基于IAGA-BP算法的电缆井有害气体分布式监测系统①

程震磊, 郭家虎

(安徽理工大学电气与信息工程学院,安徽 淮南 232001)

0 引 言

电缆管道内存在CO,CH4,H2S等有害气体[1],内部空间密封性强,气体流通不畅且易于沉积。当电缆长期处于过热状态时,会出现电击穿或自燃现象[2],易引发管道内混合气体爆炸[3]。气体传感器因交叉干扰[4]及环境因素[5]导致气体数据不准确,常出现人员中毒窒息现象[6]。因此,精准监测电缆井有害气体对安全检修有很高的应用价值。BP神经网络具备非线性处理及自学习能力[7],广泛用于解决复杂系统的非线性问题,可对气体传感器测量误差进行在线补偿。BP神经网络易陷入局部最优解,收敛速度慢[8],优化效果不明显。改进的自适应遗传算法(Improved Adaptive Genetic Algorithm,IAGA)可改善BP算法早熟收敛及学习速度慢的问题。大多数电缆管道监测系统仅实现在线监测[9,10],利用神经网络算法对气体数据优化的研究较少。为提高气体传感器测量精度,提出一种电缆井有害气体分布式监测系统方案,结合嵌入式、传感器及4G无线通信等技术,利用IAGA-BP算法在线动态补偿气体传感器测量误差,能够准确监测电缆井有害气体,对预防电缆井危险事故有很大的现实意义。

1 电缆井分布式监测系统设计

电缆井有害气体分布式监测系统拓扑图如图1所示,由数据采集终端、APN网络、监控平台和手机APP组成。数据采集终端获取气体数据与环境信息,利用滑动滤波降算法进行降噪处理。4G模块通过配置AT指令接入APN网络,与服务器建立TCP通讯,完成数据的透明传输。从数据库中导出数据,利用IAGA-BP神经网络算法对传感器测量值进行学习与训练,得到精确的气体浓度值;然后将校正的数据通过平台显示给检修人员。监控平台对数据可视化分析,多维度评估电缆井安全性。手机APP实时同步信息,检修人员根据实际情况设置报警阈值,实现主动预警的功能。电缆井数据采集终端通过广域网进行组网,实现跨区域分布式监测与智能化管理。

1.1 系统硬件设计

如图2所示,系统硬件主要由获取电缆井有害气体与环境信息的数据采集单元、远程数据传输的无线通信单元、系统低功耗配置的电源管理单元等部分构成。

图1 系统拓扑图

1.1.1 数据采集单元设计

Modbus协议是一种可用串口或网络进行通信的工业标准协议,具有易懂、可移植性强等特点。电缆井内环境恶劣以及电磁干扰大,为提高系统稳定性,将Modbus-RTU协议与RS485接口结合,MSP430控制器为主机,传感器为从机,以轮询的方式读取传感器测量值,并采用循环冗余校验(Cyclic Redundancy Check,CRC)对数据进行检错,提高数据的可靠性。设计抗干扰电路解决RS485信号存在毛刺噪声的问题。RS485电路如图3所示, SP3485E芯片的A,B引脚连接ESD二极管,减少静电干扰;R107和R111用于阻抗匹配,吸收反射信号;电感L5消除信号中的共模干扰噪声。MSP430的UART2_Tx和UART2_Rx引脚分别连接SP3485E4的DI和RO引脚,实现数据交互。

图3 RS485电路

1.1.2 无线通信单元设计

为实现远程监测不同区域电缆井有害气体状况,4G模块采用移远EC200N模组,支持TCP协议与APN功能。MSP430单片机与4G模块通过TXB0104芯片进行电平转换及隔离保护,串口UART1_RX和UART1_TX分别连接4G模块TX和RX引脚,通过发送AT指令完成4G模块入网参数的配置,与服务器建立TCP通讯,实现数据上报与远程控制,配置过程如图4所示。模块上电后进行网络参数初始化与信号搜索,如果网络附着失败,则模块复位重启;当模块与服务器通信过程中出现链接失败或者掉线现象时,则重新配置APN网络参数。

图4 无线模块配置流程

1.1.3 电源管理单元设计

采用TPS62745电源芯片输出3.3V, XL6019E芯片升压到24V,为功能模块及传感器供电。电源管理单元对外围设备供电状态进行切换。如图5所示,电源管理电路主要由PMOS管Q4和三极管Q5组成,R9,R11分别为导通Q4和Q5提供偏置电压。电源管理电路有两种工作模式:①当P30引脚置位时,Q5导通,此时栅极电压|VGS|大于阈值电压|VTH|,Q4导通,系统正常工作;②当P30引脚复位时,Q5截止,此时栅极电压|VGS|小于阈值电压|VTH|,Q4截止,外围电路供电断开,系统处于静默状态。

图5 电源管理电路

1.2 终端主程序设计

终端主程序设计如图6所示,当定时唤醒机制触发时,系统从静默状态进入工作状态,系统初始化后,MPS430发送AT指令实现4G模块入网以及链接服务器,监控平台打开监听端口等待接收数据。采用滑动滤波算法对采集的数据进行降噪处理, 4G模块将封装处理后的数据协议包上传至监控平台;上传成功后,系统进入静默状态。当有下发控制命令时,MSP430解析数据协议包并执行相应的控制任务,返回确认数据帧。如果检修人员获取了平台授权的电缆井开锁权限,利用手机APP连接终端的蓝牙模块进行开锁,然后读取电缆井内气体浓度信息,判断井内作业是否安全。

图6 终端主程序设计流程

2 基于IAGA-BP算法的误差补偿

2.1 误差补偿模型的构建

电缆井有害气体分布式监测系统对井内CO,CH4,H2S气体及环境温、湿度进行采集,获得样本序列。设m1,m2,m3,m4,m5分别为CO,CH4,H2S气体浓度和环境温、湿值,气体浓度真实值为ni(i=1,2,3),构建非线性方程组如下:

(1)

式(1)中fi(m1,m2,m3,m4,m5)表示气体浓度真实值与各参数测量值间的对应关系。如图7所示,CO,CH4,H2S、温度和湿度的测量值作为输入层参数,三种气体浓度真实值为输出层参数,构建BP神经网络补偿模型,计算出气体浓度真实值与各参数测量值之间的非线性映射关系,在线动态校正传感器测量值。隐含层节点数影响网络的容错性与泛化能力,利用公式(2)计算隐含层节点数为3～13,代入网络模型中反复迭代训练,当神经元个数为6时,三种气体的平均相对误差均最小。

(2)

式(2)中,s,n,m分别为隐含层、输入层、输出层节点数,λ∈[0,10]。

2.2 AGA算法的改进

标准的AGA算法因过度保护优良个体导致易陷入局部最优,数据精度优化不明显,通过改进的AGA算法优化网络模型对气体传感器测量值进行动态补偿,得到更准确的气体浓度值。

(1)适应度函数。定义气体浓度真实值与校正值差的绝对值之和的倒数为适应度值,适应度函数G为:

(3)

式(3)中yi,oi分别为第i节点的真实值与校正值,M为种群规模。气体参数校正值与真实值误差越小,适应度函数输出结果越大,气体参数校正值越准确。

(2)改进选择算子。传统GA算法的轮盘赌法,随机性大。将适应度函数输出值进行升序排列,排在前10%的为精英个体,不参与交叉与变异操作,放入下一代群体中;排在10%～50%和50%～90%的个体分别拷贝两份和一份遗传到下一代;余下个体直接舍弃。这种改进的选择算子保留了种群多样性以及优良个体。

(3)改进交叉和变异算子。交叉概率Pc与变异概率Pm随适应度函数输出值的不同而动态改变,提高网络模型的性能。当G1,G2大于或等于Gav时,Pc和Pm选择较小的参数,实现优良个体的快速累积;当G1,G2小于Gav时,Pc和Pm采用较大的参数,提高种群丰富度,防止陷入局部收敛。IAGA算法的交叉概率Pc与变异概率Pm计算公式如(4),(5):

(4)

(5)

式(4),(5)中λi(i=1,2,…,6)为系数,Gmax,Gmin分别为最大和最小适应度值,Gav为平均适应度值,G1为交叉个体中较大的适应度值,G2为变异个体的适应度值。

网络训练存在随机性与不确定性,预测结果有一定的误差,得到并非理想最优解。为进一步提高气体数据的准确性,增加误差寻优的步骤,网络输出气体浓度校正值后,再次判断校正值与真实值之差是否满足最优条件,反复进行训练,直至输出最小误差值,IAGA-BP算法的流程如图8所示。

图8 IAGA-BP算法的流程

3 实 验

采集装置如图9所示,将锂电池与采集终端密封于电力井盖内侧的铁盒内,传感器置于井内。采集环境选在淮南市高新区某科技园电缆井。为充分获取电缆井中CO,CH4,H2S气体浓度和温、湿度值,选用4个电缆井作为数据采集节点,采集时间从2022年6月15日至6月17日,从上午8点开始采集到晚上8点采集结束,隔15min采集一组数据,共采集576组样本。为了便于比较与分析实验结果,将高精度检测仪采集的数据作为真实值。

随机抽取500组样本进行训练与学习,其余76组测试样本用于验证模型的性能。选取测试样本中24组的实验结果进行作图,如图10所示。可以看出,相比于传感器测量值,经BP算法校正后的数据接近真实值;IAGA-BP算法优化网络模型的输出曲线与真实值拟合度更高,数据误差更小。

图9 采集装置

图10 校正值与测量值对比

选取平均相对误差MRE和决定系数R2作为衡量模型性能的评估指标,76组测试样本的MRE和R2平均值对比如表1所示。IAGA-BP算法优化网络模型的R2均优高于BP算法,可信度更高;且平均相对误差比BP算法减少了30%以上,说明IAGA-BP算法在线补偿后的数据精度更高,进一步提高优化效果。

表1 评估指标

如图11所示,气体传感器测量值经IAGA-BP算法优化网络模型校正后,CO传感器、CH4传感器、H2S传感器的测量精度均得到不同幅度的提升,在传感器测量值基础上分别提高11.02%,8.94%,14.24%。相比于BP算法,IAGA-BP算法可以更好地补偿气体传感器因交叉干扰及环境因素所产生的测量误差。

图11 改善效果对比

图12 监控平台显示界面

图13 手机APP显示界面

4 系统测试

对系统进行数据采集与通信测试。当电缆井中有害气体浓度超过手机APP设定的阈值时,终端立即将预警信息上传至监控平台,如图12所示,平台Web界面显示报警与定位信息,实现异常电缆井的精准定位。如图13所示,手机App显示实时数据与设置报警阈值,为检修人员评估电缆井气体状况提供参考依据。测试结果表明,数据采集终端与监控平台通信正常,数据准确性高。

5 结 语

为准确监测电缆井有害气体,设计MSP430单片机、4G模块及传感器构成的数据采集终端并结合IAGA-BP神经网络算法的电缆井有害气体分布式监测系统,实现有害气体采集、数据误差补偿与分布式远程监测。利用IAGA-BP算法优化的网络模型对传感器测量值进行在线动态校准,提高了气体传感器的测量精度,三种气体平均测量准确度均在93.56%以上。实际应用表明系统通信稳定性强,能够准确监测电缆井内有害气体,预防电缆井事故发生,具有很好的工程应用前景。