[发明专利]一种快递车危险预警系统及方法

权利要求书

1.一种快递车危险预警系统，其特征在于包括布置在快递车车厢内的监测终端节点，ZigBee协调器，ZigBee-3G/4G网关模块，云服务器，报警装置；监测终端节点的传感器组采集车厢内的环境参数监测数据和快递车的位置监测数据，并通过无线传输方式发送给布置在驾驶室内的ZigBee协调器；ZigBee协调器将监测终端节点采集的监测数据汇总并通过串口线连接方式发送到ZigBee-3G/4G网关模块；ZigBee-3G/4G网关模块对监测数据进行处理后，再对其进行Zigbee与3G/4G的数据帧格式转换和协议转换，然后通过3G/4G网络将转换后的数据信息上传至云服务器；云服务器接收由ZigBee-3G/4G网关模块传送来的数据信息并将其存储到数据库中；同时，ZigBee-3G/4G网关模块将数据信息通过串口线连接方式发送给报警装置；布置在驾驶室内的报警装置判断数据信息是否出现异常，若是则发出告警信号，同时将报警信息实时传输给ZigBee-3G/4G网关模块并显示在显示屏上；报警装置发出的报警信息同时实时传输给云服务器；若数据信息正常则将安全信息实时传输给ZigBee-3G/4G网关模块并显示在显示屏上；所述ZigBee-3G/4G网关模块利用皮尔逊相关处理的卡尔曼滤波改进方法对监测数据进行融合处理，再对其进行Zigbee与3G/4G的数据帧格式转换和协议转换。

2.根据权利要求1所述的快递车危险预警系统，其特征在于所述监测终端节点的传感器组包括温湿度一体式传感器，烟雾浓度传感器，危险气体浓度传感器和快递车位置传感器；温湿度一体式传感器、烟雾浓度传感器、危险气体浓度传感器和快递车位置传感器分别实时采集快递车车厢内的温湿度、烟雾浓度、危险气体浓度和快递车位置信息，并将其发送给ZigBee协调器。

3.根据权利要求2所述的快递车危险预警系统，其特征在于所述危险气体浓度传感器包括一氧化碳浓度监测用传感器、乙醇浓度监测用传感器、甲烷浓度监测用传感器；这些传感器实时采集并将烟雾浓度、一氧化碳气体浓度、乙醇气体浓度、甲烷气体浓度传输给ZigBee协调器。

4.一种快递车危险预警方法，其特征在于包括下述步骤：

一、采集快递车环境参数监测数据并对其进行数据处理；

二、对数据处理后得到的数据信息进行Zigbee与3G/4G的数据帧格式转换和协议转换，然后根据转换后的数据信息判断快递车车厢是否处于安全状态，若是则将监测数据实时显示在显示屏上，否则输出报警信息，同时将报警信息显示在显示屏上并将该报警信息和车厢位置信息上传到云服务器；

所述步骤一中，利用皮尔逊相关处理的卡尔曼滤波改进方法对环境数据进行融合处理的步骤如下：

1)设针对每个要测量的参数指标采用M个传感器；按获取源数据的不同来源将源数据分成M组，分别为SD₁、SD₂、……SD_i……、SD_M；将每组源数据以时间为序排列，每N个采样时刻源数据为一个序列；

2)针对SD_i组数据，i≠1且i≠M，计算SD_i-1组数据和SD_i+1组数据的标准差；若i＝1，则计算SD_i+1组和SD_i+2组数据标准差；若i＝M，则计算SD_M-1组和SD_M-2组数据的标准差；若标准差都不为0，则转步骤3)；

3)根据式(1-1)、(1-2)、(1-3)、(1-4)求出SD_i-1组数据与SD_i组数据的皮尔逊相关系数ρ_i-1,i，SD_i组数据与SD_i+1组数据的皮尔逊相关系数ρ_i,i+1：

ρi-1,i=E(SDi-1SDi)-E(SDi-1)E(SDi)E(SDi-12)-E2(SDi-1)E(SDi2)-E2(SDi)---(1-1)]]>

E(SDiSDi+1)=Σn=1N(SDinSD(i+1)n)N---(1-2)]]>

ρi,i+1=E(SDiSDi+1)-E(SDi)E(SDi+1)E(SDi2)-E2(SDi)E(SDi+12)-E2(SDi+1)---(1-3)]]>

E(SDiSDi+1)=Σn=1N(SDinSD(i+1)n)N---(1-4)]]>

其中ρ_i-1,i是SD_i-1组数据与SD_i组数据的皮尔逊相关系数，ρ_i,i+1是SD_i组数据与SD_i+1组数据的皮尔逊相关系数，E表示数据组的数学期望；n表示SD_i数据组中按时间排序的序号，n＝1，2，……，N；SD_in表示SD_i组数据中序号为n的源数据；

