CN117129649A - 一种基于边缘计算的可燃气体浓度监测*** - Google Patents
一种基于边缘计算的可燃气体浓度监测*** Download PDFInfo
- Publication number
- CN117129649A CN117129649A CN202311105812.8A CN202311105812A CN117129649A CN 117129649 A CN117129649 A CN 117129649A CN 202311105812 A CN202311105812 A CN 202311105812A CN 117129649 A CN117129649 A CN 117129649A
- Authority
- CN
- China
- Prior art keywords
- time
- combustible
- concentration
- real
- combustible gas
- 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 23
- 238000009792 diffusion process Methods 0.000 claims abstract description 47
- 238000000034 method Methods 0.000 claims abstract description 34
- 239000007789 gas Substances 0.000 claims description 168
- 239000002341 toxic gas Substances 0.000 claims description 43
- 231100000252 nontoxic Toxicity 0.000 claims description 40
- 230000003000 nontoxic effect Effects 0.000 claims description 40
- 231100000331 toxic Toxicity 0.000 claims description 11
- 230000002588 toxic effect Effects 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 6
- 230000005764 inhibitory process Effects 0.000 claims description 5
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 2
- QGZKDVFQNNGYKY-UHFFFAOYSA-N Ammonia Chemical compound N QGZKDVFQNNGYKY-UHFFFAOYSA-N 0.000 description 2
- XYFCBTPGUUZFHI-UHFFFAOYSA-N Phosphine Natural products P XYFCBTPGUUZFHI-UHFFFAOYSA-N 0.000 description 2
- ATUOYWHBWRKTHZ-UHFFFAOYSA-N Propane Chemical compound CCC ATUOYWHBWRKTHZ-UHFFFAOYSA-N 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 231100000572 poisoning Toxicity 0.000 description 2
- 230000000607 poisoning effect Effects 0.000 description 2
- UGFAIRIUMAVXCW-UHFFFAOYSA-N Carbon monoxide Chemical compound [O+]#[C-] UGFAIRIUMAVXCW-UHFFFAOYSA-N 0.000 description 1
- RWSOTUBLDIXVET-UHFFFAOYSA-N Dihydrogen sulfide Chemical compound S RWSOTUBLDIXVET-UHFFFAOYSA-N 0.000 description 1
- OTMSDBZUPAUEDD-UHFFFAOYSA-N Ethane Chemical compound CC OTMSDBZUPAUEDD-UHFFFAOYSA-N 0.000 description 1
