基于数字孪生的车间环境监测装置及监测方法

1.发明涉及车间监测的领域,尤其涉及基于数字孪生的车间环境监测装置及监测方法。


背景技术：

2.众所周知，工厂车间的环境对工人的健康及工作状态有着很大影响，一个良好的车间工作环境不仅能够防止工人产生各种职业病，还可以改善工人的工作状态。而现如今大多数工厂车间内环境需要从以下几个方面改善：
3.(1)噪音，吵闹的车间环境噪声，会干扰工人的思维，容易使人精神无法集中，使人产生烦恼的感觉，影响工作效率，妨碍休息和睡眠等，而长期处于这种噪音大的环境下会导致听力下降、失聪、耳鸣、耳聋等症状，并且还常伴有头晕、头痛、神经衰弱、消化不良等症状，从而引发高血压和心血管病。更强的噪声刺激内耳腔前庭，使人头晕目眩、恶心、呕吐，还会引起眼球振动、视觉模糊以及呼吸、脉搏、血压等发生波动。
4.(2)烟雾粉尘，长期处于烟雾粉尘大的车间环境内，会破坏人体正常的防御功能，引起鼻炎、咽喉炎、肺部疾病等，更为严重者，还会导致金属中毒、肺癌。
5.(3)明火，车间内明火的发生若不及时扑灭可能会产生火灾，对工厂和工人带来毁灭性的伤害。
6.(4)温度湿度，车间内过高的温度会导致工人中暑晕眩，以及空气过于干燥、湿度过大都会影响工人的工作效率。
7.因此，良好的车间工作环境是相当重要的，如何实时、准确地掌控车间环境的变化便成为是企业相关技术人员要解决的难题。
8.专利cn107168252a公开了一种工厂车间环境监测系统，包括数据采集终端、无线mesh网和监控终端，数据采集终端用于将处理过的环境数据输送至上述的无线mesh网中，该数据采集终端包括数据采集装置、plc数据处理中心和路由节点，数据采集装置用于测量车间环境参数，包括烟雾传感器、温湿度传感器、噪音探测器和明火探测器，plc数据处理中心则用于对原始数据进行运算处理，再通过路由节点传输至上述的无线mesh网中，监控终端用于实时显示监测车间环境质量数据。该发明能实时、准确地监测车间环境数据，发现环境数值超标，可以及时采取措施，避免危害车间工人的健康以及影响车间工人的工作效率，且该套监测系统运行成本低、维护方便、监测可靠，值得应用推广。
9.现有技术中并未提出对车间的检测数据进行怎么样的算法，从而保证报警的准确性。


技术实现要素：

10.为了克服现有技术存在的缺点与不足,本发明提供基于数字孪生的车间环境监测装置及监测方法。
11.本发明所采用的技术方案是，该系统包含传感及控制模块、集中模块、云平台和应
用模块；
12.所述传感及控制模块负责监测数据的采集及功能控制，传感及控制模块的传感器包括烟雾、温度及湿度，传感及控制模块的控制器包括喷淋器及风扇，zigbee节点包括单片机系统电路、电池供电电路及外围接口电路；集中模块负责监测数据的收集及上传，设置一个zigbee节点作为zigbee协调器，完成zigbee自组网内各个监测点数据的收集和命令下发；利用nb-iot网络与zigbee协调器进行串口通信，作为zigbee自组网的网关，负责将数据上传到云平台及控制命令接收；云平台利用onenet云平台，完成数据的存储及管理；应用模块采用web架构，基于onenet平台提供的api及开发工具，搭建应用终端，远程查看监测数据及远程控制。
13.进一步地，所述传感及控制模块包括zigbee节点、传感器和控制器三个部分，传感器中的温湿及度传感器利用dht11数字温湿度传感器，传感器中的烟雾传感器利用mq-2烟雾传感器，当车间温湿度过高时自动或者手动开启风扇进行降温除湿，当烟雾传感器监测到室内烟雾浓度过高时，向协调器发送警报信号，手动或者自动开启喷淋设备。
14.进一步地，所述集中模块由zigbee协调器和nb-iot节点两部分组成，完成zigbee自组网的创建及组网管理，集中来自不同zigbee监测节点的信息，zigbee监测节点的信息包括温湿度、烟雾量、电池电量和报警信息，最后通过串口传输给nb-iot节点；
15.进一步地，所述nb-iot节点利用bc28模组，协调器cc2530使用串口1(p0_4、p0_5)与nbiot节点进行串口通信，实现发送at指令或接收控制信息。
