CN114113487A - 一种挥发性有机物在线监测***及方法 - Google Patents
一种挥发性有机物在线监测***及方法 Download PDFInfo
- Publication number
- CN114113487A CN114113487A CN202111457603.0A CN202111457603A CN114113487A CN 114113487 A CN114113487 A CN 114113487A CN 202111457603 A CN202111457603 A CN 202111457603A CN 114113487 A CN114113487 A CN 114113487A
- Authority
- CN
- China
- Prior art keywords
- monitoring
- volatile organic
- acquiring
- organic compound
- generation
- 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.)
- Granted
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 275
- 239000012855 volatile organic compound Substances 0.000 title claims abstract description 229
- 238000000034 method Methods 0.000 title claims abstract description 69
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000005070 sampling Methods 0.000 claims description 81
- 238000004088 simulation Methods 0.000 claims description 61
- 230000010485 coping Effects 0.000 claims description 54
- 230000008569 process Effects 0.000 claims description 53
- 230000000694 effects Effects 0.000 claims description 45
- 238000011156 evaluation Methods 0.000 claims description 37
- 230000004044 response Effects 0.000 claims description 34
- 230000005284 excitation Effects 0.000 claims description 24
- 238000012790 confirmation Methods 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 14
- 230000002159 abnormal effect Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 10
- 238000007405 data analysis Methods 0.000 claims description 7
- 238000003062 neural network model Methods 0.000 claims description 7
- 238000000605 extraction Methods 0.000 claims description 4
- 238000013507 mapping Methods 0.000 claims description 3
- 230000000875 corresponding effect Effects 0.000 description 119
- 238000004519 manufacturing process Methods 0.000 description 14
- 230000009286 beneficial effect Effects 0.000 description 11
- 238000004422 calculation algorithm Methods 0.000 description 10
- 238000010801 machine learning Methods 0.000 description 10
- 239000000853 adhesive Substances 0.000 description 6
- 230000001070 adhesive effect Effects 0.000 description 6
- 239000005416 organic matter Substances 0.000 description 6
- 239000000523 sample Substances 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012216 screening Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 1
- 230000002301 combined effect Effects 0.000 description 1
- 238000003891 environmental analysis Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
- 238000009423 ventilation Methods 0.000 description 1
Images
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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0031—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array
- G01N33/0034—General constructional details of gas analysers, e.g. portable test equipment concerning the detector comprising two or more sensors, e.g. a sensor array comprising neural networks or related mathematical techniques
-
- 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
- G01N33/0027—General constructional details of gas analysers, e.g. portable test equipment concerning the detector
- G01N33/0036—General constructional details of gas analysers, e.g. portable test equipment concerning the detector specially adapted to detect a particular component
- G01N33/0047—Organic compounds
-
- 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
- G01N33/0062—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display
