【技术实现步骤摘要】
本专利技术属于有限空间作业，尤其涉及基于多传感器融合的有限空间作业高度测量方法及装置。
技术介绍
1、在工程施工中，人员常进入半封闭或全封闭、与外界隔离、出入口较为狭窄的有限空间进行施工作业。有限空间与其他作业环境对比，危险性相对更高，对于作业人员的管控应更为严格。
2、目前有限空间人员作业高度的测量主要依赖传统的测量工具，或者使用单一的气压高度传感器来进行高度测量。传统的测量工具需要人员进行测量读数，不利于实时监控作业。而单一的气压高度传感器会受到测量环境的实际情况影响，任何地方的气压值会随着时间、温度、风速、季节等因素影响而发生变化，作业时间越长，解算出的高度误差越大。因此，如何进行对有限空间人员作业高度进行精准的测量，具有重要的研究意义。
技术实现思路
1、本专利技术的目的在于提供基于多传感器融合的有限空间作业高度测量方法及装置，旨在解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技术提供如下技术方案：
3、基于多传感器融合的有限空间作业高度测量测量装置，包括：
4、地下节点硬件平台，所述地下节点硬件平台包括传感器模组、电源模组、警报模组和通信模组；所述传感器模组通过传感器采集地下作业环境的温度、气压值和高度值；所述警报模组用于在检测到高度差值超出预设安全范围时触发告警；
5、地面网关硬件平台，与地下节点硬件平台之间通过lora模组实现通信；用于接收来自地下节点硬件平台的数据；所述地面网关硬件平台包括传感器
6、算力单元，与地面网关硬件平台之间通过无线2.4g模组实现通信，所述地面网关硬件平台将地面网关硬件平台和地下节点硬件平台两部分数据上传至算力单元，所述算力单元接收并处理来自地面网关硬件平台的数据，并将计算得到的高度差值回传至地面网关硬件平台。
7、进一步的，所述算力单元处理数据的过程包括：
8、数据处理阶段，构建mobilenet-attention-gru模型，对地面网关硬件平台上报的数据进行标准化处理；
9、训练阶段，对数据和标签值进行分析学习，得到训练好的模型；标签值为地下节点硬件平台与地面网关硬件平台之间的高度差值；
10、测试阶段，将实际传感器的数据集输入训练好的模型，通过mobilenet-attention-gru模型对数据集进行检测，输出估算的高度差值。
11、进一步的，所述数据处理阶段采集到的数据共包含如下信息，记为x，x表示如下：
12、[t,x1h,x2h,x3h,x4h,x5h,x6h,x1s,x2s,x3s,x4s,x5s,x6s]t；
13、其中，t为传感器采集的时间，x1h,x2h,x3h,x4h,x5h,x6h分别为地面网关硬件平台采集的温度值、湿度值、bmp280气压值、bmp280高度值、hp303气压值和hp303高度值；x1s,x2s,x3s,x4s,x5s,x6s分别为地下节点硬件平台采集的温度值、湿度值、bmp280气压值、bmp280高度值、hp303气压值和hp303高度值；标签值记为y；截取5s的数据长度作为数据长度，输入数据表示如下：
14、
15、其中，x′为样本使用时间窗口对数据进行划分后送入网络训练的模型数据。
16、进一步的，构建所述mobilenet-attention-gru模型的过程如下：
17、所述mobilenet-attention-gru模型结合mobilenet-attention和gru；
18、首先，在mobilenet-attention部分，输入特征使用1×1卷积进行提升维度，然后使用bn和h-swish；接着使用3×3深度卷积进行特征提取；之后利用轻量化的注意力机制对特征进行权重调整；接着通过1×1卷积进行降低特征维度，然后使用bn和h-swish；最后，通过残差结构融合mobilenet-attention部分的输入和输出特征；
19、在gru部分，包括重置门和更新门两种结构；
20、最后，将mobilenet-attention与gru所得到的模型进行融合，得到mobilenet-attention-gru模型；使用l1正则化对模型进行稀疏化处理后得到预估高度差；l1正则化的代价函数公式如下：
