基于多傳感器融合的泄漏源巡檢定位系統(tǒng)設(shè)計

摘 要：針對現(xiàn)存氣體泄漏檢測儀效率低、無法定位泄漏源等問題，提出了基于STM32的雙車聯(lián)動周期巡檢方案，同時利用多傳感器融合的方法，成功實(shí)現(xiàn)了對泄漏源位置的精準(zhǔn)定位。方案采用了模塊化設(shè)計思想和電子積木的概念，綜合了便攜式、固定式和區(qū)域檢測系統(tǒng)3種方案的優(yōu)點(diǎn)。實(shí)驗(yàn)證明，該周期巡檢方案和泄漏源定位技術(shù)切實(shí)可行，不僅定位精度高、通信響應(yīng)及時，還具備出色的可維護(hù)性和可升級性，并且系統(tǒng)各個模塊具有可替換性，使得其擁有更廣泛的實(shí)用性和普及性。

關(guān)鍵詞：氣體泄漏；STM32；雙車聯(lián)動；周期巡檢；多傳感器融合；泄漏源定位

中圖分類號：TP23 文獻(xiàn)標(biāo)識碼：A 文章編號：2095-1302（2025）01-00-05

0 引 言

隨著世界經(jīng)濟(jì)的迅速發(fā)展，工業(yè)氣體能源的使用率在逐年提高，但同時也存在著重大的安全隱患。在工業(yè)生產(chǎn)過程中，因報警系統(tǒng)響應(yīng)滯后、工作人員操作失誤等均會造成氣體體積分?jǐn)?shù)超過預(yù)警值或泄漏源發(fā)現(xiàn)不及時而引發(fā)事故，該類事故會對人身安全、社會經(jīng)濟(jì)以及生態(tài)環(huán)境造成不可挽回的重大損失。如2022年6月，約旦亞喀巴港口發(fā)生的有毒氣體泄漏事故造成了14人死亡，256人受傷[1]；2023年1月，遼寧省盤錦浩業(yè)化工有限公司發(fā)生的氣體泄漏事故造成13人死亡，35人受傷。傳統(tǒng)的氣體泄漏檢測儀存在著諸多局限性，如便攜式氣體泄漏檢測儀精度低、依賴人工且檢測效率低；固定式設(shè)備雖能提供較為穩(wěn)定精準(zhǔn)的數(shù)據(jù)，但受固定位置和檢測范圍的限制，難以應(yīng)對快速變化的泄漏情況；區(qū)域監(jiān)測系統(tǒng)雖在覆蓋范圍上具有優(yōu)勢，但其復(fù)雜性和高成本問題也不可忽視。另外，以上幾種方式均無定位泄漏源的功能，在發(fā)生氣體泄漏時需要現(xiàn)場工人逐區(qū)核查定位泄漏源。

為此，文中提出了基于STM32的雙車聯(lián)動周期巡檢方案，同時結(jié)合了多傳感器融合的泄漏源定位技術(shù)。該方案不僅具備泄漏源定位功能，還擁有巡檢自動化、覆蓋范圍廣、響應(yīng)速度快、定位精度高等諸多優(yōu)勢，能較為全面地彌補(bǔ)現(xiàn)有儀器的缺陷，為工業(yè)生產(chǎn)提供更安全可靠的檢測方式。