- G01N33/0063—General constructional details of gas analysers, e.g. portable test equipment concerning the measuring method or the display, e.g. intermittent measurement or digital display using a threshold to release an alarm or displaying means
Landscapes
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Biochemistry (AREA)
- Combustion & Propulsion (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Analytical Chemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Mathematical Physics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Testing And Monitoring For Control Systems (AREA)
Abstract
本发明提供一种挥发性有机物在线监测***及方法,其中,***包括:布局模块,用于在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位;确认模块,用于确认监测点位是否均布局到位,若是,获取监测点位监测产生的监测数据;分析模块,用于对监测数据进行分析,获得分析结果;预警模块,用于基于分析结果,确定是否需要进行预警,若是,进行相应预警。本发明的挥发性有机物在线监测***,可以自行合理确定监测现场内需要进行挥发性有机物监测的监测点位,通知对应工作人员在监测点位设置挥发性有机物监测仪,无需人工进行确定,极大程度上降低了人力成本,同时,避免了人工确定不一定合理的问题发生。
Description
技术领域
本发明涉及环境分析技术领域,特别涉及一种挥发性有机物在线监测***。
背景技术
目前,喷涂企业、半导体企业和制革企业的生产现场在生产过程中均可能产生挥发性有机物,挥发性有机物对人体及环境均有害,因此,需要对生产现场进行挥发性有机物监测,若监测出异常,及时预警;但是,确定生产现场内需要进行挥发性有机物监测的点位需要人工进行,人力成本较大,且确定不一定合理;
因此,亟需一种解决办法。
发明内容
本发明目的之一在于提供了一种挥发性有机物在线监测***及方法,。
本发明实施例提供的一种挥发性有机物在线监测***,包括:
布局模块,用于在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位;
确认模块,用于确认所述监测点位是否均布局到位,若是,获取所述监测点位监测产生的监测数据;
分析模块,用于对所述监测数据进行分析,获得分析结果;
预警模块,用于基于所述分析结果,确定是否需要进行预警,若是,进行相应预警。
优选的,所述布局模块执行如下操作:
获取监测现场的现场信息,同时,基于所述现场信息,构建监测现场三维模型;
获取所述监测现场三维模型中n个第一区域的属性信息;
获取预设的挥发性有机物监测确认模型,将所述属性信息输入至所述挥发性有机物监测确认模型;
由所述挥发性有机物监测确认模型确认所述第一区域中需要进行挥发性有机物监测的第二区域,同时,确认所述第二区域中可能产生挥发性有机物的产生点位和对应于所述产生点位的产生权重;
获取挥发性有机物监测仪的大小信息,基于所述大小信息,在所述第二区域内搜索大小适宜的多个第一空闲点位;
获取所述第一产生点位与所述第一空闲点位之间的实际距离;
获取挥发性有机物监测仪的监测范围,若所述实际距离落在全部所述监测范围内,将对应所述第一空闲点位作为第二空闲点位;
从所述第一区域中选取与所述第二区域相邻的所述第一区域,并作为第三区域;
依次设定模拟对象,所述模拟对象包括:所述第二区域和所述第三区域;
获取所述模拟对象对应的多个运作动态场景;
随机选取一个所述第二空闲点位模拟放置预设的挥发性有机物监测仪模型,同时,随机选取一个所述运作动态场景在所述模拟对象内模拟进行;
在模拟进行过程中,基于预设的冲突情况捕捉模型,捕捉所述挥发性有机物监测仪模型与所述运作动态场景中的运作对象的冲突情况,并进行汇总,获得冲突情况集;
模拟进行结束后,获取预设的冲突值判定模型,将所述冲突情况集输入至所述冲突值判定模型,获得冲突值,并与对应所述第二空闲点位进行关联;
当所述第一运作动态场景随机选取完毕且所述第二空闲点位随机选取完毕且所述第二区域和所述第三区域均被设定为所述模拟对象后,汇总同一所述第二空闲点位关联的冲突值,获得冲突值和,并与对应所述第二空闲点位进行关联;
选取最小所述冲突值和关联的所述第二空闲点位,并作为第三空闲点位;
若所述产生点位的数目为1,模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第一产生情况;
获取预设的采样姿态确定模型,将所述产生点位、第三空闲点位和所述第一产生情况输入至所述采样姿态确定模型,获得采样姿态;
若所述产生点位的数目大于1,随机模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第二产生情况,并进行汇总,获得第二产生情况集;
将所述产生点位、对应于所述产生点位的产生权重、第三空闲点位和第二产生情况集输入至所述采样姿态确定模型,获得采样姿态;
生成多个布局策略并下发,所述布局策略包括:将所述第三空闲点位作为监测点位,在所述监测点位挥发性有机物监测仪,将所述挥发性有机物监测仪的采样装置的姿态调整至对应所述采样姿态。
优选的,所述确认模块执行如下操作:
获取所述监测点位的位置代号;
基于预设的位置代号-图像获取节点库,确定所述位置代号对应的图像获取节点;
通过所述图像获取节点获取所述监测点位的点位区域图像;
基于图像识别技术,识别所述点位区域图像上是否存在挥发性有机物监测仪的目标图像;
若是,基于姿态识别技术,识别所述目标图像上挥发性有机物监测仪的采样装置的当前姿态;
判断所述当前姿态和对应所述采样姿态是否一致,若是,对应所述监测点位布局成功;
当全部所述监测点位均布局成功时,所述监测点位均布局到位。
优选的,所述分析模块执行如下操作:
获取预设的监测数据分析模型,将所述监测数据输入至所述监测数据分析模型,获得分析结果。
优选的,所述预警模块执行如下操作:
当所述分析结果包含至少一个产生挥发性有机物的异常点位时,获取对应于所述监测现场的现场地图;
确定所述现场地图上对应于所述异常点位的第一位置;
以所述第一位置为圆心,预设的半径长度为半径,绘制预警圈;
获取工作人员的智能终端的实时位置,将所述实时位置映射于所述现场地图内,获得第二位置;
若所述第二位置落在所述预警圈内,向对应所述工作人员的智能终端发送预设的预警信息。
优选的,挥发性有机物在线监测***,还包括:
应对模块,用于训练应对策略确定模型,当进行预警时,获取所述异常点位的第一现场情况,将所述第一现场情况输入至所述应对策略确定模型,获得应对策略,基于所述应对策略,进行相应应对。
优选的,所述应对模块执行如下操作:
获取对产生挥发性有机物进行应对的多个第一应对事件;
获取所述第一应对事件的来源信息,所述来源信息包括:担保方、来源方和来源场景;
获取所述担保方的担保信息,从所述担保信息中确定所述担保方对所述来源方进行担保的担保权重集;
从所述担保权重集中确定所述来源场景对应的担保权重;
若所述担保权重小于等于预设的担保权重阈值,剔除对应所述第一应对事件;
否则,获取所述第一应对事件的获取信息,所述获取信息包括:获取成功时间点和获取过程;
所述确定所述获取过程中对应于所述获取成功时间点前和后预设的时间段内发生的至少一个第一过程;
对所述第一过程进行特征提取,获得多个第一特征;
获取预设的激发特征库,将所述第一特征与所述激发特征库中的激发特征进行匹配,若匹配符合,将对应所述第一过程作为第二过程,同时,将匹配符合的激发特征作为第二特征;
获取所述第二特征对应的预设的联合特征库,将其它所述第一特征与所述联合特征库中的联合特征进行匹配,若匹配符合,将对应所述第一过程作为第三过程,同时,将匹配符合的联合特征作为第三特征;
获取预设的模拟空间,在所述模拟空间内模拟进行所述第二过程和所述第三过程,实时监测所述第二过程和所述第三过程的执行情况;
获取所述第三特征对应的预设的风险事件确认模型,将所述执行情况输入至所述风险事件确认模型,获得确认结果;
