煤气泄漏无线监测预警系统及源点定位仿真研究

金美玉 汤亚玲 张学锋

(安徽工业大学 安徽 马鞍山 243002)

0 引 言

随着现代工业的发展，对工业生产中产生的煤气进行安全防患预警成为重中之重。一旦煤气在生产及储存过程中发生泄露，空气中的煤气浓度超过阈值必会引发火灾，甚至爆炸事故。近几年的调查报告如下：2016年2月14日，秦皇岛滨瑞工程有限公司的镀锌厂内发生煤气泄漏，造成1人死亡，直接经济损失达130万元[1]。2018年2月5日，广东省韶关市的韶钢松山有限公司发生煤气泄漏中毒较大事故，造成8人死亡、4人重伤、6人轻伤[2]。为了尽量减少这样事故的发生，应该对可能发生煤气泄露的区域进行煤气浓度实时监测，一旦煤气发生泄露，需要尽快找出煤气泄漏源的位置，阻止进一步扩大灾害的发生范围。因此工业煤气泄漏监测预警技术成为近些年来的研究热点。

无线传感技术的快速发展使得其应用领域更加广泛，如环境监测、信息采集、目标点定位等。近年来，国内外采用无线传感技术对污染气体进行实时监测及报警的越来越多，但是，目前的监测技术主要是针对基本的气体浓度检测以及超限报警，并不具备在消防应急救援工作中起关键作用的定位功能。位置信息对于监测活动至关重要，目标事件发生的位置或者终端设备的位置信息是煤气监测系统的重要组成部分。鉴于此，本文将对煤气泄漏事故进行深入研究，利用LoRa无线通信技术研究一种集定位、浓度监测于一体的工业煤气泄漏无线监测预警系统，以期为安监和救援提供有效信息，及时进行应对处理，减少人员及财产损失。

1 相关技术

1.1 LoRa通信技术

LoRa技术具有低功耗、低成本、多节点、远距离的特点，是一种基于扩频技术的远距离无线传输方案，此方案由美国Semtech公司提出并推广[3]。LoRa通信网络具有建设简单和部署容易的特性，已成为当前最为广泛应用的物联网专用网络通信技术[4]。系统的LoRa通信设计采用服务器-网关-终端设备的连接方法，采集的信息通过终端设备进行反馈。终端设备主要功能是完成煤气浓度和GPS定位信息的采集及数据的传输。在LoRa通信过程中需要建立LoRa通信协议，实现传输信息过程所需的数据传输方式，将获取的信息传输出去[5]。终端设备硬件如图1所示。

图1 终端设备集成模块

1.2 地图应用开发技术

通过高德地图API接口来加载地图界面，实现地图控件、覆盖物、滚动缩放、地图类型转换等功能。系统引用高德地图JS API应用接口，将实时接收的终端设备地理信息通过经纬度定位的方式显示到加载的地图界面中，同时将实时接收的煤气浓度及设备信息展示到对应终端设备的属性窗口以达到远程监控终端设备的效果。通过数据的实时更新实现物体实时运动的轨迹显示[6]。系统结合第三方类库(CWebPage类)及高德地图API应用接口，实现Microsoft Web Browser控件与高德地图的结合以及C++语言与JavaScript脚本语言的交互，进而实现巡检人员在地图上的动态轨迹显示及终端设备工作状况的实时监控。

2 系统分析与设计

2.1 系统功能结构

本系统主要由七个模块组成:(1) 开启终端设备连接模块；(2) 数据采集模块；(3) 数据存储模块；(4) 数据分析模块；(5) 超限预警模块；(6) 数据库操作模块；(7) 界面数据更新模块。煤气泄漏无线监测预警系统功能模块如图2所示。

图2 煤气泄漏无线监测预警系统功能模块

每个模块的功能概括如下：

(1) 开启终端设备连接模块：该模块负责开启上位机监控中心与终端设备的连接。开启终端设备连接模块时，初始化界面信息，加载地图场景，接收终端设备采集的信息，更新到相应的终端设备属性窗口。