1 總體設(shè)計

1.1 系統(tǒng)框架設(shè)計

本系統(tǒng)主要由上位機(jī)、基站、小車A和小車B這4部分組成。在第一周期內(nèi)，小車A負(fù)責(zé)巡檢，并將氣體體積分?jǐn)?shù)數(shù)據(jù)通過藍(lán)牙模塊持續(xù)發(fā)送給上位機(jī)，由上位機(jī)對數(shù)據(jù)和基站接收到的小車A的坐標(biāo)點(diǎn)進(jìn)行處理。根據(jù)預(yù)先設(shè)定好的標(biāo)準(zhǔn)體積分?jǐn)?shù)，提取出異常體積分?jǐn)?shù)的值及其對應(yīng)的坐標(biāo)點(diǎn)，進(jìn)行路徑規(guī)劃，并將路徑和疑似泄漏點(diǎn)的坐標(biāo)點(diǎn)發(fā)送給小車B。小車B通過規(guī)劃好的路徑到達(dá)疑似泄漏點(diǎn)進(jìn)行氣體體積分?jǐn)?shù)檢測和泄漏判斷，若氣體體積分?jǐn)?shù)超標(biāo)則會進(jìn)行泄漏源定位，若未超標(biāo)則繼續(xù)檢測下一疑似泄漏點(diǎn)，直至完成本周期內(nèi)所有疑似泄漏點(diǎn)的檢測。同時在小車B運(yùn)行的整個流程中，小車B的坐標(biāo)值將會被實(shí)時發(fā)送給上位機(jī)。在往后的周期里，上位機(jī)將根據(jù)小車A實(shí)時傳輸?shù)臍怏w體積分?jǐn)?shù)值和坐標(biāo)點(diǎn)，對小車B的運(yùn)行路徑進(jìn)行動態(tài)規(guī)劃和調(diào)整，雙車聯(lián)動重復(fù)循環(huán)檢測、判斷與定位。

設(shè)計中，為了提高設(shè)備的性價比，采用模塊化設(shè)計的方案，通過應(yīng)用多傳感器且引入電子積木概念完成系統(tǒng)的搭建[2]。硬件模塊的選擇上優(yōu)先考慮氣體體積分?jǐn)?shù)檢測和泄漏源定位功能。在氣體體積分?jǐn)?shù)檢測方面，考慮到電化學(xué)式氣體傳感器檢測范圍大但精度較低，而熱成像檢測范圍小但精度和可視化程度高，故設(shè)計中選擇讓小車A搭載電化學(xué)式氣體傳感器、小車B搭載OpenMV的方式來完成工廠的巡檢。同時OpenMV和TOF測距模塊還具備避障能力，使巡檢效率更高。在泄漏源定位方面，采用UWB空間定位模塊、OpenMV等多傳感器融合運(yùn)用的方式來完成泄漏源的定位，達(dá)到快速精準(zhǔn)的定位效果。該系統(tǒng)的總體設(shè)計框架如圖1所示。

圖1 系統(tǒng)總體設(shè)計框架

1.2 系統(tǒng)流程設(shè)計

1.2.1 系統(tǒng)事故分析方法

設(shè)計中采用事故樹分析法分析工廠氣體泄漏原因，事故樹分析法是一種演繹推理的方法，簡稱FTA。該方法把系統(tǒng)可能發(fā)生的某種事故與致使事故發(fā)生的各種因素之間的邏輯關(guān)系用樹形圖的形式表示；然后對事故樹進(jìn)行定性分析與定量計算，找出事故發(fā)生的主要影響因素，為制定相應(yīng)的安全措施提供指導(dǎo)[3]。該系統(tǒng)的事故樹分析示意圖如圖2所示，圖中列舉了氣體工廠事故的常見原因。

圖2 事故樹分析示意圖

事故的結(jié)構(gòu)函數(shù)如下：

A=B*C*D=（B1+B2）*C*（D1+D2+D3+D4+D5）" " " " " "（1）

由式（1）得出該事故樹的最小割集如下：

{B1， C， D1}， {B1， C， D2}， {B1， C， D3}， {B1， C， D4}" " " " " （2）

{B2， C， D1}， {B2， C， D2}， {B2， C， D3}， {B2， C， D4}

將事故樹轉(zhuǎn)為成功樹，其最小割集為：

K1={B1， C， D1， D2， D3， D4， D5}" " " " " " " " " （3）

K2={B2， C， D1， D2， D3， D4， D5}

由于點(diǎn)火源的成因復(fù)雜、助燃劑的成分復(fù)雜且難以檢測，故消除火災(zāi)或燃爆隱患的最優(yōu)方法是在可燃物逸出到達(dá)濃度極限前發(fā)現(xiàn)泄漏點(diǎn)。

