CN106501451B - 一种气体传感器的部署优化方法、***及服务器 - Google Patents
一种气体传感器的部署优化方法、***及服务器 Download PDFInfo
- Publication number
- CN106501451B CN106501451B CN201610919441.0A CN201610919441A CN106501451B CN 106501451 B CN106501451 B CN 106501451B CN 201610919441 A CN201610919441 A CN 201610919441A CN 106501451 B CN106501451 B CN 106501451B
- Authority
- CN
- China
- Prior art keywords
- gas
- objective function
- gas sensors
- preset
- sensor
- 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
- 238000005457 optimization Methods 0.000 title claims abstract description 76
- 238000000034 method Methods 0.000 title claims abstract description 41
- 238000012360 testing method Methods 0.000 claims abstract description 114
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000009792 diffusion process Methods 0.000 claims abstract description 16
- 239000002245 particle Substances 0.000 claims description 81
- 238000012545 processing Methods 0.000 claims description 49
- 230000003044 adaptive effect Effects 0.000 claims description 26
- 238000004364 calculation method Methods 0.000 claims description 15
- 238000004088 simulation Methods 0.000 claims description 11
- 239000012530 fluid Substances 0.000 claims description 6
- 238000004422 calculation algorithm Methods 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 239000000126 substance Substances 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000009434 installation Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 238000004880 explosion Methods 0.000 description 1
- 239000002360 explosive Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 239000000383 hazardous chemical Substances 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 231100000614 poison Toxicity 0.000 description 1
- 230000007096 poisonous effect Effects 0.000 description 1
- 230000009467 reduction 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
- G01N33/0073—Control unit therefor
- G01N33/0075—Control unit therefor for multiple spatially distributed sensors, e.g. for environmental monitoring
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01M—TESTING STATIC OR DYNAMIC BALANCE OF MACHINES OR STRUCTURES; TESTING OF STRUCTURES OR APPARATUS, NOT OTHERWISE PROVIDED FOR
- G01M3/00—Investigating fluid-tightness of structures
- G01M3/02—Investigating fluid-tightness of structures by using fluid or vacuum
- G01M3/04—Investigating fluid-tightness of structures by using fluid or vacuum by detecting the presence of fluid at the leakage point
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Health & Medical Sciences (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Combustion & Propulsion (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明提供一种气体传感器的部署优化方法、***及服务器,方法包括:模拟检测区域内气体扩散态势;采集检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;建立第一目标函数和第二目标函数;采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,对不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数进行标准化处理;根据标准化处理后的最优第二目标函数和预设迭代次数,采用所述预置优化方式,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。本发明提高气体传感器覆盖到气体报警浓度点的数量,达到传感器覆盖度越高,覆盖越均衡的效果。
Description
技术领域
本发明属于应急通信技术领域,涉及一种优化方法及***,特别是涉及一种气体传感器的部署优化方法、***及服务器。
背景技术
随着化工行业的发展,涉及到易燃易爆、有毒有害危险品的危化品园区,由于人为、设备、生产管理或者环境因素等不可避免地会出现危险气体的泄漏的情况,会引起火灾、***等一系列严重事故,事故一旦发生,危害范围往往会很大,可能会超出工业园区或建设项目的边界,给周边人群、环境造成恶劣影响,导致大量人员伤亡和财产损失,若事故发生在城市区域或者人口密集区域,由于人员集中,疏散困难,造成的后果会更加严重。
在实际园区中,按照国家规定园区会按照一些常规行业标准安装气体传感器,用于对危化品泄漏进行监测,对事故起到预警和应急的作用,但是健康与安全执行委员会(HSE)在1993年和2003年分别指出,在这些安装了气体传感器的园区中发生的事故超过一半的事故无法被监测到,究其原因是由于目前园区中气体传感器部署无法全面考虑影响气体扩散的因素:这些因素包括泄漏源位置、泄漏源数量、气体组分、气象条件、管道设计、工艺条件、化工园区设备及建筑结构部署、隔离***、减压***、监测频率等,以及各种建筑物的阻挡,风向风速和地势以及植被等原因,使得这些按照标准安装的气体传感器在气体发生泄漏后可能会无法检测到气体,失去了安装的意义,也就是说他们并没有采用量化气体泄漏的方法部署气体传感器,在有风的情况下,由于气体扩散的态势图在风向和风力的影响下浓度等值线是变化的,所以传感器形同虚设,根本无法监测到气体,更不会报警。
