CN116413318B - 一种基于井盖的有毒气体联合检测方法及*** - Google Patents
一种基于井盖的有毒气体联合检测方法及*** Download PDFInfo
- Publication number
- CN116413318B CN116413318B CN202310350879.1A CN202310350879A CN116413318B CN 116413318 B CN116413318 B CN 116413318B CN 202310350879 A CN202310350879 A CN 202310350879A CN 116413318 B CN116413318 B CN 116413318B
- Authority
- CN
- China
- Prior art keywords
- toxic gas
- detection
- parameters
- information
- optimization
- 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
- 239000002341 toxic gas Substances 0.000 title claims abstract description 392
- 238000001514 detection method Methods 0.000 title claims abstract description 308
- 238000005457 optimization Methods 0.000 claims abstract description 131
- 238000009826 distribution Methods 0.000 claims abstract description 119
- 239000007789 gas Substances 0.000 claims abstract description 117
- 238000000835 electrochemical detection Methods 0.000 claims abstract description 68
- 238000005868 electrolysis reaction Methods 0.000 claims abstract description 36
- 238000000034 method Methods 0.000 claims abstract description 33
- 238000013461 design Methods 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims description 181
- 238000004458 analytical method Methods 0.000 claims description 63
- 239000003792 electrolyte Substances 0.000 claims description 42
- 239000002245 particle Substances 0.000 claims description 39
- 238000007619 statistical method Methods 0.000 claims description 19
- 238000009423 ventilation Methods 0.000 claims description 19
- 238000012216 screening Methods 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 16
- 238000004088 simulation Methods 0.000 claims description 15
- 238000009792 diffusion process Methods 0.000 claims description 12
- 230000003068 static effect Effects 0.000 claims description 10
- 239000000126 substance Substances 0.000 claims description 6
- 238000005094 computer simulation Methods 0.000 claims description 5
- 238000003708 edge detection Methods 0.000 claims description 4
- 238000009825 accumulation Methods 0.000 claims description 3
- 231100000614 poison Toxicity 0.000 claims description 2
- 230000007096 poisonous effect Effects 0.000 claims description 2
- 238000012512 characterization method Methods 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 20
- 238000004364 calculation method Methods 0.000 description 2
- 238000004868 gas analysis Methods 0.000 description 2
- 239000012528 membrane Substances 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003054 catalyst Substances 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000003344 environmental pollutant Substances 0.000 description 1
- 238000000855 fermentation Methods 0.000 description 1
- 230000004151 fermentation Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000012905 input function Methods 0.000 description 1
- 150000002500 ions Chemical class 0.000 description 1
- 239000010871 livestock manure Substances 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000013433 optimization analysis Methods 0.000 description 1
- 231100000719 pollutant Toxicity 0.000 description 1
- 239000010909 process residue Substances 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 239000002351 wastewater Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N27/00—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means