1.2.2 系統(tǒng)運(yùn)作流程搭建與分析

根據(jù)設(shè)計方案，系統(tǒng)的工作流程如圖3所示，小車A負(fù)責(zé)一級巡檢和數(shù)據(jù)反饋，小車B負(fù)責(zé)二級巡檢和泄漏源定位，上位機(jī)負(fù)責(zé)路徑規(guī)劃和數(shù)據(jù)傳輸。其中，小車A、B上搭載標(biāo)簽，用于反饋車輛位置以及路徑信息。

（1）系統(tǒng)準(zhǔn)備階段

系統(tǒng)準(zhǔn)備階段的流程搭建如圖4所示，具體步驟如下：

（a）搭建上位機(jī)，部署基站，構(gòu)建工廠內(nèi)的空間坐標(biāo)系。

（b）設(shè)立小車A、小車B標(biāo)簽。

（c）調(diào)用小車A，沿道路中線行駛，遍歷所有需要檢測的路徑，建立基礎(chǔ)地圖。

（d）根據(jù)各路段的路寬、路面情況等環(huán)境因素設(shè)立各路段交通阻抗系數(shù)，再利用各點(diǎn)之間的距離加權(quán)計算路阻函數(shù)（以行駛時間表示），并以此數(shù)據(jù)計算遍歷最短路徑。

（e）將小車A遍歷點(diǎn)的環(huán)境信息反饋到已經(jīng)構(gòu)建的工廠空間坐標(biāo)系中，得到工廠的各路段路阻系數(shù)并生成地圖數(shù)據(jù)。

（f）將地圖數(shù)據(jù)儲存到上位機(jī)，作為測量標(biāo)注泄漏點(diǎn)的基礎(chǔ)數(shù)據(jù)，構(gòu)建路網(wǎng)并規(guī)劃A車的巡檢路徑。

做好前期流程搭建、路徑計算及基礎(chǔ)數(shù)據(jù)采集后，再根據(jù)氣體數(shù)據(jù)是否正常進(jìn)行不同流程的處理。

（2）氣體數(shù)據(jù)正常時的系統(tǒng)工作步驟

（a）小車A依據(jù)上位機(jī)的巡檢路徑對空間內(nèi)氣體體積分?jǐn)?shù)數(shù)據(jù)進(jìn)行巡檢評估。

（b）小車A測得所有點(diǎn)位數(shù)據(jù)均在正常范圍內(nèi)，反饋巡檢數(shù)據(jù)到上位機(jī)的設(shè)備運(yùn)行日志中。

（3）氣體數(shù)據(jù)異常時的系統(tǒng)工作步驟

（a）小車A依據(jù)上位機(jī)的巡檢路徑對空間內(nèi)的氣體體積分?jǐn)?shù)數(shù)據(jù)進(jìn)行持續(xù)檢測。

（b）小車A測得氣體體積分?jǐn)?shù)數(shù)據(jù)異常時，記錄氣體體積分?jǐn)?shù)的點(diǎn)位以及后期所有疑似泄漏點(diǎn)的位置信息，實(shí)時反饋所有點(diǎn)位的數(shù)據(jù)到上位機(jī)。

（c）上位機(jī)對反饋的巡檢結(jié)果進(jìn)行處理，找出疑似泄漏點(diǎn)，根據(jù)疑似泄漏點(diǎn)的位置規(guī)劃出小車B的路徑。

（d）小車B根據(jù)上位機(jī)提供的最短路徑，快速前往疑似泄漏點(diǎn)，排查該點(diǎn)是否存在泄漏。

（e）如果發(fā)生泄漏，則反饋泄漏點(diǎn)位置信息到上位機(jī)的監(jiān)測警報裝置，發(fā)出警報；如果未發(fā)生泄漏，則小車B繼續(xù)根據(jù)上位機(jī)提供的最短路徑前往下一疑似泄漏點(diǎn)排查，同時反饋該疑似泄漏點(diǎn)的坐標(biāo)值至上位機(jī)的設(shè)備運(yùn)行日志中。