16.进一步地，云平台利用web架构，控制台自动生成web应用链接，利用浏览器或onenet手机端app远程监测及控制；
17.进一步地，所述应用模块利用onenet云平台的应用管理功能搭建web应用，工作台提供数据管理，对数据存储及调用，不同类型控件可绑定对应设备的数据源，控件包括显示类曲线、仪表、图片和控制类开关、旋钮、命令框，控件状态与数据源对应关系实现一对一或多对一，界面设计包括三部分：阈值设置及报警标志、数据显示折线图、设备及工作模式控制。
18.该监测方法的步骤为：
19.步骤s1：数据预处理；
20.步骤s2：将数据作为车间环境的状态信号，分别记为：[p1,p2,p3,p4,p5,p6,p7]；
[0021]
步骤s3：选取深度神经网络模型分别以参数[p1,p2,p3,p4,p5,p6,p7]为输出，采用麻雀搜索算法优化的方法训练深度神经网络模型，并计算模型输出与实际值之间的残差信号；
[0022]
步骤s4：计算残差序列的t2统计量，以每个样本的[p1,p2,p3,p4,p5,p6,p7]7个参数的残差为输入，计算样本残差的t2统计量；
[0023]
步骤s5：利用核密度估计法确定t2统计量的报警限；若车间实时运行数据的t2统计量超出控制限，则说明车间存在异常，否则车间处于正常状态。
[0024]
进一步地，所述步骤s1中，数据预处理对数据进行归一化处理，表达式为：
[0025][0026]
式中：x
ij
为第j个变量对应的第i个数据；max(xj)为第j个变量的最大值；min(xj)
为第j个变量的最小值；x'ij为变换之后的值。
[0027]
进一步地，所述步骤s3中，残差表达式为：
[0028][0029]
式中：为第i个样本的第j个参数的估计值；y
ij
代表第i个样本第j个参数的实际值。
[0030]
进一步地，所述步骤s4中，t2统计量的表达式为：
[0031]
t2＝(e
i-μ)
t
∑-1
(e
i-μ)
[0032]
式中：ei为第i个样本[p1,p2,p3,p4,p5,p6,p7]7个参数的残差组成的列向量；μ和σ分别为训练数据残差序列的均值向量和协方差矩阵。
[0033]
进一步地，所述步骤s5中，所述核密度表达式为：
[0034][0035]
式中：x为样本点；xi为样本观察点；h为带宽；k为核函数，且满足下式：
[0036]
k(x)≥0且
[0037]
利用核密度估计法确定t2统计量报警限。
[0038]
本发明提出了一种基于数字孪生的车间环境监测装置及监测方法，在监测系统中利用深度神经网络模型对监测数据进行处理，从而保证报警的准确性。
附图说明
[0039]
图1为本发明系统模块图；
[0040]
图2为本发明的传感及控制模块硬件连接图；
[0041]
图3为本发明的集中模块硬件连接图；
[0042]
图4为本发明的传感及控制模块程序流程图。
具体实施方式
[0043]
需要说明的是,在不冲突的情况下,本技术中的实施例及实施例中的特征可以相互结合,下面结合附图和有具体实施例对本技术作进一步详细说明。
[0044]
如图1所示,基于数字孪生的车间环境监测装置及监测方法，该系统包含传感及控制模块、集中模块、云平台和应用模块；
[0045]
所述传感及控制模块负责监测数据的采集及功能控制，传感及控制模块的传感器包括烟雾、温度及湿度，传感及控制模块的控制器包括喷淋器及风扇，zigbee节点包括单片机系统电路、电池供电电路及外围接口电路；集中模块负责监测数据的收集及上传，设置一个zigbee节点作为zigbee协调器，完成zigbee自组网内各个监测点数据的收集和命令下发；利用nb-iot网络与zigbee协调器进行串口通信，作为zigbee自组网的网关，负责将数据上传到云平台及控制命令接收；云平台利用onenet云平台，完成数据的存储及管理；应用模块采用web架构，基于onenet平台提供的api及开发工具，搭建应用终端，远程查看监测数据
及远程控制。
[0046]
