System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及气体检测的,更具体地,涉及一种有限空间内混合气体检测及协同预警方法及系统。
技术介绍
1、目前针对混合气体的检测大多使用电化学法,其方法成本低、速度快、体积小。电化反应装置原理是利用电极传感器测量氧化还原反应形成的电动势或电流,换算成被测气体浓度。使用电化学法测量气体浓度精度高、线性范围宽、空气中零点漂移小、输出稳定等优点。但传感器本身输出信号较弱,且信号中的有效信息有可能被存在的噪声覆盖,不能有效的反应气体浓度。
2、本专利技术使用四电极结构电化学传感器,此结构传感器同常用的三电极电化学传感器相比都有较好的灵敏度、稳定性。但传感器在测量电极的氧化还原反应形成的电动势或电流时,某些三电极体系气体传感器易受千扰,而四电极结构是带有补偿电极的电化学传感器结构,四电极结构从理论上在低量程,高精度,存在干扰的应用中有较好的表现,实现的检测量程覆盖从几十至数千ppm。
3、现有技术在进行混合气体检测时,影响大气中气体浓度变化的因素有很多,其噪声特点符合随机过程的特点。传统的中值滤波、均值滤波等单一滤波方法对混合气体检测过程中的干扰消除效果不明显。使用卡尔曼滤波可以很好的处理此类随机过程。卡尔曼滤波被广泛应用于多传感器融合系统,在任何含有不确定信息的动态系统中使用卡尔曼滤波,对系统下一步的走向做出有根据的预测。小波滤波同卡尔曼滤波一样都是频域滤波的方法,小波滤波适用于滤波有特定频率范围的噪音。由于现有传感器系统中的噪声与信号既有可能存在频率上的差别,同时传感器输出信号的变化过程又符合随机过程的特点,因此
4、使用同一类型传感器进行协同感知,以实现对单一气体浓度状态信息的可信获取,可以增加测量空间的维数,减小其交叉干扰的影响。并提高预测下一时刻的气体浓度可靠成程度。同时系统能不完全依赖全部的传感器提供信息,增加系统的生存能力,提高可信度,实现对目前的全面准确检测。
5、此外,在电网应用中有众多传感器共同协调工作,各传感器感知的信息通常具有不同的特征:模糊、错误、互拆、竞争等。这些各异的信息出现也可能导致任意某单个信息难以准确判断被测对象的真实状态,所以往往需要传感器协同感知。
6、在有限空间内进行多种气体浓度检测时,一般需要经信号采集、信号处理、预警发送三步处理。在信号采集过程中:现有技术常用的方法包括气泵采集气体分析和传感器检测,其存在的技术缺陷包括:
7、通过气泵采集当前时刻作业空间内气体样本,当空间内包含多种气体时,由于有限空间内同时存在多种毒害气体淤积,检测某单种气体浓度的传感器可能受环境中其他气体干扰;或某些气体间发生化学反应,当空间内环境发生微小变化,气体浓度也发生一定的改变,导致检测的结果不准确,检测数据并不能直接反应有限空间内真实气体浓度。
8、另外在使用传感器进行检测时,传感器内部也会引入电噪声。传感器内参考电极电位由恒电位电路的运算放大器提供,运放的输出受电源纹波、电磁干扰等因素影响会产生一定的微小波动从而对传感器造成影响,电解质与电极之间在进行化学反应时会存在离子吸附-脱离,扰动扩散的过程,这一过程会引起传感器本身电阻变化进而形成噪声,也会影响检测结果的准确性,而现有的气体浓度计算中并未能够对噪声进行有效的处理。
技术实现思路
1、为解决现有技术中存在的不足,本专利技术提供一种有限空间内混合气体检测及协同预警方法,能够解决现有技术中对于有限空间内混合气体检测中计算复杂、检测结果不准确的技术问题。
2、本专利技术采用如下的技术方案。
3、一种有限空间内混合气体检测及协同预警方法,包括如下步骤:
4、获取待检测空间内各种类气体的数据,并按照气体种类进行数据融合得到各种类气体对应的融合数据;
5、对各种类气体的融合数据分别进行小波分解,得到当前时刻的多级卡尔曼小波气体浓度信号向量;
6、基于卡尔曼滤波器和当前时刻多级卡尔曼小波气体浓度信号,结合噪声影响得到下一时刻卡尔曼小波序列的最佳估计,并通过迭代更新参数计算各时刻卡尔曼小波序列的最佳估计;
7、对卡尔曼小波序列的最佳估计进行小波重构,将多级小波分解的气体浓度信号恢复为气体浓度滤波信号,并根据气体浓度滤波信号计算待检测空间内的气体浓度;
8、设置各气体的生存风险系数,根据气体浓度和对应的生存风险系数计算有限空间的生存风险系数,并结合预设的生存风险系数阈值判断待检测空间是否安全,若不安全则进行预警。
9、优选地,获取气体对应的融合数据具体包括:
