基于无线传感网络的化工设备监控系统

1.本发明涉及无线传感网络技术领域，具体是基于无线传感网络的化工设备监控系统。


背景技术：

2.化工设备运行时处于高温、高压或有强腐蚀性的物化反应状态，对流程型的工业生产设备运行状态的实时监测及对故障的即时综合监测分析是保证流程工业生产安全和顺利进行的重要方式；若发生事故，需及时对监测的化工设备运行状态进行分析，并安排工作人员了解故障情况进行维修；
3.现有技术通过有线通信线缆多个节点的布置在会占用园区较大的面积资源，且现有的无线传感网络的监控平台无法及时监控到化工设备的错误工序，进而导致出现故障；现有的摄像装置无法及时定位到故障设备部件，在化工设备离线定期检测中也无法有效检测出，从而导致无法及时进行化工事故的预警与排除管理。为此，我们提出了基于无线传感网络的化工设备监控系统。


技术实现要素：

4.本发明旨在至少解决现有技术中存在的技术问题之一。为此，本发明提出基于无线传感网络的化工设备监控系统，通过图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签，根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签；将错误工序坐标或者额定运行数据阈值发送至安全分析模块，发出运行安全预警；使得化工设备自动化运行，降低了化工故障的发生效率。
5.为实现上述目的，根据本发明的第一方面的实施例提出基于无线传感网络的化工设备监控系统，包括：
6.运行监控模块：用于实时监控化工设备的运行启动状态，采集实时监测数据并发送至运行分析模块；其中，实时监测数据包括图像数据和分布式传感器数据；
7.运行分析模块：用于建立化工设备运行监测模型，化工设备运行监测模型内包括分布式传感器、摄像装置和坐标单元，根据图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签；以及
8.根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签；分布式传感器数据包括工作介质温度、设备自身发热温度、环境温度、工作压力、设备振动；
9.安全分析模块：用于将状态数据输入至状态评估模型中，并将状态安全标签经智能网关发送至实验人员的手机终端上，对化工设备提供状态安全预警。
10.进一步地，建立化工设备运行监测模型的方法，包括：
11.获取化工园区设备建筑图和设备安全操作指导手册，根据获取的化工园区建筑图建立三维模型，根据设备安全操作指导手册将运行的化工设备绘制到化工园区的三维模型
中，将当前的三维模型标记为设备模型，在化工设备中布设分布式传感器，将布设的分布式传感器绘制到设备模型中，建立化工园区的空间坐标系，并将建立的空间坐标系映射到设备模型，将当前的设备模型标记为化工设备运行监测模型；
12.依据设备安全操作指导手册中运行的化工设备的三维模型为标准模型。
13.进一步地，根据图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签，包括：
14.摄像装置监测到化工设备开始启动工序后开始实时采集图像数据，并将图像数据实时渲染到化工设备运行监测模型中；选取当前设备模型的运行流程影像与设备安全操作指导手册中的标准模型进行比对，确定当前的标准运行工序及对应的特征点；
15.根据标准模型的特征点，对当前设备模型进行特征点提取；
16.若特征点匹配一致，则将安全运行标签设置为0；否则，将安全运行标签设置为1；表示当前化工设备运行操作错误，生成报警信号，获取对应的摄像装置序号，坐标单元将对应区域进行定位，并将其在化工设备运行监测模型中标记为错误工序坐标，将获取的摄像装置序号、错误工序坐标和报警信号发送给实验人员。
17.进一步地，所述设备安全操作指导手册中存储有化工设备启动运行过程中标准运行工序的运行流程影像和对应的特征点；其中特征点表示为目标化工设备启动及运行工序中的特征操作。
18.进一步地，根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签，包括：
19.提取分布式传感器数据中的工作介质温度、设备自身发热温度、环境温度、工作压力、设备振动；
20.获取当前运行的化工设备的额定运行数据阈值，当传感器数据处于额定运行数据阈值内，判断化工设备运行正常，则将状态安全标签设置为0；否则，将状态安全标签设置为1。
21.进一步地，所述运行监控模块与摄像装置、分布式传感器通信和/或电气连接；其中，分布式传感器包括光导纤维传感器、三位阵列传感器群、智能bit应用，且高清摄像头与动作云台配合实现图像数据采集；对分布式传感器数据进行幅值分析、频谱分析，将反映化工设备运行状态各种特征参数和图谱整合成不同的状态数据序列；
