CN117744934B - 用于净气型储药柜的自动化管理与安全预警方法及系统 - Google Patents

Abstract

本发明提供了一种用于净气型储药柜的自动化管理与安全预警方法及系统，涉及通风净气管理技术领域，该方法包括：对净气型储药柜内的空间划分为P个栅格区域；获得P个浓度集合，以及P个净化效率，并计算获得所述净气型储药柜内的总加权浓度；获得P个异常值和综合异常值；获得预警信息；在所述预警信息内包括进行预警时，构建约束条件；根据所述目标函数和约束条件，获得最优通风净气参数组合，对所述净气型储药柜进行管理，解决了现有技术中存在预警结果不准确，且通风净化管理效果不佳的技术问题，实现对净气型储药柜的自动化管理，达到及时对预警信息进行处理，提升预警管理的精度和准确度的技术效果。

Description

用于净气型储药柜的自动化管理与安全预警方法及系统

技术领域

本发明涉及通风净气管理技术领域，具体涉及一种用于净气型储药柜的自动化管理与安全预警方法及系统。

背景技术

净气型储药柜用于专门存储实验室试剂(生物样本、耗材、化学品、标准品等)并进行智能化存储管理，一些实验室试剂在存储过程中，可能会发生挥发，或者与空气发生反应，生成有害气体，净气型储药柜一般设有通风系统和净化系统，便于对内部空气进行及时净化，保证实验室环境安全。

目前，现有技术中大多通过直接对储药柜内部整体进行空气质量分析，进行空气净化，但空气质量分析不精准，导致空气质量异常分析精度和准确度不足，进而导致存在预警结果不准确，且通风净化管理效果不佳的技术问题。

发明内容

本发明提供了一种用于净气型储药柜的自动化管理与安全预警方法及系统，用以解决现有技术中大多通过直接对储药柜内部整体进行空气质量分析，导致空气质量异常分析精度和准确度不足，进而导致存在预警结果不准确，且通风净化管理效果不佳的技术问题。

根据本发明的第一方面，提供了一种用于净气型储药柜的自动化管理与安全预警方法，包括：按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，所述P个栅格区域内设置有P个通风装置、P个净气装置和P个检测装置，P为大于1的整数；通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，Q为大于1的整数；将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，所述约束条件包括在所述预警信息内预警时长内对所述净气型储药柜内进行净化，使得净化后的总异常值对应的预警信息为不进行预警；根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理。

根据本发明的第二方面，提供了一种用于净气型储药柜的自动化管理与安全预警系统，包括：空间划分模块，所述空间划分模块用于按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，所述P个栅格区域内设置有P个通风装置、P个净气装置和P个检测装置，P为大于1的整数；总加权浓度计算模块，所述总加权浓度计算模块用于通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，Q为大于1的整数；异常分析模块，所述异常分析模块用于将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；预警分析模块，所述预警分析模块用于根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；预警处理模块，所述预警处理模块用于在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，所述约束条件包括在所述预警信息内预警时长内对所述净气型储药柜内进行净化，使得净化后的总异常值对应的预警信息为不进行预警；通风净气参数寻优模块，所述通风净气参数寻优模块用于根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理。

根据本发明采用的一种用于净气型储药柜的自动化管理与安全预警方法，按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理，实现对净气型储药柜的自动化管理，达到及时对预警信息进行处理，提升预警管理的精度和准确度，保证净气型储药柜内部的空气质量符合规定水平的技术效果。

应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其他特征将通过以下的说明书而变得容易理解。

附图说明

为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。

图1为本发明实施例提供的一种用于净气型储药柜的自动化管理与安全预警方法的流程示意图；

图2为本发明实施例中获得预警信息的流程示意图；

图3为本发明实施例中获得最优通风净气参数组合的流程示意图；

图4为本发明实施例提供的一种用于净气型储药柜的自动化管理与安全预警系统的结构示意图。

附图标记说明：空间划分模块11，总加权浓度计算模块12，异常分析模块13，预警分析模块14，预警处理模块15，通风净气参数寻优模块16。

具体实施方式

以下结合附图对本发明的示范性实施例作出说明，其中包括本发明实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本发明的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。

实施例一

图1为本发明实施例提供的一种用于净气型储药柜的自动化管理与安全预警方法图，所述方法包括：

步骤S100：按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，所述P个栅格区域内设置有P个通风装置、P个净气装置和P个检测装置，P为大于1的整数；

