时间：2020-12-29 10:53:07 所属分类：社会科学 浏览量:
随着社会经济的快速发展，工厂爆炸性事故频发已成为制约国家经济发展的一个突出因素[1]。我国化工厂多且各地均有分布，且由于化工厂环境复杂、监测预警设备不完善[2]、人员水平不高、监管不到位等，化工厂爆炸性事故时有发生[3]。因此，提前对工厂爆炸性事故
随着社会经济的快速发展，工厂爆炸性事故频发已成为制约国家经济发展的一个突出因素[1]。我国化工厂多且各地均有分布，且由于化工厂环境复杂、监测预警设备不完善[2]、人员水平不高、监管不到位等，化工厂爆炸性事故时有发生[3]。因此，提前对工厂爆炸性事故进行监测及预警很有必要。随着信息技术和电子技术的发展[4]，将物联网技术、自动控制技术和化工厂爆炸性环境监测相结合[5]已成为当前发展趋势。基于此，本文开发了一种便捷可靠的化工厂爆炸性环境监测及预警系统。该系统以实时监测的数据为基础，迅速、准确地对爆炸环境进行预警。一旦监控终端报警，系统将立即提醒监管人员迅速处理险情。
1系统总体设计
本系统包括监控分站、远程监控管理服务器、OneNET物联网云平台及Android移动终端。系统总体设计方案如图1所示，其中，监控分站包括核心控制器、热成像装置、压力传感器、气体浓度传感器、电源模块、串口、I/O模块、NB-IoT传输模块及外围电路。工作流程如下：通过传感器实时采集工厂环境的状态参数信息，NB-IoT将采集的信息发送至网络云服务器，移动终端和上位机服务器从网络云服务器获取数据并处理，如果发现异常数据则报警。此外，服务器还具备管理员登录、工厂历史环境参数信息管理与查询等功能。监管人员可通过计算机或移动终端远程实时查看工厂监测区域状况。图1系统总体设计方案
2系统方案设计
2.1监控分站设计
在监控分站设计中，其主控MCU选用STM32RCT6，通信模组选用M5310-A开发板[6]。M5310-A开发板拥有丰富的板载资源及超低功耗的硬件。使用STM32RCT6控制各类传感器采集相关参数[7]，并控制M5310-A通信模组以无线通信方式与OneNET物联网云平台通信。监控分站的硬件程序设计在KeilμVision5软件[8]环境下完成。2.1.1监控分站数据采集、发送流程(1)由微处理器STM32RCT6通过控制单片机串口进行相应传感器的数据采集，然后保存采集的温度、压力、浓度等数据;(2)STM32RCT6对采集到的数据进行打包，并通过NB-IoT模块发送给OneNET物联网云平台，随后间隔1s循环发送。监控分站数据采集发送流程如图3所示。2.1.2红外热成像监控平台设计红外热成像处理流程如图4所示。MLF-WD11红外热成像传感器通过串口通信将热成像数据发送到终端(终端基于MATLAB语言设计而成)。其中，串口读取数据包时，对每个热成像数据包的数据头(E1)截取数据，若未成功截取则重新采集数据包。一个完整的数据包由159177个十六进制字节数组成，包括热成像图像每个像素点的R、P、G数据(机芯像素为230×230，每个像素有3个字节数，则总字节数为230×(230×3+2))，以及特征点温度数据(17个十六进制数据)。热成像图还原时需先将R，P，G数据转换成十进制数据，再把该部分数据通过遍历叠加(R、P、G各有230×230个数据，对应组合为cat(3，R，G，B))得到一张完整图片。热成像特征点温度包括最高温度、最低温度和平均温度，每个温度值都由2个字节组成，高8位在左(T1)，低八位在右(T2)，将其组合(Strcat(T1，T2))即得到该温度数据的十六进制表示，最后将其转换成十进制数据，通过除法运算便得到真实温度。例如：接收到的十六进制温度数据为01，7C，则十进制数为380，其真实温度为38℃。每个温度值都有对应坐标，灰度转换时可以将对应灰度值存储于数组中以便计算。灰度转换公式为Y=0.3R+0.6G+0.1B，相关数据已在读取时保存(R，G，B数组)。目前，在定量分析方面因为技术保护等原因，传统红外测温只能聚焦于最高温、最低温、平均温，但这并不完全满足工厂监控体系对所有工厂设施安全隐患排查的要求[9]。通过MATLAB结合统计学对热图像特征点的灰度和温度数据进行拟合插值运算，可以得到两者之间的线性函数关系[10]，如图5所示。在定性考量下，可以只考虑对温度值和灰度值进行线性插值获取全像素点温度。本文主要是定性讨论在不同温度区间内灰度值(G)和温度(T)的线性关系：G=xT+y，即T=(G-y)/x。线性插值要求在既有数据(温度)范围内对像素点温度进行拟合推算，特征点温度恰好包括监测对象的温度范围。特征点温度数据越多，则线性推演出的温度越接近真实值。由于实验条件所限，实验过程中选择的温度上限未超过80℃。对测量数据进行统计比较，可知在更高的温度区间内其线性系数将发生改变。