电缆附件制作过程中气体环境监测方法与流程

本发明涉及电缆附件工业生产领域，具体电缆附件制作过程中气体环境监测方法。

背景技术：

1、在电缆附件制作和安装的过程中，对气体环境的要求逐渐提高。在电缆附件制作和安装过程中，环境中存在会影响电缆附件生产质量的气体如一氧化碳、二氧化碳和烟雾颗粒等等。这些气体不仅会对电缆附件生产造成影响，也对工作人员的健康和安全构成潜在风险。

2、目前，气体环境的监测方法主要为在现有的气体传感器的基础上，通过合适的数据处理手段来提升气体监测的效率与精度。常见的数据处理方法包括主成分分析法，建立神经网络模型等，主成分分析生成的主成分通常是数据的线性组合，这可能使得主成分的解释性不直观，难以解释主成分与原始特征之间的关系。对监测数据的精度提升不明显。传统的bp神经网络具有非线性处理及自学习能力，广泛应用于解决复杂的非线性问题，可以对气体传感器测量误差进行在线补偿，但bp神经网络容易陷入局部最优解，收敛速度慢。改良后的神经网络如粒子群优化后的bp神经网络（pso-bp）算法在气体检测中收敛速度快、操作性好，但实际应用中往往出现早熟收敛的线性。

技术实现思路

1、为解决目前在电缆附件生产过程中气体监测精度不高，统的bp神经网络优化数据容易陷入局部最优解，收敛速度慢的问题。本发明结合实际实验确定了电缆附件制作安装过程中需要监测的气体，并设计试验确定了需要进行气体监测的位置，并提出一种多元宇宙算法优化bp神经多维分类预测研究方法（mvo-bp）在气体检测中的应用，使用mvo算法来优化bp神经网络的权重和偏置以提高神经网络的训练效果。mvo算法可以通过模拟宇宙中的星系运动规律来搜索最优解，从而更好地调整神经网络的参数。相对传统的神经网络模型，mvo-bp算法收敛速度快的同时对数据精度有显著提升。从而可以对电缆附件制作和安装过程中的气体环境进行准确的判断。此外，本发明设计了二级报警系统，对提高制作过程中的安全性和产品的质量至关重要。

2、本发明采取的技术方案为：

3、电缆附件制作过程中气体环境监测方法，包括以下步骤：

4、步骤1：确定电缆附件制作和安装过程中需要监测的气体，并确定各气体传感器和温湿度传感器的布置方式；

5、步骤2：将红外气体传感器与温湿度传感器安装在已确定的监测位置。确保传感器安装稳固，并且能够准确地接收待测气体。并对传感器进行校准，以确保其准确测量待测气体的浓度；

6、步骤3: 不同气体在红外光谱中具有特定的特征，红外传感器利用这些吸收特性来检测和测量这些气体的浓度；

7、步骤4：气体浓度传感器与温湿度传感器通过数字接口将数据传输给单片机。使用i2c等通信协议与单片机连接；

8、步骤5：单片机接收气体浓度及温湿度测量数据时，分别此数据集存入i2c（型号：at24c1024）与单片机存储器中。存入外部存储器中的数据单片机断电后重新上电数据仍然存在，存入单片机存储器中的数据单片机断电后重新上电数据不存在；

9、步骤6：单片机通过4g模块将数据发送到主机。根据接收到的数据可以确定工棚内一氧化碳，二氧化碳，烟雾颗粒浓度最大的小区域。之后重新布置一氧化碳，二氧化碳，烟雾颗粒浓度传感器；

10、步骤7：一氧化碳，二氧化碳，烟雾颗粒浓度，环境温湿度的测量值作为输入层参数，三种气体浓度真实值为输出层参数，构建bp神经网络补偿模型，计算出气体浓度真实值与各参数测量值之间的非线性映射关系；

11、步骤8：使用mvo算法来优化bp神经网络的权值和偏置，以提高神经网络的训练效果，mvo算法可以通过模拟宇宙中星系的运动规律来搜索最优解，从而更好地调整神经网络的参数，提高其性能；

