论文部分内容阅读
化工产业是国家的基础产业,尤其化工产业中的危险品,在生产、运输、存放的各个环节更需要安全措施来防范意外的发生。作为与危险品接触最久的危险品仓库存放隐患直接威胁到职工的生命安全和企业的财产安全。如何提升仓库的监控能力是危险品仓库发展中亟待解决的问题。基于此,本文综合利用嵌入式技术、多传感器信息融合技术和神经网络算法,设计了一套安全智能的危险品仓库监测系统,提高仓库监测的高效化和智能化。本文对监测系统的主要功能和关键检测参数进行分析,完成基于STM32控制芯片的硬件监测下位机设计。下位机设计包含湿度测量模块,温度的八点测量模块,调温模块的调速及应用多普勒传感器的安防报警模块。采用C#进行上位机的软件设计,完成上位机的远程监控及监测数据的记录。本文还对上位机与下位机的通信协议进行研究,对所采用的LWIP网络传输协议的实现原理进行分析,将其移植到硬件平台上。对网络传输中的数据进行统一格式的封装,并添加自定义的类型信息,解决传输中的数据重发、粘包、传输断开检测等问题。而在监测中对仓库整体环境的预测需要使用信息融合算法,因此本文对信息融合算法进行研究,选取其中的BP神经网络算法进行具体分析。对环境数据进行预处理,然后根据系统数学模型确定BP神经网络的输入量个数为3,输出量个数为1,隐含层的节点数为6,编写MATLAB程序实现BP神经网络算法。在1000组样本数据测试下,预测准确度达到98.9%,测试结果表明,本监测系统利用BP神经网络训练后能准确对仓库整体环境安全进行预测。最后将MATLAB程序生成动态库文件,由上位机软件进行调用完成预测功能。该监测系统实现对仓库环境温湿度的监测,运用信息融合算法对安全状况进行准确判断,并能远程调节环境。