基于無線傳感器網絡的地鐵環境安全預警系統及其方法與流程
本發明涉及環境安全監測領域，具體為基于無線傳感器網絡的地鐵環境安全預警系統及其方法。
背景技術：
近年來，隨著城市化進程的加快，城市人口越來越密集。目前，我國多數大中城都面臨著交通擁堵問題。修建地鐵能夠充分利用地下空間資源，有效解決交通擁擠問題。然而，由于地鐵建于地下，空間相對封閉，一旦發生災害，如毒氣泄漏、地鐵停電、地鐵通信信號系統故障，將很大程度地限制救援工作的開展，給人類生命和財產帶來巨大損失。因此，地鐵運營環境的安全問題，已經成為城市社會公共安全的重要組成部分，應當引起社會各界廣泛的重視。
本發明將無線傳感器網絡引入到地鐵環境安全監測系統中，通過無線傳感器節點采集地鐵沿線環境數據并通過通信網關無線傳送到遠程監測系統，具有布點分布廣、成本低、容錯性好、可遠程監測、便于維護等眾多優點。同時，本發明還提出了一種地鐵環境安全預警算法，及時發現安全隱患并及時消除，以保障地鐵安全運行。
技術實現要素：
本發明的目的在于提供基于無線傳感器網絡的地鐵環境安全預警系統及其方法，所述的一種基于無線傳感器網絡的地鐵環境安全預警系統包括地鐵環境參數采集節點、通信網關和遠程監測系統；若干個地鐵環境參數采集節點和1個通信網關組成一個子監測區域，整個監測區域由若干個子監測區域組成；地鐵環境參數采集節點每隔一定時間負責對地鐵環境數據采集進行一次采集，并通過無線傳感器網絡將采集到的信息發送到通信網關；通信網關負責將各個地鐵環境參數采集節點的信息進行匯總和處理，通過gprs網絡將信息發送到遠程監測系統。遠程監測系統負責對各個子監測區域所采集的整個地鐵環境監測區域的地鐵環境數據進行存儲和分析和預警，進而實現遠程監測。同時，本發明提出了一種地鐵環境安全預警方法，通過地鐵環境數據進行安全預警，提高了地鐵運行的安全性能。
本發明的技術方案：基于無線傳感網的地鐵環境監測系統，包括地鐵環境參數采集節點、通信網關和遠程監測系統；
所述的地鐵環境參數采集節點有一個正方形外殼，在地鐵環境參數采集節點外殼上方設有1個采集節點zigbee天線插槽和1個傳感器數據線輸入插槽，在地鐵環境參數采集節點外殼內裝有一塊地鐵環境采集電路板，所述的地鐵環境采集電路板包括主處理器電路、射頻驅動電路和信號調理電路；所述的地鐵環境采集電路板上的主處理器電路包括msp430芯片及其外圍電路，所述的射頻驅動電路包括芯片cc2420及其外圍電路；所述的地鐵環境采集電路板上的射頻驅動電路上設有1個采集節點zigbee天線接線端子，通過采集節點zigbee信號線與采集節點zigbee天線相連；所述的地鐵環境采集電路板上的信號調理電路由阻容器件組成，負責對傳感器信號進行調理；所述的地鐵環境采集電路板上的信號調理電路上設有1個傳感器數據線接線端子，通過傳感器數據線與地鐵環境采集傳感器相連，所述的傳感器數據線接線端子位于地鐵環境參數采集節點外殼上方的傳感器數據線輸入插槽處；
所述通信網關有一個長方形外殼，在通信網關外殼上方設有1個網關zigbee天線插槽和1個網關gprs天線插槽；在通信網關外殼內裝有一塊通信網關電路板，所述的通信網關電路板包括微處理器電路、zigbee通信電路和gprs通信電路；所述的通信網關電路板上的微處理器電路由msp430處理器及其外圍電路組成，負責zigbee通信控制和gprs遠程通信控制，將各個地鐵環境采集節點的數據進行匯集并發送到遠程監測系統；所述的通信網關電路板上的zigbee通信電路由無線傳感器網絡芯片cc2420及其外圍電路組成，負責與各個地鐵環境采集節點