因此,如何提供一种气体传感器的部署优化方法、***及服务器,以解决现有技术中安装在工业园区的气体传感器在气体发生泄漏后无法检测到气体,以导致安装的气体传感器失去安装意义,形同虚设等问题,实以成为本领域从业者亟待解决的技术问题。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种气体传感器的部署优化方法、***及服务器,用于解决现有技术中安装在工业园区的气体传感器在气体发生泄漏后无法检测到气体,以导致安装的气体传感器失去安装意义,形同虚设的问题。
为实现上述目的及其他相关目的,本发明一方面提供一种气体传感器的部署优化方法,应用于覆盖多个气体传感器的检测区域,以检测该检测区域内气体的泄漏,所述气体传感器的部署优化方法包括以下步骤:将该检测区域划分为网格状,并模拟该检测区域内气体扩散态势;采集划分成网格状的检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;所述报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处;根据不同网格点处的泄漏浓度值和大于气体报警浓度阈值的报警浓度点的坐标,建立用于描述传感器覆盖状况和传感器覆盖报警浓度点状况的第一目标函数和第二目标函数;采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,并对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理;根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
于本发明的一实施例中,通过预置的计算流体动力法模拟所述检测区域内气体扩散态势。
于本发明的一实施例中,所述预置优化方式为粒子群优化算法。
于本发明的一实施例中,所述第一目标函数=传感器覆盖的权重×传感器覆盖均衡度+传感器覆盖所述报警浓度点的权重×传感器覆盖报警浓度点的覆盖度;所述第二目标函数=传感器覆盖均衡度+传感器覆盖报警浓度点的覆盖度。
于本发明的一实施例中,所述采用预置优化方式计算在不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的步骤包括:将预置数量气体传感器的初始位置集、预置数量气体传感器的随机部署位置集、预置数量气体传感器移动速度集、预置数量气体传感器随机部署的自适应第二目标函数值集、及预置数量气体传感器随机部署的最小自适应第二目标函数值组成的集合定义为粒子;在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;利用初始化后的预置数量粒子中的预置数量气体传感器的随机部署位置集,计算所述第二目标函数,以获取预置数量气体传感器随机部署的自适应第二目标函数值集;从预置数量气体传感器随机部署的自适应第二目标函数值集中,查找预置数量气体传感器随机部署的最小自适应第二目标函数值;更新初始化后预置数量粒子中预置数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;通过预设迭代次数的迭代初始化至更新的步骤,获取每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数,及其对应的每一预置数量气体传感器的泄漏气体测试状态下气体传感器的最优坐标位置,以每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数。
于本发明的一实施例中,所述对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理的步骤包括:标准化每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度;分别计算标准化后的每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的比重;计算在每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵,计算信息熵的冗余度;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵的冗余度和传感器覆盖报警浓度点的覆盖度的信息熵的冗余度,计算所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重。
于本发明的一实施例中,所述根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置的步骤包括:将任意数量气体传感器的初始位置集、任意数量气体传感器的随机部署位置集、任意数量气体传感器移动速度集、任意数量气体传感器随机部署的自适应第一目标函数值集、及任意数量气体传感器随机部署的最小自适应第一目标函数值组成的集合定义为粒子;将计算出的所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重代入任意数量气体传感器的泄漏气体测试状态下所建立的第一目标函数;在任意数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;利用初始化后的预置数量粒子中的任意数量气体传感器的随机部署位置集,计算所述第一目标函数,以获取任意数量气体传感器随机部署的自适应第一目标函数值集;从任意数量气体传感器随机部署的自适应第一目标函数值集中,查找任意数量气体传感器随机部署的最小自适应第一目标函数值;更新初始化后预置数量粒子中任意数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;通过预设迭代次数的迭代初始化至更新的步骤,获取任意数量气体传感器的泄漏气体测试状态下最优第一目标函数,及其任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
本发明另一方面提供一种气体传感器的部署优化***,应用于覆盖多个气体传感器的检测区域,以检测该检测区域内气体的泄漏,所述气体传感器的部署优化***包括:模拟模块,用于将该检测区域划分为网格状,并模拟该检测区域内气体扩散态势;采集模块,用于采集划分成网格状的检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;所述报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处;目标函数建立模块,用于根据不同网格点处的泄漏浓度值和大于气体报警浓度阈值的报警浓度点的坐标,建立用于描述传感器覆盖状况和传感器覆盖报警浓度点状况的第一目标函数和第二目标函数;第一处理模块,用于采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,并对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理;第二处理模块,用于根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
于本发明的另一实施例中,所述模拟模块通过预置的计算流体动力法模拟所述检测区域内气体扩散态势。
于本发明的另一实施例中,所述第一目标函数=传感器覆盖的权重×传感器覆盖均衡度+传感器覆盖所述报警浓度点的权重×传感器覆盖报警浓度点的覆盖度;所述第二目标函数=传感器覆盖均衡度+传感器覆盖报警浓度点的覆盖度。