4)判断SD_i组数据与相邻两个组数据的皮尔逊相关系数是否都小于0.5，若是则断定数据出现异常干扰，对该组数据进行修正，否则不修正；若SD_i组数据异常，对其进行修正时，先计算该组数据k时刻的数据SD_{k_i}与该时刻所有数据均值的差值DV_{k_i}，然后将差值DV_{k_i}的绝对值|DV_{k_i}|与该时刻所有数据的标准差S_k比较，若|DV_{k_i}|>S_k且|DV_{k_i}|<2S_k，则将异常组数据修正为该时刻所有数据中位数与均值的平均值；若|DV_{k_i}|>2S_k，则将异常组数据修改为该时刻所有数据的中位数；若|DV_{k_i}|<S_k，则不修正；然后进行数据合并，即计算在该时刻修正后的所有数据的均值，并将其作为该时刻的合并数据；经过本步骤得到合并后的样本数据Z(k)，k＝1，2，……，N；

5)建立一个离散控制过程系统模型，用线性随机微分方程来对该系统进行描述，如式(2)所示：

X(k)＝A·X(k-1)+W(2)

式(2)中X(k)表示为在k时刻相对应的系统状态变量，X(k-1)表示为在k-1时刻相对应的系统状态变量，X(0)＝Z(1)；A是系统参数矩阵，W表示系统噪声；

6)利用式(3)、(4)、(5)、(6)、(7)进行系统的最优化观测估计，得到融合后的数据信息；

X(k|k-1)＝A×X(k-1|k-1)+W(3)

P(k|k-1)＝A×P(k-1|k-1)×A'+Q(4)

Kg(k)＝P(k|k-1)×H'/(H×P(k|k-1)×H')(5)

X(k|k)＝X(k|k-1)+Kg(K)×(Z(k)-H×X(k|k-1))(6)

P(k|k)＝(I-Kg(k)×H)×P(k|k-1)(7)

式中X(k|k-1)表示为由前一时刻状态变量通过估计而得出的结果，X(k-1|k-1)表示为前一时刻状态变量所具有的观测估计值，P(k|k-1)是X(k|k-1)协方差值，P(k-1|k-1)是X(k-1|k-1)协方差值，矩阵A'表示A的转置矩阵；Q表示系统噪声W的协方差值；Kg(k)为卡尔曼增益；H为全1的测量参数矩阵，H’为H的转置矩阵；X(k|k)是k时刻系统状态变量的最优化观测估计，P(k|k)为X(k|k)的协方差，系数I为全1的系数矩阵；

估计过程如下：

k＝1时，分别利用式(3)、(4)计算X(k|k-1)、P(k|k-1)；X(0|0)为k＝1时刻的样本数据Z(k)；P(0|0)取0至1之间的值即可，这里P(0|0)＝0.5；然后利用式(5)计算卡尔曼增益Kg(k)，再利用式(6)计算k时刻系统状态变量的最优化观测估计X(k|k)；

利用式(7)计算X(k|k)的协方差P(k|k)；

利用计算出的最优化观测估计X(k|k)和X(k|k)的协方差P(k|k)对式(3)、(4)中的X(k-1|k-1)、P(k-1|k-1)进行更新，再利用式(5)、(6)、(7)计算下一时刻的最优化观测估计X(k|k)和X(k|k)的协方差P(k|k)；依此进行递归运算，直至求出所有k时刻的观测估计值X(k|k)，即融合处理后的数据信息。

5.根据权利要求4所述的快递车危险预警方法，其特征在于所述步骤二中，判断快递车车厢是否处于安全状态并输出报警信息的方法如下：

对接收到的温度、烟雾浓度、一氧化碳气体浓度、乙醇气体浓度和甲烷气体浓度数据进行比较判断；如果烟雾浓度数据大于设定的烟雾浓度阈值，且一氧化碳浓度大于设定的一氧化碳浓度阈值，输出代表车厢出现火情的报警信息；如果烟雾浓度数据大于设定的烟雾浓度阈值，且一氧化碳浓度低于设定的一氧化碳浓度阈值，输出代表车厢灰尘过多的报警信息；

在接收到的烟雾数据低于设定的烟雾浓度阈值的情况下，如果乙醇气体浓度数据大于设定的乙醇气体浓度阈值，且温度高于设定的温度阈值，输出代表车厢有爆炸风险的报警信息；如果乙醇气体浓度大于设定的乙醇气体浓度阈值，且温度低于设定的温度阈值，输出代表车厢有可燃气体泄露报警信息，同时输出环境参数数据及车厢位置信息；

在烟雾浓度数据低于设定的烟雾浓度阈值，且乙醇气体浓度数据低于设定的乙醇气体浓度阈值的情况下，如果甲烷气体浓度数据大于设定的甲烷气体浓度阈值，且温度数据高于设定的温度阈值，输出代表车厢有爆炸风险的报警信息；如果甲烷气体浓度数据大于设定的甲烷气体浓度阈值，且温度数据低于设定的温度阈值，输出代表车厢有可燃气体泄露的报警信息，同时输出环境参数数据及车厢位置信息；

在烟雾浓度数据低于设定的烟雾浓度阈值，且乙醇气体浓度数据低于设定的乙醇气体浓度阈值，同时甲烷气体浓度数据低于设定的甲烷气体浓度阈值情况下，输出环境参数数据及车厢位置信息。