12、步骤9：获取校正后的数据，将传感器测量所得的气体浓度数据输入建立好的预测模型即可输出校正后的气体浓度数据并通过显示器反映给工作人员。

13、步骤10：将矫正后的三种气体浓度信息对比三种气体的一级浓度阈值，根据对比结果判断报警或将气体浓度信息发送至下一节点。

14、步骤11：将上一节点传送来的的三种气体浓度信息对比三种气体的二级浓度阈值，根据对比结果判断是否报警。

15、所述步骤1中，提供了一种电缆附件制作和安装过程中气体环境监测方案，现有的气体监测技术监测的有害气体包括一氧化碳，二氧化碳，甲烷，烟雾颗粒，硫化氢，乙醇，氨气等。结合实际实验数据发现电缆附件制作和安装过程中的有害气体主要包括一氧化碳，二氧化碳，烟雾颗粒。将电缆附件制作安装所在的工棚在水平方向划分出若干均匀分布1m×1m的正方形小区域，在每个小区域地面的中点处分别设置一氧化碳，二氧化碳，烟雾颗粒和温湿度传感器。

16、所述步骤2中，分别使用零点校准方法和斜率校准方法对传感器进行校准，具体如下：

17、使用零点校准方法对传感器进行校准，将传感器放置在室内空气环境下，确保它处于稳定状态。记录传感器此时的输出值，并将其设为零点值。让传感器在正常工作环境下运行。

18、使用斜率校准法对传感器进行校准，先使用已知浓度的稳定气体对传感器进行标定，记录其输出值。然后将记录的输出值除以气体的真实浓度得到传感器的斜率。最后，在正常工作环境下运行传感器，将其输出值除以斜率得到真实的气体浓度值。

19、所述步骤3中，红外传感器内部包含一个红外辐射发射器，通常是红外二极管。这个发射器会发射特定波长的红外光。传感器还包括一个吸收室，用于容纳待测气体。当气体进入吸收室时，它会与发射器发出的红外光发生相互作用。在吸收室的另一侧有一个检测器，通常是红外光电二极管。这个检测器用于测量经过气体吸收后的红外光强度。传感器会比较发射器发出的红外光强度和检测器接收到的红外光强度之间的差异。当气体吸收了红外光后，检测器接收到的光强度会减弱，传感器通过测量这种差异来确定气体浓度。

20、请阅读图1所示；所述步骤4中，步将传感器的sda（串行数据线）连接到单片机的sda引脚，scl（串行时钟线）连接到单片机的scl引脚。在单片机上配置i2c通信模块，以便与传感器进行通信。设置单片机的i2c总线速率和地址，确保与传感器兼容。根据传感器的规格表，发送初始化命令或配置数据到传感器，以准备接收数据。发送读取命令到传感器，以请求传感器测量的数据。接收传感器返回的数据，并解析数据以获取气体浓度和温湿度值。将从传感器读取的数据存储到at24c1024的存储器中。使用单片机的i2c接口与at24c1024进行通信，写入传感器数据到特定存储地址。

21、所述步骤5中，系统存储模块可针对气体浓度数据进行存储阵列导入、记录等操作。本系统选用存储介质为k9wbg08u1型flash芯片，主控模块与其进行命令、地址、数据三类信号交互时，均通过d0~d7八位i/o口并行完成

22、所述步骤6中，4g模块采用移远ec200n模组，支持tcp协议与apn功能。单片机与4g模块通过txb0104芯片进行电平转换及隔离保护，串口uart1_rx和uart1_tx分别连接４ｇ模块tx和rx引脚，通过发送at指令完成4g模块入网参数的配置，与主机建立tcp通讯，实现数据上报与远程控制。

23、所述步骤7中， 设定传感器所采集到的一氧化碳，二氧化碳，烟雾颗粒浓度，环境温湿度数据分别为：，，，，。一氧化碳，二氧化碳，烟雾颗粒浓度的真实值分别为：，，。可以通过神经网络建立下面的映射关系