于本发明的另一实施例中,所述第一处理模块包括:第一定义单元,用于将预置数量气体传感器的初始位置集、预置数量气体传感器的随机部署位置集、预置数量气体传感器移动速度集、预置数量气体传感器随机部署的自适应第二目标函数值集、及预置数量气体传感器随机部署的最小自适应第二目标函数值组成的集合定义为粒子;第一初始化单元,用于在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;第一计算单元,用于利用初始化后的预置数量粒子中的预置数量气体传感器的随机部署位置集,计算所述第二目标函数,以获取预置数量气体传感器随机部署的自适应第二目标函数值集;第一查找单元,用于从预置数量气体传感器随机部署的自适应第二目标函数值集中,查找预置数量气体传感器随机部署的最小自适应第二目标函数值;第一更新单元,用于更新初始化后预置数量粒子中预置数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;第一迭代处理单元,用于通过预设迭代次数的迭代运行所述第一初始化单元、第一计算单元、第一查找单元、及第一更新单元,获取每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数,及其对应的每一预置数量气体传感器的泄漏气体测试状态下气体传感器的最优坐标位置,以每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数。
于本发明的另一实施例中,所述第一处理模块还包括与所述第一迭代单元连接的第一标准化处理单元;所述第一标准化处理单元用于标准化每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度;分别计算标准化后的每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的比重;计算在每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵,计算信息熵的冗余度;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵的冗余度和传感器覆盖报警浓度点的覆盖度的信息熵的冗余度,计算所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重。
于本发明的另一实施例中,所述第二处理模块包括:第二定义单元,用于将任意数量气体传感器的初始位置集、任意数量气体传感器的随机部署位置集、任意数量气体传感器移动速度集、任意数量气体传感器随机部署的自适应第一目标函数值集、及任意数量气体传感器随机部署的最小自适应第一目标函数值组成的集合定义为粒子;第二初始化单元,用于将计算出的所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重代入任意数量气体传感器的泄漏气体测试状态下所建立的第一目标函数,并在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;第二计算单元,用于利用初始化后的预置数量粒子中的任意数量气体传感器的随机部署位置集,计算所述第一目标函数,以获取任意数量气体传感器随机部署的自适应第一目标函数值集;第二查找单元,用于从任意数量气体传感器随机部署的自适应第一目标函数值集中,查找任意数量气体传感器随机部署的最小自适应第一目标函数值;第二更新单元,用于更新初始化后预置数量粒子中任意数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;第二迭代处理单元,用于通过预设迭代次数的迭代运行所述第二初始化单元、第二计算单元、第二查找单元、及第二更新单元,获取任意数量气体传感器的泄漏气体测试状态下最优第一目标函数,及其任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
本发明又一方面提供一种服务器,所述服务器包括:所述的气体传感器的部署优化***,以便任意数量的气体传感器安装于所述气体传感器的部署优化***设定好的最优部署位置。
如上所述,本发明的气体传感器的部署优化方法、***及服务器,具有以下有益效果:
通过本发明所述的气体传感器的部署优化方法、***及服务器提高了气体传感器覆盖到气体报警浓度点的数量,同时达到气体传感器覆盖均衡,使得在化工园区气体泄漏时能够迅速高效进行报警,以便工作人员采取对应措施。
附图说明
图1显示为本发明的气体传感器的部署优化方法于一实施例中的流程示意图。
图2显示为本发明的气体传感器的部署优化方法中步骤S4的流程示意图。
图3显示为本发明的气体传感器的部署优化方法中步骤S5的流程示意图。
图4显示为本发明的气体传感器的部署优化***于一实施例中原理结构示意图。
图5显示为本发明的气体传感器的部署优化***中第一处理模块的原理结构示意图。
图6显示为本发明的气体传感器的部署优化***中第二处理模块的原理结构示意图。
图7显示为本发明的服务器于一实施例中的原理结构示意图。
元件标号说明
1 气体传感器的部署优化***
11 模拟模块
12 采集模块
13 目标函数建立模块
14 第一处理模块
15 第二处理模块
141 第一定义单元
142 第一初始化单元
143 第一计算单元
144 第一查找单元
145 第一更新单元
146 第一迭代处理单元
147 第一标准化处理单元
151 第二定义单元
152 第二初始化单元
153 第二计算单元
154 第二查找单元
155 第二更新单元
156 第二迭代处理单元
S1~S5 步骤
S41~S47 步骤
S51~S57 步骤
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
本发明所述的气体传感器的部署优化方法、***及服务器
实施例一
本实施例提供一种气体传感器的部署优化方法,应用于覆盖多个气体传感器的检测区域,以检测该检测区域内气体的泄漏,所述气体传感器的部署优化方法包括以下步骤:
将该检测区域划分为网格状,并模拟该检测区域内气体扩散态势;
采集划分成网格状的检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;所述报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处;
根据不同网格点处的泄漏浓度值和大于气体报警浓度阈值的报警浓度点的坐标,建立用于描述传感器覆盖状况和传感器覆盖报警浓度点状况的第一目标函数和第二目标函数;
采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,并对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理;
根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
以下将结合图示对本实施例所提供的气体传感器的部署优化方法进行详细说明。本实施例所述的气体传感器的部署优化方法应用于覆盖多个气体传感器的检测区域,于实施例中所述检测区域可以为化工工业园区。通过运行本实施例所述的气体传感器的部署优化方法,为欲安装的气体传感器设置最优部署位置,达到气体传感器覆盖到的报警浓度点越多,所达到的覆盖度越高,而且覆盖的越均衡。请参阅图1,显示为气体传感器的部署优化方法于一实施例中的流程示意图。如图1所示,所述气体传感器的部署优化方法具体包括以下几个步骤:
S1,将该检测区域划分为网格状,并模拟该检测区域内气体扩散态势。在本实施例中,检测区域范围为50m×50m×10m,泄漏源为1m×1m×2m,泄漏源强度为10.98kg/s,风速为1.5m/s,风向从园区左侧吹向右侧,气体扩散时间为30s的情况下,将仿真区域高度为0.6m的水平面划分为5m×5m的网格,利用CFD理论(预置的计算流体动力法)进行气体扩散态势模拟。
S2,采集划分成网格状的检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;所述报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处。如表1所示报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处的位置坐标。表1中,X,Y,Z为报警浓度点的三个维度,C表示报警浓度点的泄漏浓度值。
S3,根据不同网格点处的泄漏浓度值和大于气体报警浓度阈值的报警浓度点的坐标,建立用于描述传感器覆盖状况和传感器覆盖报警浓度点状况的第一目标函数和第二目标函数。
