而实现了针对性强的人员避险指导。本技术方案通过图像识别可以定位每个人的准确位置，结合气体扩散预测，可以判断每个人相对于泄漏点的距离是否处在有害浓度范围内，从而实现对每个人避险需求的精确判定。在确定有危险时，及时向个人用户发送避险提示，可以有效减少人员伤亡风险。

附图说明

图1是本申请实施例中地下隧道结构有害气体的监测报警方法的一个流程示意图；

图2是本申请实施例中地下隧道结构有害气体的监测报警方法的另一个流程示意图；

图3是本申请实施例中控制装置的一种功能模块结构示意图；

图4是本申请实施例中控制装置的一种实体装置结构示意图。

具体实施方式

本申请以下实施例中所使用的术语只是为了描述特定实施例的目的，而并非旨在作为对本申请的限制。如在本申请的说明书中所使用的那样，单数表达形式“一个”、“一种”、“上述”、“该”和“这一”旨在也包括复数表达形式，除非其上下文中明确地有相反指示。还应当理解，本申请中使用的术语“和/或”是指包含一个或多个所列出项目的任何或所有可能组合。

以下，术语“第一”、“第二”仅用于描述目的，而不能理解为暗示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征，在本申请实施例的描述中，除非另有说明，“多个”的含义是两个或两个以上。

为便于理解，下面介绍本申请实施例的应用场景。

随着煤矿开采的深入，地下煤矿巷道体系日益增多并变得复杂。地下矿巷结构封闭，一旦发生有毒有害瓦斯泄漏，后果非常严重。例如，某煤矿主运输巷道在500米以下，长度近10公里，沿途仅设置有2个换气井。如果发生一起严重的突出事故，像一氧化碳、甲烷等有毒瓦斯大量泄漏进入主运输巷道，而不能快速监测和定位瓦斯浓度、泄漏位置，启动有效的紧急疏散预案，极易造成矿工大量死伤。

在相关技术中，可以通过采用固定的单一气体传感器，来实现对矿井中单一有害气体的监测。下面介绍使用相关技术中的地下隧道结构有害气体的监测报警方法的场景。

某煤矿在主要巷道设置了甲烷传感器，用于监测瓦斯浓度。今天，采掘队在1号区域进行爆破作业，爆破产生的氮气导致甲烷传感器监测到的浓度异常升高。值班人员看到报警直接按程序启动了应急疏散预案。但其实瓦斯浓度并未升高到爆炸下限，这是甲烷传感器交叉敏感导致的误报，造成了不必要的人员撤离和生产中断。

而采用本申请实施例中的地下隧道结构有害气体的监测报警方法。不仅可以检测多种气体，还可以准确获取各种气体的浓度数据，有效解决了相关技术中的单一气体检测和交叉敏感性差等问题。下面介绍使用了本申请中地下隧道结构有害气体的监测报警方法的场景。

某煤矿在主要巷道同时设置了甲烷传感器、一氧化碳传感器和氮气传感器，并采用多源数据融合技术。今天值班人员同样监测到甲烷传感器输出异常，但通过数据融合分析，判断这是因爆破释放氮气导致甲烷传感器误报，而甲烷浓度并未实际升高到危险水平。所以值班人员没有启动疏散预案，避免了不必要的人员撤离。

可见，采用本申请实施例中的地下隧道结构有害气体的监测报警方法，在实现多种气体精确监测的同时，还可以有效解决相关技术中的交叉敏感问题，进而实现了对地下隧道气体泄漏的准确预警。

为便于理解，下面结合上述场景，对本实施提供的方法进行流程叙述。请参阅图1，为本申请实施例中地下隧道结构有害气体的监测报警方法的一个流程示意图。

S101、使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据。

控制装置会使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据。具体的，控制装置会部署多个温湿度传感器、风速传感器和压力传感器在隧道内的预设位置，这些传感器通信连接到控制装置，可以实时向控制装置发送各自的监测数据。控制装置会收集这些监测数据，并进行滤波、去噪、平滑等处理，最终形成反映隧道内温度、湿度、风速和压力变化情况的数字环境变量数据集。例如，温湿度传感器每10秒发送一次温度和湿度数据，风速传感器每5秒发送一次风速数据，压力传感器每20秒发送一次压力数据，控制装置对这些原始数据进行处理，生成1分钟一个数据点的温度、湿度、风速和压力时序曲线，作为环境变量数据用于后续分析，这些数据可以反映隧道内的环境变化情况。