- 229910021529 ammonia Inorganic materials 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 229910002091 carbon monoxide Inorganic materials 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000001257 hydrogen Substances 0.000 description 1
- 229910052739 hydrogen Inorganic materials 0.000 description 1
- 125000004435 hydrogen atom Chemical class [H]* 0.000 description 1
- 229910000037 hydrogen sulfide Inorganic materials 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 229910000073 phosphorus hydride Inorganic materials 0.000 description 1
- 239000001294 propane Substances 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
- G01N33/22—Fuels; Explosives
- G01N33/225—Gaseous fuels, e.g. natural gas
Landscapes
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Medicinal Chemistry (AREA)
- Biochemistry (AREA)
- General Chemical & Material Sciences (AREA)
- Food Science & Technology (AREA)
- Chemical Kinetics & Catalysis (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Oil, Petroleum & Natural Gas (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Alarm Systems (AREA)
- Emergency Alarm Devices (AREA)
Abstract
本发明是一种基于边缘计算的可燃气体浓度监测***，涉及数据监测技术领域；包括服务器，所述服务器连接浓度采集模块、浓度处理模块以及报警模块；所述浓度处理模块包括第一处理单元、第二处理单元以及第三处理单元；所述浓度采集模块用于采集工业环境的可燃气体以及对应的实时浓度；将其发送至浓度处理模块，利用第一处理单元、第二处理单元以及第三处理单元，对可燃气体进行分类处理，获得其对应实时浓度的扩散速率；从而获得其对应可燃气体的发生危险概率，并生成报警信号；所述报警模块用于根据报警信号对可燃气体进行对应的处理；加快处理速度以及接收到报警信号速度，避免火灾危险发生。
Description
技术领域
本发明涉及数据监测技术领域，具体是一种基于边缘计算的可燃气体浓度监测***。
背景技术
边缘计算，是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理；边缘计算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理，边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟；在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据；
现有技术中，对于可燃气体的监测无法满足及时性报警，对可燃气体的实时浓度的处理无法加快处理速度，对终端设备接收报警信号的时间无法缩短，较长时间的处理和接收信号，会造成对可燃气体浓度监测不准时，而造成火灾等危险，因此，提供了一种基于边缘计算的可燃气体浓度监测***。
发明内容
为了解决上述技术问题本发明的目的在于提供一种基于边缘计算的可燃气体浓度监测***。
本发明的目的可以通过以下技术方案实现：一种基于边缘计算的可燃气体浓度监测***，包括服务器，所述服务器连接浓度采集模块、浓度处理模块以及报警模块；
