[发明专利]一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关

权利要求书

1.一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关，其特征是包括现场传感器网络接口、中央处理单元、内部储存与数据传输单元；其中，内部储存与数据传输单元分别与现场传感器网络接口、中央处理单元相连接；所述中央处理单元内执行硫化腐蚀安全监测算法；

所述硫化腐蚀安全监测算法包括数据预处理模块、阈值模型监测模块、神经网络监测模块；所述硫化腐蚀安全监测算法获取数据后，会先经过数据预处理模块处理，之后由阈值模型监测模块和神经网络检测模块同步处理；所述硫化腐蚀安全监测算法输出结果人为选择由阈值模型监测模块结果决定或由神经网络检测模块结果决定或由阈值模型监测模块、神经网络监测模块两者结果共同决定；所述数据预处理模块与阈值模型监测模块由主控单元执行；所述神经网络监测模块由嵌入式神经网络处理单元执行；

所述神经网络监测模块包括训练程序与判别程序两个子程序；所述训练程序为一个自编码器模型；当自编码器模型训练次数超过设定数值，即自编码器模型已通过训练完成模型建立过程，判别程序开始运行，判别程序未开始运行前，神经网络监测模块不参与硫化腐蚀安全监测；数据预处理模块传递数据至阈值模型监测模块和神经网络监测模块后，数据预处理模块传递的处理过的传感器数据和阈值模型监测模块处理过的监测返回信号被暂时储存在训练程序中；满足设定时间条件后，将设定时间条件内的所有由数据预处理模块传递的数据作为一个输入数据在训练程序的自编码器模型中进行训练，并计算自编码器模型输出结果与数据预处理模块传递的数据之间的相对误差；若阈值模型监测模块在设定时间条件内有返回异常警告，则经训练程序自编码器计算出的相对误差设置为计算误差阈值；当自编码器模型训练次数超过设定数值，判别程序开始运行后，判别程序为训练程序当前训练得到的自编码器模型；判别程序开始运行后，训练程序仍循环运行训练自编码器模型，每隔一段时间后，判别程序中的自编码器模型更新为当前训练程序中的自编码器模型；数据预处理模块传递数据至阈值模型监测模块和神经网络监测模块，满足设定时间条件后，将设定时间条件内的所有由数据预处理模块传递的数据和阈值模型监测模块处理过的监测返回信号用于训练程序自编码器模型的训练过程，以及将由数据预处理模块传递的数据作为一个输入数据在判别程序的自编码器模型中进行判别，判别过程为计算判别程序中的自编码器模型输出结果与数据预处理模块传递的数据之间的相对误差，并将相对误差与计算误差阈值进行比较，若当前训练程序中没有得出计算误差阈值，则与人为设定的设定误差阈值进行比较；若相对误差小于或等于计算误差阈值或设定误差阈值，则返回正常信号，否则返回异常警告；返回正常信号或异常警告均发送至存储模块并由数据发送模块通过工业以太网传输至后端对应监控平台；神经网络监测模块中训练程序与判别程序两个子程序的自编码器模型参数信息以及计算过程中产生的相对误差均传输至内部储存与数据传输单元留作备份；

所述硫化腐蚀安全监测算法返回结果如下所示：所述神经网络监测模块中的判别程序未运行时，阈值模型监测模块结果即为硫化腐蚀安全监测算法返回结果；神经网络监测模块中的判别程序开始运行后，若神经网络监测模块和阈值模型监测模块均返回正常信号，则硫化腐蚀安全监测算法返回正常信号；神经网络监测模块中的判别程序开始运行后，若神经网络监测模块和阈值模型监测模块有一个返回异常信号，则硫化腐蚀安全监测算法返回疑似异常警告，其中若神经网络监测模块返回异常信号，则疑似异常警告可能性更高；神经网络监测模块中的判别程序开始运行后，若神经网络监测模块和阈值模型监测模块均返回异常警告，则硫化腐蚀安全监测算法返回异常警告。

2.根据权利要求1所述一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关，其特征是所述现场传感器网络接口的数据输出端与内部储存与数据传输单元的数据输入端连接，内部储存与数据传输单元的数据输出输入端与中央处理单元的数据输入输出端对应连接；所述内部储存与数据传输单元包括存储模块和数据发送模块；存储模块用于储存现场传感器网络接口传输的数据，并将数据传输至中央处理单元用于硫化腐蚀安全监测算法；数据发送模块将存储模块内的数据通过工业以太网分别传输至本地数据库、云端数据库和对应监控平台。