S102、使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据。

控制装置会使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据。具体的，控制装置连接有多组分气体浓度传感器，这种传感器可以同时检测多种有害气体，如一氧化碳、甲烷、硫化氢等，并采用非分散红外光谱技术获取各种气体的光谱特征。控制装置中集成了光谱分析算法模块，可以提取不同气体的光谱特征，并利用模态识别、主成分分析等算法识别各气体的浓度贡献值，即实现对不同气体信号的分解，得到各种有害气体的浓度数据，同时通过多变量校正来消除温度和湿度等对光谱的影响，提高浓度测量的准确性。控制装置可以获得多种有害气体在该传感器位置的实时浓度监测曲线。如每分钟采集传感器的红外光谱图谱，经过分析获取一氧化碳、甲烷、硫化氢三种气体那一分钟的浓度数值。

S103、基于数据融合技术融合环境变量数据和气体浓度数据，得到综合监测数据。

控制装置会基于数据融合技术融合环境变量数据和气体浓度数据，得到综合监测数据。具体的，控制装置将步骤S101中获得的温度、湿度等环境变量时间序列数据，以及步骤S102中获得的多种有害气体的浓度时间序列数据进行整合，提取得到多源异构特征，从而得到综合反映监测场景的综合监测数据。例如，可以提取温度、一氧化碳浓度、硫化氢浓度三个变量的主成分作为综合监测数据，反映隧道内温度变化对有害气体扩散的影响。

S104、将综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息。

控制装置会将综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息。具体的，控制装置中的异常预测模块预先建立了一个基于深度学习的异常检测模型，该模型经过大量正常监测数据的训练，可以很好地刻画监测场景下变量之间的内在联系规则。当输入实时的综合监测数据时，模型可以计算数据点与正常模式的偏差距离，判断是否存在明显的异常情况，即潜在的气体泄漏预警。如模型判断某一时刻的一氧化碳浓度监测数据偏离了该位置温度和压力条件下的正常浓度范围时，会输出该时刻的异常概率，若超过预设阈值，则判定为泄漏预警。控制装置会将该异常概率作为泄漏预警信息生成系统报警。

异常预测模型是一个基于深度学习的异常检测模型，输入为综合监测数据，经过模型判定后输出泄漏预警信息。该模型通过正常监测数据训练，可以刻画变量之间的内在联系规则。当输入实时综合监测数据时，模型可以计算数据点与正常模式的偏差距离，判断是否存在明显异常，即潜在的气体泄漏预警。

S105、解析泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别。

控制装置会解析泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别。具体的，控制装置会调用数据解析算法，提取预警信息中异常数据的气体类型、浓度增量、持续时间和对应传感器位置信息，根据气体毒性参数、浓度增量大小、泄漏持续时间长短等综合分析气体泄漏的严重程度。同时结合传感器位置信息判断泄漏区域是否接近人员活动区，如果距离较近，则提高预警级别。例如，一氧化碳浓度在进风道传感器出现短时间低幅度异常可以判定为轻微预警，而在返回风道传感器出现大幅升高且持续时间过长可以判断为严重预警。控制装置会根据严重程度和泄漏位置来确定不同级别的预警。

S106、在预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端。

在预警级别达到预设危险阈值时，控制装置会控制报警设备发送声光预警信号和应急指示到用户端。具体的，当预警级别被解析为严重预警时，控制装置会自动激活报警装置，向隧道内的声光报警器发送控制信号，使其发出特定频率的声光报警信号，提示可能存在有毒有害气体泄漏的危险情况，人员应立即疏散。同时，控制装置会根据地理信息系统的数据，结合泄漏点位置自动规划多条疏散逃生路线，并通过移动APP推送的形式向用户端发送应急指示，告知人员应遵循哪些路线迅速撤离，避免通往泄漏区域。

上面实施例中，第一传感器和第二传感器的配合使用，实现了对温湿度、流速、压力和多种气体浓度的精确监测。在实际应用中，还需要考虑数据记录和分析，避免事故的再次发生。下面对本实施例的场景进行补充。

