[發(fā)明專利]一種基于無線傳感器網(wǎng)絡的油罐車油氣泄漏速度智能預警系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201711159727.4
• 申請日: 2017-11-20
• 公開（公告）號: CN107976934B
• 公開（公告）日: 2018-10-02
• 發(fā)明（設計）人: 趙志國;馬從國;王業(yè)琴;彭光勤;馮夢琦;陶玉凱;王金升
• 申請（專利權(quán)）人: 淮陰工學院
• 主分類號: G05B19/042
• 分類號: G05B19/042;G06K9/62
• 代理公司: 淮安市科文知識產(chǎn)權(quán)事務所 32223
• 代理人: 李鋒

本發(fā)明公開了一種基于無線傳感器網(wǎng)絡的油罐車油氣泄漏速度智能預警系統(tǒng)，實現(xiàn)對油罐車在途參數(shù)進行檢測和油罐車油氣泄漏速度智能預警，其特征在于：所述智能預警系統(tǒng)包括油罐車油氣泄漏狀態(tài)參數(shù)采集與智能預警平臺、油罐車油氣泄漏速度智能預警模型；本發(fā)明目的是提供一種基于無線傳感器網(wǎng)絡的油罐車油氣泄漏速度智能預警系統(tǒng)，該智能預警系統(tǒng)實時監(jiān)測油罐車在行駛途中的溫濕度、壓力和是否泄漏等安全信息，從而避免意外事故的發(fā)生問題。

技術(shù)領域

本發(fā)明涉及特種運輸車輛設備檢測技術(shù)領域，具體涉及一種基于無線傳感器網(wǎng)絡的油罐車油氣泄漏速度智能預警系統(tǒng)。

背景技術(shù)

我國油田多處于偏遠地區(qū)，因此石油運輸成為石油工業(yè)中一個重要環(huán)節(jié)。石油運輸有長途和短途兩種，長途運輸主要依靠輸油管道，對于短途以及某些沒有鐵路的沿線，石油的外運工作主要依靠油罐車。油罐車儲運因其機動和靈活等特點，成為了短途油品運輸?shù)闹饕d體。石油為易燃危險物品，司機在運輸?shù)倪^程中一般不允許私自停車，除非遇到道路阻塞、車輛故障等情況被迫停車，尤其在城市繁華地段更不能隨意停靠，以免發(fā)生意外事故。在先申請專利CN202167132U公開了一種基于無線傳感網(wǎng)絡的油罐車油氣濃度采集與閃爆預警裝置,包括可燃氣體傳感器、數(shù)據(jù)采集模塊、無線發(fā)送模塊、無線接收模塊、數(shù)據(jù)處理與預警模塊、顯示模塊、語音模塊和供電模塊,將無線傳感網(wǎng)絡技術(shù)與嵌入式技術(shù)結(jié)合,能夠?qū)崟r監(jiān)測車體周圍的油氣濃度,并通過Zigbee無線網(wǎng)絡將數(shù)據(jù)傳送到駕駛室內(nèi),以進行油氣濃度異常的預警，但是該裝置只能單一的實時采集油氣濃度。為了實時監(jiān)測油罐車在行駛途中的溫濕度、壓力和是否漏油等安全信息，本申請設計了感知油罐車安全信息的無線傳感器網(wǎng)絡節(jié)點，構(gòu)建了一種基于無線傳感器網(wǎng)絡的油罐車油氣泄漏速度智能預警系統(tǒng)。該系統(tǒng)由油罐車油氣泄漏狀態(tài)參數(shù)采集與智能預警平臺和油罐車油氣泄漏速度智能預警模型兩部分組成，實現(xiàn)對油罐車油氣泄漏速度的精確監(jiān)測與預警，對提高油罐車長途運輸效果起到很好的推動作用。

發(fā)明內(nèi)容

本發(fā)明目的是提供一種基于無線傳感器網(wǎng)絡的油罐車油氣泄漏速度智能預警系統(tǒng)，該智能預警系統(tǒng)實時監(jiān)測油罐車在行駛途中的溫濕度、壓力和是否泄漏等安全信息，從而避免意外事故的發(fā)生問題。

本發(fā)明通過以下技術(shù)方案實現(xiàn)：

一種基于無線傳感器網(wǎng)絡的油罐車油氣泄漏速度智能預警系統(tǒng)，實現(xiàn)對油罐車在途參數(shù)進行檢測和油罐車油氣泄漏速度智能預警，其特征在于：所述智能預警系統(tǒng)包括油罐車油氣泄漏狀態(tài)參數(shù)采集與智能預警平臺、油罐車油氣泄漏速度智能預警模型；

所述油罐車油氣泄漏狀態(tài)參數(shù)采集與智能預警平臺由多個檢測節(jié)點和現(xiàn)場監(jiān)控端組成，并以自組織方式構(gòu)建成油罐車在途油氣泄漏狀態(tài)參數(shù)采集與智能預警平臺；檢測節(jié)點由傳感器組模塊、單片機和無線通信模塊NRF2401組成，負責檢測油罐車表面的溫度、壓力和油氣濃度與速度的實際值，現(xiàn)場監(jiān)控端實現(xiàn)對油罐車油氣泄漏參數(shù)進行管理和對油罐車在途泄漏油氣速度進行預警；

所述油罐車油氣泄漏速度智能預警模型包括多個GM(1,1)灰色預測模型、模糊C-均值聚類算法分類器、多個經(jīng)驗模態(tài)分解模型、多組DRNN網(wǎng)絡預測模型、油罐車油氣泄漏速度T-S網(wǎng)絡多點融合模型以及油罐車油氣泄漏速度等級分類器；每個GM(1,1)灰色預測模型輸出作為模糊C-均值聚類算法分類器的輸入，模糊C-均值聚類算法分類器對多個GM(1,1)灰色預測模型輸出進行分類，每種類型的GM(1,1)灰色預測模型輸出作為各個經(jīng)驗模態(tài)分解模型的輸入，每個經(jīng)驗模態(tài)分解模型的多個輸出作為每組DRNN網(wǎng)絡預測模型的輸入，每組DRNN網(wǎng)絡預測模型的融合預測值作為油罐車油氣泄漏速度T-S網(wǎng)絡多點融合模型的輸入，油罐車油氣泄漏速度T-S網(wǎng)絡多點融合模型對多組DRNN網(wǎng)絡預測模型的融合預測值進行融合得到油罐車油氣泄漏速度標稱值，油罐車油氣泄漏速度等級分類器對油罐車油氣泄漏速度標稱值進行分類。

本發(fā)明進一步技術(shù)改進方案是：