2 技術(shù)創(chuàng)新與方法改進(jìn)

2.1 系統(tǒng)通信

本系統(tǒng)主要通過藍(lán)牙模塊和DW1000模塊進(jìn)行通信，在三維空間坐標(biāo)中采用基站0、1、2、3共4個基站進(jìn)行定位。小車A和小車B對應(yīng)配備標(biāo)簽A和標(biāo)簽B，用于通信反饋。其中，通過基站1、2、3收集到的數(shù)據(jù)用于三維空間坐標(biāo)系的搭建；基站0通過DW1000模塊接收標(biāo)簽A和標(biāo)簽B返回的三維空間坐標(biāo)（x， y， z），并通過串行端口USART1將小車A的坐標(biāo)值反饋給上位機(jī)。上位機(jī)規(guī)劃路徑后，將小車B

的最短路徑和疑似泄漏點(diǎn)反饋給基站0，再由基站0通過USART3連接的藍(lán)牙模塊發(fā)送給小車B。UWB的通信原理圖如圖5所示。

在小車A巡檢過程中，標(biāo)簽A經(jīng)過超寬帶TDOA算法[4]，將得出的小車A的三維空間坐標(biāo)點(diǎn)（x1， y1， z1）通過DW1000模塊發(fā)送給基站0，同時通過USART1發(fā)送給小車A。若氣體體積分?jǐn)?shù)超過預(yù)先設(shè)定好的標(biāo)準(zhǔn)值，小車A將接收到的坐標(biāo)點(diǎn)（x1， y1， z1）與氣體體積分?jǐn)?shù)數(shù)據(jù)通過USART3連接的藍(lán)牙模塊反饋給基站0，由基站0將數(shù)據(jù)反饋給上位機(jī)，進(jìn)行小車B的路徑規(guī)劃。

在整個運(yùn)行周期內(nèi)，標(biāo)簽B經(jīng)過超寬帶TDOA算法，將得出的小車B的三維空間坐標(biāo)（x2， y2， z2），通過DW1000模塊發(fā)送給基站0，并同時由串行端口USART1發(fā)送給小車B。小車B通過USART3連接的藍(lán)牙模塊[5]，接收由基站0發(fā)送的路徑和疑似泄漏點(diǎn)坐標(biāo)；接著根據(jù)接收到的路徑，對疑似泄漏點(diǎn)逐個進(jìn)行泄漏源檢測。若小車B通過數(shù)據(jù)對比判斷出氣體發(fā)生泄漏，則進(jìn)行泄漏源定位。當(dāng)小車B定位到泄漏源的位置時，將進(jìn)行坐標(biāo)計算并通過藍(lán)牙模塊反饋給基站0，由其發(fā)送給上位機(jī)。其中，在小車B的整個運(yùn)行過程中，標(biāo)簽B會實(shí)時將坐標(biāo)值通過基站0發(fā)送給上位機(jī)。

系統(tǒng)巡檢的過程中，小車A和小車B使用串口進(jìn)行通信，并通過延時消抖來解決系統(tǒng)誤差過大的問題。其中藍(lán)牙使用一主多從的模式，上位機(jī)的藍(lán)牙模塊為主機(jī)，小車A和小車B為從機(jī)。整個周期巡檢的過程中，上位機(jī)對獲取到的小車A的坐標(biāo)值和氣體體積分?jǐn)?shù)進(jìn)行數(shù)據(jù)處理，同時進(jìn)行路徑規(guī)劃，再將規(guī)劃完成的路徑以及疑似泄漏點(diǎn)的坐標(biāo)發(fā)送給小車B，由小車B進(jìn)行二級巡檢和泄漏源定位。此方案極大地縮短了小車A和小車B的運(yùn)算時間，提高了小車的響應(yīng)能力，同時避免了通信延遲所導(dǎo)致的決策延遲，提高了數(shù)據(jù)傳輸?shù)男屎蜏?zhǔn)確性，同時降低了功耗。

