买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：淮阴工学院

摘要：本发明公开了一种危化产品仓库状态监测方法及预警系统，包含险情数据收集，现场数据采集部分，多模态数据融合与监测分析，前端显示预警四个部分。针对危化产品仓库的险情种类，建立危化产品险情数据集；针对危化产品仓库的环境特点，设计基于STM32与网络摄像头的数据采集节点，采集识别所需的视频、音频和传感器信号信息；建立改进的多模态Autoformer模型，通过改进的MPA算法优化多模态Autoformer的超参数以提高模型性能；最终对监测分析结果进行前端展示，并对险情进行相应的预警处理。与现有技术相比，本发明可以准确有效的对危化产品仓库中的状态进行实时监测，并能够更加准确地识别出火焰、烟雾、泄露异常状况，实现有效预警，为危化产品的储存提供安全保障。

主权项：1.一种危化产品仓库状态监测方法，其特征在于，包括如下步骤：步骤1：针对危化产品仓库的险情种类，收集危化产品仓库险情现场数据，包括正常情况下的仓库数据信息，建立危化产品险情数据集；步骤2：针对危化产品仓库的环境特点，设计基于STM32单片机与网络摄像头的现场数据采集点，采集识别所需的视频、音频和传感器信号信息；步骤3：分别对步骤1和步骤2采集到的危化产品险情数据集、视频、音频、传感器信号信息数据进行编码处理，融合得到模型的训练数据与输入数据；步骤4：建立改进的多模态Autoformer模型，所述改进的多模态Autoformer模型为在Autoformer模型中加入多层感知头MLPHead，将Autoformer的序列预测结构改为状态分类结构，并将Autoformer的序列分解单元改进为VMD分解；步骤5：将步骤3中得到的训练数据送入步骤4中改进的多模态Autoformer模型中，并使用改进的海洋捕食者算法MPA对改进的多模态Autoformer模型中的超参数进行优化，得到危化产品仓库状态监测分析模型；所述改进的MPA算法为在MPA算法的初始化过程中，使用拉丁超立方初始化代替其原始的随机初始化，并在位置更新策略中引入全球领先和声搜索策略和自适应协作搜索策略进行位置修正；步骤5.1：设置MPA算法的目标函数为监测状态分类的准确率并初始化相关参数，参数包含：最大迭代次数、种群规模、维度大小、搜索空间的上界与下界；步骤5.2：使用拉丁超立方初始化方法代替MPA算法中的随机初始化方法，其公式如下： 其中，lbj,i为第i个种群的第j个维度的下界，ubj,i为第i个种群的第j个维度的上界，Aj表示第i个种群所在的子搜索空间，RFP为全排列操作，n表示种群规模，d表示问题维度，Xi表示第i个种群的初始化值，rand为一个取值为[0,1]的随机值；步骤5.3：根据目标函数计算适应度值，并根据适应度值筛选出最优解；步骤5.4：根据捕食者与猎物的速度比关系，种群在搜索空间内的三种迭代方式如下：步骤5.4.1：捕食者速度远高于猎物，猎物以布朗运动躲避捕食者的攻击，此过程的数学公式表示为： 其中，Iter是当前迭代次数，Maxiter为设置的最大迭代次数，RB是一个服从正态分布的随机向量，P为0.5的常数，R为0到1范围内的随机向量，Prey为猎物矩阵，包含当前所有种群，Elite为捕食者矩阵，包含当前被视为最优解的种群，stepsize是种群在搜索空间中位置更新的步长；步骤5.4.2：捕食者速度近似于猎物时，猎物使用levy飞行躲避捕食者追捕，而捕食者则使用布朗运动追捕猎物，此过程的数学公式表示为： 其中，RL是基于levy分布的随机向量，CF是一个控制捕食者运动步长的自适应参数；步骤5.4.3：在捕食者速度远低于猎物时，捕食者以levy飞行对猎物进行追捕，此过程以数学公式表示为： 步骤5.5：对MPA算法的位置更新策略进行改进，额外引入全球领先和声搜索策略与自适应协作搜索策略对MPA的种群进行位置修正，设置选择倾向参数ST为0.5的常数，当随机值大于ST时，使用全球领先和声搜索策略，反之随机值小于0.5时，使用自适应协作搜索策略，两种搜索策略的具体步骤如下：步骤5.5.1：全球领先和声更新策略的数学公式如下： 其中，Xα,j表示捕食者的第j个维度，m和n是随机挑选的两个不同的个体，且满足i≠m≠n，是一个取值为0到2的自适应变量，rand1和rand是取值为0到1的随机数，jrand是在捕食者向量中随机挑选的一个维度，GR为0.2的常数；步骤5.5.2：自适应协作搜索策略的公式如下： 其中Xβ,j，Xγ,j表示适应度为第二和第三的代理，SR为0.5的常数，rand2和rand是取值为0到1的随机数；步骤5.6：通过涡流与鱼群效应影响MPA算法，使捕食者有小概率进行空间跳跃进行局部最优解的跳出，这一过程以数学公式表示如下： 其中，FADs为0.2的常数，表示捕食者进行空间跳跃的概率；U是一个布尔类型的向量，表示种群中受到影响的个体；Preyr1和Preyr2表示在猎物矩阵中随机选择的两个种群向量；步骤5.7：通过步骤5.3至步骤5.6对当前解不断进行更新，并同步更新全局最优解；步骤5.8：通过给定的最大迭代次数判断是否达到算法终止条件，若未达到则转到步骤5.3，最终在最大迭代次数内输出最优结果；步骤6：利用步骤5中训练优化后的危化产品仓库状态监测分析模型对步骤3中得到的模型输入数据进行监测分析，得到危化产品仓库的状态监测结果。

全文数据：

权利要求：

百度查询： 淮阴工学院 一种危化产品仓库状态监测方法及预警系统