论文部分内容阅读
危险化学品泄漏事故会造成极大的人员伤亡和经济损失，早已引起了政府和科研领域的高度关注。在此类事故发生初期，若能快速确定危险气体扩散态势，对于制定高效的应急计划具有重要意义。现有成熟的应急响应系统主要还是基于气体扩散应急模型开发的，其接入系统的实时数据仅仅是气象传感器和少量气体传感器，作为扩散模型的计算参数。随着信息技术的发展，大规模WSN在应急救援中的应用是发展的方向与趋势，因此探索WSN在应急救援中更多的应用方法是一个很有意义的研究方向。
WSN具有的快速自组织、高精度测量和分布式感知等特点，使其很适合对气体扩散进行监测与跟踪。但在实际应用中，由于节点部署的误差与数量限制，存在网络拓扑的空洞和数据空间分辨率偏低的问题，另一方面，由于现场环境参数存在时空变化，实用的气体扩散应急模型无法实现实时高精度跟踪。针对这些问题，论文提出了一种基于WSN的气体扩散态势图空间分辨率增强算法，并与气体扩散模型结合，对其数据进一步修正，以快速获得更加精确的气体扩散态势图。本文主要研究内容和创新点如下:
(1)一种基于WSN气体扩散态势图空间分辨率增强算法
该算法基于高斯掩模计算的节点位置势能图，虚拟生成亚感知节点位置，利用贝叶斯分类器估计其浓度值，并结合环境矢量场信息，简化参数学习过程。仿真表明，在满足实时应用要求的同时，算法增强了态势图的分辨率1-3倍，减少10％-30％盲点区域。
(2)一种结合气体扩散模型的WSN增强态势图修正算法
该算法通过特征线（中线）与特征点（部分传感器节点位置）实现WSN态势图与扩散模型的配准，并通过修正策略实现对态势图的修正。在WSN态势图的特征线的提取过程中，使用形态学方法对边缘进行光滑处理并利用Canny算子提取边缘，然后通过最小二乘法对图像进行几何图形拟合，以实现特征线的提取。进一步将两种数据映射到同一坐标系中实现两者的配准与数据修正。算法在实时计算同时进一步提高了WSN态势图的数据准确度约5％。