预测性有害气体监测设备的制作方法

本发明属于气体监测技术领域，特别是涉及一种预测性有害气体监测设备。

背景技术：

随着人们的生活水平不断提高以及公民素质的不断提高，越来越多的人尝试野外探险；一些有共同爱好的野外探险者，常组队野外探险；野外探险，市场遇到十分恶劣的环境。其中，探险者周围有害气体，很容易危及探险者。

本发明提供一种预测性有害气体监测设备，能够监测有害气体的浓度，并及时给出警报，为野外探险者提供良好的安全保障。

技术实现要素：

本发明的目的在于提供预测性有害气体监测设备，通过气体传感器组对探险者周围气体检测，并通过检测模型对检测数据进行分析，实现高精度有害气体检测，实现对有害气体高精度检测并及时给出警报，为野外探险者提供良好的安全保障。

为解决上述技术问题，本发明是通过以下技术方案实现的：

本发明为预测性有害气体监测设备，包括：远程移动终端；

所述远程移动终端包括微处理器；所述微处理器上集成无线传输模块，用于与控制服务器通信连接；

所述微处理器还分别与监测模块、存储模块电性连接；所述监测模块与数据采集模块电性连接；所述数据采集模块电性连接气体传感器组；所述气体传感器组包括多个传感器，用于检测多种有害气体；所述数据采集模块，用于采集各传感器获取的检测数据；所述监测模块将数据采集模块快传递的检测数据传递至检测模型中，并获取有害气体浓度数据；实现高精度有害气体检测，实现对有害气体高精度检测并及时给出警报，为野外探险者提供良好的安全保障。

优选地，所述微处理器还通过信号转换接口与监控摄像机连接；所述微处理器还分别与gps定位模块、雷达探测装置连接；所述远程移动终端、摄像机、雷达探测装置均通过蓄电池供电；所述蓄电池还连接灯光照明装置，用于照明。

优选地，所述微处理器还与声光报警器电性连接，用于检测到有害气体的发出警报。

优选地，所述气体传感器组包括可燃气体传感器、有毒气体传感器以及双用气体传感器；所述双用气体传感器用于检测可燃气体浓度数据以及有毒气体浓度数据。

优选地，所述数据采集模块包括模数转换电路以及滤波电路；所述模数转换电路的输入端与所述气体传感器组的输出端连接；所述数模转换电路的输出端与滤波电路输入端连接；所述滤波电路的输出端与监测模块连接。

优选地，所述监测模型是通过使用样本数据对深度置信网络进行训练获得；所述监测模型包括n层受限波尔兹曼机网络和设置在n层受限波尔兹曼机网络的下层的反向传播神经网络，所述n≥2。

优选地，所述监测模型是通过使用样本数据对深度置信网络进行训练获得，具体过程如下：

获取多组样本数据，其中，每一组所述样本数据都包括通过所述气体传感器组对有害气体进行检测得到的检测数据以及有害气体的真实浓度数据；

对所述深度置信网络的参数进行初始化赋值；

利用所述样本数据对所述深度置信网络进行训练以得到所述监测模型。

优选地，对所述深度置信网络的参数进行初始化赋值，具体过程包括如下：

设置最上层受限波尔兹曼机网络的可视层的节点个数为所述气体传感器组中的传感器的个数；

设置反向传播神经网络的输出层的节点个数为所述气体传感器组可检测的有害气体的种类数；

设置所述深度置信网络的其它各层的节点个数为同一数值；

设置各层受限波尔兹曼机网络的可视层偏置、隐藏层偏置、可视层和隐藏层的连接权重为随机极小值；

设置反向传播神经网络的输入层偏置、输出层偏置、输入层和输出层的连接权重为随机值；

设置所述深度置信网络的学习速率、训练精度和训练次数。

本发明具有以下有益效果：

1、本发明通过气体传感器组对探险者周围气体检测，并通过检测模型对检测数据进行分析，实现高精度有害气体检测，实现对有害气体高精度检测并及时给出警报，为野外探险者提供良好的安全保障。