在发生泄漏事故之后，该煤矿建立的报警控制系统回传了监测数据库中预设时间段内的各类监测数据到了云端大数据平台，然后利用云计算建立一个高精度的三维数字孪生系统，根据历史数据模拟还原泄漏前的隧道环境。基于这个模拟环境，系统可以调用智能算法反演气体的扩散规律，判断泄漏的起源位置，并综合相关设备的报警和状态数据找出引发泄漏的设备故障原因。最后，系统自动生成了事故分析报告，并输出到管理平台，提供给工程技术人员进行事故原因分析，防止了类似事故的再次发生。

在结合上述场景后，下面对本实施提供的方法进行进一步的更具体的流程叙述。请参阅图2，为本申请实施例中地下隧道结构有害气体的监测报警方法的另一个流程示意图。

S201、采用分类器对第一传感器进行状态监测，得到传感工作状态。

控制装置会采用分类器对第一传感器进行状态监测，得到传感工作状态。具体的，控制装置中集成了传感器健康度评估模块，该模块包含多类传感器状态的分类器。这些分类器经过离线模型训练，可以对传感器的实时输出信号进行分析判别，判断传感器是否工作在正常状态，例如信号是否稳定、是否存在噪声、是否有漂移等。分类器可以给出每种状态的置信度，控制装置选择置信度最高的状态作为传感工作状态。如某温湿度传感器的输出信号波动剧烈，分类器判定为“信号不稳定”状态，则控制装置确定该传感器当前工作状态为不正常。

S202、当传感工作状态为异常时，读取第一传感器的冗余数据。

当传感工作状态为异常时，控制装置会读取第一传感器的冗余数据。具体的，第一传感器本身集成有冗余硬件电路设计，可以提供一定量的冗余数据。当检测到传感器状态不正常时，控制装置会自动触发该传感器的冗余数据读取功能。读取的冗余数据可以包括同一测量参数的多个冗余测量通道，或者同一时刻的过采样数据等。如温湿度传感器在检测到信号失真时，控制装置会读取其两个温度检测子系统以及两个湿度检测子系统中的冗余数据，获得该时刻的参数测量复制样本。

S203、将冗余数据输入到预设的自动编码器模型中，得到传感校验结果。

控制装置会将读取的冗余数据输入到预设的自动编码器模型中，得到传感校验结果。具体的，控制装置中集成了基于深度学习的自动编码器模型，该模型可以学习正常数据的表达方式，对输入的冗余数据进行编码重构，过滤掉数据中的异常部分，输出重构后相对准确的数据作为校验结果。控制装置会将读取的传感器冗余数据导入该模型，自动编码器通过消除数据中的噪声和异常后输出传感校验结果。如将多个冗余温度数据输入模型，可以检验得到该时刻真实的温度数值。

自动编码器模型是一个基于深度学习的自动编码器模型，可以学习正常数据表达方式。输入为传感器的冗余数据，模型可以过滤异常部分，输出重构后相对准确的数据作为校验结果，用于评估传感器数据的准确性。

S204、使用传感校验结果进行第一传感器的校验。

控制装置会使用传感校验结果进行第一传感器的校验。具体的，控制装置可以将传感校验结果与传感器的原始输出数据进行对比，判断原始输出数据的误差范围。如果误差超出容许范畴，则表明传感器出现故障，需要进行修正或替换。如果误差还在可接受范围内，则可以基于校验结果来修正原始输出数据，作为传感器的校验过程。如温度校验结果比原始输出低2摄氏度，还可以接受，则用校验结果来修正原始数据。

在一些实施例中，控制装置会将传感校验结果输入到预设的误差判断模型中，得到误差分析报告；对误差分析报告进行数据提取和计算，得到第一传感器的误差补偿参数；基于误差补偿参数修正第一传感器的原始监测数据；在误差补偿参数超过预设调整阈值时，向传感器网络发送切换指令，使得第一传感器的接口切换至对应的备用传感器。

具体的，控制装置中集成了一个基于机器学习的误差判断模型，该模型经过大量传感器正常数据训练，能够判断校验结果与正常数据的偏差情况。控制装置会将传感器的校验结果输入该模型，模型会自动分析校验结果与正常结果的误差类型、误差程度等信息，并生成误差分析报告。报告中明确指出导致误差的原因，如电路故障、环境干扰等，以及误差的量化参数。误差判断模型是一个基于机器学习训练的模型，可以判断校验结果与正常数据的偏差情况。输入为传感器的校验结果，可以输出误差分析报告，明确误差原因及定量特征。