所述浓度采集模块用于采集工业环境的可燃气体以及对应的实时浓度；
所述浓度处理模块包括第一处理单元、第二处理单元以及第三处理单元；
所述第一处理单元用于对可燃气体进行分类处理，根据分类结果，建立可燃无毒边缘处理单元和可燃有毒边缘处理单元；
所述第二处理单元用于对可燃无毒气体和可燃有毒气体进行分类处理，根据处理结果，获得其对应实时浓度的扩散速率；
所述第三处理单元用于根据实时浓度的扩散速率，获得其对应可燃气体的发生危险概率，并生成报警信号；
所述报警模块用于根据报警信号对可燃气体进行对应的处理。
进一步的，所述浓度采集模块采集工业环境的可燃气体以及对应的实时浓度的过程包括：
所述可燃气体包括名称和性质；
所述性质包括可燃无毒气体和可燃有毒气体；
在工业环境范围内安装可燃气体监测仪和有毒气体监测仪；
所述可燃性气体监测仪用于采集工业环境内可燃气体名称以及对应的实时浓度；
所述有毒气体监测仪用于采集工业环境内有毒气体名称以及对应的实时浓度；
将采集的可燃气体名称以及对应的实时浓度传输至云端分别进行存储，并基于边缘计算，对其对应的实时浓度进行处理。
进一步的，建立可燃无毒边缘处理单元和可燃有毒边缘处理单元的过程包括：
将云端分别存储的可燃气体进行分类，根据分别存储的名称进行判断，若存储有毒气体监测仪监测出的可燃气体名称不包含在可燃气体监测仪监测出的可燃气体名称中，则将其对应的可燃气体名称的性质划分为可燃无毒气体；
若存储有毒气体监测仪监测出的可燃气体名称包含在可燃气体监测仪监测出的可燃气体名称中，则将其对应的可燃气体名称的性质划分为可燃有毒气体；
将可燃无毒气体和可燃有毒气体分别存储在边缘节点，将存储可燃无毒气体的边缘节点进行连接，将存储可燃有毒气体的边缘节点进行连接，将连接可燃无毒气体的边缘节点形成可燃无毒边缘处理单元，将连接可燃有毒气体的边缘节点形成可燃无毒边缘处理单元。
进一步的，获得其对应实时浓度的扩散速率的过程包括：
在获得实时浓度时，基于边缘计算采集获得实时浓度对应的时间点，将实时浓度与对应时间点进行对应连接，获得若干组可燃气体对应的数据表，所述数据表包括可燃气体的若干组实时浓度和若干组时间点；
将若干组时间点按照时间先后顺序进行排序，获得相邻两个时间点的时间差，以及时间差对应的可燃气体的实时浓度差；
一个时间差对应形成一个实时浓度差，一个时间差和对应的实时浓度差生成一组数据差，从第一个时间差与对应的实时浓度差形成的数据差开始为第一组数据差，将五组数据差形成一个时间窗，并生成时间窗处理模型。
进一步的，当时间窗不足五组数据差时，则不启动时间窗处理模型，则直接对实时浓度进行处理；
设置实时浓度阈值，分别在可燃无毒边缘处理单元和可燃有毒边缘处理单元内设置不同的实时浓度阈值；
若实时浓度高于实时浓度阈值，则生成报警信号，并将该对应的数据表发送至终端；反之，则继续采集该可燃气体的实时浓度；
当时间窗存在五个数据差时，则启动时间窗处理模型，获得第五组对应的实时浓度的扩散速率。
进一步的，建立时间窗处理模型的过程包括：
根据加权平均数计算时间窗五组数据差对应的五组时间差的平均时间差值，根据平均时间差值和时间窗五组数据差对应的五组实时浓度差，获得第五组对应的实时浓度的扩散速率；
设置五组对应的实时浓度差为C1，C2，C3以及C4，需要进一步说明的是，若为n组数据差时，则对应的实时浓度差为(n-1)个，分别为C1，C2，C3，C4...Cn-1；
即，公式为：
则：
进一步说明的是：
其中，rn表示为时间窗的第n组对应的实时浓度的扩散速率；w1，w2，w3...wn表示为实时浓度差C1，C2，C3，...Cn对应的权，k表示为常数；
将获得的实时浓度的扩散速率发送至第三处理单元进行处理；
进一步的，获得可燃气体的发生危险概率的过程包括：
第三处理单元接收到实时浓度的扩散速率，获得该对应的可燃气体的名称以及性质，根据可燃气体的名称和性质设置对实时浓度的扩散速率阈值；
根据实时浓度的扩散速率和实时浓度的扩散速率阈值，获得对应可燃气体的发生危险概率；
则，发生危险概率为：
其中，εn表示为对应可燃气体的发生危险概率；Rn表示为设置对应可燃气体实时浓度的扩散速率阈值。
进一步的，生成报警信号的过程包括：
设置对应可燃气体的发生危险概率阈值ε'，将获得对应可燃气体的发生危险概率与其进行对比；
若ε≤ε'，则表示该对应的可燃气体实时浓度的扩散速率可以直接抑制，并生成抑制报警信号发送至管理终端；
若ε＞ε'，则表示该对应的可燃气体实时浓度的扩散速率无法直接抑制，并生成异常报警信号发送至管理终端和消防管理终端。
