具有自學習功能的安全切斷型智能燃氣表

1 技術背景

① 智能燃氣表安全切斷

敏感設備的敏感程度與電壓暫降的影響密切相關。不同的用電設備或負荷對于同一電壓暫降的耐受程度不同，因此不同的設備應當采用不同的敏感曲線。不同的敏感曲線由制造業的壟斷聯盟所規定，各大公司常采用的曲線有：ITIC曲線、SEMIF47曲線、接觸器類設備敏感曲線、變頻驅動類設備敏感曲線[12，25]。

目前大多數燃氣表實現燃氣安全切斷的方式有兩種：方式1是燃氣表外接報警器，通過檢測燃氣泄漏及時關閉控制閥；方式2是燃氣表在使用過程中感知流量、壓力、表端狀態，發生異常時，燃氣表自動切斷控制閥。方式1只有當燃氣泄漏并在報警器檢測空間內的燃氣濃度達到一定值時，報警器才能檢測到燃氣泄漏，并向燃氣表發出報警信號，由燃氣表進行安全切斷控制。方式2只有燃氣表檢測到當前燃氣流量、壓力、表端狀態超過或低于設定的固定閾值時，才能夠實現安全切斷控制。

那段時光不知道究竟有多長，但青辰記得，自己是被一種“嘎嘎咔咔”的聲音驚醒的。醒來時，他發現自己仍然跪伏著，頭臉埋在地上，身體在不聽使喚地戰栗著。

方式1在燃氣泄漏量較小或用氣環境空間開闊、通風良好的情況下，燃氣濃度不能達到燃氣報警器檢測的最低濃度要求時，燃氣報警器不能有效檢測到燃氣泄漏。方式2當燃氣流量和壓力未超出設定的固定閾值時，燃氣表不能作出安全切斷反應。因此通過這兩種方式進行安全切斷控制，存在一定的風險。

本研究結果與上述研究一致的是性別、體重和體力活動水平與峰值攝氧量相關。男性峰值攝氧量明顯高于女性。這可能與女性同男性相比肌肉體積小，血紅蛋白、血容量及每搏輸出量低有關。不同體力活動量者比較，峰值攝氧量有顯著性差異。體力活動量越大，其峰值攝氧量越高，特別是長期規律的較高強度的運動，其中13例馬拉松和球類愛好者峰值攝氧量/預計值≥100%，明顯高于普通人群。正如既往研究所示，體力活動可以改善心肺儲備功能，增加心輸出量，減慢心率，提高呼吸儲備，增加骨骼肌毛細血管密度[3]從而提高心肺耐力，改善生存率。

自學習功能也稱為自適應能力，是指智能物或智能系統在運行過程中，根據運行環境的變化，通過評估已有行為的正確性或優良度，自動修改自身參數或配置，以改進和優化自身特性，實現更加智慧化的物和系統。目前國內關于自學習功能的研究大多在人工智能、無人駕駛、變速箱、發動機等大型工業控制領域，在民用計量領域的研究和應用處于萌芽階段。

已經是夜里十多點了，媳婦還在廚房里磨蹭沒個完。喀哧喀哧的洗鍋聲在哥們兒朝洛蒙聽來像是百爪撓心。他想都老夫老妻的，孩子都這么大了還害起羞來啦？處對象時她都沒這樣，還是姑娘的她總是筋道得像一塊米糖，黏膩膩地粘他，躲都躲不掉，掰也掰不開。結婚后更是干柴烈火，變本加厲。工廠里沒有探親假這說，逢年過節回家一趟，倆口子相處的時間就金貴得像冬蟲夏草。哥們兒朝洛蒙記得那時千里迢迢地趕回家，如果天還沒有黑，或是娘正哄著狗蛋在屋里玩耍，他就和媳婦借口著到園子里摘豆角，或是借口到谷倉里捉老鼠，倆人就在米囤旁豆角架下疾風暴雨地把事情辦了。先解解饑渴，等到晚上再鯉魚戲水，細嚼慢咽，品滋咂味。