在线性计算公式T(X)=interp1(GArray,TArray,G(x),'linear')中，GArray为特征点灰度值的数组，必须进行线性排列，其对应温度值存放在温度数组TArray中;linear表示处理方式为分段式线性插值。将相关数据带入该式，即可对任一像素点温度进行计算，且结果误差较小。全图温度计算只需遍历运行该过程即可实现。实验过程中，本文将整体像素缩放至32×32，在提高运行效率的同时，其所测温度数据与分析结果基本一致。2.1.3红外热图像存储服务器红外热成像监控平台经过相应处理流程之后，将生成的热图像通过网络实时上传到红外热图像存储服务器。移动监控终端以及上位机服务器可以随时随地实时监测分站的热图是否有异常，若发现异常则及时预警并通知监管人员。2.1.4OneNET云监控平台设计系统设计的OneNET物联网云平台可用作数据的中转和储存服务器。在物联网云平台上创建有相应传输接口，当移动监控终端和上位机服务器需要获取数据时，只需访问接口即可。OneNET物联网云平台接收数据流程如图6所示。
2.2监控终端设计
2.2.1上位机监控服务器设计根据监测预警功能需要，监控软件主要用于获取、存储和管理化工厂环境的气压、温度、危险气体浓度以及烟雾浓度变化等参数信息。利用VisualStudio2017开发工具设计出基于C#语言的上位机显示界面。设计的功能模块主要包括信息管理模块、数据解析模块、数据处理模块、数据查询模块。2.2.2移动APP监控终端设计移动终端的显示界面是人机交互的重要途径，作为用户与系统进行数据传输的第一路径，良好的人机交互界面将直接影响到系统的美化效果和用户的操作体验。根据移动终端的整体功能，设备的UI界面分为四屏：第一屏作为启动屏幕，实现登录功能;第二屏是第一屏的子屏幕，用于在指定区域使用相应控件显示数据;第三屏和第四屏是第二屏的并列屏，主要用于实现历史数据查询、实时热图像查询等功能。查询设备若需要向服务器请求相关的数据，可通过Socket向网络发出请求，服务器接收到请求之后进行识别并响应，在客户端与服务器之间建立Socket通信。
3系统测试与分析
3.1移动监控终端
在移动监控终端上，当用户输入相应账号、密码登录之后，系统会进入功能选择界面。实时数据查询界面如图7所示。图7中依次显示了气体浓度、管道气压、最高温度、最低温度、平均温度、烟雾浓度信息。从图7可以看出，当前最低温度和平均温度存在异常，并已将问题数据标红。APP具有实时后台报警功能，针对非正常情况能实时预警，方便监管人员及时处理。历史数据筛选界面如图8所示。从图中可以看出选择的是显示储存在云平台上的所有数据，并且以列表形式显示，且所显示数据均正常。通过历史数据查询功能，可以方便监管人员预览数据。此外，监管人员点击界面中的“按时间筛选”按钮后，可以弹出如图9所示的时间选择界面。可以从图片服务器实时获取从监控终端上传的热图像，如图10所示。当温度出现异常时会在图中标出相应异常区域，方便监管人员精确定位并采取措施。统计分析界面可以对某一时刻的数据生成相应图表，方便监管人员掌握数据的变化趋势。图表数据对比界面如图11所示。
3.2红外热成像处理平台
打开软件即可看到图12所示的软件界面。点击“开始”将实时显示热图像，并自动筛选出最高温、最低温，计算平均温度，之后通过网络将热图像上传至位于公网的图片服务器。图13所示为红外热成像及计算功能界面，图14所示为点测温功能界面，图15所示为阿里云服务器实例列表，图16所示为服务器所存热图像的文件夹。
3.3上位机服务器
上位机端实时显示当前数据，并绘制图表，设置报警阈值，界面如图17所示。上位机端查询历史数据、绘制图表的界面如图18所示。上位机端获取实时热图像的界面如图19所示。
4结语
本文提出的化工厂爆炸性环境监测系统的设计方案实现了对监控终端各类参数的采集与发送、异常数据报警并智能处理、手机终端随时随地查看、历史数据查询与分析等功能。测试结果显示，该系统运行稳定，基本实现了设计目标。该系统为现代化工业数据监控产业的完善和发展打下了坚实基础，应用前景广阔。
参考文献
[1]宋薇.基于云计算的化工厂污染源高清视频监测防控系统设计[J].湘潭大学自然科学学报，2018，40(3)：62-65.
[2]程浪涛.化工厂智能火灾报警系统设计研究[J].盐科学与化工，2018，47(10)：41-44.
[3]综合.化工厂爆炸事故不可熟视无睹[J].安全与健康，2013，28(9)：24-26.
[4]陈允.电子信息技术的应用特点及发展[J].电子技术与软件工程，2019，8(11)：252.
[5]周宇飞，王振师，李小川，等.多平台林火现场实时监测技术研究[J].广东林业科技，2012，28(5)：51-56.
[6]中国移动.NB-IoTM5310-A[EB/OL].
《化工厂爆炸性环境监测及预警系统探讨》来源：《物联网技术》，作者：杨康 刘文强 万骏
转载请注明来自：http://www.zazhifabiao.com/lunwen/shkx/47379.html