具体而言，所述净气型储药柜是一种通风的储药柜，配备通风装置(比如小型风机等)、净气装置(比如活性炭过滤器、高效粒子过滤器、紫外线消毒器等)和检测装置(VOC气体传感器，VOC即为化合物在存放过程中形成的有害气体，比如辛烷、乙烯、环己烷等)，其基本工作原理如下：通风装置运转使得柜内形成负压，空气从进气口进入，有毒气体和粉尘的空气将被净气装置过滤，经过过滤后洁净的空气返回室内，检测装置主要用于检测各种有害气体的浓度，包括多种气体浓度传感器。本发明实施例提供的一种用于净气型储药柜的自动化管理与安全预警方法，用于对净气型储药柜内部的有害气体进行监测管理，实现对净气型储药柜内部空气的净化，保证排放气体符合要求，降低有害气体外泄的风险。

按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，所述P个栅格区域内设置有P个通风装置、P个净气装置和P个检测装置，P为大于1的整数，通俗地讲，净气型储药柜存储有P种试剂，每种试剂的存储位置均不同，且每种试剂的存储位置均会有一个通风装置、一个净气装置和一个检测装置，将一种试剂的存储位置作为一个栅格区域，即可获得P个栅格区域。

步骤S200：通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，Q为大于1的整数；

其中，本发明实施例步骤S200还包括：

步骤S210：通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得所述P个浓度集合；

步骤S220：通过所述P个检测装置，分别检测获取所述P个栅格区域内入风口和出风口所述Q种有害气体的浓度，获得P个入口浓度集合和P个出口浓度集合；

步骤S230：根据所述P个入口浓度集合和P个出口浓度集合，计算所述P个净化效率，如下式：

K为净化效率，w_i第i种有害气体的权重，根据每个浓度集合内Q种有害气体的浓度的大小进行分配，为出口浓度集合中第i种有害气体的出口浓度，c_i ^r为入口浓度集合内第i种有害气体的入口浓度，c_i为浓度集合内第i种有害气体的浓度；

步骤S240：根据所述P个浓度集合，计算所述总加权浓度，如下式：

其中，C_z为总加权浓度，ω_j为第j个栅格区域的权重，根据所述P个栅格区域的区域大小进行分配，为第j个栅格区域的区域总加权浓度，为第j个栅格区域内第i种有害气体的权重，为第j个栅格区域内第i种有害气体的浓度。

具体而言，通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，其中Q为大于1的整数，进一步计算获取所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，具体过程如下：

首先通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得所述P个浓度集合，P个浓度集合分别是P个栅格区域内的有害气体的浓度，表征各个P个栅格区域内部整体有害气体浓度。进而通过所述P个检测装置，分别检测获取所述P个栅格区域内入风口和出风口所述Q种有害气体的浓度，获得P个入口浓度集合和P个出口浓度集合，也就是说，一个检测装置包括多个设置于不同位置的气体传感器，分别在每一个栅格区域的入风口位置、出风口位置和每一个栅格的中心位置各设置一个气体传感器，通过出风口位置设置的气体传感器获取P个出口浓度集合，通过入风口位置设置的气体传感器获取P个入口浓度集合，其次，通过每个栅格区域中心位置设置的气体传感器采集P个栅格区域内部空气中有害气体的浓度。入风口是指经过通风装置的运转，净气型储药柜内的P个栅格区域的内部空气进入净气装置的位置，此处的空气还没有经过净气装置进行净化，有害气体浓度一般较高；出风口是指经过净气装置进行净化的空气流入P个栅格区域的位置，此处的空气经过净化后，有害气体浓度较低。

根据所述P个入口浓度集合和P个出口浓度集合，计算所述P个净化效率，如下式：

K为净化效率；w_i为第i种有害气体的权重，根据每个浓度集合内Q种有害气体的浓度的大小进行分配，浓度越大，该有害气体对应的权重越大，优选地，可分别用每个浓度集合内Q种有害气体的浓度与Q种有害气体的浓度之和的比值作为各种有害气体的权重，不同栅格区域的各种有害气体的权重不同，结合实际情况确定；为出口浓度集合中第i种有害气体的出口浓度，可通过每一个栅格的出风口位置所设置的气体传感器直接检测获取，为入口浓度集合内第i种有害气体的入口浓度，可通过每一个栅格的入风口位置所设置的气体传感器直接检测获取，c_i为浓度集合内第i种有害气体的浓度，可通过每一个栅格中心位置所设置的气体传感器直接检测获取。通过上述公式计算获取P个净化效率，有效提升净化效率的准确度和精度。

