[发明专利]一种基于电子鼻和红外摄像仪烟羽前端扩散路径预测方法

说明书

技术领域

本发明属于泄漏气体扩散领域，涉及一种实现将嗅觉的引导和视觉的跟踪功能相结合，运用神经网络和偏最小二乘法对烟羽前端扩散路径预测方法。

背景技术

现代工业的快速发展使得安全监测的压力与日俱增，气体泄漏所造成的危害愈加严重。泄漏气体大多具有易燃易爆、有毒有害的危险特性和无色无味的属性，这不仅严重危害环境和人民的生命财产安全，还加大了监测、事故处理的难度。目前，泄漏气体扩散的研究主要是基于数值模型分析扩散范围，存在以下问题：

(1)目前主要泄漏气体扩散数值模型有高斯烟羽模型、BM模型、FEM3模型等，这些模型的建立限制条件较多，误差较大，难以反映泄漏气体扩散的实际情形。

(2)现有模型多用于对泄漏气体影响范围的估计、泄漏源反演问题研究方面，不能实现对烟羽运动状态的跟踪，实时性较差。

明确烟羽前端的扩散路径，有利于我们掌握烟羽运动的状态和扩散方位，降低气体泄漏造成的影响，也便于评估气体泄漏的影响范围和严重性。

目前，电子鼻对气体的识别监测和红外摄像仪对气体形状的三维重构技术都有了实质的发展，能够很好的感应气体和描绘烟羽的形状。神经网络将分析系统看成一个黑箱，通过学习自动掌握隐藏在烟羽前端扩散路径不同时刻之间的、难以用明确的模型数学表示的对应关系，可实现对烟羽前端扩散路径的预测。偏最小二乘法对相关程度较高的多因变量数据的拟合效果较好，可延长运用神经网络方法预测的时域。

发明内容

有鉴于此，本发明的目的在于提供一种基于电子鼻和红外摄像仪烟羽前端扩散路径预测方法。该方法能根据布置在气体泄漏事故现场的电子鼻阵列确定烟羽前端区域，调取周围摄像仪对烟羽前端进行摄像获取其三维图像，通过获取不同时刻烟羽前端的图像建立烟羽前端动态模型，基于泄漏气体扩散的数值模型运用神经网络算法和偏最小二乘法预测烟羽前端扩散路径，对事故进行态势估计，降低事故带来的危害。

基于电子鼻和红外摄像仪烟羽前端扩散路径预测方法，包括以下模块：气体浓度采集模块，数据预处理模块，图像采集模块，图形处理模块，显示模块，无线通信模块，数据库模块，中心计算机。其中，中心计算机与数据预处理模块，显示模块，数据库模块，图像处理模块相连。

基于电子鼻和红外摄像仪烟羽前端扩散路径预测方法，包括以下步骤：

步骤一，布置在监控区域的电子鼻阵列检测到气体变化，测量出电子鼻节点所处位置周围环境的浓度信息。

步骤二，根据电子鼻阵列感应气体的速度和时间确定烟羽前端的方位和大致形状，基于GIS确定烟羽前端几何中心位置。

步骤三，中心计算机根据几何中心位置调整周围的红外摄像仪对烟羽前端摄像，根据视差原理进行图像处理获取烟羽前端的三维图形。

步骤四，计算红外摄像仪与电子鼻阵列确定的烟羽前端形状的重叠率，若重叠率较高，则基于前者获所获图像继续后续步骤。反之，则重新估计烟羽前端几何中心位置，调整摄像仪重新摄像。

步骤五，基于泄漏气体扩散的数值模型丰富神经网络的样本训练集，运用神经网络和偏最小二乘法预测烟羽前端扩散路径。

步骤六，指示预测路径周围区域的红外摄像仪进入待命状态，实时跟踪烟羽前端。

本发明的有益技术效果：本发明发挥电子鼻和红外摄像仪各自的优点，将电子鼻的引导功能和红外摄像仪的跟踪功能相结合，对气体泄漏所形成的烟羽实现实时跟踪。GIS技术的应用使烟羽使气体泄漏现场可视化，基于可视化建立的烟羽前端动态模型和预测模型能有效跟踪、成像、预测烟羽前端的扩散路径。

附图说明

为了使本发明的目的、技术方案和有益效果更加清楚，本发明提供如下附图进行说明：

图1为本方法的系统结构图

图2为本方法的系统流程图

图3位神经网络方法演示图

图4为本方法的场景模拟图

具体实施方式

下面将结合附图，对本发明的优选实施例进行详细的描述。