当所述确认结果为确认发生风险事件时,剔除对应所述第一应对事件;
当需要剔除的所述第一应对事件均剔除后,将剔除剩余的所述第一应对事件作为第二应对事件;
提取所述第二应对事件中的应对效果动态获取节点;
通过所述应对效果动态获取节点获取应对效果;
基于预设的应对效果评价模板,对所述应对效果进行评价,获得评价值;
若所述评价值小于等于预设的评价值阈值,剔除对应所述第二应对事件;
当需要剔除的所述第二应对事件均剔除后,将剔除剩余的所述第一应对事件作为第三应对事件;
获取预设的神经网络模型,将所述第三应对事件输入至所述神经网络模型,进行模型训练,获得应对策略确定模型。
本发明实施例提供的一种挥发性有机物在线监测方法,包括:
步骤S1:在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位;
步骤S2:确认所述监测点位是否均布局到位,若是,获取所述监测点位监测产生的监测数据;
步骤S3:对所述监测数据进行分析,获得分析结果;
步骤S4:基于所述分析结果,确定是否需要进行预警,若是,进行相应预警。
优选的,所述步骤S1:在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位,包括:
获取监测现场的现场信息,同时,基于所述现场信息,构建监测现场三维模型;
获取所述监测现场三维模型中n个第一区域的属性信息;
获取预设的挥发性有机物监测确认模型,将所述属性信息输入至所述挥发性有机物监测确认模型;
由所述挥发性有机物监测确认模型确认所述第一区域中需要进行挥发性有机物监测的第二区域,同时,确认所述第二区域中可能产生挥发性有机物的产生点位和对应于所述产生点位的产生权重;
获取挥发性有机物监测仪的大小信息,基于所述大小信息,在所述第二区域内搜索大小适宜的多个第一空闲点位;
获取所述第一产生点位与所述第一空闲点位之间的实际距离;
获取挥发性有机物监测仪的监测范围,若所述实际距离落在全部所述监测范围内,将对应所述第一空闲点位作为第二空闲点位;
从所述第一区域中选取与所述第二区域相邻的所述第一区域,并作为第三区域;
依次设定模拟对象,所述模拟对象包括:所述第二区域和所述第三区域;
获取所述模拟对象对应的多个运作动态场景;
随机选取一个所述第二空闲点位模拟放置预设的挥发性有机物监测仪模型,同时,随机选取一个所述运作动态场景在所述模拟对象内模拟进行;
在模拟进行过程中,基于预设的冲突情况捕捉模型,捕捉所述挥发性有机物监测仪模型与所述运作动态场景中的运作对象的冲突情况,并进行汇总,获得冲突情况集;
模拟进行结束后,获取预设的冲突值判定模型,将所述冲突情况集输入至所述冲突值判定模型,获得冲突值,并与对应所述第二空闲点位进行关联;
当所述第一运作动态场景随机选取完毕且所述第二空闲点位随机选取完毕且所述第二区域和所述第三区域均被设定为所述模拟对象后,汇总同一所述第二空闲点位关联的冲突值,获得冲突值和,并与对应所述第二空闲点位进行关联;
选取最小所述冲突值和关联的所述第二空闲点位,并作为第三空闲点位;
若所述产生点位的数目为1,模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第一产生情况;
获取预设的采样姿态确定模型,将所述产生点位、第三空闲点位和所述第一产生情况输入至所述采样姿态确定模型,获得采样姿态;
若所述产生点位的数目大于1,随机模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第二产生情况,并进行汇总,获得第二产生情况集;
将所述产生点位、对应于所述产生点位的产生权重、第三空闲点位和第二产生情况集输入至所述采样姿态确定模型,获得采样姿态;
生成多个布局策略并下发,所述布局策略包括:将所述第三空闲点位作为监测点位,在所述监测点位挥发性有机物监测仪,将所述挥发性有机物监测仪的采样装置的姿态调整至对应所述采样姿态。
优选的,所述步骤S2中,确认所述监测点位是否均布局到位,包括:
获取所述监测点位的位置代号;
基于预设的位置代号-图像获取节点库,确定所述位置代号对应的图像获取节点;
通过所述图像获取节点获取所述监测点位的点位区域图像;
基于图像识别技术,识别所述点位区域图像上是否存在挥发性有机物监测仪的目标图像;
若是,基于姿态识别技术,识别所述目标图像上挥发性有机物监测仪的采样装置的当前姿态;
判断所述当前姿态和对应所述采样姿态是否一致,若是,对应所述监测点位布局成功;
当全部所述监测点位均布局成功时,所述监测点位均布局到位。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
附图说明
附图用来提供对本发明的进一步理解,并且构成说明书的一部分,与本发明的实施例一起用于解释本发明,并不构成对本发明的限制。在附图中:
图1为本发明实施例中一种挥发性有机物在线监测***的示意图;
图2为本发明实施例中又一挥发性有机物在线监测***的示意图;
图3为本发明实施例中一种挥发性有机物在线监测方法的流程图;
图4为本发明实施例中便携式挥发性有机物监测仪的采样装置的示意图。
具体实施方式
以下结合附图对本发明的优选实施例进行说明,应当理解,此处所描述的优选实施例仅用于说明和解释本发明,并不用于限定本发明。
本发明实施例提供了一种挥发性有机物在线监测***,如图1所示,包括:
布局模块1,用于在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位;
确认模块2,用于确认所述监测点位是否均布局到位,若是,获取所述监测点位监测产生的监测数据;
分析模块3,用于对所述监测数据进行分析,获得分析结果;
预警模块4,用于基于所述分析结果,确定是否需要进行预警,若是,进行相应预警。
上述技术方案的工作原理及有益效果为:
在监测现场内(例如:制革车间)内布局监测点位(例如:工作人员在制革时,会使用胶粘剂,可能产生挥发性有机物,因此,通知对应工作人员在制革工位设置挥发性有机物监测仪);确认监测点位是否布局到位(例如:通过制革车间内的监控设备确认监测点位是否已设置挥发性有机物监测仪),若是,获取监测点位的监测数据(挥发性有机物浓度);对监测数据进行分析(例如:分析挥发性有机物浓度是否超标),获得分析结果(例如:某监测点位挥发性有机物浓度超标);基于分析结果,确定是否需要预警,若是,进行相应预警(通知挥发性有机物浓度超标的监测点位附近的工作人员注意);
本发明实施例可以自行合理确定监测现场内需要进行挥发性有机物监测的监测点位,通知对应工作人员在监测点位设置挥发性有机物监测仪,无需人工进行确定,极大程度上降低了人力成本,同时,避免了人工确定不一定合理的问题发生。
本发明实施例提供了一种挥发性有机物在线监测***,所述布局模块1执行如下操作:
获取监测现场的现场信息,同时,基于所述现场信息,构建监测现场三维模型;
获取所述监测现场三维模型中n个第一区域的属性信息;
获取预设的挥发性有机物监测确认模型,将所述属性信息输入至所述挥发性有机物监测确认模型;
由所述挥发性有机物监测确认模型确认所述第一区域中需要进行挥发性有机物监测的第二区域,同时,确认所述第二区域中可能产生挥发性有机物的产生点位和对应于所述产生点位的产生权重;
获取挥发性有机物监测仪的大小信息,基于所述大小信息,在所述第二区域内搜索大小适宜的多个第一空闲点位;
获取所述第一产生点位与所述第一空闲点位之间的实际距离;
获取挥发性有机物监测仪的监测范围,若所述实际距离落在全部所述监测范围内,将对应所述第一空闲点位作为第二空闲点位;
从所述第一区域中选取与所述第二区域相邻的所述第一区域,并作为第三区域;
依次设定模拟对象,所述模拟对象包括:所述第二区域和所述第三区域;
获取所述模拟对象对应的多个运作动态场景;
随机选取一个所述第二空闲点位模拟放置预设的挥发性有机物监测仪模型,同时,随机选取一个所述运作动态场景在所述模拟对象内模拟进行;
在模拟进行过程中,基于预设的冲突情况捕捉模型,捕捉所述挥发性有机物监测仪模型与所述运作动态场景中的运作对象的冲突情况,并进行汇总,获得冲突情况集;
模拟进行结束后,获取预设的冲突值判定模型,将所述冲突情况集输入至所述冲突值判定模型,获得冲突值,并与对应所述第二空闲点位进行关联;
当所述第一运作动态场景随机选取完毕且所述第二空闲点位随机选取完毕且所述第二区域和所述第三区域均被设定为所述模拟对象后,汇总同一所述第二空闲点位关联的冲突值,获得冲突值和,并与对应所述第二空闲点位进行关联;
