基于NB-IoT的化工廠爆炸性環境監測及預警系統

楊 康，劉文強，萬 駿

（江蘇理工學院，江蘇 常州 213000）

0 引 言

隨著社會經濟的快速發展，工廠爆炸性事故頻發已成為制約國家經濟發展的一個突出因素[1]。我國化工廠多且各地均有分布，且由于化工廠環境復雜、監測預警設備不完善[2]、人員水平不高、監管不到位等，化工廠爆炸性事故時有發生[3]。因此，提前對工廠爆炸性事故進行監測及預警很有必要。

隨著信息技術和電子技術的發展[4]，將物聯網技術、自動控制技術和化工廠爆炸性環境監測相結合[5]已成為當前發展趨勢。

基于此，本文開發了一種便捷可靠的化工廠爆炸性環境監測及預警系統。該系統以實時監測的數據為基礎，迅速、準確地對爆炸環境進行預警。一旦監控終端報警，系統將立即提醒監管人員迅速處理險情。

1 系統總體設計

本系統包括監控分站、遠程監控管理服務器、OneNET物聯網云平臺及Android移動終端。系統總體設計方案如圖1所示，其中，監控分站包括核心控制器、熱成像裝置、壓力傳感器、氣體濃度傳感器、電源模塊、串口、I/O模塊、NB-IoT傳輸模塊及外圍電路。工作流程如下：通過傳感器實時采集工廠環境的狀態參數信息，NB-IoT將采集的信息發送至網絡云服務器，移動終端和上位機服務器從網絡云服務器獲取數據并處理，如果發現異常數據則報警。此外，服務器還具備管理員登錄、工廠歷史環境參數信息管理與查詢等功能。監管人員可通過計算機或移動終端遠程實時查看工廠監測區域狀況。

2 系統方案設計

2.1 監控分站設計

在監控分站設計中，其主控MCU選用STM32RCT6，通信模組選用M5310-A開發板[6]。M5310-A開發板擁有豐富的板載資源及超低功耗的硬件。使用STM32RCT6控制各類傳感器采集相關參數[7]，并控制M5310-A通信模組以無線通信方式與OneNET物聯網云平臺通信。監控分站的硬件程序設計在Keil μVision5軟件[8]環境下完成。硬件框圖如圖2所示。

圖2 硬件框圖

2.1.1 監控分站數據采集、發送流程

（1）由微處理器STM32RCT6通過控制單片機串口進行相應傳感器的數據采集，然后保存采集的溫度、壓力、濃度等數據；

（2）STM32RCT6對采集到的數據進行打包，并通過NB-IoT模塊發送給OneNET物聯網云平臺，隨后間隔1 s循環發送。

監控分站數據采集發送流程如圖3所示。

圖3 監控分站數據采集、發送流程

2.1.2 紅外熱成像監控平臺設計

紅外熱成像處理流程如圖4所示。MLF-WD11紅外熱成像傳感器通過串口通信將熱成像數據發送到終端（終端基于MATLAB語言設計而成）。其中，串口讀取數據包時，對每個熱成像數據包的數據頭（E1）截取數據，若未成功截取則重新采集數據包。一個完整的數據包由159 177個十六進制字節數組成，包括熱成像圖像每個像素點的R、P、G數據（機芯像素為230×230，每個像素有3個字節數，則總字節數為230×（230×3+2）），以及特征點溫度數據（17個十六進制數據）。熱成像圖還原時需先將R，P，G數據轉換成十進制數據，再把該部分數據通過遍歷疊加（R、P、G各有230×230個數據，對應組合為cat（3，R，G，B））得到一張完整圖片。

圖4 紅外熱成像處理流程

熱成像特征點溫度包括最高溫度、最低溫度和平均溫度，每個溫度值都由2個字節組成，高8位在左（T1），低八位在右（T2），將其組合（Strcat（T1，T2））即得到該溫度數據的十六進制表示，最后將其轉換成十進制數據，通過除法運算便得到真實溫度。例如：接收到的十六進制溫度數據為01，7C，則十進制數為380，其真實溫度為38 ℃。每個溫度值都有對應坐標，灰度轉換時可以將對應灰度值存儲于數組中以便計算。

灰度轉換公式為Y=0.3R+0.6G+0.1B，相關數據已在讀取時保存（R，G，B數組）。目前，在定量分析方面因為技術保護等原因，傳統紅外測溫只能聚焦于最高溫、最低溫、平均溫，但這并不完全滿足工廠監控體系對所有工廠設施安全隱患排查的要求[9]。通過MATLAB結合統計學對熱圖像特征點的灰度和溫度數據進行擬合插值運算，可以得到兩者之間的線性函數關系[10]，如圖5所示。

圖5 灰度和溫度的函數關系

在定性考量下，可以只考慮對溫度值和灰度值進行線性插值獲取全像素點溫度。本文主要是定性討論在不同溫度區間內灰度值（G）和溫度（T）的線性關系：G=xT+y，即T=（G-y）/x。線性插值要求在既有數據（溫度）范圍內對像素點溫度進行擬合推算，特征點溫度恰好包括監測對象的溫度范圍。特征點溫度數據越多，則線性推演出的溫度越接近真實值。由于實驗條件所限，實驗過程中選擇的溫度上限未超過80 ℃。對測量數據進行統計比較，可知在更高的溫度區間內其線性系數將發生改變。在線性計算公式T（X）=interp1（GArray,TArray,G（x）, 'linear'）中，GArray 為特征點灰度值的數組，必須進行線性排列，其對應溫度值存放在溫度數組TArray中；linear表示處理方式為分段式線性插值。將相關數據帶入該式，即可對任一像素點溫度進行計算，且結果誤差較小。全圖溫度計算只需遍歷運行該過程即可實現。實驗過程中，本文將整體像素縮放至32×32，在提高運行效率的同時，其所測溫度數據與分析結果基本一致。

