[发明专利]基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统在审

专利信息
申请号: 202110611914.1 申请日: 2021-06-02
公开(公告)号: CN113419492A 公开(公告)日: 2021-09-21
发明(设计)人: 郑晓亮;曾英勇;姚逸程;陆悦悦 申请(专利权)人: 安徽理工大学环境友好材料与职业健康研究院(芜湖);安徽理工大学
主分类号: G05B19/418 分类号: G05B19/418;G01D21/02;H04W4/38
代理公司: 泉州企记知识产权代理事务所(普通合伙) 35264 代理人: 许寿宁
地址: 241002 安徽省芜*** 国省代码: 安徽;34
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 多源异构 传感器 数据 融合 nb iot 工业 污染物 监测 系统
【权利要求书】:

1.基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,该系统包括:感知层,用于定时采集感知工业生产过程中所排放的废气、废水、废渣、粉尘、恶臭气味等污染物数据信息;感知层包括传感器模块、主控模块和NB-IoT通信模块;传感器模块是根据被测对象不同选取特定的传感器;主控芯片模块是对传感器采集的数据信息进行AD 转换和数据过滤,完成多路数据的信号统一并传输至NB-IoT通信模块;NB-IoT模块则将整合的数据进行传送;传输层,用于对感知层采集的污染物数据信息通过传输层的无线网侧发送到附近的通信基站;传输层包括无线网侧和核心网,平台层,用于接收以及解析工业污染排放物监测数据信息和定位信息,并建立多源异构传感器数据的融合模型;平台层包括监控中心服务器和传感器数据融合引擎,应用层,用于向用户呈现友好界面,对工业污染物排放的可视化展示;将所有研究内容的结果和采集分析的数据详细直观地展示给用户;

通过传感器技术、NB-IoT窄带物联网技术和嵌入式技术对工业污染物监测的传感器数据信息的收集汇总,建立多源异构传感器数据融合模型,在工业污染物排放监测预警大数据平台,根据非结构化指标数据来完善工业生态环境数据库,采用并行处理算法框架对工业污染排放物指标预警模型优化,利用数据挖掘和机器学习方法对工业生态环境实时监测数据进行分析、预测,最后给出工业生态环境保护的决策建议。

2.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,感知层中传感器模块是针对监测工业污染物的不同而选取特定的传感器;主控模块采用STM32L4RCT微处理器为核心的主控模块;NB-IoT通信模块采用的是BC20通信模块,通过NB-IoT无线电通信协议,即3GPP Rel.13,BC20模块可与网络运营商的基础设备建立通信。

3.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,传输层包括无线网侧和核心网,无线网侧是用于实现NB-IoT通信模块与移动通信网络信道之间连接,核心网是用于NB-IoT通信模块的访问,负责将感知层采集的工业污染物数据信息转发到物联网平台。

4.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,监控中心服务器用于对传输层转发的工业生产污染物数据信息和设备定位信息的接收和解析,对多源异构传感器数据融合进行预处理操作;数据融合引擎则用于建立多源异构传感器数据融合模型。

5.根据权利要求1所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,应用层通过对工业污染排放大数据地可视化展示,用户看到所有工业排污的实时状态,同时用户通过应用层对工业污染排放进行远程的监控、参数的设置和数据的管理。

6.根据权利要求4所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,监控中心服务器对多源异构传感器数据融合进行预处理操作包括:

数据解析:对接收的NB-IoT通信模组的数据包进行解析,解析成各工业污染物的数据信息和设备定位信息;

数据清洗:处理缺失的数据、重复的数据以及噪音点;

数据转化:对数据进行采样处理、归一化;

特征提取:提取数据的算术平均数、方差、协方差、一阶差分、二阶差分等特征,获取多个不同类型的数据源。

7.根据权利要求4所述的基于多源异构传感器数据融合的NB-IoT的工业污染物监测系统,其特征在于,数据融合引擎是建立多源异构传感器数据融合模型,利用数据挖掘和机器学习对工业生态环境监测的数据源进行融合分析;包括数据仓库、决策支持度计算、OWA算子权重向量计算和数据转换与排序4个模块;

数据仓库:通过数据选择、特征提取和统计等操作实现对数据的集成、消除数据的异构性和差异性,为后续的数据处理提供数据源;

决策支持度计算:根据决策属性从数据仓库获取相关维度的数据,并计算各数据源对决策的支持度值,即数据源i对第j决策的支持度;

OWA算子权重向量计算:根据决策者提供的模糊语义原则计算出OWA权重,模糊语义参数的选择体现了决策者对数据源的偏好态度;

数据转换与排序:根据决策者提供的数据源可信度或重要度,结合OWA权重向量对进行转换,并将转换后的结果按大小顺序排序,最后将排序后的结果与通过求和计算出最终决策值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于安徽理工大学环境友好材料与职业健康研究院(芜湖);安徽理工大学,未经安徽理工大学环境友好材料与职业健康研究院(芜湖);安徽理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110611914.1/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top