进一步的，当管理终端接收到报警信号和抑制报警信号，则对对应的可燃气体进行抑制；当消防管理员接收到异常报警信号，则和管理员一起对可燃气体进行抑制和监督。
与现有技术相比，本发明的有益效果是：利用浓度采集模块采集工业环境的可燃气体以及对应的实时浓度，将其发送至浓度处理模块的第一处理单元对可燃气体进行分类处理，建立可燃无毒边缘处理单元和可燃有毒边缘处理单元，利用第二处理单元对可燃无毒气体和可燃有毒气体进行分类处理，获得其对应实时浓度的扩散速率，将其发送至第三处理单元，根据实时浓度的扩散速率，获得其对应可燃气体的发生危险概率，并生成报警信号，将报警信号发送至报警模块，根据报警信号对可燃气体进行对应的处理；对可燃气体进行分类处理，缩短处理时间和终端接收信号时间，避免造成对可燃气体浓度监测不准时，而造成火灾等危险。
附图说明
为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
图1为本发明的原理图。
具体实施方式
下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件，下面通过参考附图描述的实施例是示例性的，仅用于解释本发明，而不能理解为对本发明的限制，相反，本发明的实施例包括落入所附加权利要求书的精神和内涵范围内的所有变化、修改和等同物。
如图1所示，一种基于边缘计算的可燃气体浓度监测***，包括服务器，所述服务器连接浓度采集模块、浓度处理模块、浓度抑制模块以及报警模块；
所述浓度采集模块用于采集工业环境的可燃气体以及对应的实时浓度，具体过程包括：
所述可燃气体包括名称和性质；
所述性质包括可燃无毒气体和可燃有毒气体；
在工业环境范围内安装可燃气体监测仪和有毒气体监测仪；
所述可燃性气体监测仪用于采集工业环境内可燃气体名称以及对应的实时浓度；
所述有毒气体监测仪用于采集工业环境内有毒气体名称以及对应的实时浓度；
实时浓度的采集时间为不定时采集；
将可燃性气体监测仪和有毒气体监测仪采集的可燃气体名称以及对应的实时浓度传输至云端分别进行存储，并基于边缘计算，对其对应的实时浓度进行处理；
在具体实施过程中，可燃气体不仅包括可燃性气体还包括可燃有毒性气体，进一步说明的是，对可燃气体浓度进行监测，在工业环境内的可燃气体的影响是非常严重的，因此，可燃气体浓度很容易造成危险，所以为了尽量避免因可燃气体浓度，应对可燃气体的实时浓度进行监测。
所述浓度处理模块用于对可燃气体的实时浓度进行处理，根据处理结果，获得发生危险概率，具体过程包括：
所述浓度处理模块包括第一处理单元、第二处理单元以及第三处理单元；
所述第一处理单元用于对可燃气体进行分类处理，根据分类结果，建立可燃无毒边缘处理单元和可燃有毒边缘处理单元，具体过程包括：
将云端分别存储的可燃气体进行分类，根据分别存储的名称进行判断，若存储有毒气体监测仪监测出的可燃气体名称不包含在可燃气体监测仪监测出的可燃气体名称中，则将其对应的可燃气体名称的性质划分为可燃无毒气体；若存储有毒气体监测仪监测出的可燃气体名称包含在可燃气体监测仪监测出的可燃气体名称中，则将其对应的可燃气体名称的性质划分为可燃有毒气体；
需要进一步说明的是，所述可燃无毒气体包括氢气、甲烷、乙烷等丙烷等，所述可燃有毒气体包括一氧化碳、氨气、硫化氢以及磷化氢，需要进一步说明的是，可燃无毒气体的释放不会造成中毒现象，但因浓度过大，造成火灾现象，进一步说明的是，可燃有毒气体不仅会造成中毒现象，还会造成火灾危险现象，所以为了防止中毒和火灾的发生，对可燃气体进行实时监测报警监控；
将可燃无毒气体和可燃有毒气体分别存储在边缘节点，将存储可燃无毒气体的边缘节点进行连接，将存储可燃有毒气体的边缘节点进行连接，将连接可燃无毒气体的边缘节点形成可燃无毒边缘处理单元，将连接可燃有毒气体的边缘节点形成可燃无毒边缘处理单元；
所述可燃无毒边缘处理单元，用于对可燃无毒气体对应的实时浓度进行处理；
所述可燃有毒边缘处理单元，用于对可燃有毒气体对应的实施浓度进行处理；
需要进一步说明的是，在具体实施过程中，边缘节点形成的边缘处理单元是互不关联的，处理存在，在独立存在的边缘节点处理单元对可燃气体对应的实时浓度进行处理，加快了处理速度，处理完成之后，将其更快的反馈给终端设备进行分析。
所述第二处理单元用于对可燃无毒气体和可燃有毒气体进行分类处理，根据处理结果，获得其对应实时浓度的扩散速率，具体过程包括：
在获得实时浓度时，基于边缘计算采集获得实时浓度对应的时间点，将实时浓度与对应时间点进行对应连接，获得若干组可燃气体对应的数据表，所述数据表包括可燃气体的若干组实时浓度和若干组时间点；
将若干组时间点按照时间先后顺序进行排序，获得相邻两个时间点的时间差，以及时间差对应的可燃气体的实时浓度差；