进一步根据所述P个浓度集合，计算所述总加权浓度，如下式：

其中，C_z为总加权浓度，其表征净气型储药柜的整体的有害气体浓度水平，可通过对P个栅格区域的区域总加权浓度进行再次加权获取，保证数据分析的准确性；ω_j为第j个栅格区域的权重，根据所述P个栅格区域的区域大小进行分配，区域越大，对应的权重越大，示例性地，可分别用P个栅格区域的空间体积与P个栅格区域的空间体积之和的比值作为P个栅格区域的权重；为第j个栅格区域的区域总加权浓度；为第j个栅格区域内第i种有害气体的权重，可用第j个栅格区域对应的浓度集合内第i种有害气体的浓度与Q种有害气体的浓度之和的比值作为 为第j个栅格区域内第i种有害气体的浓度，可直接根据第j个栅格区域对应的浓度集合进行数据提取。

通过获取P个栅格区域内的P个净化效率和所述净气型储药柜内的总加权浓度，为后续的预警管理提供数据支持。

步骤S300：将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；

其中，本发明实施例步骤S300还包括：

步骤S310：根据所述净气型储药柜历史时间内的存储数据，获取所述Q种有害气体的Q个样本浓度集合，以及样本总加权浓度集合；

步骤S320：获取Q个样本异常值集合和样本综合异常值集合；

步骤S330：分别采用所述Q个样本浓度集合和所述Q个样本异常值集合作为构建数据，构建所述Q个异常分析单元，采用所述样本总加权浓度集合和样本综合异常值集合作为构建数据，构建所述总异常分析单元；

步骤S340：将所述P个浓度集合和所述总加权浓度输入所述Q个异常分析单元和总异常分析单元内，获得P个异常值集合和综合异常值；

步骤S350：根据所述P个浓度集合内Q种有害气体的浓度，对所述P个异常值集合内的Q个异常值进行加权计算，获得所述P个异常值。

其中，本发明实施例步骤S330还包括：

步骤S331：采用总加权浓度作为决策特征数据，根据所述样本总加权浓度集合，构建多层综合决策节点，每层综合决策节点可对输入的总加权浓度进行划分判别；

步骤S332：获取所述多层综合决策节点的多个最终判别结果，采用所述样本综合异常值集合内的多个样本综合异常值，对所述多个最终判别结果进行标记，获得所述总异常分析单元。

具体而言，将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值。

具体地，根据所述净气型储药柜历史时间内(比如过去一个月、半年等)的存储数据，所述存储数据包括各个栅格区域内的各种有害气体的浓度记录数据，且具有时间标识，进一步利用与获取所述P个浓度集合和所述总加权浓度相同的方法，获取所述Q种有害气体的Q个样本浓度集合，以及样本总加权浓度集合。基于现有技术为Q个样本浓度集合和样本总加权浓度集合分别配置Q个样本异常值集合和样本综合异常值集合。分别采用所述Q个样本浓度集合和所述Q个样本异常值集合作为构建数据，构建所述Q个异常分析单元，所述Q个样本浓度集合和所述Q个样本异常值集合具有一一对应关系，Q个异常分析单元是机器学习中的神经网络模型，所述Q个异常分析单元分别用于对Q种有害气体进行异常分析，将所述Q个异常分析单元作为并行节点，将Q个输出结果并行集成到一起作为所述Q个异常分析单元的输出结果。具体来说，采用Q个样本浓度集合和所述Q个样本异常值集合中的第一样本浓度集合和对应的第一样本异常值集合作为第一异常分析单元的构建数据，对第一异常分析单元进行训练、验证，获得符合要求的第一异常分析单元，采用相同的方法构建Q个异常分析单元，为异常值分析提供模型支持，通过对不同的有害气体类型设置不同的异常分析单元，可以提高异常值分析精度和准确度。

采用所述样本总加权浓度集合和样本综合异常值集合作为构建数据，构建所述总异常分析单元，总异常分析单元基于机器学习中的决策树算法构建，输入是总加权浓度，输出是综合异常值，所述样本总加权浓度集合和样本综合异常值集合中的数据具有一一对应关系。

采用所述样本总加权浓度集合和样本综合异常值集合作为构建数据，构建所述总异常分析单元的过程如下：采用总加权浓度作为决策特征数据，根据所述样本总加权浓度集合，构建多层综合决策节点，每层综合决策节点可对输入的总加权浓度进行划分判别，简单来说是，基于决策树算法，根据样本总加权浓度集合，构建多层综合决策节点，具体将样本总加权浓度集合中的数据作为多层综合决策节点内的划分阈值，每层综合决策节点可对下层综合决策节点输入的样本总加权浓度数据进行二分类决策划分，划分为大于节点内划分阈值的一类和不大于的一类，并将划分结果输入至上层综合决策节点，如此，进行多层的划分决策，得到多层综合决策节点，将多层综合决策节点连接起来，获取连接后的多层综合决策节点多个最终判别结果，每个最终判别结果内包括样本总加权浓度的区间，采用样本综合异常值集合中的多个样本综合异常值作为多个决策结果，每一个最终判别结果都有其对应的样本综合异常值，对多个最终判别结果对应的样本综合异常值进行标记，进而获得总异常分析单元，为净气型储药柜的空气净化预警管理提供模型支持。