(2) 数据采集模块：该模块负责实时采集终端设备状态信息，并将信息发送到存储模块进行长期保存。本系统采用NEO-6M卫星定位及CO传感器采集数据。

(3) 数据存储模块：该模块用于存储数据采集模块所采集的数据。本系统设计将根据业务需求，采用关系数据库Access,对终端设备信息进行实时更新。Access主要用于存储终端设备信息、巡检员信息、终端设备实时采集信息等基本数据。

(4) 数据分析模块：该模块对数据存储模块的实时数据进行GPS经纬度及煤气浓度值的异常判定。分析的结果主要用于表明终端设备的当前状态，并为煤气是否泄漏提供依据。过程如图3所示。

图3 数据分析过程

(5) 超限预警模块:该模块负责对采集的数据进行实时异常检测，并对煤气泄漏进行实时报警，避免煤气长时间泄漏而无人知晓，减少人民生命及财产安全的损失。该模块架构如图4所示。

图4 超限预警模块架构

(6) 数据库操作模块:该模块负责管理配置系统基本信息，同时可查看煤气浓度曲线图、巡检员的历史轨迹、不同终端设备的报警记录等。

(7) 界面数据更新模块：该模块负责在地图中实时显示终端设备的当前位置,并将煤气浓度值及其是否超过阈值等信息更新到相应的终端设备属性窗口。通过实时更新界面中各个终端设备属性值使得监控中心能实时掌握不同巡检员的状态。

2.2 数据库构建

为实现对终端设备采集数据的分析、查看及管理，将终端设备的相关参数及所采集的数据通过建立数据库进行分类存储。不同编号的终端设备所采集的信息存储在各自的一张表格中(如一号设备详细数据表)，字段包括煤气浓度、GPS经度、GPS纬度、信息采集的时间。系统涉及的其他数据则存储在另外四张表格中(终端设备数据表、设备报警记录表、巡检员信息表、分配设备数据表)，其中管理员将不同设备分配给相应巡检员的记录存储在分配设备数据表中，系统运行时产生的警报数据存储在设备报警记录表中。煤气泄漏无线监测预警系统数据库基本框架结构如图5所示。

图5 煤气泄漏无线监测预警系统数据库基本框架

3 系统测试

煤气泄漏无线监测预警系统主要由两部分组成，分别是开启终端设备连接和数据库操作。以VC为系统开发工具，调用第三方类库(CWebPage类)及高德地图API应用接口。下面以某钢铁分厂地图为场景进行系统的测试说明。系统界面如图6所示。

图6 煤气泄漏无线监测预警系统监控中心界面

3.1 实时更新位置及超限报警提示

开启终端设备连接模块是将上位机监控中心与终端设备建立连接，对携带终端设备的巡检员进行实时GPS定位及现场煤气浓度的监测。上位机监控中心实时监测终端设备采集的煤气浓度值，判断是否超过危险值，并划分为不同危险等级。对于超过危险值的设备，通过报警声音对巡检员及厂区的其他人员进行提示，同时上位机监控中心也进行相应等级的报警声音提示。上位机监控中心实时更新巡检员的位置，当发生煤气泄漏时，给救援人员提供准确的位置信息。异常报警过程如图7所示。

图7 超限报警流程

3.2 浓度曲线及历史轨迹查看

数据库模块是对终端设备所采集的信息进行分类存储及分析显示。如查看不同设备在一段时间内的煤气浓度曲线图及报警记录(见图8)，通过曲线图及报警记录可知该设备所在区域在这一段时间内的煤气浓度值变化，为工厂安全生产及合理安排巡检员巡检提供依据。除此之外，考虑到终端设备可能存在的不安全性如短时间内无LoRa信号或GPS信号等，如果发生煤气泄漏事故可通过之前数据库存储的终端设备信息(表1)进行终端设备历史轨迹的重绘(见图9和图10)，便于救援人员了解巡检员最后到达的位置。

图8 查看报警记录界面

表1 终端设备部分历史数据

图9 查看历史轨迹界面

图10 终端设备部分历史轨迹

3.3 泄漏源定位仿真

泄漏源定位仿真部分主要是模拟无人机寻找煤气泄漏点，目的是与煤气泄漏无线监测预警系统结合使用。当系统预警煤气泄漏时，因煤气具有致死致伤性、救援难度大等特点，可先使用无人机寻找可能的煤气泄漏点再由救援人员进行泄漏点的定点排查及维修，为救援节约大量的时间。模拟无人机寻找煤气泄漏点采用改进的模式搜索算法来进行泄漏点定位的仿真研究。