2.2 小車定位精度的提高

本系統(tǒng)通過TOF測距模塊與UWB模塊的融合來提高小車的定位精度[6]。其中TDOA算法的原理是通過多基站接收同一個標(biāo)簽信號，并計算信號到達(dá)基站的時間差，結(jié)合連接上位機(jī)的通信基站0，在已知基站坐標(biāo)的情況下算出距離差，最后再通過三角定位原理，將距離差和時間差通過三維多邊測量定位，得出小車的三維空間坐標(biāo)點(diǎn)（x， y， z）。在本系統(tǒng)中，基站通過DW1000模塊獲取車輛標(biāo)簽定位，運(yùn)用TDOA算法獲取自身與基站間的距離，并通過坐標(biāo)運(yùn)算來計算出精確的位置信息，具體做法為：首先進(jìn)行UWB定位系統(tǒng)框架的搭建[7]，其中包括UWB的基站和標(biāo)簽，基站的位置是已知的，標(biāo)簽則是需要定位的目標(biāo)；接著在小車中添加TOF測距模塊，用于測量UWB信號的傳播時間，從而計算標(biāo)簽到基站的距離；然后根據(jù)TOF測距模塊測量的距離信息，結(jié)合UWB的多點(diǎn)定位算法，通過三角測量、TDOA算法實(shí)現(xiàn)三維空間定位；最后將TOF測距模塊測量的距離信息與UWB系統(tǒng)的信息結(jié)合起來，通過循環(huán)迭代的算法，提高定位的精度。

循環(huán)迭代算法分為預(yù)測步驟和更新步驟。在預(yù)測步驟中，根據(jù)系統(tǒng)動態(tài)模型，使用先前的狀態(tài)估計來預(yù)測下一時刻的狀態(tài)估計，主要包括以下計算。

狀態(tài)預(yù)測：

_=F· （4）

式中： _為預(yù)測的狀態(tài)估計；F為狀態(tài)轉(zhuǎn)移矩陣。

協(xié)方差矩陣預(yù)測：

P_=F·P·FT+Q " " " " " " " （5）

式中：P_為預(yù)測的狀態(tài)協(xié)方差矩陣；Q為過程噪聲的協(xié)方差矩陣。

在更新步驟中，根據(jù)測量值和測量模型，使用預(yù)測的狀態(tài)估計來更新系統(tǒng)狀態(tài)的估計，這包括以下計算。

卡爾曼增益[8]計算：

K=P_·HT·（H·P_·HT·R）-1" （6）

式中：K為卡爾曼增益；H為測量模型矩陣；R為測量噪聲的協(xié)方差矩陣。

殘差計算：

y=z-H· _" （7）

式中：y為殘差；z為測量值。

狀態(tài)更新：

= _+ K ·y （8）

狀態(tài)預(yù)測：

P=（I-K·H）·P_ " " " " " " " （9）

式中：I為單位矩陣。

重復(fù)執(zhí)行預(yù)測步驟和更新步驟，以不斷更新系統(tǒng)狀態(tài)的估計。在每個時間步驟中，根據(jù)新的測量值和系統(tǒng)模型來迭代更新狀態(tài)估計。在循環(huán)迭代算法運(yùn)算過程中應(yīng)確保UWB系統(tǒng)中各個基站和標(biāo)簽的時鐘是同步的，以減小時間測量誤差。

在此方案中加入TOF測距模塊進(jìn)行實(shí)時測量，提高了UWB定位的速度和精度，使得其可在復(fù)雜的環(huán)境中得到可靠的定位結(jié)果。

2.3 泄漏源的定位

本系統(tǒng)通過OpenMV熱成像模塊[9]和泄漏源定位公式進(jìn)行泄漏源的定位，當(dāng)小車B根據(jù)規(guī)劃好的路徑到達(dá)指定疑似泄漏點(diǎn)時，緩慢移動承載著OpenMV的舵機(jī)云臺進(jìn)行檢測，OpenMV熱成像模塊MLX90640檢測到泄漏源時STM32記錄舵機(jī)的脈沖數(shù)[10]并利用以下公式進(jìn)行計算：

