一种电子元器件车间用有毒气体排放监测系统的制作方法

1.本发明涉及气体监测技术，具体涉及一种电子元器件车间用有毒气体排放监测系统。

背景技术：

2.电子元器件生产时往往会伴随vocs的排放，其中包含多种有毒气体，工人处于车间长时间工作时对人体造成一定职业病威胁，因此一般将车间产生的废气导出并进行废气处理后排放，随着社会的发展，人们对环保的理念也越来越强，对废气排放也有了相应的排放指标。
3.目前电子元器件生产车间通过架设环境处理设备对车间排放的有毒气体进行处理，但是由于气体检测的复杂性，传统的周期性采样所需的物力和人力资源较大，以及一些有毒气体成分检测的延时性，导致在对有毒气体排放监测时的检测结果滞后，对排放异常时的处理也产生滞后性，进而影响车间的合规生产，甚至影响车间人员和车间周围区域的环境。

技术实现要素：

4.本发明的目的是提供一种电子元器件车间用有毒气体排放监测系统，以解决现有技术中的上述不足之处。
5.为了实现上述目的，本发明提供如下技术方案：一种电子元器件车间用有毒气体排放监测系统，包括采样分析单元，还包括数据采集单元、在线检测单元、数据存储单元、数据分析单元、数据处理单元、动态预警单元和异常处理单元，采样分析单元用于在每个时间序列内低频采集车间排放口的有毒气体含量并生成原始数据，并将原始数据传输至数据存储单元内，在线检测单元用于在每个时间序列内接收数据采集单元中传感器组件高频采集的数据信息并生成伴随监测数据，并将伴随数据传输至数据存储单元内，数据分析单元，其基于统计分析评价建立伴随监测数据与原始数据的伴随关系，并将其传输至数据处理单元内，数据处理单元利用数据分析单元传输的伴随关系数据并基于反向传播神经网络进行预测模型建立，且通过预测模型结合伴随监测数据计算得到预测残差序列并生成阈值区间a，动态预警单元用于接收在线检测单元传输的检测数据并结合预测模型计算得到当前时刻残差序列，并将其与阈值区间a进行对比以进行数据判断，所述动态预警单元将判断结果异常数据传输至异常处理单元内。
6.进一步地，所述数据采集单元中传感器组件有两组，且其分别位于车间排放口气体过滤装置两侧，靠近车间内一侧的传感器组件受异常处理单元进行启动控制。
7.进一步地，所述数据分析单元通过伴随监测数据对原始数据进行可行替代，并基于统计分析方法建立替代关系线性方程，其表示为：
8.yi＝kxi+b+e
i i＝1,2,3...,n；
9.其中：yi为第i个有毒气体目标变量，xi为第i个有毒气体替代变量，ei为第i个有
毒气体替代变量的随机误差，k为方程斜率，b为方程截距，n为采样次数。
10.进一步地，所述数据处理单元采用小波分析技术将数据分解成不同分辨率的新数据，并将伴随监测数据时间序列中由于传感器误差带入的噪声进行去除；
11.利用去噪后的数据进行神经网络预测，其基于时间序列上前n个值作为神经网络的输入层预测第n+1个值，并且不断引进新的监测数据来更新输入层神经网络来实现数据驱动的有毒气体时间序列动态预测；
12.将预测值序列通过小波重构方法进行信号重构并与实际监测值序列对比得到预测残差序列，并采用分布函数进行拟合得到残差分布方程，计算得到区分有毒气体数据的阈值区间a。
13.进一步地，所述伴随检测数据时间序列一维离散时间序列表示为：
14.w(i)＝f(t)+σ
×
e(t)t＝0,1,...n-1；
15.其中f(t)为实际时间序列，e(t)为噪声时间序列，i为采样时间，σ为噪声系数；
16.去噪时对噪声系数σ进行归零化并得到离散小波函数：
[0017][0018]
其中为比例因子，q0为时间因子，t为采样时间，j为时间序列中元素的编号；
[0019]
离散化的小波系数表示为：
[0020][0021]
小波重构表示为：
[0022]
b为常数；
[0023]
网络训练采用梯度下降算法，沿误差函数减少平最快的方向改变权值和偏差，并进行迭代训练直至满足预测精度，迭代计算公式表示为：
[0024]
xk+1＝xk-akgk；
[0025]
其中xk为当前的权值和偏差，x
k+1
为迭代产生的下一时刻的权值和偏差，ak为学习速率，gk为当前误差函数的梯度。
[0026]