- G01N27/26—Investigating or analysing materials by the use of electric, electrochemical, or magnetic means by investigating electrochemical variables; by using electrolysis or electrophoresis
- G01N27/27—Association of two or more measuring systems or cells, each measuring a different parameter, where the measurement results may be either used independently, the systems or cells being physically associated, or combined to produce a value for a further parameter
Landscapes
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Electrochemistry (AREA)
- Molecular Biology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analyzing Materials By The Use Of Electric Means (AREA)
Abstract
本发明公开了一种基于井盖的有毒气体联合检测方法及***,涉及井下气体检测领域,其中,所述方法包括:获取有毒气体类型和有毒气体分布区域,并根据其对电化学检测参数进行优化设计,生成电化学检测控制优化结果;根据电化学检测控制优化结果控制气体信息传感器进行检测,接收电解电流参数和电解电位参数;根据电解电位参数确定气体类型信息,根据电解电流参数确定气体浓度信息,结合气体类型信息确定有毒气体检测结果。解决了现有技术中针对井盖的有毒气体检测精准性低,进而造成井盖的有毒气体检测效果不佳的技术问题。达到了提高井盖的有毒气体检测的精准性,提升井盖的有毒气体检测质量的技术效果。
Description
技术领域
本发明涉及井下气体检测领域,具体地,涉及一种基于井盖的有毒气体联合检测方法及***。
背景技术
随着城市化进程的发展,井下管道的铺设面积越来越广。井盖是井下管道的重要维护节点之一。由于井盖内部长期处于封闭状态,井盖内部的污染物发酵、管道泄露等造成的有毒气体不断聚集,给人民群众安全带来了巨大的隐患。如何对井盖的有毒气体进行有效地检测,受到人们的广泛关注。
现有技术中,存在针对井盖的有毒气体检测精准性低,进而造成井盖的有毒气体检测效果不佳的技术问题。
发明内容
本申请提供了一种基于井盖的有毒气体联合检测方法及***。解决了现有技术中针对井盖的有毒气体检测精准性低,进而造成井盖的有毒气体检测效果不佳的技术问题。达到了通过有毒气体类型和有毒气体分布区域对电化学检测参数进行适配、全面的优化设计,生成准确的电化学检测控制优化结果,并根据电化学检测控制优化结果对井盖的有毒气体进行智能、可靠的检测,提高井盖的有毒气体检测的精准性,提升井盖的有毒气体检测质量的技术效果。
鉴于上述问题,本申请提供了一种基于井盖的有毒气体联合检测方法及***。
第一方面,本申请提供了一种基于井盖的有毒气体联合检测方法,其中,所述方法应用于一种基于井盖的有毒气体联合检测***,所述方法包括:对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;根据所述有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;获取电化学检测参数;根据所述有毒气体类型和所述有毒气体分布区域对所述电化学检测参数进行优化设计,生成电化学检测控制优化结果;根据所述电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据,其中,所述传感器检测数据包括电解电流参数和电解电位参数;根据所述电解电位参数确定气体类型信息,根据所述电解电流参数确定气体浓度信息;将所述气体类型信息和所述气体浓度信息添加进有毒气体检测结果。
第二方面,本申请还提供了一种基于井盖的有毒气体联合检测***,其中,所述***包括:场景分析模块,所述场景分析模块用于对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;大数据统计分析模块,所述大数据统计分析模块用于根据所述有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;电化学检测参数获取模块,所述电化学检测参数获取模块用于获取电化学检测参数;优化设计模块,所述优化设计模块用于根据所述有毒气体类型和所述有毒气体分布区域对所述电化学检测参数进行优化设计,生成电化学检测控制优化结果;传感器检测模块,所述传感器检测模块用于根据所述电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据,其中,所述传感器检测数据包括电解电流参数和电解电位参数;气体信息确定模块,所述气体信息确定模块用于根据所述电解电位参数确定气体类型信息,根据所述电解电流参数确定气体浓度信息;检测结果获得模块,所述检测结果获得模块用于将所述气体类型信息和所述气体浓度信息添加进有毒气体检测结果。
本申请中提供的一个或多个技术方案,至少具有如下技术效果或优点:
通过对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;通过对有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;通过有毒气体类型和有毒气体分布区域对电化学检测参数进行优化设计,生成电化学检测控制优化结果;根据电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据;通过对传感器检测数据进行分析,确定有毒气体检测结果。达到了通过有毒气体类型和有毒气体分布区域对电化学检测参数进行适配、全面的优化设计,生成准确的电化学检测控制优化结果,并根据电化学检测控制优化结果对井盖的有毒气体进行智能、可靠的检测,提高井盖的有毒气体检测的精准性,提升井盖的有毒气体检测质量的技术效果。
上述说明仅是本申请技术方案的概述,为了能够更清楚了解本申请的技术手段,而可依照说明书的内容予以实施,并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂,以下特举本申请的具体实施方式。
附图说明
为了更清楚地说明本公开实施例的技术方案,下面将对本公开实施例的附图作简单地介绍。明显地,下面描述中的附图仅仅涉及本公开的一些实施例,而非对本公开的限制。
图1为本申请一种基于井盖的有毒气体联合检测方法的流程示意图;
图2为本申请一种基于井盖的有毒气体联合检测方法中生成电化学检测控制优化结果的流程示意图;
图3为本申请一种基于井盖的有毒气体联合检测***的结构示意图。
附图标记说明:场景分析模块11,大数据统计分析模块12,电化学检测参数获取模块13,优化设计模块14,传感器检测模块15气体信息确定模块16,检测结果获得模块17。
具体实施方式