将所述P个浓度集合和所述总加权浓度输入所述Q个异常分析单元和总异常分析单元内，获得P个异常值集合和综合异常值，每个异常值集合均包括Q种有害气体的异常值，进一步根据所述P个浓度集合内Q种有害气体的浓度，分别对所述P个异常值集合内的Q个异常值进行权重设置后，进行加权计算，获得所述P个异常值，保证异常值的分析准确性，为后续的预警分析管理提供数据支持。

步骤S400：根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；

其中，如图2所示，本发明实施例步骤S400还包括：

步骤S410：根据所述P个栅格区域的大小，对所述P个异常值进行加权计算，并计算获得与所述综合异常值的和，获得所述总异常值；

步骤S420：根据所述Q个样本异常值集合和样本综合异常值集合，计算获得样本总异常值集合；

步骤S430：根据所述净气型储药柜历史时间内的存储数据，获取样本预警信息集合，每个样本预警信息内包括是否进行预警以及预警时长的信息，预警时长的大小与总异常值的大小正相关；

步骤S440：采用所述样本总异常值集合和样本预警信息集合作为构建数据，构建所述预警分析单元，结合所述Q个异常分析单元和总异常分析单元，获得所述预警分析模型；

步骤S450：将所述总异常值输入所述预警分析单元，获得所述预警信息。

具体而言，根据所述P个异常值和综合异常值，计算获得总异常值，总异常值表征净气型储药柜内部所有区域的整体有害气体含量异常水平，将总异常值并输入所述预警分析模型内的预警分析单元内，输出预警信息，所述预警信息内包括是否进行预警以及预警时长的信息。

根据所述P个栅格区域的大小，对所述P个异常值进行权重设置，栅格区域越大，对应的权重值越大，进而根据设置的权重值对所述P个异常值进行加权计算，得到加权计算结果，并计算加权计算结果与所述综合异常值的和，以此作为所述总异常值。采用同样的计算方法，根据所述Q个样本异常值集合和样本综合异常值集合，计算获得样本总异常值集合。

进一步根据所述净气型储药柜历史时间内的存储数据，获取样本预警信息集合，样本预警信息集合包括多个样本预警信息，每个样本预警信息内包括是否进行预警以及预警时长的信息，预警时长的大小与总异常值的大小正相关，也就是说，样本预警信息由本领域技术人员自行设置，总异常值越大，对应的预警时长越长，反之，异常值较小的情况下，不需要进行预警，样本总异常值集合和样本预警信息集合中的数据具有一一对应关系。所述预警分析单元是机器学习中的神经网络模型，采用所述样本总异常值集合和样本预警信息集合作为构建数据，将所述预警分析单元训练至收敛状态，并进行准确率测试。所述Q个异常分析单元、总异常分析单元和所述预警分析单元共同组成所述预警分析模型。将所述总异常值输入所述预警分析单元，获得所述预警信息，实现对净气型储药柜内有害气体含量的监测预警，保证净气型储药柜内部空气质量。

步骤S500：在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，所述约束条件包括在所述预警信息内预警时长内对所述净气型储药柜内进行净化，使得净化后的总异常值对应的预警信息为不进行预警；

其中，本发明实施例步骤S500还包括：

步骤S510：基于所述P个净化效率，构建目标函数，如下式：

其中，L为适应度，K_j为第j个区域的净化效率；

步骤S520：根据所述预警信息，将在所述预警信息内的预警时长内，将所述净气型储药柜内净化至更新计算的总异常值输入所述预警分析单元内获得的预警信息为不进行预警，作为所述约束条件。

具体而言，在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，所述约束条件包括在所述预警信息内预警时长内对所述净气型储药柜内进行净化，使得净化后的总异常值对应的预警信息为不进行预警，简单来说，就是在所述净气型储药柜内的空气中有害气体含量较高，发出预警信息时，需要采取措施对所述净气型储药柜内的空气进行净化处理，比如调整净化装置、通风装置的工作功率，从而降低所述净气型储药柜内空气中的有害气体含量，并在采取措施进行净化处理后，采用上述方法再次进行预警分析，保证更新后的预警信息中包括不进行预警，此时有害气体含量处于规定水平。