在本实施例中,
所述第一目标函数=传感器覆盖的权重×传感器覆盖均衡度+传感器覆盖所述报警浓度点的权重×传感器覆盖报警浓度点的覆盖度;
所述第二目标函数=传感器覆盖均衡度+传感器覆盖报警浓度点的覆盖度。
假设本实施例中化工工业园区内的报警浓度点为M个,用ei表示,i为第i个报警浓度点,i∈(1,2,…,M),报警浓度点的位置坐标分别为[(X1,Y1);(X2,Y2);…;(XM,YM)],气体传感器数量为N个,用sj表示,j为第j个气体传感器,j∈(1,2,…,N),传感器的感知半径为r,位置坐标分别为[(xs1,ys1);(xs2,ys2);…;(xsN,ysN)]。
传感器覆盖报警浓度点的覆盖度定义为:气体的报警浓度点与传感器节点的距离小于感知半径r,即满足公式d(ei,sj)<r,其中d(ei,sj)为报警浓度点与传感器之间的距离。相对而言,当报警浓度点与所有传感器的距离都大于感知半径r时,说明这个报警浓度点没有被任何气体传感器覆盖到,如果没有被覆盖到的报警浓度点的个数最小则部署方案最优。
传感器覆盖均衡度需要满足的条件是:其中c(sj)表示被第j个气体传感器覆盖到的报警浓度点的个数,E(s)表示所有气体传感器覆盖到的报警浓度点的数量的平均值。
具体所述第一目标函数和第二目标函数的数学表达式为:
其中,I(d(ei,s1)>r∩(d(ei,s2)>r…∩d(ei,sN)>r)=1表示报警浓度点ei不在气体传感器的覆盖范围内,即
其中,N为传感器个数,M为报警浓度点个数,表示传感器覆盖均衡度,表示传感器覆盖报警浓度点的覆盖度,α和β表示目标函数中A和B两部分的权重。
S4,采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,并对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理。在本实施例中,所述预置优化方式为PSO,即粒子群优化算法。具体地,利用粒子群优化算法计算在5个、8个、11个、14、17个气体传感器的泄漏气体测试条件下第二目标函数中传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度,即A和B两部分的函数值。请参阅图2,显示为步骤S4的流程示意图。如图2所示,所述步骤S4具体包括以下几个步骤:
S41,将预置数量气体传感器的初始位置集预置数量气体传感器的随机部署位置集(粒子的当前位置坐标,即N个气体传感器的当前位置坐标)、预置数量气体传感器移动速度集预置数量气体传感器随机部署的自适应第二目标函数值集及预置数量气体传感器随机部署的最小自适应第二目标函数值gbest组成的集合定义为粒子。所述粒子用P表示,本实施例粒子的预置数量用F表示。
S42,在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置。初始化的预置数量粒子的位置为:
S43,利用初始化后的预置数量粒子中的预置数量气体传感器的随机部署位置集,计算所述第二目标函数以获取预置数量气体传感器随机部署的自适应第二目标函数值集
S44,从预置数量气体传感器随机部署的自适应第二目标函数值集中,查找预置数量气体传感器随机部署的最小自适应第二目标函数值gbest。
S45,更新初始化后预置数量粒子中预置数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置。
更新初始化后预置数量粒子中预置数量气体传感器移动速度集的速度更新公式为:
vhd k+1=wk*vhd k+c1ξ(phd k-xhd k)+c2η(gk-xhd k) 公式(4)
更新初始化后预置数量粒子的位置的位置更新公式为:
xhd k+1=xhd k+Rvhd k+1 公式(5)
其中,h为第h个粒子,d为粒子的第d维变量,k为第k次迭代;c1表示粒子对自身的认知,通常设为2;c2表示粒子对粒子群的整体认知,通常设为2;ξ和η是[0,1]区间内随机分布的随机数;R表示在位置更新的时候的约束因子,通常设为1;vhd为粒子的速度,范围在[vmin,vmax];当vhd>vmax,取vhd=vmax,当vhd<vmin,取vhd=vmin;wk表示惯性权重。
S46,通过预设迭代次数(于本实施例中,所述预设迭代次数为5000)的迭代S42至S45,直至收敛获取每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数,及其对应的每一预置数量气体传感器的泄漏气体测试状态下气体传感器的最优坐标位置,即获取到5个、8个、11个、14、17个气体传感器下的最优坐标位置,以代入第二目标函数F2中,得到第二目标函数中两部分的函数值,即A和B的值,见表2,同时可以计算出目标函数值每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数MINF2。
表2:不同气体传感器对应的A和B值
S47,对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理,以获取所述第一目标函数中传感器覆盖的权重α和传感器覆盖所述报警浓度点的权重β。具体标准化不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的过程如下:
标准化每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度,即标准化步骤S36计算的A和B值。
具体地,标准化每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的公式如下:
其中,l1表示每一预置数量气体传感器的情况,于本实施例中,每一预置数量气体传感器的情况为5个、8个、11个、14、17个气体传感器的情况;l2表示A和B;Xl1l2'表示标准化的A或B值;Xl1l2表示步骤S36计算的A或B值。通过公式(6)将表2中的A和B的值标准化后的A和B值请见表3。
表3:标准化的A和B值
分别计算标准化后的每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的比重。
具体地,计算标准化后的每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的比重的公式如下:
其中,m表示预置数量气体传感器的情况的数目,即5个、8个、11个、14、17个气体传感器的5种情况。
计算在每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵。
在本实施例中,信息熵的计算公式如下:
其中,是指所计算的权重的系数。
根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵,计算信息熵的冗余度。
在本实施例中,信息熵的冗余度的计算公式如下:
dl2=1-el2 公式(9)
根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵的冗余度和传感器覆盖报警浓度点的覆盖度的信息熵的冗余度,计算所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重。
在本实施例中,权重的计算公式如下:
其中,dl2为dA或dB,即
经过步骤S47后得到第一目标函数的权重,请见表4。
表4:第一目标函数的权重
S5,根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。请参阅图3,显示为步骤S5的流程示意图。如图3所示,所述步骤S5具体包括以下几个步骤:
S51,将任意数量气体传感器的初始位置集任意数量气体传感器的随机部署位置集(粒子的当前位置坐标,即N个任意数量气体传感器的当前位置坐标)、任意数量气体传感器移动速度集任意数量气体传感器随机部署的自适应第一目标函数值集及任意数量气体传感器随机部署的最小自适应第一目标函数值gbest组成的集合定义为粒子。所述粒子用P表示,本实施例粒子的预置数量用F表示。