选取最小所述冲突值和关联的所述第二空闲点位,并作为第三空闲点位;
若所述产生点位的数目为1,模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第一产生情况;
获取预设的采样姿态确定模型,将所述产生点位、第三空闲点位和所述第一产生情况输入至所述采样姿态确定模型,获得采样姿态;
若所述产生点位的数目大于1,随机模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第二产生情况,并进行汇总,获得第二产生情况集;
将所述产生点位、对应于所述产生点位的产生权重、第三空闲点位和第二产生情况集输入至所述采样姿态确定模型,获得采样姿态;
生成多个布局策略并下发,所述布局策略包括:将所述第三空闲点位作为监测点位,在所述监测点位挥发性有机物监测仪,将所述挥发性有机物监测仪的采样装置的姿态调整至对应所述采样姿态。
上述技术方案的工作原理及有益效果为:
布局监测点位时,获取监测现场的现场信息(可设置移动小车,在移动小车上安装三维采样装置【例如:毫米波传感器】,对监测现场进行移动三维采样,现场信息即为三维采样获得的三维采样信息),基于现场信息,构建监测现场三维模型(可基于BIM技术实现);监测现场三维模型被划分成n(常数)个第一区域,将第一区域的属性信息(例如:区域内设备的类型、用途、生产流程、工位上进行的制作流程等)输入至预设的挥发性有机物监测确认模型(利用机器学习算法对大量人工基于区域的属性信息确定区域内需要设置挥发性有机物监测仪的点位以及点位产生挥发性有机物监测仪的可能性的记录【例如:工位上进行的制作流程中使用到胶粘剂,可能产生挥发性有机物,胶粘剂用量越大,产生挥发性有机物的可能性越大】进行学习后生成的模型),获得产生点位和对应产生权重(产生权重越大,产生点位产生挥发性有机物的可能性越大);在第二区域内搜索大小适宜于挥发性有机物监测仪的第一空闲点位;在第一空闲点位中确定挥发性有机物监测仪可对全部产生点位进行挥发性有机物监测的第二空闲点位;接着,就要从第二空闲点位中筛选出最适宜的第三空闲点位;确定第二空闲点位的适宜程度,就要考虑若在第二空闲点位设置挥发性有机物监测仪,第二区域以及附近的第三区域内进行正常生产运作时,挥发性有机物监测仪对正常生成运作的影响以及正常生产运作对挥发性有机物监测仪进行挥发性有机物监测的影响,影响越小,越适宜;因此,将第二区域和第三区域依次作为模拟对象,获取模拟对象对应的多个运作动态场景(例如:机械臂在移动、工作人员在移动等,可由移动小车对区域进行定点三维采集),随机选取一个第二空闲点位放置预设的挥发性有机物监测仪模型(挥发性有机物监测仪的三维模型),随机选取一个运作动态场景模拟进行;模拟进行过程中,利用预设的冲突情况捕捉模型(利用机器学习算法对大量人工捕捉挥发性有机物监测仪模型与运作动态场景之间的冲突情况【例如:发现工作人员经常会在有机物监测仪模型附近移动,可能产生碰撞;又例如:机械臂会碰到有机物监测仪模型】的记录进行学习后生成的模型),获得冲突情况,并汇总成冲突情况集;模拟进行结束后,将冲突情况集输入至预设的冲突值判定模型(利用机器学习算法对大量人工对冲突情况的冲突程度进行判定的记录进行学习后生成的模型),获得冲突值(冲突值越大,冲突程度越大);当第一运作动态场景随机选取完毕(均被选取)且第二空闲点位随机选取完毕(均被选取)且第二区域和第三区域均被设定为模拟对象后,汇总(求和计算)第二空闲点位关联的冲突值,获得冲突值和;选取最小冲突值和对应的第三空闲点位,第三空闲点位最为适宜;但是,不仅要考虑到挥发性有机物监测仪设置于第三空闲点位,还要确定挥发性有机物监测仪的采样装置(如图4所示,便携式挥发性有机物监测仪的柔性探杆A)的最佳采样姿态(例如:探杆朝向);基于产生点位的数目,分别模拟在产生点位产生挥发性有机物,捕捉产生点位产生挥发性有机物的产生情况(产生分布等)以及产生点位和第三空闲点位输入至预设的采样姿态确定模型(利用机器学习算法对大量人工确定挥发性有机物监测仪的采样装置最佳采样姿态的记录进行学习后生成模型)(产生点位数目大于1时,需要将产生点位产生挥发性有机物的可能性一并输入),获得采样姿态;生成布局策略并下发(发送至挥发性有机物监测仪布置部门)即可;
本发明实施例智能化的布局适宜的监测点位,降低了人力成本;在确定监测点位时,设置挥发性有机物监测确认模型,筛选出需要进行挥发性有机物监测的第二区域,降低布局资源;模拟进行第二区域和其附近的第三区域的运动动态场景,基于挥发性有机物监测仪和第二区域内的正常运行之间相互冲突情况确定最适宜的第三空闲点位,设置合理且细致;同时,还能自适应确定挥发性有机物监测仪采样状态的最佳采样姿态,进一步降低了人力成本。
本发明实施例提供了一种挥发性有机物在线监测***,所述确认模块2执行如下操作:
获取所述监测点位的位置代号;
基于预设的位置代号-图像获取节点库,确定所述位置代号对应的图像获取节点;
通过所述图像获取节点获取所述监测点位的点位区域图像;
基于图像识别技术,识别所述点位区域图像上是否存在挥发性有机物监测仪的目标图像;
若是,基于姿态识别技术,识别所述目标图像上挥发性有机物监测仪的采样装置的当前姿态;
判断所述当前姿态和对应所述采样姿态是否一致,若是,对应所述监测点位布局成功;
当全部所述监测点位均布局成功时,所述监测点位均布局到位。
上述技术方案的工作原理及有益效果为:
基于监测点位的位置代号,查询预设的位置代号-图像获取节点库,确定对应图像获取节点;通过该图像获取节点可以获取到监测点位的点位区域图像;确定点位区域图像上是否有挥发性有机物监测仪存在以及当前姿态是否与对应采样姿态一致即可确认该监测点位是否布局成功。
本发明实施例提供了一种挥发性有机物在线监测***,所述分析模块3执行如下操作:
获取预设的监测数据分析模型,将所述监测数据输入至所述监测数据分析模型,获得分析结果。
上述技术方案的工作原理及有益效果为:
将监测数据输入至预设的监测数据分析模型(利用机器学习算法对大量人工对挥发性有机物监测仪的监测数据进行分析的记录进行学习后生成的模型),即可获得分析结果。
本发明实施例提供了一种挥发性有机物在线监测***,所述预警模块4执行如下操作:
当所述分析结果包含至少一个产生挥发性有机物的异常点位时,获取对应于所述监测现场的现场地图;
确定所述现场地图上对应于所述异常点位的第一位置;
以所述第一位置为圆心,预设的半径长度为半径,绘制预警圈;
获取工作人员的智能终端的实时位置,将所述实时位置映射于所述现场地图内,获得第二位置;
若所述第二位置落在所述预警圈内,向对应所述工作人员的智能终端发送预设的预警信息。
上述技术方案的工作原理及有益效果为:
绘制预警圈,向预警圈内工作人员的智能终端(例如:智能手机等)发送预设的预警信息(例如:“附近有挥发性有机物,请注意!”),的设置预警圈的目的是方便通知产生挥发性有机物的异常点位附近的工作人员。
本发明实施例提供了一种挥发性有机物在线监测***,如图2所示,还包括:
应对模块5,用于训练应对策略确定模型,当进行预警时,获取所述异常点位的第一现场情况,将所述第一现场情况输入至所述应对策略确定模型,获得应对策略,基于所述应对策略,进行相应应对。
上述技术方案的工作原理及有益效果为:
当进行预警时,获取异常点位的第一现场情况(例如:产生原因、产生浓度等),将第一现场情况输入至训练好的应对策略确定模型,获得应对策略,基于应对策略(例如:安排应急通风等),进行相应应对。
本发明实施例提供了一种挥发性有机物在线监测***,所述应对模块5执行如下操作:
获取对产生挥发性有机物进行应对的多个第一应对事件;
获取所述第一应对事件的来源信息,所述来源信息包括:担保方、来源方和来源场景;
获取所述担保方的担保信息,从所述担保信息中确定所述担保方对所述来源方进行担保的担保权重集;
从所述担保权重集中确定所述来源场景对应的担保权重;
若所述担保权重小于等于预设的担保权重阈值,剔除对应所述第一应对事件;
否则,获取所述第一应对事件的获取信息,所述获取信息包括:获取成功时间点和获取过程;
所述确定所述获取过程中对应于所述获取成功时间点前和后预设的时间段内发生的至少一个第一过程;
对所述第一过程进行特征提取,获得多个第一特征;