本申请通过提供一种基于井盖的有毒气体联合检测方法及***。解决了现有技术中针对井盖的有毒气体检测精准性低,进而造成井盖的有毒气体检测效果不佳的技术问题。达到了通过有毒气体类型和有毒气体分布区域对电化学检测参数进行适配、全面的优化设计,生成准确的电化学检测控制优化结果,并根据电化学检测控制优化结果对井盖的有毒气体进行智能、可靠的检测,提高井盖的有毒气体检测的精准性,提升井盖的有毒气体检测质量的技术效果。
实施例一
请参阅附图1,本申请提供一种基于井盖的有毒气体联合检测方法,其中,所述方法应用于一种基于井盖的有毒气体联合检测***,所述方法具体包括如下步骤:
步骤S100:对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;
进一步的,本申请步骤S100还包括:
步骤S110:对所述智能井盖部署区域进行生产要素分析,获取有毒气体生产要素集合,其中,所述有毒气体生产要素集合指的是有毒气体产出源类型集合;
步骤S120:对所述智能井盖部署区域进行生产规模分析,获取有毒气体生产规模集合,其中,所述有毒气体生产规模集合指的是有毒气体产出源规模集合;
步骤S130:对所述智能井盖部署区域进行生产时长分析,获取有毒气体生产时长集合,其中,所述有毒气体生产时长集合指的是有毒气体产出源运作时长集合;
步骤S140:对所述智能井盖部署区域进行生产位置分析,获取有毒气体生产位置集合,其中,所述有毒气体生产位置集合指的是有毒气体产出源位置集合;
步骤S150:对所述智能井盖部署区域进行井下管道结构分析,获取管道结构分布信息;
步骤S160:将所述有毒气体生产要素集合、所述有毒气体生产规模集合、所述有毒气体生产时长集合、所述有毒气体生产位置集合与所述管道结构分布信息添加进所述有毒气体检测环境特征。
具体而言,采集智能井盖部署区域的生产要素信息,获得有毒气体生产要素集合。进而,基于有毒气体生产要素集合,分别采集智能井盖部署区域的有毒气体生产规模信息、有毒气体生产时长信息、有毒气体生产位置信息,获得有毒气体生产规模集合、有毒气体生产时长集合、有毒气体生产位置集合。继而,采集智能井盖部署区域的井下管道结构信息,获得管道结构分布信息,结合有毒气体生产要素集合、有毒气体生产规模集合、有毒气体生产时长集合、有毒气体生产位置集合,生成有毒气体检测环境特征。
其中,所述智能井盖部署区域内包括多个智能井盖。多个智能井盖是与本申请中的一种基于井盖的有毒气体联合检测***通信连接的多个井盖。所述有毒气体生产要素集合包括有毒气体产出源类型集合。所述有毒气体产出源类型集合包括智能井盖部署区域对应的多个有毒气体产出源类型信息。例如,多个有毒气体产出源类型信息包括智能井盖部署区域内的燃气泄漏、有机物腐烂、禽畜粪便、食品加工废气及废水等。所述有毒气体生产规模集合包括有毒气体产出源规模集合。有毒气体产出源规模集合包括有毒气体产出源类型集合内的多个有毒气体产出源类型信息对应的多个有毒气体单位产生量。多个有毒气体单位产生量包括单位时间内,多个有毒气体产出源类型信息对应多个有毒气体产生量参数信息。所述有毒气体生产时长集合包括有毒气体产出源运作时长集合。有毒气体产出源运作时长集合包括有毒气体产出源类型集合内的多个有毒气体产出源类型信息对应的多个运作时长信息。所述有毒气体生产位置集合包括有毒气体产出源位置集合。有毒气体产出源位置集合包括有毒气体产出源类型集合内的多个有毒气体产出源类型信息对应的多个生产位置信息。所述管道结构分布信息包括智能井盖部署区域内的井下管道结构信息、井下管道布局信息。所述有毒气体检测环境特征包括有毒气体生产要素集合、有毒气体生产规模集合、有毒气体生产时长集合、有毒气体生产位置集合、管道结构分布信息。达到了通过对智能井盖部署区域进行多维度场景分析,确定全面的有毒气体检测环境特征,从而提高对智能井盖部署区域进行有毒气体分析的准确性的技术效果。
步骤S200:根据所述有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;
进一步的,本申请步骤S200还包括:
步骤S210:根据所述有毒气体生产要素集合进行大数据统计分析,获取有毒气体产出类型集合;
步骤S220:根据所述有毒气体生产规模集合与所述有毒气体生产时长集合进行大数据统计分析,获取有毒气体产生量集合;
步骤S230:当所述有毒气体产生量集合的任意一个有毒气体产生量大于或等于产出量阈值时,将所述有毒气体产出类型集合中对应有毒气体产出类型设为所述有毒气体类型;
步骤S240:根据所述有毒气体类型,从所述有毒气体生产位置集合中筛选有毒气体生产位置;
具体而言,基于有毒气体生产要素集合进行有毒气体产出类型分析,获取有毒气体产出类型集合。所述有毒气体产出类型集合包括多个有毒气体产出类型。示例性地,在获得有毒气体产出类型集合时,基于有毒气体生产要素集合进行历史数据查询,获得多个历史有毒气体生产要素集合、多个历史有毒气体产出类型集合。分析多个历史有毒气体生产要素集合与多个历史有毒气体产出类型集合之间的对应关系,按照对应关系将多个历史有毒气体生产要素集合、多个历史有毒气体产出类型集合进行排列,获得有毒气体产出类型分析数据库。将有毒气体生产要素集合输入有毒气体产出类型分析数据库,即可获得有毒气体产出类型集合。
进一步,将有毒气体生产规模集合内的多个有毒气体单位产生量与对应的有毒气体生产时长集合内的多个运作时长信息进行乘法计算,获得有毒气体产生量集合。有毒气体产生量集合包括多个有毒气体产生量。多个有毒气体产生量包括有毒气体生产规模集合内的多个有毒气体单位产生量与对应的有毒气体生产时长集合内的多个运作时长信息之间的多个乘积。继而,分别判断有毒气体产生量集合内的多个有毒气体产生量是否大于或等于产出量阈值,如果有毒气体产生量大于或等于产出量阈值,则,将该有毒气体产生量对应的有毒气体产出类型设置为有毒气体类型。根据有毒气体类型对有毒气体生产位置集合进行匹配,获得有毒气体生产位置。其中,所述产出量阈值包括预先设置确定的有毒气体产生量阈值。所述有毒气体类型包括大于或等于产出量阈值的多个有毒气体产生量对应的多个有毒气体产出类型。所述有毒气体生产位置包括有毒气体类型内的多个有毒气体产出类型对应的多个生产位置信息。达到了通过对有毒气体检测环境特征进行有毒气体产出类型分析及筛选,获得准确的有毒气体类型,从而提高井盖的有毒气体检测的适配度的技术效果。
步骤S250:根据所述有毒气体生产位置和所述管道结构分布信息进行气体扩散分析,生成所述有毒气体分布区域。
进一步的,本申请步骤S250还包括:
步骤S251:对所述管道结构分布信息进行标记,获取气体可通行区域标识信息和气体不通行区域标识信息;
步骤S252:获取管道通风方向参数和管道通风风速参数;
步骤S253:根据所述气体可通行区域标识信息和所述气体不通行区域标识信息进行仿真建模,生成管道气体通行静态模型;
步骤S254:根据所述管道通风方向参数和所述管道通风风速参数对所述管道气体通行静态模型进行设计,生成管道气体通行动态模型;
步骤S255:将所述有毒气体生产位置和有毒气体产生量输入所述管道气体通行动态模型进行扩散仿真,获取有毒气体聚集区域;
步骤S256:将所述有毒气体聚集区域设为所述有毒气体分布区域。
具体而言,遍历管道结构分布信息进行标记,获取气体可通行区域标识信息和气体不通行区域标识信息。进而,基于气体可通行区域标识信息和气体不通行区域标识信息进行仿真建模,生成管道气体通行静态模型。根据管道通风方向参数和管道通风风速参数对管道气体通行静态模型进行动态仿真,获得管道气体通行动态模型。继而,基于有毒气体生产位置和有毒气体产生量,对管道气体通行动态模型进行扩散仿真,获取有毒气体聚集区域,并将有毒气体聚集区域设置为有毒气体分布区域。示例性地,可将管道气体通行动态模型、有毒气体生产位置、有毒气体产生量输入仿真分析平台,仿真分析平台按照有毒气体生产位置和有毒气体产生量对管道气体通行动态模型进行扩散仿真,生成有毒气体聚集区域。仿真分析平台可以为现有技术中的MATLAB、RT-LAB等仿真验证平台。