具体地，基于所述P个净化效率，构建目标函数，如下式：

其中，L为适应度，K_j为第j个栅格区域的净化效率，ω_j为第j个栅格区域的权重，适应度越大，说明净化效果越好。

根据所述预警信息，将在所述预警信息内的预警时长内，将所述净气型储药柜内净化至更新计算的总异常值输入所述预警分析单元内获得的预警信息为不进行预警，作为所述约束条件，通俗地讲，约束条件就是对净化装置、通风装置的工作功率的调整参数进行限制，保证调整后，空气中的有害气体含量下降到规定水平，使得预警信息变为不进行预警，可结合历史经验，获取调整净化装置、通风装置的工作功率时的调整参数范围作为约束条件。为后续的净气型储药柜净化管理提供技术支持。

步骤S600：根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理。

其中，如图3所示，本发明实施例步骤S600还包括：

步骤S610：对所述P个通风装置和P个净气装置的通风参数和净气参数进行随机设置，获得满足所述约束条件的M个初始解，每个初始解内包括初始通风净气参数组合，M为大于1的整数；

步骤S620：根据所述目标函数，计算获得M个初始解的M个初始适应度；

步骤S630：根据所述M个初始解，在每个初始通风净气参数集合内的通风参数和净气参数的邻近参数范围内，随机衍生获得M个衍生解集合，其中，每个衍生解集合内衍生解的数量与初始解的适应度正相关；

步骤S640：根据所述目标函数，计算获得M个衍生解集合的M个衍生适应度集合；

步骤S650：继续进行预设寻优次数的衍生寻优，将寻优过程中适应度最大的解输出，获得所述最优通风净气参数组合。

具体而言，根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理，通风参数是指用于控制通风装置的工作效果的参数，比如风机转速，净气参数是指用于控制净化装置的参数，比如紫外线消毒器的照射强度、活性炭过滤器的过滤速度等参数。

具体地，对所述P个通风装置和P个净气装置的通风参数和净气参数进行随机设置，获得满足所述约束条件，即可以使得预警信息中的进行预警转变为不进行预警，即停止预警的M个初始解，每个初始解内包括初始通风净气参数组合，初始通风净气参数组合包括通风参数和净气参数，M为大于1的整数。

进一步根据所述目标函数，计算获得M个初始解的M个初始适应度，具体来说，可根据历史时间内按照初始通风净气参数组合进行净化的数据，获取经过初始通风净气参数组合进行空气净化后的净化效率，将其带入目标函数，获得对应的初始适应度；也可以在当前进行净化试验，进行净化试验时，可通过数字孪生技术构建一个与净气型储药柜完全相同的虚拟的数字孪生模型，基于数字孪生模型对初始通风净气参数组合进行净化试验，计算获得对应的净化效率，代入目标函数进行计算对应的初始适应度，基于数字孪生模型进行净化效果仿真，是本领域人员的常用技术手段，在此不进行展开。基于此，计算获得M个初始解的M个初始适应度。

根据所述M个初始解，在每个初始通风净气参数集合内的通风参数和净气参数的邻近参数范围内，随机衍生获得M个衍生解集合，邻近参数范围可结合实际情况自行设置，比如风机的通风参数为200转/分钟，邻近参数范围可设置为190-210转/分钟，随机获取处于190-210转/分钟的多个通风参数，同样的方法，获取每个初始通风净气参数集合对应的多个衍生解，每个衍生解均包含一个通风参数和一个净化参数，一个初始解对应一个衍生解集合，由此获得M个衍生解集合，每个衍生解集合内衍生解的数量与初始解的适应度正相关，也就是说，初始解的适应度越大，在对其进行衍生解扩充时，获取的衍生解的数量越多，反之，适应度较小，扩充的衍生解数量较少，提高优质解的数量，便于进行参数寻优时，寻优空间中优质解的数量较多，提高寻优精度和准确度。

进一步根据所述目标函数，计算获得M个衍生解集合的M个衍生适应度集合，重复上述步骤，根据M个衍生适应度集合再次进行衍生解扩充，直到达到预设寻优次数，停止衍生解扩充，将寻优过程中适应度最大的解输出，作为所述最优通风净气参数组合，预设寻优次数由本领域技术人员自行设定，由此实现对净气型储药柜的自动化管理，及时对预警信息进行处理，保证净气型储药柜内部的空气质量符合规定水平。

根据本发明采用的一种用于净气型储药柜的自动化管理与安全预警方法，按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理，实现对净气型储药柜的自动化管理，达到及时对预警信息进行处理，提升预警管理的精度和准确度，保证净气型储药柜内部的空气质量符合规定水平的技术效果。

实施例二

基于与前述实施例中一种用于净气型储药柜的自动化管理与安全预警方法同样的发明构思，如图4所示，本发明还提供了一种用于净气型储药柜的自动化管理与安全预警系统，所述系统包括：