控制装置会调用报告解析算法，从报告中提取误差的定量特征，如误差均值、误差方差等数据。然后将这些特征数据输入到误差补偿计算模块，根据传感器的误差分布规律，确定该传感器对应的误差补偿参数，如温度误差的修正系数等。

控制装置获得误差补偿参数后，在获取原始监测数据时，会将其输入误差补偿模块，按照补偿参数对数据进行修正，输出补偿后的准确结果。如温度数据根据补偿参数下调1.5度后，作为修正后的准确温度值。这样可以有效消除传感器读数中的误差，保证监测数据的准确性。

控制装置会持续跟踪补偿参数的大小，如果某一补偿参数长期超出阈值，则表明传感器故障较严重，无法通过补偿来维持正常工作。此时控制装置会向传感器网络的路由/交换机发送控制指令，使该不正常传感器的网络接口自动切换至与之对应的备用传感器，以保证监测的可靠性。

S205、使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据。

参考步骤S101，控制装置会采集环境变量数据。

S206、使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据。

参考步骤S102，控制装置会采集气体浓度数据。

S207、基于数据融合技术融合环境变量数据和气体浓度数据，得到综合监测数据。

参考步骤S103，控制装置会融合环境变量数据和气体浓度数据。

在一些实施例中，控制装置会对环境变量数据和气体浓度数据进行标准化处理，得到标准环境数据和标准气体数据；对标准环境数据和标准气体数据进行去噪处理，消除随机误差干扰，得到去噪环境数据和去噪气体数据；构建多源异构数据的关联矩阵，并采用主成分分析法提取去噪环境数据和去噪气体数据，得到综合监测特征；将综合监测特征映射到高维特征空间，得到综合监测数据。

具体的，控制装置中的数据预处理模块会自动扫描和缩小不同传感器的数据范围，将各种不同量纲、数值跨度的监测数据转换到同一量纲下，例如都标准化为0-1之间的纯数值，使异构数据可比较。这样环境变量和气体浓度等数据就转换为无量纲的标准化数据。

控制装置会使用低通滤波、小波变换等算法，对标准化的数据进行平滑去噪，减少传感器自身噪声和环境噪声引起的随机误差。去噪后，可得到反映监测场景本底变化的去噪环境数据和气体数据。

控制装置会将去噪后的数据构建成一个关联矩阵，矩阵元素表示不同变量间的相关性。然后使用主成分分析法对矩阵进行降维处理，提取主要变量的主成分作为综合监测场景的特征，如温度和一氧化碳浓度的主成分。

控制装置使用深度神经网络模型，将主成分特征作为输入，映射到一个高维特征空间中，输出综合反映监测场景的综合监测数据。这样最终得到能够表示监测场景内在相关性的数据集。

S208、将综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息。

参考步骤S104，控制装置会确定泄漏预警信息。

S209、解析泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别。

参考步骤S105，控制装置会确定预警级别。

在一些实施例中，控制装置会利用数据解析模型解析泄漏预警信息，得到泄漏气体种类、浓度超标程度、持续时间和泄漏发生位置；综合分析泄漏气体种类、浓度超标程度、持续时间和泄漏发生位置，确定泄漏严重程度；结合泄漏严重程度和泄漏发生位置距离人员预设密集区域的远近距离信息，基于隶属度函数确定预警级别。

具体的，控制装置会使用自然语言处理技术，解析预警信息中的非结构化文本数据，提取气体种类名称、数值浓度、时间词组等结构化关键信息，进而得到泄漏气体的名称、浓度超标的幅度、持续发生的时间长度以及对应传感器的安装位置等结构化数据。数据解析模型是一个利用自然语言处理技术解析非结构化文本数据的模型，输入为泄漏预警信息中的文本数据，可以输出结构化的数据，包括泄漏气体种类、浓度超标程度、持续时间和泄漏位置等。