获取预设的激发特征库,将所述第一特征与所述激发特征库中的激发特征进行匹配,若匹配符合,将对应所述第一过程作为第二过程,同时,将匹配符合的激发特征作为第二特征;
获取所述第二特征对应的预设的联合特征库,将其它所述第一特征与所述联合特征库中的联合特征进行匹配,若匹配符合,将对应所述第一过程作为第三过程,同时,将匹配符合的联合特征作为第三特征;
获取预设的模拟空间,在所述模拟空间内模拟进行所述第二过程和所述第三过程,实时监测所述第二过程和所述第三过程的执行情况;
获取所述第三特征对应的预设的风险事件确认模型,将所述执行情况输入至所述风险事件确认模型,获得确认结果;
当所述确认结果为确认发生风险事件时,剔除对应所述第一应对事件;
当需要剔除的所述第一应对事件均剔除后,将剔除剩余的所述第一应对事件作为第二应对事件;
提取所述第二应对事件中的应对效果动态获取节点;
通过所述应对效果动态获取节点获取应对效果;
基于预设的应对效果评价模板,对所述应对效果进行评价,获得评价值;
若所述评价值小于等于预设的评价值阈值,剔除对应所述第二应对事件;
当需要剔除的所述第二应对事件均剔除后,将剔除剩余的所述第一应对事件作为第三应对事件;
获取预设的神经网络模型,将所述第三应对事件输入至所述神经网络模型,进行模型训练,获得应对策略确定模型。
上述技术方案的工作原理及有益效果为:
训练应对策略确定模型时,获取多个第一应对事件(不同现场产生不同情况的挥发性有机物产生时进行应对处理【例如:采取什么应对策略】的事件);为了保证应对策略确定模型训练的精准性,需要对第一应对事件的来源进行验证;获取第一应对事件的来源信息,来源信息包含担保方(例如:某担保机构)、来源方(例如:某现场)和来源场景(例如:某网页);担保方对来源方进行担保,获取担保方对来源方进行担保的担保权重集,从担保权重集中确定来源场景对应的担保权重,担保权重越大,担保力度越大;若担保权重较小,来源不可信,剔除对应所述第一应对事件;否则,获取第一应对事件的获取信息,获取信息包含获取成功时间点(获取到第一应对事件的时间点)和获取过程;确定获取到第一应对事件前和后预设的时间段(例如:5秒)内进行的多个第一过程;对第一过程进行特征提取,获得第一特征;将第一特征与预设的激发特征库(包含大量激发特征的数据库,激发特征为,存在获取风险的特征,例如:触发超链接,超链接对应第三方网页,存在风险)中的激发特征进行匹配,若匹配符合,说明对应第二过程存在风险,将匹配符合的激发特征作为第二特征;获取第二特征对应的预设的联合特征库(包含第二特征对应的联合特征的数据库,联合特征为,与第二特征共同作用,产生风险的特征,例如:超链接回传篡改代码),将其它第一特征与联合特征进行匹配,若匹配符合,说明存在联合风险(共同作用产生的风险),确定对应第三过程,并将匹配符合的联合特征作为第三特征;将第二过程和第三过程在预设的模拟空间(虚拟空间)内模拟进行,监测执行情况,将执行情况输入至第三特征对应的预设的风险事件确认模型(利用机器学习算法对大量人工针对第三特征可能产生的联合风险的事件进行确认的记录进行学习后生成的模型),当确认结果为确认发生风险事件,第一应对事件的获取过程不安全(例如:可能被篡改),剔除对应第一应对事件;提取剔除剩余的第二应对事件中的效果动态获取节点(通过该节点可以动态获取第二应对事件中采取的应对策略的效果值,因为效果的评价不是短期的,是长期进行的,因此,需要实时更新获取),基于预设的应对效果评价模板(包含多个效果评价指标的模板),对应对效果进行评价,获得评价值;若评价值较小,剔除对应第二应对事件;将剔除剩余的第三应对事件输入预设的神经网络模型,进行训练,获得应对策略确定模型,完成训练;
本发明实施例训练应对策略确定模型,便于确定适宜的应对策略,提升了***的应对能力,同时,也更加智能化;在训练应对策略确定模型时,获取第一应对事件,对第一应对事件的来源、获取过程和效果分别进行细致化验证,提升了应对策略确定模型训练的精准性。
本发明实施例提供了一种挥发性有机物在线监测***,所述应对模块5执行如下操作:
基于预设的应对效果评价模板,对所述应对效果进行评价,获得评价值;
从应对效果评价模板中提取多个应对效果评价指标;
从所述应对效果中提取所述应对效果评价指标对应的效果内容;
基于所述应对效果评价指标,对相应所述效果内容进行评价,获得目标值;
获取所述应对效果评价指标对应的指标权重;
基于所述目标值和所述指标权重计算评价值,计算公式如下:
其中,γ为所述评价值,αi为基于第i个应对效果评价指标对相应所述效果内容进行评价获得的目标值,βi为第i个应对效果评价指标对应的指标权重,O为应对效果评价指标的总数目,γ1和γ2为预设的权重值,σ为预设的误差系数。
上述技术方案的工作原理及有益效果为:
应对效果评价模板中包含多个应对效果评价指标,从应对效果中提取出应对效果评价指标对应的效果内容,基于应对效果评价指标,对相应效果内容进行评价,获得目标值,目标值越大,效果越佳;获取应对效果评价指标对应的指标权重,指标权重越大,说明效果内容越满足该应对效果评价指标,效果越佳;基于目标值和指标权重计算评价值,进一步提升了***的工作效率;
公式中,目标值αi和指标权重βi均应与评价值呈正相关,设置合理。
本发明实施例提供了一种挥发性有机物在线监测方法,如图3所示,包括:
步骤S1:在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位;
步骤S2:确认所述监测点位是否均布局到位,若是,获取所述监测点位监测产生的监测数据;
步骤S3:对所述监测数据进行分析,获得分析结果;
步骤S4:基于所述分析结果,确定是否需要进行预警,若是,进行相应预警。
上述技术方案的工作原理及有益效果为:
在监测现场内(例如:制革车间)内布局监测点位(例如:工作人员在制革时,会使用胶粘剂,可能产生挥发性有机物,因此,通知对应工作人员在制革工位设置挥发性有机物监测仪);确认监测点位是否布局到位(例如:通过制革车间内的监控设备确认监测点位是否已设置挥发性有机物监测仪),若是,获取监测点位的监测数据(挥发性有机物浓度);对监测数据进行分析(例如:分析挥发性有机物浓度是否超标),获得分析结果(例如:某监测点位挥发性有机物浓度超标);基于分析结果,确定是否需要预警,若是,进行相应预警(通知挥发性有机物浓度超标的监测点位附近的工作人员注意);
本发明实施例可以自行合理确定监测现场内需要进行挥发性有机物监测的监测点位,通知对应工作人员在监测点位设置挥发性有机物监测仪,无需人工进行确定,极大程度上降低了人力成本,同时,避免了人工确定不一定合理的问题发生。
本发明实施例提供了一种挥发性有机物在线监测方法,所述步骤S1:在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位,包括:
获取监测现场的现场信息,同时,基于所述现场信息,构建监测现场三维模型;
获取所述监测现场三维模型中n个第一区域的属性信息;
获取预设的挥发性有机物监测确认模型,将所述属性信息输入至所述挥发性有机物监测确认模型;
由所述挥发性有机物监测确认模型确认所述第一区域中需要进行挥发性有机物监测的第二区域,同时,确认所述第二区域中可能产生挥发性有机物的产生点位和对应于所述产生点位的产生权重;
获取挥发性有机物监测仪的大小信息,基于所述大小信息,在所述第二区域内搜索大小适宜的多个第一空闲点位;
获取所述第一产生点位与所述第一空闲点位之间的实际距离;
获取挥发性有机物监测仪的监测范围,若所述实际距离落在全部所述监测范围内,将对应所述第一空闲点位作为第二空闲点位;
从所述第一区域中选取与所述第二区域相邻的所述第一区域,并作为第三区域;
依次设定模拟对象,所述模拟对象包括:所述第二区域和所述第三区域;
获取所述模拟对象对应的多个运作动态场景;
随机选取一个所述第二空闲点位模拟放置预设的挥发性有机物监测仪模型,同时,随机选取一个所述运作动态场景在所述模拟对象内模拟进行;
在模拟进行过程中,基于预设的冲突情况捕捉模型,捕捉所述挥发性有机物监测仪模型与所述运作动态场景中的运作对象的冲突情况,并进行汇总,获得冲突情况集;
模拟进行结束后,获取预设的冲突值判定模型,将所述冲突情况集输入至所述冲突值判定模型,获得冲突值,并与对应所述第二空闲点位进行关联;
当所述第一运作动态场景随机选取完毕且所述第二空闲点位随机选取完毕且所述第二区域和所述第三区域均被设定为所述模拟对象后,汇总同一所述第二空闲点位关联的冲突值,获得冲突值和,并与对应所述第二空闲点位进行关联;