一个时间差对应形成一个实时浓度差，一个时间差和对应的实时浓度差生成一组数据差，从第一个时间差与对应的实时浓度差形成的数据差开始为第一组数据差，将五组数据差形成一个时间窗，并生成时间窗处理模型，对时间窗的五组数据差进行处理，获得第五组对应的实时浓度的扩散速率；
当时间窗不足五组数据差时，则不启动时间窗处理模型，则直接对实时浓度进行处理；
设置实时浓度阈值，分别在可燃无毒边缘处理单元和可燃有毒边缘处理单元内设置不同的实时浓度阈值，将不满足时间窗处理模型的实时浓度与设置的实时浓度阈值分别进行对比，生成报警信号，并将其信号发送至管理终端；
若实时浓度高于实时浓度阈值，则生成报警信号，并将该对应的数据表发送至终端；反之，则继续采集该可燃气体的实时浓度；
当时间窗存在五个数据差时，则启动时间窗处理模型，根据处理结果，获得第五组对应的实时浓度的扩散速率；
所述时间窗处理模型为：
根据加权平均数计算时间窗五组数据差对应的五组时间差的平均时间差值，设置平均时间差值为T平，根据平均时间差值和时间窗五组数据差对应的五组实时浓度差，获得第五组对应的实时浓度的扩散速率；
设置五组对应的实时浓度差为C1，C2，C3以及C4，需要进一步说明的是，若为n组数据差时，则对应的实时浓度差为(n-1)个，分别为C1，C2，C3，C4...Cn-1；
即，公式为：
则：
进一步说明的是：
其中，rn表示为时间窗的第n组对应的实时浓度的扩散速率；w1，w2，w3...wn表示为实时浓度差C1，C2，C3，...Cn对应的权，k表示为常数；
将获得的实时浓度的扩散速率发送至第三处理单元进行处理；
需要进一步说明的是，在具体实施过程中，时间窗的设置根据具体需求进行设置，此实施例中设置的时间窗为五组数据差，建立时间窗处理模型对时间窗的数据差进行处理，获得第五组对应的实时浓度的扩散速率，例如，根据具体需求，对时间窗的设置为n组数据差，其中，n的取值最小不小于3，最大不超过10，若n的取值过小，则建立的时间窗处理模型所处理的数据不够精准，不具备参考价值，若n的取值过大，则建立的时间窗处理模型所处理的数据速度降低，降低了处理速度，对于基于边缘计算的速度降低，用于连接的用户终端接受处理结果的速度降低，为此，实施例中将n取值为5，不仅保证了建立的时间窗处理模型所处理数据的精准度，也提高了处理数据速度。
所述第三处理单元用于对根据可燃气体实时浓度的扩散速率，获得其对应可燃气体的发生危险概率，并生成报警信号，具体过程包括：
第三处理单元接收到实时浓度的扩散速率，获得该对应的可燃气体的名称以及性质，根据可燃气体的名称和性质设置对应可燃气体实时浓度的扩散速率阈值，并标记为根据对应的阈值，判断对应可燃气体的发生危险概率；
则，发生危险概率为：
其中，εn表示为对应可燃气体的发生危险概率；Rn表示为设置对应可燃气体实时浓度的扩散速率阈值；
设置对应可燃气体的发生危险概率阈值ε'，将获得对应可燃气体的发生危险概率与其进行对比；
若ε≤ε'，则表示该对应的可燃气体实时浓度的扩散速率可以直接抑制，并生成抑制报警信号发送至管理终端；
若ε＞ε'，则表示该对应的可燃气体实时浓度的扩散速率无法直接抑制，并生成异常报警信号发送至管理终端和消防管理终端；
需要进一步说明的是，在具体实施过程中，可燃气体实时浓度的扩散速率超出可燃气体的发生危险概率阈值，则很可能在短时间内发生火灾，将其报警信号直接发送至消防管理终端，第一时间提醒管理员和消防管理员对该工业环境进行抑制和监督；
所述报警模块用于根据报警信号对可燃气体进行对应的处理，具体过程包括：
所述接收到的报警信号包括可燃气体的名字和性质、可燃气体实时浓度的扩散速率以及可燃气体的发生危险概率；
当管理终端接收到报警信号和抑制报警信号，则对对应的可燃气体进行抑制；当消防管理员接收到异常报警信号，则和管理员一起对可燃气体进行抑制和监督；
工作原理：利用浓度采集模块采集工业环境的可燃气体以及对应的实时浓度，将其发送至浓度处理模块的第一处理单元对可燃气体进行分类处理，建立可燃无毒边缘处理单元和可燃有毒边缘处理单元，利用第二处理单元对可燃无毒气体和可燃有毒气体进行分类处理，获得其对应实时浓度的扩散速率，将其发送至第三处理单元，根据实时浓度的扩散速率，获得其对应可燃气体的发生危险概率，并生成报警信号，将报警信号发送至报警模块，根据报警信号对可燃气体进行对应的处理；加快处理速度以及接收到报警信号速度，避免火灾危险发生。
以上所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于发明中的实施例，本领域普通技术人员在未做出创造性前提下所获得所有其他实施例，都属于本发明保护的范围；