进一步地，所述动态预警单元将残差在阈值区间范围内的判断结果输出为有毒气体正常排放事件，将残差不在阈值区间范围内的判断结果传输至下一判断模块，判断残差不在阈值区间范围内的持续时间是否大于预设时间，预设时间为0.2-1h，若残差不在阈值区间范围内的持续时间大于预设时间，则判断为有毒气体排放异常事件，并将其传输至异常处理单元内，若残差不在阈值区间范围内的持续时间小于等于预设时间，则判断为有毒气体正常排放事件。
[0027]
进一步地，所述异常处理单元通过控制启动靠近车间内一侧的传感器组件进行在线检测，并对比车间排放口气体过滤装置两侧监测数据的差异性。
[0028]
与现有技术相比，本发明提供的一种电子元器件车间用有毒气体排放监测系统，
具有以下有益效果：
[0029]
1、该电子元器件车间用有毒气体排放监测系统，通过在相同的时间序列及相同的采集点低频采集原始数据集高频采集伴随检测数据，以建立伴随关系，从而通过高频监测方式进行原位实时测量，实现车间生产过程中有毒气体排放的高频监测，减少常规低频监测中采样的人力和物力消耗，并减少低频采样过程中的误差和数据获取的延迟问题。
[0030]
2、该电子元器件车间用有毒气体排放监测系统，通过小波去噪除去噪声并计算用于判断的阈值区间a，对去噪后的有毒气体时间序列采用反向传播神经网络进行训练，并结合实际有毒气体监测数据计算得到较好的预测精度，并通过迭代训练提高预测精度，实现预测精度的动态更新。
[0031]
3、该电子元器件车间用有毒气体排放监测系统，通过神经网络数据进行数据预测和阈值区间a的不断更新实现对有毒气体异常排放事件的动态预警，以对电子元器件车间生产时有毒气体排放的进行可靠性监测，同时通过异常处理单元启动靠近车间内一侧的传感器组件进行在线检测，并对比车间排放口气体过滤装置两侧监测数据的差异性，以判断气体过滤装置是否失效或电子元器件车间生产是否出现异常。
附图说明
[0032]
为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例中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中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。
[0033]
图1为本发明实施例提供的电子元器件车间用有毒气体排放监测系统原理框图；
[0034]
图2为本发明实施例提供的动态预警单元流程框图。
[0035]
附图标记说明：
[0036]
1、采样分析单元；2、数据采集单元；3、在线检测单元；4、数据存储单元；5、数据分析单元；6、数据处理单元；7、动态预警单元；8、异常处理单元。
具体实施方式
[0037]
为了使本领域的技术人员更好地理解本发明的技术方案，下面将结合附图对本发明作进一步的详细介绍。
[0038]
实施例一：
[0039]
请参阅图1和图2，一种电子元器件车间用有毒气体排放监测系统，包括采样分析单元1，还包括数据采集单元2、在线检测单元3、数据存储单元4、数据分析单元5、数据处理单元6、动态预警单元7和异常处理单元8，采样分析单元1用于在每个时间序列内低频采集车间排放口的有毒气体含量并生成原始数据，并将原始数据传输至数据存储单元4内，低频采集一般通过检测设备定时定点在排放口有毒气体进行取样检测，在线检测单元3用于在每个时间序列内接收数据采集单元2中传感器组件高频采集的数据信息并生成伴随监测数据，并将伴随数据传输至数据存储单元4内，高频采集一般利用传感器组件进行实时监测，传感器组件为型号fri-np的气体折射率传感器或型号truedyne气体纳米质量密度传感器其中的一种，气体折射率传感器用于实时监测车间排放气体的折射率变化，气体纳米质量密度传感器通过振荡频率对气体密度直接量度，所述数据采集单元2中传感器组件有两组，
且其分别位于车间排放口气体过滤装置两侧，靠近车间内一侧的传感器组件受异常处理单元8进行启动控制；
[0040]
数据分析单元5，其基于统计分析评价建立伴随监测数据与原始数据的伴随关系，并将其传输至数据处理单元6内，所述数据分析单元5通过伴随监测数据对原始数据进行可行替代，并基于统计分析方法建立替代关系线性方程，其表示为：