θ =舵機(jī)記錄的脈沖數(shù)量× " "（10）

由式（10）可得出此時OpenMV轉(zhuǎn)動的角度，同時將OpenMV通過多次測距所計算出的平均值反饋給STM32芯片，并通過上位機(jī)搭建的空間坐標(biāo)系進(jìn)行數(shù)據(jù)的標(biāo)記[11]。

如圖6所示，坐標(biāo)系為上位機(jī)自主搭建，其中O點(diǎn)為搭建的坐標(biāo)系原點(diǎn)，A點(diǎn)為小車坐標(biāo)，B點(diǎn)為泄漏源二維平面坐標(biāo)，AC方向?yàn)檐囶^朝向，AB為小車A與泄漏源在二維平面上的直線距離。

" " " " " " " " （11）

式中：A（x1， y1）為小車坐標(biāo)；B（x2， y2）為泄漏源二維平面坐標(biāo)。

由式（11）可得B點(diǎn)的坐標(biāo)為（x2， y1k（x1-x2））。接著可得泄漏源二維平面的計算公式為：

" （12）

式中：M=x1（x1+2ky1-k2x1）-AB2，x1、x2分別大于0且 x2 1 + y2 1 gt;

AB2。

由式（12）可得出二維平面上泄漏源的坐標(biāo)B（x2， y2）。設(shè)小車攝像頭與具體泄漏源位置坐標(biāo)的垂直距離為BE，即泄漏源三維空間上的具體泄漏位置坐標(biāo)點(diǎn)為E（x2， y2， BE），則小車攝像頭與具體泄漏源位置坐標(biāo)的直線距離為AE。參考角度計算公式（10）可以得出AB與AE的夾角γ的具體值，且小車A與泄漏源在二維平面上的直線距離AB已知，根據(jù)式（13）可得出BE的值，從而得到三維空間坐標(biāo)（x2， y2， BE），最后將泄漏點(diǎn)反饋給上位機(jī)，并由上位機(jī)發(fā)出警報。

tanγ= " " " " " " " " " " （13）

3 數(shù)據(jù)采集訓(xùn)練及泄漏源定位驗(yàn)證

為了進(jìn)一步驗(yàn)證本文所提出的方法的實(shí)際效果，進(jìn)行了模擬實(shí)驗(yàn)分析。通過大規(guī)模的管道采樣并進(jìn)行訓(xùn)練，使系統(tǒng)具備識別管道的能力。將收集到的管道圖片放入Edgeimpulse中進(jìn)行標(biāo)注，在標(biāo)注完成后通過設(shè)定卷積神經(jīng)網(wǎng)絡(luò)模型進(jìn)行多周期的模型訓(xùn)練，如圖7所示。通過訓(xùn)練，目前管道識別率已達(dá)到98.9%，系統(tǒng)能快速精準(zhǔn)地識別出管道，經(jīng)過訓(xùn)練后的管道識別圖如圖8所示。

由于本文系統(tǒng)主要針對易燃易爆和有毒氣體，而該類氣體在實(shí)際操作中會給模擬實(shí)驗(yàn)帶來不便。為了確保模擬實(shí)驗(yàn)正常進(jìn)行，利用一條放置于室外并且存在泄漏點(diǎn)的鐵質(zhì)管道，進(jìn)行氣體泄漏模擬實(shí)驗(yàn)。在此模擬實(shí)驗(yàn)中，如圖6所示，空間原點(diǎn)坐標(biāo)為O（0， 0），小車空間坐標(biāo)為A（2， 1），小車與泄漏源的距離AB=2，θ=45°，γ=60°。根據(jù)式（12）可以得出泄漏源坐標(biāo)B（3， 2， 2" ）。圖9為泄漏源定位圖，可見目前本系統(tǒng)已具備泄漏源定位的能力。小車在一個周期內(nèi)檢測出了所有疑似泄漏點(diǎn)，并在檢測完畢后將泄漏點(diǎn)狀態(tài)反饋到上位機(jī)，上位機(jī)發(fā)出警報，隨后進(jìn)入下一周期的泄漏點(diǎn)檢測。

