[发明专利]一种电子元器件车间用有毒气体排放监测系统

权利要求书

1.一种电子元器件车间用有毒气体排放监测系统，包括采样分析单元(1)，其特征在于：还包括数据采集单元(2)、在线检测单元(3)、数据存储单元(4)、数据分析单元(5)、数据处理单元(6)、动态预警单元(7)和异常处理单元(8)；

采样分析单元(1)，其用于在每个时间序列内低频采集车间排放口的有毒气体含量并生成原始数据，并将原始数据传输至数据存储单元(4)内；

在线检测单元(3)，其用于在每个时间序列内接收数据采集单元(2)中传感器组件高频采集的数据信息并生成伴随监测数据，并将伴随数据传输至数据存储单元(4)内；

数据分析单元(5)，其基于统计分析评价建立伴随监测数据与原始数据的伴随关系，并将其传输至数据处理单元(6)内；

数据处理单元(6)，其利用数据分析单元(5)传输的伴随关系数据并基于反向传播神经网络进行预测模型建立，且通过预测模型结合伴随监测数据计算得到预测残差序列并生成阈值区间A；

动态预警单元(7)，其用于接收在线检测单元(3)传输的检测数据并结合预测模型计算得到当前时刻残差序列，并将其与阈值区间A进行对比以进行数据判断，所述动态预警单元(7)将判断结果异常数据传输至异常处理单元(8)内。

2.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述数据采集单元(2)中传感器组件有两组，且其分别位于车间排放口气体过滤装置两侧，靠近车间内一侧的传感器组件受异常处理单元(8)进行启动控制。

3.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述数据分析单元(5)通过伴随监测数据对原始数据进行可行替代，并基于统计分析方法建立替代关系线性方程，其表示为：

y_i＝kx_i+b+e_i，i＝1,2,3...,n；

其中：yi为第i个有毒气体目标变量，xi为第i个有毒气体替代变量，ei为第i个有毒气体替代变量的随机误差，k为方程斜率，b为方程截距，n为采样次数。

4.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述数据处理单元(6)采用小波分析技术将数据分解成不同分辨率的新数据，并将伴随监测数据时间序列中由于传感器误差带入的噪声进行去除；

利用去噪后的数据进行神经网络预测，其基于时间序列上前n个值作为神经网络的输入层预测第n+1个值，并且不断引进新的监测数据来更新输入层神经网络来实现数据驱动的有毒气体时间序列动态预测；

将预测值序列通过小波重构方法进行信号重构并与实际监测值序列对比得到预测残差序列，并采用分布函数进行拟合得到残差分布方程，计算得到区分有毒气体数据的阈值区间A。

5.根据权利要求4所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述伴随检测数据时间序列一维离散时间序列表示为：

W(i)＝f(t)+σ×e(t)t＝0,1,...n-1；

其中f(t)为实际时间序列，e(t)为噪声时间序列，i为采样时间，σ为噪声系数；

去噪时对噪声系数σ进行归零化并得到离散小波函数：

其中为比例因子，q₀为时间因子，t为采样时间，j为时间序列中元素的编号；

离散化的小波系数表示为：

小波重构表示为：

B为常数；

网络训练采用梯度下降算法，沿误差函数减少平最快的方向改变权值和偏差，并进行迭代训练直至满足预测精度，迭代计算公式表示为：

xk+1＝xk-akgk；

其中x_k为当前的权值和偏差，x_k+1为迭代产生的下一时刻的权值和偏差，a_k为学习速率，g_k为当前误差函数的梯度。