【技术实现步骤摘要】
本专利技术涉及煤气检测领域，特别涉及一种基于多模态的自动煤气监控预警方法及系统。
技术介绍
1、传统的煤气检测方法一般是将单一的煤气浓度数据与阈值进行比较，如专利申请号为201310605654.2的一种家庭煤气浓度报警装置，包括微控制器、与微控制器连接的电源模块和煤气浓度传感器，还包括led灯、蜂鸣器和复位开关，所述煤气浓度传感器与微控制器的a/d口相连，led灯与微控制器的i/o口相连，蜂鸣器与微控制器的i/o口相连，复位开关与微控制器的i/o口相连。该专利公开了通过煤气浓度传感器采集的数据进行检测，当当检测到有煤气的浓度达到了一定程度，发出煤气报警信号。
2、由上述专利公开的现有技术可以看出，现有技术对煤气检测，采用单一类型的煤气传感器，如甲烷传感器或一氧化碳传感器。这些传感器主要用于监测特定类型的气体浓度，以便及时发现潜在的危险或安全问题。但是这种单一数据的浓度比对进行风险预警的方案存在如下缺陷:
3、境条件影响：单一传感器的性能可能受到环境条件的影响，例如温度、湿度等变化。这些因素可能导致传感器输出的数据产生误差，降低了系统的准确性。
4、数据处理局限性：传统系统在数据处理方面可能相对简单，通常采用基本的阈值判断。这可能使系统对于环境变化的适应性相对较低，可能导致误报或漏报的问题。
5、缺乏动态调整：传统系统通常缺乏动态调整的能力，无法根据环境的实时变化来进行自适应性调整。这使得系统可能在某些条件下表现不佳。
6、因此现有技术采用单一传感器的浓度数据比对进行煤
技术实现思路
1、本专利技术的目的在于克服现有技术的不足，提供一种基于多模态的自动煤气监测控制方法及系统，采用多种传感器浓度结合温度、湿度共同对煤气进行监控预警。
2、为了实现上述目的，本专利技术采用的技术方案为：一种基于多模态的自动煤气监控预警方法，包括如下步骤：
3、s1、采集温度数据、湿度数据以及多种类型的煤气浓度数据；
4、s2、基于温度与煤气浓度数据相关性矫正煤气浓度数据nrectify1、基于湿度与煤气浓度数据相关性矫正煤气浓度数据nrectify2，基于矫正后的煤气浓度数据nrectify1、nrectify2进行煤气风险预测并输出预测风险值；
5、s3、基于预测风险值进行监控预警判断并输出对应的预警信号。
6、步骤s1中，对采集的温度数据、湿度数据以及多种类型的煤气浓度数据进行预处理，包括对多种类型的煤气浓度数据进行过滤处理，以及对温度数据、湿度数据以及过滤处理后的煤气浓度数据进行归一化处理。
7、在步骤s2，采用搭建的多模态神经网络模型进行煤气浓度的矫正和风险预测输出。
8、所述的多模态神经网络模型首先将温度、湿度以及多个类型的煤气浓度数据转换成机器语言；
9、然后分别计算出温度和湿度对煤气浓度的影响，得到响应因子：
10、
11、其中，t表示传感器温度数据，s表示传感器湿度数据，n1，n2，n3…nn则表示各个煤气浓度数据，k1、k2表示维度转换矩阵，其目的就是将结果转换成统一的维度，α和β分别表示温度对煤气浓度值测定的影响因子、湿度对煤气浓度值测定的影响因子；
12、然后分别基于温度和湿度数据对煤气浓度数据进行矫正，如下：
13、nrectify1＝linear(α*t+ni)；
14、nrectify2＝linear(β*s+ni)；
15、其中α和β是上一步获得的影响因子，ni表示煤气浓度，linear是一种线性转换函数，nrectify1、nrectify2表示矫正之后的数据，此时这两组数据中就包含了温度和湿度的影响；
16、最后将矫正之后的数据nrectify1、nrectify2进行感知融合得到预测输出pre为：
17、pre＝softmax(concat(nrectify1，nrectify2)+m)；
18、其中，nrectify1、nrectify2表示矫正之后的数据，m表示超参数，concat表示拼接函数，将，nrectify1、nrectify2通过第0轴进行拼接，softmax表示概率转换函数，将拼接好的数据进行预测输出得到输出结果。
19、搭建的多模态神经网络模型包embedding层、transfarmer层、linear层、concat层和softmax层，embedding层作为模型的输入层，对输入的数据进行转换处理，其输出连接至transfarmer层，transfarmer层对数据进行矫正处理后得到的矫正数据经linear层、concat层后送入到softmax层，由softmax层进行预测输出。