空间划分模块11，所述空间划分模块11用于按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，所述P个栅格区域内设置有P个通风装置、P个净气装置和P个检测装置，P为大于1的整数；

总加权浓度计算模块12，所述总加权浓度计算模块12用于通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，Q为大于1的整数；

异常分析模块13，所述异常分析模块13用于将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；

预警分析模块14，所述预警分析模块14用于根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；

预警处理模块15，所述预警处理模块15用于在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，所述约束条件包括在所述预警信息内预警时长内对所述净气型储药柜内进行净化，使得净化后的总异常值对应的预警信息为不进行预警；

通风净气参数寻优模块16，所述通风净气参数寻优模块16用于根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理。

进一步而言，所述总加权浓度计算模块12还用于：

通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得所述P个浓度集合；

通过所述P个检测装置，分别检测获取所述P个栅格区域内入风口和出风口所述Q种有害气体的浓度，获得P个入口浓度集合和P个出口浓度集合；

根据所述P个入口浓度集合和P个出口浓度集合，计算所述P个净化效率，如下式：

K为净化效率，w_i第i种有害气体的权重，根据每个浓度集合内Q种有害气体的浓度的大小进行分配，为出口浓度集合中第i种有害气体的出口浓度，为入口浓度集合内第i种有害气体的入口浓度，c_i为浓度集合内第i种有害气体的浓度；

根据所述P个浓度集合，计算所述总加权浓度，如下式：

其中，C_z为总加权浓度，ω_j为第j个栅格区域的权重，根据所述P个栅格区域的区域大小进行分配，为第j个栅格区域的区域总加权浓度，为第j个栅格区域内第i种有害气体的权重，为第j个栅格区域内第i种有害气体的浓度。

进一步而言，所述异常分析模块13还用于：

根据所述净气型储药柜历史时间内的存储数据，获取所述Q种有害气体的Q个样本浓度集合，以及样本总加权浓度集合；

获取Q个样本异常值集合和样本综合异常值集合；

分别采用所述Q个样本浓度集合和所述Q个样本异常值集合作为构建数据，构建所述Q个异常分析单元，采用所述样本总加权浓度集合和样本综合异常值集合作为构建数据，构建所述总异常分析单元；

将所述P个浓度集合和所述总加权浓度输入所述Q个异常分析单元和总异常分析单元内，获得P个异常值集合和综合异常值；

根据所述P个浓度集合内Q种有害气体的浓度，对所述P个异常值集合内的Q个异常值进行加权计算，获得所述P个异常值。

进一步而言，所述异常分析模块13还用于：采用总加权浓度作为决策特征数据，根据所述样本总加权浓度集合，构建多层综合决策节点，每层综合决策节点可对输入的总加权浓度进行划分判别；

获取所述多层综合决策节点的多个最终判别结果，采用所述样本综合异常值集合内的多个样本综合异常值，对所述多个最终判别结果进行标记，获得所述总异常分析单元。

进一步而言，所述预警分析模块14还用于：

根据所述P个栅格区域的大小，对所述P个异常值进行加权计算，并计算获得与所述综合异常值的和，获得所述总异常值；

根据所述Q个样本异常值集合和样本综合异常值集合，计算获得样本总异常值集合；

根据所述净气型储药柜历史时间内的存储数据，获取样本预警信息集合，每个样本预警信息内包括是否进行预警以及预警时长的信息，预警时长的大小与总异常值的大小正相关；

采用所述样本总异常值集合和样本预警信息集合作为构建数据，构建所述预警分析单元，结合所述Q个异常分析单元和总异常分析单元，获得所述预警分析模型；

将所述总异常值输入所述预警分析单元，获得所述预警信息。

进一步而言，所述预警处理模块15还用于：

基于所述P个净化效率，构建目标函数，如下式：

其中，L为适应度，K_j为第j个区域的净化效率；

根据所述预警信息，将在所述预警信息内的预警时长内，将所述净气型储药柜内净化至更新计算的总异常值输入所述预警分析单元内获得的预警信息为不进行预警，作为所述约束条件。

进一步而言，所述通风净气参数寻优模块16还用于：

对所述P个通风装置和P个净气装置的通风参数和净气参数进行随机设置，获得满足所述约束条件的M个初始解，每个初始解内包括初始通风净气参数组合，M为大于1的整数；

根据所述目标函数，计算获得M个初始解的M个初始适应度；

根据所述M个初始解，在每个初始通风净气参数集合内的通风参数和净气参数的邻近参数范围内，随机衍生获得M个衍生解集合，其中，每个衍生解集合内衍生解的数量与初始解的适应度正相关；