[0041]
yi＝kxi+b+e
i i＝1,2,3...,n；
[0042]
其中：yi为第i个有毒气体目标变量，xi为第i个有毒气体替代变量，ei为第i个有毒气体替代变量的随机误差，k为方程斜率，b为方程截距，n为采样次数，通过在相同的时间序列及相同的采集点低频采集原始数据集高频采集伴随检测数据，以建立伴随关系，从而通过高频监测方式进行原位实时测量，实现车间生产过程中有毒气体排放的高频监测，减少常规低频监测中采样的人力和物力消耗，并减少低频采样过程中的误差和数据获取的延迟问题；
[0043]
数据处理单元6，其利用数据分析单元5传输的伴随关系数据并基于反向传播神经网络进行预测模型建立，且通过预测模型结合伴随监测数据计算得到预测残差序列并生成阈值区间a，所述数据处理单元6采用小波分析技术将数据分解成不同分辨率的新数据，并将伴随监测数据时间序列中由于传感器误差带入的噪声进行去除；
[0044]
利用去噪后的数据进行神经网络预测，其基于时间序列上前n个值作为神经网络的输入层预测第n+1个值，并且不断引进新的监测数据来更新输入层神经网络来实现数据驱动的有毒气体时间序列动态预测；
[0045]
将预测值序列通过小波重构方法进行信号重构并与实际监测值序列对比得到预测残差序列，并采用分布函数进行拟合得到残差分布方程，计算得到区分有毒气体数据的阈值区间a；
[0046]
所述伴随检测数据时间序列一维离散时间序列表示为：
[0047]
w(i)＝f(t)+σ
×
e(t)t＝0,1,...n-1；
[0048]
其中f(t)为实际时间序列，e(t)为噪声时间序列，i为采样时间，σ为噪声系数；
[0049]
去噪时对噪声系数σ进行归零化并得到离散小波函数：
[0050][0051]
其中为比例因子，q0为时间因子，t为采样时间，j为时间序列中元素的编号；
[0052]
离散化的小波系数表示为：
[0053][0054]
小波重构表示为：
[0055]
b为常数；
[0056]
网络训练采用梯度下降算法，沿误差函数减少平最快的方向改变权值和偏差，并
进行迭代训练直至满足预测精度，迭代计算公式表示为：
[0057]
xk+1＝xk-akgk；
[0058]
其中xk为当前的权值和偏差，x
k+1
为迭代产生的下一时刻的权值和偏差，ak为学习速率，gk为当前误差函数的梯度；通过小波去噪除去噪声并计算用于判断的阈值区间a，对去噪后的有毒气体时间序列采用反向传播神经网络进行训练，并结合实际有毒气体监测数据计算得到较好的预测精度，并通过迭代训练提高预测精度，实现预测精度的动态更新；
[0059]
动态预警单元7，其用于接收在线检测单元3传输的检测数据并结合预测模型计算得到当前时刻残差序列，并将其与阈值区间a进行对比以进行数据判断，所述动态预警单元7将残差在阈值区间范围内的判断结果输出为有毒气体正常排放事件，将残差不在阈值区间范围内的判断结果传输至下一判断模块，判断残差不在阈值区间范围内的持续时间是否大于预设时间，预设时间为0.2-1h，若残差不在阈值区间范围内的持续时间大于预设时间，则判断为有毒气体排放异常事件，并将其传输至异常处理单元8内，若残差不在阈值区间范围内的持续时间小于等于预设时间，则判断为有毒气体正常排放事件，所述异常处理单元8通过控制启动靠近车间内一侧的传感器组件进行在线检测，并对比车间排放口气体过滤装置两侧监测数据的差异性，通过神经网络数据进行数据预测和阈值区间a的不断更新实现对有毒气体异常排放事件的动态预警，以对电子元器件车间生产时有毒气体排放的进行可靠性监测，同时通过异常处理单元8启动靠近车间内一侧的传感器组件进行在线检测，并对比车间排放口气体过滤装置两侧监测数据的差异性，以判断气体过滤装置是否失效或电子元器件车间生产是否出现异常，当差异性较小时则气体过滤装置可能已经失去过滤效果，当差异性较大时则电子元器件车间生产过程可能发生异常。
[0060]
以上只通过说明的方式描述了本发明的某些示范性实施例，毋庸置疑，对于本领域的普通技术人员，在不偏离本发明的精神和范围的情况下，可以用各种不同的方式对所描述的实施例进行修正。因此，上述附图和描述在本质上是说明性的，不应理解为对本发明权利要求保护范围的限制。