2、本发明中的监测模型是通过使用样本数据对深度置信网络进行训练获得，保证有害气体浓度较低时的精确检测，实现预测性检测，提高安全性。

3、本发明中的gps定位模块能够提供探险者的定位功能，便于探险组内的探险人员相互确定位置，便于探险工作的展开，提高安全性；同时，提供雷达探测装置，便于未知领域的探测；监控摄像机拍摄的录像，便于对周围环境的监测。

当然，实施本发明的任一产品并不一定需要同时达到以上所述的所有优点。

附图说明

为了更清楚地说明本发明实施例的技术方案，下面将对实施例描述所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明的预测性有害气体监测设备的结构示意图；

图2为本发明中获取监测模型的流程图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参阅图1所示，本发明为预测性有害气体监测设备，包括：远程移动终端；

远程移动终端包括微处理器；微处理器上集成无线传输模块，用于与控制服务器通信连接；

微处理器还分别与监测模块、存储模块电性连接；监测模块与数据采集模块电性连接；数据采集模块电性连接气体传感器组；气体传感器组包括多个传感器，用于检测多种有害气体；数据采集模块，用于采集各传感器获取的检测数据；监测模块将数据采集模块快传递的检测数据传递至检测。

其中，微处理器还通过信号转换接口与监控摄像机连接；微处理器还分别与gps定位模块、雷达探测装置连接；远程移动终端、摄像机、雷达探测装置均通过蓄电池供电；蓄电池还连接灯光照明装置，用于照明。

gps定位模块能够提供探险者的定位功能，便于探险组内的探险人员相互确定位置，便于探险工作的展开，提高安全性；同时，提供雷达探测装置，便于未知领域的探测；监控摄像机拍摄的录像，便于对周围环境的监测。

本发明通过气体传感器组对探险者周围气体检测，并通过检测模型对检测数据进行分析，实现高精度有害气体检测，实现对有害气体高精度检测并及时给出警报，为野外探险者提供良好的安全保障。

其中，微处理器还与声光报警器电性连接，用于检测到有害气体的发出警报。

其中，气体传感器组包括可燃气体传感器、有毒气体传感器以及双用气体传感器；双用气体传感器用于检测可燃气体浓度数据以及有毒气体浓度数据。

其中，数据采集模块包括模数转换电路以及滤波电路；模数转换电路的输入端与气体传感器组的输出端连接；数模转换电路的输出端与滤波电路输入端连接；滤波电路的输出端与监测模块连接。

其中，监测模型是通过使用样本数据对深度置信网络进行训练获得；监测模型包括n层受限波尔兹曼机网络和设置在n层受限波尔兹曼机网络的下层的反向传播神经网络，n≥2。

请参阅图2所示，监测模型是通过使用样本数据对深度置信网络进行训练获得，具体过程如下：

获取多组样本数据，其中，每一组样本数据都包括通过气体传感器组对有害气体进行检测得到的检测数据以及有害气体的真实浓度数据；

对深度置信网络的参数进行初始化赋值；

利用样本数据对深度置信网络进行训练以得到监测模型。

通过使用样本数据对深度置信网络进行训练获得，保证有害气体浓度较低时的精确检测，实现预测性检测，提高安全性。

其中，对深度置信网络的参数进行初始化赋值，具体过程包括如下：

设置最上层受限波尔兹曼机网络的可视层的节点个数为气体传感器组中的传感器的个数；

设置反向传播神经网络的输出层的节点个数为气体传感器组可检测的有害气体的种类数；

设置深度置信网络的其它各层的节点个数为同一数值；

设置各层受限波尔兹曼机网络的可视层偏置、隐藏层偏置、可视层和隐藏层的连接权重为随机极小值；

设置反向传播神经网络的输入层偏置、输出层偏置、输入层和输出层的连接权重为随机值；

设置深度置信网络的学习速率、训练精度和训练次数。

值得注意的是，上述系统实施例中，所包括的各个单元只是按照功能逻辑进行划分的，但并不局限于上述的划分，只要能够实现相应的功能即可；另外，各功能单元的具体名称也只是为了便于相互区分，并不用于限制本发明的保护范围。

另外，本领域普通技术人员可以理解实现上述各实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，相应的程序可以存储于一计算机可读取存储介质中。

以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为所述的具体实施方式。显然，根据本说明书的内容，可作很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。