以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神。
Claims (9)
1.一种基于边缘计算的可燃气体浓度监测***，包括服务器，其特征在于，所述服务器连接浓度采集模块、浓度处理模块以及报警模块；
所述浓度采集模块用于采集工业环境的可燃气体以及对应的实时浓度；
所述浓度处理模块包括第一处理单元、第二处理单元以及第三处理单元；
所述第一处理单元用于对可燃气体进行分类处理，根据分类结果，建立可燃无毒边缘处理单元和可燃有毒边缘处理单元；
所述第二处理单元用于对可燃无毒气体和可燃有毒气体进行分类处理，根据处理结果，获得其对应实时浓度的扩散速率；
所述第三处理单元用于根据实时浓度的扩散速率，获得其对应可燃气体的发生危险概率，并生成报警信号；
所述报警模块用于根据报警信号对可燃气体进行对应的处理。
2.根据权利要求1所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，所述浓度采集模块采集工业环境的可燃气体以及对应的实时浓度的过程包括：
所述可燃气体包括名称和性质；
所述性质包括可燃无毒气体和可燃有毒气体；
在工业环境范围内安装可燃气体监测仪和有毒气体监测仪；
所述可燃性气体监测仪用于采集工业环境内可燃气体名称以及对应的实时浓度；
所述有毒气体监测仪用于采集工业环境内有毒气体名称以及对应的实时浓度；
将采集的可燃气体名称以及对应的实时浓度传输至云端分别进行存储，并基于边缘计算，对其对应的实时浓度进行处理。
3.根据权利要求2所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，建立可燃无毒边缘处理单元和可燃有毒边缘处理单元的过程包括：
将云端分别存储的可燃气体进行分类，根据分别存储的名称进行判断，若存储有毒气体监测仪监测出的可燃气体名称不包含在可燃气体监测仪监测出的可燃气体名称中，则将其对应的可燃气体名称的性质划分为可燃无毒气体；
若存储有毒气体监测仪监测出的可燃气体名称包含在可燃气体监测仪监测出的可燃气体名称中，则将其对应的可燃气体名称的性质划分为可燃有毒气体；
将可燃无毒气体和可燃有毒气体分别存储在边缘节点，将存储可燃无毒气体的边缘节点进行连接，将存储可燃有毒气体的边缘节点进行连接，将连接可燃无毒气体的边缘节点形成可燃无毒边缘处理单元，将连接可燃有毒气体的边缘节点形成可燃无毒边缘处理单元。
4.根据权利要求3所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，获得其对应实时浓度的扩散速率的过程包括：
在获得实时浓度时，基于边缘计算采集获得实时浓度对应的时间点，将实时浓度与对应时间点进行对应连接，获得若干组可燃气体对应的数据表，所述数据表包括可燃气体的若干组实时浓度和若干组时间点；
将若干组时间点按照时间先后顺序进行排序，获得相邻两个时间点的时间差，以及时间差对应的可燃气体的实时浓度差；
一个时间差对应形成一个实时浓度差，一个时间差和对应的实时浓度差生成一组数据差，从第一个时间差与对应的实时浓度差形成的数据差开始为第一组数据差，将五组数据差形成一个时间窗，并生成时间窗处理模型。
5.根据权利要求4所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，当时间窗不足五组数据差时，则不启动时间窗处理模型，则直接对实时浓度进行处理；
设置实时浓度阈值，分别在可燃无毒边缘处理单元和可燃有毒边缘处理单元内设置不同的实时浓度阈值；
若实时浓度高于实时浓度阈值，则生成报警信号，并将该对应的数据表发送至终端；反之，则继续采集该可燃气体的实时浓度；
当时间窗存在五个数据差时，则启动时间窗处理模型，获得第五组对应的实时浓度的扩散速率。
6.根据权利要求5所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，建立时间窗处理模型的过程包括：
根据加权平均数计算时间窗五组数据差对应的五组时间差的平均时间差值，根据平均时间差值和时间窗五组数据差对应的五组实时浓度差，获得第五组对应的实时浓度的扩散速率。
7.根据权利要求6所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，获得可燃气体的发生危险概率的过程包括：
第三处理单元接收到实时浓度的扩散速率，获得该对应的可燃气体的名称以及性质，根据可燃气体的名称和性质设置对实时浓度的扩散速率阈值；