22.将状态数据序列输入至状态评估模型获取对应的状态安全标签；其中，状态评估模型基于人工智能模型和标注训练数据建立。
23.进一步地，基于人工智能模型建立状态评估模型，包括：
24.获取标准训练数据；其中，标准训练数据包括标准状态数据以及对应的状态安全标签，且标准状态数据和状态数据序列的内容属性一致；
25.构建人工智能模型，将标准训练数据按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:2:1和4:3:1；其中，人工智能模型包括深度卷积神经网络模型和rbf神经网络模型；
26.将训练集、测试集和校验集经过数据归一化之后对深度卷积神经网络模型进行训练、测试和校验，将训练完成的人工智能模型标记标记为状态评估模型。
27.进一步地，当运行安全标签或者状态安全标签为1时，则立即停止化工设备的运
行，并将错误工序坐标或者额定运行数据阈值发送至安全分析模块，发出运行安全预警。
28.与现有技术相比，本发明的有益效果是：
29.1、本发明中，根据图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签，根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签；将错误工序坐标或者额定运行数据阈值发送至安全分析模块，发出运行安全预警；使得化工设备自动化运行，降低了化工故障的发生效率。
30.2、本发明中，通过对分布式传感器数据进行幅值分析、频谱分析，将反映化工设备运行状态各种特征参数和图谱整合成不同的状态数据序列；进而对设备运行操作及运行状态分类后进行同步安全分析预警；实现及时捕捉设备的运行部件位置，预防化工设备故障的发生。
附图说明
31.为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述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的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
32.图1为本发明基于无线传感网络的化工设备监控系统的工作步骤示意图。
具体实施方式
33.下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，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。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
34.无线传感网络作为一种用于动态信息监控工具，对具体化工设备的运作进行监控，现有针对化工实验室及新型园区内化工设备设置的运营管理、可视化管理、人力管理、空间管理以及故障分析需设计无线传感网络，才能维护化工设备运行及监管的工作。但现有针对化工设备在实际运行中的监管还是无法做到提供对设备运行操作及运行状态的同步安全分析预警；当监测节点检测到实验人员的操作及运行失误无法及时捕捉设备的运行部件位置，进而及时关闭相应错误工序的操作平台，预防化工设备故障的发生；本发明通过无线传感网络技术，根据图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签，根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签；将错误工序坐标或者额定运行数据阈值发送至安全分析模块，发出运行安全预警；使得化工设备自动化运行，降低了化工故障的发生效率；
35.请参阅图1，本发明提供了基于无线传感网络的化工设备监控系统，包括：
36.运行监控模块：用于实时监控化工设备的运行启动状态，采集实时监测数据并发送至运行分析模块；其中，实时监测数据包括图像数据和分布式传感器数据；
37.运行分析模块：用于建立化工设备运行监测模型，化工设备运行监测模型内包括分布式传感器、摄像装置和坐标单元，根据图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签；以及
38.根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签；分布式传感器数据包括工作介质温度、设备自身发热温度、环境温度、工作压力、设备振动；
39.安全分析模块：用于将状态数据输入至状态评估模型中，并将状态安全标签经智能网关发送至实验人员的手机终端上，对化工设备提供状态安全预警。