其中,所述气体可通行区域标识信息包括管道结构分布信息内的多个气体可通行区域分布信息。所述气体不通行区域标识信息包括管道结构分布信息内的多个气体不可通行区域分布信息。所述管道通风方向参数包括智能井盖部署区域内的多个管道风向信息。所述管道通风风速参数包括智能井盖部署区域内的多个管道风速信息。所述管道气体通行静态模型包括气体可通行区域标识信息和气体不通行区域标识信息对应的三维仿真模型。示例性地,可将气体可通行区域标识信息和气体不通行区域标识信息输入现有技术中的Rhino、FormZ等仿真建模软件,通过仿真建模软件对气体可通行区域标识信息和气体不通行区域标识信息进行仿真计算,获得管道气体通行静态模型。所述管道气体通行动态模型包括气体可通行区域标识信息、气体不通行区域标识信息、管道通风方向参数和管道通风风速参数对应的三维仿真模型。所述有毒气体分布区域包括有毒气体聚集区域。达到了通过有毒气体生产位置和有毒气体产生量对管道气体通行动态模型进行扩散仿真,获取可靠的有毒气体分布区域,从而提高井盖的有毒气体检测的准确性的技术效果。
步骤S300:获取电化学检测参数;
步骤S400:根据所述有毒气体类型和所述有毒气体分布区域对所述电化学检测参数进行优化设计,生成电化学检测控制优化结果;
进一步的,如附图2所示,本申请步骤S400还包括:
步骤S410:所述电化学检测参数包括电解液类型参数、传感器检测位置参数和检测条件参数,其中,所述检测条件参数指的是检测时的物理条件和化学条件;
步骤S420:根据所述有毒气体类型对所述电解液类型参数和所述检测条件参数进行优化,获取电解液类型优化结果和检测条件参数优化结果;
进一步的,本申请步骤S420还包括:
步骤S421:根据检测时长信息,设定第一优化约束条件;
步骤S422:根据检测精度信息,设定第二优化约束条件;
步骤S423:根据检测成本信息,设定第三优化约束条件;
步骤S424:遍历所述第一优化约束条件、所述第二优化约束条件和所述第三优化约束条件,构建优化适应度函数:
其中,Fit(xi,yi)表征第i组优化结果的适应度,T(xi,yi)表征第i组优化结果的检测时长函数,C(xi,yi)表征第i组优化结果的检测成本函数,D(xi,yi)表征第i组优化结果的检测精度函数,minFit(xi,yi)表征优化的全部粒子中的适应度最小值,maxFit(xi,yi)优化的全部粒子中的适应度最大值,xi表征第i组优化结果的电解液类型参数,yi表征第i组优化结果的检测条件参数,α、β和γ表征各自维度的权重指数,大于或等于0;
步骤S425:根据所述电解液类型参数和所述检测条件参数采集历史检测记录,根据所述历史检测记录,构建预设数量的待优化粒子,其中,任意一个所述待优化粒子表征一组电解液类型参数和检测条件参数的历史选择;
步骤S426:根据所述优化适应度函数遍历所述待优化粒子进行筛选,获取所述电解液类型优化结果和所述检测条件参数优化结果。
具体而言,电化学检测参数包括电解液类型参数、传感器检测位置参数和检测条件参数。检测条件参数包括检测物理条件参数和检测化学条件参数。检测物理条件参数包括检测时的检测仪器、检测设备等。检测化学条件参数包括检测时的温度、光照、压强、催化剂等。进而,分别将检测时长信息、检测精度信息、检测成本信息设置为第一优化约束条件、第二优化约束条件、第三优化约束条件,并基于第一优化约束条件、第二优化约束条件和第三优化约束条件,构建优化适应度函数。
进一步,基于电解液类型参数和检测条件参数进行历史检测信息采集,获得历史检测记录。所述历史检测记录包括多组历史检测数据。每组历史检测数据包括历史电解液类型参数和历史检测条件参数,以及历史检测时长信息、历史检测精度信息、历史检测成本信息。进而,基于预设数量,对历史检测记录中的多组历史检测数据进行随机选择,获得多个待优化粒子。每个待优化粒子包括历史检测记录中随机的一组历史检测数据。且,多个待优化粒子的数量满足预设数量。继而,分别将多个待优化粒子作为输入信息,输入优化适应度函数,获得多个粒子适应度。将最大粒子适应度对应的待优化粒子中的电解液类型参数和检测条件参数输出为电解液类型优化结果和检测条件参数优化结果。
其中,所述预设数量包括预先设置确定的待优化粒子的数量阈值。在优化适应度函数中,Fit(xi,yi)为输出的待优化粒子对应的粒子适应度,T(xi,yi)为输入的待优化粒子的检测时长函数,C(xi,yi)为输入的待优化粒子的检测成本函数,D(xi,yi)为输入的待优化粒子的检测精度函数,minFit(xi,yi)为输入的多个待优化粒子对应的最小粒子适应度,maxFit(xi,yi)为输入的多个待优化粒子对应的最大粒子适应度,xi为输入的待优化粒子中的电解液类型参数,yi为输入的待优化粒子中的检测条件参数,α、β和γ为预先设置确定的各自维度的权重指数,且,α、β和γ均大于或等于0。所述电解液类型优化结果包括最大粒子适应度对应的待优化粒子中的电解液类型参数。所述检测条件参数优化结果包括最大粒子适应度对应的待优化粒子中的检测条件参数。达到了通过优化适应度函数对电解液类型参数和检测条件参数进行优化分析,获取可靠的电解液类型优化结果和检测条件参数优化结果,从而提高井盖的有毒气体检测的精准性的技术效果。
步骤S430:根据所述有毒气体分布区域对所述传感器检测位置参数进行优化,获取传感器检测位置优化结果;
进一步的,本申请步骤S430还包括:
步骤S431:根据所述有毒气体分布区域获取区域面积参数,匹配检测点数量信息;
步骤S432:根据所述有毒气体分布区域,设定检测点分布位置约束区域;
步骤S433:根据所述检测点数量信息和所述检测点分布位置约束区域进行非重复随机排布M次,生成M组传感器检测位置调整结果;
具体而言,基于有毒气体分布区域进行面积标识,获得区域面积参数,并根据区域面积参数匹配检测点数量信息。将有毒气体分布区域设置为检测点分布位置约束区域。继而,基于检测点数量信息和检测点分布位置约束区域进行M次非重复的传感器检测位置的随机排布,生成M组传感器检测位置调整结果。其中,所述区域面积参数包括有毒气体分布区域的面积信息。所述检测点数量信息包括有毒气体分布区域对应的传感器检测点数量。区域面积参数越大,对应的传感器检测点数量越多。示例性地,可通过井盖检测专家对区域面积参数进行传感器检测点数量标定,确定检测点数量信息。每组传感器检测位置调整结果包括检测点分布位置约束区域内的多个传感器检测点位置参数。且,每组传感器检测位置调整结果内的多个传感器检测点位置参数对应的数量均满足检测点数量信息。M组传感器检测位置调整结果之间的多个传感器检测点位置参数互不相同。M值可自适应设置确定。优选地,将检测点数量信息的2/3设置为M。达到了通过对检测点数量信息和检测点分布位置约束区域进行非重复随机排布M次,确定M组传感器检测位置调整结果,为后续对M组传感器检测位置调整结果进行分布均匀度分析及筛选夯实基础的技术效果。
步骤S434:遍历所述M组传感器检测位置调整结果进行分布均匀度分析,并对分析结果进行最大值筛选,获取所述传感器检测位置优化结果。
进一步的,本申请步骤S434还包括:
步骤S4341:获取分布均匀度评分函数:
其中,G表征任意一组传感器检测位置调整结果的分布均匀度评分,dk和dm分别表征任意一组传感器检测位置调整结果中任意两个点之间的距离,A1表征首位连接边缘检测点圈内的面积,A2表征检测点分布位置约束区域总面积;
步骤S4342:根据所述分布均匀度评分函数遍历所述M组传感器检测位置调整结果进行分布均匀度分析,并对分析结果进行最大值筛选,获取所述传感器检测位置优化结果。
