本发明专利技术涉及毒害气体检测技术，揭露了融合多传感器数据的气体危害预测方法，包括：获取传感器节点的气体采集数据，将所述气体采集数据进行标准化，得到标准化数据；构建传感器节点的气体辨别框架，并根据所述气体辨别框架构建基本置信函数；利用预设的组合规则对所述传感器节点的气体辨别框架进行置信度组合操作，得到传感器节点组合置信度；根据所述传感器节点组合置信度进行传感器节点中异常节点过滤，并利用预设的融合模型进行气体危险预测，得到气体危险预测结果。本发明专利技术还提出一种融合多传感器数据的气体危害预测装置、设备以及存储介质。本发明专利技术可以提高融合多传感器数据的气体危害预测的效率。
【技术实现步骤摘要】
本专利技术涉及毒害气体检测，尤其涉及一种融合多传感器数据的气体危害预测方法、装置及设备。
技术介绍
1、滋生、泄漏的毒害气体往往会导致经济损失和环境破坏，因此，对滋生或泄露的毒害气体的实时监控对于维持生产环境安全和环境保护非常重要。
2、现阶段常常采用气体传感器监控滋生、泄漏的毒害气体，但在地下管道等恶劣环境中，传感器易故障和错误，使传感器产生的数据具有不确定性，从而导致传统的毒害气体预测模型无法分辨出滋生或泄露的毒害气体。目前在融合多传感器数据的气体危害预测方面，研究人员通常利用历史数据建立统计模型，但此类危险气体预测模型存在检测效率不高的问题。
技术实现思路
1、本专利技术提供一种融合多传感器数据的气体危害预测方法、装置及设备，可以提高融合多传感器数据的气体危害预测的效率。
2、为实现上述目的，本专利技术提供的一种融合多传感器数据的气体危害预测方法，包括：
3、获取传感器节点的气体采集数据，将所述气体采集数据进行标准化，得到标准化数据；
4、构建传感器节点的气体辨别框架，并根据所述气体辨别框架构建基本置信函数；
5、利用预设的组合规则对所述传感器节点的气体辨别框架进行置信度组合操作，得到传感器节点组合置信度；
6、根据所述传感器节点组合置信度进行传感器节点中异常节点过滤，并利用预设的融合模型进行气体危险预测，得到气体危险预测结果。
7、可选地，所述构建传感器节点的气体辨别框架，包括：
>8、根据传感器节点的类型构建初始辨别框架，并定义传感器的危险级别；9、将所述危险级别添加至所述初始辨别框架中，并计算所述初始辨别框架中的所有元素集合；
10、汇总所有元素集合得到所述气体辨别框架。
11、可选地，在所述根据所述气体辨别框架构建基本置信函数之前，还包括：将所述气体辨别框架中的所有元素集合映射至预设质量区间，得到每个元素的质量评分。
12、可选地，所述利用预设的组合规则对所述传感器节点的气体辨别框架进行置信度组合操作，包括：
13、利用所述基本执行函数计算传感器节点中五个采集节点的质量评分；
14、根据所述五个采集节点的质量评分计算传感器节点危险级别下的组合置信度。
15、可选地，所述根据所述五个采集节点的质量评分计算传感器节点危险级别下的组合置信度，采用下述公式计算：
16、
17、其中，k为冲突系数，mx(h)为危险级别为h的新的置信函数，a1、a2、a3、a4以及a5均为气体辨别框架中的元素子集，m1x{·}为传感器x的第一采集节点的质量，m2x{·}为传感器x的第二采集节点的质量，m3x{·}为传感器x的第三采集节点的质量，m4x{·}为传感器x的第四采集节点的质量，m5x{·}为传感器x的第五采集节点的质量。
18、可选地，所述将所述气体采集数据进行标准化，得到标准化数据，包括：
19、步骤1、利用z-score算法去除所述气体采集数据中的异常值；
20、步骤2、利用拉格朗日插值算法对所述气体采集数据中的缺失值进行填充；
21、步骤3、利用loess平滑算法将所述气体采集数据进行平滑化，并确定所述气体采集数据中每个数据点的权重；
22、步骤4、对经过步骤1-3数据处理后的气体采集数据进行归一化处理，得到标准化数据。
23、可选地，所述根据所述传感器节点组合置信度进行传感器节点中异常节点过滤，包括：
24、根据所述五个采集节点的质量评分，并利用两个节点互相构成节点对，计算节点对的质量差异；
25、根据所述质量差异计算每个节点对的质量支持度；
26、根据所述节点对的质量差异构建对应的传感器节点的差异向量；
27、计算所述差异向量与所述质量支持度之间的相似度，并根据所述相似度判断所述五个采集节点中是否存在故障节点；
28、在所述相似度小于预设的相似度阈值时，判断所述节点对中存在故障节点。