2.1.3 紅外熱圖像存儲服務器

紅外熱成像監控平臺經過相應處理流程之后，將生成的熱圖像通過網絡實時上傳到紅外熱圖像存儲服務器。移動監控終端以及上位機服務器可以隨時隨地實時監測分站的熱圖是否有異常，若發現異常則及時預警并通知監管人員。

2.1.4 OneNET云監控平臺設計

系統設計的OneNET物聯網云平臺可用作數據的中轉和儲存服務器。在物聯網云平臺上創建有相應傳輸接口，當移動監控終端和上位機服務器需要獲取數據時，只需訪問接口即可。OneNET物聯網云平臺接收數據流程如圖6所示。

圖6 OneNET物聯網云平臺接收數據流程

2.2 監控終端設計

2.2.1 上位機監控服務器設計

根據監測預警功能需要，監控軟件主要用于獲取、存儲和管理化工廠環境的氣壓、溫度、危險氣體濃度以及煙霧濃度變化等參數信息。利用Visual Studio 2017開發工具設計出基于C#語言的上位機顯示界面。設計的功能模塊主要包括信息管理模塊、數據解析模塊、數據處理模塊、數據查詢模塊。

2.2.2 移動APP監控終端設計

移動終端的顯示界面是人機交互的重要途徑，作為用戶與系統進行數據傳輸的第一路徑，良好的人機交互界面將直接影響到系統的美化效果和用戶的操作體驗。根據移動終端的整體功能，設備的UI界面分為四屏：第一屏作為啟動屏幕，實現登錄功能；第二屏是第一屏的子屏幕，用于在指定區域使用相應控件顯示數據；第三屏和第四屏是第二屏的并列屏，主要用于實現歷史數據查詢、實時熱圖像查詢等功能。

查詢設備若需要向服務器請求相關的數據，可通過Socket向網絡發出請求，服務器接收到請求之后進行識別并響應，在客戶端與服務器之間建立Socket通信。

3 系統測試與分析

3.1 移動監控終端

在移動監控終端上，當用戶輸入相應賬號、密碼登錄之后，系統會進入功能選擇界面。實時數據查詢界面如圖7所示。

圖7 實時數據查詢界面

圖7中依次顯示了氣體濃度、管道氣壓、最高溫度、最低溫度、平均溫度、煙霧濃度信息。從圖7可以看出，當前最低溫度和平均溫度存在異常，并已將問題數據標紅。APP具有實時后臺報警功能，針對非正常情況能實時預警，方便監管人員及時處理。

歷史數據篩選界面如圖8所示。從圖中可以看出選擇的是顯示儲存在云平臺上的所有數據，并且以列表形式顯示，且所顯示數據均正常。通過歷史數據查詢功能，可以方便監管人員預覽數據。此外，監管人員點擊界面中的“按時間篩選”按鈕后，可以彈出如圖9所示的時間選擇界面。

圖8 歷史數據篩選界面

圖9 時間選擇界面

可以從圖片服務器實時獲取從監控終端上傳的熱圖像，如圖10所示。當溫度出現異常時會在圖中標出相應異常區域，方便監管人員精確定位并采取措施。

統計分析界面可以對某一時刻的數據生成相應圖表，方便監管人員掌握數據的變化趨勢。圖表數據對比界面如圖11所示。

圖10 紅外熱圖像顯示界面

圖11 圖表數據對比界面

3.2 紅外熱成像處理平臺

打開軟件即可看到圖12所示的軟件界面。點擊“開始”將實時顯示熱圖像，并自動篩選出最高溫、最低溫，計算平均溫度，之后通過網絡將熱圖像上傳至位于公網的圖片服務器。圖13所示為紅外熱成像及計算功能界面，圖14所示為點測溫功能界面，圖15所示為阿里云服務器實例列表，圖16所示為服務器所存熱圖像的文件夾。

圖12 熱成像處理平臺終端界面

圖13 紅外熱成像及計算功能界面

圖14 點測溫功能界面

圖15 阿里云服務器實例列表

圖16 阿里云圖片文件夾

3.3 上位機服務器

上位機端實時顯示當前數據，并繪制圖表，設置報警閾值，界面如圖17所示。上位機端查詢歷史數據、繪制圖表的界面如圖18所示。

圖17 上位機實時顯示數據，繪制圖表并設置報警閾值界面

圖18 上位機端查詢歷史數據、繪制圖表界面

上位機端獲取實時熱圖像的界面如圖19所示。

圖19 實時熱圖像界面

4 結 語

本文提出的化工廠爆炸性環境監測系統的設計方案實現了對監控終端各類參數的采集與發送、異常數據報警并智能處理、手機終端隨時隨地查看、歷史數據查詢與分析等功能。測試結果顯示，該系統運行穩定，基本實現了設計目標。該系統為現代化工業數據監控產業的完善和發展打下了堅實基礎，應用前景廣闊。