步骤S440:将所述电解液类型优化结果、所述检测条件参数优化结果和所述传感器检测位置优化结果添加进所述电化学检测控制优化结果。
具体而言,分别将M组传感器检测位置调整结果作为输入信息,输入分布均匀度评分函数,通过分布均匀度评分函数对M组传感器检测位置调整结果进行分布均匀度分析,获得分析结果。所述分析结果包括M组传感器检测位置调整结果对应的M个分布均匀度评分。在分布均匀度评分函数中,G为输出的任意一组传感器检测位置调整结果对应的分布均匀度评分,dk和dm为输入的任意一组传感器检测位置调整结果中任意两个传感器检测点位置参数之间的距离,A1为输入的首位连接边缘检测点圈内的面积,A2为输入的检测点分布位置约束区域总面积,即,A2为输入的区域面积参数。进一步,对分析结果中的M个分布均匀度评分进行最大值筛选,获得最大分布均匀度评分,并将其与M组传感器检测位置调整结果进行匹配,获得传感器检测位置优化结果,结合电解液类型优化结果、检测条件参数优化结果,生成电化学检测控制优化结果。所述传感器检测位置优化结果包括最大分布均匀度评分对应的一组传感器检测位置调整结果。所述电化学检测控制优化结果包括电解液类型优化结果、检测条件参数优化结果和传感器检测位置优化结果。达到了通过分布均匀度评分函数对M组传感器检测位置调整结果进行分布均匀度分析及筛选,获得分布均匀度较高的传感器检测位置优化结果,从而提高井盖的有毒气体检测的可靠性的技术效果。
步骤S500:根据所述电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据,其中,所述传感器检测数据包括电解电流参数和电解电位参数;
步骤S600:根据所述电解电位参数确定气体类型信息,根据所述电解电流参数确定气体浓度信息;
步骤S700:将所述气体类型信息和所述气体浓度信息添加进有毒气体检测结果。
具体而言,根据电化学检测控制优化结果控制气体信息传感器对智能井盖部署区域进行实时检测,获得传感器检测数据。所述传感器检测数据包括电解电流参数和电解电位参数。进一步,根据电解电位参数确定气体类型信息,根据电解电流参数确定气体浓度信息,并将气体类型信息和气体浓度信息添加至有毒气体检测结果。其中,所述有毒气体检测结果包括气体类型信息和气体浓度信息。所述气体信息传感器可以为现有技术中的定电位电解法传感器。定电位电解法传感器对有毒气体的检测灵敏度高,由于不同气体的电解电位不同,因此,定电位电解法传感器对气体选择性好,定电位电解法传感器能够检测多种有毒气体。定电位电解法传感器包括过滤片、半透膜、电解液和电极。当有毒气体扩散进入半透膜溶解在电解液中,接触到电极,在电极表面产生化学反应,形成离子与电子等带电物质。带电物质产生电流,通过带电物质产生的电流可定量计算有毒气体的浓度。示例性地,将电解电位参数与现有技术中已知的气体电解电位范围进行比对,即可确定气体类型信息。将电解电流参数输入现有技术中已知的电解电流-气体浓度计算公式,即可获得气体浓度信息。达到了通过对传感器检测数据进行计算分析,获得准确的有毒气体检测结果,提高井盖的有毒气体检测质量的技术效果。
综上所述,本申请所提供的一种基于井盖的有毒气体联合检测方法具有如下技术效果:
1.通过对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;通过对有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;通过有毒气体类型和有毒气体分布区域对电化学检测参数进行优化设计,生成电化学检测控制优化结果;根据电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据;通过对传感器检测数据进行分析,确定有毒气体检测结果。达到了通过有毒气体类型和有毒气体分布区域对电化学检测参数进行适配、全面的优化设计,生成准确的电化学检测控制优化结果,并根据电化学检测控制优化结果对井盖的有毒气体进行智能、可靠的检测,提高井盖的有毒气体检测的精准性,提升井盖的有毒气体检测质量的技术效果。
2.通过对智能井盖部署区域进行多维度场景分析,确定全面的有毒气体检测环境特征,从而提高对智能井盖部署区域进行有毒气体分析的准确性。
3.通过优化适应度函数对电解液类型参数和检测条件参数进行优化分析,获取可靠的电解液类型优化结果和检测条件参数优化结果,从而提高井盖的有毒气体检测的精准性。
4.通过分布均匀度评分函数对M组传感器检测位置调整结果进行分布均匀度分析及筛选,获得分布均匀度较高的传感器检测位置优化结果,从而提高井盖的有毒气体检测的可靠性。
实施例二
基于与前述实施例中一种基于井盖的有毒气体联合检测方法,同样发明构思,本发明还提供了一种基于井盖的有毒气体联合检测***,请参阅附图3,所述***包括:
场景分析模块11,所述场景分析模块11用于对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;
大数据统计分析模块12,所述大数据统计分析模块12用于根据所述有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;
电化学检测参数获取模块13,所述电化学检测参数获取模块13用于获取电化学检测参数;
优化设计模块14,所述优化设计模块14用于根据所述有毒气体类型和所述有毒气体分布区域对所述电化学检测参数进行优化设计,生成电化学检测控制优化结果;
传感器检测模块15,所述传感器检测模块15用于根据所述电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据,其中,所述传感器检测数据包括电解电流参数和电解电位参数;
气体信息确定模块16,所述气体信息确定模块16用于根据所述电解电位参数确定气体类型信息,根据所述电解电流参数确定气体浓度信息;
检测结果获得模块17,所述检测结果获得模块17用于将所述气体类型信息和所述气体浓度信息添加进有毒气体检测结果。
进一步的,所述***还包括:
生产要素分析模块,所述生产要素分析模块用于对所述智能井盖部署区域进行生产要素分析,获取有毒气体生产要素集合,其中,所述有毒气体生产要素集合指的是有毒气体产出源类型集合;
生产规模分析模块,所述生产规模分析模块用于对所述智能井盖部署区域进行生产规模分析,获取有毒气体生产规模集合,其中,所述有毒气体生产规模集合指的是有毒气体产出源规模集合;
生产时长分析模块,所述生产时长分析模块用于对所述智能井盖部署区域进行生产时长分析,获取有毒气体生产时长集合,其中,所述有毒气体生产时长集合指的是有毒气体产出源运作时长集合;
生产位置分析模块,所述生产位置分析模块用于对所述智能井盖部署区域进行生产位置分析,获取有毒气体生产位置集合,其中,所述有毒气体生产位置集合指的是有毒气体产出源位置集合;
井下管道结构分析模块,所述井下管道结构分析模块用于对所述智能井盖部署区域进行井下管道结构分析,获取管道结构分布信息;
第一执行模块,所述第一执行模块用于将所述有毒气体生产要素集合、所述有毒气体生产规模集合、所述有毒气体生产时长集合、所述有毒气体生产位置集合与所述管道结构分布信息添加进所述有毒气体检测环境特征。
进一步的,所述***还包括:
有毒气体产出类型确定模块,所述有毒气体产出类型确定模块用于根据所述有毒气体生产要素集合进行大数据统计分析,获取有毒气体产出类型集合;
有毒气体产生量确定模块,所述有毒气体产生量确定模块用于根据所述有毒气体生产规模集合与所述有毒气体生产时长集合进行大数据统计分析,获取有毒气体产生量集合;
有毒气体类型确定模块,所述有毒气体类型确定模块用于当所述有毒气体产生量集合的任意一个有毒气体产生量大于或等于产出量阈值时,将所述有毒气体产出类型集合中对应有毒气体产出类型设为所述有毒气体类型;