2 具有自學習功能的安全切斷型智能燃氣表

2.1 結構及原理

存儲器存儲最大用氣量、最大常用流量脈沖頻率、最小常用流量脈沖頻率以及近30 d內的用氣歷史數據，存儲的最大用氣量、最大常用流量脈沖頻率、最小常用流量脈沖頻率必須取自近30 d內的用氣數據。超過30 d后，存儲器自動將最早一天的用氣歷史數據移除，將最新一天的用氣數據存入，燃氣表也會自動比較得出近30 d的最大用氣量、最大常用流量脈沖頻率、最小常用流量脈沖頻率作為判斷標準進行更新。如此便消除了用戶用氣習慣因季節或人口等因素發生變化的影響。

從表8和表9可以看出:(1) 黃鐵礦和脈石礦物的比熱容存在一定差異，黃鐵礦比熱容小，脈石(SiO2)比熱容大；(2) 黃鐵礦和脈石的熱膨脹系數存在明顯差異，但均隨著溫度升高而增大。當微波選擇性加熱黃鐵礦時，其與脈石之間的溫度差異大，黃鐵礦的溫度高，其所產生的熱膨脹大，而脈石礦物不吸收微波，其脈石的溫度低，所產生的熱膨脹小，因此，黃鐵礦和脈石礦物之間由于熱膨脹差異顯著容易產生應力集中，并對礦石礦物產生破壞，形成微裂隙降低整體礦石礦物強度。

本文所研究的燃氣表的自學習功能是指在燃氣表正常使用過程中，當常用流量、用氣量、溫度等用氣環境發生明顯變化時，燃氣表能夠通過調整和修正自身嵌入式應用軟件的參數值，優化自身配置，以適應不同用氣場景下的準確計量和安全管控，為用戶提供更加準確、智慧和安全的用氣環境。

① 能夠自動更新最大用氣量、最大常用流量脈沖頻率和最小常用流量脈沖頻率，解決了用戶在實際用氣過程中，不能動態確定最大用氣量、最大常用流量、最小常用流量的難題。

② 工作原理

② 自學習功能

燃氣表正常使用時，控制閥處于開啟狀態，脈沖采樣電路采集燃氣流量電子脈沖信號，在輸出端將信號傳遞給主控MCU。主控MCU對脈沖數和脈沖頻率進行計算，通過與存儲器內的最大常用流量脈沖頻率、最小常用流量脈沖頻率、最大用氣量數據比較，更新最大常用流量脈沖頻率、最小常用流量脈沖頻率、最大用氣量數據并存儲于存儲器中，或發現流量和用氣量異常，發送關閥指令給閥門控制電路，閥門控制電路與控制閥連接，實現控制閥安全切斷保護。在燃氣表欠費狀態、燃氣泄漏等異常狀態解除后，用戶通過手動按下人工復位按鈕，可實現燃氣表自檢，在確認異常狀態消除的情況下打開控制閥。無線通信模塊的輸入端與主控MCU連接，在指定的時間向燃氣綜合管理系統發送用戶用氣數據、用氣異常記錄、安全切斷記錄、表端設備狀態數據等。

③ 主控MCU的功能

在用氣過程中，主控MCU會按照一定的時間間隔對當日累積用氣量、用氣脈沖頻率和存儲器存儲的最大用氣量、最大常用流量脈沖頻率、最小常用流量脈沖頻率進行比較，當日累積用氣量、用氣脈沖頻率的任一參數超出存儲器存儲的最大用氣量、最大常用流量脈沖頻率、最小常用流量脈沖頻率時，主控MCU會向閥門控制電路發送關閥指令，閥門控制電路與控制閥連接，實現控制閥安全切斷。此時如果確實是用戶正常用氣，用戶可按下人工復位按鈕，在燃氣表自檢通過(自檢通過說明燃氣表無異常)后恢復通氣。通氣后，在正常使用時，若燃氣表再次認為是異常導致關閥，用戶可再次按下人工復位按鈕恢復通氣，燃氣表保存此次導致控制閥關閉的相關參數，更新相關參數(最大用氣量、最大常用流量脈沖頻率、最小常用流量脈沖頻率)。

① 結構

2.2 特點

作者及團隊設計了一種具有自學習功能的安全切斷型智能燃氣表

，其結構見圖1，包括控制閥、脈沖采樣電路、主控MCU、存儲器、閥門控制電路和無線通信模塊等。

(2)學習內容的差異性。成人學生學習目的是為實現職業發展，提高自己在工作中的實踐能力，因而成人學生的學習內容是根據學習者自身發展的需求選擇適合自己的個性化的學習內容。互聯網的學習資源和學習平臺能夠滿足成人學生學習需求的，成人學習者更愿意通過網絡信息技術進行學習。