24、

25、一氧化碳，二氧化碳，烟雾颗粒浓度，环境温湿度的测量值作为输入层参数，三种气体浓度真实值为输出层参数，构建bp神经网络补偿模型，计算出气体浓度真实值与各参数测量值之间的非线性映射关系，在线动态校正传感器测量值。建立的模型如图2所示，其中隐藏层节点数影响网络的容错性和泛化能力，

26、请阅读图2所示；所述步骤8中，使用mvo算法来优化bp神经网络的权值和偏置，以提高神经网络的训练效果，mvo算法可以通过模拟宇宙中星系的运动规律来搜索最优解，从而更好地调整神经网络的参数，提高其性能。可以通过下面的方法实现：

27、首先设置适应度函数。定义气体浓度真实值与校正值误差的绝对值之和的倒数为适应度值，适应度函数ni为：

28、

29、式中，分别为第i节点的真实值与校正值，m为种群规模。气体参数校正值与真实值误差越小，适应度函数输出结果越大，气体参数校正值越准确。

30、

31、其中n为宇宙个数，d为宇宙维度，为第i个宇宙的第j个分量。

32、

33、式中，为第k个宇宙的第j个分量；为第i个宇宙的归一化膨胀率。为之间的随机数。

34、宇宙位置的更新方式为：

35、

36、式中，为全局最优宇宙的第j个分量，和分别为变量的上下界；、和都是之间的随机数，wep表示虫洞存在率，tdr表示旅行距离率，更新公式为：

37、

38、

39、式中，和为wep的最小值和最大值；t和t为当前和最大迭代次数；p为开采准确度。采用v型函数将实数映射到区间，即：

40、

41、最后进行位置更新：

42、

43、通过mvo-bp算法反复训练模型，直至输出最小误差值。mvo-bp算法结构流程图如图3所示：

44、请阅读图3所示；所述步骤9中，将传感器测量得到的气体浓度数据作为输入，输入到已建立的预测模型中。该模型已经训练学习得到了气体浓度与环境参数之间的关系，模型会对输入的数据进行处理和计算，最终输出校正后的气体浓度数据。这些校正后的数据反映了经过神经网络补偿模型和mvo算法优化的测量值，准确地反映了实际气体浓度情况。校正后的气体浓度数据通过显示器呈现给工作人员，以便了解气体浓度的实际情况并采取相应的措施。

45、请阅读图4所示；所述步骤10 中，将矫正后的一氧化碳浓度信息对比一氧化碳一级浓度阈值，将矫正后的二氧化碳浓度信息对比二氧化碳一级浓度阈值，将矫正后的烟雾颗粒信息对比烟雾颗粒浓一级度阈值。在所述一氧化碳，二氧化碳，烟雾颗粒三种气体浓度有两个或以上达到所述气体一级浓度阈值时，生成上报信息到控制平台进行报警。否则将矫正后的一氧化碳，二氧化碳，烟雾颗粒浓度信息发送至下一节点。

46、所述二级报警系统结构如图5所示；所述步骤11 中将上一节点传送来的一氧化碳浓度信息对比一氧化碳二级浓度阈值，将上一节点传送来的二氧化碳浓度信息对比二氧化碳二级浓度阈值，将上一节点传送来的烟雾颗粒信息对比烟雾颗粒浓二级度阈值。在所述一氧化碳，二氧化碳，烟雾颗粒三种气体浓度有一个达到所述气体一级浓度阈值时，生成上报信息到控制平台进行报警。

