[发明专利]适于化工厂的多种融合有毒气体分类方法及巡检机器人

说明书

本发明公开了一种适于化工厂的多种融合有毒气体分类方法及巡检机器人，利用巡检机器人在预先铺设的轨道上定点按计划巡检，进行精确测温及多种融合有毒气体分类分析，目标气体分类方法使用ECOC输出纠错编码，将采集到的多种融合有毒气体特征信息样本作为特征向量，输入至训练好的基分类器中分离出目标气体，能够快速确定有毒气体泄漏源，并能够在有毒气体泄漏情况下发出警报。本发明有助于减少化工厂工人日常巡检的精力，节省劳动力成本，提高工作效率和安全性能。

技术领域

本发明涉及化工厂人工智能技术领域，具体而言涉及一种适于化工厂的多种融合有毒气体分类方法及巡检机器人。

背景技术

化工厂中有很多易燃易爆品，如果管理不当很容易引起火灾甚至爆炸，特别是到了深夜工作人员可能会疏于值守，无法及时检测到由于管道破损引起的有毒气体泄漏，这样就可能会引起事故。所以化工厂内的定时安全巡检格外重要。

目前大多数化工厂还是采用最原始的人工检查，需要人为逐个检查设备，手动抄录检测数据，这样一方面工作量较大，另一方面由于环境和人眼视角问题，难免会出现判断失误。并且有毒气体一旦泄漏就会融合在一起，人工难以分辨是哪一种气体产生的泄漏，无法迅速找到泄漏源。

申请号为“CN201710903647.9”的“一种基于深度学习的单一有害气体红外图像分类识别方法”能够分类和识别单一的有害气体，但是化工厂内一般都是各种气体融合在一块，这时候前述申请方法就不能够很好地识别。

发明内容

本发明目的在于提供一种适于化工厂的多种融合有毒气体分类方法及巡检机器人，利用巡检机器人在预先铺设的轨道上定点按计划巡检，进行精确测温及多种融合有毒气体分类分析，目标气体分类方法使用ECOC输出纠错编码，将采集到的多种融合有毒气体特征信息样本作为特征向量，输入至训练好的基分类器中分离出目标气体，能够快速确定有毒气体泄漏源，并能够在有毒气体泄漏情况下发出警报。本发明有助于减少化工厂工人日常巡检的精力，节省劳动力成本，提高工作效率和安全性能。

为达成上述目的，结合图1，本发明提出一种适于化工厂的多种融合有毒气体分类方法，所述方法包括：

S1：使用ECOC输出纠错编码，定义编码矩阵S^m×n，其中，m为待分类的气体类别数目，n为基分类器的数目，m×n为对m个类别进行n次划分，编码矩阵S^m×n的每个元素取值为{-1，0，1}中的任一数值，编码矩阵S^m×n的每一列采用一对一编码方法构建出一长度为n的编码序列。优选的，m＝4，n＝6；

S2：定义6个基分类器h₁、h₂、h₃、h₄、h₅、h₆，输入训练集E＝{(x_j,y_j)}，使用标准误差逆传播算法训练预先定义的6个基分类器。

S3：确定样本的描述属性，采集多种融合有毒气体特征信息样本作为特征向量，输入至训练好的基分类器中分离出目标气体。

S4：解码阶段，将步骤S3中采集的多种融合有毒气体特征信息样本x输入至各基分类器，计算得到一输出向量H(x)，将该输出向量H(x)与步骤S1中定义的编码矩阵S^m×n的每一个行向量作汉明距离运算，取汉明距离最小的y作为预测的目标类别输出，其中，y＝{1，2，3，...，m}。

在步骤S2中，所述使用标准误差逆传播算法训练预先定义的6个基分类器包括以下步骤：

S21：构造一L层神经网络，L＝3，神经网络第一层为包括A个神经元的输入层，A＝4，神经网络第二层为包括B个神经元的隐藏层，B＝5，神经网络第三层为包括C个神经元的输出层，C＝1。