控制装置会加载预先构建的气体危险性知识库，根据泄漏气体的种类判断其危险性。结合浓度超标的幅度大小、持续时间长短，量化判断泄漏程度的严重性。同时，分析泄漏位置所处的通风环境，进一步调整严重程度的评估。最终综合计算得到1-10分的泄漏严重程度得分。

控制装置会将严重程度得分和距离密集人员区域的空间距离作为输入，加载设定的隶属度函数，计算并确定最终预警级别，如一级预警、二级预警等。如果严重程度高且泄漏点靠近人员区域，则判定为一级预警。通过隶属度核算，实现语义模糊信息到确定预警级别的转换。

S210、在预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端。

参考步骤S106，控制装置会控制报警设备发送声光预警信号和应急指示到用户端。

在一些实施例中，控制装置还会实时获取隧道内的图像信息，并使用图像识别算法对图像信息进行分析处理，得到识别目标的类型数据和位置坐标；在识别目标的类型数据为人员目标时，提取位置坐标并标注位置坐标在隧道地图上；确定泄漏发生位置和气体扩散趋势，利用气体扩散模拟算法模拟出不同时间点的气体扩散范围；将气体扩散范围映射到隧道地图上，与识别目标的位置坐标进行匹配分析，确识别目标是否处于气体扩散的危险范围内；若识别目标处于气体扩散的危险范围内，则立即向识别目标所对应的用户终端发送避险提示信息。

具体的，控制装置会调用隧道内的摄像头获取实时图像，然后使用目标检测算法，对图像进行处理，得到各个识别目标的类别（人、车等）以及在图像中的坐标位置。控制装置会筛选出人员目标，并将这些人员在摄像头画面的坐标位置，映射到所存储的隧道平面地图上，形成人员的空间分布信息。控制装置会调用CFD模拟算法，根据泄漏点位置和实时监测到的气流环境，模拟计算气体会随时间向隧道内其他区域扩散的范围和趋势。气体扩散模拟算法是一种计算流体动力学模拟算法，输入为泄漏位置、气流环境数据，可以输出不同时间点气体扩散的模拟范围。这可用于判断人员是否处于危险区域。控制装置会将模拟得到的气体扩散范围绘制到隧道地图上，与摄像头识别到的人员位置进行匹配对比，判断人员是否可能处于有毒气体蔓延的区域内。对比分析认为某一人员有危险时，控制装置会立即向该员工佩戴的移动终端发送提示信息，告知可能有气体泄漏风险，指导其迅速避让至安全区域。

S211、回传监测数据库中预设时间段内的气体浓度数据和环境参数数据到大数据平台。

控制装置中存储有长期积累的监测数据库，包含历史阶段内隧道内不同位置的温湿度、气体浓度等监测数据。在发生气体泄漏事故后，为便于事后分析事故原因，控制装置会自动提取事故发生前一段时间内的监测数据库，并通过网络实时传输备份到云端的大数据平台上。如将泄漏事故发生前24小时内隧道内所有监测点的数据全量传输至云平台，以便存储更多历史数据，有利于事故原因分析。

S212、利用云计算建立三维数字孪生系统，还原气体泄漏前的模拟隧道环境。

借助云端强大的计算能力，控制装置可以调用数字孪生的建模算法，将传输的历史监测数据映射到三维隧道模型上，形成一个模拟的数字孪生系统。该系统可以根据历史数据，还原气体泄漏事故发生前隧道内的温度、湿度、气体浓度分布状态，达到复现事故发生前环境的效果。如利用超大规模CFD模拟算法，结合传感器位置和历史监测数据，再现泄漏前一段时间隧道内的三维气体浓度和流场分布。

S213、基于模拟隧道环境，分析气体扩散规律、判断泄漏起源位置并找出引发泄漏的设备故障数据，生成事故分析报告。

控制装置可以在数字孪生系统中模拟气体扩散过程，通过计算反演确定气体泄漏的起源位置。结合起源位置分析相关设备运行状况和报警数据，可以定位引发泄漏的负责设备并找出故障原因。最后，控制装置会综合归纳各项事故信息，自动生成事故分析报告，输出到管理平台，提供给工程技术人员进行事故原因分析，以便总结经验教训，防止类似事故再次发生。