進行通信；所述的zigbee通信電路上設有1個網關zigbee天線接線端子，通過網關zigbee信號線與網關zigbee天線相連，所述網關zigbee天線接線端子位于通信網關外殼上方的網關zigbee天線插槽處；所述的通信網關電路板上的gprs通信電路由gprs通信芯片mc39i及其外圍電路組成，負責與遠程監測系統進行通信；所述的gprs通信電路上設有1個gprs天線接線端子，通過gprs信號線與gprs天線相連，所述的網關gprs天線接線端子位于通信網關外殼上方的gprs天線插槽處；
所述得遠程監測系統由服務器構成，通過gprs網絡接收各個通信網關發送來的監測區域的地鐵環境數據，通過預警算法，當地鐵環境發生變化時，能夠及時預警。
本發明所述預警方法如下：
本發明采用elman神經網絡模型進行預警。具體步驟為：
（1）采樣數據預處理
對于每個監測子區域，將通信網關傳輸到遠程監測系統的n組環境參數（包括本監測子區域內的一氧化碳濃度、二氧化碳濃度、可燃氣體濃度、溫度、相對濕度、亮度、地表沉降、水土壓力）作為樣本數據，按照bessel公式計算各個參數的標準偏差：若某一樣本數據的偏差
（2）確定每個監測子區域elman神經網絡模型結構和訓練算法
elman神經網絡的數學模型為：
其中
elman網絡通過梯度下降法進行權值的修正，學習指標采用誤差平方和函數來表示：
elman網絡的學習算法為：
式中，
將每個監測子區域歸一化處理后的r個樣本數據分成兩組：一組作為elman神經網絡模型的初始訓練數據集，對elman神經網絡進行訓練；另一組作為校驗數據集，用于校驗所建立的神經網絡模型，從而為每個監測區域建立一個elman神經網絡模型。
（3）利用模型對地鐵環境安全進行預警
將每個子監測區域內的通信網關所傳輸給遠程監測系統的監測數據作為輸入，利用所建立的該子區域的elman神經網絡對該子區域地鐵環境安全進行預警。
本發明的有益效果：
基于無線傳感器網絡和gprs通信網絡，設計了一種地鐵環境安全預警系統，具有布點分布廣、維護方便、可遠程監測等優點。同時，本發明還提出了一種地鐵環境安全預警方法，以提高地鐵運行的安全性。
附圖說明
圖1為本發明系統結構示意圖。
圖2為本發明地鐵環境參數采集節點結構示意圖。
圖3為本發明通信網關結構示意圖。
圖4為本發明地鐵環境參數采集節點電路結構示意圖。
圖5為本發明通信網關電路結構示意圖。
圖6為本發明通信網關msp430芯片電路圖。
圖7為本發明通信網關cc2420芯片電路圖。
圖8為本發明通信網關mc39i芯片電路圖。
圖9為本發明地鐵環境參數采集節點msp430芯片電路圖。
圖10為本發明地鐵環境參數采集節點cc2420芯片電路圖。
圖11為本發明地鐵環境安全預警算法流程圖。
圖中附件：1為采集節點zigbee天線，2采集節點zigbee天線插槽，3為參數采集節點外殼，4為傳感器數據線輸入插槽，5為網關zigbee天線，6為gprs天線，7為網關zigbee天線插槽，8為gprs天線插槽，9為通信網關外殼。
具體實施方式
實施例
下面參照附圖并結合實例對本發明的具體工作過程進行完整地描述。如圖1-11，基于無線傳感器網絡的地鐵環境安全預警系統包括地鐵環境參數采集節點1、通信網關2和遠程監測系統3。