根据实时浓度的扩散速率和实时浓度的扩散速率阈值，获得对应可燃气体的发生危险概率。
8.根据权利要求7所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，生成报警信号的过程包括：
设置对应可燃气体的发生危险概率阈值ε'，将获得对应可燃气体的发生危险概率与其进行对比；
若ε≤ε'，则表示该对应的可燃气体实时浓度的扩散速率可以直接抑制，并生成抑制报警信号发送至管理终端；
若ε＞ε'，则表示该对应的可燃气体实时浓度的扩散速率无法直接抑制，并生成异常报警信号发送至管理终端和消防管理终端。
9.根据权利要求8所述的一种基于边缘计算的可燃气体浓度监测***，其特征在于，当管理终端接收到报警信号和抑制报警信号，则对对应的可燃气体进行抑制；当消防管理员接收到异常报警信号，则和管理员一起对可燃气体进行抑制和监督。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311105812.8A CN117129649B (zh) | 2023-08-30 | 2023-08-30 | 一种基于边缘计算的可燃气体浓度监测*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311105812.8A CN117129649B (zh) | 2023-08-30 | 2023-08-30 | 一种基于边缘计算的可燃气体浓度监测*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117129649A true CN117129649A (zh) | 2023-11-28 |
| CN117129649B CN117129649B (zh) | 2024-05-24 |
Family
ID=88861002
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311105812.8A Active CN117129649B (zh) | 2023-08-30 | 2023-08-30 | 一种基于边缘计算的可燃气体浓度监测*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117129649B (zh) |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006059148A (ja) * | 2004-08-20 | 2006-03-02 | Nikken System Kk | 空気導入型異常監視装置、及び通信ネットワーク対応型空気導入型異常監視システム |
| CN110514789A (zh) * | 2019-08-23 | 2019-11-29 | 南京新远见智能科技有限公司 | 一种采用边缘计算的机动车尾气遥感检测***及方法 |
| CN112785821A (zh) * | 2021-01-05 | 2021-05-11 | 四川天辰智联科技有限公司 | 一种住宅智能安防报警方法、***及计算机可读存储介质 |
| CN113252851A (zh) * | 2021-05-19 | 2021-08-13 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种基于NB-IoT和边缘计算的大气污染监测*** |
| CN113341831A (zh) * | 2021-06-22 | 2021-09-03 | 尼特西普消防技术有限公司 | 一种可燃气体报警控制*** |
| CN115684489A (zh) * | 2022-10-28 | 2023-02-03 | 江苏凯洲信息科技有限公司 | 一种用于安全生产的可燃有毒气体预警*** |
| CN116127349A (zh) * | 2022-11-28 | 2023-05-16 | 南京联迪信息***股份有限公司 | 有毒可燃气体的监测预警与应急决策一体化*** |
-
2023
- 2023-08-30 CN CN202311105812.8A patent/CN117129649B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2006059148A (ja) * | 2004-08-20 | 2006-03-02 | Nikken System Kk | 空気導入型異常監視装置、及び通信ネットワーク対応型空気導入型異常監視システム |