选取最小所述冲突值和关联的所述第二空闲点位,并作为第三空闲点位;
若所述产生点位的数目为1,模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第一产生情况;
获取预设的采样姿态确定模型,将所述产生点位、第三空闲点位和所述第一产生情况输入至所述采样姿态确定模型,获得采样姿态;
若所述产生点位的数目大于1,随机模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第二产生情况,并进行汇总,获得第二产生情况集;
将所述产生点位、对应于所述产生点位的产生权重、第三空闲点位和第二产生情况集输入至所述采样姿态确定模型,获得采样姿态;
生成多个布局策略并下发,所述布局策略包括:将所述第三空闲点位作为监测点位,在所述监测点位挥发性有机物监测仪,将所述挥发性有机物监测仪的采样装置的姿态调整至对应所述采样姿态。
上述技术方案的工作原理及有益效果为:
布局监测点位时,获取监测现场的现场信息(可设置移动小车,在移动小车上安装三维采样装置【例如:毫米波传感器】,对监测现场进行移动三维采样,现场信息即为三维采样获得的三维采样信息),基于现场信息,构建监测现场三维模型(可基于BIM技术实现);监测现场三维模型被划分成n(常数)个第一区域,将第一区域的属性信息(例如:区域内设备的类型、用途、生产流程、工位上进行的制作流程等)输入至预设的挥发性有机物监测确认模型(利用机器学习算法对大量人工基于区域的属性信息确定区域内需要设置挥发性有机物监测仪的点位以及点位产生挥发性有机物监测仪的可能性的记录【例如:工位上进行的制作流程中使用到胶粘剂,可能产生挥发性有机物,胶粘剂用量越大,产生挥发性有机物的可能性越大】进行学习后生成的模型),获得产生点位和对应产生权重(产生权重越大,产生点位产生挥发性有机物的可能性越大);在第二区域内搜索大小适宜于挥发性有机物监测仪的第一空闲点位;在第一空闲点位中确定挥发性有机物监测仪可对全部产生点位进行挥发性有机物监测的第二空闲点位;接着,就要从第二空闲点位中筛选出最适宜的第三空闲点位;确定第二空闲点位的适宜程度,就要考虑若在第二空闲点位设置挥发性有机物监测仪,第二区域以及附近的第三区域内进行正常生产运作时,挥发性有机物监测仪对正常生成运作的影响以及正常生产运作对挥发性有机物监测仪进行挥发性有机物监测的影响,影响越小,越适宜;因此,将第二区域和第三区域依次作为模拟对象,获取模拟对象对应的多个运作动态场景(例如:机械臂在移动、工作人员在移动等,可由移动小车对区域进行定点三维采集),随机选取一个第二空闲点位放置预设的挥发性有机物监测仪模型(挥发性有机物监测仪的三维模型),随机选取一个运作动态场景模拟进行;模拟进行过程中,利用预设的冲突情况捕捉模型(利用机器学习算法对大量人工捕捉挥发性有机物监测仪模型与运作动态场景之间的冲突情况【例如:发现工作人员经常会在有机物监测仪模型附近移动,可能产生碰撞;又例如:机械臂会碰到有机物监测仪模型】的记录进行学习后生成的模型),获得冲突情况,并汇总成冲突情况集;模拟进行结束后,将冲突情况集输入至预设的冲突值判定模型(利用机器学习算法对大量人工对冲突情况的冲突程度进行判定的记录进行学习后生成的模型),获得冲突值(冲突值越大,冲突程度越大);当第一运作动态场景随机选取完毕(均被选取)且第二空闲点位随机选取完毕(均被选取)且第二区域和第三区域均被设定为模拟对象后,汇总(求和计算)第二空闲点位关联的冲突值,获得冲突值和;选取最小冲突值和对应的第三空闲点位,第三空闲点位最为适宜;但是,不仅要考虑到挥发性有机物监测仪设置于第三空闲点位,还要确定挥发性有机物监测仪的采样装置(如图4所示,便携式挥发性有机物监测仪的柔性探杆A)的最佳采样姿态(例如:探杆朝向);基于产生点位的数目,分别模拟在产生点位产生挥发性有机物,捕捉产生点位产生挥发性有机物的产生情况(产生分布等)以及产生点位和第三空闲点位输入至预设的采样姿态确定模型(利用机器学习算法对大量人工确定挥发性有机物监测仪的采样装置最佳采样姿态的记录进行学习后生成模型)(产生点位数目大于1时,需要将产生点位产生挥发性有机物的可能性一并输入),获得采样姿态;生成布局策略并下发(发送至挥发性有机物监测仪布置部门)即可;
本发明实施例智能化的布局适宜的监测点位,降低了人力成本;在确定监测点位时,设置挥发性有机物监测确认模型,筛选出需要进行挥发性有机物监测的第二区域,降低布局资源;模拟进行第二区域和其附近的第三区域的运动动态场景,基于挥发性有机物监测仪和第二区域内的正常运行之间相互冲突情况确定最适宜的第三空闲点位,设置合理且细致;同时,还能自适应确定挥发性有机物监测仪采样状态的最佳采样姿态,进一步降低了人力成本。
本发明实施例提供了一种挥发性有机物在线监测方法,所述步骤S2中,确认所述监测点位是否均布局到位,包括:
获取所述监测点位的位置代号;
基于预设的位置代号-图像获取节点库,确定所述位置代号对应的图像获取节点;
通过所述图像获取节点获取所述监测点位的点位区域图像;
基于图像识别技术,识别所述点位区域图像上是否存在挥发性有机物监测仪的目标图像;
若是,基于姿态识别技术,识别所述目标图像上挥发性有机物监测仪的采样装置的当前姿态;
判断所述当前姿态和对应所述采样姿态是否一致,若是,对应所述监测点位布局成功;
当全部所述监测点位均布局成功时,所述监测点位均布局到位。
上述技术方案的工作原理及有益效果为:
基于监测点位的位置代号,查询预设的位置代号-图像获取节点库,确定对应图像获取节点;通过该图像获取节点可以获取到监测点位的点位区域图像;确定点位区域图像上是否有挥发性有机物监测仪存在以及当前姿态是否与对应采样姿态一致即可确认该监测点位是否布局成功。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种挥发性有机物在线监测***,其特征在于,包括:
布局模块,用于在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位;
确认模块,用于确认所述监测点位是否均布局到位,若是,获取所述监测点位监测产生的监测数据;
分析模块,用于对所述监测数据进行分析,获得分析结果;
预警模块,用于基于所述分析结果,确定是否需要进行预警,若是,进行相应预警。
2.如权利要求1所述的一种挥发性有机物在线监测***,其特征在于,所述布局模块执行如下操作:
获取监测现场的现场信息,同时,基于所述现场信息,构建监测现场三维模型;
获取所述监测现场三维模型中n个第一区域的属性信息;
获取预设的挥发性有机物监测确认模型,将所述属性信息输入至所述挥发性有机物监测确认模型;
由所述挥发性有机物监测确认模型确认所述第一区域中需要进行挥发性有机物监测的第二区域,同时,确认所述第二区域中可能产生挥发性有机物的产生点位和对应于所述产生点位的产生权重;
获取挥发性有机物监测仪的大小信息,基于所述大小信息,在所述第二区域内搜索大小适宜的多个第一空闲点位;
获取所述第一产生点位与所述第一空闲点位之间的实际距离;
获取挥发性有机物监测仪的监测范围,若所述实际距离落在全部所述监测范围内,将对应所述第一空闲点位作为第二空闲点位;
从所述第一区域中选取与所述第二区域相邻的所述第一区域,并作为第三区域;
依次设定模拟对象,所述模拟对象包括:所述第二区域和所述第三区域;
获取所述模拟对象对应的多个运作动态场景;
随机选取一个所述第二空闲点位模拟放置预设的挥发性有机物监测仪模型,同时,随机选取一个所述运作动态场景在所述模拟对象内模拟进行;
在模拟进行过程中,基于预设的冲突情况捕捉模型,捕捉所述挥发性有机物监测仪模型与所述运作动态场景中的运作对象的冲突情况,并进行汇总,获得冲突情况集;
模拟进行结束后,获取预设的冲突值判定模型,将所述冲突情况集输入至所述冲突值判定模型,获得冲突值,并与对应所述第二空闲点位进行关联;
当所述第一运作动态场景随机选取完毕且所述第二空闲点位随机选取完毕且所述第二区域和所述第三区域均被设定为所述模拟对象后,汇总同一所述第二空闲点位关联的冲突值,获得冲突值和,并与对应所述第二空闲点位进行关联;
选取最小所述冲突值和关联的所述第二空闲点位,并作为第三空闲点位;
若所述产生点位的数目为1,模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第一产生情况;