位置筛选模块,所述位置筛选模块用于根据所述有毒气体类型,从所述有毒气体生产位置集合中筛选有毒气体生产位置;
气体扩散分析模块,所述气体扩散分析模块用于根据所述有毒气体生产位置和所述管道结构分布信息进行气体扩散分析,生成所述有毒气体分布区域。
进一步的,所述***还包括:
管道标记模块,所述管道标记模块用于对所述管道结构分布信息进行标记,获取气体可通行区域标识信息和气体不通行区域标识信息;
管道通风参数获取模块,所述管道通风参数获取模块用于获取管道通风方向参数和管道通风风速参数;
仿真模块,所述仿真模块用于根据所述气体可通行区域标识信息和所述气体不通行区域标识信息进行仿真建模,生成管道气体通行静态模型;
通行动态设计模块,所述通行动态设计模块用于根据所述管道通风方向参数和所述管道通风风速参数对所述管道气体通行静态模型进行设计,生成管道气体通行动态模型;
扩散仿真模块,所述扩散仿真模块用于将所述有毒气体生产位置和有毒气体产生量输入所述管道气体通行动态模型进行扩散仿真,获取有毒气体聚集区域;
第二执行模块,所述第二执行模块用于将所述有毒气体聚集区域设为所述有毒气体分布区域。
进一步的,所述***还包括:
参数组成模块,所述参数组成模块用于所述电化学检测参数包括电解液类型参数、传感器检测位置参数和检测条件参数,其中,所述检测条件参数指的是检测时的物理条件和化学条件;
第三执行模块,所述第三执行模块用于根据所述有毒气体类型对所述电解液类型参数和所述检测条件参数进行优化,获取电解液类型优化结果和检测条件参数优化结果;
第四执行模块,所述第四执行模块用于根据所述有毒气体分布区域对所述传感器检测位置参数进行优化,获取传感器检测位置优化结果;
第五执行模块,所述第五执行模块用于将所述电解液类型优化结果、所述检测条件参数优化结果和所述传感器检测位置优化结果添加进所述电化学检测控制优化结果。
进一步的,所述***还包括:
第一优化约束条件确定模块,所述第一优化约束条件确定模块用于根据检测时长信息,设定第一优化约束条件;
第二优化约束条件确定模块,所述第二优化约束条件确定模块用于根据检测精度信息,设定第二优化约束条件;
第三优化约束条件确定模块,所述第三优化约束条件确定模块用于根据检测成本信息,设定第三优化约束条件;
优化适应度函数构建模块,所述优化适应度函数构建模块用于遍历所述第一优化约束条件、所述第二优化约束条件和所述第三优化约束条件,构建优化适应度函数:
其中,Fit(xi,yi)表征第i组优化结果的适应度,T(xi,yi)表征第i组优化结果的检测时长函数,C(xi,yi)表征第i组优化结果的检测成本函数,D(xi,yi)表征第i组优化结果的检测精度函数,minFit(xi,yi)表征优化的全部粒子中的适应度最小值,maxFit(xi,yi)优化的全部粒子中的适应度最大值,xi表征第i组优化结果的电解液类型参数,yi表征第i组优化结果的检测条件参数,α、β和γ表征各自维度的权重指数,大于或等于0;
待优化粒子确定模块,所述待优化粒子确定模块用于根据所述电解液类型参数和所述检测条件参数采集历史检测记录,根据所述历史检测记录,构建预设数量的待优化粒子,其中,任意一个所述待优化粒子表征一组电解液类型参数和检测条件参数的历史选择;
粒子筛选模块,所述粒子筛选模块用于根据所述优化适应度函数遍历所述待优化粒子进行筛选,获取所述电解液类型优化结果和所述检测条件参数优化结果。
进一步的,所述***还包括:
匹配模块,所述匹配模块用于根据所述有毒气体分布区域获取区域面积参数,匹配检测点数量信息;
约束设定模块,所述约束设定模块用于根据所述有毒气体分布区域,设定检测点分布位置约束区域;
随机排布模块,所述随机排布模块用于根据所述检测点数量信息和所述检测点分布位置约束区域进行非重复随机排布M次,生成M组传感器检测位置调整结果;
最大值筛选模块,所述最大值筛选模块用于遍历所述M组传感器检测位置调整结果进行分布均匀度分析,并对分析结果进行最大值筛选,获取所述传感器检测位置优化结果。
进一步的,所述***还包括:
评分函数确定模块,所述评分函数确定模块用于获取分布均匀度评分函数:
其中,G表征任意一组传感器检测位置调整结果的分布均匀度评分,dk和dm分别表征任意一组传感器检测位置调整结果中任意两个点之间的距离,A1表征首位连接边缘检测点圈内的面积,A2表征检测点分布位置约束区域总面积;
第六执行模块,所述第六执行模块用于根据所述分布均匀度评分函数遍历所述M组传感器检测位置调整结果进行分布均匀度分析,并对分析结果进行最大值筛选,获取所述传感器检测位置优化结果。
本发明实施例所提供的一种基于井盖的有毒气体联合检测***可执行本发明任意实施例所提供的一种基于井盖的有毒气体联合检测方法,具备执行方法相应的功能模块和有益效果。
所包括的各个模块只是按照功能逻辑进行划分的,但并不局限于上述的划分,只要能够实现相应的功能即可;另外,各功能模块的具体名称也只是为了便于相互区分,并不用于限制本发明的保护范围。
本申请提供了一种基于井盖的有毒气体联合检测方法,其中,所述方法应用于一种基于井盖的有毒气体联合检测***,所述方法包括:通过对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;通过对有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;通过有毒气体类型和有毒气体分布区域对电化学检测参数进行优化设计,生成电化学检测控制优化结果;根据电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据;通过对传感器检测数据进行分析,确定有毒气体检测结果。解决了现有技术中针对井盖的有毒气体检测精准性低,进而造成井盖的有毒气体检测效果不佳的技术问题。达到了通过有毒气体类型和有毒气体分布区域对电化学检测参数进行适配、全面的优化设计,生成准确的电化学检测控制优化结果,并根据电化学检测控制优化结果对井盖的有毒气体进行智能、可靠的检测,提高井盖的有毒气体检测的精准性,提升井盖的有毒气体检测质量的技术效果。
注意,上述仅为本发明的较佳实施例及所运用技术原理。本领域技术人员会理解,本发明不限于这里所述的特定实施例,对本领域技术人员来说能够进行各种明显的变化、重新调整和替代而不会脱离本发明的保护范围。因此,虽然通过以上实施例对本发明进行了较为详细的说明,但是本发明不仅仅限于以上实施例,在不脱离本发明构思的情况下,还可以包括更多其他等效实施例,而本发明的范围由所附的权利要求范围决定。
Claims (9)
1.一种基于井盖的有毒气体联合检测方法,其特征在于,应用于智能井盖,包括:
对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;
根据所述有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;
获取电化学检测参数;
根据所述有毒气体类型和所述有毒气体分布区域对所述电化学检测参数进行优化设计,生成电化学检测控制优化结果;
根据所述电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据,其中,所述传感器检测数据包括电解电流参数和电解电位参数;
根据所述电解电位参数确定气体类型信息,根据所述电解电流参数确定气体浓度信息;
将所述气体类型信息和所述气体浓度信息添加进有毒气体检测结果。
2.如权利要求1所述的方法,其特征在于,所述对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征,包括:
对所述智能井盖部署区域进行生产要素分析,获取有毒气体生产要素集合,其中,所述有毒气体生产要素集合指的是有毒气体产出源类型集合;