本申请实施例中，由于采用了多组分气体传感器技术实现对各种有害气体精确检测，并结合环境变量数据进行数据融合，使用深度学习方法建立异常预测模型实现泄漏预警，所以可以准确获取各种气体的浓度数据，有效解决了相关技术中气体传感器的单一气体检测以及交叉敏感性差等问题，进而实现了对地下隧道结构内多种有害气体浓度变化的实时监测和泄漏事故的精确预警，大大提高了对隧道内潜在安全隐患的监测能力和泄漏事故的预警效果，可以在泄漏发生时提前向相关人员发出声光报警并指导疏散逃生，有效减少人员伤亡风险。

下面从模块的角度介绍本申请实施例中的控制装置。请参阅图3，为本申请实施例中控制装置的一种功能模块结构示意图。

该控制装置包括：

第一监测模块301，用于使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据；

第二监测模块302，用于使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据；

数据融合模块303，用于基于数据融合技术融合环境变量数据和气体浓度数据，得到综合监测数据；

泄漏判定模块304，用于将综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息；

预警解析模块305，用于解析泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别；

预警指示模块306，用于在预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端；应急指示包括控制装置结合地理信息系统和泄漏定位信息制定的多条疏散线路。

在一些实施例中，该数据融合模块303具体可以用于：

对环境变量数据和气体浓度数据进行标准化处理，得到标准环境数据和标准气体数据；

对标准环境数据和标准气体数据进行去噪处理，消除随机误差干扰，得到去噪环境数据和去噪气体数据；

构建多源异构数据的关联矩阵，并采用主成分分析法提取去噪环境数据和去噪气体数据，得到综合监测特征；

将综合监测特征映射到高维特征空间，得到综合监测数据。

在一些实施例中，该预警解析模块305具体可以用于：

利用数据解析模型解析泄漏预警信息，得到泄漏气体种类、浓度超标程度、持续时间和泄漏发生位置；

综合分析泄漏气体种类、浓度超标程度、持续时间和泄漏发生位置，确定泄漏严重程度；

结合泄漏严重程度和泄漏发生位置距离人员预设密集区域的远近距离信息，基于隶属度函数确定预警级别。

在一些实施例中，该控制装置还可以用于：

采用分类器对第一传感器进行状态监测，得到传感工作状态；

当传感工作状态为异常时，读取第一传感器的冗余数据；

将冗余数据输入到预设的自动编码器模型中，得到传感校验结果；

使用传感校验结果进行第一传感器的校验。

在一些实施例中，该控制装置还可以用于：

将传感校验结果输入到预设的误差判断模型中，得到误差分析报告；

对误差分析报告进行数据提取和计算，得到第一传感器的误差补偿参数；

基于误差补偿参数修正第一传感器的原始监测数据；

在误差补偿参数超过预设调整阈值时，向传感器网络发送切换指令，使得第一传感器的接口切换至对应的备用传感器。

在一些实施例中，该控制装置还可以用于：

回传监测数据库中预设时间段内的气体浓度数据和环境参数数据到大数据平台；

利用云计算建立三维数字孪生系统，还原气体泄漏前的模拟隧道环境；

基于模拟隧道环境，分析气体扩散规律、判断泄漏起源位置并找出引发泄漏的设备故障数据，生成事故分析报告。

在一些实施例中，该控制装置还可以用于：

实时获取隧道内的图像信息，并使用图像识别算法对图像信息进行分析处理，得到识别目标的类型数据和位置坐标；

在识别目标的类型数据为人员目标时，提取位置坐标并标注位置坐标在隧道地图上；

确定泄漏发生位置和气体扩散趋势，利用气体扩散模拟算法模拟出不同时间点的气体扩散范围；

将气体扩散范围映射到隧道地图上，与识别目标的位置坐标进行匹配分析，确识别目标是否处于气体扩散的危险范围内；

若识别目标处于气体扩散的危险范围内，则立即向识别目标所对应的用户终端发送避险提示信息。

上面从模块化功能实体的角度对本申请实施例中的控制装置进行描述，下面从硬件处理的角度对本发明申请实施例中的控制装置进行描述，请参阅图4，为本申请实施例中控制装置的一种实体装置结构示意图。