获取预设的采样姿态确定模型,将所述产生点位、第三空闲点位和所述第一产生情况输入至所述采样姿态确定模型,获得采样姿态;
若所述产生点位的数目大于1,随机模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第二产生情况,并进行汇总,获得第二产生情况集;
将所述产生点位、对应于所述产生点位的产生权重、第三空闲点位和第二产生情况集输入至所述采样姿态确定模型,获得采样姿态;
生成多个布局策略并下发,所述布局策略包括:将所述第三空闲点位作为监测点位,在所述监测点位挥发性有机物监测仪,将所述挥发性有机物监测仪的采样装置的姿态调整至对应所述采样姿态。
3.如权利要求1所述的一种挥发性有机物在线监测***,其特征在于,所述确认模块执行如下操作:
获取所述监测点位的位置代号;
基于预设的位置代号-图像获取节点库,确定所述位置代号对应的图像获取节点;
通过所述图像获取节点获取所述监测点位的点位区域图像;
基于图像识别技术,识别所述点位区域图像上是否存在挥发性有机物监测仪的目标图像;
若是,基于姿态识别技术,识别所述目标图像上挥发性有机物监测仪的采样装置的当前姿态;
判断所述当前姿态和对应所述采样姿态是否一致,若是,对应所述监测点位布局成功;
当全部所述监测点位均布局成功时,所述监测点位均布局到位。
4.如权利要求1所述的一种挥发性有机物在线监测***,其特征在于,所述分析模块执行如下操作:
获取预设的监测数据分析模型,将所述监测数据输入至所述监测数据分析模型,获得分析结果。
5.如权利要求1所述的一种挥发性有机物在线监测***,其特征在于,所述预警模块执行如下操作:
当所述分析结果包含至少一个产生挥发性有机物的异常点位时,获取对应于所述监测现场的现场地图;
确定所述现场地图上对应于所述异常点位的第一位置;
以所述第一位置为圆心,预设的半径长度为半径,绘制预警圈;
获取工作人员的智能终端的实时位置,将所述实时位置映射于所述现场地图内,获得第二位置;
若所述第二位置落在所述预警圈内,向对应所述工作人员的智能终端发送预设的预警信息。
6.如权利要求1所述的一种挥发性有机物在线监测***,其特征在于,还包括:
应对模块,用于训练应对策略确定模型,当进行预警时,获取所述异常点位的第一现场情况,将所述第一现场情况输入至所述应对策略确定模型,获得应对策略,基于所述应对策略,进行相应应对。
7.如权利要求6所述的一种挥发性有机物在线监测***,其特征在于,所述应对模块执行如下操作:
获取对产生挥发性有机物进行应对的多个第一应对事件;
获取所述第一应对事件的来源信息,所述来源信息包括:担保方、来源方和来源场景;
获取所述担保方的担保信息,从所述担保信息中确定所述担保方对所述来源方进行担保的担保权重集;
从所述担保权重集中确定所述来源场景对应的担保权重;
若所述担保权重小于等于预设的担保权重阈值,剔除对应所述第一应对事件;
否则,获取所述第一应对事件的获取信息,所述获取信息包括:获取成功时间点和获取过程;
所述确定所述获取过程中对应于所述获取成功时间点前和后预设的时间段内发生的至少一个第一过程;
对所述第一过程进行特征提取,获得多个第一特征;
获取预设的激发特征库,将所述第一特征与所述激发特征库中的激发特征进行匹配,若匹配符合,将对应所述第一过程作为第二过程,同时,将匹配符合的激发特征作为第二特征;
获取所述第二特征对应的预设的联合特征库,将其它所述第一特征与所述联合特征库中的联合特征进行匹配,若匹配符合,将对应所述第一过程作为第三过程,同时,将匹配符合的联合特征作为第三特征;
获取预设的模拟空间,在所述模拟空间内模拟进行所述第二过程和所述第三过程,实时监测所述第二过程和所述第三过程的执行情况;
获取所述第三特征对应的预设的风险事件确认模型,将所述执行情况输入至所述风险事件确认模型,获得确认结果;
当所述确认结果为确认发生风险事件时,剔除对应所述第一应对事件;
当需要剔除的所述第一应对事件均剔除后,将剔除剩余的所述第一应对事件作为第二应对事件;
提取所述第二应对事件中的应对效果动态获取节点;
通过所述应对效果动态获取节点获取应对效果;
基于预设的应对效果评价模板,对所述应对效果进行评价,获得评价值;
若所述评价值小于等于预设的评价值阈值,剔除对应所述第二应对事件;
当需要剔除的所述第二应对事件均剔除后,将剔除剩余的所述第一应对事件作为第三应对事件;
获取预设的神经网络模型,将所述第三应对事件输入至所述神经网络模型,进行模型训练,获得应对策略确定模型。
8.一种挥发性有机物在线监测方法,其特征在于,包括:
步骤S1:在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位;
步骤S2:确认所述监测点位是否均布局到位,若是,获取所述监测点位监测产生的监测数据;
步骤S3:对所述监测数据进行分析,获得分析结果;
步骤S4:基于所述分析结果,确定是否需要进行预警,若是,进行相应预警。
9.如权利要求8所述的一种挥发性有机物在线监测方法,其特征在于,所述步骤S1:在监测现场内布局适宜的多个进行挥发性有机物监测的监测点位,包括:
获取监测现场的现场信息,同时,基于所述现场信息,构建监测现场三维模型;
获取所述监测现场三维模型中n个第一区域的属性信息;
获取预设的挥发性有机物监测确认模型,将所述属性信息输入至所述挥发性有机物监测确认模型;
由所述挥发性有机物监测确认模型确认所述第一区域中需要进行挥发性有机物监测的第二区域,同时,确认所述第二区域中可能产生挥发性有机物的产生点位和对应于所述产生点位的产生权重;
获取挥发性有机物监测仪的大小信息,基于所述大小信息,在所述第二区域内搜索大小适宜的多个第一空闲点位;
获取所述第一产生点位与所述第一空闲点位之间的实际距离;
获取挥发性有机物监测仪的监测范围,若所述实际距离落在全部所述监测范围内,将对应所述第一空闲点位作为第二空闲点位;
从所述第一区域中选取与所述第二区域相邻的所述第一区域,并作为第三区域;
依次设定模拟对象,所述模拟对象包括:所述第二区域和所述第三区域;
获取所述模拟对象对应的多个运作动态场景;
随机选取一个所述第二空闲点位模拟放置预设的挥发性有机物监测仪模型,同时,随机选取一个所述运作动态场景在所述模拟对象内模拟进行;
在模拟进行过程中,基于预设的冲突情况捕捉模型,捕捉所述挥发性有机物监测仪模型与所述运作动态场景中的运作对象的冲突情况,并进行汇总,获得冲突情况集;
模拟进行结束后,获取预设的冲突值判定模型,将所述冲突情况集输入至所述冲突值判定模型,获得冲突值,并与对应所述第二空闲点位进行关联;
当所述第一运作动态场景随机选取完毕且所述第二空闲点位随机选取完毕且所述第二区域和所述第三区域均被设定为所述模拟对象后,汇总同一所述第二空闲点位关联的冲突值,获得冲突值和,并与对应所述第二空闲点位进行关联;
选取最小所述冲突值和关联的所述第二空闲点位,并作为第三空闲点位;
若所述产生点位的数目为1,模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第一产生情况;
获取预设的采样姿态确定模型,将所述产生点位、第三空闲点位和所述第一产生情况输入至所述采样姿态确定模型,获得采样姿态;
若所述产生点位的数目大于1,随机模拟在所述产生点位产生挥发性有机物,同时,捕捉所述产生点位产生挥发性有机物的第二产生情况,并进行汇总,获得第二产生情况集;
将所述产生点位、对应于所述产生点位的产生权重、第三空闲点位和第二产生情况集输入至所述采样姿态确定模型,获得采样姿态;
生成多个布局策略并下发,所述布局策略包括:将所述第三空闲点位作为监测点位,在所述监测点位挥发性有机物监测仪,将所述挥发性有机物监测仪的采样装置的姿态调整至对应所述采样姿态。
10.如权利要求8所述的一种挥发性有机物在线监测方法,其特征在于,所述步骤S2中,确认所述监测点位是否均布局到位,包括:
获取所述监测点位的位置代号;
基于预设的位置代号-图像获取节点库,确定所述位置代号对应的图像获取节点;
通过所述图像获取节点获取所述监测点位的点位区域图像;
基于图像识别技术,识别所述点位区域图像上是否存在挥发性有机物监测仪的目标图像;
若是,基于姿态识别技术,识别所述目标图像上挥发性有机物监测仪的采样装置的当前姿态;
判断所述当前姿态和对应所述采样姿态是否一致,若是,对应所述监测点位布局成功;