② 當用戶用氣量、流量超出存儲的最大用氣量、最大常用流量和最小常用流量時，燃氣表能夠實現安全切斷功能，解決了燃氣表無法及時、準確切斷的問題，保證了用戶用氣安全。

當前在河流、湖泊水質水動力研究中應用較為成熟的數值模型主要由DHI-MIKE、EFDC和WASP等，采用類似水環境數學模型進行河湖等地表水體的模擬研究應用廣泛，如常旭、武亞菊等［1-3］應用DHI-MIKE、EFDC和WASP模型對河流和湖泊進行了數值模擬。本文基于DHI-MIKE11水動力、水質數學模型，確定翁結水庫運行時的較優下泄過程，為工程運行后對下游河道水環境影響提供了科學依據。

③ 燃氣表存儲器僅存儲最近指定時間內的用氣數據，最大用氣量、最大常用流量脈沖頻率、最小常用流量脈沖頻率也會隨之更新，消除了用戶用氣習慣因季節或人口等因素發生變化的影響。

④ 在指定的時間達到后，燃氣表通過無線通信模塊將數據發送給燃氣綜合管理系統，燃氣綜合管理系統以此知曉終端設備的在線情況，相比由綜合管理系統定時檢測的方式，不用使終端設備一直在線，從而有效降低終端設備的功耗。

3 下一步研究方向

① 自學習功能與自診斷功能的結合

智能燃氣表安全切斷功能的自學習在一定程度上解決了燃氣表正常使用過程中出現的不關閥或誤關閥的情況，通過判斷用戶用氣量和常用流量的變化，及時作出安全切斷反應，為用戶提供更加安全的用氣環境，燃氣表在功能層面上得到了一定的優化和提升。

目前關于燃氣表性能指標的測試，只有產品定型時的型式檢驗、產品出廠時的出廠檢驗，無法做到對燃氣表全生命周期內性能指標的連續監控。在用戶正常用表過程中，隨著安裝條件、使用環境等因素的影響，燃氣表密封性、工作電流、計量準確性等性能指標可能發生改變，如果僅依靠對燃氣表周期性地檢定或巡檢來確認燃氣表性能指標的正常，很可能造成燃氣表出現性能缺失的空白期。

作者及團隊下一步的研究方向是通過結合燃氣表性能參數的自學習能力，增加燃氣表的自診斷功能，使燃氣表在正常工作期間，能夠定時或實時診斷自身性能狀況。當檢測到性能指標與設置的型式檢驗指標或出廠檢驗指標偏差較大時，燃氣表通過自身結構的自主優化、嵌入式軟件程序的調整或遠程上報給燃氣綜合管理系統等方式，保證燃氣表在其使用周期內性能指標的連續正常，避免出現性能缺失或降低的空白期。

② 利用神經網絡算法和統計學識別外界干擾

智能燃氣表的自學習功能是通過比較用戶即時用氣參數與常用用氣參數的偏差，通過安全切斷手段來達到用戶安全用氣的目的，在一定程度上識別出了用戶偶爾出現的非正常用氣情景，燃氣表在安全層面上得到了一定的改善和提升。

未來隨著用戶用氣情景的多樣化，僅通過比較用戶即時用氣參數與常用用氣參數的偏差就作出安全切斷響應，可能會出現燃氣表反復進行安全檢測、用戶反復操作人工復位按鈕的情況，一方面增加了燃氣表的功耗，另一方面給用戶帶來了不便。

作者及團隊下一步的研究方向是通過在燃氣表嵌入式軟件中增加神經網絡算法和統計學分析等手段來真正地記憶用戶不同場景下的用氣習慣，形成用戶用氣圖譜，篩選出偶爾出現的非正常用氣情況，識別出非安全用氣情景，更加準確地作出安全切斷響應，減少表端安全檢測次數和用戶反復操作次數，提升燃氣表智慧化的水平。

[1] 邵澤華,吳岳飛，權亞強，等. 一種具有自學習功能的安全切斷型智能燃氣表使用方法：ZL 2015 1 0055310.8[P]. 2018-02-16.