10、通过气体传感器,在k时刻获取气体x的传感器阵列中的m个数据,并将数据进行融合得到气体x对应的融合数据融合数据满足:
11、
12、其中,n为表示小波变换的初始阶数;x1、x2、…、xm分别表示各气体传感器采集到的气体数据。
13、优选地,对各种类气体的融合数据分别进行小波分解具体包括:
14、得到的n阶小波变换的变换矩阵t(n-3|n)如下:
15、
16、式中,gn-3、gn-2分别为三阶和二阶哈尔小波变换矩阵的尺度算子,hn-3、hn-2分别为三阶和二阶阶的哈尔小波变换矩阵的小波算子;
17、经过三阶小波变换后,基于变换矩阵t(n-3|n)和融合数据得到的当前时刻多级卡尔曼小波气体浓度信号向量为:
18、
19、式中,为k时刻三阶分辨率下,低频部份对应的卡尔曼小波序列,分别为k时刻三阶分辨率、二阶分辨率、一阶分辨率下高频部份对应的卡尔曼小波序列。
20、优选地,基于卡尔曼滤波器和当前时刻多级卡尔曼小波气体浓度信号,结合噪声影响得到下一时刻卡尔曼小波序列的最佳估计,根据下一时刻卡尔曼小波序列的最佳估计迭代得到各时刻卡尔曼小波序列的最佳估计,具体包括:
21、使用卡尔曼滤波器预测部份的状态估计方程,基于当前时刻多级卡尔曼小波气体浓度信号向量估计下一时刻卡尔曼小波气体浓度序列向量,并计算噪声协方差,根据噪声协方差得到测量噪声;
22、使用卡尔曼滤波器预测部分的概率分布估计方程,根据噪声协方差q、状态转移矩阵a以及当前时刻真实气体浓度值与最优估计气体浓度值之间的协方差pk估计下一时刻气体真实浓度和预测浓度的协方差矩阵pk+1;
23、计算状态观测矩阵,并结合下一时刻气体真实浓度和预测浓度的协方差矩阵、状态转移矩阵和测量当前时刻的噪声协方差计算卡尔曼滤波算法的增益k;
24、结合状态观测矩阵、测量噪声和当前时刻多级卡尔曼小波气体浓度信号向量计算当前时刻状态矩阵的实际观测量
25、根据状态转移矩阵a、下一时刻多级卡尔曼小波气体浓度序列向量、增益k、当前时刻状态矩阵的实际观测量状态观测矩阵c以及当前时刻卡尔曼小波序列的最佳估计计算下一时刻卡尔曼小波序列的最佳估计
26、优选地,迭本文档来自技高网...
【技术保护点】
1.一种有限空间内混合气体检测及协同预警方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的有限空间内混合气体检测及协同预警方法,其特征在于,
3.根据权利要求1所述的有限空间内混合气体检测及协同预警方法,其特征在于,
4.根据权利要求1所述的有限空间内混合气体检测及协同预警方法,其特征在于,
5.根据权利要求4所述的有限空间内混合气体检测及协同预警方法,其特征在于,
6.根据权利要求4所述的有限空间内混合气体检测及协同预警方法,其特征在于,
7.根据权利要求6所述的有限空间内混合气体检测及协同预警方法,其特征在于,
8.根据权利要求4所述的有限空间内混合气体检测及协同预警方法,其特征在于,
9.根据权利要求4所述的有限空间内混合气体检测及协同预警方法,其特征在于,
10.根据权利要求5所述的有限空间内混合气体检测及协同预警方法,其特征在于,
11.一种利用权利要求1-10任一项权利要求所述有限空间内混合气体检测及协同预警方法的有限空间内混合气体检测及协同
12.一种终端,包括处理器及存储介质;其特征在于:
13.计算机可读存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现权利要求1-10任一项所述方法的步骤。
...【技术特征摘要】
1.一种有限空间内混合气体检测及协同预警方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的有限空间内混合气体检测及协同预警方法,其特征在于,
3.根据权利要求1所述的有限空间内混合气体检测及协同预警方法,其特征在于,
4.根据权利要求1所述的有限空间内混合气体检测及协同预警方法,其特征在于,
5.根据权利要求4所述的有限空间内混合气体检测及协同预警方法,其特征在于,
6.根据权利要求4所述的有限空间内混合气体检测及协同预警方法,其特征在于,
7.根据权利要求6所述的有限空间内混合气体检测及协同预警方法,其特征在于,
8.根据权利要求...
【专利技术属性】
技术研发人员:张明晖,谢敏,丁争,王聪,张志坚,陈峻宇,陈晓伟,
申请(专利权)人:国网江苏省电力有限公司无锡供电分公司,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。