經(jīng)過上述模擬實(shí)驗(yàn)，證實(shí)了基于多傳感器融合的泄漏源巡檢定位系統(tǒng)對管道識別的可行性及泄漏源定位的準(zhǔn)確性。

4 結(jié) 語

本文針對現(xiàn)有氣體泄漏檢測儀無法自主移動、依賴人工導(dǎo)致檢測效率低下等問題，通過采用基于STM32的雙車聯(lián)動周期巡檢方案以及基于多傳感器融合的泄漏源定位技術(shù)來彌補(bǔ)現(xiàn)有氣體泄漏檢測儀的缺陷。周期巡檢能確保檢測系統(tǒng)的穩(wěn)定性且后期能通過長期趨勢分析來預(yù)測泄漏位置。除此之外，系統(tǒng)具有的泄漏源定位功能也能提高工作人員的處理速度，減少人員傷亡、環(huán)境污染和經(jīng)濟(jì)損失，通過多傳感器的融合技術(shù)提高了定位精度，從而減少了事故的發(fā)生率。同時，本文提出的系統(tǒng)成本相對于傳統(tǒng)氣體泄漏檢測儀也較有優(yōu)勢，國內(nèi)目前缺乏對巡檢檢測小車的系統(tǒng)性研發(fā)，故具備較大的應(yīng)用價值，該研發(fā)將會成為國外進(jìn)口的高成本產(chǎn)品的高性價比替代品。

注：本文通訊作者為張敏。

參考文獻(xiàn)

[1] 佚名.約旦一港口發(fā)生有毒氣體泄漏已致14人死亡265人受傷[J].化工安全與環(huán)境，2022，35（26）：24.

[2] 蔡書鑒，張敏，陳志聰，等.基于STM32單片機(jī)的水泊清潔機(jī)器人設(shè)計[J].自動化與儀表，2022，37（8）：54-57.

[3] 胡乃飛.基于最小割集的L-CNG站安全生產(chǎn)過程火災(zāi)和爆炸分析[J].中國品牌與防偽，2023（7）：62-65.

[4] 蘇素燕，陳金旺，王林芳，等.室內(nèi)外定位技術(shù)綜述[J].智能計算機(jī)與應(yīng)用，2023，13（10）：179-183.

[5] 叢一凡，王成龍，胡旭，等.基于STM32單片機(jī)的健康手環(huán)[J].物聯(lián)網(wǎng)技術(shù)，2021，11（6）：106-108.

[6] 王飛.基于UWB TOF測距的礦井精確定位方法研究[J].自動化儀表，2022，43（8）：62-66.

[7] 吳堯帥.基于UWB的室內(nèi)三維跟蹤系統(tǒng)設(shè)計[J].單片機(jī)與嵌入式系統(tǒng)應(yīng)用，2023，23（11）：71-74.

[8] 李凱俊，趙晨，趙春暉.基于自適應(yīng)擴(kuò)展卡爾曼濾波器的UWB-PDOA算法[J].黑龍江大學(xué)工程學(xué)報（中英俄文），2023，14（2）：33-39.

[9] 張紫東，馬春燕，陳燕，等.基于人臉跟蹤云臺的紅外熱成像系統(tǒng)[J].電子器件，2022，45（3）：665-671.

[10]林千琪，汪筠博，戰(zhàn)秋成，等.四自由度機(jī)械臂運(yùn)動學(xué)算法與舵機(jī)減速設(shè)計[J].機(jī)械工程師，2023（11）：64-66.

[11]孫長城，鄧玲，牛牧原，等.基于STM32的智能空調(diào)送風(fēng)裝置設(shè)計[J].物聯(lián)網(wǎng)技術(shù)，2022，12（10）：92-95.