当全部所述监测点位均布局成功时,所述监测点位均布局到位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457603.0A CN114113487B (zh) | 2021-12-02 | 2021-12-02 | 一种挥发性有机物在线监测***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111457603.0A CN114113487B (zh) | 2021-12-02 | 2021-12-02 | 一种挥发性有机物在线监测***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114113487A true CN114113487A (zh) | 2022-03-01 |
CN114113487B CN114113487B (zh) | 2022-11-22 |
Family
ID=80369914
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111457603.0A Active CN114113487B (zh) | 2021-12-02 | 2021-12-02 | 一种挥发性有机物在线监测***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114113487B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115586311A (zh) * | 2022-12-12 | 2023-01-10 | 河北凯泰科技有限公司 | 环境空气挥发性有机物在线监测*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160035406A (ko) * | 2014-09-23 | 2016-03-31 | 한국가스안전공사 | 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치 |
CN108064047A (zh) * | 2018-01-17 | 2018-05-22 | 北京工商大学 | 一种基于粒子群的水质传感器网络优化部署方法 |
CN109737309A (zh) * | 2019-01-09 | 2019-05-10 | 慧感(上海)物联网科技有限公司 | 一种基于风险识别的风险源定漏溯源方法及其*** |
CN111695614A (zh) * | 2020-05-28 | 2020-09-22 | 中国农业大学 | 一种动态监测的传感器布局与多源信息融合方法和及*** |
CN113706355A (zh) * | 2021-09-05 | 2021-11-26 | 上海远韵实业有限公司 | 化工园区智慧应急***搭建方法 |
-
2021
- 2021-12-02 CN CN202111457603.0A patent/CN114113487B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20160035406A (ko) * | 2014-09-23 | 2016-03-31 | 한국가스안전공사 | 종합분석 기법을 기반으로 한 실시간 가스설비 자동 긴급차단장치 |
CN108064047A (zh) * | 2018-01-17 | 2018-05-22 | 北京工商大学 | 一种基于粒子群的水质传感器网络优化部署方法 |
CN109737309A (zh) * | 2019-01-09 | 2019-05-10 | 慧感(上海)物联网科技有限公司 | 一种基于风险识别的风险源定漏溯源方法及其*** |
CN111695614A (zh) * | 2020-05-28 | 2020-09-22 | 中国农业大学 | 一种动态监测的传感器布局与多源信息融合方法和及*** |
CN113706355A (zh) * | 2021-09-05 | 2021-11-26 | 上海远韵实业有限公司 | 化工园区智慧应急***搭建方法 |
Non-Patent Citations (1)
Title |
---|
齐建伟: "装备涂装过程污染物分布、成因分析与监测设计", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅰ辑)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115586311A (zh) * | 2022-12-12 | 2023-01-10 | 河北凯泰科技有限公司 | 环境空气挥发性有机物在线监测*** |
CN115586311B (zh) * | 2022-12-12 | 2023-03-10 | 河北凯泰科技有限公司 | 环境空气挥发性有机物在线监测*** |
Also Published As
Publication number | Publication date |
---|---|
CN114113487B (zh) | 2022-11-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN116129366B (zh) | 基于数字孪生的园区监测方法及相关装置 | |
US20240087104A1 (en) | Method for monitoring manufacture of assembly units | |
CN112347916B (zh) | 基于视频图像分析的电力现场作业安全监控方法及装置 | |
CN113326964B (zh) | 一种基于数据复合多级综合管廊风险管控方法及方法 | |
CN116359218B (zh) | 一种工业聚集区大气污染移动监测*** | |
CN112580995A (zh) | 施工安全大数据监督***与安全风险动态评估方法 | |
CN115239135A (zh) | 一种施工风险识别管控***及方法 | |
CN106855958A (zh) | 机台零件剩余寿命预测***与方法 | |
CN107657390A (zh) | 一种特种设备安全隐患管控大数据监测***及监测方法 | |
CN114113487B (zh) | 一种挥发性有机物在线监测***及方法 | |
CN112613569A (zh) | 图像识别方法、图像分类模型的训练方法及装置 | |
CN111950359A (zh) | 一种核电厂防止人因失误智能化***及方法 | |
CN113727214A (zh) | 大气污染的巡查方法、装置、设备及存储介质 | |
CN113282000A (zh) | 数据中心的故障诊断方法、装置及动环监控*** | |
CN117852896B (zh) | 一种施工监理风险控制预警***及方法 | |
CN115145788A (zh) | 一种针对智能运维***的检测数据生成方法和装置 | |
CN117114420B (zh) | 一种基于图像识别的工贸安全事故风险管控***和方法 | |
CN113435753A (zh) | 高危行业中企业风险判定方法、装置、设备及介质 | |
CN116629726B (zh) | 一种精密铜管包装车间的环境监测管理方法及*** | |
Chang et al. | Safety risk assessment of electric power operation site based on variable precision rough set | |
CN115879848A (zh) | 一种运输车安全监测方法及装置 | |
CN115938009A (zh) | 一种智能电子巡检定位方法及*** | |
CN114048346A (zh) | 一种基于gis的安全生产一体化管控平台及方法 | |
CN113449966A (zh) | 一种石膏板设备巡检方法及*** | |
CN110910042A (zh) | 基于gps技术的电力野外高空作业行为评估方法及*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | 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 |