技术特征：

1.一种电子元器件车间用有毒气体排放监测系统，包括采样分析单元(1)，其特征在于：还包括数据采集单元(2)、在线检测单元(3)、数据存储单元(4)、数据分析单元(5)、数据处理单元(6)、动态预警单元(7)和异常处理单元(8)；采样分析单元(1)，其用于在每个时间序列内低频采集车间排放口的有毒气体含量并生成原始数据，并将原始数据传输至数据存储单元(4)内；在线检测单元(3)，其用于在每个时间序列内接收数据采集单元(2)中传感器组件高频采集的数据信息并生成伴随监测数据，并将伴随数据传输至数据存储单元(4)内；数据分析单元(5)，其基于统计分析评价建立伴随监测数据与原始数据的伴随关系，并将其传输至数据处理单元(6)内；数据处理单元(6)，其利用数据分析单元(5)传输的伴随关系数据并基于反向传播神经网络进行预测模型建立，且通过预测模型结合伴随监测数据计算得到预测残差序列并生成阈值区间a；动态预警单元(7)，其用于接收在线检测单元(3)传输的检测数据并结合预测模型计算得到当前时刻残差序列，并将其与阈值区间a进行对比以进行数据判断，所述动态预警单元(7)将判断结果异常数据传输至异常处理单元(8)内。2.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述数据采集单元(2)中传感器组件有两组，且其分别位于车间排放口气体过滤装置两侧，靠近车间内一侧的传感器组件受异常处理单元(8)进行启动控制。3.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述数据分析单元(5)通过伴随监测数据对原始数据进行可行替代，并基于统计分析方法建立替代关系线性方程，其表示为：y
i
＝kx
i
+b+e
i
，i＝1,2,3...,n；其中：yi为第i个有毒气体目标变量，xi为第i个有毒气体替代变量，ei为第i个有毒气体替代变量的随机误差，k为方程斜率，b为方程截距，n为采样次数。4.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述数据处理单元(6)采用小波分析技术将数据分解成不同分辨率的新数据，并将伴随监测数据时间序列中由于传感器误差带入的噪声进行去除；利用去噪后的数据进行神经网络预测，其基于时间序列上前n个值作为神经网络的输入层预测第n+1个值，并且不断引进新的监测数据来更新输入层神经网络来实现数据驱动的有毒气体时间序列动态预测；将预测值序列通过小波重构方法进行信号重构并与实际监测值序列对比得到预测残差序列，并采用分布函数进行拟合得到残差分布方程，计算得到区分有毒气体数据的阈值区间a。5.根据权利要求4所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述伴随检测数据时间序列一维离散时间序列表示为：w(i)＝f(t)+σ
×
e(t)t＝0,1,...n-1；其中f(t)为实际时间序列，e(t)为噪声时间序列，i为采样时间，σ为噪声系数；去噪时对噪声系数σ进行归零化并得到离散小波函数：
其中为比例因子，q0为时间因子，t为采样时间，j为时间序列中元素的编号；离散化的小波系数表示为：小波重构表示为：b为常数；网络训练采用梯度下降算法，沿误差函数减少平最快的方向改变权值和偏差，并进行迭代训练直至满足预测精度，迭代计算公式表示为：xk+1＝xk-akgk；其中x
k
为当前的权值和偏差，x
k+1
为迭代产生的下一时刻的权值和偏差，a
k
为学习速率，g
k
为当前误差函数的梯度。6.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述动态预警单元(7)将残差在阈值区间范围内的判断结果输出为有毒气体正常排放事件，将残差不在阈值区间范围内的判断结果传输至下一判断模块，判断残差不在阈值区间范围内的持续时间是否大于预设时间，预设时间为0.2-1h，若残差不在阈值区间范围内的持续时间大于预设时间，则判断为有毒气体排放异常事件，并将其传输至异常处理单元(8)内，若残差不在阈值区间范围内的持续时间小于等于预设时间，则判断为有毒气体正常排放事件。7.根据权利要求1所述的一种电子元器件车间用有毒气体排放监测系统，其特征在于，所述异常处理单元(8)通过控制启动靠近车间内一侧的传感器组件进行在线检测，并对比车间排放口气体过滤装置两侧监测数据的差异性。

技术总结

本发明公开了一种电子元器件车间用有毒气体排放监测系统，涉及气体监测领域，包括采样分析单元，还包括数据采集单元、在线检测单元、数据存储单元、数据分析单元、数据处理单元、动态预警单元和异常处理单元，采样分析单元用于在每个时间序列内低频采集车间排放口的有毒气体含量并生成原始数据；该电子元器件车间用有毒气体排放监测系统，通过在相同的时间序列及相同的采集点低频采集原始数据集高频采集伴随检测数据，以建立伴随关系，从而通过高频监测方式进行原位实时测量，实现车间生产过程中有毒气体排放的高频监测，减少常规低频监测中采样的人力和物力消耗，并减少低频采样过程中的误差和数据获取的延迟问题。样过程中的误差和数据获取的延迟问题。