S52,将计算出的所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重代入任意数量气体传感器的泄漏气体测试状态下所建立的第一目标函数F1,于本实施例中,所建立的第一目标函数F1为:
S53,在任意数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置。
S54,利用初始化后的预置数量粒子中的任意数量气体传感器的随机部署位置集,计算所述第一目标函数,以获取任意数量气体传感器随机部署的自适应第一目标函数值集[Pbest1,Pbest2…PbestM]'。
S55,从任意数量气体传感器随机部署的自适应第一目标函数值集中,查找任意数量气体传感器随机部署的最小自适应第一目标函数值gbest。
S56,更新初始化后预置数量粒子中任意数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置。
更新初始化后预置数量粒子中预置数量气体传感器移动速度集的速度更新公式为:
vhd k+1=wk*vhd k+c1ξ(phd k-xhd k)+c2η(gk-xhd k)
更新初始化后预置数量粒子的位置的位置更新公式为:
xhd k+1=xhd k+Rvhd k+1 公式(5)
S57,通过预设迭代次数的迭代S52至S56的步骤,直到收敛得到最优的全局最优值,即获取任意数量气体传感器的泄漏气体测试状态下最优第一目标函数,及其任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
通过本实施例所述的气体传感器的部署优化方法提高了气体传感器覆盖到气体报警浓度点的数量,同时达到气体传感器覆盖度越高,覆盖的越均衡,覆盖均衡使得在化工园区气体泄漏时能够迅速高效进行报警,以便工作人员采取对应措施。
实施例二
本实施例提供一种气体传感器的部署优化***1,应用于覆盖多个气体传感器的检测区域,于实施例中所述检测区域可以为化工工业园区。请参阅图4,显示为气体传感器的部署优化***于一实施例中的原理结构示意图。如图4所示,所述气体传感器的部署优化***1包括:模拟模块11,采集模块12,目标函数建立模块13,第一处理模块14,及第二处理模块15。
所述模拟模块11用于将该检测区域划分为网格状,并模拟该检测区域内气体扩散态势。在本实施例中,所述模拟模块11通过预置的计算流体动力法模拟所述检测区域内气体扩散态势。
与所述模拟模块11连接的采集模块12用于采集划分成网格状的检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;所述报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处。
与所述采集模块12连接的目标函数建立模块13用于根据不同网格点处的泄漏浓度值和大于气体报警浓度阈值的报警浓度点的坐标,建立用于描述传感器覆盖状况和传感器覆盖报警浓度点状况的第一目标函数和第二目标函数。
在本实施例中,
所述第一目标函数=传感器覆盖的权重×传感器覆盖均衡度+传感器覆盖所述报警浓度点的权重×传感器覆盖报警浓度点的覆盖度;
所述第二目标函数=传感器覆盖均衡度+传感器覆盖报警浓度点的覆盖度。
与所述目标函数建立模块13连接的第一处理模块14用于采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,并对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理。具体请见图5,显示为第一处理模块的原理结构示意图。如图5所示,所述第一处理模块14具体包括:第一定义单元141,第一初始化单元142,第一计算单元143,第一查找单元144,第一更新单元145,第一迭代处理单元146,第一标准化处理单元147。
第一定义单元141用于将预置数量气体传感器的初始位置集、预置数量气体传感器的随机部署位置集、预置数量气体传感器移动速度集、预置数量气体传感器随机部署的自适应第二目标函数值集、及预置数量气体传感器随机部署的最小自适应第二目标函数值组成的集合定义为粒子,
第一初始化单元142用于在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置。
与所述第一定义单元141和第一初始化单元142连接的第一计算单元143用于利用初始化后的预置数量粒子中的预置数量气体传感器的随机部署位置集,计算所述第二目标函数,以获取预置数量气体传感器随机部署的自适应第二目标函数值集。
与所述第一计算单元143连接的第一查找单元144用于从预置数量气体传感器随机部署的自适应第二目标函数值集中,查找预置数量气体传感器随机部署的最小自适应第二目标函数值。
与所述第一定义单元141和第一查找单元144连接的第一更新单元145用于更新初始化后预置数量粒子中预置数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;
与所述第一初始化单元142、第一计算单元143、第一查找单元144、及第一更新单元145连接的第一迭代处理单元146用于通过预设迭代次数的迭代运行所述第一初始化单元、第一计算单元、第一查找单元、及第一更新单元,获取每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数,及其对应的每一预置数量气体传感器的泄漏气体测试状态下气体传感器的最优坐标位置,以每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数。
与所述第一迭代处理模块146连接的第一标准化处理单元147用于标准化每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度;分别计算标准化后的每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的比重;计算在每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵,计算信息熵的冗余度;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵的冗余度和传感器覆盖报警浓度点的覆盖度的信息熵的冗余度,计算所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重。
与所述目标函数建立模块13和第一处理模块14连接的第二处理模块15用于根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。请参阅图6,显示为第二处理模块的原理结构示意图。如图6所示,所述第二处理模块15包括:第二定义单元151,第二初始化单元152,第二计算单元153,第二查找单元154,第二更新单元155,第二迭代处理单元156。
第二定义单元151用于将任意数量气体传感器的初始位置集、任意数量气体传感器的随机部署位置集、任意数量气体传感器移动速度集、任意数量气体传感器随机部署的自适应第一目标函数值集、及任意数量气体传感器随机部署的最小自适应第一目标函数值组成的集合定义为粒子。
与所述第二定义单元151连接的第二初始化单元152用于将计算出的所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重代入任意数量气体传感器的泄漏气体测试状态下所建立的第一目标函数,并在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置。
与所述第二定义模块和第二初始模块152连接的第二计算单元153,用于利用初始化后的预置数量粒子中的任意数量气体传感器的随机部署位置集,计算所述第一目标函数,以获取任意数量气体传感器随机部署的自适应第一目标函数值集。
与所述第二计算单元153连接的第二查找单元154用于从任意数量气体传感器随机部署的自适应第一目标函数值集中,查找任意数量气体传感器随机部署的最小自适应第一目标函数值。
与所述第二定义单元151和第二查找单元154连接的第二更新单元155用于更新初始化后预置数量粒子中任意数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置。