| CN110514789A (zh) * | 2019-08-23 | 2019-11-29 | 南京新远见智能科技有限公司 | 一种采用边缘计算的机动车尾气遥感检测***及方法 |
| CN112785821A (zh) * | 2021-01-05 | 2021-05-11 | 四川天辰智联科技有限公司 | 一种住宅智能安防报警方法、***及计算机可读存储介质 |
| CN113252851A (zh) * | 2021-05-19 | 2021-08-13 | 安徽理工大学环境友好材料与职业健康研究院(芜湖) | 一种基于NB-IoT和边缘计算的大气污染监测*** |
| CN113341831A (zh) * | 2021-06-22 | 2021-09-03 | 尼特西普消防技术有限公司 | 一种可燃气体报警控制*** |
| CN115684489A (zh) * | 2022-10-28 | 2023-02-03 | 江苏凯洲信息科技有限公司 | 一种用于安全生产的可燃有毒气体预警*** |
| CN116127349A (zh) * | 2022-11-28 | 2023-05-16 | 南京联迪信息***股份有限公司 | 有毒可燃气体的监测预警与应急决策一体化*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117129649B (zh) | 2024-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| KR102091076B1 (ko) | 지도학습기반의 경보분석과 비지도학습기반의 이상행위탐지 기법을 혼용한 지능형 보안관제 시스템 및 그 방법 | |
| US9547545B2 (en) | Apparatus and program for detecting abnormality of a system | |
| CN113762525A (zh) | 一种具有差分隐私保护的联邦学习模型训练方法 | |
| CN116308285A (zh) | 一种基于数据处理的智慧终端****** | |
| CN117041029A (zh) | 网络设备故障处理方法、装置、电子设备及存储介质 | |
| CN108306997B (zh) | 域名解析监控方法及装置 | |
| CN116302809A (zh) | 边缘端数据分析计算装置 | |
| CN117129649B (zh) | 一种基于边缘计算的可燃气体浓度监测*** | |
| CN117651003B (zh) | Erp信息传输安全监控*** | |
| CN106713492A (zh) | 一种基于云计算的垃圾中转站监控***及监控方法 | |
| CN111901134A (zh) | 一种基于循环神经网络模型rnn的预测网络质量的方法和装置 | |
| CN117422405A (zh) | 一种基于电力大数据的电力***信息处理*** | |
| CN106161058B (zh) | 一种告警分级方法及装置 | |
| JP2011176554A (ja) | 監視装置、監視方法及びプログラム | |
| CN109634808B (zh) | 一种基于关联分析的链式监控事件根因分析方法 | |
| CN114500229B (zh) | 基于时空信息的网络告警定位及分析方法 | |
| CN112884353B (zh) | 一种任务可靠度评价*** | |
| CN112087331B (zh) | 基于大数据的告警管理***及方法 | |
| CN116744305B (zh) | 一种基于5g数据通信过程安全管控的通信*** | |
| CN116389533A (zh) | 一种基于物联网的报警管理***和方法 | |
| CN116090019B (zh) | 一种基于分布式协作的隐私计算方法及*** | |
| CN116684327B (zh) | 一种基于云计算的山林地区通信网络故障监测评估方法 | |
| CN116366308B (zh) | 一种基于云计算的服务器安全监控*** | |
| CN115858275A (zh) | 平台状态监控方法及装置、电子设备及存储介质 | |
| CN118175013A (zh) | 一种监控事件集成itsm的自动化处理方法及*** |
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 |