[发明专利]基于模糊综合评价的工厂环境安全自检方法

说明书

在无线传感器网络中，往往需要由多个传感器通过感知角度互补来确定物体的状态，但工厂环境中存在着传感器过少、成本过高和数据不够精确以及专业机构进行工厂环境检测费用较为昂贵等问题。在本发明中，基于模糊综合评价的工厂环境安全自检方法可采用人工智能方法来获得评判矩阵与权重计算，使用少量传感器就可评估得到较为准确的工厂环境评测，从而保护工人健康，降低环境检测成本。

技术领域

本发明属于物联网技术领域，具体涉及无线传感器网络环境监测、多传感器协同感知和模糊数学综合评价等交叉应用。

背景技术

当前国际社会倡导智能机器、节能环保和网络融合，“智慧工厂”、“智能楼宇”和“智能家庭”等物联网应用相继出现。“智慧地球”的概念已被美国政府提升为国家战略。环境数据监测相关技术产业链以“智能工厂”为主要应用背景，横跨互联网、局域网、手持终端、服务器、射频识别和智能芯片等交叉领域，并融合多种技术达到智慧状态。

基于物联网的智慧工厂环境监测利用无线传感器网络和射频识别等接入技术，将生产厂房的物力环境与互联网互联，并通过对异构数据的汇聚分析完成特定任务。物联网与无线传感器监测网络技术正在逐步进化为集成化、微型化、网络化、低成本和低功耗的整体智慧系统。依靠无线传感器网络的灵活部署性使环境数据监测技术在军事、交通、运输和医疗等各个领域得到广泛应用，对环境数据采集分析，达到监测和预警的目的，并对灾难完成自愈控制。

无线传感器网络是智慧工厂环境数据监测系统研究的重要内容之一。无线传感器网络综合了传感器技术、嵌入式计算机技术、分布式信息处理技术和无线通信技术，在军事侦察、环境科学、医疗卫生、工业自动化和商业应用等方面具有广泛的应用前景。

在现有传感器网络的基础上，研究传感器协同感知成为无线传感器网络与物联网融合的新方向。传感器协同感知是指对物体或对象部署多个和多种传感器，由这些不同传感器共同协作完成探测感知任务。多传感器协同感知可以有效避免由单一传感器感知角度片面造成的误差，对于对象的同一状态分析可由对重物理参数反应，由多个传感器感知角度互补来确定物体的状态提高可以感知精度和客观性。不过传感器数量是与成本成正比的，传感器过多虽然能保证数据的准确性，但是成本也会大幅度增加。那么如何使用适量的传感器获得准确而客观的数据就成了一个难题。我们知道，模糊数学综合评价法是一种能有效解决设计多因素事物评判问题的工具，因此，运用模糊数学综合评价法将可以在传感器数量一定的情况下获得一块区域准确而客观的数据。

发明内容

本发明的目的是提供一种在无线传感器网络中用少量传感器就能得到工厂内部环境的自检方法。通过多种、少量传感器获取工厂不同位置的监测数据与国家空气质量标准、劳动法标准和卫生限值标准作对比，形成评判矩阵，给出合理权重或采用反演法得到合理权重，运用模糊数学四种合成算子中的一种，根据最大隶属度的原则给出工厂内部环境的自检结果，客观地了解工厂内部环境缺陷并且做出相应措施，优化工厂环境，保护工人身体健康。

为解决上述发明，将整个过程分为两阶段：训练阶段和工厂环境自检阶段。

一、训练阶段

因为检测工厂环境时使用的每一种传感器在不同环境下的灵敏度不同，而且每种传感器在多个工厂中的摆放位置也可能不同，这些情况都会导致可信度出现误差。考虑到这些因素，在进行工厂内部环境自检的时候就需要将每种情况的可信度考虑进去。因此，首先需要进行一个训练阶段，以评判该环境采用模糊数学综合评价法进行工厂环境自检的可信度。这里采用模糊数学综合评判法来评判传感器在不同环境和不同工厂摆放位置的可信度。针对此问题的模糊模型由三个集合构成：(1)因素集U，(2)评判集V，(3)模糊变换集Γ。因素集U包括所有的性能指标，即检测概率、漏检概率和虚检概率。评判集V包括工厂环境的评判度量，即优、良、中、差、很差。模糊变换集Γ是将因素集U变换到评判集V，它是对应每个度量的数值序列。

在训练阶段得到评判结果如表1所示。

表1