系统硬件由传感及控制模块、集中模块两部分组成。zigbee传输使用2.4ghz通用频段，在自组网10至100m的范围内，根据实际监测点需要可设置多个传感及控制模块，系统只需设置一个集中模块，降低了网关设计成本。
[0047]
如图2所示，传感及控制模块包括zigbee节点、传感器和控制器三个部分，zigbee节点采用ti公司生产的cc2530单片机作为主控芯片，模块实物及单片机主要功能io口设计，zigbee节点硬件结构包括单片机主控板、供电电路(采用3.3v电池供电)和外围电路扩展板，完成传感器驱动、控制器驱动及无线射频驱动三大部分内容。
[0048]
温湿度传感器采用dht11数字温湿度传感器，其具有已校准的数字信号输出，湿度量程5至95％rh，温度量程-20～60℃，其灵敏性及可靠性满足实验实训环境监测要求。cc2530单片机使用io口p0_7作为数字信号接收口，单片机需对接收的温湿度信息进行字符串转换，利用变量temp和humidity存储温湿度信息用于oled显示及单片机逻辑控制条件。
[0049]
烟雾传感器有可靠性及灵敏度要求，mq-2烟雾传感器可适配，其测量范围较宽，可达到15 000ppm.传感器的导电率随环境中气体浓度增大而增大，其模拟输出电压也加大cc2530单片机使用p0_6口作为模拟量输入口获得输入电压并进行ad转换，与传感器量程进行相应的比例运算可以计算出环境浓度值(以测量最大值20000ppm计算，输入电压v
in
表示，参考电压v
ref
表示)：
[0050][0051]
对风扇及喷淋设备的控制需使用两组继电器，单片机分别使用p1_0、p1_1两个io口对继电器进行控制，采用低电平驱动，继电器常开触点进而控制功能设备高电压线路通断。
[0052]
如图3所示，集中模块由zigbee协调器和nb-iot节点两部分组成，完成zigbee自组网的创建及组网管理，集中来自不同zigbee监测节点的信息，zigbee监测节点的信息包括温湿度、烟雾量、电池电量和报警信息，最后通过串口传输给nb-iot节点；
[0053]
nb-iot节点利用bc28模组，协调器cc2530使用串口1(p0_4、p0_5)与nbiot节点进行串口通信，实现发送at指令或接收控制信息。
[0054]
系统控制zigbee自组网以及控制zigbee协调器与nb-iot节点之间的通信需要进行合理的软件设计，主要包括传感及控制模块程序设计、集中模块程序设计及耗能控制。
[0055]
如图4所示，为了满足监测节点功耗控制要求，在保证zigbee各节点快速组网并能实时传输数据的基础上，引入系统节点休眠及唤醒机制，即各监测节点由zigbee协调器进行休眠及唤醒控制。监测节点初始化后会立即搜寻zigbee信道并请求入网，组网成功后除了将获取的传感器数据传输给协调器之外，每个实验室的监测节点还会将自己的位置标记信息一并发送，协调器根据接收的标记信息区分不同实验室房间数据，传输成功后监测节点获得休眠指令即可进入休眠模式，有效做到能耗控制。
[0056]
集中模块由zigbee协调器和nb-iot节点组成。zigbee协调器创建zigbee网络，等各监测节点成功连接进入自组网后，协调器即可接收监测节点发送来的数据并通过串口传输给bc28节点，以bc28节点为网关实现数据上传云平台.等数据传输完毕，zigbee协调器立即向各监测节点及bc28节点同时广播休眠指令，此时系统立即进入休眠模式.为保证设备
同步性，各节点必须设置相同的休眠定时器。
[0057]
云平台实现数据管理、数据显示及控制命令发送，系统采用onenet云平台。onenet云平台提供了丰富的api和各类应用开发模板，能快速接入各类传感器及智能硬件，其友好的开发环境及支持多协议接入让智能应用开发变得简单。平台采用web架构，开发环境提供了必须的界面搭建元素，数据绑定简洁直观，控制台可以自动生成web应用链接，利用浏览器或onenet手机app可以方便实现远程监测及控制。
[0058]
