[发明专利]一种基于物联网的多油气浓度传感器的智能监测系统

权利要求书

1.一种基于物联网的多油气浓度传感器的智能监测系统，其特征在于：所述系统由基于ZigBee网络的加油站油罐区环境参数采集平台和加油站油罐区环境油气浓度传感器监测子系统组成；所述加油站油罐区环境油气浓度传感器监测子系统由多个参数检测单元、加油站油罐区环境多点油气浓度融合模型和多个基于GRNN神经网络传感器状态分类器组成，检测单元负责感知和预测被检测点的油气浓度，加油站油罐区环境多点油气浓度融合模型实现对多个参数检测单元输出的被检测点的油气浓度三角模糊数预测值进行融合得到整个被检测的加油站油罐区环境油气浓度三角模糊数值，基于GRNN神经网络传感器状态分类器实现对每个检测点的油气浓度传感器的工作状态进行分类预警；

所述参数检测单元实现对加油站多个检测点的油气浓度检测与预测，每个参数检测单元包括油气浓度传感器、时间序列三角模糊数神经网络和三角模糊数预测模块；油气浓度传感器的输出作为时间序列三角模糊数神经网络的输入，时间序列三角模糊数神经网络的输出作为三角模糊数预测模块的输入，三角模糊数预测模块的三角模糊数预测值作为加油站油罐区环境多点油气浓度融合模型的输入，每个三角模糊数预测模块的相空间重构技术的Elman神经网络预测模型的输出作为每个基于GRNN神经网络传感器状态分类器的输入来对对应检测点的油气浓度传感器工作状态进行分类，多个参数检测单元的时间序列三角模糊数神经网络之间具有相同特征以及多个参数检测单元的三角模糊数预测模块之间也具有相同特征；

所述时间序列三角模糊数神经网络由被检测点的油气浓度传感器输出的一段常规时间序列值作为径向基神经网络的输入、径向基神经网络和被检测点的油气浓度的三角模糊数值作为径向基神经网络的输出组成，径向基神经网络输出的三角模糊数值分别表示被检测点的油气浓度的下限值、可能值和上限值；时间序列三角模糊数神经网络根据被检测点的油气浓度动态变化特征把被检测点的油气浓度的一段常规时间序列值转化被检测的油气浓度的三角模糊值来表示，这种转化更加符合被检测点的油气浓度的动态变化规律。

2.根据权利要求1所述的一种基于物联网的多油气浓度传感器的智能监测系统，其特征在于：所述三角模糊数预测模块由DRNN神经网络预测模型和相空间重构技术的Elman神经网络预测模型组成，时间序列三角模糊数神经网络输出的被检测点的油气浓度的三角模糊数值的下限值、可能值和上限值分别对应相应的DRNN神经网络预测模型输入，时间序列三角模糊数神经网络输出的三角模糊数值的下限值、可能值和上限值以及时间序列三角模糊数神经网络输出的三角模糊数值的下限值、可能值和上限值对应的DRNN神经网络预测模型输出的残差分别为相应的相空间重构技术的Elman神经网络预测模型的输入，DRNN神经网络预测模型的输出分别与相应的相空间重构技术的Elman神经网络预测模型的输出相加和作为被检测点的油气浓度三角模糊数预测值，该预测值作为加油站油罐区环境多点油气浓度融合模型的输入；相空间重构技术的Elman神经网络预测模型的输出作为被检测点的基于GRNN神经网络传感器状态分类器的输入来对该检测点的油气浓度传感器工作状态进行分类。