21、
22、其中，w是mobilenet-attention模型的参数，α是正则化系数，l是没有添加正则化的损失函数项，x是特征集，y是标签集。
23、进一步的，所述注意力机制分为坐标信息嵌入部分和坐标注意力生成部分；
24、所述坐标信息嵌入模块对输入传感器特征使用两个方向上的池化，将特征分为两个独立方向的特征图，通过x平均池化学习单一时间之间的所有传感器序列关系，通过y平均池化学习多个时间单一传感器之间序列关系，之后使用1×1卷积对通道进行调整；
25、所述坐标注意力生成模块将上一步提取到的特征融合后再次拆分，使用1×1卷积对不同通道进行调整，通过sigmoid激活函数得到两个不同序列的权重信息，最后将序列权重信息与输入特征相乘，获得到权重调整后的特征。
26、进一步的，所述训练阶段中，采用梯度下降法进行模型训练，使用adam优化器，初始学习率为10-4，使用余弦退火衰减调整学习率，batch size设置为64，训练轮次设置为100000。
27、基于多传感器融合的有限空间作业高度测量方法，包括以下步骤：
28、步骤1、装置上电，地下节点硬件平台采集地下作业环境的温度、气压值和高度值并发送至地面网关硬件平台；
29、步骤2、地面网关硬件平台收到地下节点硬件平台的上传数据后，采集地面网关硬件平台所处位置的温度、气压值和高度值；地面网关硬件平台将地下作业环境和地面网关硬件平台所处位置两处的传感器数据上传至算力单元；
30、步骤3、算力单元对接收的数据进行运算，得到最终高度差值并回传至地面网关硬件平台；
31、步骤4、地面网关硬件平台对高度差值进行分析，判断作业人员的相对工作高度是否异常；若作业人员的相对工作高度异常，地面网关硬件平台发送信号至地下节点硬件平台，地下节点硬件平台进行告警。
32、与现有技术相比，本专利技术的有益效果是：
33、本专利技术能够精准的定位作业人员位置信息，有效保障了有限空间作业现场的安全。
本文档来自技高网...【技术保护点】
1.基于多传感器融合的有限空间作业高度测量装置，其特征在于，包括：
2.根据权利要求1所述的基于多传感器融合的有限空间作业高度测量装置，其特征在于，所述算力单元处理数据的过程包括：
3.根据权利要求2所述的基于多传感器融合的有限空间作业高度测量装置，其特征在于，所述数据处理阶段采集到的数据共包含如下信息，记为X，X表示如下：
4.根据权利要求1所述的基于多传感器融合的有限空间作业高度测量装置，构建所述MobileNet-Attention-GRU模型的过程如下：
5.根据权利要求1所述的基于多传感器融合的有限空间作业高度测量装置，所述注意力机制分为坐标信息嵌入部分和坐标注意力生成部分；
6.根据权利要求1所述的基于多传感器融合的有限空间作业高度测量装置，所述训练阶段中，采用梯度下降法进行模型训练，使用Adam优化器，初始学习率为10-4，使用余弦退火衰减调整学习率，Batch Size设置为64，训练轮次设置为100000。
7.基于多传感器融合的有限空间作业高度测量方法，其特征在于，包括以下步骤：
【技术特征摘要】
1.基于多传感器融合的有限空间作业高度测量装置，其特征在于，包括：
2.根据权利要求1所述的基于多传感器融合的有限空间作业高度测量装置，其特征在于，所述算力单元处理数据的过程包括：
3.根据权利要求2所述的基于多传感器融合的有限空间作业高度测量装置，其特征在于，所述数据处理阶段采集到的数据共包含如下信息，记为x，x表示如下：
4.根据权利要求1所述的基于多传感器融合的有限空间作业高度测量装置，构建所述mobilenet-attention-gru模型的...
【专利技术属性】
技术研发人员：苗国立，吕小浩，景国明，文宗山，陈东升，常小亮，万文阁，张岩，李永恒，高姣龙，胥凯强，周瑶，韩江鹏，
申请(专利权)人：河南送变电建设有限公司，
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。