云平台数据管理实现web应用和底层传感网络的数据交互及分析处理。云平台是连接web应用和底层传感网络的桥梁，云平台接收并存储来自传感网的监测数据并为web应用开发提供api。由于环境监测系统侧重于数据实时处理，无需庞大的历史数据存储量，故系统使用onenet平台自带数据库而无需另外搭建数据库，平台设备接入方式选择nb-iot方式系统数据管理流程。
[0059]
为保障系统稳定性及可靠性，引入防误报机制监测点传感器由于信号干扰或者传输错误可能出现上传数据偏差，防误报设计思路是若一个监测点上传数据超过阈值，数据平台不会立刻做出警报及控制终端设备驱动，而是先下发指令再次读取监测数据，数据若再次超过设定阈值，系统即可做出报警处置并驱动控制终端设备运行，否则系统就会忽略本次警报，提高了系统监测数据的稳定性，避免因误报造成损失。
[0060]
应用模块利用onenet云平台的应用管理功能搭建web应用，工作台提供数据管理，对数据存储及调用，不同类型控件可绑定对应设备的数据源，控件包括显示类曲线、仪表、图片和控制类开关、旋钮、命令框，控件状态与数据源对应关系实现一对一或多对一，界面设计包括三部分：阈值设置及报警标志、数据显示折线图、设备及工作模式控制。
[0061]
系统设计自动模式及手动模式两种工作状态，在自动模式下，当监测数据如温度、湿度或烟雾浓度超过阈值，系统确认无误报产生报警标志，并自动驱动功能继电器动作，进而让喷淋设备或风扇等功能设备启动；在手动模式下，当监测数据如温度、湿度或烟雾浓度超过阈值，系统确认无误报后同样会产生报警标志，但功能继电器的驱动需要值守人员根据需要手动控制开启，在手动模式下，若监测数据没有超过阈值，也可根据需要手动启停功能设备。
[0062]
该监测方法的步骤为：
[0063]
步骤s1：数据预处理；
[0064]
步骤s2：将数据作为车间环境的状态信号，分别记为：[p1,p2,p3,p4,p5,p6,p7]；
[0065]
步骤s3：选取深度神经网络模型分别以参数[p1,p2,p3,p4,p5,p6,p7]为输出，采用麻雀搜索算法优化的方法训练深度神经网络模型，并计算模型输出与实际值之间的残差信号；
[0066]
步骤s4：计算残差序列的t2统计量，以每个样本的[p1,p2,p3,p4,p5,p6,p7]7个参数的残差为输入，计算样本残差的t2统计量；
[0067]
步骤s5：利用核密度估计法确定t2统计量的报警限；若车间实时运行数据的t2统计量超出控制限，则说明车间存在异常，否则车间处于正常状态。
[0068]
步骤s1中，数据预处理对数据进行归一化处理，表达式为：
[0069]
[0070]
式中：x
ij
为第j个变量对应的第i个数据；max(xj)为第j个变量的最大值；min(xj)为第j个变量的最小值；x'ij为变换之后的值。
[0071]
步骤s3中，残差表达式为：
[0072][0073]
式中：为第i个样本的第j个参数的估计值；y
ij
代表第i个样本第j个参数的实际值。
[0074]
步骤s4中，t2统计量的表达式为：
[0075]
t2＝(e
i-μ)r∑-1
(e
i-μ)
[0076]
式中：ei为第i个样本[p1,p2,p3,p4,p5,p6,p7]7个参数的残差组成的列向量；μ和σ分别为训练数据残差序列的均值向量和协方差矩阵。
[0077]
步骤s5中，所述核密度表达式为：
[0078][0079]
式中：x为样本点；xi为样本观察点；h为带宽；k为核函数，且满足下式：
[0080]
k(x)≥0且
[0081]
利用核密度估计法确定t2统计量报警限。
[0082]
本发明提出了一种基于数字孪生的车间环境监测装置及监测方法，在监测系统中利用深度神经网络模型对监测数据进行处理，从而保证报警的准确性。
[0083]
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解的是,在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种等效的变化、修改、替换和变型,本发明的范围由所附权利要求及其等同范围限定。