根据所述目标函数，计算获得M个衍生解集合的M个衍生适应度集合；

继续进行预设寻优次数的衍生寻优，将寻优过程中适应度最大的解输出，获得所述最优通风净气参数组合。

前述实施例一中的一种用于净气型储药柜的自动化管理与安全预警方法具体实例同样适用于本实施例的一种用于净气型储药柜的自动化管理与安全预警系统，通过前述对一种用于净气型储药柜的自动化管理与安全预警方法的详细描述，本领域技术人员可以清楚地知道本实施例中一种用于净气型储药柜的自动化管理与安全预警系统，所以为了说明书的简洁，在此不再详述。

应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行，也可以顺序地执行，也可以不同的次序执行，只要能够实现本发明公开的技术方案所期望的结果，本文在此不进行限制。

上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所做的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (5)

1.一种用于净气型储药柜的自动化管理与安全预警方法，其特征在于，所述方法包括：

按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，所述P个栅格区域内设置有P个通风装置、P个净气装置和P个检测装置，P为大于1的整数；

通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，Q为大于1的整数；

将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；

根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；

在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，所述约束条件包括在所述预警信息内预警时长内对所述净气型储药柜内进行净化，使得净化后的总异常值对应的预警信息为不进行预警；

根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理；

其中，所述方法还包括：

通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得所述P个浓度集合；

通过所述P个检测装置，分别检测获取所述P个栅格区域内入风口和出风口所述Q种有害气体的浓度，获得P个入口浓度集合和P个出口浓度集合；

根据所述P个入口浓度集合和P个出口浓度集合，计算所述P个净化效率，如下式：

;

K为净化效率，第i种有害气体的权重，根据每个浓度集合内Q种有害气体的浓度的大小进行分配，为出口浓度集合中第i种有害气体的出口浓度，为入口浓度集合内第i种有害气体的入口浓度，为浓度集合内第i种有害气体的浓度，通过每一个栅格中心位置所设置的气体传感器直接检测获取；

根据所述P个浓度集合，计算所述总加权浓度，如下式：

；

其中，为总加权浓度，为第j个栅格区域的权重，根据所述P个栅格区域的区域大小进行分配，为第j个栅格区域的区域总加权浓度，为第j个栅格区域内第i种有害气体的权重，为第j个栅格区域内第i种有害气体的浓度；

在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述P个浓度集合和总加权浓度构建约束条件，包括：

基于所述P个净化效率，构建目标函数，如下式：

;

其中，L为适应度，为第j个区域的净化效率；

根据所述预警信息，将在所述预警信息内的预警时长内，将所述净气型储药柜内净化至更新计算的总异常值输入所述预警分析单元内获得的预警信息为不进行预警，作为所述约束条件；

根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，包括：

对所述P个通风装置和P个净气装置的通风参数和净气参数进行随机设置，获得满足所述约束条件的M个初始解，每个初始解内包括初始通风净气参数组合，M为大于1的整数；

根据所述目标函数，计算获得M个初始解的M个初始适应度；

根据所述M个初始解，在每个初始通风净气参数集合内的通风参数和净气参数的邻近参数范围内，随机衍生获得M个衍生解集合，其中，每个衍生解集合内衍生解的数量与初始解的适应度正相关；

根据所述目标函数，计算获得M个衍生解集合的M个衍生适应度集合；

继续进行预设寻优次数的衍生寻优，将寻优过程中适应度最大的解输出，获得所述最优通风净气参数组合。

2.根据权利要求1所述的方法，其特征在于，将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值，包括：

根据所述净气型储药柜历史时间内的存储数据，获取所述Q种有害气体的Q个样本浓度集合，以及样本总加权浓度集合；

获取Q个样本异常值集合和样本综合异常值集合；

分别采用所述Q个样本浓度集合和所述Q个样本异常值集合作为构建数据，构建所述Q个异常分析单元，采用所述样本总加权浓度集合和样本综合异常值集合作为构建数据，构建所述总异常分析单元；