与所述第二初始化单元152、第二计算单元153、第二查找单元154、及第二更新单元155连接的第二迭代处理单元156用于通过预设迭代次数的迭代运行所述第二初始化单元、第二计算单元、第二查找单元、及第二更新单元,获取任意数量气体传感器的泄漏气体测试状态下最优第一目标函数,及其任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
本实施例还提供一种服务器2,请参阅图7,显示为服务器于一实施例中的原理结构示意图。如图7所示,所述服务器2包括上述的气体传感器的部署优化***1。
综上所述,通过本发明所述的气体传感器的部署优化方法、***及服务器提高了气体传感器覆盖到气体报警浓度点的数量,同时达到气体传感器的覆盖度越高,覆盖的越均衡,使得在化工园区气体泄漏时能够迅速高效进行报警,以便工作人员采取对应措施。所以,本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (12)
1.一种气体传感器的部署优化方法,其特征在于,应用于覆盖多个气体传感器的检测区域,以检测该检测区域内气体的泄漏,所述气体传感器的部署优化方法包括以下步骤:
将该检测区域划分为网格状,并模拟该检测区域内气体扩散态势;
采集划分成网格状的检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;所述报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处;
根据不同网格点处的泄漏浓度值和大于气体报警浓度阈值的报警浓度点的坐标,建立用于描述传感器覆盖状况和传感器覆盖报警浓度点状况的第一目标函数和第二目标函数;其中,所述第一目标函数=传感器覆盖的权重×传感器覆盖均衡度+传感器覆盖所述报警浓度点的权重×传感器覆盖报警浓度点的覆盖度;所述第二目标函数=传感器覆盖均衡度+传感器覆盖报警浓度点的覆盖度;
采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,并对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理;
根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
2.根据权利要求1所述的气体传感器的部署优化方法,其特征在于:通过预置的计算流体动力法模拟所述检测区域内气体扩散态势。
3.根据权利要求1所述的气体传感器的部署优化方法,其特征在于:所述预置优化方式为粒子群优化算法。
4.根据权利要求1所述的气体传感器的部署优化方法,其特征在于:所述采用预置优化方式计算在不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的步骤包括:
将预置数量气体传感器的初始位置集、预置数量气体传感器的随机部署位置集、预置数量气体传感器移动速度集、预置数量气体传感器随机部署的自适应第二目标函数值集、及预置数量气体传感器随机部署的最小自适应第二目标函数值组成的集合定义为粒子;
在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;
利用初始化后的预置数量粒子中的预置数量气体传感器的随机部署位置集,计算所述第二目标函数,以获取预置数量气体传感器随机部署的自适应第二目标函数值集;
从预置数量气体传感器随机部署的自适应第二目标函数值集中,查找预置数量气体传感器随机部署的最小自适应第二目标函数值;
更新初始化后预置数量粒子中预置数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;
通过预设迭代次数的迭代初始化至更新的步骤,获取每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数,及其对应的每一预置数量气体传感器的泄漏气体测试状态下气体传感器的最优坐标位置,以每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数。
5.根据权利要求4所述的气体传感器的部署优化方法,其特征在于:所述对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理的步骤包括:
标准化每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度;
分别计算标准化后的每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的比重;
计算在每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵;
根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵,计算信息熵的冗余度;
根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵的冗余度和传感器覆盖报警浓度点的覆盖度的信息熵的冗余度,计算所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重。
6.根据权利要求5所述的气体传感器的部署优化方法,其特征在于:所述根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置的步骤包括:
将任意数量气体传感器的初始位置集、任意数量气体传感器的随机部署位置集、任意数量气体传感器移动速度集、任意数量气体传感器随机部署的自适应第一目标函数值集、及任意数量气体传感器随机部署的最小自适应第一目标函数值组成的集合定义为粒子;
将计算出的所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重代入任意数量气体传感器的泄漏气体测试状态下所建立的第一目标函数;
在任意数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;
利用初始化后的预置数量粒子中的任意数量气体传感器的随机部署位置集,计算所述第一目标函数,以获取任意数量气体传感器随机部署的自适应第一目标函数值集;
从任意数量气体传感器随机部署的自适应第一目标函数值集中,查找任意数量气体传感器随机部署的最小自适应第一目标函数值;
更新初始化后预置数量粒子中任意数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;
通过预设迭代次数的迭代初始化至更新的步骤,获取任意数量气体传感器的泄漏气体测试状态下最优第一目标函数,及其任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
7.一种气体传感器的部署优化***,其特征在于,应用于覆盖多个气体传感器的检测区域,以检测该检测区域内气体的泄漏,所述气体传感器的部署优化***包括:
模拟模块,用于将该检测区域划分为网格状,并模拟该检测区域内气体扩散态势;
采集模块,用于采集划分成网格状的检测区域中不同网格点处的泄漏浓度值,与报警浓度点的坐标位置;所述报警浓度点为泄漏浓度值大于预定气体报警浓度阈值的网格点处;
目标函数建立模块,用于根据不同网格点处的泄漏浓度值和大于气体报警浓度阈值的报警浓度点的坐标,建立用于描述传感器覆盖状况和传感器覆盖报警浓度点状况的第一目标函数和第二目标函数;其中,所述第一目标函数=传感器覆盖的权重×传感器覆盖均衡度+传感器覆盖所述报警浓度点的权重×传感器覆盖报警浓度点的覆盖度;所述第二目标函数=传感器覆盖均衡度+传感器覆盖报警浓度点的覆盖度;
第一处理模块,用于采用预置优化方式和预设迭代次数计算在不同预置数量气体传感器的泄漏气体测试状态下最优第二目标函数,并对不同预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数进行标准化处理;
第二处理模块,用于根据标准化处理后的所述最优第二目标函数和预设迭代次数,采用所述预置优化方式,计算出所述第一目标函数的最小值,以根据所述第一目标函数的最小值,推算出在设置任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