需要说明的是，图4示出的控制装置的结构仅是一个示例，不应对本发明实施例的功能和使用范围带来任何限制。

如图4所示，控制装置包括中央处理单元（Central Processing Unit，CPU）401，其可以根据存储在只读存储器（Read-Only Memory，ROM）402中的程序或者从存储部分408加载到随机访问存储器（Random Access Memory，RAM）403中的程序而执行各种适当的动作和处理，例如执行上述实施例中所述的方法。在RAM 403中，还存储有系统操作所需的各种程序和数据。CPU 401、ROM 402以及RAM 403通过总线404彼此相连。输入/输出（Input /Output，I/O）接口405也连接至总线404。

以下部件连接至I/O接口405：包括音频输入装置、按钮开关等的输入部分406；包括液晶显示器（Liquid Crystal Display，LCD）以及音频输出装置、指示灯等的输出部分407；包括硬盘等的存储部分408；以及包括诸如LAN（Local Area Network，局域网）卡、调制解调器等的网络接口卡的通信部分409。通信部分409经由诸如因特网的网络执行通信处理。驱动器410也根据需要连接至I/O接口405。可拆卸介质411，诸如磁盘、光盘、磁光盘、半导体存储器等等，根据需要安装在驱动器410上，以便于从其上读出的计算机程序根据需要被安装入存储部分408。

特别地，根据本发明的实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本发明的实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的计算机程序。在这样的实施例中，该计算机程序可以通过通信部分409从网络上被下载和安装，和/或从可拆卸介质411被安装。在该计算机程序被中央处理单元（CPU）401执行时，执行本发明中限定的各种功能。

需要说明的是，计算机可读存储介质的具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器（RAM）、只读存储器（ROM）、可擦式可编程只读存储器（Erasable Programmable Read Only Memory，EPROM）、闪存、光纤、便携式紧凑磁盘只读存储器（Compact Disc Read-Only Memory，CD-ROM）、光存储器件、磁存储器件、或者上述的任意合适的组合。在本发明中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。

附图中的流程图和框图，图示了按照本发明各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。其中，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，上述模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。

具体的，本实施例的控制装置包括处理器和存储器，存储器上存储有计算机程序，计算机程序被处理器执行时，实现上述实施例提供的地下隧道结构有害气体的监测报警方法。

作为另一方面，本发明还提供了一种计算机可读的存储介质，该存储介质可以是上述实施例中描述的控制装置中所包含的；也可以是单独存在，而未装配入该控制装置中。上述存储介质承载有一个或者多个计算机程序，当上述一个或者多个计算机程序被一个该控制装置的处理器执行时，使得该控制装置实现上述实施例中提供的地下隧道结构有害气体的监测报警方法。

以上所述，以上实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的范围。

上述实施例中所用，根据上下文，术语“当…时”可以被解释为意思是“如果…”或“在…后”或“响应于确定…”或“响应于检测到…”。类似地，根据上下文，短语“在确定…时”或“如果检测到（所陈述的条件或事件）”可以被解释为意思是“如果确定…”或“响应于确定…”或“在检测到（所陈述的条件或事件）时”或“响应于检测到（所陈述的条件或事件）”。

本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程，该流程可以由计算机程序来指令相关的硬件完成，该程序可存储于计算机可读取存储介质中，该程序在执行时，可包括如上述各方法实施例的流程。而前述的存储介质包括：ROM或随机存储记忆体RAM、磁碟或者光盘等各种可存储程序代码的介质。

Claims (10)

1.一种地下隧道结构有害气体的监测报警方法，其特征在于，应用于控制装置，所述方法包括：

使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据；

使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据；

基于数据融合技术融合所述环境变量数据和所述气体浓度数据，得到综合监测数据；

将所述综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息；

解析所述泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别；

在所述预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端；所述应急指示包括所述控制装置结合地理信息系统和泄漏定位信息制定的多条疏散线路。

2.根据权利要求1所述的方法，其特征在于，所述基于数据融合技术融合所述环境变量数据和所述气体浓度数据，得到综合监测数据，具体包括：

对所述环境变量数据和气体浓度数据进行标准化处理，得到标准环境数据和标准气体数据；

对所述标准环境数据和所述标准气体数据进行去噪处理，消除随机误差干扰，得到去噪环境数据和去噪气体数据；

构建多源异构数据的关联矩阵，并采用主成分分析法提取所述去噪环境数据和所述去噪气体数据，得到综合监测特征；

将所述综合监测特征映射到高维特征空间，得到综合监测数据。

3.根据权利要求1所述的方法，其特征在于，所述解析所述泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别，具体包括：