Hooke-Jeeves算法是一种直接搜索的算法(模式搜索算法)，它不依赖于目标函数的导数，因此可以使用直接搜索来解决目标函数不可微分甚至不连续的问题，具有求解精度高、局部搜索能力强、结构简单等特点[7]。模式搜索法在运行时是交替进行轴向移动(沿着相应维度的坐标轴移动，探测有利的运动方向)和模式移动(沿两个相邻探测点连线的有利方向移动)[8]。以原有模式搜索为基础，结合实验过程中的优化问题，对搜索的步长及方向做进一步的研究，改进原有搜索方式，并将此方式运用到求解煤气泄漏点的问题上。主要目的是通过利用改进的模式搜索算法来提高寻找煤气泄漏点的计算精度，并推动其在理论及实际应用过程中的进一步发展。改进的模式搜索算法步骤如下。

(1) 给定初始点(x,y)∈Rn，初始步长δ=25(单位：m)，缩减率β∈(0,1)，精度ε=0.5(单位:m),阈值φ=-4，令j=1,ej代表方向向量，n表示有n个运动方向，n=8,j=1,2,…，n。

(2) 轴向搜索：如果C(x,y,δ,ej)-C(x,y)>φ，则令x=x+δ×ej,y=y+δ×ej；否则x=x-δ×ej,y=y-δ×ej。

(3) 若j≤3,则令j=j+1，转步骤(2)；若4

(4) 轴间搜索：如果C(x,y,δ,ej)-C(x,y)>φ，则令x=x+δ×ej,y=y+δ×ej；否则x=x-δ×ej,y=y-δ×ej。转步骤(3)。

(5) 如果δ≤ε，则停止搜索，得到终点坐标值x、y，算法到此结束。否则令δ=β×δ，j=1，转步骤(2)。

通过该方法及VC模拟煤气泄漏点定位过程如下：设定气体泄漏点坐标(50,50)，设置0.08 s释放80个气体粒子，随机初始化各个气体粒子的速度、方向、大小及生命周期，气体粒子在产生的过程中向周围随机运动扩散。记录无人机初始点的气体粒子浓度，设置无人机进行轴向搜索，计算无人机在轴向搜索过程中粒子浓度变化，与设定的阈值相比较，进而更改轴向；一次轴向运动完成后，若没有找到泄漏点则进行轴间搜索，再次计算轴间搜索过程中粒子浓度变化，与阈值比较，进而更改方向；轴向与轴间搜索交替进行直至寻找到煤气泄漏点的位置。利用原始模式搜索算法进行泄漏点搜索，最终获得泄漏点坐标是(48，54)如图11所示；利用改进后的模式搜索算法搜索泄漏点的坐标是(49,50)如图12、图13所示。从图11、图12可以看出,在相同的气体泄漏环境下,本文改进的模式搜索算法所仿真得到的泄漏点坐标相比于原始模式搜索算法所仿真得到的泄漏点坐标更接近仿真设定的泄漏点坐标(50，50)，改进后的算法搜索坐标精度更加准确，说明改进的方法是具有可取性的。

图11 原始搜索算法仿真结果

图12 模拟无人机寻找过程中的部分轨迹坐标

图13 改进搜索算法仿真结果

4 结 语

煤气泄漏事故威胁到人民群众的身体健康和生命安全，目前的煤气监测系统都有一定的局限性，只是简单地进行固定位置的监测和报警，没有发挥在事故预防和处理上的优势。本文以某钢铁厂预警煤气泄漏为背景，建立了煤气泄漏无线监测预警系统，实时监控终端设备位置及煤气浓度，并利用VC对气体泄漏点寻找进行了模拟实验。该系统具有通用性，操作简便，连接终端设备即可进行实时监测，为煤气泄漏预警、事故救援抢险应急处理研究提供理论依据和技术参考。