47、本发明一种电缆附件制作过程中气体环境监测方法，技术效果如下：

48、1）电缆附件制作过程中气体环境监测方法，首选择的110kv电缆接头制作的场所，进行真实的110kv电缆接头制作安装。对气体传感器进行校准，将气体传感器与校准仪器进行匹配。传感器校准后，将实验环境划分为10×10个小区域，在每个小区域一氧化碳，二氧化碳，烟雾颗粒传感器，记录数据得到实验环境下，三种气体大致的分布情况。根据所得到的分布情况，分别将一氧化碳，二氧化碳，烟雾颗粒传感器布置在对应气体浓度最高的区域，将温湿度传感器布置在实际电缆附件制作安装所在的区域，并将各个传感器连接至单片机。设置单片机的无线通信模块和电源管理模块后，在主机中设置mov-bp神经网络程序，并连接好显示设备。根据测量到的一氧化碳，二氧化碳，烟雾颗粒浓度，温湿度数据与一氧化碳，二氧化碳，烟雾颗粒浓度的真实值建立神经网络补偿模型，得到气体浓度真实值与测量值之间的非线性映射关系，在线动态矫正传感器测量值并通过显示设备显示给工作人员。实现电缆附件制作和安装过程中气体环境监测。

49、2）在电缆附件制作和安装过程中，环境中存在会影响电缆附件生产质量的气体如一氧化碳、二氧化碳和烟雾颗粒。气体环境的监测方法主要为在现有的气体传感器的基础上，通过合适的数据处理手段来提升气体监测的效率与精度。主成分分析生成的主成分通常是数据的线性组合，这可能使得主成分的解释性不直观，难以解释主成分与原始特征之间的关系。对监测数据的精度提升不明显。使用bp神经网络进行数据补偿容易陷入局部最优解，收敛速度慢。改良后的神经网络如粒子群优化后的bp神经网络（pso-bp）算法在气体检测中收敛速度快、操作性好，但实际应用中往往出现早熟收敛的线性。因此，本专利的优点是先使用一氧化碳，二氧化碳，烟雾颗粒和温湿度传感器检测气体环境，能够将首次检测到的气体浓度数值储存在单片机中，方便下次调用；通过4g模块实现单片机与主机之间的数据远程传输，能通过显示器为工作人员提供在线更新的气体浓度数据。结合了温湿度数据对气体浓度测量数据进行补偿，并采用了mvo-bp模型提升数据精度，过改进的mvo-bp算法优化网络模型对气体传感器测量值进行动态补偿，得到更准确的气体浓度值。

技术特征：

1.电缆附件制作过程中气体环境监测方法，其特征在于包括以下步骤：

2.根据权利要求1所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤1中，提供了一种电缆附件制作和安装过程中气体环境监测方案，现有的气体监测技术监测的有害气体包括一氧化碳，二氧化碳，甲烷，烟雾颗粒，硫化氢，乙醇，氨气等，结合实际实验数据发现电缆附件制作和安装过程中的有害气体主要包括一氧化碳，二氧化碳，烟雾颗粒，将电缆附件制作安装所在的工棚在水平方向划分出若干均匀分布1m×1m的正方形小区域，在每个小区域地面的中点处分别设置一氧化碳，二氧化碳，烟雾颗粒和温湿度传感器。

3.根据权利要求2所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤2中，分别使用零点校准方法和斜率校准方法对传感器进行校准，具体如下：

4.根据权利要求3所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤3中，红外传感器内部包含一个红外辐射发射器，通常是红外二极管，这个发射器会发射特定波长的红外光，传感器还包括一个吸收室，用于容纳待测气体，当气体进入吸收室时，它会与发射器发出的红外光发生相互作用，在吸收室的另一侧有一个检测器，通常是红外光电二极管，这个检测器用于测量经过气体吸收后的红外光强度，传感器会比较发射器发出的红外光强度和检测器接收到的红外光强度之间的差异，当气体吸收了红外光后，检测器接收到的光强度会减弱，传感器通过测量这种差异来确定气体浓度。

5.根据权利要求4所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤4中，步将传感器的sda（串行数据线）连接到单片机的sda引脚，scl（串行时钟线）连接到单片机的scl引脚，在单片机上配置i2c通信模块，以便与传感器进行通信，设置单片机的i2c总线速率和地址，确保与传感器兼容，根据传感器的规格表，发送初始化命令或配置数据到传感器，以准备接收数据，发送读取命令到传感器，以请求传感器测量的数据，接收传感器返回的数据，并解析数据以获取气体浓度和温湿度值，将从传感器读取的数据存储到at24c1024的存储器中，使用单片机的i2c接口与at24c1024进行通信，写入传感器数据到特定存储地址。