所述地鐵環境參數采集節點有一個正方形外殼3，在地鐵環境參數采集節點外殼3上方設有1個采集節點zigbee天線插槽2，通過采集節點zigbee天線插槽2連接一根采集節點zigbee天線。在地鐵環境參數采集節點外殼3的一個側面設有1個傳感器數據線輸入插槽4。在地鐵環境參數采集節點外殼3內裝有一塊地鐵環境采集電路板，該地鐵環境采集電路板由主處理器電路、射頻驅動電路、信號調理電路組成。該地鐵環境采集電路板上的主處理器電路由msp430芯片及其外圍電路構成，射頻驅動電路由芯片cc2420及其外圍電路構成。所述地鐵環境采集電路板上的射頻驅動電路上設有1個采集節點zigbee天線接線端子，通過采集節點zigbee信號線與采集節點zigbee天線1相連。地鐵環境采集電路板上的信號調理電路由阻容器件組成，負責對傳感器信號進行調理。地鐵環境采集電路板上的信號調理電路上設有1個傳感器數據線接線端子，通過傳感器數據線與地鐵環境采集傳感器相連，傳感器數據線接線端子位于地鐵環境參數采集節點外殼上方的傳感器數據線輸入插槽4處。地鐵環境參數采集節點每隔一定時間負責采集一次現場數據。
所述通信網關2有一個長方形外殼9，在通信網關外殼9上方設有1個網關zigbee天線插槽7和1個網關gprs天線插槽8。在通信網關外殼9內裝有一塊通信網關電路板，通信網關電路板由微處理器電路、zigbee通信電路和gprs通信電路組成。通信網關電路板上的微處理器電路由msp430處理器及其外圍電路組成，負責zigbee通信控制和gprs遠程通信控制，將各個地鐵環境采集節點的數據進行匯集并發送到遠程監測系統。通信網關電路板上的zigbee通信電路由無線傳感器網絡芯片cc2420及其外圍電路組成，負責與各個地鐵環境采集節點進行通信。
zigbee通信電路上設有1個網關zigbee天線接線端子，通過網關zigbee信號線與網關zigbee天線相連，網關zigbee天線接線端子位于通信網關外殼9上方的網關zigbee天線插槽7處。通信網關電路板上的gprs通信電路由gprs通信芯片mc39i及其外圍電路組成，負責與遠程監測系統進行通信。所述的gprs通信電路上設有1個gprs天線接線端子，通過gprs信號線與gprs天線相連，該網關gprs天線接線端子位于通信網關外殼9上方的gprs天線插槽8處。通信網關負責將地鐵環境參數采集節點每隔一定時間所采集到的現場數據進行匯總和處理，并傳送至遠程監測系統。
所述遠程監測系統由服務器構成，通過gprs網絡每隔一定時間接收各個通信網關發送來的監測區域的地鐵環境數據，通過預警算法（預警算法流程圖見圖11所示），當地鐵環境發生變化時，能夠及時預警。
本發明采用elman神經網絡模型進行預警。具體步驟為：
（1）采樣數據預處理
對于每個監測子區域，將通信網關傳輸到遠程監測系統的n組環境參數（包括本監測子區域內的一氧化碳濃度、二氧化碳濃度、可燃氣體濃度、溫度、相對濕度、亮度、地表沉降、水土壓力）作為樣本數據，按照bessel公式計算各個參數的標準偏差：若某一樣本數據的偏差
（2）確定每個監測子區域elman神經網絡模型結構和訓練算法
elman神經網絡的數學模型為：
其中
elman網絡通過梯度下降法進行權值的修正，學習指標采用誤差平方和函數來表示：
elman網絡的學習算法為：
式中，
將每個監測子區域歸一化處理后的r個樣本數據分成兩組：一組作為elman神經網絡模型的初始訓練數據集，對elman神經網絡進行訓練；另一組作為校驗數據集，用于校驗所建立的神經網絡模型，從而為每個監測區域建立一個elman神經網絡模型。
（3）利用模型對地鐵環境安全進行預警
將每個子監測區域內的通信網關所傳輸給遠程監測系統的監測數據作為輸入，利用所建立的該子區域的elman神經網絡對該子區域地鐵環境安全進行預警。
- 還沒有人留言評論。精彩留言會獲得點贊！