20、搭建的多模态神经网络模型在使用前，通过建立的训练样本对模型进行训练以更新模型中的阈值和参数，在训练完成后用于对煤气浓度的矫正和风险预测输出。
21、对多种类型的煤气浓度数据采用filter过滤进行过滤处理以去除异常的浓度数据，对温度数据、湿度数据以及过滤处理后的煤气浓度数据进行归一化处理采用gn正则化处理。
22、步骤s3中，基于步骤s2输出的预测风险值进行监控预警：
23、当预测值小于或等于阈值δ1时，则判断煤气浓度安全；当预测值大于阈值δ1且小于阈值δ2，则判断煤气浓度有安全风险，此时发出降温除湿提醒；当预测值大于阈值δ2，则判断此时煤气浓度处于泄露风险状态，此时发出预警提醒信号以提醒停止使用煤气并做检修。
24、针对多模态神经网络模型，周期定时对其进行训练以更新其参数和阈值。
25、一种基于多模态的自动煤气监控预警系统，包括传感器模块、预处理模块、基于多模态煤气浓度矫正模块和预警模块，其中传感器模块被配置为对煤气使用环境下的温度数据、湿度数据和多类型的煤气浓度数据进行检测；
26、预处理模块用于对传感器模块采集的数据进行预处理后送入到基于多模态煤气浓度矫正模块，所述的基于多模态煤气浓度矫正模块基于多模态神经网络模型对输入的数据进行矫正处理后进行预测输出风险预测值，所述预警模块根据风险预测值发出预警监控提醒。
27、本专利技术的优点在于：采用多种传感器浓度结合温度、湿度共同对煤气进行监控预警，监控预警更加准确可靠；考虑到温度、湿度和煤气浓度进行风险监控预警，避免了温度、湿度的影响，提高了稳定性，减少了误报、漏保的可能性。同时也具备如下特点：
28、多传感器阵列的优势：本专利技术采用多传感器阵列，包括温度传感器、湿度传感器和多类型煤气传感器，从而实现了对多种煤气的全面监测。相比于单一传感器系统，这种综合性的监测方案提高了系统的覆盖范围，能够有效检测多种潜在的危险气体。
29、智能数据处理和矫正：通过采用数据预处理和多模态神经网络模型进行矫正，本专利技术有效解本文档来自技高网...
【技术保护点】
1.一种基于多模态的自动煤气监控预警方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于多模态的自动煤气监控预警方法，其特征在于：步骤S1中，对采集的温度数据、湿度数据以及多种类型的煤气浓度数据进行预处理，包括对多种类型的煤气浓度数据进行过滤处理，以及对温度数据、湿度数据以及过滤处理后的煤气浓度数据进行归一化处理。
3.如权利要求1所述的一种基于多模态的自动煤气监控预警方法，其特征在于：
4.如权利要求3所述的一种基于多模态的自动煤气监控预警方法，其特征在于：
5.如权利要求3或4所述的一种基于多模态的自动煤气监控预警方法，其特征在于：
6.如权利要求5所述的一种基于多模态的自动煤气监控预警方法，其特征在于：
7.如权利要求2-6任一所述的基于多模态的自动煤气监控预警方法，其特征在于：
8.如权利要求1-6任一所述的基于多模态的自动煤气监控预警方法，其特征在于：
9.如权利要求3-6任一所述的基于多模态的自动煤气监控预警方法，其特征在于：针对多模态神经网络模型，周期定时对其
10.一种基于多模态的自动煤气监控预警系统，其特征在于：包括传感器模块、预处理模块、基于多模态煤气浓度矫正模块和预警模块，其中传感器模块被配置为对煤气使用环境下的温度数据、湿度数据和多类型的煤气浓度数据进行检测；
...【技术特征摘要】
1.一种基于多模态的自动煤气监控预警方法，其特征在于：包括如下步骤：
2.如权利要求1所述的一种基于多模态的自动煤气监控预警方法，其特征在于：步骤s1中，对采集的温度数据、湿度数据以及多种类型的煤气浓度数据进行预处理，包括对多种类型的煤气浓度数据进行过滤处理，以及对温度数据、湿度数据以及过滤处理后的煤气浓度数据进行归一化处理。
3.如权利要求1所述的一种基于多模态的自动煤气监控预警方法，其特征在于：
4.如权利要求3所述的一种基于多模态的自动煤气监控预警方法，其特征在于：
5.如权利要求3或4所述的一种基于多模态的自动煤气监控预警方法，其特征在于：
6.如权...
【专利技术属性】
技术研发人员：汪嵩高，刘建，习小诚，杨光胜，刘小文，李文恺，
申请(专利权)人：新余钢铁股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。