基于NB-IoT的化工厂爆炸性环境监测及预警系统

作者： | 发布时间：2021-04-14 | 点击数：498

随着社会经济的快速发展，工厂爆炸性事故频发已成为制约国家经济发展的一个突出因素^【¹^】。我国化工厂多且各地均有分布，且由于化工厂环境复杂、监测预警设备不完善^【²^】、人员水平不高、监管不到位等，化工厂爆炸性事故时有发生^【³^】。因此，提前对工厂爆炸性事故进行监测及预警很有必要。

随着信息技术和电子技术的发展^【⁴^】，将物联网技术、自动控制技术和化工厂爆炸性环境监测相结合^【⁵^】已成为当前发展趋势。

基于此，本文开发了一种便捷可靠的化工厂爆炸性环境监测及预警系统。该系统以实时监测的数据为基础，迅速、准确地对爆炸环境进行预警。一旦监控终端报警，系统将立即提醒监管人员迅速处理险情。

1 系统总体设计

本系统包括监控分站、远程监控管理服务器、OneNET物联网云平台及Android移动终端。系统总体设计方案如图1所示，其中，监控分站包括核心控制器、热成像装置、压力传感器、气体浓度传感器、电源模块、串口、I/O模块、NB-IoT传输模块及外围电路。工作流程如下：通过传感器实时采集工厂环境的状态参数信息，NB-IoT将采集的信息发送至网络云服务器，移动终端和上位机服务器从网络云服务器获取数据并处理，如果发现异常数据则报警。此外，服务器还具备管理员登录、工厂历史环境参数信息管理与查询等功能。监管人员可通过计算机或移动终端远程实时查看工厂监测区域状况。

图1 系统总体设计方案

2 系统方案设计

2.1 监控分站设计

在监控分站设计中，其主控MCU选用STM32RCT6,通信模组选用M5310-A开发板^【⁶^】.M5310-A开发板拥有丰富的板载资源及超低功耗的硬件。使用STM32RCT6控制各类传感器采集相关参数^【⁷^】,并控制M5310-A通信模组以无线通信方式与OneNET物联网云平台通信。监控分站的硬件程序设计在Keil μVision5软件^【⁸^】环境下完成。硬件框图如图2所示。

图2 硬件框图

2.1.1 监控分站数据采集、发送流程

（1)由微处理器STM32RCT6通过控制单片机串口进行相应传感器的数据采集，然后保存采集的温度、压力、浓度等数据；

（2)STM32RCT6对采集到的数据进行打包，并通过NB-IoT模块发送给OneNET物联网云平台，随后间隔1s循环发送。

监控分站数据采集发送流程如图3所示。

图3 监控分站数据采集、发送流程

2.1.2 红外热成像监控平台设计

红外热成像处理流程如图4所示。MLF-WD11红外热成像传感器通过串口通信将热成像数据发送到终端(终端基于MATLAB语言设计而成)。其中，串口读取数据包时，对每个热成像数据包的数据头(E1)截取数据，若未成功截取则重新采集数据包。一个完整的数据包由159 177个十六进制字节数组成，包括热成像图像每个像素点的R、P、G数据(机芯像素为230×230，每个像素有3个字节数，则总字节数为230×(2303+2)，以及特征点温度数据(17个十六进制数据)。热成像图还原时需先将R，P，G数据转换成十进制数据，再把该部分数据通过遍历叠加(R、P、G各有230X230个数据，对应组合为cat(3，R，G，B))得到一张完整图片。

图4 红外热成像处理流程

热成像特征点温度包括最高温度、最低温度和平均温度，每个温度值都由2个字节组成，高8位在左(T1)，低八位在右(T2)，将其组合( Strcat(T1，T2)即得到该温度数据的十六进制表示，最后将其转换成十进制数据，通过除法运算便得到真实温度。例如:接收到的十六进制温度数据为01，7C，则十进制数为380，其真实温度为38℃。每个温度值都有对应坐标，灰度转换时可以将对应灰度值存储于数组中以便计算。灰度转换公式为=0.3R+0.6G+0.1B，相关数据已在读取时保存(R，G，B数组)。目前，在定量分析方面因为技术保护等原因，传统红外测温只能聚焦于最高温、最低温、平均温，但这并不完全满足工厂监控体系对所有工厂设施安全隐患排查的要求。通过 MATLAB结合统计学对热图像特征点的灰度和温度数据进行拟合插值运算，可以得到两者之间的线性函数关系，如图5所示。

图5 灰度和温度的函数关系

在定性考量下，可以只考虑对温度值和灰度值进行线性插值获取全像素点温度。本文主要是定性讨论在不同温度区间内灰度值(G)和温度(T)的线性关系:G=xT+y，即T=(G-y)/x。线性插值要求在既有数据(温度)范围内对像素点温度进行拟合推算，特征点温度恰好包括监测对象的温度范围。特征点温度数据越多，则线性推演出的温度越接近真实值。由于实验条件所限，实验过程中选择的温度上限未超过80℃。对测量数据进行统计比较，可知在更高的温度区间内其线性系数将发生改变。在线性计算公式T(X）=interp1( G Array， T Array，G(x)， ‘linear’)中， G Array为特征点灰度值的数组，必须进行线性排列，其对应温度值存放在温度数组 T Array中; linear表示处理方式为分段式线性插值。将相关数据带入该式，即可对任一像素点温度进行计算，且结果误差较小。全图温度计算只需遍历运行该过程即可实现。实验过程中，本文将整体像素缩放至32×32，在提高运行效率的同时，其所测温度数据与分析结果基本一致。

2.1.3 红外热图像存储服务器

红外热成像监控平台经过相应处理流程之后，将生成的热图像通过网络实时上传到红外热图像存储服务器。移动监控终端以及上位机服务器可以随时随地实时监测分站的热图是否有异常，若发现异常则及时预警并通知监管人员。

2.1.4 ONENET云监控平台设计

系统设计的 ONENET物联网云平台可用作数据的中转和储存服务器。在物联网云平台上创建有相应传输接口，当移动监控终端和上位机服务器需要获取数据时，只需访问接口即可。 ONENET物联网云平台接收数据流程如图6所示。

图6 ONENET物联网云平台接收数据流程

2.2 监控终端设计

2.2.1 上位机监控服务器设计

根据监测预警功能需要，监控软件主要用于获取、存储和管理化工厂环境的气压、温度、危险气体浓度以及烟雾浓度变化等参数信息。利用 Visual Studio2017开发工具设计出基于C＃语言的上位机显示界面。设计的功能模块主要包括信息管理模块、数据解析模块、数据处理模块、数据查询模块。

2.2.2 移动APP监控终端设计

移动终端的显示界面是人机交互的重要途径，作为用户与系统进行数据传输的第一路径，良好的人机交互界面将直接影响到系统的美化效果和用户的操作体验。根据移动终端的整体功能，设备的UI界面分为四屏:第一屏作为启动屏幕，实现登录功能;第二屏是第一屏的子屏幕，用于在指定区域使用相应控件显示数据;第三屏和第四屏是第二屏的并列屏，主要用于实现历史数据查询、实时热图像查询等功能。查询设备若需要向服务器请求相关的数据，可通过

Socket向网络发出请求，服务器接收到请求之后进行识别并响应，在客户端与服务器之间建立 Socket通信。

3 系统测试与分析

3.1 移动监控终端

在移动监控终端上，当用户输入相应账号、密码登录之后，系统会进入功能选择界面。实时数据查询界面如图7所示。