29、为了解决上述问题，本专利技术还提供一种融合多传感器数据的气体危害预测装置，所述装置包括：
30、数据处理模块，用于获取传感器节点的气体采集数据，将所述气体采集数据进行标准化，得到标准化数据；
31、传感器节点组合置信度计算模块，用于构建传感器节点的气体辨别框架，并根据所述气体辨别框架构建基本置信函数；利用预设的组合规则对所述传感器节点的气体辨别框架进行置信度组合操作，得到传感器节点组合置信度；
32、危险级别预测模块，用于根据所述传感器节点组合置信度进行传感器节点中异常节点过滤，并利用预设的融合模型进行气体危险预测，得到气体危险预测结果。
33、为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：
34、至少一个处理器；以及，
35、与所述至少一个处理器通信连接的存储器；其中，
36、所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述所述的融合多传感器数据的气体危害预测方法。
37、为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个计算机程序，所述至少一个计算机程序被电子设备中的处理器执行以实现上述所述的融合多传感器数据的气体危害预测方法。
38、本专利技术通过对传感器节点进行标准化操作，可以提高采集到的气体采集数据的质量，此外，还可以消除数据的不确定性，另外，构建传感器节点的气体辨别框架，可以保证气体采集数据中包含的气体危险级别的全面性，再者，通过异常节点过滤可以进一步保证气体采集数据的危险级别识别的准确性，最后，通过利用预设的融合模型进行气体自动化危险预测，可以提升危险级别检测效率。
本文档来自技高网...
【技术保护点】
1.一种融合多传感器数据的气体危害预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的融合多传感器数据的气体危害预测方法，其特征在于，所述构建传感器节点的气体辨别框架，包括：
3.如权利要求1所述的融合多传感器数据的气体危害预测方法，其特征在于，在所述根据所述气体辨别框架构建基本置信函数之前，还包括：将所述气体辨别框架中的所有元素集合映射至预设质量区间，得到每个元素的质量评分。
4.如权利要求1所述的融合多传感器数据的气体危害预测方法，其特征在于，所述利用预设的组合规则对所述传感器节点的气体辨别框架进行置信度组合操作，包括：
5.如权利要求4所述的融合多传感器数据的气体危害预测方法，其特征在于，所述根据所述五个采集节点的质量评分计算传感器节点危险级别下的组合置信度，采用下述公式计算：
6.如权利要求1所述的融合多传感器数据的气体危害预测方法，其特征在于，所述将所述气体采集数据进行标准化，得到标准化数据，包括：
7.如权利要求4所述的融合多传感器数据的气体危害预测方法，其特征在于，所述根据所述传感器节点组合置信度进行传感器节点中异常节点过滤，包括：
8.一种融合多传感器数据的气体危害预测装置，其特征在于，所述装置可以实现如权利要求1至7中任意一项所述的融合多传感器数据的气体危害预测方法，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7中任意一项所述的融合多传感器数据的气体危害预测方法。
...
【技术特征摘要】
1.一种融合多传感器数据的气体危害预测方法，其特征在于，所述方法包括：
2.如权利要求1所述的融合多传感器数据的气体危害预测方法，其特征在于，所述构建传感器节点的气体辨别框架，包括：
3.如权利要求1所述的融合多传感器数据的气体危害预测方法，其特征在于，在所述根据所述气体辨别框架构建基本置信函数之前，还包括：将所述气体辨别框架中的所有元素集合映射至预设质量区间，得到每个元素的质量评分。
4.如权利要求1所述的融合多传感器数据的气体危害预测方法，其特征在于，所述利用预设的组合规则对所述传感器节点的气体辨别框架进行置信度组合操作，包括：
5.如权利要求4所述的融合多传感器数据的气体危害预测方法，其特征在于，所述根据所述五个采集节点的质量评分计算传感器节点危险级别下的组合...
【专利技术属性】
技术研发人员：朱冬，方向明，宋雯，唐国梅，张建，胡小东，
申请(专利权)人：七腾机器人有限公司，
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。