6. 根据权利要求5所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤5中，系统存储模块可针对气体浓度数据进行存储阵列导入、记录等操作，本系统选用存储介质为k9wbg08u1型flash芯片，主控模块与其进行命令、地址、数据三类信号交互时，均通过d0~d7八位i/o口并行完成 。

7.根据权利要求6所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤6中，4g模块采用移远ec200n模组，支持tcp协议与apn功能，单片机与4g模块通过txb0104芯片进行电平转换及隔离保护，串口uart1_rx和uart1_tx分别连接４ｇ模块tx和rx引脚，通过发送at指令完成4g模块入网参数的配置，与主机建立tcp通讯，实现数据上报与远程控制。

8.根据权利要求6所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤7中， 设定传感器所采集到的一氧化碳，二氧化碳，烟雾颗粒浓度，环境温湿度数据分别为：，，，，，一氧化碳，二氧化碳，烟雾颗粒浓度的真实值分别为：，，，可以通过神经网络建立下面的映射关系一氧化碳，二氧化碳，烟雾颗粒浓度，环境温湿度的测量值作为输入层参数，三种气体浓度真实值为输出层参数，构建bp神经网络补偿模型，计算出气体浓度真实值与各参数测量值之间的非线性映射关系，在线动态校正传感器测量值，其中隐藏层节点数影响网络的容错性和泛化能力。

9.根据权利要求6所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤8中，mvo算法改进，使用mvo算法来优化bp神经网络的权值和偏置，以提高神经网络的训练效果，mvo算法可以通过模拟宇宙中星系的运动规律来搜索最优解，从而更好地调整神经网络的参数，提高其性能，可以通过下面的方法实现：

10.根据权利要求8所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤9中，将传感器测量得到的气体浓度数据作为输入，输入到已建立的预测模型中，该模型已经训练学习得到了气体浓度与环境参数之间的关系，模型会对输入的数据进行处理和计算，最终输出校正后的气体浓度数据，这些校正后的数据反映了经过神经网络补偿模型和mvo算法优化的测量值，准确地反映了实际气体浓度情况，校正后的气体浓度数据通过显示器呈现给工作人员，以便了解气体浓度的实际情况并采取相应的措施。

11.根据权利要求1所述电缆附件制作过程中气体环境监测方法，其特征在于：所述步骤10和步骤11中，将矫正后的一氧化碳浓度信息对比一氧化碳一级浓度阈值，将矫正后的二氧化碳浓度信息对比二氧化碳一级浓度阈值，将矫正后的烟雾颗粒信息对比烟雾颗粒浓一级度阈值，在所述一氧化碳，二氧化碳，烟雾颗粒三种气体浓度有两个或以上达到所述气体一级浓度阈值时，生成上报信息到控制平台进行报警，否则将矫正后的一氧化碳，二氧化碳，烟雾颗粒浓度信息发送至下一节点；

技术总结
电缆附件制作过程中气体环境监测方法，对气体传感器进行校准，将气体传感器与校准仪器进行匹配。传感器校准后，将实验环境划分为若干1m×1m的小区域，在每个小区域布置一氧化碳，二氧化碳，烟雾颗粒传感器，记录数据得到实验环境下，三种气体的分布情况，根据所得到的分布情况，分别将一氧化碳，二氧化碳，烟雾颗粒传感器布置在对应气体浓度最高的区域，根据测量到的一氧化碳，二氧化碳，烟雾颗粒浓度，温湿度数据与一氧化碳，二氧化碳，烟雾颗粒浓度的真实值建立神经网络补偿模型，得到气体浓度真实值与测量值之间的非线性映射关系，通过比较传感器测量所得数据与算法补偿后数据与真实值的均方根误差，发现浓度检测精度有显著提升。

技术研发人员：黄宾南,李小刚,邓雪君,谢朝养,李晓东,谢浩章
受保护的技术使用者：东莞市输变电工程建设有限责任公司
技术研发日：
技术公布日：2024/9/23