对所述智能井盖部署区域进行生产规模分析,获取有毒气体生产规模集合,其中,所述有毒气体生产规模集合指的是有毒气体产出源规模集合;
对所述智能井盖部署区域进行生产时长分析,获取有毒气体生产时长集合,其中,所述有毒气体生产时长集合指的是有毒气体产出源运作时长集合;
对所述智能井盖部署区域进行生产位置分析,获取有毒气体生产位置集合,其中,所述有毒气体生产位置集合指的是有毒气体产出源位置集合;
对所述智能井盖部署区域进行井下管道结构分析,获取管道结构分布信息;
将所述有毒气体生产要素集合、所述有毒气体生产规模集合、所述有毒气体生产时长集合、所述有毒气体生产位置集合与所述管道结构分布信息添加进所述有毒气体检测环境特征。
3.如权利要求2所述的方法,其特征在于,根据所述有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域,包括:
根据所述有毒气体生产要素集合进行大数据统计分析,获取有毒气体产出类型集合;
根据所述有毒气体生产规模集合与所述有毒气体生产时长集合进行大数据统计分析,获取有毒气体产生量集合;
当所述有毒气体产生量集合的任意一个有毒气体产生量大于或等于产出量阈值时,将所述有毒气体产出类型集合中对应有毒气体产出类型设为所述有毒气体类型;
根据所述有毒气体类型,从所述有毒气体生产位置集合中筛选有毒气体生产位置;
根据所述有毒气体生产位置和所述管道结构分布信息进行气体扩散分析,生成所述有毒气体分布区域。
4.如权利要求3所述的方法,其特征在于,根据所述有毒气体生产位置和所述管道结构分布信息进行气体扩散分析,生成所述有毒气体分布区域,包括:
对所述管道结构分布信息进行标记,获取气体可通行区域标识信息和气体不通行区域标识信息;
获取管道通风方向参数和管道通风风速参数;
根据所述气体可通行区域标识信息和所述气体不通行区域标识信息进行仿真建模,生成管道气体通行静态模型;
根据所述管道通风方向参数和所述管道通风风速参数对所述管道气体通行静态模型进行设计,生成管道气体通行动态模型;
将所述有毒气体生产位置和有毒气体产生量输入所述管道气体通行动态模型进行扩散仿真,获取有毒气体聚集区域;
将所述有毒气体聚集区域设为所述有毒气体分布区域。
5.如权利要求1所述的方法,其特征在于,根据所述有毒气体类型和所述有毒气体分布区域对所述电化学检测参数进行优化设计,生成电化学检测控制优化结果,包括:
所述电化学检测参数包括电解液类型参数、传感器检测位置参数和检测条件参数,其中,所述检测条件参数指的是检测时的物理条件和化学条件;
根据所述有毒气体类型对所述电解液类型参数和所述检测条件参数进行优化,获取电解液类型优化结果和检测条件参数优化结果;
根据所述有毒气体分布区域对所述传感器检测位置参数进行优化,获取传感器检测位置优化结果;
将所述电解液类型优化结果、所述检测条件参数优化结果和所述传感器检测位置优化结果添加进所述电化学检测控制优化结果。
6.如权利要求5所述的方法,其特征在于,根据所述有毒气体类型对所述电解液类型参数和所述检测条件参数进行优化,获取电解液类型优化结果和检测条件参数优化结果,包括:
根据检测时长信息,设定第一优化约束条件;
根据检测精度信息,设定第二优化约束条件;
根据检测成本信息,设定第三优化约束条件;
遍历所述第一优化约束条件、所述第二优化约束条件和所述第三优化约束条件,构建优化适应度函数:
其中,Fit(xi,yi)表征第i组优化结果的适应度,T(xi,yi)表征第i组优化结果的检测时长函数,C(xi,yi)表征第i组优化结果的检测成本函数,D(xi,yi)表征第i组优化结果的检测精度函数,minFit(xi,yi)表征优化的全部粒子中的适应度最小值,maxFit(xi,yi)优化的全部粒子中的适应度最大值,xi表征第i组优化结果的电解液类型参数,yi表征第i组优化结果的检测条件参数,α、β和γ表征各自维度的权重指数,大于或等于0;
根据所述电解液类型参数和所述检测条件参数采集历史检测记录,根据所述历史检测记录,构建预设数量的待优化粒子,其中,任意一个所述待优化粒子表征一组电解液类型参数和检测条件参数的历史选择;
根据所述优化适应度函数遍历所述待优化粒子进行筛选,获取所述电解液类型优化结果和所述检测条件参数优化结果。
7.如权利要求5所述的方法,其特征在于,根据所述有毒气体分布区域对所述传感器检测位置参数进行优化,获取传感器检测位置优化结果,包括:
根据所述有毒气体分布区域获取区域面积参数,匹配检测点数量信息;
根据所述有毒气体分布区域,设定检测点分布位置约束区域;
根据所述检测点数量信息和所述检测点分布位置约束区域进行非重复随机排布M次,生成M组传感器检测位置调整结果;
遍历所述M组传感器检测位置调整结果进行分布均匀度分析,并对分析结果进行最大值筛选,获取所述传感器检测位置优化结果。
8.如权利要求7所述的方法,其特征在于,遍历所述M组传感器检测位置调整结果进行分布均匀度分析,并对分析结果进行最大值筛选,获取所述传感器检测位置优化结果,包括:
获取分布均匀度评分函数:
其中,G表征任意一组传感器检测位置调整结果的分布均匀度评分,dk和dm分别表征任意一组传感器检测位置调整结果中任意两个点之间的距离,A1表征首位连接边缘检测点圈内的面积,A2表征检测点分布位置约束区域总面积;
根据所述分布均匀度评分函数遍历所述M组传感器检测位置调整结果进行分布均匀度分析,并对分析结果进行最大值筛选,获取所述传感器检测位置优化结果。
9.一种基于井盖的有毒气体联合检测***,其特征在于,所述***用于执行权利要求1至8任一项所述的方法,所述***包括:
场景分析模块,所述场景分析模块用于对智能井盖部署区域进行场景分析,生成有毒气体检测环境特征;
大数据统计分析模块,所述大数据统计分析模块用于根据所述有毒气体检测环境特征进行大数据统计分析,获取有毒气体类型和有毒气体分布区域;
电化学检测参数获取模块,所述电化学检测参数获取模块用于获取电化学检测参数;
优化设计模块,所述优化设计模块用于根据所述有毒气体类型和所述有毒气体分布区域对所述电化学检测参数进行优化设计,生成电化学检测控制优化结果;
传感器检测模块,所述传感器检测模块用于根据所述电化学检测控制优化结果控制气体信息传感器进行检测,接收传感器检测数据,其中,所述传感器检测数据包括电解电流参数和电解电位参数;
气体信息确定模块,所述气体信息确定模块用于根据所述电解电位参数确定气体类型信息,根据所述电解电流参数确定气体浓度信息;
检测结果获得模块,所述检测结果获得模块用于将所述气体类型信息和所述气体浓度信息添加进有毒气体检测结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310350879.1A CN116413318B (zh) | 2023-04-04 | 2023-04-04 | 一种基于井盖的有毒气体联合检测方法及*** |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310350879.1A CN116413318B (zh) | 2023-04-04 | 2023-04-04 | 一种基于井盖的有毒气体联合检测方法及*** |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116413318A CN116413318A (zh) | 2023-07-11 |
CN116413318B true CN116413318B (zh) | 2023-11-28 |
Family
ID=87049164