40.建立化工设备运行监测模型的方法，包括：
41.获取化工园区设备建筑图和设备安全操作指导手册，根据获取的化工园区建筑图建立三维模型，根据设备安全操作指导手册将运行的化工设备绘制到化工园区的三维模型中，将当前的三维模型标记为设备模型，在化工设备中布设分布式传感器，将布设的分布式传感器绘制到设备模型中，建立化工园区的空间坐标系，并将建立的空间坐标系映射到设备模型，将当前的设备模型标记为化工设备运行监测模型；
42.依据设备安全操作指导手册中运行的化工设备的三维模型为标准模型。
43.根据图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签，包括：
44.摄像装置监测到化工设备开始启动工序后开始实时采集图像数据，并将图像数据实时渲染到化工设备运行监测模型中；选取当前设备模型的运行流程影像与设备安全操作指导手册中的标准模型进行比对，确定当前的标准运行工序及对应的特征点；
45.根据标准模型的特征点，对当前设备模型进行特征点提取；
46.本实施例中，若特征点匹配一致，则将安全运行标签设置为0；否则，将安全运行标签设置为1；表示当前化工设备运行操作错误，生成报警信号，获取对应的摄像装置序号，坐标单元将对应区域进行定位，并将其在化工设备运行监测模型中标记为错误工序坐标，将获取的摄像装置序号、错误工序坐标和报警信号发送给实验人员。
47.运用无线传感器网络对化工装备运行状态信息进行实时监测与采集，然后网关节点收集网络数据，通过基于tcp/ip协议的工业以太网传输给监控中心的上位机；通过对化工设备数据的物理信号转化为数字信号，本技术由各类传感器与微控制器(microcontrolunit，mcu)来实现；
48.所述设备安全操作指导手册中存储有化工设备启动运行过程中标准运行工序的运行流程影像和对应的特征点；其中特征点表示为目标化工设备启动及运行工序中的特征操作。
49.根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签，包括：
50.提取分布式传感器数据中的工作介质温度、设备自身发热温度、环境温度、工作压力、设备振动；
51.本实施例中，获取当前运行的化工设备的额定运行数据阈值，当传感器数据处于额定运行数据阈值内，判断化工设备运行正常，则将状态安全标签设置为0；否则，将状态安全标签设置为1。
52.所述运行监控模块与摄像装置、分布式传感器通信和/或电气连接；其中，分布式传感器包括光导纤维传感器、三位阵列传感器群、智能bit应用，且高清摄像头与动作云台配合实现图像数据采集；对分布式传感器数据进行幅值分析、频谱分析，将反映化工设备运
行状态各种特征参数和图谱整合成不同的状态数据序列；
53.监测节点摄像装置数量的多少取决于被监测的化工设备的数量、监测点的多少、重要性等因素；而监测节点的位置则主要取决于设备的类型、监测部位的分布、监测信号的类型以及监测环境等因素。
54.将状态数据序列输入至状态评估模型获取对应的状态安全标签；其中，状态评估模型基于人工智能模型和标注训练数据建立。
55.进一步地，基于人工智能模型建立状态评估模型，包括：
56.获取标准训练数据；其中，标准训练数据包括标准状态数据以及对应的状态安全标签，且标准状态数据和状态数据序列的内容属性一致；
57.构建人工智能模型，将标准训练数据按照设定比例划分为训练集、测试集和校验集；设定比例包括2:1:1、3:2:1和4:3:1；其中，人工智能模型包括深度卷积神经网络模型和rbf神经网络模型；
58.将训练集、测试集和校验集经过数据归一化之后对深度卷积神经网络模型进行训练、测试和校验，将训练完成的人工智能模型标记标记为状态评估模型。
59.当运行安全标签或者状态安全标签为1时，则立即停止化工设备的运行，并将错误工序坐标或者额定运行数据阈值发送至安全分析模块，发出运行安全预警。
60.本发明的工作原理：采集实时监测数据并发送至运行分析模块；其中，实时监测数据包括图像数据和分布式传感器数据；
61.根据图像数据中化工设备的运行流程影像模型进行特征点提取，获取化工设备运行安全标签；
62.根据分布式传感器数据对化工设备的运行状态参数进行分析，获取状态安全标签；
63.对分布式传感器数据进行幅值分析、频谱分析，将反映化工设备运行状态各种特征参数和图谱整合成不同的状态数据序列；
64.将状态数据序列输入至状态评估模型获取对应的状态安全标签；
65.将错误工序坐标或者额定运行数据阈值发送至安全分析模块，发出运行安全预警；使得化工设备自动化运行，降低了化工故障的发生效率。
66.以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。