利用数据解析模型解析所述泄漏预警信息，得到泄漏气体种类、浓度超标程度、持续时间和泄漏发生位置；

综合分析所述泄漏气体种类、所述浓度超标程度、所述持续时间和所述泄漏发生位置，确定泄漏严重程度；

结合所述泄漏严重程度和所述泄漏发生位置距离人员预设密集区域的远近距离信息，基于隶属度函数确定预警级别。

4.根据权利要求1所述的方法，其特征在于，在所述使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据的步骤之前，所述方法还包括：

采用分类器对第一传感器进行状态监测，得到传感工作状态；

当所述传感工作状态为异常时，读取所述第一传感器的冗余数据；

将所述冗余数据输入到预设的自动编码器模型中，得到传感校验结果；

使用所述传感校验结果进行所述第一传感器的校验。

5.根据权利要求4所述的方法，其特征在于，所述使用所述传感校验结果进行所述第一传感器的校验，具体包括：

将所述传感校验结果输入到预设的误差判断模型中，得到误差分析报告；

对所述误差分析报告进行数据提取和计算，得到所述第一传感器的误差补偿参数；

基于所述误差补偿参数修正所述第一传感器的原始监测数据；

在所述误差补偿参数超过预设调整阈值时，向传感器网络发送切换指令，使得所述第一传感器的接口切换至对应的备用传感器。

6.根据权利要求1所述的方法，其特征在于，在所述控制报警设备发送声光预警信号和应急指示到用户端的步骤之后，所述方法还包括：

回传监测数据库中预设时间段内的气体浓度数据和环境参数数据到大数据平台；

利用云计算建立三维数字孪生系统，还原气体泄漏前的模拟隧道环境；

基于所述模拟隧道环境，分析气体扩散规律、判断泄漏起源位置并找出引发泄漏的设备故障数据，生成事故分析报告。

7.根据权利要求1所述的方法，其特征在于，在所述控制报警设备发送声光预警信号和应急指示到用户端的步骤之后，所述方法还包括：

实时获取隧道内的图像信息，并使用图像识别算法对所述图像信息进行分析处理，得到识别目标的类型数据和位置坐标；

在所述识别目标的所述类型数据为人员目标时，提取所述位置坐标并标注所述位置坐标在隧道地图上；

确定所述泄漏发生位置和气体扩散趋势，利用气体扩散模拟算法模拟出不同时间点的气体扩散范围；

将所述气体扩散范围映射到所述隧道地图上，与所述识别目标的所述位置坐标进行匹配分析，确所述识别目标是否处于气体扩散的危险范围内；

若所述识别目标处于气体扩散的危险范围内，则立即向所述识别目标所对应的用户终端发送避险提示信息。

8.一种控制装置，其特征在于，包括：

第一监测模块，用于使用第一传感器实时采集隧道内的温度、湿度、空气流速和压力，得到环境变量数据；

第二监测模块，用于使用第二传感器实时获取多个种类的有害气体的浓度信号，并通过光谱分析技术区分和校正交叉敏感性干扰，得到气体浓度数据；

数据融合模块，用于基于数据融合技术融合所述环境变量数据和所述气体浓度数据，得到综合监测数据；

泄漏判定模块，用于将所述综合监测数据输入到预设的异常预测模型中，得到泄漏预警信息；

预警解析模块，用于解析所述泄漏预警信息的泄漏严重程度和泄漏发生位置，确定预警级别；

预警指示模块，用于在所述预警级别达到预设危险阈值时，控制报警设备发送声光预警信号和应急指示到用户端；所述应急指示包括所述控制装置结合地理信息系统和泄漏定位信息制定的多条疏散线路。

9.一种控制装置，其特征在于，包括：一个或多个处理器和存储器；

所述存储器与所述一个或多个处理器耦合，所述存储器用于存储计算机程序代码，所述计算机程序代码包括计算机指令，所述一个或多个处理器调用所述计算机指令以使得所述控制装置执行如权利要求1-7中任一项所述的方法。

10.一种计算机可读存储介质，包括指令，其特征在于，当所述指令在控制装置上运行时，使得所述控制装置执行如权利要求1-7中任一项所述的方法。