8.根据权利要求7所述的气体传感器的部署优化***,其特征在于:所述模拟模块通过预置的计算流体动力法模拟所述检测区域内气体扩散态势。
9.根据权利要求7所述的气体传感器的部署优化***,其特征在于:所述第一处理模块包括:
第一定义单元,用于将预置数量气体传感器的初始位置集、预置数量气体传感器的随机部署位置集、预置数量气体传感器移动速度集、预置数量气体传感器随机部署的自适应第二目标函数值集、及预置数量气体传感器随机部署的最小自适应第二目标函数值组成的集合定义为粒子;
第一初始化单元,用于在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;
第一计算单元,用于利用初始化后的预置数量粒子中的预置数量气体传感器的随机部署位置集,计算所述第二目标函数,以获取预置数量气体传感器随机部署的自适应第二目标函数值集;
第一查找单元,用于从预置数量气体传感器随机部署的自适应第二目标函数值集中,查找预置数量气体传感器随机部署的最小自适应第二目标函数值;
第一更新单元,用于更新初始化后预置数量粒子中预置数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;
第一迭代处理单元,用于通过预设迭代次数的迭代运行所述第一初始化单元、第一计算单元、第一查找单元、及第一更新单元,获取每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数,及其对应的每一预置数量气体传感器的泄漏气体测试状态下气体传感器的最优坐标位置,以每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数。
10.根据权利要求9所述的气体传感器的部署优化***,其特征在于:
所述第一处理模块还包括与所述第一迭代处理单元连接的第一标准化处理单元;
所述第一标准化处理单元用于标准化每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度;分别计算标准化后的每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度和传感器覆盖报警浓度点的覆盖度的比重;计算在每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵和传感器覆盖报警浓度点的覆盖度的信息熵,计算信息熵的冗余度;根据每一预置数量气体传感器的泄漏气体测试状态下所述最优第二目标函数的传感器覆盖均衡度的信息熵的冗余度和传感器覆盖报警浓度点的覆盖度的信息熵的冗余度,计算所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重。
11.根据权利要求10所述的气体传感器的部署优化***,其特征在于:所述第二处理模块包括:
第二定义单元,用于将任意数量气体传感器的初始位置集、任意数量气体传感器的随机部署位置集、任意数量气体传感器移动速度集、任意数量气体传感器随机部署的自适应第一目标函数值集、及任意数量气体传感器随机部署的最小自适应第一目标函数值组成的集合定义为粒子;
第二初始化单元,用于将计算出的所述第一目标函数中传感器覆盖的权重和传感器覆盖所述报警浓度点的权重代入任意数量气体传感器的泄漏气体测试状态下所建立的第一目标函数,并在每一预置数量气体传感器的泄漏气体测试状态下,初始化预置数量粒子的位置;
第二计算单元,用于利用初始化后的预置数量粒子中的任意数量气体传感器的随机部署位置集,计算所述第一目标函数,以获取任意数量气体传感器随机部署的自适应第一目标函数值集;
第二查找单元,用于从任意数量气体传感器随机部署的自适应第一目标函数值集中,查找任意数量气体传感器随机部署的最小自适应第一目标函数值;
第二更新单元,用于更新初始化后预置数量粒子中任意数量气体传感器移动速度集,及更新初始化后预置数量粒子的位置;
第二迭代处理单元,用于通过预设迭代次数的迭代运行所述第二初始化单元、第二计算单元、第二查找单元、及第二更新单元,获取任意数量气体传感器的泄漏气体测试状态下最优第一目标函数,及其任意数量气体传感器的泄漏气体测试状态下每个气体传感器最优部署位置。
12.一种服务器,其特征在于,所述服务器包括:如权利要求7-11中任一项所述的气体传感器的部署优化***,以便任意数量的气体传感器安装于所述气体传感器的部署优化***设定好的最优部署位置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919441.0A CN106501451B (zh) | 2016-10-21 | 2016-10-21 | 一种气体传感器的部署优化方法、***及服务器 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610919441.0A CN106501451B (zh) | 2016-10-21 | 2016-10-21 | 一种气体传感器的部署优化方法、***及服务器 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106501451A CN106501451A (zh) | 2017-03-15 |
CN106501451B true CN106501451B (zh) | 2018-10-19 |
Family
ID=58318292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610919441.0A Active CN106501451B (zh) | 2016-10-21 | 2016-10-21 | 一种气体传感器的部署优化方法、***及服务器 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106501451B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109147281B (zh) * | 2017-06-27 | 2020-03-31 | 中国石油化工股份有限公司 | 一种石化装置可燃有毒气体区域报警监测方法 |
CN109388824A (zh) * | 2017-08-09 | 2019-02-26 | 中国石油化工股份有限公司 | 储罐气相连通管线燃爆事故模拟展示方法 |
CN108434968B (zh) * | 2018-04-25 | 2023-09-12 | 西安西热锅炉环保工程有限公司 | 一种火电厂脱硝氨区的氨气浓度分区动态决策***及方法 |
CN111784994B (zh) * | 2020-07-14 | 2021-11-30 | 中国民航大学 | 一种火灾检测方法及装置 |
CN112950905B (zh) * | 2021-02-01 | 2022-03-22 | 航天科技控股集团股份有限公司 | 一种基于物联网的加油站的预警***及预警方法 |
CN113029454B (zh) * | 2021-02-03 | 2023-02-28 | 北京戴纳实验科技有限公司 | 室内气体泄漏监控方法及*** |
CN113406270A (zh) * | 2021-05-12 | 2021-09-17 | 中国汽车技术研究中心有限公司 | 燃料电池汽车氢气传感器位置优化方法 |
CN113804841A (zh) * | 2021-10-14 | 2021-12-17 | 中国科学院上海高等研究院 | 一种便携气体浓度检测装置及气体浓度检测方法 |
CN113780690B (zh) * | 2021-11-12 | 2022-02-15 | 南京亚流航空科技有限公司 | 一种基于cfd软件技术的环境风险评估***及方法 |
CN114580075A (zh) * | 2021-11-29 | 2022-06-03 | 北京工业大学 | 一种氢燃料客车舱内氢泄漏传感器分级布局方法及*** |
CN116363825B (zh) * | 2023-06-02 | 2023-08-29 | 北京利达华信电子股份有限公司 | 用于展示火情蔓延趋势的方法及装置、电子设备、介质 |
CN117129160B (zh) * | 2023-08-25 | 2024-03-26 | 江苏舒茨测控设备股份有限公司 | 元器件气密检测装置的预警报警方法、***、终端及存储介质 |
