某隧道智能在线检测系统数据分析

  本文为正式论文的缩减版，旨在介绍一套智能通风控制系统的数据处理分析结果，以及针对此结果的风量调整规律的改进建议。

本次在线检测系统通过多个传感器，实时监测隧道内环境情况，并反馈实时曲线和数据，由光纤传输至PLC，通过LabVIEW进行平台的监控以及数据的记录与存储。所有获得的数据通过python进行数据清洗梳理，并进行了可视化。通过后续的数据分析，对实际隧道的风机转速，变频器频率控制做出合理的建议，从而在非必要时候降低风机转速达到节约能源，减少开关设备频率延长设备使用寿命。

我们采用python将三天的实数数据进行了整理，将海量的环境数据通过整合算法，每分钟取平均值大概筛选成2600个数据，并对数据进行了拟合。我们可以通过风机的开通与关断状态，判断隧道施工爆破的时点，也可从隧道内相关气体的浓度变化，每个爆破周期各气体浓度的变化情况。

由获得的数据，我们拟合了以下气体变化过程的函数：

H2S的拟合函数是：y = 0.0000001x^2 - 0.0007x + 0.947

粉尘浓度的拟合函数是y = 0.0000004x^2 - 0.0009x + 5.7136

以下为几个比较明显的数据，大致呈现如图：

通过拟合后的曲线可以很明显的看出，在每次爆破之后前半个小时，无论是隧道内的粉尘浓度还是各种气体，都能很快速地下降，并排出隧道。但是过了半小时之后，无论风机是否开到最大，气体浓度的下降速度都不会有很大的变化。

综上分析，在保证通风量的前提下，建议通过两种方法：模糊控制，通过将实时存储和读取的隧道内的气体浓度变化，每隔30s进行，求和取平均值，在气体或者粉尘浓度降低10%左右就降低2Hz频率。或者一个关于气体闭环PID的控制方法，来自动化控制风机频率。添加模糊控制之后数据的拟合函数：

H2S的拟合函数是：y = 0.0000001x^2 - 0.0003x + 0.2985

粉尘浓度的拟合函数是y = 0.0000006x^2 - 0.0144x + 26.389

实验结果如图所示：