将所述P个浓度集合和所述总加权浓度输入所述Q个异常分析单元和总异常分析单元内，获得P个异常值集合和综合异常值；

根据所述P个浓度集合内Q种有害气体的浓度，对所述P个异常值集合内的Q个异常值进行加权计算，获得所述P个异常值。

3.根据权利要求2所述的方法，其特征在于，采用所述样本总加权浓度集合和样本综合异常值集合作为构建数据，构建所述总异常分析单元，包括：

采用总加权浓度作为决策特征数据，根据所述样本总加权浓度集合，构建多层综合决策节点，每层综合决策节点可对输入的总加权浓度进行划分判别；

获取所述多层综合决策节点的多个最终判别结果，采用所述样本综合异常值集合内的多个样本综合异常值，对所述多个最终判别结果进行标记，获得所述总异常分析单元。

4.根据权利要求2所述的方法，其特征在于，根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，包括：

根据所述P个栅格区域的大小，对所述P个异常值进行加权计算，并计算获得与所述综合异常值的和，获得所述总异常值；

根据所述Q个样本异常值集合和样本综合异常值集合，计算获得样本总异常值集合；

根据所述净气型储药柜历史时间内的存储数据，获取样本预警信息集合，每个样本预警信息内包括是否进行预警以及预警时长的信息，预警时长的大小与总异常值的大小正相关；

采用所述样本总异常值集合和样本预警信息集合作为构建数据，构建所述预警分析单元，结合所述Q个异常分析单元和总异常分析单元，获得所述预警分析模型；

将所述总异常值输入所述预警分析单元，获得所述预警信息。

5.一种用于净气型储药柜的自动化管理与安全预警系统，其特征在于，所述系统包括：

空间划分模块，所述空间划分模块用于按照净气型储药柜内P种试剂的存储位置，对所述净气型储药柜内的空间划分为P个栅格区域，所述P个栅格区域内设置有P个通风装置、P个净气装置和P个检测装置，P为大于1的整数；

总加权浓度计算模块，所述总加权浓度计算模块用于通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得P个浓度集合，以及所述P个栅格区域内的P个净化效率，并计算获得所述净气型储药柜内的总加权浓度，Q为大于1的整数；

异常分析模块，所述异常分析模块用于将所述P个浓度集合和所述总加权浓度输入预警分析模型内的Q个异常分析单元和总异常分析单元内，获得P个异常值和综合异常值；

预警分析模块，所述预警分析模块用于根据所述P个异常值和综合异常值，计算获得总异常值，并输入所述预警分析模型内的预警分析单元内，获得预警信息，所述预警信息内包括是否进行预警以及预警时长的信息；

预警处理模块，所述预警处理模块用于在所述预警信息内包括进行预警时，基于所述P个净化效率，构建目标函数，基于所述预警信息，构建约束条件，所述约束条件包括在所述预警信息内预警时长内对所述净气型储药柜内进行净化，使得净化后的总异常值对应的预警信息为不进行预警；

通风净气参数寻优模块，所述通风净气参数寻优模块用于根据所述目标函数和约束条件，对所述P个通风装置和P个净气装置的通风参数和净气参数进行调整寻优，获得最优通风净气参数组合，对所述净气型储药柜进行管理；

其中，所述总加权浓度计算模块还用于：

通过所述P个检测装置，分别检测获取所述P个栅格区域内Q种有害气体的浓度，获得所述P个浓度集合；

通过所述P个检测装置，分别检测获取所述P个栅格区域内入风口和出风口所述Q种有害气体的浓度，获得P个入口浓度集合和P个出口浓度集合；

根据所述P个入口浓度集合和P个出口浓度集合，计算所述P个净化效率，如下式：

;

K为净化效率，第i种有害气体的权重，根据每个浓度集合内Q种有害气体的浓度的大小进行分配，为出口浓度集合中第i种有害气体的出口浓度，为入口浓度集合内第i种有害气体的入口浓度，为浓度集合内第i种有害气体的浓度，通过每一个栅格中心位置所设置的气体传感器直接检测获取；

根据所述P个浓度集合，计算所述总加权浓度，如下式：

；

其中，为总加权浓度，为第j个栅格区域的权重，根据所述P个栅格区域的区域大小进行分配，为第j个栅格区域的区域总加权浓度，为第j个栅格区域内第i种有害气体的权重，为第j个栅格区域内第i种有害气体的浓度；

所述预警处理模块还用于：

基于所述P个净化效率，构建目标函数，如下式：

;

其中，L为适应度，为第j个区域的净化效率；

根据所述预警信息，将在所述预警信息内的预警时长内，将所述净气型储药柜内净化至更新计算的总异常值输入所述预警分析单元内获得的预警信息为不进行预警，作为所述约束条件；

所述通风净气参数寻优模块还用于：

对所述P个通风装置和P个净气装置的通风参数和净气参数进行随机设置，获得满足所述约束条件的M个初始解，每个初始解内包括初始通风净气参数组合，M为大于1的整数；

根据所述目标函数，计算获得M个初始解的M个初始适应度；

根据所述M个初始解，在每个初始通风净气参数集合内的通风参数和净气参数的邻近参数范围内，随机衍生获得M个衍生解集合，其中，每个衍生解集合内衍生解的数量与初始解的适应度正相关；

根据所述目标函数，计算获得M个衍生解集合的M个衍生适应度集合；

继续进行预设寻优次数的衍生寻优，将寻优过程中适应度最大的解输出，获得所述最优通风净气参数组合。