CN117191130B (zh) * | 2023-09-27 | 2024-07-23 | 深圳市英博伟业科技有限公司 | 一种多场景在线温湿度监控方法和*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350828A (zh) * | 2008-09-02 | 2009-01-21 | 中国科学院上海微***与信息技术研究所 | 一种基于移动代理的无线传感器网络扩散气体源协同定位***及方法 |
CN101383736A (zh) * | 2008-10-15 | 2009-03-11 | 中国科学院上海微***与信息技术研究所 | 一种面向区域监测的无线传感器网络节点布设的优化方法 |
CN102752761A (zh) * | 2012-06-19 | 2012-10-24 | 江苏科技大学 | 基于粒子群的无线传感器网络移动节点覆盖优化方法 |
CN103997748A (zh) * | 2014-06-06 | 2014-08-20 | 上海海事大学 | 一种基于混合型传感器网络的差异覆盖方法 |
CN105865722A (zh) * | 2015-01-23 | 2016-08-17 | 中国科学院上海高等研究院 | 一种固定监测与移动应急***的部署方法 |
-
2016
- 2016-10-21 CN CN201610919441.0A patent/CN106501451B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101350828A (zh) * | 2008-09-02 | 2009-01-21 | 中国科学院上海微***与信息技术研究所 | 一种基于移动代理的无线传感器网络扩散气体源协同定位***及方法 |
CN101383736A (zh) * | 2008-10-15 | 2009-03-11 | 中国科学院上海微***与信息技术研究所 | 一种面向区域监测的无线传感器网络节点布设的优化方法 |
CN102752761A (zh) * | 2012-06-19 | 2012-10-24 | 江苏科技大学 | 基于粒子群的无线传感器网络移动节点覆盖优化方法 |
CN103997748A (zh) * | 2014-06-06 | 2014-08-20 | 上海海事大学 | 一种基于混合型传感器网络的差异覆盖方法 |
CN105865722A (zh) * | 2015-01-23 | 2016-08-17 | 中国科学院上海高等研究院 | 一种固定监测与移动应急***的部署方法 |
Non-Patent Citations (3)
Title |
---|
Weighted Global Artificial Bee Colony Algorithm Makes Gas Sensor Deployment Efficient;Ye Jiang;《Sensors》;20160616;1-20 * |
基于WSN的气体扩散态势图空间分辨率增强方法;徐正蓺;《计算机工程与科学》;20130131;第35卷(第1期);77-81 * |
有向传感网能量节省覆盖优化算法;夏凌楠;《信息与控制》;20121231;第41卷(第6期);663-668 * |
Also Published As
Publication number | Publication date |
---|---|
CN106501451A (zh) | 2017-03-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106501451B (zh) | 一种气体传感器的部署优化方法、***及服务器 | |
CN103914622B (zh) | 一种化学品泄漏快速预测预警应急响应决策方法 | |
Gao et al. | Evaluating the influence of openings configuration on natural ventilation performance of residential units in Hong Kong | |
CN111523277B (zh) | 火灾预测方法、存储装置、处理器 | |
CN107505267B (zh) | 一种气体探测器布点分析方法及装置 | |
KR101885350B1 (ko) | 대기오염 통합 관리 시스템 | |
KR101943758B1 (ko) | 도시내 위험물질 확산에 따른 보행자환경에서의 위험영향 평가 방법 및 장치 | |
CN106484987B (zh) | 基于粒子群算法的气体传感器优化部署方法及*** | |
Liu et al. | Gas diffusion model based on an improved Gaussian plume model for inverse calculations of the source strength | |
CN116681292B (zh) | 基于深度学习的石化港区安全风险分析及责任划分方法 | |
Takemi et al. | Large-eddy-simulation analysis of airflows and strong wind hazards in urban areas | |
CN115293545A (zh) | 一种基于电网台区划分的台风灾害风险评估方法、***及存储介质 | |
Simakov et al. | Modeling USAR maps for the collection of information on the state of the environment | |
Gao et al. | The influence of surrounding buildings on the natural ventilation performance of residential dwellings in Hong Kong | |
CN107871025B (zh) | 基于改进人工蜂群算法的气体传感器优化部署方法及*** | |
Sanchez et al. | Accidental release of chlorine in Chicago: Coupling of an exposure model with a Computational Fluid Dynamics model | |
KR101600594B1 (ko) | 위험물 사고 초동대응시스템 | |
Yu et al. | Risk hotspot of chemical accidents based on spatial analysis in Ulsan, South Korea | |
Xu et al. | Analysis of characteristics of fire incident on 24 July 2021 in Jilin Province, China | |
Almohammedi et al. | Design and Implementation of IoT-Enabled Intelligent Fire Detection System Using Neural Networks | |
CN113295589B (zh) | 一种扬尘监测方法、装置和*** | |
Dou et al. | Atmospheric dispersion prediction of accidental release: A review | |
CN112417786B (zh) | 一种基于污染物扩散和人员分布密度的空间脆弱性评价方法 | |
CN114297952A (zh) | 核电厂微地形风场分析方法及*** | |
Ko et al. | Intelligent wireless sensor network for wildfire detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | 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 |