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310350879.1A Active CN116413318B (zh) | 2023-04-04 | 2023-04-04 | 一种基于井盖的有毒气体联合检测方法及*** |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116413318B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106053756A (zh) * | 2016-05-18 | 2016-10-26 | 北京理工大学 | 一种用于气体浓度检测仪的控制*** |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
CN110657839A (zh) * | 2019-10-12 | 2020-01-07 | 沈阳航空航天大学 | 一种井盖安全监测*** |
KR102080533B1 (ko) * | 2018-12-21 | 2020-02-24 | (주)제이지파워넷 | 지하 작업공간에 대한 안전진단 시스템 |
CN111122790A (zh) * | 2019-12-31 | 2020-05-08 | 浙江正元地理信息有限责任公司 | 一种基于物联网技术的井下有毒气体监测装置及方法 |
CN111751498A (zh) * | 2020-07-03 | 2020-10-09 | 天津理工大学 | 一种基于移动平台的有毒环境中毒气分布检测***及方法 |
CN112216071A (zh) * | 2020-10-10 | 2021-01-12 | 深圳中神电子科技有限公司 | 一种基于大数据的智慧化工监测预警平台 |
CN114120579A (zh) * | 2021-11-26 | 2022-03-01 | 广东电网有限责任公司 | 一种智能井盖监测***、方法、设备及存储介质 |
KR102430060B1 (ko) * | 2022-02-28 | 2022-08-05 | 샘온테크놀로지 주식회사 | 다중 센서를 이용한 스마트 맨홀 감시시스템 |
-
2023
- 2023-04-04 CN CN202310350879.1A patent/CN116413318B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106053756A (zh) * | 2016-05-18 | 2016-10-26 | 北京理工大学 | 一种用于气体浓度检测仪的控制*** |
CN110073301A (zh) * | 2017-08-02 | 2019-07-30 | 强力物联网投资组合2016有限公司 | 工业物联网中具有大数据集的数据收集环境下的检测方法和*** |
KR102080533B1 (ko) * | 2018-12-21 | 2020-02-24 | (주)제이지파워넷 | 지하 작업공간에 대한 안전진단 시스템 |
CN110657839A (zh) * | 2019-10-12 | 2020-01-07 | 沈阳航空航天大学 | 一种井盖安全监测*** |
CN111122790A (zh) * | 2019-12-31 | 2020-05-08 | 浙江正元地理信息有限责任公司 | 一种基于物联网技术的井下有毒气体监测装置及方法 |
CN111751498A (zh) * | 2020-07-03 | 2020-10-09 | 天津理工大学 | 一种基于移动平台的有毒环境中毒气分布检测***及方法 |
CN112216071A (zh) * | 2020-10-10 | 2021-01-12 | 深圳中神电子科技有限公司 | 一种基于大数据的智慧化工监测预警平台 |
CN114120579A (zh) * | 2021-11-26 | 2022-03-01 | 广东电网有限责任公司 | 一种智能井盖监测***、方法、设备及存储介质 |
KR102430060B1 (ko) * | 2022-02-28 | 2022-08-05 | 샘온테크놀로지 주식회사 | 다중 센서를 이용한 스마트 맨홀 감시시스템 |
Also Published As
Publication number | Publication date |
---|---|
CN116413318A (zh) | 2023-07-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Canter et al. | Handbook of variables for environmental impact assessment | |
CN112669190B (zh) | 污染源异常排放行为的检测方法、装置及计算机设备 | |
CN114662344B (zh) | 基于连续在线观测数据的大气污染溯源预测方法及*** | |
CN113159454A (zh) | 一种鉴定评估土壤环境损害实物量的加密优化布点方法 | |
CN114118613A (zh) | 一种焦化土壤污染空间分布预测优化方法及*** | |
CN117116382A (zh) | 引水工程影响下受水湖泊水质时空预测方法和*** | |
CN114201570A (zh) | 河网水质的监测方法、装置和可读存储介质 | |
CN110889196A (zh) | 水环境承载力评估方法、装置及存储介质 | |
CN115188434A (zh) | 一种流域尺度水体非点源污染分类分区识别方法 | |
CN110751176A (zh) | 一种基于决策树算法的湖泊水质预测方法 | |
CN117538503A (zh) | 一种实时智能的土壤污染监测***及方法 | |
CN112733419A (zh) | 一种突发大气污染事故源反演准确性提升方法 | |
CN115712981A (zh) | 基于受体和化学传输模型解析细颗粒物来源的方法及*** | |
CN116499938A (zh) | 一种职业工作场所气溶胶悬浮物智能监测方法 | |
CN112650740B (zh) | 一种降低在线监测碳排放量数据不确定度的方法及*** | |
CN116413318B (zh) | 一种基于井盖的有毒气体联合检测方法及*** | |
CN117171128A (zh) | 一种基于四水耦合模型的水生生物保护阈值识别方法 | |
CN115936680B (zh) | 一种设备运维的智能派单方法及*** | |
CN114814135B (zh) | 一种基于多元监测的河流水质污染溯源方法及*** | |
Zhu et al. | A data-driven approach for optimal design of integrated air quality monitoring network in a chemical cluster | |
CN114324797A (zh) | 一种煤矿地下水库的矿井水水质安全评价方法 | |
CN110108609B (zh) | 一种基于卫星多通道的pm2.5浓度值分布情况获取方法及*** | |
CN117699958B (zh) | 一种污水处理***及污水处理方法 | |
CN113990407B (zh) | 对多氯萘及其同系物的含量及来源进行解析的解析方法 | |
CN116842851B (zh) | 基于流域的子***的水务数据感知和机理分析的模型*** |
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 |